经济在高速发展,汽车拥有量也呈快速增长趋势,与此同时,交通事故的发生率也在不断上涨。交通事故不仅造成了重大的经济损失,对人民的生命安全也造成巨大威胁,疲劳驾驶是造成交通事故的主要原因,为了避免交通事故的发生,研究驾驶员的疲劳驾驶行为就变得至关重要。本文首先介绍了贝叶斯网络算法的理论基础,分析了造成疲劳的因素,依据智能手机和智能穿戴设备可采集到的信息,选取了睡眠质量、睡眠时长、睡眠紊乱、采集时间、驾驶时间、天气、温度作为造成疲劳的因素,心电指标和血氧饱和度作为疲劳影响的参数,确定了贝叶斯网络模型中的节点。通过因果关系构建了基于贝叶斯网络的疲劳程度判别模型,依据专家经验确定了模型的参数,完成了模型的参数学习。本文将基于贝叶斯网络的疲劳程度判别模型转换为联合树结构,并用联合树算法对驾驶员疲劳状态进行分析,以获取指定条件下的疲劳节点的概率。本文最后实现了疲劳驾驶预警系统,系统包括Android客户端和后台服务端。Android客户端通过智能设备和Android手机采取疲劳相关数据,在服务端使用基于贝叶斯网络的疲劳程度判别模型对驾驶员疲劳的概率进行计算,并将数据保存到MySQL数据库中,之后将计算的结果返回给Android客户端,客户端根据疲劳概率进行疲劳程度的分类,并给予驾驶员提醒。另外,疲劳驾驶预警系统Android客户端基于百度地图API对车辆位置进行定位,获取车辆实时位置,使用Android手机加速度传感器实现车辆碰撞的判断,当车辆发生碰撞的时候,自动发送求救信息与位置信息。