疲劳驾驶是导致道路交通事故的重要原因之一。为了克服单一传感器在疲劳检测中的局限性,系统研究了疲劳状态下驾驶人眼部生理状态、方向盘操作特性以及车辆行驶轨迹特征。以显著性水平为评价手段,优化出了PERC-LOS、最长闭眼时间、方向盘零速百分比等多个疲劳判别指标。在充分考虑各信息源相关性和互补性的基础上,开发了以fisher判别进行特征级融合,以D-S证据理论进行决策级融合的分层融合算法和模型。试验数据表明,该模型在高速公路工况下识别精度达到91%,与基于单传感器的检测方法相比,有效提高了疲劳检测系统的准确性、可靠性。