5G和人工智能的出现开启了人类社会信息化的新时代,各种技术和算法的更新使得机器的计算能力和速率实现了质的飞跃,信息增长的速度呈指数级增长。物联网各种新的应用层出不穷,其中自动驾驶、智慧交通成为了最热门的领域之一。在交通驾驶任务中,自动驾驶的要求不仅仅是计算机快速的对道路信息进行识别判断,更重要的是根据道路情况对危险进行规避决策。这就需要将驾驶员的态势感知和注意机制和计算机系统的自动化识别进行融合协同,实现更加安全舒适的驾驶。态势感知是从驾驶员的认知角度进行信息收集,理解从而进行决策的核心因素,注意机制对驾驶员的信息处理起着至关重要的作用,对驾驶员的态势感知造成重大影响。本文将对驾驶员的注意分配机制进行研究,并结合态势感知构建态势感知-注意力分配系统。在本文的前两章中论述了注意力和态势感知的研究背景和国内外研究现状,包括了态势感知和注意力分配的兴起,发展和过渡。列举了关于态势感知理论和注意力分配理论的常用模型。在本文的第三章,分析了注意力分配SEEV模型的优缺点,针对其缺点提出了相应的解决方法,从两种不同水平驾驶员的角度探讨影响驾驶员注意力分配的首要因素,并且针对其中努力这一要素进行了重新定义。在实验过程中,使用欧洲卡车模拟驾驶平台进行模拟驾驶,通过对实验结果进行分析对上述两个问题进行了实验论证。在本文的第四章,通过设计实验分析三种不同水平的驾驶员交通道路观察眼动图,优化了注意力-态势感知(A-SA)模型。使用斜率对驾驶员态势感知水平进行量化,并重点研究了注意力和态势感知的相互影响关系。最终建立了一套切实可行的态势感知-注意力分配系统,用以指导辅助不同水平驾驶员完成驾驶任务。