随着电控技术、数据云端技术及移动网络的快速发展,越来越多的辅助驾驶系统配置到汽车上。而辅助驾驶系统的设计主要是从操控性及便捷性来考虑,并未考虑驾驶员在调控辅助驾驶系统中额外的精神消耗,并且辅助驾驶系统的设计是否能够缓解驾驶疲劳尚未可知。本研究旨在建立驾驶员的脑网络模型,利用该模型的各类参数定量的评估驾驶员的疲劳水平。本研究中应用近红外光谱技术检测驾驶员前额叶(判断、认知)、顶叶(运动区)及枕叶(视觉区)的血氧浓度变化。建立基于小波相干性及相位相干性的驾驶员脑功能网络模型,及基于功能连接、效应连接与有向图论的脑网络模型。脑网络模型中,近红外通道简化为节点,通过功能连接强度、效应连接耦合强度及耦合方向来定义节点间的边,并基于有向图论模型计算各类评价参数。本研究分别设计了实验验证模型的准确性:(1)采用10通道近红外设备检测14名驾驶员前额叶及顶叶的血氧浓度信号。数据预处理后,计算各通道间的小波相干性及相位相干性,建立脑功能连接模型。本实验仅提取了功能连接强度这一参数,实验结果表明随着实验时间的延长,驾驶员第Ⅲ、Ⅳ频率段的功能连接强度出现显著的降低。同时,虚拟车辆行驶参数(车速标准差、横向位移标准差、误压黄线频率)出现较为显著的变化,显示了驾驶员在疲劳状态下对车辆的操控能力下降。验证了脑功能网络模型能够有效地评估驾驶疲劳。(2)利用42通道近红外设备采集12名驾驶员在执行警惕操作任务时前额叶、运动区及视觉区的血氧浓度信号。计算了各通道间的小波相位相干性值、效应耦合强度、耦合方向等参数并基于此建立了基于有向图论的脑网络模型。提取了模型中集群系数、最短路径长度、局部效率、全局效率及耦合相似度的参数来评估驾驶疲劳。研究表明,随着实验的进行集群系数显著降低,说明脑网络模块化程度降低;最短路径长度显著升高而全局效率显著降低说明精神疲劳会引起脑网络中信息传递效率降低。同样应用了客观行为参数来验证模型的有效性,眨眼周期及眨眼频率等均与近红外参数存在显著的相关性。综上所述,本文中建立的脑功能连接网络模型可以定量的评估驾驶疲劳,而基于有向图论的脑网络模型则能揭示整个脑网络是如何工作的及更全面可靠地量化驾驶员的精神疲劳。两种驾驶疲劳的评估模型可以在评价辅助驾驶系统的合理性方面得到广泛应用。