摘要：针对现有一些疲劳驾驶检测方法因未考虑个体差异而导致检测精度较低的问题，在考虑个体差异的基础上建立疲劳驾驶检测模型，以适应驾驶人在驾驶行为和生理特征上存在的个体差异。通过高仿真驾驶模拟器对值夜班8h后的受试人员进行疲劳驾驶模拟试验，采集每位驾驶人的数据并从中提取出19个驾驶行为指标和4个眼动指标。试验过程中通过主观问询方式获取驾驶人疲劳程度信息，在此基础上建立考虑个体差异的分层有序Logit（MOL）模型，以及未考虑个体差异的有序Logit（OL）模型和人工神经网络（ANN）模型来评估疲劳程度。结果表明：23个变量中，闭眼时间比例、平均瞳孔直径、车道偏移标准差、方向盘反转次数是疲劳检测中最重要的4个变量；3个模型中分层有序Logit模型的检测精度最高，表明考虑个体差异确实可以提高模型检测精度。

关键词：交通工程 疲劳检测 分层有序线性模型 无侵入测量指标 眼动 

单位：西南交通大学交通运输与物流学院; 四川成都610031; 西南交通大学综合交通运输智能化国家地方联合工程实验室; 四川成都610031; 同济大学道路与交通工程教育部重点实验室; 上海201804