近年来,随着手机等智能终端的普及,分心驾驶事故不断增加,成为影响交通安全的主要因素之一。为此,国内外学者进行了很多分心驾驶研究。然而综合目前研究来看,国内分心驾驶研究起步较晚,未形成完整体系。目前分心驾驶视觉特征分析仅停留在考虑注视频次、注视点等总体特征层面,并不能反映视觉分心的变化过程,具有一定局限性。同时,分心驾驶研究中缺乏分心任务定量化评级方法与高准确性的分心驾驶行为检测方法。鉴于此,论文做了以下几方面研究。首先,论文设计了多种分心任务的分心驾驶实验,搭建了分心数据导出及动态展示系统。招募职业与非职业驾驶员参加实验,并编写软件实现了分心视觉数据的预处理与截取。通过前期系统搭建获取驾驶员视觉及行为数据,为分心特征的描述及分心甄别方法的提出奠定了基础。其次,对多个分心任务下的视觉特征进行了一般性描述,观察不同职业类型驾驶员的一般视觉特征。并运用AttenD算法实现各种分心任务的视觉特征实时性表达,最终提出一种分心任务的视觉评定方法,针对不同职业类型的驾驶员给出分心任务的复杂程度或危险程度排序。研究成果可应用于车载设施可行性评估或为相关管理部门制定标准提供了理论基础。另外,论文描述了驾驶员不同分心任务及职业类型下的驾驶行为特征。基于AttenD算法,划分分心为三个水平,实现视觉与行为数据的匹配关联,并描述了不同分心水平下的驾驶行为特征。运用单因素方差分析分别获得各项驾驶行为指标在不同分心任务、职业类型、分心水平下的显著性水平,获取可用来实现分心驾驶甄别的相关驾驶行为指标,为分心甄别方法研究提供了思路。最后,提出一种基于随机森林的分心驾驶行为甄别方法。算法基于驾驶行为数据进行分类与甄别,采用视觉特征作为分类标签,将视觉分类的分心水平与驾驶行为数据结合,实现驾驶员在多种分心水平下的驾驶行为分类。该方法的应用可改变传统视觉分心检测方式,在无眼动仪情况下仅根据驾驶行为数据实现高准确率、低成本的分心驾驶行为甄别与检测。论文的研究不仅描述了多种分心任务的视觉与行为特征,同时提出一种分心任务的评定方法。并基于建立的分心视觉与驾驶行为间的相关关系,提出一种新的分心驾驶行为甄别方法。研究具有较强的实用性方面,一方面是,适用于分心驾驶体验和教育;另一方面,分心任务评定方法可为车载设施可行性评估提供依据;同时,分心甄别方法可为实车检测预警系统提供技术支撑。