随着我国经济的快速发展,汽车保有量不断增加,驾驶疲劳所导致的交通事故也越来越多。汽车自动化技术的发展一方面取代了部分驾驶员的操作任务,让驾驶任务变得更轻松,能一定程度缓解长时间驾驶带来的主动疲劳;但另一方面,自动化系统将驾驶员角色由操控者转向监控者,使得被动疲劳更容易发生,并由此带来驾驶员注意力和警觉性水平的下降。这为当前L2级别自动驾驶技术条件下的驾驶员疲劳研究提出了新的课题。本文通过比较不同驾驶场景和技术条件下的驾驶员脑部视觉信息处理差异,结合驾驶疲劳相关研究成果,分析L2级别自动驾驶技术条件下的驾驶疲劳成因,并针对性的提出疲劳调节措施。最后,通过分析驾驶员驾驶过程中的注意力水平随时间变化的规律,提出对疲劳进行调节以维持注意力水平的合适时机,进行L2级别自动驾驶条件下的驾驶疲劳干预。主要工作包括:（1）通过采集驾驶员驾驶过程中视觉处理相关的脑电信号,分析比较驾驶员在4个驾驶任务（城市和草原2种场景×人工和L2自动驾驶2种技术条件）中,大脑对驾驶环境视觉信息处理的活跃程度差异。发现:与单调驾驶不同,信息不足不是造成L2级别自动驾驶疲劳的主要原因,自动化技术本身是导致驾驶员疲劳的一个重要原因。（2）结合驾驶疲劳相关研究成果,指出自动化技术导致的驾驶员“感知—决策—执行”信息处理循环被打断,使得驾驶员对外部环境信息感知和决策的意愿降低,导致驾驶员唤醒水平下降,是L2级别自动驾驶条件下的驾驶员疲劳的主要原因。并提出以“反馈”替代被自动化技术取代的“执行”,重构驾驶员“感知—决策—反馈”信息处理循环,进而激发驾驶员进一步对外部环境信息进行感知和决策的意愿,提升驾驶员唤醒水平,缓解驾驶员的被动疲劳。（3）研究L2级别自动驾驶过程中的驾驶员注意力水平随时间变化的规律,指出疲劳干预以提升注意力整体水平的合适时机,是在驾驶员第一次自我疲劳调节后,注意力水平的下降拐点处。在城市等复杂驾驶场景中,就驾驶员整体统计来看,合适的干预时机为20-25分钟处。本文对不同驾驶条件下驾驶员的信息处理差异进行研究,并结合相关疲劳理论得出了L2级别条件下驾驶员疲劳生成机理,进一步研究驾驶员注意力时变规律,结合疲劳机理提出疲劳延缓措施,研究内容提升驾驶安全具有一定意义。