随着智能终端和互联网的大范围普及,驾驶员在驾驶时使用手机的问题越来越普遍,分心驾驶问题逐渐成为交通事故的重要诱因。通讯软件集文字、语音和多媒体技术于一体,成为了更廉价和方便的通讯方式。同时,当注意力被其他事物所占用时（例如驾驶状态）,相比于文字消息人们更倾向于使用语音消息。而语音消息对驾驶员分心行为的影响研究还比较欠缺。因此,本文对不同交互方式（文字消息和语音消息）引起的分心驾驶行为展开研究,构建分心驾驶判别模型,为提高道路安全水平提供理论支撑。首先,本文基于驾驶模拟器和眼动设备,设计针对“收发文字消息”和“收发语音消息”的分心驾驶模拟实验。根据我国高发事故类型,设计了具有复杂交通环境的危险场景,危险场景包含行人横穿、车辆变道、前车制动以及交叉口冲突四类危险干扰,具有良好的仿真效果与普适性。之后分别在正常驾驶、收发文字消息和收发语音消息三种条件下,使用所设计的实验方案进行大量真人驾驶模拟实验,并整合驾驶模拟器和眼动仪所采集数据。其次,基于驾驶模拟实验所得数据,使用单因素方差法分析了不同消息类型对行车安全的影响。针对收发两种不同类型的微信消息（文字信息和语音信息）对驾驶员驾驶行为的干扰,对比驾驶员遇到紧急情况下的反应时间和制动距离,发现了与文字消息相比,收发语音信息对驾驶员分心行为具有相同程度的负面影响,因此证明了语音消息被纳入分心驾驶行为识别的必要性。对正常和受信息干扰情况下的车辆运动状态和驾驶员视觉特征进行分析,得出与分心驾驶行为有关的指标集,并发现两种类型消息下车辆运动状态和驾驶员视觉特征所受影响程度不同,这进一步证明了语音消息被纳入分心驾驶行为识别的必要性。最后,将驾驶分心水平分为三类,提取了不同分心水平的样本数据。根据显著性差异结果,构建了分心驾驶判别指标集。以支持向量机与遗传算法为理论基础,构建了GA-SVM分心驾驶判别模型。选取准确率和敏感度为判别指标,检验了输入不同数据类型时判别模型的有效性。结果显示,相较于单一类型数据,融合多源数据的判别模型的判别效果与实用性均有较大提升。