公路隧道内外环境差异大、空间狭小、环境封闭,同一般道路相比更易引发交通事故,其运行安全问题成为了社会关注的焦点。从事故发生机理角度看,驾驶人风险行为是引发隧道交通事故的主要和直接原因,而决定风险行为的因素,又包括驾驶人个体风险属性和风险驾驶状态。只有掌握风险驾驶状态影响因素与驾驶行为变化的内在机理,有针对性地加以引导,才能获得稳定、有效的风险控制效果,提高隧道行车安全性。风险驾驶状态的关注重点是驾驶人心理与生理状态。在不考虑疲劳、酗酒、愤怒,以及外源性分心等特殊情况的前提下,内源性认知分心（心智游移）和不良心理负荷是最普遍且危险性极高的风险驾驶状态。本文旨在研究心智游移与心理负荷在高速公路不同隧道路段的变化特性,以及二者对驾驶行为和行车安全的影响。同时考虑驾驶人个体风险属性（心智游移倾向个体差异和对行车环境熟悉程度的个体差异）对研究结果的影响。选取典型高速公路短、中长及特长隧道开展实车试验,利用眼动仪、动态多参数生理检测仪及OBD速度采集设备,采集驾驶人通过各隧道时的眼动、心电及驾驶行为数据;采用定性和定量相结合的方法分析驾驶人经验（对行车环境的熟悉程度）、隧道类型以及隧道不同行车段对人眼动指标的影响,探究驾驶人在不同隧道环境下的注意分配及注视转移特性,考察不同隧道路段驾驶人视觉感知能力差异;同时,采用模拟驾驶的方式,采集驾驶人心智游移频率、眼动及驾驶行为数据,分析不同隧道环境下驾驶人心智游移发生特性及其对视觉感知和驾驶行为的影响;并依据非侵入式驾驶行为特征,提出基于混合深度学习模型的心智游移状态判别模型（PCA-LSTM模型）;之后,挖掘眼动指标潜在关系,采用探索性因子分析方法构建眼动指标间、眼动指标与驾驶人心理负荷间的数量关系模型,计算驾驶人在不同隧道路段行车时的心理负荷,并以NASA-TLX主观任务负荷量表和心率指标验证模型的有效性及准确性;同时,分析驾驶人在不同隧道路段的驾驶行为变化特性,探究行为变化的内在心理机制;在此基础上,构建基于驾驶行为指标的隧道路段驾驶行为风险量化模型,并采用SOM神经网络算法实现不同隧道行车区间风险属性和对应风险行为的科学聚类;最后,以驾驶人心智游移、心理负荷及驾驶行为风险量化值表征感知、认知和操作风险水平,通过熵权TOPSIS法,量化不同隧道路段的行车综合风险,并对各行车路段的风险程度进行排序。结果表明,车辆运行过程中,熟悉隧道行车环境的驾驶人搜索和处理信息效率较高,更关注道路远处信息,表现出较好的驾驶“前瞻性”。随着隧道长度增加,驾驶人信息搜索效率降低,心理负荷增加,且同一隧道不同行车段心理负荷大小依次为入口段、出口段和中间段;隧道长度越长,其出入口处明暗适应过程对心理负荷影响越大。对行车环境熟悉的驾驶人心理负荷较低,对变化的环境做出生理反应和恢复正常状态的过程较快。不同隧道行车环境、心智游移发生倾向个体差异及任务熟练度对驾驶人心智游移频率、视觉感知及驾驶行为均有显著影响。短、中长及特长隧道不同行车段行车综合风险大小依次为,特长隧道入口段、特长隧道出口段、中长隧道入口段、特长隧道中间段、中长隧道出口段、中长隧道中间段、短隧道入口段、短隧道出口段和短隧道中间段。研究成果可为有效提升高速公路隧道行车安全水平提供理论依据。