在“人-车-路”的闭环道路交通系统中,人是最不稳定的一环,人的分心行为会给交通安全带来极大的隐患。相较于其他分心干扰方式,驾驶时使用手机带来的危害更高。将使用手机的分心行为和常见的跟车场景相结合,建立分心驾驶时,不同工作负荷的跟车碰撞风险辨识模型,有助于提高道路交通安全,减少事故发生。基于对已有研究的分析总结,本文设计了微信文字、微信语音、手持、免提、无次任务五种驾驶任务。利用DLab驾驶人因记录分析系统,开展模拟驾驶试验,采集驾驶人视觉行为、车辆运动状态、生理指标三方面数据,研究不同次任务下的驾驶特征及各任务之间的差异性,最终筛选出注视区域信息熵、有效注视时长、垂直扫视幅度、眨眼频率、车速标准差、横向位置标准差、横向加速度标准差、心率增长率、RR间期9个指标作为确定工作负荷的基本参数,利用主成分分析和K-均值聚类确定出驾驶人的分心工作负荷。基于不同的工作负荷,利用网格优化SVM算法,建立了驾驶人的跟车风险辨识模型,并加以验证。主要研究结论如下:视觉上,不论驾驶人是否处于分心状态,85%以上的视觉行为为注视,跟车时驾驶人的注视点主要集中于视野正前方前车的位置,位于水平(0°,10°],垂直(-10°,0°]。在执行微信文字和语音时,驾驶人视觉指标中注视区域信息熵、扫视速度、频率、幅度、持时增加,有效注视时长缩短。而微信语音次任务涉及视觉分心时间短,各项指标较微信文字变化小。执行手持和免提任务时,驾驶人以认知分心为主,扫视行为指标差异均不显著,由于手持通话涉及到驾驶人的操作分心,注意力更难集中,注视区域信息熵较高,有效注视时长较低,眨眼频率较高。车辆运动状态上,分心会导致驾驶人对车辆的控制变差。以视觉分心为主的微信文字和语音次任务,会导致车速标准差、横向位置标准差、横向加速度标准差显著增加,以认知分心为主的手持和免提次任务,对车辆控制影响相对小,与无次任务相比各项指标均不显著。生理上,由于心率存在一定的滞后性,分心驾驶时各指标变化不显著。基于生理测量的方式,采用驾驶人的视觉、车辆的运动状态、生理指标可以用于确定分心驾驶的工作负荷,结合驾驶人的反应时间验证,结果一致。针对驾驶人的不同工作负荷,采用网格优化SVM算法,对跟车风险状态有很好的预测结果,准确率为90.5%。对不同时间点的研究结果表明,在事故发生前1秒的预测效果最好,准确率91.3%、真正率92.3%、真负率为90.9%。