高速铁路调度员疲劳程度定量分级方法及装置制造方法及图纸

本发明专利技术公开了一种高速铁路调度员疲劳程度定量分级方法及装置，所述方法包括：通过高速铁路行车调度实验，获得调度员的主观KSS值、监督KSS值及PERCLOS值；根据调度员工作内容确定其工作DORATASK值及人因失效概率；将失效概率样本进行聚类分析，以聚类结果确定最优疲劳分级数；采用HMM算法根据所述PERCLOS测试值确定疲劳状态分类值；根据所述主观KSS值、监督KSS值、DORATASK值及疲劳状态分类值融合计算疲劳程度值并构建基于BP神经网络的疲劳程度检测模型通过以上过程进行疲劳程度定量分级。本发明专利技术相比于单一通过面部特征信息的判别方法提高了辨识精度与信度，同时解决了数据训练效果差的问题。效果差的问题。效果差的问题。

【技术实现步骤摘要】
高速铁路调度员疲劳程度定量分级方法及装置


[0001]本专利技术涉及高速铁路调度员疲劳程度分级方法的


技术介绍

[0002]高速铁路调度员在生产工作中掌握控制车站与列车工作的权限，其决策在高铁安全运营中发挥重要作用。随着工作时间的延长，调度员疲劳程度会逐渐增加，容易出现遗漏关键信息的情况，从而诱发高铁事故，因此，检测高铁调度员疲劳程度是构建高铁调度员疲劳检测预警系统的关键问题，也是有效预防高铁事故的关键因素。
[0003]现有疲劳检测技术主要应用于空中管制员和机动车驾驶员的工作疲劳研究中，其常见的研究方式如：研究人员通过眼动仪和视频记录系统，记录空中管制员的面部特征信息，其后根据面部特征信息提取计算综合疲劳度，一些相关研究再通过人工神经网络模型，预测到达指定疲劳水平的时间，并用神经网络和随机优化方法评估几种指标的融合。进一步的，一些现有技术根据这些研究开发了可获取驾驶员相关面部特征信息如眼动数据与嘴部数据的视觉系统，以直观反应实验对象的精神状态。
[0004]现有技术中，面部特征参数的收集多采用摄像机与眼动仪等，采集的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.高速铁路调度员疲劳程度定量分级方法，其特征在于，包括：S1通过高速铁路行车调度实验，基于被试调度人员的面部数据获得其主观卡罗林斯卡嗜睡量表评分、由所述主观卡罗林斯卡嗜睡量表评分计算得到的监督卡罗林斯卡嗜睡量表评分和其PERCLOS测试值；S2根据高速铁路调度员的工作内容确定其工作的DORATASK值，及其人因失效概率，获得其失效概率样本；S3对所述失效概率样本进行聚类分析，根据聚类结果确定最优疲劳分级数；S4采用HMM算法根据所述PERCLOS测试值确定疲劳状态分类值；S5基于所述主观卡罗林斯卡嗜睡量表评分、所述监督卡罗林斯卡嗜睡量表评分、所述疲劳状态分类值、及所述DORATASK值融合计算疲劳程度值；S6基于S1
‑
S5的疲劳程度计算过程，构建基于BP神经网络的疲劳程度检测模型，所述模型的输入为高速铁路调度员的面部数据及其工作时间，输出为该调度员的疲劳程度；其中，所述面部数据包括所述被试调度人员的眼部数据和嘴部数据；优选的，所述聚类分析使用K
‑
means聚类方法。2.根据权利要求1所述的高速铁路调度员疲劳程度定量分级方法，其特征在于，所述PERCLOS测试值具体为其P80值。3.根据权利要求1所述的高速铁路调度员疲劳程度定量分级方法，其特征在于，所述主观卡罗林斯卡嗜睡量表评分或所述监督卡罗林斯卡嗜睡量表评分基于所述高速铁路行车调度实验中获得的被试调度人员的闭眼时长、注视时长、瞳孔大小、眼跳持续时间、眼跳幅度、眼跳平均速度、眨眼频率、眨眼时长和哈欠频率获得。4.根据权利要求1所述的高速铁路调度员疲劳程度定量分级方法，其特征在于，所述主观卡罗林斯卡嗜睡量表评分由多名受训观察员打分得到，所述监督卡罗林斯卡嗜睡量表评分为所述主观卡罗林斯卡嗜睡量表评分的均值。5.根据权利要求1所述的高速铁路调度员疲劳程度定量分级方法，其特征在于，所述人因失效概率的基于CREAM模型获得。6.根据权利要求1所述的高速铁路调度员疲劳程度定量分级方法，其特征在于，所述人因失效概率的获得包括：根据高速铁路调度员工作任务，将其作业行为分为4种类型，包括监控、操作、通讯和记录，计算其工作的DORATASK值；根据对不同的情景环境的评价确定共同绩效条件下控制模式为战略型，设定人因失效概率区间为(0.0005，0.01)；采用专家调查法和三角模糊数，根据问卷调查结果和三角模糊数的对应关系，计算出所有工作流程对应的认知功能权重；根据串联系统的可靠度计算式，获得高速铁路调度员人因失效概率；其中，所述串联系统的可靠度计算计算式如下：人因失效概率计算式如下：
其中，R
s
(t)为串联系统的可靠度，R
...

【专利技术属性】
技术研发人员：张光远，章子睿，胡晋，何必胜，鲁工圆，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：