高速铁路调度员疲劳程度分级及预测方法研究

准确预测高速铁路调度员疲劳程度是提高调度员工作效率,保证列车运行安全的关键技术问题.针对该问题,提出一种基于K-Means聚类的高速铁路调度员疲劳程度预测方法.基于调度员人因失效概率值得出最佳疲劳分级数,在此基础上利用融合算法计算出疲劳程度分级阈值并作为输出端,面部特征信息作为输入端,建立出基于BP模式识别神经网络的高...     

基于脑电频域特征的高速铁路调度员监控工作注意水平识别方法

高速铁路调度员监控作业的注意力水平识别是全周期注意识别的重要组成部分。针对监控作业交互少、反馈弱以及视觉特征不显著的特点，设计基于信息感知密度的注意诱导实验作为客观评价参照，采集全头脑电并提取了57个通道的7项频段指标为识别特征。采用Pearson相关系数进行特征初筛，采用Logistic回归-预测变量重要性排序的包裹式方法对特征进行进一步降维并进行注意水平识别。实验结果表明：基于左额叶和双侧枕叶的17个脑电频段特征的多项Logistic回归模型对低注意水平有81%的识别准确率。脑电频段特征对应负责大脑思维功能和视觉加工处理的脑功能区，反映高铁调度员在监控工作中的注意水平变化对应的认知功能变化。