[发明专利]高速铁路调度员疲劳程度定量分级方法及装置

权利要求书

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；

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_i(t)为系统中第i个工作步骤工作时的可靠度，n为串联系统的步骤总数，t为当前时刻，P为人因失效概率，为工作中第i个工作步骤的失效概率的标准化修正值。

7.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，其中，S4包括：

以根据所述高速铁路行车调度实验获得的所述PERCLOS测试值的P80状态序列作为所述HMM算法的输入观测状态序列，以所述最优疲劳分级数作为所述HMM算法的分类值上限，对应得到的隐藏状态序列为所述疲劳分类值、作为所述HMM算法的输出。