鐵路機車司機駕駛疲勞評測方法與在線檢測技術的研究.pdf

1、鐵路運輸生產(chǎn)力的高速發(fā)展，對鐵路行車的安全保障提出了更高要求。由于機車司機的駕駛疲勞是引發(fā)鐵路行車安全事故的主要原因之一，機務管理部門迫切需求防范機車司機駕駛疲勞的相關先進技術和設備，期望以此減少由機車司機駕駛疲勞所導致的人因事故發(fā)生。本文以鐵路機車司機這一特殊駕駛領域的作業(yè)人員為研究對象，圍繞其駕駛疲勞的形成機理、駕駛疲勞的影響因素與風險評價、駕駛疲勞相關音視頻表現(xiàn)特征參數(shù)的提取與分析、以及多信息融合檢測技術等核心問題展開全面深入的理

2、論和實驗研究，并以此設計和實現(xiàn)了一個實時、準確、魯棒的機車司機駕駛疲勞在線檢測及預警系統(tǒng)。具體的研究內(nèi)容如下:
　　(1)針對鐵路機車駕駛作業(yè)的特殊性，通過對機車司機作業(yè)行為、值乘制度以及工作條件等方面的調(diào)查研究，系統(tǒng)分析了機車司機駕駛疲勞的形成過程和產(chǎn)生機理。由此，總結了機車司機工作負荷、輪班方式、職業(yè)素質(zhì)和作業(yè)環(huán)境等方面的多種疲勞影響因素，為機車司機駕駛疲勞的風險評價提供了依據(jù)。同時，討論了司機處于駕駛疲勞狀態(tài)下，在行為、生理

3、和心理上所可能產(chǎn)生的各種表現(xiàn)特征，以及這些表現(xiàn)特征在駕駛疲勞檢測應用方面的適用性和可行性。
　　(2)機車司機的工作負荷計算與駕駛疲勞風險分析。首先，通過對機車司機具體作業(yè)任務的層次分解以及各作業(yè)任務的需量估計，提出了一種機車司機工作負荷計算方法。該方法以具體機車駕駛任務對人體的需量為研究對象，可以客觀準確地反映出司機在執(zhí)行不同作業(yè)任務下的工作負荷指標。隨后，采用改進的模糊層次分析法將工作負荷指標與輪班方式、職業(yè)素質(zhì)和線路環(huán)境等方

4、面的多種疲勞影響因素指標相結合，建立了機車司機駕駛疲勞風險的多指標評價模型。最終，通過對不同車次不同時段下的機車司機駕駛疲勞風險評價實例，驗證了該模型在實際應用時的準確性和有效性。這部分研究所得的駕駛疲勞風險評價結果，不僅能夠為司機輪班工作的編排管理上避免駕駛疲勞提供依據(jù);還為多信息融合的駕駛疲勞檢測系統(tǒng)提供了概率推理所需的疲勞先驗知識。
　　(3)確立了一種基于語音與視頻多傳感器信息融合的機車司機駕駛疲勞在線檢測方案，并對相關的

5、疲勞特征參數(shù)進行了提取分析。首先，根據(jù)駕駛疲勞對人體發(fā)音器官的影響，提取分析了基音頻率、共振峰和Mel頻標倒譜系數(shù)等傳統(tǒng)語音特征，以及語音混沌非線性動力學模型下的最大Lyapunov指數(shù)、分形維數(shù)和近似熵等語音非線性特征與人體疲勞的變化規(guī)律，并通過實驗驗證了這些語音特征與機車司機駕駛疲勞的相關性。其次，為了能夠從視頻數(shù)據(jù)中快速、準確、魯棒地提取司機眼部及面部等多種疲勞特征參數(shù)，針對實際機車場景下的光照條件變化以及司機頭部傾斜旋轉等具體問

6、題，提出了:基于膚色自適應更新模型的圖像膚色分割算法，基于Haar特征與Adaboost分類器的人臉識別算法，以及基于Zernike矩特征的人眼定位及開合度識別方法等，一系列逐步縮小特征提取范圍的圖像處理與識別算法。并在此基礎上，提取分析了機車司機的眼部閉合時間百分比、平均閉眼速度、最大持續(xù)閉眼時間、平均睜眼程度和眨眼頻率等眼部特征，以及哈欠頻率和點頭頻率等司機面部特征在不同疲勞狀態(tài)下的統(tǒng)計規(guī)律。
　　(4)提出一種特征層融合與決

7、策層融合相結合的多信息融合檢測方法，將駕駛疲勞風險評價結果以及所提取的多種特征參數(shù)綜合應用于駕駛疲勞的在線檢測。首先在特征層融合部分，采用模糊支持向量機算法設計了多特征駕駛疲勞分類器，并對算法中的樣本模糊隸屬度函數(shù)做了相應改進。隨后在決策層融合部分，通過動態(tài)貝葉斯網(wǎng)絡融合算法，將語音多特征、眼部多特征、哈欠頻率和點頭頻率等四種特征層分類器的初步判決結果與駕駛疲勞風險評價所得的先驗知識相結合，以因果概率推理的方式融合得到最終的一致性駕駛疲