科研之友
微信
新浪微博
Facebook
分享链接
摘要
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速铁路调度员疲劳程度预测模型。根据32名高速铁路调度员模拟调度任务的面部特征数据,对该模型试算。研究结果表明,疲劳程度最佳分类数为3,在考虑工作时间作为模型的输入指标时,平均误差为13.3%,最佳效果下的误差仅为9.3%。
- 单位
