期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于眼动和脑电特征的高速铁路行车调度员疲劳状态判别研究
1
作者
张光远
王灿
陈诚
《铁道运输与经济》
北大核心
2024年第11期196-204,212,共10页
针对当前高速铁路行车调度员疲劳状态判别方法尚未结合多源信息的优势,提出了一种基于多源信息的高速铁路行车调度员疲劳状态判别方法,在利用支持向量机对眼动和脑电特征进行软分类作为决策层输入的基础上,结合上一时间点疲劳状态判别结...
针对当前高速铁路行车调度员疲劳状态判别方法尚未结合多源信息的优势,提出了一种基于多源信息的高速铁路行车调度员疲劳状态判别方法,在利用支持向量机对眼动和脑电特征进行软分类作为决策层输入的基础上,结合上一时间点疲劳状态判别结果,利用改进的D-S证据理论进行决策层融合得到最终的判别结果。通过采集20名行车调度员的模拟实验数据对模型进行检测,结果表明:改进后的研究方法在疲劳状态判别方面准确率达到93.75%。可以看出,信息融合判别的准确率高于单纯依靠眼动和脑电特征的方法,增加上一时间点的疲劳判别结果有助于提高模型的鲁棒性和可靠性,并且改进的模型对高速铁路行车调度员疲劳状态判别具有有效性。
展开更多
关键词
眼动和脑电特征
高速铁路行车调度员
支持向量机
D-S证据理论
疲劳状态判别
在线阅读
下载PDF
职称材料
基于SVM-KNN算法的高铁行车调度员认知负荷脑电评估方法
2
作者
张光远
王敬儒
+3 位作者
梁心怡
秦诗雨
李莎
朱泊霖
《中国安全生产科学技术》
北大核心
2025年第7期166-172,共7页
为准确评估高铁行车调度员认知负荷,根据脑电特征解析其动态变化,从而提升工作效率,保障列车运行安全。通过采集模拟调度任务下的脑电信号,采用最大相关最小冗余算法(mRMR)对Welch法提取后的脑电特征进行进一步降维,并基于SVM-KNN融合...
为准确评估高铁行车调度员认知负荷,根据脑电特征解析其动态变化,从而提升工作效率,保障列车运行安全。通过采集模拟调度任务下的脑电信号,采用最大相关最小冗余算法(mRMR)对Welch法提取后的脑电特征进行进一步降维,并基于SVM-KNN融合分类算法建立高铁行车调度员认知负荷分级识别模型。研究结果表明:该模型以较少的特征维度实现较高的识别准确率,总体准确率达87.03%。对比得出,使用mRMR方法进行降维处理能够有效提高分类模型的识别准确率,同时SVM-KNN融合分类算法的识别准确率要高于单分类算法。研究结果可为实现高铁行车调度员认知负荷监测预警提供理论基础。
展开更多
关键词
高速铁路行车调度员
认知负荷
脑电信号
最大相关最小冗余
支持向量机
K近邻
在线阅读
下载PDF
职称材料
基于眼动特征的高速铁路调度员工作状态识别干预方法研究
被引量：
3
3
作者
张光远
文原劲
+2 位作者
王亚伟
胡悦
李婧
《铁道运输与经济》
北大核心
2023年第4期78-85,共8页
针对高速铁路行车调度员疲劳与工作状态预警干预中工作状态的分类识别问题,提出一种基于眼动特征的高速铁路行车调度员工作状态的分类识别方法。实验人员在阶段计划内调度作业仿真实验中采集眼动数据,以预设实验任务作为工作状态的客观...
针对高速铁路行车调度员疲劳与工作状态预警干预中工作状态的分类识别问题,提出一种基于眼动特征的高速铁路行车调度员工作状态的分类识别方法。实验人员在阶段计划内调度作业仿真实验中采集眼动数据,以预设实验任务作为工作状态的客观分类标准,并作为影响因素研究眼睛动态特征指标的分布规律。通过判别分析建立典型判别函数对调度员作业状态进行预后判别,并提出考虑错判损失的判别阈值修正方法。结合调度工作特点建立工作状态干预时间判定机制。结果表明,监控任务中调度员表现出警惕性降低的指征,判别分析方法能够有效地识别调度员工作状态,平均正确识别率为81.3%。在修正判别阈值并考虑错判概率的基础上,工作状态干预时间的判定机制有效地避免了错误干预。
展开更多
关键词
高速铁路行车调度员
工作状态识别
干预机制
眼动特征
判别分析
假设检验
在线阅读
下载PDF
职称材料
题名
基于眼动和脑电特征的高速铁路行车调度员疲劳状态判别研究
1
作者
张光远
王灿
陈诚
机构
西南交通大学交通运输与物流学院
西南交通大学综合交通运输智能化国家地方联合工程实验室
中国铁道科学研究院集团有限公司运输及经济研究所
出处
《铁道运输与经济》
北大核心
2024年第11期196-204,212,共10页
基金
四川省自然科学基金项目(24NSFSC0485)
中国国家铁路集团有限公司科技研究开发计划课题(Q113623S04003)
西南交通大学本科教改项目(20221103,2103065)。
文摘
针对当前高速铁路行车调度员疲劳状态判别方法尚未结合多源信息的优势,提出了一种基于多源信息的高速铁路行车调度员疲劳状态判别方法,在利用支持向量机对眼动和脑电特征进行软分类作为决策层输入的基础上,结合上一时间点疲劳状态判别结果,利用改进的D-S证据理论进行决策层融合得到最终的判别结果。通过采集20名行车调度员的模拟实验数据对模型进行检测,结果表明:改进后的研究方法在疲劳状态判别方面准确率达到93.75%。可以看出,信息融合判别的准确率高于单纯依靠眼动和脑电特征的方法,增加上一时间点的疲劳判别结果有助于提高模型的鲁棒性和可靠性,并且改进的模型对高速铁路行车调度员疲劳状态判别具有有效性。
关键词
眼动和脑电特征
高速铁路行车调度员
支持向量机
D-S证据理论
疲劳状态判别
Keywords
Eye-movement and EEG Features
High Speed Railway Dispatcher
Support Vector Machine
D-S Evidence Theory
Method for Fatigue State Discrimination
分类号
U293.12 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
基于SVM-KNN算法的高铁行车调度员认知负荷脑电评估方法
2
作者
张光远
王敬儒
梁心怡
秦诗雨
李莎
朱泊霖
机构
西南交通大学交通运输与物流学院
西南交通大学综合交通运输智能化国家地方联合工程实验室
出处
《中国安全生产科学技术》
北大核心
2025年第7期166-172,共7页
基金
国家自然科学基金面上项目(52472332)
四川省自然科学基金面上项目(2024NSFSC0178)
+1 种基金
四川省高等教育人才培养质量和教学改革项目(JG2024-0291)
西南交通大学本科教改项目(JG2024031)。
文摘
为准确评估高铁行车调度员认知负荷,根据脑电特征解析其动态变化,从而提升工作效率,保障列车运行安全。通过采集模拟调度任务下的脑电信号,采用最大相关最小冗余算法(mRMR)对Welch法提取后的脑电特征进行进一步降维,并基于SVM-KNN融合分类算法建立高铁行车调度员认知负荷分级识别模型。研究结果表明:该模型以较少的特征维度实现较高的识别准确率,总体准确率达87.03%。对比得出,使用mRMR方法进行降维处理能够有效提高分类模型的识别准确率,同时SVM-KNN融合分类算法的识别准确率要高于单分类算法。研究结果可为实现高铁行车调度员认知负荷监测预警提供理论基础。
关键词
高速铁路行车调度员
认知负荷
脑电信号
最大相关最小冗余
支持向量机
K近邻
Keywords
high-speed railway dispatchers
cognitive load
EEG signal
mRMR
SVM
KNN
分类号
X951 [环境科学与工程—安全科学]
在线阅读
下载PDF
职称材料
题名
基于眼动特征的高速铁路调度员工作状态识别干预方法研究
被引量：
3
3
作者
张光远
文原劲
王亚伟
胡悦
李婧
机构
西南交通大学交通运输与物流学院
西南交通大学、综合交通智能化国家地方联合工程实验室
出处
《铁道运输与经济》
北大核心
2023年第4期78-85,共8页
基金
四川省科技研究应用基础课题(2021YJ0043)
西南交通大学本科教改项目(20221103,2103065)。
文摘
针对高速铁路行车调度员疲劳与工作状态预警干预中工作状态的分类识别问题,提出一种基于眼动特征的高速铁路行车调度员工作状态的分类识别方法。实验人员在阶段计划内调度作业仿真实验中采集眼动数据,以预设实验任务作为工作状态的客观分类标准,并作为影响因素研究眼睛动态特征指标的分布规律。通过判别分析建立典型判别函数对调度员作业状态进行预后判别,并提出考虑错判损失的判别阈值修正方法。结合调度工作特点建立工作状态干预时间判定机制。结果表明,监控任务中调度员表现出警惕性降低的指征,判别分析方法能够有效地识别调度员工作状态,平均正确识别率为81.3%。在修正判别阈值并考虑错判概率的基础上,工作状态干预时间的判定机制有效地避免了错误干预。
关键词
高速铁路行车调度员
工作状态识别
干预机制
眼动特征
判别分析
假设检验
Keywords
High Speed Railway Dispatcher
Working Status Recognition
Intervention Mechanism
Eye-Movement Characteristics
Discriminant Analysis
Hypothesis Testing
分类号
U293.12 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于眼动和脑电特征的高速铁路行车调度员疲劳状态判别研究
张光远
王灿
陈诚
《铁道运输与经济》
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于SVM-KNN算法的高铁行车调度员认知负荷脑电评估方法
张光远
王敬儒
梁心怡
秦诗雨
李莎
朱泊霖
《中国安全生产科学技术》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
基于眼动特征的高速铁路调度员工作状态识别干预方法研究
张光远
文原劲
王亚伟
胡悦
李婧
《铁道运输与经济》
北大核心
2023
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
