列车司机手势识别方法研究

按照司乘标准执行规定的手势是列车司机驾驶操作的重要环节,通过对司机手势进行检测,能够有效评估列车司机的驾驶状态和操作质量,保证列车行车安全。传统人工检查方式效率低,难以满足实际需求,现有的手势识别算法存在模型参数量大、检测精度较低、检测速度慢等问题。随着智能铁路的发展,利用深度学习方法构建轻量化、高效、高精度的列车司机手势识别模型逐渐成为行业发展需求。针对上述需求,提出一种基于改进YOLOv5的列车司机手势识别模型。首先,引入轻量化卷积PConv改进YOLOv5中的C3模块,降低检测网络的参数量和计算量,提升模型检测效率,并在其后添加CBAM模块,加强重要特征信息,抑制无关信息的干扰,强化检测网络特征提取能力;其次,在颈部层引入BiFPN网络结构替换PANet网络结构,增强不同尺度特征的融合能力,同时通过新增小目标检测层,提高模型对小目标的检测能力;最后,选择Focal-EIoU作为边界框损失优化模型损失函数,加快模型的收敛速度,提高手势定位精度。实验结果表明,改进模型在测试集下mAP@0.5可达97.7%,平均检测时间为23.2 ms,相较于YOLOv5计算量降低了23.1%,mAP@0.5和平均检测时间分别提升了0.6个百分点和7.1 ms。所提模型可在降低参数量和计算量的同时有效提高检测精度和检测效率,可为列车司机手势识别提供新思路。

基于骨架数据的列车司机异常行为检测

针对列车司机异常行为检测时存在准确率以及效率低的问题,在时空图卷积网络(Spatial Temporal Graph Convolutional Network, ST-GCN)行为检测模型的基础上,提出一种基于骨架数据的列车司机异常行为检测(Spatiotemporal Graph Attention and Multi-Time Scale Temporal Convolutional Network, ST-GAT)模型。通过利用骨架数据进行建模,并引入图注意力网络(Graph Attention Network, GAT)模块,利用动态关注机制以提升ST-GCN模型对空间特征的提取能力。通过提出的多时间尺度时域卷积网络(Multi-Scale Temporal Convolutional Network,MS-TCN)模块进行不同时间尺度下的时序提取特征,扩大时域卷积网络(Temporal Convolutional Network, TCN)模块感受野范围,克服原始TCN模块不灵活、无法检测不同时间尺度的问题,提高了模型的准确率,同时使用交叉熵损失函数克服了模型训练过程收敛速度慢的问题。实验结果表明,本文方法在测试集上比ST-GCN模型准确率提高8.8%,FLOPS提高2%。因此,所提出的方法在提高列车司机异常行为检测的准确率和效率方面表现出较好的性能。

基于虚拟现实技术的城市轨道交通列车司机技能培训新方法

随着城市轨道交通的迅猛发展,列车司机的技能培训成为确保运营安全的重要环节。传统的培训方法依赖于实车操作和模拟器培训,但这些方法存在成本高、风险大、场景单一等局限性。基于虚拟现实技术的培训方法,以其高度模拟的交互环境和丰富的应急情境模拟,为解决这一问题提供了新的思路。该技术能够在虚拟环境中精确再现真实的操作场景和紧急状况,使得培训不再受时间、地点的限制,大幅度提高培训的安全性和效率。此外,它还能根据个体学习进度和能力自动调整培训计划,实现个性化培训。因此,探索基于虚拟现实技术的城市轨道交通列车司机技能培训新方法,对提升司机的应急处置能力、保障城市轨道交通安全运行具有重大意义。

基于面部多信息融合的列车司机疲劳检测

为了提高列车司机行车疲劳检测的准确性,提出一种面部多信息融合的列车司机疲劳检测方法。首先,采用低光增强进行图像预处理,以基于局部二值模式(LBP)特征检测人脸。其次,利用回归树集合(ERT)算法获取司机人脸特征点,并通过人脸模型匹配得到司机头部姿态角。最后,根据列车司机的特殊驾驶环境,对最能表现疲劳的眼睛特征量进行自适应阈值修正和眼睛凝视修正,以模糊推理系统为融合工具,以眼睛、嘴巴、头部姿态特征量作为模糊推理系统输入,得到司机的疲劳值作为检测结果。实验结果表明,该检测方法可以区分司机疲劳等级,在正常环境下准确率为95%,在低光照环境下的准确率为86.8%。

基于PERCLOS的列车司机疲劳检测设计与实现

列车司机长期处于精神高度集中、工作强度较大的工作状态,容易产生生理和心理上的疲劳。本文通过Raspberry PI摄像头对列车司机疲劳状态进行采集,对采集的视频流进行人脸定位和面部特征点的提取,对该列车司机眼睛、嘴巴数据进行分析,结合PERCLOS标准判定列车司机是否疲劳,在GUI界面显示检测结果。

基于改进YOLOV7与StrongSORT算法的列车司机手比行为检测

列车司机驾驶行为的规范性直接影响到列车行车安全与状态,但当前对列车司机手比行为的检测仍存在不足。为了对列车司机手比行为进行有效检测,本文利用动车组模拟驾驶系统所采集的司机乘务作业影像,结合采用融合注意力机制的You Only Look Once Version 7 (YOLOV7)神经网络模型与Strong Simple Online and Realtime Tracking (StrongSORT)算法,对动车组司机驾驶过程中的5种手比行为进行检测。实验结果表明:本文算法可以有效提升对列车司机乘务作业时不同类型手比行为的检测效果,其中检测精确率平均提升1.2%,检测召回率平均提升1.9%。本文提出的算法将有助于改进铁路院校、机务部门对列车司机日常训练、工作考评的效果,提高列车行车过程中的安全性。

基于虚拟仿真技术的高速列车司机室操纵台人机尺寸探析

为满足高速列车司机室操纵台人机尺寸的合理性,文章采用虚拟仿真技术构建了符合列车司机典型尺寸的虚拟人,并通过应用虚拟人进行关键尺寸对比,最终对列车司机室操纵台的驾驶界面和环境交互设计进行缺陷分析探讨。结果表明,该列车的操纵台存在座椅面高度过高,部分装置不能满足所有司机对驾驶环境的可达性需求。文章通过虚拟仿真技术全面地分析司机操纵台整体尺寸的人机合理性,以期为高速列车司机室操纵台的设计优化提供方法和数据参考。

地铁列车司机轮班疲劳风险分析

从地铁列车司机轮班制作业方式出发,分析引起司机驾驶疲劳的影响因素,选择确定疲劳指数并建立数学模型,对疲劳风险等级进行评定。选取北京地铁2号线列车司机为研究对象,评估其按现行工作时刻表轮乘后的疲劳程度。采用生理测量的方式,以闪光融合频率为评价指标,对疲劳指数的评估结果进行验证,说明该方法应用于我国轨道交通领域具有可行性。

高速列车司机室复杂曲面制造质量评价

为了准确评估高速列车司机室复杂曲面的制造质量,从尺寸精度、表面轮廓和表面光顺性3个方面对其曲面进行评价.在利用分割逼近法计算尺寸精度、使用高斯曲率与反射线分析光顺性的基础上,提出利用变形一致度与相似度反映曲面轮廓的变形规律及微观几何特征的分析方法,采用模糊数学方法对光顺性的主观评价结果进行量化,运用加权逼近理想解排序方法对评价指标进行综合分析,获得曲面制造质量的综合评价模型,并用于实际高速列车司机室曲面的制造质量评价.结果表明,该方法和模型能够有效地量化司机室实际曲面的制造质量,为其验收及后期诊断和控制提供必要的基础数据.

列车司机室操控台系统结构和布局参数的优化设计

基于HYPERMESH软件建立驾驶员—司机室—列车有限元模型,并以操控台侧面与座椅的纵向水平距离(简称座椅操控台水平距离)、操控台膝垫与操控台侧面的纵向水平距离(简称膝垫距离)、操控台截面厚度和脚踏板高度为优化设计变量,以驾驶员的头部损伤指标、颈部损伤指标、胸部损伤指标和胫骨指数为目标参数,通过正交试验和极差分析,得到座椅操控台水平距离和脚踏板高度为影响驾驶员损伤程度的主要因素,再设计这2个主要因素的全因子试验,并且取所得到最优的膝垫距离(420mm)和操控台截面厚度(170mm);以全因子试验的结果为样本点,采用Kriging法建立这2个主要影响因素下驾驶员各部位损伤的近似模型,运用遗传算法对近似模型寻优。结果表明:当座椅操控台水平距离为450mm、脚踏板高度为250mm时对驾驶员的损伤最大;当座椅操控台水平距离为368mm、脚踏板高度为250mm时对驾驶员的损伤最小,其中对驾驶员的颈部损伤可减小31.9%,对胸部损伤可减小32.3%,胫骨指数可减小59.8%。

面部多特征融合的列车司机疲劳检测方法研究

为保障列车安全运营,提出一种基于面部多特征融合的列车司机疲劳检测方法。采用HOG特征实现人脸识别,ERT算法实现特征点定位。针对不同司机面部特征差异导致固定阈值无法适用于每位司机的问题,提出基于K-means++法的人眼自适应阈值算法。考虑图像前后帧的相关性,利用相邻两帧图像瞳孔与内眼角差值计算眼动速率作为判断指标。针对司机可能出现短暂睁眼而非真正清醒的情况,通过模糊推理系统将眼睛开合度、嘴巴开合度和眼动速率三个指标融合以提高疲劳检测的准确率,同时实现疲劳分级。实验表明,该方法准确率达95%。

城市轨道交通列车司机心理素质测试标准的研究

在城市轨道交通快速发展的形势下,安全始终是轨道交通运营的生命线。在所有与城市轨道交通安全运营的相关人员中,列车司机是最重要的组成部分,其良好的心理素质将是确保运营安全的有效手段之一。基于对轨道交通列车司机调研和国家、行业标准,得出司机心理素质评价指标包括个性特征、心理适应和心理认知,并建立了相应的测评方法与测评标准。

地铁列车司机离线培训系统的设计和实现

针对目前地铁列车司机在培训过程中存在的实际驾驶经验少等问题,研究列车司机离线培训系统的设计和实现方法。从司机的职责出发,分析司机上岗需要的职业技能;通过需要的职业技能提炼出培训要点,针对培训要点编写相关试题。使用Power Designer工具集建立模型,并通过EXCEL工具建立题型模版,然后将标准化的题目导入系统数据库,最后采用C++程序设计语言进行主界面的设计和代码的实现。地铁司机离线培训系统着重对意外事件处理和故障处理等方面进行培训与考核,同时也兼顾基本理论技术知识和基本操作等,既可以达到培训新司机的目的,也可以作为加强司机驾驶安全性教育的技术手段。

城市轨道交通电动列车司机值乘方案的优化

以上海轨道交通3号线为例,对电动列车司机值乘的包乘制、轮乘制按实际效果和使用成本进行了优缺点分析;并在此基础上对司机作息安排、人员配置、运作管理情况综合进行优化,以期达到网络运营后节约人力成本的作用。

基于PPG技术的电动列车司机HRV分析

目的借助光电容积脉搏描记(Photo Plethysmo Graphy,PPG)技术探究城市轨道交通电动列车司机心率变异性(Heart Rate Variablity,HRV),以获得列车司机疲劳趋势,实现疲劳的监测和预警。方法设计城市轨道交通模拟驾驶实验,基于PPG技术采集被试电动列车司机的脉搏信号,分析脉搏信号中心率变异性的频域指标LF/HF和非线性指标SD1、SD2。结果(1)新进司机在驾驶初期交感神经和迷走神经交替作用明显;(2)驾驶环境改变时,交感神经活性增强,被试司机LH/HF的比值呈现明显上升趋势;(3)随着驾驶时间的增加,LF/HF值呈现上升趋势,交感神经持续活跃极易产生驾驶疲劳;(4)SD1、SD2有效反应被试列车司机长、短期抗压能力大小。结论PPG技术的各项指标有效获得被试司机的疲劳趋势,为实现疲劳的实时监测提供了技术支撑。

基于AHP的列车司机非技术技能综合评价模型

列车司机的非技术技能对保证驾驶安全、降低人因事故发生概率有至关重要的影响。为了客观、准确地评价列车司机的非技术技能,从决策能力、人际能力、自我管理和情景意识4个维度通过问卷对非技术技能的指标进行筛选,得到11个列车司机非技术技能指标;然后使用层次分析法建立非技术技能综合评价递阶层次模型,为了获得各层指标权重,结合群决策方法建立各层的判断矩阵,获得各层指标的权重,最终构建了列车司机非技术技能综合评价模型。该模型既可以分析导致人因事故的非技术技能因素,也能够用于列车司机的评价、选拔和培训。

城市轨道交通列车司机动态配置模式研究

根据不同运营要求,科学制定运营交路,合理安排司机运作,确保安全监督显得尤为重要。通过对列车司机配置需求的要素分析,建立满足不同运营水平的司机动态配置模式,并将司机动态配置模式理论计算与实际线路司机配置情况进行对比分析。分析结果表明,司机动态配置模式可行性较高,实现了人力资源效益的最大化。

基于VTS的列车司机评估辅助系统

维也纳心理测试系统(Vienna Test System,VTS)可对列车司机胜任力的基础素质进行专业测评,测试司机的个人决断力、反应力、协调能力、外周知觉能力、注意警觉性及持久性注意能力等。在此系统的基础上,本文开发了轨道交通列车司机评估辅助系统。该系统可对列车司机的各项指标进行数据分析、建立符合我国轨道交通司机的常模、对司机各项能力综合评估和生成司机能力统计图表,使得地铁公司能全面地了解司机的生理状况,为公司制定相关排班决策提供依据。

地铁列车司机应急处置能力的评判标准及其应用

地铁列车司机不仅是驾驶员,同时也是正线运营列车当发生设备故障或突发事件时的第一响应人,其应急处置能力对列车的正常运营起重要作用。通过青岛地铁2015—2017年运营突发事件处置数据的统计分析(重点分析高发故障),构建突发事件的处理时间标准和处置评判依据。以青岛地铁红黑榜为例,介绍了其在突发事件应急处置过程中关于评判展现、技术预警、员工激励等方面的应用。

基于DIALux的列车司机室前照灯照明校核分析

在列车运行中是否有一个良好的瞭望条件,对列车的安全运行起着重要的作用。影响瞭望的因素主要有自然条件和照明设备两个方面,文章以动车组司机室前照灯照明为例,阐述了基于DIALux软件的列车司机室前照灯的照射距离和发光强度校核分析方法。