[发明专利]反应时间预测模型构建方法、装置、设备及可读存储介质

说明书

本发明提供了反应时间预测模型构建方法、装置、设备及可读存储介质，所述方法包括：获取第一数据和第二数据，所述第一数据包括每位测试司机在模拟驾驶过程中的脑电数据；所述第二数据包括每位所述测试司机对每次所述反应测试任务的反应时间；对每位所述测试司机的所述脑电数据进行过滤和去噪处理，得到每位所述测试司机处理后的脑电数据；基于每位所述测试司机处理后的脑电数据构建数据集；基于所述数据集和Stacking集成学习得到反应时间预测模型。通过本发明中构建的反应时间预测模型可以预测高铁司机在真实行驶过程中的反应时间，实现对高铁司机的警觉度检测。

技术领域

本发明涉及铁路技术领域，具体而言，涉及反应时间预测模型构建方法、装置、设备及可读存储介质。

背景技术

高铁司机作业过程中警觉度下降是铁路安全在“人”这一层面所面临的关键问题之一。警觉度下降，会导致作业人员对突发事件的反应时间显著增长，在高速运行的环境下，反应时间的差距可能导致完全不同的后果。由于高铁驾驶特殊性，高铁司机作业过程中更容易发生警觉度下降的情况。为防止高铁司机作业过程中出现警觉度下降，中国高铁要求司机在作业过程中每30S内须踩一下应答脚踏装置，否则将触发紧急停车系统。该方法的局限在于高铁司机警觉度下降到触发紧急停车系统会有时间上的延迟，属于被动防护，且该监测方法会增加高铁司机的作业负荷，宜人性较差。

发明内容

本发明的目的在于提供反应时间预测模型构建方法、装置、设备及可读存储介质，以改善上述问题。

为了实现上述目的，本申请实施例提供了如下技术方案：

一方面，本申请实施例提供了反应时间预测模型构建，所述方法包括：

获取第一数据和第二数据，所述第一数据包括每位测试司机在模拟驾驶过程中的脑电数据，所述模拟驾驶过程中对所述测试司机进行至少一次反应测试任务；所述第二数据包括每位所述测试司机对每次所述反应测试任务的反应时间；

对每位所述测试司机的所述脑电数据进行过滤和去噪处理，得到每位所述测试司机处理后的脑电数据；

基于每位所述测试司机处理后的脑电数据计算得到每位所述测试司机在每次所述反应测试任务中的特征指标，基于每位所述测试司机对每次所述反应测试任务的反应时间与每位所述测试司机在每次所述反应测试任务中的特征指标构建数据集；

基于所述数据集和Stacking集成学习得到反应时间预测模型。

可选的，所述对每位所述测试司机的所述脑电数据进行过滤和去噪处理，得到每位所述测试司机处理后的脑电数据，包括：

将所述脑电数据过滤，去除所述脑电数据中基线漂移和高频信号的干扰，得到过滤后的脑电数据；

通过独立成分分析对所述过滤后的脑电数据进行分解与重构，根据干扰噪声的时频分布特征，结合FastICA算法，去除所述过滤后的脑电数据中的噪声，得到所述处理后的脑电数据。

可选的，所述基于每位所述测试司机处理后的脑电数据计算得到每位所述测试司机在每次所述反应测试任务中的特征指标，包括：

以每次所述反应测试任务出现的时刻作为出现时刻，将在所述出现时刻之前的一时刻作为第一截取时刻，截取所述出现时刻与所述第一截取时刻之间的所述处理后的脑电数据，得到脑电数据截取段，用汉明窗对所述脑电数据截取段进行分割，得到分割后的脑电数据段；

采用快速傅里叶变换算法对每一个所述脑电数据段进行时频转换，提取每个所述脑电数据段中alpha波和beta波的功率谱密度，并计算所述alpha波的功率谱密度与所述beta波的功率谱密度的比值；

将所述脑电数据截取段所对应的全部所述alpha波的功率谱密度进行平均值计算，得到所述alpha波的功率谱密度平均值；将所述脑电数据截取段所对应的全部所述beta波的功率谱密度进行平均值计算，得到所述beta波的功率谱密度平均值；将所述脑电数据截取段所对应的全部所述比值进行平均值计算，得到比值平均值；