换一批基于多模态生理数据的高速列车驾驶情境意识辨识
Situation Awareness Recognition Methods for Train Driving Based on Multimodal Physiological Data
摘要目的 情境意识(Situation Awareness,SA)作为反映驾驶员对列车运行环境认知能力的高阶心理变量,较传统的单一心理状态指标更能全面表征驾驶安全状态.为突破现有铁路司机心理状态监测手段的局限性,提升智能铁路行车安全体系的水平.本文基于眼动、心电和脑电3类生理数据,开展SA状态的多模态辨识研究.方法 针对SA状态难以动态获取、精确标注及可解释性不足的问题,提出覆盖SA诱发、标注、建模与解释的系统性研究方法,揭示多模态生理特征在SA辨识中的作用机制.针对生理信号非平稳性导致模型泛化能力受限的问题,构建混合特征选择策略的领域泛化方法,提升了模型在跨个体与跨会话条件下的适应性.此外,针对脑电(Electroencephalogram,EEG)信号采集受限问题,构建基于潜在空间建模与条件生成机制的多模态学习方法,实现了在EEG模态缺失条件下的鲁棒SA辨识.结论 为构建高可靠性、高适应性的列车驾驶安全状态监测系统提供了理论与方法支持,提升列车驾驶人机协同系统的智能化与安全性.
更多相关知识
关键词
列车驾驶情境意识多模态生理信号领域泛化多模态学习train drivingsituation awarenessmultimodal physiological signalsdomain generalizationmultimodal learning
栏目名称
DOI
10.19554/j.cnki.1001-3563.2025.16.003
发布时间
2025-09-10（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2023YFF0615904）
- 浏览2
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
