典型文献
基于K-means的地铁驾驶员工作负荷状态判别
文献摘要：
为研究地铁驾驶员在应急作业下的工作负荷状态,通过采集驾驶员应急作业状态下的心电信号并分析心电信号与工作负荷之间的关系.首先对心电信号进行去噪处理和对R波波峰提取,计算得到SDNN、RMSSD、pNN50、NN50和MEAN共5个心率变异性时域指标,作为工作负荷状态判别的输入变量.以各指标构成的数据集为样本,应用K-means聚类分析法,对地铁驾驶员应急作业下的工作负荷状态进行划分和判别.结果表明:分类数为2时的Silhouette指标值最佳;基于Silhouette指标将地铁驾驶员工作负荷状态划分为低负荷和高负荷;基于K-means聚类分析法得到两组判别工作负荷状态的心率变异性指标的聚类中心.最后,以驾驶员的低负荷状态样本和高负荷状态样本验证了本文方法的有效性,为监测地铁驾驶员的工作负荷状态提供依据.
文献关键词：
地铁驾驶员;工作负荷;心电信号;应急作业
中图分类号：
作者姓名：
顾传扬;杨聚芬;刘志钢
作者机构：
上海工程技术大学城市轨道交通学院,上海 201620
文献出处：
引用格式：
[1]顾传扬;杨聚芬;刘志钢-.基于K-means的地铁驾驶员工作负荷状态判别)[J].物流科技,2022(17):52-55,61
A类：
B类：
means,地铁驾驶员,工作负荷,负荷状态,状态判别,应急作业,作业状态,心电信号,去噪处理,波波,波峰,SDNN,RMSSD,pNN50,MEAN,心率变异性时域指标,集为,聚类分析法,Silhouette,指标值,状态划分,低负荷,高负荷,聚类中心,测地
AB值：
0.238205
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
