铁路机车乘务员智能实时监测系统研究

摘要：高速铁路带动了国民经济的快速发展，铁路运营密度增加。司机驾驶疲劳受多种因素影响，机车乘务员工作压力大。如何保证他们在高压下的职业健康，成为一个亟待解决的问题。

关键词：铁路机车乘务员；职业健康安全管理；疲劳驾驶预警系统；人工智能；物联网；

针对铁路机车乘务员工作过程中的重点危险因素，研究开发铁路机车乘务员智能实时监测系统。该系统基于深度学习技术和嵌入式视频分析设备，能够有效识别视线脱离、手比异常、疲劳驾驶等不安全作业行为；基于物联网实时获取机车乘务员健康与备班睡眠数据，及时发现机车乘务员健康问题和睡眠不足；该系统改变了依赖于滞后的人工抽查和事后追责的传统机车乘务员监管模式，代之以自动实时检测与即时告警，检测准确度和时效性均有明显提升。

一、系统功能

系统采用多种智能感知设备，实时获取机车乘务员在岗过程中的值乘工作状态和健康状态数据，利用深度学习技术和前端AI芯片及时识别机车乘务员的危险工作状态，自动告警，并生成参考建议发送给相关管理人员，增强机车乘务员管理水平，降低机务部门管理成本。系统功能主要分为工作状态管理和健康睡眠管理2个方面：（1）工作状态管理针对的是机车乘务员因疲劳瞌睡、麻痹大意等可能造成的人为失误、操作不规范等异常工作状态；（2）健康睡眠管理主要是监测机车乘务员健康指标和监测备班睡眠状况，为机车乘务员管理和值乘安排提供决策支持。

1.工作状态管理。动态监测机车乘务员值乘过程中的工作状态，包括疲劳状态检测、行为识别、手比及呼唤应答等规定作业流程的执行情况监测，自动识别异常工作状态。

2.健康睡眠管理。健康管理利用可穿戴设备（如睡眠带）等采集机车乘务员待乘、值乘时心率、体温等重要体征数据，监测机车乘务员当班前的睡眠时长和质量，帮助管理部门更好地掌握乘务员健康动态，可自动叫班，输出休息合格乘务员名单，作为制定派班计划的参考依据。

3.告警与决策支持。分析判断机车乘务员的工作与健康状态，提供告警和通知功能：（1）当机车乘务员的工作状态、行为、健康体征出现异常时，及时提醒乘务员，远程通知相关管理人员；（2）利用长期积累的机车乘务员数据（基本信息、历史监测记录、体检信息等），分析机车乘务员的工作状态和健康状况，生成乘务员画像，为机车乘务员的值乘安排和管理工作提供更多支持。

二、职业健康预警系统构建模式

1.系统基本构架和功能。机车乘务员职业健康预警系统依托机车乘务员职业体检大数据平台，建立虚拟职业病健康管理平台，所有数据存放于体检网络中心，可适时接收和更新数据。该预警系统采用JAVA语言开发，B/S架构，数据库可采用Oracle、SQL Server、MySQL等，系统搭建方式支持云端部署。机车乘务员职业预警系统采用分布式架构，以职业病体检相关科室作为信息采集区域，职业病体检信息分散在各个信息采集区。依据职业病健康统一数据标准，实现不同来源信息的整合，形成完整的机车乘务员职业病健康报告，并根据《职业病防治法》的要求，对检查中发现可能存在的职业健康风险进行预警提示，实现职业病诊断信息化，并可及时准确上报上级疾控系统。

2.系统实现途径。预警系统功能区主要分为5个功能模块，依据5个模块，按照机车乘务员职业健康体检标准化流程，对职业健康体检的计划安排、体检管理、健康预警等全过程实现信息化管理。（1）采集系统基本信息模块：主要由电子档案、职业相关性疾病、档案录入、重点筛查、体检报告5部分组成。（2）职业病健康计划模块：主要按照不同系统、不同单位、职业病工种3部分组成。（3）数据导入模块：主要由数据匹配、数据导入管理、数据导入3部分组成。（4）职业病健康数据分析、预警模块：按《职业病防治法》的要求，主要按职业病相关工种分类进行健康数据分析。特别是对体检数据监测过程发现的结果明显异常者，对存在的职业健康风险进行预警提示。（5）系统维护：主要由用户管理、角色管理、修改密码3部分组成。预警系统将各模块采集的相关数据通过职业健康预警系统进行统一的数据处理，最终形成职业健康报告。其中其中异常体检结果，按照预设的职业健康体检指标进行对比判断并形成结论，以便预警提示。

3.机车乘务员职业健康预警系统达到目标。建立机车乘务员职业健康预警系统的目标在于：通过建立高效安全、稳定可用的机车乘务员健康管理系统，运用信息化手段为铁路单位提供机车乘务员职业健康管理方式，提高工作效率，建立职业健康预警标准操作流程，降低运营成本。

三、总体架构

机车乘务员智能监测系统采用B/S应用模式，系统总体架构划分为几个层次，（1）数据采集层：包括各种数据采集设备，目前主要有机车驾驶室的摄像头、获取体征数据的可穿戴设备和各类健康监测设备，自动采集动态监测数据；其中，车载设备采集的数据可由车载智能模块实时进行分析，形成初步的分析结果数据。（2）数据传输层：将数据采集层数据实时传输到中心服务器，可采用蓝牙、有线网络、Wi-Fi、LTE或5G网络等多种通信制式。（3）服务层：完成采集数据与导入数据的存储和管理，提供信息搜索、数据分析、图像分析、数据访问、接口等服务，满足应用层各类业务功能需求。（4）应用层：根据用户需求，提供面向用户的业务应用。

四、关键技术

基于人工智能深度学习技术的视频行为分析是机车乘务员智能监测系统采用的核心关键技术。

1.人脸关键点检测。人脸关键点检测也称为人脸关键点定位或人脸对齐，基于给定的人脸图像，能够定位出人脸面部的关键区域位置，包括眉毛、眼睛、鼻子、嘴巴、面部轮廓等。采用级联卷积神经网络（DCNN），以机车乘务员面部视频图像为输入，实现面部关键点精准定位；同时，采用深度对齐网络（DAN），将整张图像作为各级网络的输入，以有效消除头部姿态变化对检测精度的影响。当系统检测到机车乘务员闭眼时，依据设定的闭眼时长阈值，可将被检测者的疲劳、瞌睡状态与正常眨眼区分开，识别出疲劳驾驶状态；通过对面部关键点的关联分析，还可判断被检测者的面部朝向，据此识别出机车乘务员视线脱离前方、驾驶不专注等情况。

2.人体姿态估计。基于人体骨骼关键点检测实现人体姿态估计（human pose estimation），判断机车乘务员是否出现异常姿态以及手比执行情况。其中，人体骨骼关键点对于描述人体姿态、预测人体行为至关重要。利用人体若干关键点（如关节、头部等）数据可构建人体姿态骨架图，每个关键点定义为一组坐标，将关键点连接起来描述人体骨骼，判断人体姿态。随着深度学习技术的进步，通过人体关键点检测实现人体姿态估计的效果会不断提升。机车乘务员人体姿态估计建模与识别效果：左侧为基于机车乘务员图像的人体骨骼关键点检测模型，右侧上、下两图分别展示在白天、夜晚光线条件下对机车乘务员手比的识别效果。

总之，目前，系统尚未在实际生产环境中广泛试用，数据积累不足，对历史监测数据的深度分析和应用研究有待进一步开展；同时，需要结合实际应用，深化研究基于监测数据的机车乘务员工作状态分析评价机制和面向管理部门的辅助决策机制，以提高系统分析评价结果的准确性和适用性，增强对机车乘务员安全管理的指导作用；此外，当前研究主要利用重载铁路驾驶场景的视频资料，针对旅客列车、动车组列车场景的应用尚待研究和验证。

参考文献：

［1］刘红．铁路事故致因与风险分析.2020.

［2］李海亮．铁路机车乘务员智能实时监测系统探讨.2022.