公共文化服务平台

搜索到183篇“ 船舶驾驶员“的相关文章

论船舶驾驶员随机应变能力与航行安全: 2024年; 船舶驾驶员的随机应变能力在航行安全领域中扮演着至关重要的角色。本论文旨在探讨如何提升船舶驾驶员的随机应变能力以促进航行安全。通过提高船员的预判、防碰撞、团队协作、心理素质、防控应变和航运知识学习能力,可以有效提升船舶驾驶员的应对突发情况的能力。同时,为了创造有利的航行条件,我们需要关注船舶维护、设备现代化、规范管理和培训体系等方面。通过这些措施,可以提高船舶驾驶员的综合素质,促进航行安全,降低事故风险。; 姚长兴; 关键词：船舶驾驶员航行安全

一种基于船舶驾驶员偏好的避碰辅助决策方法: 本发明公开了一种基于船舶驾驶员偏好的避碰辅助决策方法，方案包括以下步骤：S1.获取本船及周围船舶的位置、航速、航向、船长信息；S2.根据驾驶员输入的船舶领域参数建立目标船船舶领域模型，通过解析几何，计算出目标船船舶领域的...; 刘克中苗鹏陈逸涵吴晓烈辛旭日袁志涛杨星张艺瀚

船舶驾驶员航行任务规划方法、系统、设备及存储介质: 本申请实施例提供了一种船舶驾驶员航行任务规划方法、系统、设备及存储介质，属于人工智能技术领域。该方法通过数据采集装置获取船舶驾驶员在当前航行任务下的驾驶员监测数据，驾驶员监测数据包括心率变异性、皮肤电活动、皮肤温度和活动...; 毛喆吕文晨陈德山万程鹏李治宏周嘉鹭

基于深度学习的船舶驾驶员疲劳检测方法和系统: 本发明公开了一种基于深度学习的船舶驾驶员疲劳检测方法和系统。疲劳检测方法包括以下步骤：获取当前视频帧图像；通过改进的Retinaface人脸检测网络进行人脸检测，同时标注左眼、右眼、鼻尖、左嘴角和右嘴角5个人脸关键点；根...; 尹勇王鹏

基于模糊综合评价法的船舶驾驶员综合素质分析研究: 2024年; 为保证船舶营运安全,提高船舶管理水平,文章探讨了驾驶员必须具备的综合素质,并运用模糊综合评价法建立船舶驾驶员综合素质评价模型,实现船舶驾驶员综合素质定量评价,为提升船舶驾驶员的综合素质提供建议。; 吴昊; 关键词：驾驶员 AHP

基于云模型的极地航行船舶驾驶员关键行为因素分析: 2024年; 为系统性考虑人为因素对极地航行安全的影响,采用人为因素分析及分类系统和行为影响因子,结合船舶极地航行的实际情景特征,利用调研数据和云模型正向云发生器算法,构建了极地航行船员人为因素分析及分类模型。该模型包含49种驾驶员行为子因素,以识别极地航行船舶驾驶员人因失误的关键行为因子。结果显示:导致极地航行船员人因失误的关键行为因素来自不安全监督、不安全行为的前提条件和不安全行为层级的28个子因素。关键行为因素的识别有助于研究人员和管理者有针对性地采取有效措施,防止人为失误的发生以提高船舶极地航行安全水平。; 杨曌君席永涛胡甚平付姗姗; 关键词：船舶航行云模型

一种多功能船舶驾驶员疲劳监测与预警舒缓装置及方法: 本发明公开了一种多功能船舶驾驶员疲劳监测与预警舒缓装置及方法，装置包括：左耳支撑件、右耳支撑件和按摩眼罩；所述左耳支撑件与按摩眼罩左端可拆卸连接，所述右耳支撑件与按摩眼罩右端可拆卸连接；左耳支撑件包括第一脑电干电极、疲劳...; 杨柳吕亚鹏刘清王磊杜子豪

基于随机森林和BP神经网络的船舶驾驶员疲劳检测算法被引量：1: 2024年; 本文针对船舶驾驶场景,提出了一种基于随机森林和BP神经网络的船舶驾驶员疲劳检测算法,及时检测船舶驾驶员的疲劳驾驶行为,对安全航行有重要意义。首先,使用随机森林算法对特征数据按照场景分类;其次,根据场景将数据分发到不同的BP神经网络模型进行预测;最后,使用船舶仿真模拟器进行实验验证。结果显示,算法识别准确率为0.82,召回率为0.65,精确率为0.69,说明本文提出的算法对船舶驾驶员疲劳驾驶行为检测有一定实用价值,且与生理数据监测方法相比,简单方便、成本更低,对驾驶员无干扰。; 张威特李俊松刘雁飞; 关键词：船舶驾驶 BP神经网络

基于EEG的船舶驾驶员疲劳程度识别被引量：1: 2023年; 大约80%的水上交通事故涉及人为因素,驾驶员疲劳是船舶交通事故发生的关键原因之一。近年来,基于脑电图(Electroencephalogram,EEG)的驾驶员疲劳检测技术的发展,有助于快速准确地识别驾驶员的疲劳程度。然而,由于EEG信号的敏感性和个体差异,影响驾驶员疲劳检测的准确性。该试验在船舶模拟器中进行,收集多个受试者的脑电信号。选取与疲劳相关的脑前额叶的3个通道脑电信号进行预处理,并提取基于EEG的多种特征,例如平均绝对值(Mean Absolute Value,MAV)、标准差(Standard Deviation,SD)、均方根(Root Mean Square,RMS)和香农熵(Shannon Entropy,SE)。基于卡罗林斯卡嗜睡量(Karolinska Sleepiness Scale,KSS)表将驾驶员的疲劳分为清醒、中等和疲劳等3个程度。将多种分类算法的分类准确率进行比较,双向长短期记忆网络(Bi-Long Short Term Memory,Bi-LSTM)分类器效果最佳,分类准确率达到88.63%。结果表明:该方法在研究船舶驾驶员跨个体的三分类问题中能获得显著的效果。; 李程浩付玉慧; 关键词：船舶驾驶员脑电图特征提取

相关作者