城市轨道交通的运营城市和线路数量均快速增长,随着路网的不断完善,地铁客流量呈逐年递增趋势,人才需求增长。城市轨道交通列车司机作为轨道交通运营生产的关键岗位,为保证运营生产安全,其工作疲劳不容忽视。分析现有司机疲劳检测的方法发现,虽然基于生理信号和身体反应的信息经过数十年的实验证明疲劳检测的准确性高,但因其采集信号过程复杂,对采集设备要求较高,推广成本大,实验过程中对被试正常驾驶车辆影响大,无法适用于日常工作中。同时,上述生理信号复杂,通常实验获取信号后再分析,无法实现司机疲劳的快速识别。为实现驾驶疲劳实时监测的目标,兼顾满足市场需求、考虑投放成本和实现经济效益,本研究设计了一种适用于列车司机的便携式光电容积描记设备模型,该模型包括监测系统的模块组成和运行流程。首先本文梳理了城市轨道交通列车司机的日常行车和故障处置的工作内容,构建适用于列车司机的胜任力素质模型,指出心理素质需重点关注。选取100名列车司机,使用VTS对驾驶员的心理素质进行测评,结果显示特别是压力环境下状态欠佳。因此,及时发现驾驶疲劳是保障运营生产安全的基础。接着就光电脉搏容积描记技术所涉及的脉搏波产生机理、脉搏波特点及其生理意义做了详细阐述,重点解释了脉搏与心脏之间的关联性,为后续基于脉搏信号进行心率变异性分析奠定原理支撑。实验1选取上海地铁3号线模拟驾驶器,通过2被试和2任务共四组实验用ECG校验该设备数据的可靠性,分析结果显示不同任务下RR间期的一致性检验结果高(p<0.05)。实验2设计并进行正线模拟驾驶实验,使用上述设备采集被试司机的PPG信号,使用Dikablis眼镜式眼动仪获取被试瞳孔面积。按每5分钟为单位分析PPG数据,被试的时域和频域指标呈现一定的趋势性,非线性指标反映了不同被试长、短期情况下承受压力大小的情况。瞳孔面积呈现波动下降的趋势,为与PPG数据保持一致性,将被试两眼瞳孔面积的平均值按每5分钟为一组统计并进行k-means聚类算法,划分被试司机的疲劳等级。最后基于眼动疲劳分类等级,利用支持向量机理论构建列车司机疲劳识别模型。通过时域、频域、和非线性指标共计8组指标,576组数据。随机选取80%的样本输入训练器训练,再将剩余的20%的样本输入分类器识别,结果显示高斯核函数下的测试机准确率最高,达86.36%。本文提出的基于PPG技术的轨道交通列车司机工作疲劳监测系统为实现轨道交通列车司机疲劳监测提供了理论和技术上的支持,监测系统识别准确率较高。后期增加样本数量,建立疲劳识别常模,可考虑投入量产和使用。