一种飞行模拟训练中的疲劳驾驶检测方法及系统

本发明涉及人工智能，具体而言，涉及一种飞行模拟训练中的疲劳驾驶检测方法及系统。背景技术：1、在飞行模拟训练中，飞行员疲劳驾驶是一个亟待解决的问题。2、传统的疲劳驾驶检测方法往往依赖于单一生理指标，无法全面反映飞行员的疲劳状态。3、因此，如何准确地检测和评估飞行员的疲劳驾驶状态，以提高飞行安全性和模拟训练的效果，成为了当前飞行模拟训练领域的重要研究课题。技术实现思路1、本发明的目的在于提供一种飞行模拟训练中的疲劳驾驶检测方法及系统。2、第一方面，本发明实施例提供一种飞行模拟训练中的疲劳驾驶检测方法，包括：3、响应于当前用户启动飞行模拟训练任务，对所述当前用户进行生理监测数据采集；4、对所述生理监测数据执行过滤操作，获得多个待定监测数据；所述多个待定监测数据包括目标待定监测数据；所述生理监测数据包括多个不同变量属性的特征描述；5、从多个特征描述中获取目标特征描述，将所述多个待定监测数据各自对应的目标特征描述作为顶点，构建所述生理监测数据对应的目标多模态图；6、对所述目标多模态图进行多模态特征提取，获得所述目标待定监测数据在所述目标特征描述下对应的多层感知向量；7、在获得所述目标待定监测数据在所述多个特征描述下各自对应的多层感知向量时，对多个多层感知向量进行群集分析，获得所述目标待定监测数据对应的目标群集向量；所述目标群集向量用于获取将所述目标待定监测数据作为有效疲劳评估数据的或然率；8、在将所述目标待定监测数据确定为所述有效疲劳评估数据的情况下，根据所述有效疲劳评估数据，判定所述当前用户的飞行疲劳类型。9、第二方面，本发明实施例提供一种服务器系统，包括服务器，所述服务器用于执行第一方面所述的方法。10、相比现有技术，本发明提供的有益效果包括：采用本发明公开的一种飞行模拟训练中的疲劳驾驶检测方法及系统，包括：首先通过采集飞行员的生理监测数据，经过过滤处理得到待定监测数据。11、进一步，利用这些待定监测数据构建多模态图，并提取多层感知向量。12、通过对多层感知向量的群集分析，确定有效疲劳评估数据，并据此判定飞行员的疲劳类型。13、如此设计，考虑了多种生理指标，提高了疲劳检测的准确性和全面性，为飞行模拟训练中的飞行员疲劳管理提供了新的技术手段。技术特征：1.一种飞行模拟训练中的疲劳驾驶检测方法，其特征在于，包括：2.根据权利要求1所述的方法，其特征在于，所述生理监测数据包括多个生理监测指标数据；3.根据权利要求2所述的方法，其特征在于，所述生理监测数据为传感器数据；所述多个生理监测指标数据中的各个生理监测指标数据均为所述传感器数据中的监测数据点；4.根据权利要求1所述的方法，其特征在于，所述多个特征描述包括采集时间维度信息和采集内容维度信息；所述目标多模态图为时间多模态图或内容多模态图；所述时间多模态图是在将所述多个待定监测数据各自对应的采集时间维度信息作为顶点时所获得的；所述内容多模态图是在将所述多个待定监测数据各自对应的采集内容维度信息作为顶点时所获得的。5.根据权利要求1所述的方法，其特征在于，所述对所述目标多模态图进行多模态特征提取，获得所述目标待定监测数据在所述目标特征描述下对应的多层感知向量，包括：6.根据权利要求1所述的方法，其特征在于，所述目标待定监测数据在所述目标特征描述下对应的多层感知向量是基于多模态图模型中的第一多层感知单元，对所述目标多模态图进行多模态特征提取后所获得的；所述多模态图模型包括第二多层感知单元；7.根据权利要求1所述的方法，其特征在于，所述方法还包括：8.根据权利要求7所述的方法，其特征在于，所述方法还包括：9.根据权利要求1所述的方法，其特征在于，所述根据所述有效疲劳评估数据，判定所述当前用户的飞行疲劳类型，包括：10.一种服务器系统，其特征在于，包括服务器，所述服务器用于执行权利要求1-9中任意一项所述的方法。技术总结本发明公开了一种飞行模拟训练中的疲劳驾驶检测方法及系统，包括：首先通过采集飞行员的生理监测数据，经过过滤处理得到待定监测数据。进一步，利用这些待定监测数据构建多模态图，并提取多层感知向量。通过对多层感知向量的群集分析，确定有效疲劳评估数据，并据此判定飞行员的疲劳类型。如此设计，考虑了多种生理指标，提高了疲劳检测的准确性和全面性，为飞行模拟训练中的飞行员疲劳管理提供了新的技术手段。技术研发人员：纪广平,魏方平,周来,谢子翰,尚溢泉,付荣军,梁翊受保护的技术使用者：上海华模科技有限公司技术研发日：技术公布日：2024/8/16