一、列车乘务员的神经行为功能研究（论文文献综述）
郭梦怡[1]（2021）在《北京地铁某线乘务员疲劳风险管理研究》文中研究指明随着城市轨道交通的迅猛发展,以及《交通强国建设纲要》的推进,地铁运营里程不断延伸、运营间隔不断缩短,城市轨道交通逐渐形成网络化发展。而作为地铁列车的操作者,乘务员的疲劳风险也被日益关注,乘务员的状态也会直接导致轨道交通平稳有序的运行。因此本文以北京地铁某线乘务员为例,先期进行现场调研,了解北京地铁某线的疲劳风险管理现状,发现北京地铁某线在疲劳风险管理意识上的欠缺以及内部管理制度局限的问题,并对问题进行了分析。后通过调查问卷的方法对北京地铁某线乘务员进行个人信息及疲劳自评量表的调查,用统计学方法进行数据分析,了解乘务员的疲劳状况,及乘务员的各群体特点与疲劳状况间的关系。在有效的502名乘务员调查问卷中发现,疲劳平均分为48.61±19.03。从整体趋势上来看,此条线路的乘务员疲劳程度分布更倾向于中度疲劳。再通过文献查阅及专家访谈的方法,识别出15项乘务员的疲劳影响因素,初步构建北京地铁某线的乘务员疲劳风险影响因素的评价体系。从而对乘务员再次进行疲劳影响因素的调查问卷,利用熵权法分析各个因素的权重,并用帕累托法在疲劳影响因素中,确定了主要影响乘务员自身疲劳影响因素共有9项,其中最重要的是加班情况,并对各影响因素进行了逐一分析。基于此,提出本文的北京地铁某线乘务员疲劳风险管理的改进措施,并运用安全管理理论,再结合乘务员的实际工作岗位、工作特点与疲劳程度的对比,及此条线路异于其他线路的运营条件的特殊性,最终得出北京地铁某线乘务员疲劳风险管理的措施。望此研究会对城市轨道交通各工种人员疲劳风险管理奠定基础。图12幅,表23个,参考文献50篇。
杨一帆[2]（2021）在《城市轨道交通乘务排班计划编制的优化研究》文中进行了进一步梳理中国社会快速发展,不断加快的城市化进程给城市轨道交通带来了广阔前景,同时也产生了严峻的挑战。由于城市轨道交通具有运量大,准点率高,速度快,绿色环保的优点,能有效缓解城市地面的拥堵情况,使得各大城市纷纷开始建设自己的城市轨道交通。行业整体的进步也对乘务排班提出了更高的要求,不仅要在运行图时刻表改动时尽快编制出排班计划,而且面对城市的复杂客流情况,如突发客流的频发给乘务排班造成了不小的麻烦。往常的手工编制方法耗时长,受编制人员的主观性影响过大,应对突发状况的能力差,已经不能满足灵活多变的实际情况,如何科学控制实际运营中由乘务人员产生的成本费用,实现乘务排班管理的自动化成为重点研究问题。本文在分析总结了国内外有关文献后,分析了城市轨道交通的乘务排班相关问题的细节内容。首先述明了其运输计划,表明了乘务计划是整个运输计划的关键。而乘务计划中最重要环节就是乘务排班计划。文章进而对乘务排班计划中的相关概念和内容进行分析,包括值乘方式、乘务片段、乘务任务、乘务轮班等重要概念,归纳出乘务排班问题所存在的限制因素较多,约束条件较复杂,目标多样化、综合化和求解规模大、求解过程复杂等特点。研究了城市轨道交通乘务排班计划的编制思路。继而在符合相关规定要求的前提下,根据乘务排班计划编制工作的现状,对城市轨道交通乘务排班计划的优化模型进行了构建。综合乘务片段与乘务作业段的时间约束和地点约束,把成本最小作为优化目标,构建了整数规划模型。阐明了乘务排班优化问题的性质和求解难度,并选择使用启发式算法中的蚁群算法来求解。讲解了选用算法的基本原理,比较显示了蚁群算法的特点,设计了修正的转移概率,减弱了题目的复杂程度,使算法搜索的目的性更加准确,为蚁群搜索路径提供更多可能,提升了路径的随机性,有效避免算法过早面临局部最优状态。最后通过对城市轨道交通运营实例的分析,应用改进的蚁群算法,对本文构建的城市轨道交通乘务排班模型进行求解。通过将求解结果获取的乘务排班计划与实际运营中的乘务排班计划数据相对比,分析得到了相关结论,从而验证了模型与算法的有效性。
王党雄[3]（2020）在《基于深度学习的机车乘务员值乘状态识别与应用研究》文中提出随着国家经济的快速发展,铁路运输在国家运输体系中占据越来越重要的地位,但铁路运输高频次的作业却造成了较多的铁路交通事故。相关数据表明,一半以上的铁路交通事故是由机车乘务人员操作行为不规范造成的。因而,对机车机组人员的操作行为和姿势进行监测和识别,并在监测到机车驾驶员存在不规范行为时及时进行制止具有重要的研究价值。由于机车司机室环境复杂,机车乘务人员行为具有很大随机性,目前对机车乘务人员的操作行为及姿态的监控方式主要以人工方式通过远程实时视频或录制的视频文件分析为主,人力成本较大,覆盖率不高,检测效果并不理想。针对于如何提高监控识别机车乘务人员的操作行为及姿态的准确率和效率的问题,本文提出了基于深度学习的机车乘务员值乘状态识别方法,并基于本方法设计了机车乘务员值乘状态识别系统,从而进一步提高机车运行安全系数,增强事故防范能力。本文针对于常规卷积包含了很多冗余参数没有考虑计算复杂度和内存复杂度的问题,引入了动态组卷积操作代替卷积神经网络中的常规卷积操作,通过对输入特征和卷积核的参数进行动态分组,每个分组中的输入通道选择采用门控策略,根据显着性生成器生成的输入通道的重要性分数来动态确定输入通道的最重要子集。最后每个分组间进行信息交流,使得每个分组均包含了其他分组的特征,有利于提取更具鉴别力的细粒度特征信息。动态组卷积在提高识别能力的同时显着地减少了计算复杂度和内存复杂度,充分满足了机车乘务人员值乘状态识别系统的实时性和准确性。在此基础上,为了充分挖掘图片中的深层语义信息,本文进一步研究了基于深度组卷积残差网络的机车乘务人员值乘状态识别方法。通过加深网络容量和增加特征通道数将ResNet进行层数和容量上的扩充,有利于提取更深层的隐含语义特征信息。最后,本文基于以上方法,在充分考虑硬件平台环境、使用需求和人性化执法履规等情况的基础上,设计了一套基于深度学习的机车乘务员值乘状态识别系统。通过数值仿真验证将该方法与传统方法ResNet进行了实验对比分析。实验结果表明,基于深度组卷积残差网络的机车乘务员值乘状态识别方法相比于ResNet方法具有明显优势,识别准确率达到了95%。研究表明本文设计的基于深度学习的机车乘务员值乘状态识别系统可有效提升机车运行的安全系数,能够为铁路机车运行保驾护航。
陈跃峰,徐晓菊[4]（2020）在《重载列车乘务员安全驾驶监测系统研究》文中认为重载列车乘务员长期处于高强度工作状态,为了保障行车安全和乘务员健康,急需研制一套实时监测乘务员工作状态和身体参数的系统。本文通过人脸识别和新型传感器技术,对乘务员的疲劳驾驶和人体健康参数做实时监测。在人脸识别部分,主要介绍了处理流程、人眼定位算法、疲劳检测算法;人体参数检测部分,介绍了基于PPG传感器的心率检测技术和基于ECG的心电图检测技术。
刘蔚然[5]（2019）在《长沙地铁服务质量提升研究》文中进行了进一步梳理随着中国经济的快速发展,我国的城市建设正不断加快,交通压力越来越大,人们在追求高水平、高质量生活的同时对乘坐交通工具时的舒适性提出了更高的要求,本文以轨道交通-地铁为研究对象,通过问卷调查的方式收集乘客的意见,对长沙地铁服务质量进行测评和改善,旨在提高地铁的服务质量,改善乘车环境,增加乘客的满意度。本文的主要研究内容和成果如下:1.通过与相关工作人员的探讨,运用头脑风暴法来确定调查问卷的各项内容,调查问卷的形式及调查范围,收集调查问卷的数据,为因子分析提供数据支持。2.通过对调查问卷数据分析整理,在SPSS中用因子分析法来实现满意度的维度划分,重新划分各个维度的观测值指标,划分为5个维度,构建出了长沙地铁服务质量测评体系;对调查问卷做适应性分析,验证问卷结构良好,划分合理,同时确定了各维度的权重。3.根据显性变量之间以及显性变量和隐性变量之间的相互关系构建出长沙地铁满意度模型;采用Amos软件对各变量间的相关程度进行分析,得到了隐性变量之间的路径系数和隐性变量和显性变量之间的系数,分析了各变量之间影响关系的大小,得出车站内指引标识的清晰度、乘客行为举止的文明程度以及售票效率对服务质量的影响程度最大。采用模糊综合评价法得出乘客对长沙地铁的服务总体较为满意。4.运用服务质量差距分析和满意度测评结果对长沙地铁的服务提出改进方案,制定相应的服务改进策略,提高乘客的感知服务水平。
陈江容[6]（2019）在《5-HTTLPR基因多态性和职业环境因素对火车司机高血压的影响》文中研究表明[目的]研究旨在了解昆明铁路局火车司机5-HTTLPR基因多态性分布状况;并探讨火车司机高血压与5-HTTLPR基因多态性、职业环境因素的关系及火车司机5-HTTLPR基因多态性和职业环境因素的相互作用对高血压的影响;为火车司机相关高血压的问题提供意见和建议,为制定火车司机职业人群高血压防治的相关政策提供科学依据。[方法]本研究采用1:1病例对照研究,选取昆明铁路局在岗职工388人作为研究对象。采用一般问卷调查收集研究对象的一般人口学特征,生活行为习惯资料、一般职业特征;采用付出-回报失衡量表、生活压力量表、工作家庭冲突量表、职业倦怠量表对火车司机特殊职业因素资料进行收集;并采集血样进行实验室检查（DNA提取及DNA凝胶电泳）。统计学分析:对研究对象的基本情况（一般人口学特征、生物学特征、生活行为习惯）、职业因素、5-HTTLPR基因多态性进行描述,计量资料采用均数±标准差进行描述,组间比较采用t检验;计数资料采用构成比来描述,两组率的比较采用χ 2;采用主成分分析来分析单因素有统计学意义的高血压影响因素的贡献率;采用多因素非条件Logistic回归模型分析职业环境因素与高血压的关系;采用Spearman秩相关来分析影响高血压的危险因素个数与高血压的关系;采用2X4叉生分析表法分析5-HTTLPR基因多态性与职业环境因素之间的交互作用。[结果]1.本研究共388例研究对象,包括高血压组194人（50.00%）,非高血压组194人（50.00%）;两组中研究对象均为男性。高血压组平均年龄为（41.24±6.98）岁,非高血压组平均年龄为（40.82±6.92）岁。高血压组平均工龄为（21.48±7.77）年,非高血压组平均年龄为（21.90±7.78）年。在高血压与非高血压组之中,年龄、工龄、工种分布差异无统计学意义。2.火车司机高血压组与非高血压组比较,5-HTTLPR基因型频率分布差异具有统计学意义（χ 2=7.040,P=0.030）。非高血压组SS基因型频率（61.34%）高于高血压组（48.45%）（χ 2=6.506,P=0.011）。高血压组与非高血压组比较,5-HTTLPR等位基因型频率分布差异具有统计学意义（χ 2=8.835,P=0.003）。非高血压组S型等位基因频率（74.74%）高于高血压组（64.95%）。5-HTTLPR基因型构成在显性遗传模型下两组间的分布差异有统计学意义（χ 2=6.506,P=0.011）,携带LL+SL基因型发生高血压的风险是携带SS基因型的1.668倍。3.经单因素分析职业环境因素与高血压的关系结果显示,腰围（t=-7.514,P<0.001）、心率（t=-3.903,P<0.001）、体育锻炼（χ 2=5.211,P=0.022）、抽烟（χ2=9.107,P=0.003）、饮酒（χ 2=4.590,P=0.032）、高盐饮食（χ 2=4.131,P=0.042）外在付出程度（χ 2=18.993,P<0.001）、回报程度（χ 2=11.241,P=0.001）、内在投入程度（χ 2=3.946,P=0.047）、付出回报比（χ 2=8.868,P=0.003）、生活压力程度（χ 2=5.009,P=0.025）、工作家庭冲突程度（χ 2=5.496,P=0.019）、职业倦怠程度（χ2=14.117,P<0.001）在两组间分布差异具有统计学意义。4.经主成分分析提示,影响火车司机高血压因素是主要由6个主成分构成。第一主成分是职业倦怠、高盐饮食、外在付出程度;第二主成分是付出回报比、回报程度、内在投入程度;第三主成分是饮酒、抽烟、5-HTTLPR基因多态性;第四主成分是腰围、体育锻炼、抽烟;第五主成分是高盐饮食、外在付出程度、付出回报比、职业倦怠程度;第六主成分心率、5-HTTLPR基因多态性、体育锻炼。5.经多因素Logistic回归分析发现,回归方程成立（P<0.001）。腰围（P<0.001）、心率（P=0.017）、回报程度（P=0.019）、职业倦怠程度（P=0.014）、5-HTTLPR基因多态性（P=0.042）进入方程。Y=-10.740+0.091X1+0.024X2-0.670X8+0.877X13+0.428 X14。腰围（OR=1.095）、心率（OR=1.025）、职业倦怠程度（OR=2.404）、5-HTTLPR 基因多态性（OR=1.534）是高血压的危险因素。回报程度（OR=0.512）是高血压的保护因素。职业倦怠程度高的患高血压的风险是职业倦怠程度低的2.404倍。5-HTTLPR基因的SL+LL基因型的患高血压的风险是5-HTTLPR基因的SS基因型的1.534倍。回报程度高的患病风险是回报程度低的0.512倍。6.5-HTTLPR基因多态性与职业环境因素及生物学特征的交互作用分析结果显示5-HTTLPR基因多态性与腰围之间存在相加交互作用（S=1.196,RERI=0.671,AP=0.132）,且结果显示两因素之间存在正交互作用;研究结果显示5-HTTLPR基因多态性与回报程度之间存在相加交互作用（S=1.502,RERI=0.720,AP=0.228）,且结果显示两因素之间存在正交互作用;5-HTTLPR基因多态性与职业倦怠之间存在相加交互作用（S=1.582,RERI=0.995,AP=0.289）,且结果显示两因素之间存在正交互作用。研究结果显示5-HTTLPR基因多态性与职业倦怠之间存在相乘交互作用（ORint=1.094）,当5-HTTLPR基因多态性与职业倦怠程度均为危险因素时可能会增加患高血压的风险。7.影响火车司机高血压危险因素个数与高血压的相关性分析中,Spearman相关系数为0.318（P<0.001）,可认为相关系数具有统计学意义,影响火车司机高血压危险因素个数与高血压存在剂量反应关系,即火车司机存在的高血压危险因素越多,则越容易患高血压。[结论]1.火车司机5-HTTLPR基因多态性中的SL+LL基因型可增加高血压的患病风险。2.腰围、心率、体育锻炼、抽烟、饮酒、高盐饮食、付出回报比,外在付出程度、回报程度、生活压力程度、内在投入程度、工作家庭冲突程度、职业倦怠程度是火车司机高血压的影响因素。主成分分析显示职业因素在影响高血压的发展中贡献率最大,其次是生活行为习惯、生物学特征、5-HTTLPR基因多态性。3.火车司机5-HTTLPR基因多态性和腰围、回报程度、职业倦怠程度之间存在相加交互作用。火车司机5-HTTLPR基因多态性和职业倦怠程度之间存在相乘交互作用。4.影响火车司机高血压危险因素个数与高血压存在剂量反应关系,即火车司机存在的高血压危险因素越多,则越容易患高血压。
杨国元[7]（2016）在《铁路客运管理信息系统总体架构及关键技术研究》文中研究指明铁路客运管理信息系统是铁路信息化建设的重要组成部分,对于促进铁路客运信息共享和综合利用,提升铁路客运生产作业能力和管理水平具有重要意义。系统是面向全路客运管理信息化的“窗口”,加强铁路客运管理的信息化、集成化和自动化是提高铁路客运管理水平,提高客运服务质量,提升客运生产作业能力,提升铁路部门市场竞争力的关键。在铁路客运管理信息化建设过程中,部分铁路局、客运站段已经建立了一些信息系统,但这些系统业务功能单一,相互之间自成体系,集成耦合度高,升级扩展困难,缺乏统一的接口服务标准,难以实现信息共享和综合利用,不能全面满足客运管理部门对系统的业务需求。本文分析了全路客运管理部门的层级关系,从铁路客运管理业务的实际需求出发,研究了铁路客运管理信息系统的设计方案及关键技术。论文前半部分重点分析客运业务的需求及业务流程,研究系统的架构设计以及数据集成框架,实现系统内部及外部之间信息共享及异构数据的集成。论文后半部分主要研究移动通信技术、基站定位技术、人工智能算法等相关技术及算法在铁路客运管理信息系统中的应用,重点研究如何通过基站定位技术及定位算法实现对在途列车的定位,如何通过人工智能遗传算法实现对客运乘务人员智能排班,如何通过BP算法实现对客运服务质量的科学评价。（1）在研究铁路客运管理系统服务对象的基础上,分析了系统的总体需求,研究了系统的业务范围及功能范围,并对上水计划管理、人员管理、列车定位管理、乘务计划管理、服务质量评价管理等主要业务流程进行了分析。（2）在研究EA和SOA相关架构理论的基础上,提出了基于EA和SOA融合的理论体系框架,提出了基于EA和SOA融合的铁路客运管理信息系统总体架构。研究了系统的业务、信息、应用、技术架构,建立了网络架构及接口方案,设计了系统的十大业务功能。从系统的网络、数据、应用等多角度出发,提出了系统的安全方案。满足了系统的业务需求,实现了铁路客运管理信息系统与其他外部系统之间互联互通,信息共享。（3）分析了铁路客运管理信息系统的数据集成,研究了数据集成的不同技术方案,结合面向服务思想,提出了基于SOA的数据集成框架,设计了服务包装器和数据源适配器,通过实例说明Web服务调用过程,并对生成的XML文档进行了分析,解决了异构系统的数据集成问题,降低了集成的藕合度。（4）基于智能车载客运管理系统功能需求,构建了基于Android的智能车载客运管理系统总体结构及网络结构。分析了车载系统与地面系统信息交互的格式,提出了由车载系统到地面系统数据传输的接口方案。分析了系统业务功能实现流程,构建了系统功能服务模型,实现了铁路客运业务作业的闭环管理。（5）以移动终端在列车上获取的基站信息为基础,提出了列车定位模型,设计了模型求解的列车定位算法,为列车定位提供了一种新的定位方法。通过实例,验证了提出的列车定位模型及定位算法能够有效提高列车定位精度,解决列车定位困难的问题。为铁路客运部门实时掌握列车运行轨迹,了解车内动态,提供了可靠的科学理论依据。（6）通过对铁路客运部门乘务排班的分析,以乘务班组的数量、乘务员乘务工时为优化目标,提出了客运乘务排班模型,并设计了模型求解的遗传算法,并进行了仿真实验,验证了所提出的排班模型和求解算法可以有效提高客运部门乘务排班效率,减少乘务班组的数量,降低乘务费用。（7）通过分析铁路客运服务质量的特征及影响因素,构建了客运服务质量评价指标体系,提出了基于BP算法的客运服务质量评价模型,设计了模型求解算法,通过实例验证,所设计的模型求解算法运算量小,误差小,能够满足对不同指标进行评价的需求。解决了以往客运服务质量评价的主观性,有效实现了科学综合的评价,为提高客运服务质量提供科学的决策依据。
袁学玲[8]（2014）在《高速铁路机车乘务员的工作环境及健康状况的研究》文中认为目的：通过对武广高铁现有高速铁路的司机室的工作环境和广州机务段全体高速铁路机车乘务员的身体健康状况、心理健康状况进行调查,分析高速铁路列车机车室的工作环境是否符合国家相关职业卫生标准,了解高速铁路机车乘务员的身体健康状况和心理健康状况,从而为改善高速铁路机车乘务员劳动条件、提出科学合理的预防措施和保证行车安全提供参考资料。方法：随机抽取10辆武广高速铁路广州南至长沙南段的CRH2和CRH3型高速铁路机车司机室的环境进行监测,主要监测指标有微小气候、噪声、电磁辐射、工频电磁场、甲苯、苯系物、一氧化碳、二氧化碳、可吸入颗粒物浓度和菌落总数。对广州机务段全体高速铁路机车乘务员170名男性为调查对象,同时采用分层抽样的方法选取284名男性普通铁路机车乘务人员为对照组,对其身体健康状况进行分析；同时采用填写调查问卷的方法对其心理健康状况、工作能力和疲劳状况进行调查,使用的调查问卷为症状自评量表（SCL-90）、工作能力指数表（work ability index, WAI）、疲劳评定量表(fatigue assessment instrument,FAD。使用SPSS13.0对数据进行分析,使用的统计方法有t检验、方差分析、卡方检验、相关分析和多元线性回归等。结果：（1）对高速铁路机车司机室的环境进行检测,检测结果显示微小气候、噪声、电磁辐射、工频电磁场、甲苯、苯系物、一氧化碳、二氧化碳、可吸入颗粒物浓度和菌落总数的检测结果均符合国家相关标准。（2）对高速铁路机车乘务员和普通铁路机车乘务员的身体健康状况进行分析,排在前3位的是心电图异常、脂肪肝和尿酸偏高；高速铁路机车乘务员和普通铁路机车乘务员的BMI之间差异无统计学意义。（3）高速铁路机车乘务员的SCL-90的总分和各因子得分均高于普通铁路机车乘务员,并且随着高铁工龄的增加高速铁路机车乘务员SCL-90各因子得分和各因子阳性率均呈增加趋势,采用多元线性回归分析年龄、婚姻状况、家庭月收入、月平均运动次数、兴趣爱好、机车驾驶工龄、高铁驾驶工龄、文化程度、吸烟、饮酒等因素对SCL-90得分的影响,最后进入回归方程的有高铁工龄、吸烟情况、饮酒情况、文化程度和年龄；高速铁路机车乘务员工作能力优、良、中所占的比例均低于普通铁路机车乘务员,高速铁路机车乘务员的主观工作能力评价、与工作需求相关的工作能力、现患病情况、疾病对工作的影响和心理健康状态因子的得分均低于普通铁路机车乘务员,而且高速铁路机车乘务员的WAI总分也明显低于普通铁路机车乘务员的WAI总分,机车驾驶工龄、吸烟情况、饮酒情况、文化程度和年龄对高速铁路机车乘务员的WAI得分有影响；对高速铁路机车乘务员和普通铁路机车乘务员的FAI个因子得分进行分析,高速铁路机车乘务员和普通铁路机车乘务员的S、SS和PC因子的得分差异有统计学意义,且高速铁路机车乘务员各因子得分均高于普通铁路机车乘务员,不同高铁工龄的高速铁路机车乘务员的FAI各因子得分不同,且随着高铁工龄的增加的各因子得分也增加。
朱晓红,李文超,武桂凤[9]（2013）在《济南铁路局列车乘务员神经行为功能测试分析》文中研究表明目的探讨列车乘务作业对工人神经行为功能的影响。方法用神经行为核心测试组合（NCTB）的方法对济南铁路局列车乘务员305人及283名在性别、年龄、工龄、文化程度及吸烟饮酒史等方面类同的283名后勤人员为对照组进行神经行为功能测试。结果列车乘务员组情感状态（profile of mood state,POMS）中的紧张-焦虑（9.37±6.42）、抑郁-沮丧（13.63±11.72）、愤怒-敌意（12.34±9.38）三个因子分高于后勤人员组（7.61±4.23,10.91±5.79,8.26±4.40）,有力-好动（19.72±5.94）、数字跨度中顺背和总分（11.62±2.19,17.92±3.52）、圣他安娜手工敏捷度中利手和非利手（16.92±2.58、16.58±2.43）以及数字译码（55.76±17.34）评分,低于后勤人员组（22.52±6.21、13.86±2.26、20.51±2.82,18.21±3.04、17.43±3.15、59.54±17.25）,差异有统计学意义（P<0.05）;女性数字译码测试（64.68±1.18）和目标追踪打点总数（279.46±4.80）两项指标评分高于男性（60.15±1.42、258.34±5.75）,差异有统计学意义（P<0.05）;乘务员工龄10年组情感状态中紧张-焦虑（10.72±0.81）、愤怒-敌意（13.88±1.19）、疲劳-惰性（9.26±0.75）、慌乱-困惑（8.85±0.58）四个项目的得分,高于20年组（8.29±1.09、10.30±1.61、6.08±1.01、6.74±0.78）,差异有统计学意义（P<0.05）,目标追踪测验正确点数工龄20年组得分（244.60±9.94）分高于<10年组（221.47±7.34）和10年组（198.01±9.04）分,差异有统计学意义（P<0.05）,工龄<10年组打点总和得分（248.08±10.22）分低于其他两个工龄组（279.82±8.30、294.30±11.24）分,差异有统计学意义（P<0.05）。结论列车乘务作业可对工人神经行为功能产生一定的影响,有必要采取干预措施以促进列车乘务作业工人的身体健康。
朱丹丹[10]（2013）在《列车乘务员精神心理因素及GR基因多态性与月经异常的流行病学研究》文中指出[目的]了解列车乘务员月经异常的分布特征；分析压力、抑郁症状、A型行为等精神心理因素与月经异常的关联，探讨影响列车乘务员月经异常的精神心理因素及其他因素之间的生物学交互作用；构建精神心理因素及其他影响因素与月经异常的BP（Back-propagation）人工神经网络预测模型；探索紧张易感基因——GR基因与精神心理因素的关联以及交互作用在月经异常发生中的作用；为保障列车乘务员的生殖健康提出针对性的干预措施，为创造健康高效的作业环境、提高列车乘务员的职业生命质量提供科学依据。[方法]以整群抽取南昌铁路局福建省境内管辖单位的所有车队的在职、工龄≥0.5年的女列车乘务员1807人为研究对象，完成有效问卷的有1664人，样本有效率为92.09%。方便抽取相同管辖单位的车站服务人员（客运员和售票员）94人为对照观察人群。按照系统抽样，采集血液标本357份。按照1989年劳动卫生职业病学会妇女劳动卫生学组确定的生殖职业流行病学调查常用指标评价研究对象的月经情况，以ERI（Effort-Reward ImbalanceQuestionnaire）、FSS（Family Stress Scale Questionnaire）、CES-D（Centerfor Epidemiological Survey, Depression Scale）等量表为测量工具评价职业压力、家庭压力、抑郁症状等精神心理因素，同时调查月经异常其他影响因素。描述月经异常在目标人群中的分布，剔除入职前已月经异常人群，以工作后月经异常为患病组（794例），以月经正常组为非患病组（651例），进一步比较分析具有不同特征的暴露与非暴露组的患病情况。应用分子流行病学研究方法，提取血液标本的DNA，应用PCR-RFLP技术检测GR基因位点BclⅠ（rs41423247）、N363S（rs6195）和、 ER22/23EK （rs6189/6190）的多态性。应用非条件Logistic回归分析、决策树模型、多因子维降法、叉生分析等进行月经异常精神心理因素等危险因素分析及因素之间、基因与环境之间交互作用的分析。应用Matlab7.0软件包的神经网络工具构建月经异常的BP人工神经网络预测模型。[结果]1.列车乘务员总月经异常率为60.9%，其中，工作后月经异常率为47.7%，一直月经异常率为13.2%；未婚列车乘务员工作后月经异常率为49.1%，高于已婚列车乘务员（32.9%），与车站组女工比较工作后月经异常率：列车乘务员标准化月经异常率（54.85%）高于车站组女工（47.0%）差别有统计学意义（P＜0.01），月经异常类型中以月经周期异常率最高，未婚列车乘务员月经周期异常率（42.7%）且高于未婚车站组女工（22.1%），差别有统计学意义（P＜0.01）。2.精神心理因素与月经异常关系：经单因素危险因素筛选及多因素非条Logisic回归分析显示职业压力、家庭压力、抑郁症状、吸烟、生育史进入回归方程；提示月经异常的主要危险因素是高职业压力、高家庭压力、抑郁症状、吸烟；有生育史是月经异常的保护因素。调整混杂因素后，高职业压力（OR=2.094，95%CI=1.664～2.635），高家庭压力（OR=1.637，95%CI=291～2.077），抑郁症状（OR=1.933，95%CI=1.560～2.394），吸烟（OR=7.403，95%CI=1.717～31.919）。生育史（OR=0.338，95%CI=0.219～0.521）。决策树模型提示，职业压力是其中最重要的危险因素。3.精神心理因素之间及职业压力与生育史的交互作用分析：以低职业压力-无抑郁症状组为参照，高职业压力-有抑郁症状组OR=2.680（95%CI:1.975～3.638），高职业压力-无抑郁症状组OR=1.512（95%CI:1.129～2.025）；而低职业压力-有抑郁症状组OR=1.183（95%CI：0.745～1.879）；叉生分析显示二者存在相加交互作用。以低职业压力-低家庭压力组为参照，高职业压力-高家庭压力组发生月经异常的OR=2.324（95%CI:1.681～3.213），高职业压力-低家庭压力组OR=1.655（95%CI:1.262～2.171），低职业压力-高家庭压力组OR=1.319（95%CI:0.786～2.212）；提示职业压力和家庭压力存在联合作用；职业压力与内在投入、职业压力与生育史对月经异常的交互作用分析无统计学意义（P＞0.05）。4.利用职业压力、内在投入、家庭压力、抑郁症状、吸烟、生育史与月经异常的关系，构建BP神经网络预测模型，经学习和训练，训练误差下降并趋于稳定，预测模型的回代相关系数为0.852，大于0.8。BP人工神经网络预测模型响应较好。5.位点GR BclⅠ （rs41423247）基因变异频率为22.83%，位点GRN363S（rs6195）和GR ER22/23EK（rs6189/6190）的基因型检测未发现有突变基因型。以GR BclⅠ野生型-低职业压力为参照，GR BclⅠ突变型-高职业压力组发生月经异常的OR=3.345（95%CI:1.647-6.794），GR BclⅠ野生型-高职业压力组OR=2.501（95%CI:1.296-4.829），GR BclⅠ野生型型-高职业压力组OR=1.271（95%CI:0.588-2.749）。[结论]1.列车乘务员月经周期异常较为严重。2.列车乘务员月经异常受精神心理因素的综合作用，其中，职业压力是最重要的危险因素。3.职业压力与抑郁症状对月经异常存在相加交互作用。职业压力与家庭压力对月经异常存在联合作用。4.可利用职业压力、内在投入、家庭压力、抑郁症状、吸烟及生育史和月经异常的关系建立BP人工神经网络预测模型。5.本研究中GR基因BclⅠ、N363S、ER22/23EK位点基因频率分布与其他研究的亚洲人群基因分布频率接近；GR BclⅠ基因型与月经异常无统计学关联，GR BclⅠ基因型与职业压力对月经异常无交互作用。
二、列车乘务员的神经行为功能研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、列车乘务员的神经行为功能研究（论文提纲范文）
（1）北京地铁某线乘务员疲劳风险管理研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景和意义 |
| 1.1.1 论文研究的背景 |
| 1.1.2 论文研究的意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 疲劳风险管理的研究现状 |
| 1.2.2 疲劳风险评价体系的研究现状 |
| 1.3 研究方法与内容结构 |
| 1.3.1 本文的研究方法 |
| 1.3.2 本文的研究内容 |
| 1.3.3 本文的技术路线 |
| 2 疲劳风险管理研究的基本理论 |
| 2.1 疲劳的定义 |
| 2.2 导致疲劳的影响因素 |
| 2.3 疲劳的评价 |
| 2.4 疲劳风险管理制度 |
| 3 北京地铁某线乘务员疲劳风险管理的现状及问题分析 |
| 3.1 北京地铁某线乘务员疲劳风险管理概况 |
| 3.1.1 北京地铁某线乘务员疲劳现状 |
| 3.1.2 北京地铁某线乘务员疲劳风险管理现状 |
| 3.2 北京地铁某线乘务员疲劳风险管理的问题分析 |
| 3.2.1 疲劳管理意识的欠缺 |
| 3.2.2 内部管理制度的局限 |
| 3.2.3 疲劳管理措施的混乱 |
| 3.2.4 乘务员群体分析 |
| 3.3 本章小结 |
| 4 北京地铁某线乘务员疲劳影响因素的识别与评价 |
| 4.1 北京地铁某线乘务员疲劳影响因素的识别 |
| 4.1.1 文献查阅法的疲劳影响因素的识别 |
| 4.1.2 专家访谈法的疲劳影响因素的识别 |
| 4.2 北京地铁某线乘务员疲劳的调查问卷 |
| 4.2.1 调查问卷的设计 |
| 4.2.2 调查问卷的信度检验 |
| 4.2.3 疲劳影响因素的统计分析 |
| 4.3 北京地铁某线乘务员疲劳影响因素的评价 |
| 4.3.1 构建北京地铁某线乘务员疲劳影响因素评价指标体系 |
| 4.3.2 明确乘务员疲劳的主要影响因素及分析 |
| 4.4 本章小结 |
| 5 北京地铁某线乘务员疲劳风险管理的措施 |
| 5.1 北京地铁某线乘务员疲劳风险管理的具体措施 |
| 5.1.1 北京地铁某线乘务员疲劳风险管理的应对 |
| 5.1.2 北京地铁某线乘务员疲劳风险管理的控制 |
| 5.2 北京地铁某线乘务员疲劳风险管理措施的完善 |
| 5.2.1 不同岗位乘务员的作业风险点的特点 |
| 5.2.2 不同岗位乘务员疲劳风险状况的对比 |
| 5.2.3 不同于其他线路的运营特点 |
| 5.2.4 乘务员疲劳风险管理措施的完善 |
| 5.3 本章小结 |
| 6 结论及展望 |
| 6.1 论文主要的工作及结论 |
| 6.2 有待进一步研究的问题 |
| 参考文献 |
| 附录A 乘务员疲劳情况及影响因素调查问卷 |
| 附录B 乘务员疲劳情况及影响因素调查问卷统计结果 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）城市轨道交通乘务排班计划编制的优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1 课题背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 国内研究现状综述 |
| 1.2.2 国外研究现状综述 |
| 1.2.3 国内外究现状述评 |
| 1.3 研究内容和技术路线 |
| 2 城市轨道交通乘务排班问题分析 |
| 2.1 城市轨道交通的运输组织 |
| 2.2 乘务排班计划的相关内容 |
| 2.2.1 乘务排班计划概述 |
| 2.2.2 值乘方式 |
| 2.2.3 乘务排班的相关概念 |
| 2.2.4 乘务任务的形成 |
| 2.2.5 乘务轮班模式 |
| 2.3 乘务排班问题的基本特点 |
| 2.4 本章小结 |
| 3 城市轨道交通乘务排班计划优化模型 |
| 3.1 乘务排班编制方案设计 |
| 3.2 乘务排班优化模型 |
| 3.2.1 输入数据及参数设置 |
| 3.2.2 约束条件 |
| 3.2.3 目标函数 |
| 3.3 本章小结 |
| 4 城市轨道交通乘务排班模型的求解 |
| 4.1 蚁群算法 |
| 4.1.1 蚁群算法概述 |
| 4.1.2 蚁群算法的特点 |
| 4.2 算法设计说明 |
| 4.2.1 算法构建 |
| 4.2.2 算法具体实现流程 |
| 4.3 本章小结 |
| 5 实例验证及分析 |
| 5.1 实例介绍 |
| 5.1.1 基础数据 |
| 5.1.2 相关参数设置 |
| 5.2 算例分析 |
| 5.2.1 求解结果 |
| 5.2.2 结果分析 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 主要工作与成果 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 A 运行图数据 |
| 附录 B 乘务片段 |
| 攻读学位期间的研究成果 |
（3）基于深度学习的机车乘务员值乘状态识别与应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 接触式机车乘务员值乘状态识别 |
| 1.2.2 非接触式基于深度学习的机车乘务员值乘状态识别 |
| 1.3 论文的研究内容及组织结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文组织结构 |
| 1.4 本章小结 |
| 2 卷积神经网络 |
| 2.1 输入层 |
| 2.2 卷积层 |
| 2.3 池化层 |
| 2.4 全连接层 |
| 2.5 输出层 |
| 2.6 分组卷积神经网络 |
| 2.7 本章小结 |
| 3 基于深度组卷积残差网络的机车乘务员值乘状态识别方法 |
| 3.1 机车乘务员值乘状态图像预处理 |
| 3.2 动态组卷积 |
| 3.3 深度组卷积残差网络 |
| 3.4 本章小结 |
| 4 机车乘务员值乘状态识别系统设计与实现 |
| 4.1 系统设计 |
| 4.1.1 总体设计方案 |
| 4.1.2 车载子系统设计 |
| 4.1.3 软件技术设计 |
| 4.1.4 后台数据库 |
| 4.1.5 实现功能 |
| 4.2 实验 |
| 4.2.1 机车司机数据集获取 |
| 4.2.2 实验验证与分析 |
| 4.3 本章小结 |
| 5 总结与展望 |
| 致谢 |
| 参考文献 |
（4）重载列车乘务员安全驾驶监测系统研究（论文提纲范文）
| 1 国内外概况 |
| 2 系统方案 |
| 2.1 疲劳驾驶监控装置 |
| 2.2 人体健康监测装置 |
| 3 关键技术 |
| 3.1 基于智能视频分析的疲劳监测分析算法 |
| (1)人眼定位检测 |
| (2)疲劳检测算法 |
| 3.2 基于新型传感器的人体健康监测技术 |
| (1)基于PPG的光电测量技术。 |
| (2)基于ECG心电传感器的心脏健康监测 |
| 4 总 结 |
（5）长沙地铁服务质量提升研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 主要研究内容和研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 1.4 本章小结 |
| 第2章 长沙地铁服务质量测评体系的构建 |
| 2.1 长沙地铁运营现状 |
| 2.2 问卷调查 |
| 2.2.1 调查问卷设计 |
| 2.2.2 研究对象与范围 |
| 2.2.3 组织与实施 |
| 2.2.4 问卷样本总体情况分析 |
| 2.3 基于因子分析法的指标划分 |
| 2.3.1 各维度划分的意义 |
| 2.3.2 长沙地铁满意度指标适应性分析 |
| 2.3.3 因子分析法的基本步骤 |
| 2.3.4 KMO和巴特利特球状检验 |
| 2.3.5 基于SPSS的因子分析 |
| 2.4 长沙地铁乘客满意度指标体系 |
| 2.4.1 长沙地铁服务质量测评体系构建 |
| 2.4.2 各维度权重的计算 |
| 2.4.3 信度检验 |
| 2.5 本章小结 |
| 第3章 长沙地铁满意度模型的构建及总体满意度评价 |
| 3.1 长沙地铁满意度结构方程模型 |
| 3.1.1 结构方程模型基本理论 |
| 3.1.2 结构模型方程的步骤 |
| 3.1.3 测评体系潜变量与显变量对应关系 |
| 3.1.4 长沙地铁满意度结构模型的数学表达 |
| 3.2 基于Amos17.0 的结构模型分析 |
| 3.2.1 长沙地铁结构模型路径图的构建 |
| 3.2.2 结构模型的结果分析 |
| 3.3 基于模糊分析的总体满意度评价 |
| 3.3.1 模糊综合评价 |
| 3.3.2 各维度权重的确定 |
| 3.3.3 总体满意度评价 |
| 3.3.4 测评结果分析 |
| 3.4 本章小结 |
| 第4章 长沙地铁服务优化策略 |
| 4.1 地铁服务质量差距分析 |
| 4.1.1 地铁服务质量差距 |
| 4.1.2 基于服务质量差距分析的改进 |
| 4.2 基于乘客满意度提升的改进策略 |
| 4.2.1 改善地铁站内外指示导引 |
| 4.2.2 乘务员服务改进 |
| 4.2.3 提高自动控制系统的可靠性 |
| 4.2.4 售检票及设施的改进 |
| 4.2.5 乘客拥挤程度的改善 |
| 4.3 改进前后满意度对比 |
| 4.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 附录A 调查问卷 |
| 附录B 部分调查问卷结果 |
（6）5-HTTLPR基因多态性和职业环境因素对火车司机高血压的影响（论文提纲范文）
| 课题来源 |
| 缩略词表(以字母顺序排列) |
| 中文摘要 |
| Abstract |
| 前言 |
| 1.研究背景 |
| 1.1 火车司机高血压现状 |
| 1.2 火车司机高血压影响因素的研究 |
| 1.2.1 职业环境因素对高血压的影响 |
| 1.2.2 5-HTTLPR基因多态性对高血压的影响 |
| 1.3 火车司机5-HTTLPR基因多态性和职业环境因素对高血压影响的研究方法 |
| 2.研究目的 |
| 3.研究意义 |
| 4.课题来源 |
| 5.理论框架 |
| 材料与方法 |
| 1.文献研究 |
| 2.调查研究 |
| 2.1 调查对象 |
| 2.2 纳入标准 |
| 2.3 排除标准 |
| 2.4 研究内容和方法 |
| 2.4.1 一般情况调查 |
| 2.4.2 职业状况调查 |
| 3.实验室检测 |
| 3.1 血样的采集 |
| 3.2 DNA提取 |
| 3.2.1 主要仪器 |
| 3.2.2 主要试剂 |
| 3.2.3 DNA提取步骤 |
| 3.2.4 DNA定量检测 |
| 3.3 PCR扩增及凝胶电泳 |
| 3.3.1 主要仪器 |
| 3.3.2 主要试剂 |
| 3.3.3 PCR扩增及凝胶电泳 |
| 4.统计学分析 |
| 4.1 5-HTTLPR基因多态性及职业环境因素对血压值的影响因素分析 |
| 4.2 基因与环境因素之间的交互作用分析 |
| 4.2.1 相乘模型交互作用的指标 |
| 4.2.2 相加模型交互作用的指标 |
| 5.质量控制 |
| 5.1 设计问卷 |
| 5.2 调查人员 |
| 5.3 现场控制 |
| 5.4 实验室检测 |
| 5.5 数据录入分析 |
| 6.伦理学问题 |
| 7.技术路线 |
| 结果 |
| 1.火车司机可比性分析 |
| 2.火车司机5-HTTLPR基因多态性与血压值的关系 |
| 2.1 火车司机5-HTTLPR基因多态性电泳图 |
| 2.2 火车司机5-HTTLPR基因型频率、等位基因频率分布特征 |
| 2.3 火车司机5-HTTLPR基因多态性在不同遗传模型下的分布特征 |
| 3.火车司机职业环境因素与高血压的关系 |
| 3.1 火车司机基本情况 |
| 3.1.1 火车司机一般人口学及生物学特征 |
| 3.1.2 火车司机生活行为习惯特征 |
| 3.1.3 火车司机职业特征 |
| 3.2 火车司机职业环境因素与高血压的单因素分析 |
| 3.2.1 火车司机一般人口学及生物学特征的单因素分析 |
| 3.2.2 火车司机生活行为习惯的单因素分析 |
| 3.2.3 火车司机职业因素的单因素分析 |
| 4.影响火车司机高血压因素的主成分分析 |
| 4.1 主成分特征根分析结果 |
| 4.2 主成分特征向量分析结果 |
| 5.火车司机影响高血压因素的多因素Logistic回归分析 |
| 5.1 赋值表 |
| 5.2 火车司机影响高血压因素的多因素Logistic回归分析 |
| 6.火车司机5-HTTLPR基因多态性和环境因素之间的交互作用与血压值的关系 |
| 7.火车司机高血压与危险因素个数的相关性分析 |
| 讨论 |
| 1.火车司机高血压现状 |
| 2.5-HTTLPR基因多态性对火车司机高血压的影响 |
| 3.职业环境因素对火车司机高血压的影响 |
| 3.1 基本情况对及生物学特征对火车司机高血压的影响 |
| 3.2 职业因素对火车司机高血压的影响 |
| 4.影响火车司机高血压各个危险因素的贡献率 |
| 5.5-HTTLPR基因多态性和职业及生物学特征的交互作用对高血压的影响 |
| 6.影响火车司机高血压危险因素个数与高血压的关系 |
| 7.建议 |
| 结论 |
| 研究的创新性和局限性 |
| 参考文献 |
| 附录1 |
| 附录2 现场调查与实验图片 |
| 综述 |
| 参考文献 |
| 攻读学位期间获得的学术成果 |
| 致谢 |
（7）铁路客运管理信息系统总体架构及关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 目前客运管理信息系统存在的问题 |
| 1.4 研究目标 |
| 1.5 主要研究内容和技术路线 |
| 2 系统需求分析及业务流程分析 |
| 2.1 铁路客运管理信息系统服务对象 |
| 2.2 铁路客运管理信息系统的需求分析 |
| 2.2.1 总体需求 |
| 2.2.2 功能分析 |
| 2.3 主要业务流程分析 |
| 2.3.1 列车上水作业流程 |
| 2.3.2 人员管理业务流程 |
| 2.3.3 在途列车监控业务流程 |
| 2.3.4 乘务计划管理业务流程 |
| 2.3.5 客运服务质量评价业务流程 |
| 2.4 本章小结 |
| 3 基于EA和SOA融合的铁路客运管理信息系统总体架构 |
| 3.1 EA和SOA架构理论 |
| 3.1.1 EA架构理论 |
| 3.1.2 SOA架构理论 |
| 3.2 EA和SOA的融合架构 |
| 3.2.1 EA和SOA融合的总体架构 |
| 3.2.2 EA和SOA融合的业务架构 |
| 3.2.3 EA和SOA融合的信息架构 |
| 3.2.4 EA和SOA融合的应用架构 |
| 3.2.5 EA和SOA融合的技术架构 |
| 3.3 基于EA和SOA融合的铁路客运管理信息系统总体架构 |
| 3.3.1 总体架构 |
| 3.3.2 业务架构 |
| 3.3.3 信息架构 |
| 3.3.4 应用架构 |
| 3.3.5 技术架构 |
| 3.3.6 网络架构 |
| 3.4 铁路客运管理信息系统层次模型及安全方案 |
| 3.4.1 系统层次模型 |
| 3.4.2 系统安全方案 |
| 3.5 本章小结 |
| 4 基于SOA的铁路客运管理信息系统数据集成研究 |
| 4.1 铁路客运管理系统数据集成分析 |
| 4.2 基于SOA的铁路客运管理信息系统数据集成 |
| 4.2.1 基于SOA数据集成服务框架理论 |
| 4.2.2 基于SOA的铁路客运管理信息系统数据集成框架 |
| 4.2.3 基于SOA的铁路客运管理信息系统数据集成接口方案 |
| 4.3 铁路客运管理信息系统服务包装器设计 |
| 4.4 铁路客运管理信息系统数据集成实例 |
| 4.5 本章小结 |
| 5 基于Android的智能车载客运管理系统研究 |
| 5.1 移动终端操作系统概述 |
| 5.2 智能车载客运管理系统概述 |
| 5.3 智能车载客运管理系统研究 |
| 5.3.1 系统设计 |
| 5.3.2 系统传输数据加密方式 |
| 5.3.3 系统智能提醒 |
| 5.3.4 智能客户端设计 |
| 5.3.5 系统数据交互格式 |
| 5.4 智能车载客运管理系统框架 |
| 5.4.1 系统总体结构 |
| 5.4.2 系统网络结构 |
| 5.4.3 系统接口方案 |
| 5.5 智能车载客运管理系统功能服务模型及实现 |
| 5.5.1 系统功能服务模型 |
| 5.5.2 系统功能实现 |
| 5.6 本章小结 |
| 6 基于基站的列车定位算法研究 |
| 6.1 列车定位概述 |
| 6.2 基站定位技术 |
| 6.2.1 基站定位的测距技术 |
| 6.2.2 定位节点位置计算方法 |
| 6.2.3 基站定位的性能指标 |
| 6.3 基于RSSI的列车定位模型 |
| 6.3.1 自由空间传播模型 |
| 6.3.2 对数距离路径损耗模型 |
| 6.4 基于基站的列车定位算法 |
| 6.4.1 算法描述 |
| 6.4.2 单位换算方法 |
| 6.4.3 基于基站的列车定位算法解算过程 |
| 6.5 实验及分析 |
| 6.6 本章小结 |
| 7 基于遗传算法的客运乘务排班模型研究 |
| 7.1 客运乘务排班相关理论分析 |
| 7.1.1 乘务排班相关名称解释 |
| 7.1.2 乘务员值乘方式 |
| 7.2 客运乘务排班约束条件分析 |
| 7.3 乘务排班模型建立 |
| 7.4 求解算法 |
| 7.4.1 交路与车次匹配算法 |
| 7.5 基于遗传算法的模型求解算法 |
| 7.5.1 遗传算法理论 |
| 7.5.2 遗传算法求解流程 |
| 7.5.3 求解算法 |
| 7.6 实验及分析 |
| 7.7 本章小结 |
| 8 基于BP神经网络的铁路客运服务质量评价模型研究 |
| 8.1 基于旅客感知的铁路客运服务质量评价指标体系 |
| 8.1.1 指标体系建立 |
| 8.2 基于BP神经网络的评价算法 |
| 8.2.1 BP神经网络模型 |
| 8.2.2 评价算法求解过程 |
| 8.3 实验及分析 |
| 8.4 本章小结 |
| 9 结论与展望 |
| 9.1 结论 |
| 9.2 展望 |
| 参考文献 |
| 附录1 作者简历及科研成果清单表格样式 |
| 附录2 学位论文数据集 |
| 详细摘要 |
（8）高速铁路机车乘务员的工作环境及健康状况的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 前言 |
| 第二章 研究对象与方法 |
| 2.1 研究对象 |
| 2.2 研究内容 |
| 2.3 研究方法 |
| 2.4 质量控制 |
| 第三章 结果 |
| 3.1 高速铁路工作环境调查 |
| 3.1.1 微小气候 |
| 3.1.2 噪声 |
| 3.1.3 电磁辐射 |
| 3.1.4 工频电场 |
| 3.1.5 化学指标、可吸入颗粒与生物学指标 |
| 3.2 高速铁路机车乘务员身体健康状况调查 |
| 3.2.1 机车乘务员一般资料 |
| 3.2.2 机车乘务员体检资料及影响因素的分析 |
| 3.3 高速铁路机车乘务员心理健康状况调查 |
| 3.3.1 症状自评量表(SCL-90)调查结果分析 |
| 3.3.2 工作能力调查结果分析 |
| 3.3.3 疲劳状况调查结果分析 |
| 第四章 讨论 |
| 4.1 高速铁路工作环境调查 |
| 4.2 高速铁路机车乘务员身体健康状况调查 |
| 4.3 高速铁路机车乘务员心理健康状况调查 |
| 4.4 对策和建议 |
| 第五章 结论 |
| 5.1 高速铁路工作环境调查 |
| 5.2 高速铁路机车乘务员身体健康状况调查 |
| 5.3 高速铁路机车乘务员心理健康状况调查 |
| 参考文献 |
| 综述 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
（9）济南铁路局列车乘务员神经行为功能测试分析（论文提纲范文）
| 1 对象与方法 |
| 1.1 对象 |
| 1.2 方法 |
| 1.2.1 基本情况调查 |
| 1.2.2 神经行为功能测试 |
| 1.3 统计分析 |
| 2 结果 |
| 2.1 基本情况比较 |
| 2.2 济南铁路局列车乘务员与后勤人员之间NCTB各项指标评分的比较 |
| 2.3 性别、工龄对列车乘务员神经行为功能测试评分的影响 |
| 3 讨论 |
（10）列车乘务员精神心理因素及GR基因多态性与月经异常的流行病学研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一部分 列车乘务员精神心理因素与月经异常的流行病学研究 |
| 1 前言 |
| 2 对象与方法 |
| 3 结果 |
| 4 讨论 |
| 第二部分 GR 基因 BclⅠ、N363S、ER22/23EK 位点单核苷酸多态性与月经异常的关系 |
| 1 前言 |
| 2 材料与方法 |
| 3 结果 |
| 4 讨论 |
| 结论 |
| 参考文献 |
| 致谢 |
| 综述 |
| 参考文献 |
四、列车乘务员的神经行为功能研究（论文参考文献）
- [1]北京地铁某线乘务员疲劳风险管理研究[D]. 郭梦怡. 北京交通大学, 2021
- [2]城市轨道交通乘务排班计划编制的优化研究[D]. 杨一帆. 兰州交通大学, 2021
- [3]基于深度学习的机车乘务员值乘状态识别与应用研究[D]. 王党雄. 兰州交通大学, 2020
- [4]重载列车乘务员安全驾驶监测系统研究[J]. 陈跃峰,徐晓菊. 黑龙江交通科技, 2020(10)
- [5]长沙地铁服务质量提升研究[D]. 刘蔚然. 湖南大学, 2019(01)
- [6]5-HTTLPR基因多态性和职业环境因素对火车司机高血压的影响[D]. 陈江容. 昆明医科大学, 2019(06)
- [7]铁路客运管理信息系统总体架构及关键技术研究[D]. 杨国元. 中国铁道科学研究院, 2016(05)
- [8]高速铁路机车乘务员的工作环境及健康状况的研究[D]. 袁学玲. 湖南师范大学, 2014(09)
- [9]济南铁路局列车乘务员神经行为功能测试分析[J]. 朱晓红,李文超,武桂凤. 预防医学论坛, 2013(11)
- [10]列车乘务员精神心理因素及GR基因多态性与月经异常的流行病学研究[D]. 朱丹丹. 福建医科大学, 2013(01)