一种基于多模态数据融合的地铁司机异常行为识别方法

本申请提供了一种基于多模态数据融合的地铁司机异常行为识别方法，该方法包括：基于多模态数据融合识别地铁司机异常行为，融合轨道定位、站台屏蔽门传感器数据检测列车位置并生成进站确认指令；依据座椅压力分布传感器数据判定司机离座巡视；结合轨道电路信号、ATO指令等生成出站完成事件；分析控制台触控压力、语音指令、手部动作等验证操作合规性，异常时触发告警；在边缘计算节点聚合结果并加密传输至中央调度系统，于数字孪生驾驶舱动态映射司机行为，异常时自动触发分级告警并关联数据快照；本申请能够借助多模态数据融合与智能分析，实现地铁司机行为精准识别与实时预警，大幅提升地铁运营安全性和应急响应效率。