1.高速铁路调度员疲劳程度定量分级方法，其特征在于，包括：S1通过高速铁路行车调度实验，基于被试调度人员的面部数据获得其主观卡罗林斯卡嗜睡量表评分、由所述主观卡罗林斯卡嗜睡量表评分计算得到的监督卡罗林斯卡嗜睡量表评分和其PERCLOS测试值；

S2根据高速铁路调度员的工作内容确定其工作的DORATASK值，及其人因失效概率，获得其失效概率样本；

S3对所述失效概率样本进行聚类分析，根据聚类结果确定最优疲劳分级数；

S4采用HMM算法根据所述PERCLOS测试值确定疲劳状态分类值；

S5基于所述主观卡罗林斯卡嗜睡量表评分、所述监督卡罗林斯卡嗜睡量表评分、所述疲劳状态分类值、及所述DORATASK值融合计算疲劳程度值；

S6基于S1‑S5的疲劳程度计算过程，构建基于BP神经网络的疲劳程度检测模型，所述模型的输入为高速铁路调度员的面部数据及其工作时间，输出为该调度员的疲劳程度；

其中，所述面部数据包括所述被试调度人员的眼部数据和嘴部数据；

所述聚类分析使用K‑means聚类方法。

2.根据权利要求1所述的高速铁路调度员疲劳程度定量分级方法，其特征在于，所述PERCLOS测试值具体为其P80值。

3.根据权利要求1所述的高速铁路调度员疲劳程度定量分级方法，其特征在于，所述主观卡罗林斯卡嗜睡量表评分或所述监督卡罗林斯卡嗜睡量表评分基于所述高速铁路行车调度实验中获得的被试调度人员的闭眼时长、注视时长、瞳孔大小、眼跳持续时间、眼跳幅度、眼跳平均速度、眨眼频率、眨眼时长和哈欠频率获得。

4.根据权利要求1所述的高速铁路调度员疲劳程度定量分级方法，其特征在于，所述主观卡罗林斯卡嗜睡量表评分由多名受训观察员打分得到，所述监督卡罗林斯卡嗜睡量表评分为所述主观卡罗林斯卡嗜睡量表评分的均值。

5.根据权利要求1所述的高速铁路调度员疲劳程度定量分级方法，其特征在于，所述人因失效概率基于CREAM模型获得。

6.根据权利要求1所述的高速铁路调度员疲劳程度定量分级方法，其特征在于，所述人因失效概率的获得包括：根据高速铁路调度员工作任务，将其作业行为分为4种类型，包括监控、操作、通讯和记录，计算其工作的DORATASK值；

根据对不同的情景环境的评价确定共同绩效条件下控制模式为战略型，设定人因失效概率区间为(0.0005，0.01)；

采用专家调查法和三角模糊数，根据问卷调查结果和三角模糊数的对应关系，计算出所有工作流程对应的认知功能权重；

根据串联系统的可靠度计算式，获得高速铁路调度员人因失效概率；

其中，所述串联系统的可靠度计算式如下：

人因失效概率计算式如下：

其中，Rs(t)为串联系统的可靠度，Ri(t)为系统中第i个工作步骤工作时的可靠度，n为串联系统的步骤总数，t为当前时刻，P为人因失效概率， 为工作中第i个工作步骤的失效概率的标准化修正值。

7.根据权利要求1所述的高速铁路调度员疲劳程度定量分级方法，其特征在于，其中，S4包括：以根据所述高速铁路行车调度实验获得的所述PERCLOS测试值的P80状态序列作为所述HMM算法的输入观测状态序列，以所述最优疲劳分级数作为所述HMM算法的分类值上限，对应得到的隐藏状态序列为所述疲劳分类值、作为所述HMM算法的输出。

8.根据权利要求1所述的高速铁路调度员疲劳程度定量分级方法，其特征在于，所述融合计算进一步包括：通过层次分析法得到所述主观卡罗林斯卡嗜睡量表评分、所述监督卡罗林斯卡嗜睡量表评分、所述DORATASK值及所述疲劳状态分类值四个指标的权重；

对获得的该四个指标的数据进行如下的标准化转化：

其中，u1为主观卡罗林斯卡嗜睡量表评分，u2为监督卡罗林斯卡嗜睡量表评分，u3为DORATASK值，u4为疲劳状态分类值，upi为ui进行标准化转换后的值，umax为ui的取值上限，umin为ui的取值下限；

根据所述最优疲劳分级数设置不同疲劳级别下的主观卡罗林斯卡嗜睡量表评分、监督卡罗林斯卡嗜睡量表评分、DORATASK值及疲劳状态分类值的范围；

根据以下计算模型获得疲劳程度值Up：

其中，a1，a2，a3，a4分别表示主观卡罗林斯卡嗜睡量表评分、监督卡罗林斯卡嗜睡量表评分、DORATASK值及疲劳状态分类值的所述权重。

9.根据权利要求1所述的高速铁路调度员疲劳程度定量分级方法，其特征在于，所述疲劳程度检测模型中，输入层节点a至隐含层任意节点t以及隐含层任意节点t至输出层节点e的传递函数设置为：其中， 为神经元间连接的权值系数； 为偏置；f为Sigmoid函数；

和/或，

输出端结果为：

其中， 为隐含层至输出层所有节点的连接权值系数矩阵， 为输入层至隐含层所有节点的连接权值系数矩阵，ai为输入层各特征指标参数，θe为输出层的偏置矩阵，θt为输入层至隐含层的偏置矩阵；

和/或，其损失函数为如下的交叉熵函数L：

其中，N为样本数量，y为疲劳程度真实值，为疲劳程度预测值。

10.高速铁路调度员疲劳程度定量分级装置，其特征在于，其包括：存储有可实现权利要求1‑9中任一项所述的方法的程序和/或模型和/或所需数据的存储介质。