基于机器学习的AR-HUD认知负载预测模型,以改善专业驾驶员的职业安全和安全
Jian Teng1,2, Fucheng Wan1, Yiquan Kong3
1School of Mechanical and Electrical Engineering, Lingnan Normal University, Zhanjiang, China.
Frontiers in public health
|August 21, 2023
概括
一种新的IVPM-GA方法优化了增强现实头顶显示 (AR-HUD) 接口,通过减少认知负载,显著提高了专业驾驶员的驾驶性能和用户舒适度.
科学领域:
- 人与计算机的交互
- 汽车工程 汽车工程
- 认知科学 认知科学
背景情况:
- 增强现实头部显示器 (AR-HUD) 接口设计对于专业驾驶员的安全和体验至关重要.
- 优化AR-HUD在提高性能和降低驾驶员认知负载方面提出了挑战.
研究的目的:
- 介绍和评估一种用于优化AR-HUD接口的新方法.
- 为了减少认知负载,提高专业驾驶员的驾驶性能和用户体验.
主要方法:
- 开发了一种结合IVPM (智能虚拟原型化方法) 与基因算法 (GA) 的新方法 (IVPM-GA).
- 机器学习在IVPM-GA框架内被用于预测认知负载,并代地改进AR-HUD接口设计.
- 将IVPM-GA方法与传统的BP-GA (逆传播遗传算法) 方法进行了比较.
主要成果:
- 与BP-GA方法相比,IVPM-GA方法显示出更高的性能.
- 使用IVPM-GA优化的AR-HUD接口导致了驾驶性能的显著改善.
- 80%的参与者发现IVPM-GA优化的界面在视觉上舒适,不那么分散注意力,提高了用户体验.
结论:
- 该IVPM-GA方法有效地减少认知负载,提高驾驶性能,并改善专业驾驶员的用户体验.
- 整合机器学习和优化技术对于AR-HUD接口设计至关重要,以提高驾驶员安全和职业健康.
- 这项研究突出了机器学习优化算法的实际应用,为使用AR-HUD技术的专业司机创造更安全,更健康的工作环境.
