在实地实验中,基于EEG技术的叉车操作员的情况意识得到认可

科学领域:

• 神经科学是一个神经科学.
• 人类因素工程 人类因素工程
• 职业安全 在职业安全.

背景情况:

• 缺乏情境意识 (SA) 是叉车操作员错误的主要原因.
• 测量SA的现有方法是侵入性的,主观的或间歇性的.
• 开发客观和非侵入性的SA测量对于叉车安全至关重要.

研究的目的:

• 调查电脑电图 (EEG) 状态的差异,与叉车操作员的SA水平的变化有关.
• 探索多频段EEG特征与不同大脑区域的SA之间的相关性.
• 为叉车运营商构建和验证基于EEG的SA识别模型.

主要方法:

• 进行了模拟叉车操作的实地实验.
• 分析了不同频段 (θ,α,β) 和大脑区域 (F,C,P,O) 的EEG数据.
• 使用支持矢量机 (SVM) 结合了EEG指标 (θ/β, (α+θ) /(α+β), θ/(α+β)) 来构建SA识别模型.

主要成果:

• 在高和低SA操作者之间,在正面,中部,顶部和部区域观察到 θ,α 和 β 波段的显著差异.
• 额头,顶部和中心区域的综合EEG指标显示与SA有显著的相关性.
• 该SVM模型使用来自中央,额头和顶部区域的综合EEG指标实现了88.64%的准确性.

结论:

• 基于EEG的指标可以有效地区分高和低的情况意识水平在叉车运营商.
• 开发的EEG识别模型为SA评估在现实环境中提供了一个有希望的,非侵入性的方法.
• 这项研究有助于通过客观的SA测量和干预来提高叉车安全性.