利用原始心理生理数据和功能数据分析来估计人类驾驶员的心理工作负载
David Eniyandunmo1, MinJu Shin1,2, Chaeyoung Lee1,2
1Mechanical, Automotive, and Materials Engineering, University of Windsor, Windsor, ON, Canada.
Ergonomics
|July 22, 2024
概括
使用原始生理数据和功能数据分析 (FDA) 估计驾驶员的心理工作量,达到90%的准确性. 这种方法绕过了特征提取,为现实应用提供了更精确,更有效的方法.
科学领域:
- 人与计算机的交互
- 认知工程是认知工程.
- 物理计算生理学计算
背景情况:
- 精确的心理工作量估计对于驾驶员的安全至关重要.
- 目前使用机器学习和从生理信号中提取特征的方法存在局限性,包括信息丢失和缺乏特异性.
研究的目的:
- 调查使用原始生理数据与功能数据分析 (FDA) 进行精确的心理工作负载估计的人类驾驶员的可行性.
- 克服传统特征提取方法的局限性.
主要方法:
- 使用原始生理数据,包括脑电图 (EEG),面部肌电图 (EMG),心电图 (ECG),皮电活动 (EDA) 和瞳孔测量.
- 在五任务驾驶场景中,应用功能数据分析 (FDA) 对九种不同组合的原始生理信号进行了研究.
- 收集主观的工作负载额定值进行验证.
主要成果:
- 在使用FDA与原始生理信号来估计心理工作负载时,达到90%的最大准确度.
- 超过传统提取特征的73%,证明了拟议方法的优越性.
- 与主观工作负载评级相对应的验证结果.
结论:
- 结合FDA的原始生理数据,可以在没有特征提取的情况下准确地估计人类驾驶员的心理工作量.
- 这种方法为现实世界的心理工作量评估提供了一个有希望的,不那么繁的替代方案.
- 这些发现对改善驾驶员安全和认知负载监控系统有重大影响.
