通过优化从眼睛跟踪器,呼吸和疲劳模式获得的多种类型的特征组合来对坡道控制器实时工作负载进行数值评估

科学领域:

• 航空安全研究 航空安全研究
• 航空中的人类因素
• 工作负载评估方法 工作负载评估方法

背景情况:

• 有效的工作负载管理对于航空安全和预防危险事件至关重要.
• 准确检测机场控制器的工作负载对于运营效率至关重要.
• 现有的方法可能无法完全捕捉到道控制员的累积工作负载.

研究的目的:

• 开发和验证一种新的方法来评估道控制器累积的工作负载.
• 为了优化来自眼动,呼吸和疲劳数据的特征组合.
• 提高航空业工作负载评估的准确性和可靠性.

主要方法:

• 通过使用上海洪桥机场真实数据,进行了90分钟的模拟坡道控制实验.
• 从8个控制器收集了多种类型的数据 (眼动,呼吸,疲劳).
• 员工无监督学习用于工作负载分类和监督学习用于特征加权和分类 (KNN分类器).

主要成果:

• 通过计算特征权重来实现最佳特征组合.
• 在KNN分类器证明了最高的分类准确度,超过98%.
• 为不同的工作负载级别提供了数值评估和值计算.

结论:

• 拟议的方法有效地提高了对机场控制器累积工作负载的评估.
• 优化的功能组合显著提高了工作负载分类的准确性.
• 这项研究为推动航空业以人为中心的工作量评估提供了有价值的见解.