一种飞行中的多式联运数据收集方法,用于评估飞行员的认知状态和一般航空中的性能
Rongbing Xu1,2, Shi Cao1,2, Michael Barnett-Cowan3,2
1Department of Systems Design Engineering, University of Waterloo, Waterloo, ON, Canada.
MethodsX
|September 10, 2025
概括
这项研究引入了一种新的方法,用于采集飞行中的飞行员数据,使用可穿戴传感器和飞行记录器. 这一多式联机数据集通过准确地捕捉飞行员在真实飞行期间的认知状态来增强航空安全研究.
科学领域:
- 航空心理学 航空心理学
- 人类因素工程 人类因素工程
- 生物医学工程 生物医学工程
背景情况:
- 飞行员的认知状态 (工作量,压力,情境意识) 对航空安全至关重要.
- 目前的飞行模拟器往往缺乏生态有效性来复制现实世界飞行员的认知状态.
- 一般航空,特别是Cessna 172飞机,是飞行员培训和安全研究的关键领域.
研究的目的:
- 为一般航空提供一种新的飞行数据收集方法.
- 创建一个结合生理,飞行和自我报告数据的多式联运数据集.
- 支持在飞行员培训和航空安全方面的人类因素研究和应用.
主要方法:
- 使用Cessna 172飞机进行数据收集.
- 使用可穿戴的生理传感器 (EEG,ECG,EDA,体温) 和眼睛跟踪眼镜.
- 集成的ADS-B飞行记录器数据和教练评级的性能.
- 开发了用于传感器设置,飞行任务设计和数据同步的程序.
主要成果:
- 在数据清理后,从25名参与者收集了20个完整的多式联运数据集.
- 证明了飞行中的多式联运数据采集的可行性.
- 建立了对试验性认知状态的统计和机器学习分析的基础.
结论:
- 提出的方法论为研究试点认知状态提供了高的生态有效性.
- 该数据集对飞行员培训,绩效评估和安全管理具有重大实际价值.
- 进一步收集数据将扩大数据集的实用性,用于对飞行员行为和绩效的先进研究.
