도움말

비행 수행도와 심박변이도 특징을 활용한 조종사 인지부하 수준 감지

Detection of Pilot’s Cognitive Workload Levels using Flight Performance and Heart Rate Variability Features
대한인간공학회지 제37권 제6호, 2018.12, 681-689 (9 pages)
DOI :10.5143/JESK.2018.37.6.681
인용정보 복사
Quick View Quick View
구매하기 6,000원
인용하기
이용수 : 0건
피인용수 : 0건
분야내 활용도 : %
자세히 보기 >

· 이용수 : 2010년부터 집계한 원문다운로드수

· 피인용수 : DBpia 논문 가운데 해당 논문을 인용한 논문수

· 분야내 활용도 : 최근 24개월간 DBpia 이용수를 기준으로 산출 / 0%에 가까울 수록 활용도가 높고, 100%에 가까울 수록 활용도가 낮음

초록
Objective: The purpose of this study is to analyze characteristics of flight performance and heart rate variability features and develop cognitive workload classification model in order to detect cognitive workload levels of pilots.
Background: Pilots can experience high cognitive workload conditions by performing various tasks simultaneously during air operation mission. Accurate detection of the cognitive workload state is required to improve the survivability of pilots and ensure flight safety.
Method: Five student pilots in 20s performed dual task consisting of simulated flight task with baseline task and three levels of N-back task (0-back, 1-back, 2-back). Three flight performance features (standard deviation of altitude, heading, airspeed) and two heart rate variability features (standard deviation of NN (SDNN), Low Frequency to High Frequency ratio (LF/HF)) were measured from the flight simulation experiment with photoplethysmogram (PPG) sensor. Cognitive workload classification model was developed by pre-processing input features and output classes, applying five classifiers (Decision tree (DT), Support vector machine (SVM), K-nearest neighbor (KNN), Bayesian, Ensemble), and validating the model performance.
Results: High cognitive workload level (2-back) was 327%, 161%, and 1.2% higher than baseline in terms of standard deviation of altitude, standard deviation of airspeed, and LF/HF respectively. DT, SVM, KNN, Bayesian, and Ensemble classifier performance was 94.4%, 91.1%, 96.6%, 93.3%, and 96.6% with two output classes, 62%, 51.4%, 64.6%, 57.1%, and 64.6% with three output classes, 36.3%, 36%, 48%, 36.3%, and 49% with four output classes respectively.
Conclusion: The best classifier performance for detecting cognitive workload levels of pilots was acquired from an ensemble classifier with two output classes (baseline, 2-back) with an accuracy of 96.6%.
Application: The cognitive workload classification model using the ensemble classifier in this study can contribute to the development of a system capable of providing warning signal in real time under pilot"s cognitive overload situation.

목차
1. Introduction
2. Method
3. Results
4. Discussion
References
키워드

논문의 주요 키워드를 제공합니다. 키워드를 클릭하여 관련 논문을 확인해 보세요!

참고문헌 (0)

현재 논문의 참고문헌을 찾아 신청해주세요!

해당 논문은 참고문헌 정보가 없습니다.

인용된 논문 (0)

알림서비스 신청하고 '인용된 논문' 정보를 메일로 확인 하세요!

해당 논문은 인용된 논문 정보가 없습니다.

제 1 저자의 다른 논문 (31)

김성호 식별저자 저자의 상세정보를 확인해 보세요.

  • 처음
  •  
  • 이전
  •  
  • 1
  •  
  • 2
  •  
  • 3
  •  
  • 4
  •  
  • 다음
  •  
  • 마지막
권호 내 다른 논문 (10)

대한인간공학회지 제37권 제6호 의 상세정보를 확인해 보세요.

추천 논문 (0)

DBpia 추천논문과 함께 다운받은 논문을 제공합니다. 논문 초록의 텍스트마이닝과 이용 및 인용 관계 분석을 통해 추천해 드리는 연관논문을 확인해보세요.

DBpia 추천논문

해당 논문은 DBpia 추천논문 정보가 없습니다.

함께 다운받은 논문

해당 논문은 함께 다운받은 논문 정보가 없습니다.

지표

이용현황

· 이용수

· 이용순위 상위 Top3

자세히 보기 >
No 상위 이용이관 이용수

활용도

· 활용지수

· 논문의 활용도 추이 (주제분야 기준)

자세히 보기 >

: %

2016-09
2016-10
2016-11
2016-12
0
20
40
60
80
100
  • 0%
  • 20%
  • 40%
  • 60%
  • 80%
  • 100%

피인용수

상세정보
저작권 정책

누리미디어에서 제공되는 모든 저작물의 저작권은 원저작자에게 있으며, 누리미디어는 각 저작물의 내용을 보증하거나 책임을 지지 않습니다. 단, 누리미디어에서 제공되는 서지정보는 저작권법에 의해 보호를 받는 저작물로, 사전 허락 없이 임의로 대량 수집하거나 프로그램에 의한 주기적 수집 이용, 무단 전재, 배포하는 것을 금하며, 이를 위반할 경우, 저작권법 및 관련법령에 따라 민, 형사상의 책임을 질 수 있습니다.

맨 위로 이동