虚拟现实技术揭示矿工生理信号与应急安全行为的关联机制及其在智能预警系统中的应用

这篇研究通过虚拟现实（VR）技术模拟煤矿四种紧急场景（透水、火灾、冒顶、瓦斯爆炸），实时监测矿工心率变异性（HRV）、皮肤电导（SC）和血氧饱和度（SPO2）等生理指标，结合行为学数据（反应时、准确率），发现PNN50、SC与反应速度显著相关，皮肤温度（SKT）影响任务准确性，构建的预测模型准确率达78.3%，为高危行业实时生理监测系统开发提供理论依据。

　　

Highlight

本研究通过虚拟现实（VR）技术构建煤矿四大紧急场景（透水、火灾、冒顶、瓦斯爆炸），首次系统探索矿工生理信号（包括心率变异性HRV指标Mean IBI、RMSSD、PNN50、LF/HF比值，皮肤电导SC，血氧饱和度SPO₂）与安全行为表现的动态关联，为高危行业智能预警系统开发提供突破性证据。

Integrating individual and systemic perspectives on miners’ unsafe behaviors

矿工不安全行为是煤矿事故的核心诱因。传统研究多聚焦个体因素（如情绪智力、慢性压力），而本研究创新性整合系统视角（设备设计、组织决策），通过VR高保真模拟揭示生理-行为链式反应机制。

Experimental design, data collection, and methods of analysis

实验采用交叉设计，矿工依次经历四种VR紧急场景。同步采集HRV、SC、SPO₂等生理数据，结合反应时、记忆准确率等行为指标，运用弗里德曼检验、重复测量方差分析等多维统计方法解析数据。

Result

关键发现：

1. 1.

   反应速度与PNN50负相关，与SC正相关，低SPO₂组反应更快（p<0.01）

2. 2.

   记忆准确率随PNN50降低、SC/SKT升高而下降

3. 3.

   辨别能力受Mean IBI/SPO₂正向调控，但被高RMSSD/PNN50或低SKT削弱

Discussion

生理指标可精准预测行为表现：

• •

  PNN50是反应速度的"生物标志物"（AUC=0.81）

• •

  SKT变化能解释78%的记忆准确率变异

• •

  多指标融合模型成功分级预测矿工应急能力（准确率78.3%）

Implications and limitations

研究突破：

1. 1.

   首创VR+多模态生理监测的矿工应急评估范式

2. 2.

   揭示HRV指标PNN50的预警价值

   局限：未解析因果机制，未来需结合fNIRS（功能性近红外光谱）深化研究

Conclusions

本研究证实：矿工应急行为存在特异性生理指纹——心率变异性（尤其PNN50）是反应速度的"生物雷达"，皮肤温度（SKT）化身任务准确性的"体温计"。这些发现为下一代智能矿用可穿戴设备开发奠定理论基础。