基于眼动追踪技术的值班驾驶员疲劳评估：一项混合实验研究及其在航海安全中的应用

这篇研究通过眼动追踪技术(eye-tracking)创新性地建立了值班驾驶员(OOW)疲劳的客观评估体系。实验结合主观疲劳量表(KSS)、瞳孔直径等生理指标，采用机器学习模型和ROC曲线分析，证实瞳孔直径是最可靠的疲劳预测指标。研究成果为航海安全管理提供了量化依据，对制定个性化疲劳干预策略具有重要意义。

　　

Highlight亮点发现

本研究通过混合实验设计揭示了瞳孔直径与值班驾驶员(OOW)疲劳程度的强相关性（Spearman相关系数显著）。机器学习模型验证该指标具有最优的预测效能（ROC曲线下面积AUC>0.9），为航海安全监测提供了客观量化工具。

Materials and methods材料与方法

实验设计包含：

1）模拟器实验：16名航海专业学生完成4种典型航行场景任务

2）实船验证："育鲲"轮训练舰真实航行数据采集

3）多维度指标采集：

• •

  主观评估：KSS疲劳量表

• •

  眼动参数：瞳孔直径、眨眼频率等

• •

  绩效指标：反应时(RT)

• •

  生理应激：心率变异性(HRV)

Estimated results关键结果

1. 1.

   疲劳动态变化：

   • •

     KSS评分显著上升（日间航行场景：2.0→6.5，p<0.01）

   • •

     瞳孔直径与疲劳程度呈显著正相关（r=0.82）

2. 2.

   模型预测效能：

   • •

     随机森林模型准确率达89.7%

   • •

     瞳孔直径的AUC值最高（0.93±0.02）

Experimental design and procedure实验验证

实船实验证实：

1. 1.

   瞳孔直径变化趋势与模拟器结果一致（Δ=15.2%，p<0.05）

2. 2.

   复杂海况下指标敏感性更高（夜间航行时效应值d=1.32）

Fatigue of OOWs under different situations情境分析

不同航行场景疲劳特征：

• •

  夜间航行：瞳孔扩张更显著（+23.4%）

• •

  复杂航道：眨眼频率异常增加（+18.7次/分钟）

• •

  长时间值守：反应时延迟达210ms

Conclusions研究结论

眼动追踪技术可实现对OOW疲劳的：

1）实时客观评估

2）早期风险预警

3）个性化管理支持

该成果为实施《ISM规则》和《STCW公约》提供了技术支撑。