Дослідження зміни функціонального стану водіїв таксі протягом робочої зміни
Автор: Постніков Дмитро Сергійович
Кваліфікаційний рівень: магістр (ОНП)
Спеціальність: Розумний транспорт і логістика для міст (освітньо-наукова програма)
Інститут: Інститут механічної інженерії та транспорту
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: Попри швидкий прогрес автономних систем, більшість сучасних автомобілів працюють на рівнях автоматизації L2-L3, коли водій залишається «останнім запобіжником» і має за лічені секунди перебрати управління після тривалої пасивності. Переходити від наглядача до активного кермування людині складно: когнітивне навантаження й фізіологічна готовність різко змінюються, що не раз призводило до фатальних затримок реакції. У змішаному трафіку автономні й традиційні транспортні засоби взаємодіють одночасно, підвищуючи непередбачуваність дорожніх ситуацій і посилюючи роль індивідуальних психофізіологічних чинників безпеки. Незважаючи на активний розвиток автоматизації транспортних систем, безпека руху й досі істотно залежить від психофізіологічного стану водія. Перші системні дослідження показали, що характерне зростання потужності ?- та ?-хвиль ЕЕГ і сповільнення реакцій виникають за кілька хвилин до клінічної сонливості [1]. Проте навіть за ретельної лабораторної перевірки точний механізм взаємодії когнітивного навантаження й фізіологічної відповіді лишається невизначеним, особливо в реальних умовах із мінливим профілем ухилів та швидкостей [2]. Додатковим викликом є гетерогенність професійних водіїв: стандартні тести часто ігнорують особистісні риси та здатність до переключення уваги. Аналіз понад 2 500 ДТП показав, що низькі результати таких когнітивних тестів подвоюють імовірність аварії [3]. У відповідь пропонуються багатомодальні моделі, які поєднують суб’єктивні анкети, варіабельність серцевого ритму й параметри маневрування та демонструють точність до 96 % у симуляторі [4]. Разом із тим практичне впровадження алгоритмів потребує недорогих і зручних сенсорів. Зокрема, тривалість моргання виявилася надійним індикатором зорового навантаження без інвазивних датчиків [5]. Отже, нагальною є потреба у компактних, економічних і водночас чутливих рішеннях, які враховують індивідуальні психофізіологічні відмінності та складність дорожнього середовища. Об’єкт дослідження – водій таксі. Предмет дослідження – закономірності зміни показників функціонального стану водіїв при керуванні автомобілями з різними ергономічними характеристиками. Мета дослідження: на основі натурних досліджень визначити закономірності зміни індексу напруження регуляторних систем водіїв таксі в різні робочі періоди доби. Отримані дані показують, що рівень регуляторного напруження змінюється протягом доби. Зокрема, підвищення середньої швидкості руху на 10–15 км/год супроводжувалося зниженням індексу напруження на 30–40 %. Ергономіка автомобіля теж істотно впливає на величину ІН: у бюджетних моделях із «механікою» максимальні значення сягали 390% від базового рівня (приблизно 400–420 у.о.), тоді як у комфортніших авто з «автоматом» ІН не перевищував 250 у.о. Ключові слова – варіабельність серцевого ритму; функціональний стан водія; регуляторне напруження; ергономіка транспортного засобу; технічна швидкість руху. Перелік використаних літературних джерел. 1. Lal, S. K., & Craig, A. (2001). A critical review of the psychophysiology of driver fatigue. Biological Psychology, 55(3), 173–194. https://doi.org/10.1016/S0301-0511(00)00085-5 2. Wu, Y., & Jing, Y. (2023). Speed control and driver psychophysiological performance on freeway upgrades. Transportation Research Record. https://doi.org/10.1177/03611981231156590 3. Zaranka, J., Peceliunas, R., & Zuraulis, V. (2021). Methodology for the selection of professional drivers based on road safety: Behavioral analysis and accident rate. International Journal of Environmental Research and Public Health, 18(23), 12487. https://doi.org/10.3390/ijerph182312487 4. Kummetha, V. C., Wang, Y., & Qiu, Q. (2023). Classifying drivers using self-reports, psychophysiological and performance metrics in a simulated environment. Data Science for Transportation, 5(6). https://doi.org/10.1007/s42421-023-00069-8 5. Benedetto, S., Pedrotti, M., Minin, L., Baccino, T., Re, A., & Montanari, R. (2011). Driver workload and eye blink duration. Transportation Research Part F: Traffic Psychology and Behaviour, 14(3), 199–208. https://doi.org/10.1016/j.trf.2010.12.001.