Pilot Mental Workload Assessment Using fNIRS-Based Brain Effective Connectivity During Crosswind Approach and Landing
Notice bibliographique
Résumé
Excessive pilot mental workload during crosswind approach and landing affects pilots’ ability to maintain a stable approach and landing and may cause the aircraft to run off the runway. This paper reports a flight simulator study involving 24 cadet pilots with real flight experience. We used 38-channel noninvasive functional near-infrared spectroscopy (fNIRS) to collect the participates’ brain data. Subjective workload ratings and fNIRS data containing three hemoglobin signals, that is, changes in the concentration of oxyhemoglobin (ΔOxyHb), changes in the concentration of deoxyhemoglobin (ΔDeoxyHb), and changes in the concentration of total hemoglobin (ΔTotalHb), were collected from 48 approach and landing scenarios with and without crosswind. A total of 4,218 effective connectivity (EC) features were extracted from three hemoglobin signals across all sampling channels using Granger causality (GC). Statistical analysis was conducted on the subjective ratings and EC features, and EC features with absolute correlation coefficients greater than 0.2 were selected as inputs for the models. Combining TabNet and decision tree (DT), a stacking ensemble learning model (TabNet-DT) was established as a classifier for evaluating pilot mental workload and was compared with TabNet and DT. The results suggested that brain EC can be used to differentiate various levels of pilot mental workload and that ΔTotalHb was the most sensitive to pilot mental workload. Compared with the other models, TabNet-DT demonstrated superior performance, achieving 93.19% accuracy after selecting the combination of features of different hemoglobin signals. The findings from this study can contribute to improving flight safety during approach and landing.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».