ДИНАМІЧНА МОДЕЛЬ РОЗРАХУНКУ РІВНЯ ВТОМИ ШТУРМАНА – PREDICTIVE FATIGUE INDEX
https://doi.org/10.33815/2313-4763.2025.2.31.199-208
Анотація
У роботі розглядаються проблеми оцінки людського фактора у судноводінні з особливим акцентом на втомі та когнітивному навантаженні судноводія під час роботи з ECDIS. Проведено аналіз сучасних підходів і математичних моделей із визначенням їх переваг і недоліків щодо прогнозування помилок оператора. Запропоновано модель інтегрального показника: PFI (Psychophysical Fatigue Index) для кількісної оцінки фізіологічної втоми з урахуванням когнітивного навантаження від фізіологічних, операційних і контекстних факторів. Модель передбачає динамічне корегування вагових коефіцієнтів на основі машинного навчання та інтегрує контекстні параметри, такі як: погода, трафік і час доби. Модель працює у двох режимах: операційному та стаціонарному. Показано можливість інтеграції моделі у навігаційні системи та тренажери для раннього виявлення підвищеної втоми та перевантаження. Запропонована модель дозволяє підвищити точність прогнозування ризику помилок, оптимізувати планування вахт і сприяти підвищенню безпеки морських навігаційних операцій. Надано порівняльний аналіз можливостей існуючих моделей та запропонованої. Розглянуті перспективи подальших досліджень, що включають адаптивну індивідуалізацію моделей і інтеграцію багатовимірних даних для комплексної оцінки стану судноводія.
Посилання
URL: https://www.emsa.europa.eu/publications/download/8329/5562/23.html.
2. Asanka Rajapakse, Gholam Reza Emad (2023). Fatigue, an unsolved puzzle that continues contributing to accidents at sea, Marine Policy, Volume 155, 105745, ISSN 0308-597X, https://doi.org/10.1016/j.marpol.2023.105745.
3. Maternová, A., Materna, M., Dávid, A., Török, A., Švábová, L. (2023). Human Error Analysis and Fatality Prediction in Maritime Accidents. J. Mar. Sci. Eng.,11, 2287. https://doi.org/10.3390/jmse11122287.
4. Vojkovi´c, L., Bakota, M., Kuzmani´c Skelin, A. (2024). Using the Bayes Probability Model to Evaluate the Risk of Accidents Caused by the Electronic Chart Display and Information System J. Mar. Sci. Eng., 12(8), 391; https://doi.org/10.3390/jmse12081391.
5. Gizem Kayisoglu, Pelin Bolat and Kimberly Tam (2022). Evaluating SLIM-based human error probability for ECDIS cybersecurity in maritime. The Journal of Navigation, 75:6 1364–1388, doi:10.1017/S0373463322000534.
6. Liu Yang, Luyao Li, Qing Liu, Yue Ma, Junsong Liao (2023). Influence of physiological, psychological and environmental factors on passenger ship seafarer fatigue in real navigation environment, Safety Science, Volume 168, 106293, ISSN 0925–7535, https://doi.org/10.1016/j.ssci.2023.106293.
7. Christine Chauvin, Salim Lardjane, Gaël Morel, Jean-Pierre Clostermann, Benoît Langard (2013). Human and organisational factors in maritime accidents: Analysis of collisions at sea using the HFACS, Accident Analysis & Prevention, Volume 59, Pages 26–37, ISSN 0001-4575, https://doi.org/10.1016/j.aap.2013.05.006.
8. Laihao Ma, Xiaoxue Ma, Ting Wang, Liguang Chen, He Lan (2024). On the development and measurement of human factors complex network for maritime accidents: A case of ship groundings, Ocean & Coastal Management, Volume 248, 106954, ISSN 0964-5691, https://doi.org/10.1016/j.ocecoaman.2023.106954.
9. Nosov, P. S., Ben, A. P., Matejchuk, V. N., Safonov, M. S. (2018). «IDENTIFICATION OF “HUMAN ERROR” NEGATIVE MANIFESTATION IN MARITIME TRANSPORT». Radio Electronics, Computer Science, Control, 2018 (№ 4). P. 204–213, https://doi.org/10.15588/1607-3274-2018-4-20.
10. Nosov, P. S., Cherniavskyi, V. V., Zinchenko, S. M., Popovych, I. S., Nahrybelnyi, Ya. А., Nosova, H. V. (2021). «IDENTIFICATION OF MARINE EMERGENCY RESPONSE OF ELECTRONIC NAVIGATION OPERATOR». Radio Electronics, Computer Science, Control, (№ 1), P. 208–223, https://doi.org/10.15588/1607-3274-2021-1-20.
11. Žagar, D., Svetina, M., Košir, A., Dimc, F. (2020). «Human Factor in Navigation: Overview of Cognitive Load Measurement during Simulated Navigational Tasks». Journal of Marine Science and Engineering, 8(10), 775, P. 1–11. https://doi.org/10.3390/jmse8100775.
12. Article «Human Factors and Maritime Safety» – Christine Chauvin. The Journal of Navigation, (2011), 64(4), 625–632 https://doi.org/https://doi.org/10.1017/S0373463311000142.
13. Shiqi Fan, Zaili Yang (2023). Towards objective human performance measurement for maritime safety: A new psychophysiological data-driven machine learning method, Reliability Еngineering & System Safety, Volume 233, 109103, ISSN 0951-8320, https://doi.org/10.1016/j.ress.2023.109103.
14. Manuel Vázquez Neira, Genaro Cao Feijóo, Blanca Sánchez Fernández and José A. Orosa (2025). Deep Learning for Visual Leading of Ships: AI for Human Factor Accident Prevention Appl. Sci., 15(15), 8261; https://doi.org/10.3390/app15158261.
15. Brit-Eli Danielsen, Margareta Lützhöft, Torgeir Kolstø Haavik, Stig Ole Johnsen, Thomas Porathe (2022). “Seafarers should be navigating by the stars”: barriers to usability in ship bridge design, Cognition Technology and Work, 24(4):1–17, P. 675–691, https://doi.org/10.1007/s10111-022-00700-8.
