检测反应任务(DRT)在驾驶员认知负荷研究中的应用和发展

随着信息技术的普及和进步,驾驶员对各种类型的车载信息系统和移动智能终端应用使用越来越普遍。在为驾驶员带来便捷的同时,这些信息系统和终端应用也会占用驾驶员较多的认知资源,进而造成驾驶分心,影响驾驶安全。然而,直接测量某一项任务对驾驶员认知负荷的占用具有较高难度。本文介绍的检测反应任务(Detection Response Task,DRT)是一种近年来国际上广泛采用的驾驶员认知负荷间接测量方法,对认知负荷的变化具有较高的敏感性,其主要形式包括远程式视觉检测反应任务(Remote DRT)、头戴式视觉检测反应任务(Head-mounted DRT)与触觉检测反应任务(Tactile DRT)三种。文中详细描述了这三种检测反应任务的呈现方法、在不同场景中的使用范例,以及重要参数的设计原则等,并对不同方法和不同场景中使用的优缺点进行了对比。最后,论文对检测反应任务未来在更多领域的拓展应用进行了展望。

多任务神经网络药物不良反应检测算法

药物不良反应检测对于用药安全与保证治疗效果有重要意义。传统通过检索人工构建的相关知识库来实现药物不良检测的方式低效且易错,很难带来真正的临床价值。随着人工智能技术近年来的快速发展,利用神经网络检测药物不良反应的方法展现出了巨大的应用潜力,但目前的研究普遍以先抽取实体,再判断实体之间关系的序列化方式解决问题,这样的方式会带来误差传递、信息冗余等问题。针对上述问题,提出了一种基于标注策略的多任务神经网络,将药物不良反应与药物相互作用两个任务建模为一个序列标注问题以提升模型的最终性能。实验结果表明,在相关国际比赛与公开任务的数据集上,提出的多任务神经网络在不同的评价指标上都取得了显著的提升。

认知负荷取向下基于记忆−反应冲突的欺骗检测

欺骗检测一直是心理学的重要研究问题。基于欺骗理论的认知视角,研究者提出欺骗检测的认知负荷取向。采用隐瞒信息测试这一测谎范式,通过操纵认知负荷影响个体在虚假反应时的记忆−反应冲突解决过程,考察增加认知负荷对欺骗检测的影响,以期更好地揭示欺骗检测的认知机制。在此基础上,以普通人群和犯罪嫌疑人为被试探查基于记忆−反应冲突的欺骗检测的行为和生理指标,并根据获得的行为和生理指标,采用机器学习方法进行建模,预测个体的欺骗行为。研究结果将服务于司法、安防和人际交往等领域的欺骗检测。

使用车载信息装置对驾驶行为的影响研究

为研究使用车载信息装置对驾驶行为的影响,基于虚拟驾驶仿真平台,开展正常驾驶、操作按键式和触摸屏式收音机驾驶分心试验;应用外周视觉检测任务法（PDT）测量驾驶人反应时间、PDT目标命中率以及车速和跟驰距离等参数,以评估分心行为的心理资源需求及其对驾驶绩效的影响。试验结果表明：使用车载信息装置会降低驾驶人反应能力和驾驶绩效,操作触摸屏分心与操作按键分心相比,驾驶人反应时间延长了167 ms,PDT目标命中率降低了10%,速度保持和车距保持能力下降,使用触摸屏式车载信息装置需要更多的心理资源,对两侧视野内的信息刺激反应明显迟钝,对行车安全有较大影响。