特殊環(huán)境作業(yè)人員心理風(fēng)險(xiǎn)監(jiān)測(cè)

賈誠(chéng)棟，葉 寧，王汝傳

(南京郵電大學(xué) 計(jì)算機(jī)學(xué)院，江蘇 南京 210023)

0 引 言

特殊環(huán)境是對(duì)個(gè)體生理、情緒、認(rèn)知和社交功能均提出較高要求并產(chǎn)生較強(qiáng)影響的復(fù)雜惡劣環(huán)境[1]。特殊環(huán)境主要包括高原、戈壁、沙漠以及極地等生態(tài)復(fù)雜惡劣的環(huán)境，其主要特點(diǎn)是非常態(tài)性。在此類環(huán)境下的作業(yè)人員，如極地科考人員、高原工作人員以及戈壁工作人員等，他們不僅要面對(duì)封閉、危險(xiǎn)的自然環(huán)境，還要面對(duì)孤獨(dú)、焦慮以及社會(huì)資源匱乏的社會(huì)環(huán)境，同時(shí)在此類環(huán)境下的作業(yè)往往具有高風(fēng)險(xiǎn)和高挑戰(zhàn)的特點(diǎn)，因而對(duì)作業(yè)人員的生理和心理都提出了很高的要求[2]。許多研究都表明，在特殊環(huán)境下作業(yè)人員更容易出現(xiàn)心理方面的變化。在南極惡劣的氣候和長(zhǎng)隔離的狀態(tài)下，科考隊(duì)員會(huì)出現(xiàn)“越冬綜合征”與“極地T3綜合征”，具體表現(xiàn)為睡眠障礙、認(rèn)知損傷、負(fù)性情緒、人際間緊張和沖突的癥狀群[3-4]。在特殊的宇宙環(huán)境中，宇航員容易出現(xiàn)抑郁焦慮的現(xiàn)象[5]。綜上所述，特殊環(huán)境下的作業(yè)人員在工作的時(shí)候所承擔(dān)的心理壓力、認(rèn)知負(fù)荷以及情緒不穩(wěn)定性都高于其他職業(yè)，其心理風(fēng)險(xiǎn)也會(huì)明顯增加[6]。

為保障作業(yè)人員的身心健康，完成工作任務(wù)，有必要對(duì)其心理風(fēng)險(xiǎn)進(jìn)行監(jiān)測(cè)，從而實(shí)時(shí)調(diào)整作業(yè)人員的安排，對(duì)心理風(fēng)險(xiǎn)較大的作業(yè)人員進(jìn)行及時(shí)的心理治療，從而將對(duì)作業(yè)人員的心理傷害及工作損失降到最低。目前大多數(shù)研究都是采用傳統(tǒng)心理學(xué)調(diào)查問(wèn)卷方式對(duì)其心理進(jìn)行研究。薛祚纮采用艾森克人格問(wèn)卷(EPQ)對(duì)中山站科考隊(duì)員的心理活動(dòng)進(jìn)行了研究[7]。陳楠采用對(duì)中國(guó)南極科考隊(duì)員的心理狀態(tài)量表(POMS)，對(duì)其心理變化進(jìn)行了研究[8]。然而問(wèn)卷方式很大程度上會(huì)受到主觀因素的影響，腦電信號(hào)具有非侵入式的特點(diǎn)，可以客觀地反映人體的心理狀態(tài)，同時(shí)，由于其高性價(jià)比和高分辨律，腦電信號(hào)被廣泛應(yīng)用于情緒檢測(cè)[9-11]。Ahmet Mert等人采用經(jīng)驗(yàn)?zāi)B(tài)分解的方式對(duì)高興與不高興兩種情緒實(shí)現(xiàn)了分類[12]。Bazgir等人采用機(jī)器學(xué)習(xí)的方式對(duì)Valence與Arousal兩個(gè)維度的情緒實(shí)現(xiàn)了分類，并取得了不錯(cuò)的效果[13]。近年來(lái)國(guó)內(nèi)外對(duì)于腦電信號(hào)與心理之間的研究也發(fā)展迅速，更為實(shí)現(xiàn)對(duì)作業(yè)人員心理風(fēng)險(xiǎn)進(jìn)行監(jiān)測(cè)提供了理論依據(jù)[14-15]。同時(shí)，心理學(xué)作為研究人體心理變化的傳統(tǒng)方式也為作業(yè)人員心理風(fēng)險(xiǎn)監(jiān)測(cè)提供了基礎(chǔ)。

采用腦電信號(hào)進(jìn)行心理風(fēng)險(xiǎn)的監(jiān)測(cè)，對(duì)于腦電信號(hào)采集設(shè)備的要求也必不可少。近些年，國(guó)內(nèi)外可穿戴技術(shù)也在飛速發(fā)展，更為實(shí)現(xiàn)特殊環(huán)境作業(yè)人員的心理風(fēng)險(xiǎn)監(jiān)測(cè)提供了設(shè)備基礎(chǔ)。設(shè)備設(shè)計(jì)不斷朝輕便化方向發(fā)展，同時(shí)設(shè)備的功能也更加完善。輕便的智能手環(huán)、智能鞋墊等設(shè)備層出不窮，如2014年國(guó)際電子消費(fèi)展的智能手環(huán)、3L Lab智能鞋墊。腦電采集設(shè)備也不斷朝輕便、便攜的方向發(fā)展，如Psytech公司的waveguard腦電帽，CUSOFT公司的腦電采集設(shè)備。同時(shí)針對(duì)可移動(dòng)終端的通信方式也在不斷發(fā)展，傳輸距離不斷增大。劉磊等人提出了一種基于擴(kuò)頻技術(shù)的低功耗廣域網(wǎng)(low-power wide-area network，LPWAN)技術(shù)，已成為物聯(lián)網(wǎng)應(yīng)用的重要基礎(chǔ)網(wǎng)絡(luò)制式。

文中提出一種通過(guò)使用腦電信號(hào)與心理學(xué)融合對(duì)特殊環(huán)境作業(yè)人員的心理風(fēng)險(xiǎn)進(jìn)行監(jiān)測(cè)的方法。采用腦電信號(hào)識(shí)別個(gè)體的情緒，進(jìn)而分析其心理風(fēng)險(xiǎn)，同時(shí)采用層次分析法進(jìn)行心理風(fēng)險(xiǎn)計(jì)算，最終將兩種結(jié)果融合，得到作業(yè)人員的心理風(fēng)險(xiǎn)。腦電信號(hào)的處理分為預(yù)處理、特征提取、特征選擇和模式分類四個(gè)階段[16]；心理學(xué)測(cè)量主要采用心理學(xué)調(diào)查問(wèn)卷的方式進(jìn)行。通過(guò)對(duì)腦電信號(hào)進(jìn)行預(yù)處理與特征提取，使用雙向搜索算法對(duì)提取的信號(hào)進(jìn)行選擇，之后采用KNN算法對(duì)特征進(jìn)行分類。心理學(xué)測(cè)量的方法采用計(jì)算機(jī)在線測(cè)評(píng)的方式進(jìn)行，通過(guò)被試者所提供的結(jié)果進(jìn)行心理的風(fēng)險(xiǎn)評(píng)級(jí)，采用層次分析法分析得到的數(shù)據(jù)，最終將兩種方式的結(jié)果融合得到最終的心理風(fēng)險(xiǎn)等級(jí)。在得知個(gè)體心理風(fēng)險(xiǎn)等級(jí)之后，可以根據(jù)實(shí)際情況對(duì)個(gè)體進(jìn)行實(shí)時(shí)的調(diào)整，從而適應(yīng)實(shí)際的需求。

1 腦電信號(hào)處理

腦電信號(hào)情感識(shí)別通常包含數(shù)據(jù)采集，數(shù)據(jù)預(yù)處理，特征提取，特征選擇和模式分類。其中，通過(guò)EEG通道采集腦電信號(hào)，對(duì)提取得到的腦電信號(hào)進(jìn)行預(yù)處理與特征提取后，采用雙向搜索算法來(lái)選擇具有較少冗余特征的最優(yōu)特征子集，最終，使用KNN算法對(duì)特征集進(jìn)行模式分類。腦電信號(hào)情緒識(shí)別程序如圖1所示。

圖1 腦電信號(hào)情緒識(shí)別流程

1.1 預(yù)處理與特征提取

腦電信號(hào)是一種非平穩(wěn)信號(hào)，其信號(hào)強(qiáng)度非常微弱，極易受到其他信號(hào)如心電、肌電等信號(hào)的影響，從而產(chǎn)生各種偽跡。因此，對(duì)腦電信號(hào)進(jìn)行有效研究的前提就是對(duì)提取得到的信號(hào)進(jìn)行偽跡的消除。

文中使用開放源Matlab EEG分析工具箱EEGLAB進(jìn)行數(shù)據(jù)預(yù)處理。平均參比電極下采樣到128 Hz，然后使用截止頻率為0 Hz～45 Hz的帶通濾波消除工頻干擾，通過(guò)盲源分離技術(shù)消除眼部等其他部位的偽跡，之后對(duì)去噪數(shù)據(jù)進(jìn)行分段，并提取與情緒相關(guān)的數(shù)據(jù)段以供進(jìn)一步分析和處理。在對(duì)腦電信號(hào)進(jìn)行預(yù)處理后，為了加強(qiáng)分類樣本之間的差異，進(jìn)而提升分類性能，對(duì)32導(dǎo)聯(lián)的每段腦電信號(hào)采用2秒重疊和4秒滑動(dòng)時(shí)間窗口分別來(lái)提取頻段的能量作為特征量，并且根據(jù)提取得到的特征來(lái)構(gòu)建腦電信號(hào)特征向量。

1.2 特征選擇

通常，從EEG中提取的腦電特征可能存在大量的與情感識(shí)別不相關(guān)的特征，并且這些特征之間可能相互依賴，這會(huì)導(dǎo)致模型的泛化能力降低，造成模型的識(shí)別效率降低。通過(guò)特征選擇，可以去除大量的與情感識(shí)別不相關(guān)的特征，提高模型的運(yùn)行效率和模型分類的準(zhǔn)確率。根據(jù)特征選擇算法搜索策略的不同，可以將特征選擇算法分為三類：隨機(jī)算法、窮舉算法、序列算法。隨機(jī)算法屬于一種近似算法，可以找出問(wèn)題的近似最優(yōu)解，但是對(duì)于模型參數(shù)的選擇會(huì)很困難。窮舉算法對(duì)特征空間進(jìn)行窮舉搜索，雖然可以得到全局最優(yōu)解，但是時(shí)間復(fù)雜度相當(dāng)高。序列算法屬于貪心算法，算法復(fù)雜度較低，運(yùn)算速度快。為了降低算法時(shí)間復(fù)雜度，文中采用序列算法中的雙向搜索算法(BDS)進(jìn)行特征選擇。

雙向搜索算法(BDS)融合了序列向前選擇(SFS)與序列向后選擇(SBS)的特點(diǎn)，時(shí)間復(fù)雜度比兩者都要小。BDS的算法過(guò)程如下：使用序列前向選擇算法(SFS)從空集開始搜索，同時(shí)使用序列后向選擇算法(SBS)從全集開始搜索，當(dāng)兩者搜索到一個(gè)相同的特征子集C時(shí)停止搜索。SFS和SBS算法的具體過(guò)程如下，假定評(píng)價(jià)函數(shù)為J(x)：

序列前向選擇算法(SFS)的具體過(guò)程為：

步驟1：算法初始化(假設(shè)t=0，i=n，X為原始特征集，i為原始特征集的維度，X*為最優(yōu)特征集，t為最優(yōu)特征集的維度)；

步驟2：從原始特征集中找出滿足條件的x*:

(1)

其中，x∈Xi。

步驟3：將x*加入到最優(yōu)特征集X*中：

(2)

將x*從原始特征集刪除:

Xi-1=Xi-x*

(3)

步驟4：如果t等于所需特征的數(shù)量，則算法結(jié)束，否則返回步驟2。

序列后向選擇算法(SFS)與SBS算法相反，其具體過(guò)程為：

步驟1：初始化算法(假設(shè)i=n，X為原始特征集，n為原始特征集的維度，i為最優(yōu)特征集的維度)；

步驟2：從原始特征集中找出滿足條件的x*：

(4)

其中，x∈Xi。

步驟3：將x*從原始特征集刪除：

Xi-1=Xi-x*

(5)

步驟4：如果i等于所需特征的數(shù)量，則算法結(jié)束,否則返回步驟2。

1.3 模式分類

在情緒分類方面，支持向量機(jī)(SVM)、隨機(jī)森林(RF)、K近鄰(KNN)以及人工神經(jīng)網(wǎng)絡(luò)(ANN)等算法都具有不錯(cuò)的分類效果，文中旨在尋找一種快速相對(duì)準(zhǔn)確的方式進(jìn)行情緒分類，因此采用KNN算法對(duì)Valence維度和Arousal維度中的兩種情緒狀態(tài)進(jìn)行分類。KNN算法是一種非參數(shù)的數(shù)據(jù)分類方法，因此其計(jì)算速度相對(duì)較快，其具體算法為：對(duì)于一個(gè)樣本，如果特征空間中的大多數(shù)k個(gè)最臨近屬于某個(gè)類別，則它也屬于此類別，并且具有此類別中的樣本的特征。換句話說(shuō)，樣本的類別由其距離k最近的一個(gè)或多個(gè)樣本的距離確定。

2 層次分析法

針對(duì)特殊環(huán)境的非常態(tài)性，文中采用層次分析法(AHP)分析主觀問(wèn)卷數(shù)據(jù)對(duì)作業(yè)人員的心理狀態(tài)進(jìn)行分析，針對(duì)特殊環(huán)境下心理常見(jiàn)問(wèn)題各層次提出相應(yīng)的心理指標(biāo)體系，通過(guò)指標(biāo)權(quán)重的計(jì)算對(duì)作業(yè)人員的心理風(fēng)險(xiǎn)進(jìn)行定量分析。層次分析法是通過(guò)對(duì)目標(biāo)的分層將目標(biāo)分成若干個(gè)相互作用的層，確定層次內(nèi)各準(zhǔn)則因素的關(guān)系，通過(guò)各準(zhǔn)則因素對(duì)上層準(zhǔn)則因素的作用，以及對(duì)總目標(biāo)的作用來(lái)確定準(zhǔn)則因素的權(quán)重，通過(guò)對(duì)權(quán)重的計(jì)算進(jìn)行風(fēng)險(xiǎn)計(jì)算的一種方法。通過(guò)層次分析法分析主觀問(wèn)卷數(shù)據(jù)，步驟為：目標(biāo)分層；構(gòu)造判斷矩陣；層次排序及一致性檢驗(yàn)；層次總排序及一致性檢驗(yàn)。AHP方法的具體步驟為：

(1)目標(biāo)分層。根據(jù)目標(biāo)之間的包含關(guān)系，根據(jù)目標(biāo)的功能，將目標(biāo)分為一個(gè)多層次遞階模型。

采用層次分析法進(jìn)行心理風(fēng)險(xiǎn)計(jì)算，需要從眾多的復(fù)雜因素中篩選出關(guān)鍵性的指標(biāo)。通過(guò)對(duì)特殊環(huán)境心理的研究，文中將心理綜合素質(zhì)總目標(biāo)依次分為基本素質(zhì)、心理智力、應(yīng)激能力和人際交往四個(gè)中間層因素?；舅刭|(zhì)是一個(gè)合格的作業(yè)人員應(yīng)當(dāng)具有的基礎(chǔ)素質(zhì)，文中將其分為身體素質(zhì)、工作技能、意志品質(zhì)和團(tuán)隊(duì)協(xié)作四個(gè)最低層因素。心理智力是個(gè)體認(rèn)識(shí)并解決問(wèn)題的能力，體現(xiàn)在工作中就是快速準(zhǔn)確解決工作中遇到的實(shí)際問(wèn)題。文中將其劃分為問(wèn)題把握、問(wèn)題分析、問(wèn)題解決和創(chuàng)新思維四個(gè)最低層因素。應(yīng)激能力是衡量一名作業(yè)人員處理突發(fā)緊急情況時(shí)的心理承受能力，文中將其劃分為應(yīng)激反應(yīng)、情緒控制、環(huán)境適應(yīng)和感官適應(yīng)四個(gè)最低層因素。人際交往是衡量作業(yè)人員在長(zhǎng)時(shí)間封閉環(huán)境下的人際交往能力。文中將其劃分為四個(gè)最低層因素，分別為：人際感受、人事理解、人際表達(dá)和合作協(xié)調(diào)。作業(yè)人員心理綜合素質(zhì)分層如圖2所示。

(2)構(gòu)造判斷矩陣。根據(jù)如下規(guī)則，對(duì)同一層次上的各目標(biāo)關(guān)于上一層中的某目標(biāo)構(gòu)造兩兩比較的判斷矩陣。標(biāo)度1表示兩個(gè)目標(biāo)i、j相比，i、j重要性相同；標(biāo)度3表示兩個(gè)目標(biāo)i、j相比，i比j稍微重要；標(biāo)度5表示兩個(gè)目標(biāo)i、j相比，i比j較為重要；標(biāo)度7表示兩個(gè)目標(biāo)i、j相比，i比j非常重要；標(biāo)度9表示兩個(gè)目標(biāo)i、j相比，i比j絕對(duì)重要；標(biāo)度2、4、6、8表示標(biāo)度中間的重要性值；倒數(shù)的含義為若目標(biāo)i與目標(biāo)j的重要性之比為aij，那么目標(biāo)j與目標(biāo)i的重要性之比為:aji=1/aij。

圖2 心理基本素質(zhì)各準(zhǔn)則要素

(3)層次排序及一致性檢驗(yàn)。對(duì)得到的判斷矩陣，根據(jù)以下公式，計(jì)算其最大特征根λmax對(duì)應(yīng)的特征向量F:

AF=λmaxF

(6)

其中，A為判斷矩陣。之后對(duì)F進(jìn)行歸一化處理就可以作為權(quán)重向量，即同一層次目標(biāo)對(duì)上一層次某目標(biāo)的重要性權(quán)值排序。之后對(duì)權(quán)重向量進(jìn)行一致性檢驗(yàn)來(lái)確定權(quán)重排序的合理性。具體計(jì)算方法如下：

CI=(λmax-n)/(n-1)

(7)

CR=CI/RI

(8)

對(duì)于1-10階判斷矩陣，RI的值可從表1得出，其中n為判斷矩陣的維度。

表1 隨機(jī)一致性指標(biāo)RI

對(duì)于計(jì)算得到的CR，如果CR<0.1,則表明矩陣具備一致性，如果CR≥0.1，則需要對(duì)矩陣進(jìn)行修正來(lái)達(dá)到一致性。

F(k)=G(k)F(k-1)

(9)

(10)

(11)

CR(k)=CI(k)/RI(k)

(12)

當(dāng)CR(k)<0.1時(shí),則認(rèn)為層次結(jié)構(gòu)滿足整體一致性。

3 實(shí) 驗(yàn)

3.1 實(shí)驗(yàn)環(huán)境及數(shù)據(jù)源

實(shí)驗(yàn)在64位Windows7系統(tǒng)上進(jìn)行數(shù)據(jù)的采集與處理工作，采用MATLAB R2015b和Python 2.7對(duì)采集得到的數(shù)據(jù)進(jìn)行處理。為驗(yàn)證所提方法的有效性，選取10名成年男性進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)環(huán)境為模擬特殊環(huán)境作業(yè)環(huán)境采集腦電信號(hào)，同時(shí)進(jìn)行在線問(wèn)卷測(cè)評(píng)。對(duì)于腦電信號(hào)，考慮到實(shí)驗(yàn)的時(shí)間和方便性，太多的電極會(huì)導(dǎo)致數(shù)據(jù)發(fā)生重疊的情況，所以數(shù)據(jù)集人員在32個(gè)引導(dǎo)中只收集128個(gè)導(dǎo)電帽，并且電極位置分布參考國(guó)際10～20標(biāo)準(zhǔn)體系。同時(shí)對(duì)每一名受測(cè)人員在測(cè)試過(guò)后進(jìn)行計(jì)算機(jī)測(cè)評(píng)，測(cè)評(píng)環(huán)境為計(jì)算機(jī)問(wèn)卷。計(jì)算機(jī)采集信息的特點(diǎn)在于計(jì)算機(jī)避免了人為采集帶來(lái)的心理逃避因素，其采集真實(shí)性高于人為采集。數(shù)據(jù)采集的方法是按照心理綜合素質(zhì)各基準(zhǔn)層的要素建立試題庫(kù)，通過(guò)對(duì)試題的作答采集作業(yè)個(gè)人各個(gè)心理要素的成績(jī)。試題列出的基本原則是按照心理基本素質(zhì)各準(zhǔn)則要素的相關(guān)性和先后銜接性來(lái)出題。

3.2 情緒模型及標(biāo)準(zhǔn)

通過(guò)腦電信號(hào)進(jìn)行情緒識(shí)別，文中采用愉悅度(Vanlence)—喚醒度(Arouse)二維情緒模型。Vanlence表示的是人們情緒從低迷逐漸過(guò)渡到興奮，而Arouse表示的是人們情緒由不高興逐漸過(guò)渡到高興。采用KNN算法對(duì)情緒的Vanlence—Arouse進(jìn)行識(shí)別，以不同頻段的能量值作為評(píng)定標(biāo)準(zhǔn)，同時(shí)采用層次分析法對(duì)情緒的風(fēng)險(xiǎn)度進(jìn)行評(píng)判。二維情緒模型如圖3所示。

圖3 二維情緒模型

實(shí)驗(yàn)結(jié)果中，情緒狀態(tài)在Vanlence—Arouse水平上被評(píng)定為1到10，如果維度上的分?jǐn)?shù)越高，表示Vanlence—Arouse高，情緒更為積極，情緒表現(xiàn)更為強(qiáng)烈，否則定義為低，情緒更為消極，情緒表現(xiàn)更為壓抑。將兩個(gè)維度的分值相乘即為腦電情緒識(shí)別的心理風(fēng)險(xiǎn)。在層次分析法心理測(cè)評(píng)方面，分值為百分制，分值越低表示心理風(fēng)險(xiǎn)越高。對(duì)于最終的兩種心理風(fēng)險(xiǎn)評(píng)測(cè)結(jié)果將其進(jìn)行融合，通過(guò)層次分析法的修補(bǔ)來(lái)彌補(bǔ)腦電識(shí)別的誤差，最終結(jié)果的計(jì)算公式為：腦電心計(jì)算值×0.7+層次分析法計(jì)算值×0.3。如果最后總得分越高，則表示心理風(fēng)險(xiǎn)越低。

3.3 層次分析法排序

設(shè)最高層為A，中間層為B，最底層為C。設(shè)計(jì)判斷矩陣如圖4所示。經(jīng)一致性檢驗(yàn)，各矩陣CR均小于0.1，即滿足一致性要求。對(duì)各元素的總排序結(jié)果如表2所示。

3.4 實(shí)驗(yàn)結(jié)果

對(duì)10名受測(cè)人員進(jìn)行測(cè)評(píng)的Vanlence與Arouse水平結(jié)果如表3所示。

圖4 各判斷矩陣

表2 各元素總排序

表3 Vanlence與Arouse水平識(shí)別結(jié)果

從表3可以看出，對(duì)于Vanlence水平，1、2、4、6、9、10號(hào)受測(cè)人員的Vanlence水平較高，情緒較為愉悅；3、8號(hào)受測(cè)人員的Vanlence水平適中，情緒較為平靜；5、7號(hào)受測(cè)人員的Vanlence水平較低，情緒較為低沉、緊張。對(duì)于Arouse水平1、3、4、5、7、8號(hào)受測(cè)人員的Arouse水平較高，表明情緒的激活程度較高，情緒的表達(dá)最為明顯；2、6、9號(hào)受測(cè)人員的Arouse水平適中，表明情緒激活程度適中，情緒表達(dá)正常；10號(hào)受測(cè)人員的Arouse水平較低，表明情緒激活程度較低，情緒表達(dá)不明顯。對(duì)10名受測(cè)人員通過(guò)層次分析法進(jìn)行測(cè)評(píng)的心理風(fēng)險(xiǎn)計(jì)算結(jié)果如表4所示。

表4 層次分析法評(píng)價(jià)結(jié)果

從表4中可以看出，1、2、3、4、6、10號(hào)受測(cè)人員的心理風(fēng)險(xiǎn)評(píng)價(jià)得分較高；8、9號(hào)受測(cè)人員的心理風(fēng)險(xiǎn)評(píng)價(jià)得分一般；5、7號(hào)受測(cè)人員的心理風(fēng)險(xiǎn)評(píng)價(jià)得分較低。將兩種方法的結(jié)果按照前述方法進(jìn)行融合，得到表5所示的心理風(fēng)險(xiǎn)數(shù)據(jù)。

表5 心理風(fēng)險(xiǎn)計(jì)算結(jié)果

當(dāng)風(fēng)險(xiǎn)值處于81～100區(qū)間時(shí)屬于低風(fēng)險(xiǎn)，當(dāng)風(fēng)險(xiǎn)值處于61～80區(qū)間時(shí)，屬于一般風(fēng)險(xiǎn)，當(dāng)風(fēng)險(xiǎn)值處于31～60區(qū)間時(shí)屬于中等風(fēng)險(xiǎn)，當(dāng)風(fēng)險(xiǎn)值處于11～30區(qū)間時(shí)屬于重大風(fēng)險(xiǎn)，當(dāng)風(fēng)險(xiǎn)值處于0～10區(qū)間時(shí)，屬于特大風(fēng)險(xiǎn)。

綜合以上數(shù)據(jù)，可以看出編號(hào)為4的受測(cè)人員情緒較為高興，心理風(fēng)險(xiǎn)屬于低，適合繼續(xù)作業(yè)；編號(hào)為1、2的受測(cè)人員，情緒較為平靜，心理風(fēng)險(xiǎn)屬于一般風(fēng)險(xiǎn)，需要適度的自我調(diào)控；編號(hào)為3、5、6、8、9、10的受測(cè)人員情緒較為緊張，心理風(fēng)險(xiǎn)屬于中等，需要進(jìn)行一定的心理指導(dǎo)；編號(hào)為7的受測(cè)人員情緒非常緊張，心理風(fēng)險(xiǎn)屬于重大風(fēng)險(xiǎn)，需要及時(shí)充分的心理治療之后才可以繼續(xù)作業(yè)。在該實(shí)驗(yàn)中無(wú)特大風(fēng)險(xiǎn)受測(cè)者。

4 結(jié)束語(yǔ)

面向特殊環(huán)境，針對(duì)作業(yè)人員工作當(dāng)中的心理風(fēng)險(xiǎn)問(wèn)題，提出融合腦電信號(hào)分析與心理學(xué)測(cè)量的方法來(lái)進(jìn)行作業(yè)人員心理風(fēng)險(xiǎn)的監(jiān)測(cè)。利用腦電信號(hào)對(duì)作業(yè)人員Vanlence和Arouse兩個(gè)維度的狀態(tài)進(jìn)行評(píng)定，同時(shí)采用層次分析法對(duì)作業(yè)人員的心理風(fēng)險(xiǎn)進(jìn)行評(píng)級(jí)，能夠更有效地把握作業(yè)人員的心理狀態(tài)。該研究對(duì)于調(diào)整作業(yè)人員結(jié)構(gòu)，降低針對(duì)作業(yè)人員的傷害以及降低作業(yè)損失具有現(xiàn)實(shí)意義。最后實(shí)驗(yàn)表明該算法性能可靠，具有較高的可行性。當(dāng)然，如何使得腦電信號(hào)的處理更加迅速便捷，處理結(jié)果更加準(zhǔn)確，將是下一步工作的重點(diǎn)。