高密闭复杂作业环境脑机协同智能安全管控示范场景

需求详情

需求基础：该场景面向高密闭、高认知负荷、长时间连续作业及突发任务处置等复杂人机协同环境，重点解决传统作业系统“重设备状态、轻人员状态”的问题。依托脑机接口、多模态生理感知、人工智能、数字仿真及人机协同等技术基础，融合脑电、心电、眼动、皮温、行为操作及任务过程数据，构建人员认知负荷、疲劳、情绪应激、注意力及决策效能等状态的连续感知与综合评估能力，形成“状态感知一智能评估一风险预警一主动干预一效果复核”的闭环技术体系。场景可适配飞机驾驶舱、轨道交通驾驶室、特种装备舱室、工业控制室及应急值守空间等典型高密闭作业环境，为复杂环境下人员安全保障、能力训练和智能人机协同提供示范基础。附件所述研究同样强调在长航时、低能见度、自动化异常和特情处置等高风险条件下开展连续状态评估和闭环验证。需求内容：拟建设面向高密闭复杂作业环境的脑机协同智能安全管控示范场景，形成多模态人员状态感知、认知状态评估、风险分级预警、主动干预和训练评估等能力；支持脑电、心电、眼动、皮温等不少于4类数据融合，覆盖认知负荷、疲劳、情绪、注意力和决策效能等不少于5类关键状态，关键状态识别准确率达到90%以上，并形成可跨行业、跨任务迁移的标准化技术平台。相关指标与附件提出的“采集模态≥4种、评估维度≥25维、关键维度分类准确率≥90%”保持一致。拟通过人员状态实时感知和智能干预，将复杂作业环境下的安全保障由“事后分析”提升为“事前预警、事中干预、事后复核”，关键风险事件响应时间缩短15%以上，人员操作差错次数降低20%以上，疲劳等关键状态指标改善20%以上；形成可复制推广的高密闭环境人因安全与智能训练解决方案，为航空、轨道交通、特种装备、工业生产等领域规模化应用提供示范。上述量化目标可与附件提出的“关键事件反应时缩短≥15%、训练操作差错次数下降≥20%、疲劳指标改善≥20%”相衔接。