Modellierung der Ausprägung und Auswirkungen mentaler Belastungszustände von Fernassistenten für hochautomatisierte Fahrzeuge

Abstract

Wechselnde mentale Belastung bei Mitarbeitenden der technischen Aufsicht für automatisierte Fahrzeuge kann zu Performanzeinbußen führen. Eine Erfassung der Arbeitslast während der Aufgabenbearbeitung auf Basis physiologischer Methoden kann helfen, Phasen von Überlast und Unterlast zu erkennen und kritischen Situationen entgegenzuwirken. Zur Untersuchung mentaler Last in der Leitstelle führten wir eine Simulatorstudie durch, in der die Teilnehmenden (insgesamt 41, 35 männlich, 6 weiblich, Durchschnittsalter: 25,1 Jahre) die Aufgabe einer Fernassistenz ("Remote Assistance") erfüllen mussten. Währenddessen wurden verschiedene Stufen mentaler Arbeitsbelastung (niedrig vs. hoch) durch eine auditive n-back Sekundäraufgabe induziert. Während des Experiments wurden physiologische und leistungsbezogene Indikatoren der mentalen Arbeitsbelastung erfasst. Die Ergebnisse zeigen, dass eine hohe Arbeitsbelastung die Leistung der Assistenten tatsächlich beeinträchtigt. Darüber hinaus konnten wir signifikante physiologische Effekte in Bezug auf die Hautleitfähigkeit, die Herzfrequenz und die Pupillengröße zwischen den Arbeitsbelastungsbedingungen feststellen. Mithilfe eines Gradient-Boosting-Modells und einer wiederholten Kreuzvalidierung (leave-one-subject-out) konnten wir den Grad der Arbeitsbelastung mit einer durchschnittlichen Area-under-the-curve von 0,67 über alle Teilnehmer klassifizieren. Zusammengenommen tragen diese Ergebnisse dazu bei, die Auswirkungen mentaler Arbeitsbelastung auf die Leistung von Fernassistenten zu verstehen und ebnen den Weg zur Entwicklung von Methoden zur Echtzeiterfassung von Arbeitsbelastung als Grundlage für adaptive Unterstützungssysteme.