智能调度模式与排名压力下矿卡司机心理负荷研究

doi:10.16265/j.cnki.issn1003-3033.2026.08.1470

中国安全科学学报 ›› 2026, Vol. 36 ›› Issue (8): 142-149.doi: 10.16265/j.cnki.issn1003-3033.2026.08.1470

智能调度模式与排名压力下矿卡司机心理负荷研究

饶彬舰¹(), 江松²^,³^,^**(), 张雅岚², 卢才武², 顾清华²

¹ 西安建筑科技大学管理学院, 陕西西安 710055
² 西安建筑科技大学资源工程学院, 陕西西安 710055
³ 中钢集团马鞍山矿山研究总院有限公司, 安徽马鞍山 243000

收稿日期:2026-03-10 修回日期:2026-05-10 出版日期:2026-08-28
通信作者:
**江松(1990—),男,江西鄱阳人,博士,教授,主要从事智慧矿山、矿山人因工程等方面的研究。E-mail: jiangsong@xauat.edu.cn。
作者简介:
饶彬舰 (1999—),男,湖南常德人,博士研究生,研究方向为智慧矿山、矿山人因工程与数据分析。E-mail: raobinjian@xauat.edu.cn。
卢才武教授
顾清华教授
基金资助:
中国博士后基金面上项目资助(2022M722925); 陕西省重点研发计划资助(2024GX-YBXM-495)

Research on effects of intelligent dispatching mode and ranking pressure on mental workload of mining truck drivers

Rao Binjian¹(), Jiang Song²^,³^,^**(), Zhang Yalan², Lu Caiwu², Gu Qinghua²

¹ School of Management, Xi'an University of Architecture and Technology, Xi'an Shaanxi 710055, China
² School of Resource Engineering, Xi'an University of Architecture and Technology, Xi'an Shaanxi 710055, China
³ Sinosteel Maanshan General Institute of Mining Research Co., Ltd., Maanshan Anhui 243000, China

Received:2026-03-10 Revised:2026-05-10 Published:2026-08-28

摘要/Abstract

摘要：

为探究矿山智能化转型中调度模式与排名压力对矿卡司机心理负荷的影响,以24名矿卡司机为被试,基于脑电(EEG)生理测量方式开展诱发心理负荷的驾驶模拟试验;针对心理负荷监测获取功率谱积分值,并结合主观量表评分、驾驶行为绩效指标分析调度模式、排名压力2类影响因素;比较各指标在不同的任务组别下的变化。结果表明:主观负荷维度,由“绑定模式”向“派单模式”转换时,尤其在叠加“排名压力”后,操作者的认知需求与主观投入度评分显著增加;行为绩效维度,“绑定模式”下司机呈现出更高的平均时速与更少的刹车频次,而“派单模式”在突发任务的系统响应时间与调度灵活性上表现更优;生理特征维度,EEG功率谱积分值的变化证实,单一的“派单模式”能使心理负荷维持在适度水平,但当“派单模式”与“排名压力”双重应激并存时,产生显著的协同放大效应,导致司机心理负荷进入过载状态。

关键词: 智能调度模式, 排名压力, 矿卡司机, 心理负荷, 脑电(EEG)

Abstract:

To investigate the effects of dispatching mode and ranking pressure on the mental workload of mining truck drivers, 24 drivers participated in driving simulation experiments with EEG monitoring. EEG power spectrum integrals, subjective workload scores, and driving performance indicators were analyzed under different task conditions. The results showed that switching from the "binding mode" to the "dispatch mode", particularly with ranking pressure, significantly increased drivers' cognitive demand and effort. The "binding mode" resulted in higher average speeds and fewer braking events, whereas the "dispatch mode" provided faster responses and greater flexibility in unexpected tasks. EEG results indicated that the "dispatch mode" alone maintained mental workload at a moderate level, while its combination with ranking pressure produced a significant synergistic effect, leading to mental workload overload.

Key words: intelligent dispatching patterns, ranking pressure, mining truck driver, mental workload, electroencephalography(EEG)

中图分类号:

饶彬舰, 江松, 张雅岚, 卢才武, 顾清华. 智能调度模式与排名压力下矿卡司机心理负荷研究[J]. 中国安全科学学报, 2026, 36(8): 142-149.

Rao Binjian, Jiang Song, Zhang Yalan, Lu Caiwu, Gu Qinghua. Research on effects of intelligent dispatching mode and ranking pressure on mental workload of mining truck drivers[J]. China Safety Science Journal, 2026, 36(8): 142-149.

图/表 14

表1

图1

图2

表2

图3

图4

图5

图6

图7

图8

表3

表4

图9

图10

参考文献 17

[1]	贺一博. 露天煤矿车辆安保系统智慧化评价体系[J]. 中国安全科学学报, 2022, 32(增刊2): 160-165.
	He Yibo. Intelligent evaluation system of vehicle safety guarantee system in open pit coal mine[J]. China Safety Science Journal, 2022, 32(S2): 160-165. doi: 10.16265/j.cnki.issn1003-3033.2022.S2.0022
[2]	张芷璐, 卢国斌, 姜福川. 基于自我控制和职业倦怠中介作用的矿工心理韧性对安全绩效的影响[J]. 煤矿安全, 2023, 54(2): 246-251.
	Zhang Zhilu, Lu Guobin, Jiang Fuchuan. Influence of mental toughness of miners on safety performance based on mediating effect of self-control and job burnout[J]. Safety in Coal Mines, 2023, 54(2): 246-251.
[3]	郭焘, 王祥尧, 邱思然. 矿工心理健康风险及不安全行为:基于文化圈层理论的量化研究[J]. 中国安全科学学报, 2021, 31(增刊1): 129-135.
	Guo Tao, Wang Xiangyao, Qiu Siran. Mental health risks and unsafe behaviors of coal mine workers: a quantitative study based on cultural circle theory[J]. China Safety Science Journal, 2021, 31(S1): 129-135. doi: 10.16265/j.cnki.issn 1003-3033.2021.S1.023
[4]	田水承, 丁洋, 匡秘姈. 疲劳中介效应下矿工心理因素对不安全行为的影响[J]. 西安科技大学学报, 2023, 43(1): 47-54.
	Tian Shuicheng, Ding Yang, Kuang Miling. Influence of miners' psychological factors on unsafe behaviors under the fatigue-mediated effect[J]. Joumal of Xi'an University of Science and Technology, 2023, 43(1): 47-54.
[5]	李金波, 许百华. 人机交互过程中认知负荷的综合测评方法[J]. 心理学报, 2009, 41(1): 35-43.
	Li Jinbo, Xu Baihua. Synthetic assessment of cognitive load in human-machine interaction process[J]. Acta Psychologica Sinica, 2009, 41(1): 35-43. doi: 10.3724/SP.J.1041.2009.00035
[6]	Schaap T W, Van der Horst A R A, Van Arem B, et al. Drivers' reactions to sudden braking by lead car under varying workload conditions; towards a driver support system[J]. IET Intelligent Transport Systems, 2008, 2(4): 249-257. doi: 10.1049/iet-its:20080030
[7]	Pickup L, Wilson J R, Sharpies S, et al. Fundamental examination of mental workload in the rail industry[J]. Theoretical Issues in Ergonomics Science, 2005, 6(6): 463-482. doi: 10.1080/14639220500078021
[8]	Li Jue, Li Heng, Wang Hongwei, et al. Evaluating the impact of mental fatigue on construction equipment operators' ability to detect hazards using wearable eye-tracking technology[J]. Automation in Construction, 2019, 105: DOI:10.1016/j.autcon.2019.102835.
[9]	Luximon A, Goonetilleke R S. Simplified subjective workload assessment technique[J]. Ergonomics, 2001, 44(3): 229-243. pmid: 11219757
[10]	Mansikka H, Virtanen K, Harris D. Comparison of NASA-TLX scale, modified Cooper-Harper scale and mean inter-beat interval as measures of pilot mental workload during simulated flight tasks[J]. Ergonomics, 2019, 62(2): 246-254. doi: 10.1080/00140139.2018.1471159 pmid: 29708054
[11]	李乃梁, 陆勇, 李开伟. 无人机操作主观心理负荷测评与心率数据比较[J]. 中国安全生产科学技术, 2021, 17(4): 35-41.
	Li Nailiang, Lu Yong, Li Kaiwei. Comparison of subjective mental workload evaluation and heart rate data of UAV operation[J]. Journal of Safety Science and Technology, 2021, 17(4): 35-41.
[12]	Luis C, RamÓn H, Iván G, et al. Characterisation of mobile-device tasks by their associated cognitive load through EEG data processing[J]. Future Generation Computer Systems, 2020, 113: 380-390. doi: 10.1016/j.future.2020.07.013
[13]	卢才武, 高睿阳, 徐晓慧, 等. 基于脑电数据的不同噪声工况下矿工注意力研究[J]. 中国安全科学学报, 2023, 33(5): 35-41. doi: 10.16265/j.cnki.issn1003-3033.2023.05.2228
	Lu Caiwu, Gao Ruiyang, Xu Xiaohui, et al. Study on miners' attention under different noise conditions based on EEG data[J]. China Safety Science Journal, 2023, 33(5): 35-41. doi: 10.16265/j.cnki.issn1003-3033.2023.05.2228
[14]	Wu Y, Miwa T, Uchida M. Using physiological signals to measure operator's mental workload in shipping:an engine room simulator study[J]. Journal of Marine Engineering & Technology, 2017, 16(2): 61-69.
[15]	覃慧怡, 汪玉林, 雷旭. 头皮脑电重测信度的研究进展[J]. 中国生物医学工程学报, 2024, 43(1): 106-116.
	Qin Huiyi, Wang Yulin, Lei Xu. Research progress of test-retest reliability based on scalp EEG[J]. Chinese Journal of Biomedical Engineering, 2024, 43(1): 106-116.
[16]	Verma R, Dekar R. Sleep disorder detection by Welch Algorithm based PSD analysis on EEG signals[J]. Sleep, 2018, 5(6):858-865.
[17]	余海燕, 逯楠, 李小甫. 同城货运众包平台的车货匹配模式对比研究[J]. 运筹与管理, 2022, 31(11): 206-212. doi: 10.12005/orms.2022.0375
	Yu Haiyan, Lu Nan, Li Xiaofu. Comparative study on the vehicle and cargo matching modes of intra city freight based on crowdsourcing platform[J]. Operations Research and Management Science, 2022, 31(11): 206-212. doi: 10.12005/orms.2022.0375

节律波类型	生理特征
δ波(0.5~4 Hz)	清醒状态下较少出现,但在某些疾病状态或大脑受损情况下可能会出现
θ波(4~8 Hz)	被试警觉性不足,例如感到极度疲惫时通常会出现
α波(8~13 Hz)	通常在放松和注意力集中的状态下出现,并与视觉皮层的抑制性行为关联度较高
β波(13~30 Hz)	通常与清醒、警觉和集中力相关,处于高度警觉和激动状态时发生概率会显著增加

指标	实测量
噪声/dB	80~85
温度/℃	15~25
湿度/%	50~80

评价因素	任务组别
评价因素	绑定模式	派单模式- 无排名压力	派单模式- 有排名压力
认知需求	3.79	4.61	7.23
体能负荷	4.35	4.71	7.31
投入度	4.56	5.23	7.89
时间压力	4.86	4.88	8.35
挫败感	3.81	3.47	6.32
自我绩效评估	3.99	3.48	6.96
总分	25.36	26.38	44.06

驾驶绩效	任务组别
驾驶绩效	绑定模式	派单模式- 无排名压力	派单模式- 有排名压力
平均时速/km	30.79	26.61	27.98
平均刹车次数	29.60	32.15	35.90

智能调度模式与排名压力下矿卡司机心理负荷研究

Research on effects of intelligent dispatching mode and ranking pressure on mental workload of mining truck drivers

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 17

相关文章 14

编辑推荐

Metrics

本文评价

[1]	江松, 刘迪真, 陈盈, 蒋国炜, 徐中华, 何润丰. 基于脑电信号的不同照度对矿工注意力的影响研究[J]. 中国安全科学学报, 2025, 35(9): 113-120.
[2]	张越, 张诗, 段伟建, 朱兴林, 徐进. 基于实车驾驶数据的互通立交匝道区行车综合风险评价[J]. 中国安全科学学报, 2025, 35(8): 219-226.
[3]	张勉, 易灿南, 蒋复量, 胡鸿, 吴文, 张思佳. 疲劳对操纵员监视行为影响机制的脑电试验[J]. 中国安全科学学报, 2024, 34(9): 50-58.
[4]	张光远, 邓龙, 王亚伟, 孙自伟, 李莎, 陈诚. 基于脑电信号特征的高铁调度员疲劳状态识别[J]. 中国安全科学学报, 2024, 34(6): 235-246.
[5]	卢才武, 高睿阳, 徐晓慧, 江松, 刘迪, 付信凯. 基于脑电数据的不同噪声工况下矿工注意力研究[J]. 中国安全科学学报, 2023, 33(5): 35-41.
[6]	张舒, 王双, 史秀志. 不安全行为决策中情绪作用机制的脑电研究[J]. 中国安全科学学报, 2023, 33(1): 32-40.
[7]	张雪榆, 潘存书, 林伟, 徐进. 山地城市多车道交织区驾驶人心理负荷研究[J]. 中国安全科学学报, 2022, 32(3): 25-32.
[8]	王莉莉, 朱敏. 基于脑电数据的管制架次对管制员疲劳影响研究[J]. 中国安全科学学报, 2021, 31(2): 173-178.
[9]	许锋. 视频侦查员作业疲劳评估[J]. 中国安全科学学报, 2020, 30(10): 179-185.
[10]	王莉莉, 陈凤兰. 基于脑电的管制员认知行为与疲劳的关系研究[J]. 中国安全科学学报, 2018, 28(7): 1-6.
[11]	姜兴宇, 徐海峰, 吴善春, 赵地. 地铁驾驶员驾驶疲劳状态监测[J]. 中国安全科学学报, 2018, 28(6): 19-24.
[12]	胡剑锋, 王涛涛. 基于脑电信号模糊熵的驾驶疲劳检测分析[J]. 中国安全科学学报, 2018, 28(4): 13-18.
[13]	刘天娇, 马锦飞. 高速公路驾驶员主动疲劳的脑电检测分析[J]. 中国安全科学学报, 2018, 28(10): 13-18.
[14]	钟铭恩，方遒，洪汉池，蔡建进. 驾驶员脑电模糊熵与酒后驾车交通事故倾向相关性研究[J]. 中国安全科学学报, 2013, 23(8): 59-.