研究文章

基于肌电图、皮肤电反应与情景分析的高速铁路座椅多模态人机工效学评估

DOI:

10.3791/69661

2026年1月9日

本文内容

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

该研究通过整合肌电图、皮肤电导反应及基于情景的分析方法,评估高速铁路不同席别在真实乘车活动下的肌肉疲劳、应激反应及整体舒适度的生理学与人体工程学差异。

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

目前大多数关于高速铁路(HSR)座椅舒适性的研究均基于主观调查和压力分布图;尚无关于长时间乘坐过程中肌肉疲劳与压力累积的生理学报告。由于传统实验室研究无法真实再现实际乘坐中的姿势变化,因此在不同旅行条件下评估动态坐姿表现具有较大难度。为克服这些局限性,本研究通过多模态人机工程学测试方法——包括肌电图(EMG)、皮肤电导反应(SCR)以及基于情景的行为测试——在真实的高速铁路旅行场景中,对商务座、一等座和经济座座椅进行了比较。30名参与者被分为两类座位组别,并置于四种功能性情境中:娱乐、用餐、工作和休息。其中,SCR用于监测自主神经系统的应激反应,EMG用于记录肩部、腰部和颈部的肌肉活动。结果表明,尽管商务座可减轻腰部负担,但在倾斜坐姿下仍无法缓解上肢和颈部的疲劳。一等座在工作姿势方面表现最佳,但无法为不同体型提供灵活支撑,导致头部和腰部不适。由于调节性较低,经济座尽管具备较高的腰部和颈部支撑水平,却引发了最大的肌肉紧张。本研究为未来列车座椅设计中可调节、符合人体工学的理想化座椅提供了科学依据,并强调了将行为学与生理学信息纳入动态座椅分析的重要性。

引言

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

高速铁路(HSR)网络的快速发展改变了全球交通方式,缩短了旅行时间并提高了可达性。尽管高速铁路基础设施持续进行技术改进,但乘坐舒适性,尤其是在长途旅行期间的舒适性,仍是乘客体验中一个至关重要却研究不足的方面。先前研究表明,设计不良的座椅可能导致慢性肌肉骨骼劳损、不适感和肌肉疲劳1,2,3。这些问题在较低等级的座位等级中尤为严重,由于成本导向的设计权衡,常导致结构僵硬、不可调节,无法适应多样化的体型和姿势需求。国际铁路系统,如法国的TGV和日本的新干线,已引入人机工程学原理以改进座椅设计,但针对高速铁路座椅舒适性的系统性、实证性研究仍然匮乏,尤其是关于生理肌肉应激方面的研究4。通过应用人因工程学方法,可更深入地理解乘客的舒适感及疲劳累积过程5。当前主要挑战在于建立一个可靠的评估体系,在考虑实际使用情境和乘客真实行为的基础上,测量生物力学负荷。

近期的人体工程学与人因工程学研究显示,肌电图(EMG)和皮电反应(SCR)能够提供与肌肉疲劳和坐姿疼痛相关的生理反应的客观实时信息6。EMG 是一种广泛用于评估坐姿状态下肌肉局部负荷的技术,其通过电信号测量肌肉活动。此外,SCR 可反映自主神经系统的反应,间接衡量身体不适与压力水平,尤其适用于长时间保持静态姿势的情况7。这些方法通过测量主动与被动的生理反应,有助于更深入地理解座椅设计中的人体工学缺陷。值得注意的是,已有研究成功将 EMG 和 SCR 应用于高认知负荷环境下的任务表现以及数字交互系统的研究中,证明了其在以人为中心的设计评估中的广泛适用性。然而,这些技术尚未被直接应用于轨道交通座椅的相关研究中,其在动态多场景条件下作为评估乘客舒适度工具的潜力仍有待进一步探索8

在数据收集中缺乏基于场景的区分,是当前高速铁路座椅人体工学评估的一个显著缺陷。传统的座椅舒适性研究通常采用静态的实验室环境,无法准确反映真实世界的旅行情况2。然而,在实际的高速铁路环境中,乘客会进行多种活动,如进食、工作、休息和娱乐,这些活动需要不同的肌肉负荷模式和姿势调整9。通过在基于场景的框架内结合肌电图(EMG)和皮电反应(SCR)测量,研究人员能够识别出每种使用情境下特有的生物力学应力因素,从而更准确地评估座椅在不同旅行行为中的性能表现。尽管该方法在数字人因工程和人机交互等领域已取得成功应用,但在交通座椅设计中的应用仍处于初级阶段10。此外,尽管已有少数研究探讨了压力分布图谱,但使用多模态生理与行为测量手段系统比较不同座位等级间肌肉疲劳的研究仍然极为有限11

本文所采用的概念框架(图1)表明,高速铁路的发展、乘客体验与城市集聚之间以复杂的方式相互关联。值得注意的是,这种关联凸显了乘客生活方式的改变以及城市发展对高速铁路座椅设计提出了新的要求,其中人机交互、出行行为和乘客舒适性成为主要考虑因素。高速铁路的出行需求还受到都市圈之间连通性的影响,这种连通性决定了乘客对座椅长期舒适性和人体工学性能的期望。传统座椅设计也正面临挑战,包括工作模式的转变、生活方式的改变,例如移动设备的更频繁使用,以及人们工作习惯的变化,这些都要求创新的人体工学设计。研究结果支持采用更具可塑性、更人性化的方式来设计座椅,这也与本研究的目标相一致。

高速铁路影响示意图;乘客需求、集聚效应、出行模式相互关联。
图1:城际高速铁路研究的概念框架。 本图展示了人口、城市集聚与高速铁路(HSR)研究之间的关联。重点阐述了城市增长和现代生活方式对乘客出行模式、消费需求以及空间需求的影响。此外,该示意图还突出了一种以人为本的研究视角,通过说明高速铁路如何影响并响应城市集群及乘客行为的变化,将城市化进程、流动性与生活方式转变联系起来。请点击此处查看此图的放大版本。

为了填补这些空白,本文利用肌电图(EMG)和皮电反应(SCR)系统地比较了商务舱、头等舱和经济舱中不同高空座椅(HSR)布局的生理影响。本研究的创新之处在于基于情景的实验设计具有过渡性特征,能够揭示与各种工作、休息、用餐和娱乐姿势相关的肌肉疲劳模式问题。该研究提供了定量的生理学数据,并结合了实际乘客行为,从而为座椅布局分析有效提供了符合人体工程学和人因工程学的解决方案。

该研究基于不同座椅类型下肌肉负荷和自主神经反应的横断面变化,就腰部适应性、扶手板位置优化以及坐具结构提供了循证建议。本研究不仅为高速铁路(HSR)中长期坐姿的人体工程学提供了新的科学依据,还针对乘客以舒适性、包容性和灵活性为重点的情况,提出了未来高速铁路座椅可行的设计思路。该研究推进了交通运输领域关于人体工学坐具的既有讨论,并通过整合生物力学与真实人体行为实践,为高速列车制造商如何在其座椅类别中满足不同乘客需求提供了指导。

访问受限。请登录或开始试用以查看此内容。

方案

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究已获得清华大学科学技术伦理委员会医学分委员会的伦理批准(批准号:THU01-20250087),所有参与者在加入研究前均签署了书面知情同意书。

本研究通过多模态人机工效学评估,确定了在不同高速铁路(HSR)座椅等级中的生理负荷及肌肉疲劳情况。相较于传统的静态测量方法,该方法结合情景模拟框架下的肌电图(EMG)和皮肤电反应(SCR),对不同坐姿和乘车过程中的肌肉活动与生理应激进行了更为动态的评估。为测量肌肉激活强度及疲劳发展程度,研究还纳入了两种常用于人机工效学与生物力学评估的生理评价指标:中值频率(MF)和均方根值(RMS)12

该研究采用了可比的实验对照和中性基线(测试前校准)。作为归一化的中性生理参考,参与者在每次实验前以标准直立姿势进行10分钟的基线校准,记录其静息状态下的肌电(EMG)和皮肤电导反应(SCR)水平。此外,商务舱、头等舱和经济舱座椅之间的比较作为实验对照,能够在相同情景模拟活动中区分出座椅特异性效应。

实验环境与设备
为确保生态效度,所有测量均在真实的高速铁路(HSR)车厢内进行。图2展示了商务舱区域的座椅布局与环境、人体工学设计、车厢照明以及乘客座椅解决方案。这些因素不仅影响整体舒适度,还会对皮肤电导反应(SCR)变化和肌电图(EMG)活动等生理反应产生影响。本研究中用于生理监测的可穿戴传感器系统如图3所示。实验所用设备包括:
肌电图(EMG):将表面肌电传感器贴附于受试者的下背部、颈部和肩部,以记录肌肉活动幅度(µV)和中位频率变化(Hz),这两项指标可反映肌肉疲劳程度。
皮肤电导反应(SCR):采用Shimmer3 GSR+传感器以50 Hz的采样频率记录与身体不适和压力相关的表皮电活动。
数据同步:基于Python的软件确保在所有实验条件下,EMG与SCR两类数据的实时整合。

精确的传感器放置:为了实现可重复性和精确的信号采集,表面肌电图(sEMG)电极的放置必须遵循SENIAM指南13。双极Ag/AgCl电极被放置于胸锁乳突肌(乳突与胸骨切迹之间的中点)、上斜方肌(第7颈椎棘突与肩峰之间的中点)以及竖脊肌(L3棘突外侧3 cm处)的肌肉上,使电极与肌纤维方向平行,电极间距为20 mm。每个电极放置部位均需剃除毛发,用70%异丙醇擦拭,并轻微打磨,以确保皮肤阻抗低于5 Ω。参考电极置于外侧上髁。传感器为皮电反应(SCR)传感器,其电极固定于非优势手的食指和中指末节指骨,测试前进行10分钟校准,以确定肌电(EMG)和皮电反应(SCR)的基线参考值。EMG传感器被贴附于下背部、颈部和肩部,用于评估肌肉激活的幅度(µV)和中位频率变化(Hz),后者是肌肉疲劳的指标之一。

采用皮肤电反应(SCR)传感器和无线表面肌电(sEMG)系统采集生理数据,用于测量肌肉活动,所有设备均通过基于Python的数据采集软件同步,以确保时间精度。每次实验前均对所有设备进行校准,以保证信号的准确性和可靠性。

车厢内部设计;客舱内的豪华座椅布局和LED照明细节。
图2:客舱实验环境(商务舱)。 高速列车客舱的内部布局及人体工学设计特征,重点在于提升乘客舒适度和客舱空间规划。客舱配备可倾斜的大型座椅,设有隐私隔板、可调节坐姿控制装置以及可调节照明系统。请点击此处查看此图的放大版本。

显示用于生理数据监测的肌电图(EMG)、皮肤电活动(EDA)、心电图(ECG)设备的可穿戴传感器示意图。
图3:生理监测实验装置。 图示为高速铁路(HSR)车厢内部布局,重点展示了定制化的乘客设施、环境照明和符合人体工学的座椅。设计注重舒适性、实用性和便利性,包括座椅的半私密性、宽敞的腿部空间以及可调节的阅读灯。请点击此处查看该图的放大版本。

参与者与实验设计
采用分层抽样方法共招募了30名健康成年参与者(15名男性和15名女性),以确保商务舱、头等舱和经济舱坐姿条件下的参与者数量均衡。纳入标准为年龄在18至40岁之间的成年人,身体健康,且无影响颈部、肩部或下背部的肌肉骨骼系统疾病史。参与者需无神经系统或全身性疾病的诊断,能够舒适地完成整个实验过程,并同意遵守所有实验程序。排除标准包括:近期或正在经历颈部、肩部或腰部疼痛;曾接受过脊柱或上半身手术;对Ag/AgCl电极有过敏反应;处于妊娠期;使用影响神经肌肉活动的药物;或无法安全完成实验方案者。

最终样本包括30名健康成年人(15名男性和15名女性),均无神经系统和肌肉骨骼系统功能障碍。样本涵盖了商用飞机座椅评估相关的典型体型范围,所有受试者均为右利手,以确保肌电图测量的一致性。

采用交叉实验设计,将参与者随机分配至不同的座椅布局,使每位个体均体验商务舱、头等舱和经济舱座椅。在就座评估期间,每位参与者在1小时的测试时段内完成四个时长相等的功能性场景。这些场景反映了常见的机上行为,包括以放松坐姿休息、使用小桌板进食或饮水、使用笔记本电脑或平板电脑工作,以及进行娱乐活动(如在手机或平板电脑上观看视频)。该设计使参与者能够体验一系列典型的客舱环境和机上活动,从而实现对不同条件下肌肉激活模式的受控比较。

各测试场景的概述及每种测试场景中乘客出现的频率见图4

情景标准化:每个实际情景均采用明确的指导说明和姿势标准进行标准化,以确保参与者之间的一致性,并减少混杂变量。在静息情景中,参与者呈仰卧位,手臂 resting 在扶手上,双脚平放在地面上。在用餐情景中,参与者完成一项标准化的进食任务,同时将托盘桌抬升至座椅基准面上方 45 cm 的固定高度。在工作情景中,参与者执行一致的打字任务,同时保持背部与腰椎支撑接触,笔记本电脑或平板设备置于托盘桌上,保持固定的高度和角度。在娱乐情景中,参与者被要求保持头颈部和肩部处于中立位置,并将手持设备维持在恒定的观看距离。为确保依从性,研究人员在每种情景中持续监控姿势,并在必要时进行调整。在数据采集前,安排了一次简短的练习环节,使参与者熟悉标准化的姿势和任务。

高铁出行中的多任务活动及其变化:办公、用餐、娱乐、睡眠、活动。
图 4:实验条件的场景分类。 高铁环境中的乘客活动包括如办公室般工作、用餐、娱乐、睡眠以及走动。这些活动凸显了旅客在旅途中参与的多样化行为,体现了座椅空间的多功能性和多种用途。请点击此处查看此图的放大版本。

用于评估肌肉疲劳的生理学指标
为了更准确地评估肌肉疲劳,我们采用均方根(RMS)和中频频率(MF)作为主要的生理学指标。RMS用于量化肌肉整体的电活动水平,从而估计肌肉的用力程度;而MF则反映肌电信号因疲劳引起的频谱变化8。以下公式是这些计算的基础:

肌电图(EMG)信号分析的均方根(RMS)方程示意图。    (1)

在公式(1)中,T 表示总持续时间,EMG2 表示在时间 t 记录的肌电信号。较高的均方根(RMS)值表明肌肉用力程度更大,而较低的值则提示肌肉负荷减小8

概率计算的数学公式,显示在定义的界限内对 p(f) 进行积分。   (2)

在公式(2)中,p(f) 表示肌电(EMG)信号的功率谱密度。平均频率(MF)随时间的下降表明肌肉疲劳程度增加14

为了全面评估不同坐姿条件下肌肉张力和生理应激反应,将皮肤电反应(SCR)数据与肌电图(EMG)数据结合进行分析。采用SCR和表面肌电图(sEMG)测量肌肉疲劳和生理应激水平。sEMG电极放置于胸锁乳突肌(颈部)、斜方肌(肩部)和竖脊肌(腰部)。原始信号首先通过带通滤波(20–450 Hz)去除运动伪迹和低频噪声,随后进行全波整流,将负值转换为正值。信号采用200毫秒的移动平均窗进行平滑处理。肌肉激活强度通过均方根(RMS)进行评估,而疲劳进展则通过从功率谱密度中提取中位频率(MF)来识别。

自主神经变化较为缓慢,通过以50 Hz频率记录皮肤电导反应(SCR)信号,并在2 Hz频率下进行低通滤波,从而将这些变化分离出来。通过计算皮肤电导水平(SCL)来标记紧张性基线,而瞬时应激反应则通过去除相位性SCR峰值的幅度和延迟来记录。肌电图(EMG)和SCR测量实现了实时同步,并采用包括皮尔逊相关、单因素方差分析(one-way ANOVA)和重复测量方差分析(repeated-measures ANOVA)在内的统计检验,以验证生理参数与主观舒适度评分之间的相关性。为在不同高速铁路(HSR)车厢等级及不同活动情境下测量坐姿人体工学表现,该流程确保将原始生理数据转化为可靠且易于理解的测量指标。

数据采集与处理
在数据采集之前,进行为期10分钟的基线校准,以确保信号的准确性。随后,每位参与者完成一个固定的60分钟活动阶段,对应于预设的实验条件。通过随机分配座位,确保不同坐姿配置之间的公平暴露。试验结束后,采用基于Likert提出的经典方法15的1-10级李克特量表,收集半结构化访谈内容和主观不适评分,以获取关于感知舒适度的定性数据。

为了更准确地测量肌肉张力,计算了所有场景下肌电图(EMG)的差值,即每个场景前后的EMG差值。EMG差值减小意味着坐姿更放松,肌肉紧张程度更低。

统计分析与数据处理
数据预处理:采用带通滤波(20–450 Hz)、全波整流以及200 ms的移动平均窗口,以提取有意义的信号趋势。原始肌电图(EMG)和皮肤电导反应(SCR)信号首先经过预处理,以确保数据质量及被试间数据的可比性。EMG信号经过20至450 Hz的带通滤波、整流,并使用100 ms的均方根(RMS)窗口进行平滑处理。SCR数据则在5 Hz处进行低通滤波,并相对于测试前校准阶段获得的个体基线记录进行归一化处理。通过人工检查和自动阈值法去除运动伪迹和异常值。预处理后的数据随后按每个实验场景进行平均,用于后续的统计分析。

统计分析:方差分析比较:采用单因素方差分析(one-way ANOVA)比较不同坐姿类别间的肌电振幅,而重复测量方差分析(repeated-measures ANOVA)用于评估随时间变化的肌肉疲劳趋势。皮肤电导反应(SCR)分析:信号经2 Hz低通滤波处理,使用方差分析比较每分钟峰值SCR事件率(每分钟峰值数)。相关性分析:采用Pearson相关性检验分析肌电(EMG)、皮肤电导反应(SCR)与主观不适评分之间的关系。

定性分析
通过考察主观感受与生理结果之间的关系,对生物力学应变和用户体验方面可能存在的差异进行主题分析。这种多种方法的结合为评估高强度辐射(HSR)座椅的人体工学性能提供了全面的、基于数据的方法,并为自适应座椅设计的优化建立了循证平台。

访问受限。请登录或开始试用以查看此内容。

结果

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

结果表明,在高速铁路不同座位等级中,乘客的自主神经活动、肌肉疲劳程度以及整体舒适度存在显著差异。为了全面揭示座椅设计对长途飞行中乘客生理与心理健康的影響,本研究整合了皮肤电反应(SCR)、肌电图(EMG)以及基于情景的行为观察。这些结果验证了引言中提出的工效学假设,支持了以下理论:座位等级和依赖于情景的姿势对肌肉疲劳和应激反应具有显著影响。

该研究整合了基于情景的研究、肌电图(EMG)和皮电反应(SCR),以严格检验高速列车座椅的舒适性。其中,SCR用于测量自主神经系统的应激反应和觉醒水平,EMG则用于测量腰部、肩部和颈部区域的肌肉疲劳程度。为了建立生理反应与姿势及座椅设计之间的关系,并对不同座位等级下乘客的人体工程学表现和舒适性进行整体评估,这些数据在四种真实的旅行情境下进行了整合分析:休息、进食、工作和娱乐。

不同舱位等级旅程前后肌电图(EMG)的差异
旅程前后肌肉活动的肌电图(EMG)测量显示,肩部、腰部和颈部区域肌肉疲劳的累积程度因舱位等级而异(

访问受限。请登录或开始试用以查看此内容。

讨论

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究提出了一种多模态、基于场景的人体工效学评估框架,该框架整合了肌电图(EMG)、皮肤电导反应(SCR)和情境行为分析,用于考察高速铁路(HSR)座椅的舒适性。与传统实验室中主要关注静态姿势或压力分布的座椅研究不同,本研究纳入了动态乘车行为——如用餐、娱乐、休息和工作——从而能够评估不同座位等级下实时的肌肉负荷和自主神经唤醒水平。该方法符合近年来文献中强调的生态效度以及在交通研究中采用多传感器人体工效学的重要性16,17。研究结果表明,座椅舒适性无法仅通过空间布局或靠背角度来预测;相反,它受到活动类型、姿势转换与上半身支撑之间相互作用的影响。特别是,在商务座倾斜状态下观察到的颈部和肩部疲劳加剧,凸显了有必要重新审视关于高端座椅设计在人体工效学上更具优势的假设18,19

本研究通过提供证据表明,动态的、特定活动的评估能够揭示传统单一姿势评估中无法检...

访问受限。请登录或开始试用以查看此内容。

披露

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者无任何利益冲突需要披露。

材料

本文使用的材料清单
姓名公司目录编号评论
粘附式肌电图电极(一次性)Noraxon9113A
酒精棉片(无菌)BD Medical326895
数据同步脚本(Python 3.9)开源N/A
数据同步软件定制(基于Python)N/A使用Python开发,用于实时整合肌电图(EMG)和皮肤电导反应(SCR)信号。
肌电图(表面EMG)传感器DelsysTrigno 无线EMG系统
EMG信号处理软件DelsysEMGworks 4.6N/A
生理数据采集接口国家仪器公司(National Instruments)USB-6001
Python库(numpy, pandas, scipy, matplotlib)开源(Python软件基金会)N/A
问卷(李克特量表)定制N/A用于在每个场景后收集主观舒适度评分(1–10分)。
座椅类型(商务/头等/经济舱)高速铁路客舱(真实环境)N/A三种具有不同人体工学特征的座椅等级,进行现场评估。
Shimmer3 GSR+传感器(用于SCR测量)Shimmer SensingSH-GSR3+用于测量皮肤电导反应(SCR),采样率为50 Hz,以评估压力和不适感。
统计分析软件(IBM SPSS Statistics 26.0)IBMN/A
表面电极凝胶Parker LaboratoriesSigna Gel 300
表面EMG传感器未指定(可能为Shimmer或Delsys)N/A放置于肩部、下背部和颈部;用于测量肌肉激活幅度和疲劳程度。
温湿度监测仪Testo0560 6050
小桌板集成于高速铁路座椅中N/A用于餐饮和工作场景中放置笔记本电脑和餐食。
视频记录摄像机(行为观察)佳能(Canon)EOS M50
皮肤准备用擦拭巾MedlineMDS093855H

参考文献

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Ahmad, W., Alam, M. S. An expository analysis of biomechanical and subjective impacts induced by shoe inserts in asymptomatic subjects: A systematic review on functionality and mechanisms of action. Human Factors Ergo Manu Service Indust. 35 (1), e21058(2025).
  2. Huang, S. R., Zhang, Z. F., Yuan, Q., Xu, Z. M., He, Y. S. Weight coefficients of static sitting comfort for different body parts. Auto Eng. 38 (7), 889-895 (2016).
  3. Vink, P., Lips, D. Sensitivity of the human back and buttocks: The missing link in comfort seat design. Appl Ergon. 58, 287-292 (2017).
  4. Xiong, J. Y., Deng, Z. G. Research progress on high-speed maglev rail transit. J Traffic Transportat Eng. 21 (1), 177-198 (2021).
  5. Salmon, P. M., et al. Human factors methods and accident analysis: Practical guidance and case study applications. , 1st edn, CRC Press. (2011).
  6. Chowdhury, S. K., Nimbarte, A. D. Effect of fatigue on the stationarity of surface electromyography signals. Int J Indust Ergon. 61, 120-125 (2017).
  7. Lawler, K. A. Cardiovascular and electrodermal response patterns in heart rate reactive individuals during psychological stress. Psychophysiology. 17 (5), 464-470 (1980).
  8. Chen, K., Li, Z., Jamieson, G. A. Influence of information layout on diagnosis performance. IEEE Transact Human Machine Syst. 48 (3), 316-323 (2018).
  9. Ma, Z., Gao, Q., Zhou, X., Zhou, M., Ma, D. Comfort of wrist-worn devices: Development of an assessment tool and measurement of comfort-discomfort pressure for older and younger users. Int J Human Comp Interact. 41 (14), 8539-8553 (2024).
  10. The double diamond: A universally accepted depiction of the design process. , UK Design Council. London. (2005).
  11. Kordnaeij, A., Zali, M., Shoraka, S., Abdi, R. Recognizing entrepreneurial opportunities in passenger services (case study: Raja passenger trains company). Eur J Sci Res. 50 (3), 317-326 (2011).
  12. Luo, S. J. Study on driving comfort based on biological response [PhD thesis]. , Zhejiang University. (2005).
  13. Hermens, H. J., Freriks, B., Disselhorst-Klug, C., Rau, G. Development of recommendations for SEMG sensors and sensor placement procedures. J Electromyography Kinesiol. 10 (5), 361-374 (2000).
  14. Li, W. H. Analysis and evaluation of aircraft passenger seat comfort based on physiological responses [PhD thesis]. , Northwestern Polytechnical University. (2021).
  15. Likert, R. A technique for the measurement of attitudes. Arch Psychol. 22 (140), 1-55 (1932).
  16. Saruwono, M., Zulkiflin, N. F., Mohammad, N. M. N. Living in living rooms: Furniture arrangement in apartment-type family housing. Proced Social Behav Sci. 50, 909-919 (2012).
  17. Wang, Y. F., Ni, P. F. Economic growth spillover and regional spatial optimization under the influence of high-speed rail. China Ind Econ. 2, 21-36 (2016).
  18. Exploration of pressure distribution and comfort in passenger vehicle seats. Wang, D., Zhou, Z. Proc 5th Int Conf Automat Cont Algorithm Intell Bionics, , 113-119 (2025).
  19. Research on human data-driven parametric design: Personalized customization of seating. Wu, Y., Jiang, Y., Yuan, X. Int Conf Architect Across Boundaries, , 126-134 (2024).
  20. Scibilia, A., Pedrocchi, N., Fortuna, L. Human control model estimation in physical human-machine interaction: A survey. Sensors. 22 (5), 1732(2022).
  21. Dazkir, S. S., Read, M. A. Furniture forms and their influence on our emotional responses toward interior environments. Environ Behav. 44 (5), 722-732 (2012).
  22. Cao, S., Feng, P., Kang, W., Chen, Z., Wang, B. Optimized driver fatigue detection method using multimodal neural networks. Sci Rep. 15 (1), 12240(2025).
  23. Zafar, M. H., Moosavi, S. K. R., Sanfilippo, F. Federated learning-enhanced edge deep learning model for EMG-based gesture recognition in real-time human-robot interaction. IEEE Sensors J. 25 (5), 9139-9151 (2025).
  24. Wang, A., Huang, C., Wang, J., He, D. The association between physiological and eye-tracking metrics and cognitive load in drivers: A meta-analysis. Transportat Res Part F Traffic Psychol Behav. 104, 474-487 (2024).
  25. Integrating multimodal affective signals for stress detection from audio-visual data. Ghose, D., Gitelson, O., Scassellati, B. Proc 26th Int Conf Multimodal Interact, , 22-32 (2024).
  26. Kingphai, K., Moshfeghi, Y. Mental workload assessment using deep learning models from EEG signals: A systematic review. IEEE Transact Cognitive Dev Sys. 17 (1), 40-60 (2025).
  27. Avesh, M., Hossain, I., Sharma, R. C. Revolutionizing transportation: The future impact of green energy. Dynam Transportat Ecosys Modeling Control. , 261-293 (2024).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

相关文章