РОЗРОБЛЕННЯ МАТЕМАТИЧНОЇ МОДЕЛІ ВПЛИВУ ПСИХОФІЗІОЛОГІЧНОГО СТАНУ МАШИНІСТА НА ПРОЦЕС КЕРУВАННЯ ЛОКОМОТИВОМ

Автор(и)

DOI:

https://doi.org/10.18664/1994-7852.216.2026.362544

Ключові слова:

залізничний транспорт, напруженість машиніста, стреси, критичні поїзні ситуації, психофізіологічні параметри, безпека руху

Анотація

У статті розглянуто аспекти впливу стресового стану на ефективність роботи машиніста залізничного транспорту, зокрема в умовах критичних поїзних ситуацій. Окрему увагу приділено формалізації параметра напруженості машиніста за допомогою математичного аналізу. Розглянуто роль психофізіологічних факторів для ухвалення рішень, які впливають на безпеку руху поїздів. Запропоновано застосування математичних моделей для оцінювання рівня стресу та напруженості машиніста в різних ситуаціях, а також можливість використання цих моделей для удосконалення систем управління.

Біографії авторів

Олександр Вікторович Неведров, Національний транспортний університет

доктор філософії, старший викладач кафедри електромеханіки та рухомого складу залізниці

Олександр Миколайович Горобченко, Національний транспортний університет

доктор технічних наук, професор кафедри електромеханіки та рухомого складу залізниці

Владислав Віталійович Білоцький, Національний транспортний університет

аспірант кафедри електромеханіки та рухомого складу залізниці

Владислав Сергійович Терещенко, Національний транспортний університет

аспірант кафедри електромеханіки та рухомого складу залізниці

Посилання

Самсонкін, В. Н., Петінов, Я. П. (2015). Особливості роботи машиніста в сучасних умовах: погляд зсередини. Східно-Європейський журнал підприємницьких технологій, 6(3(78)), 40–45. https://doi.org/10.15587/1729-4061.2015.56659

Самсонкін, В. М., Гончаренко, В. В., Клімова, О. М. та ін. (2004). Методичні рекомендації щодо видів і порядку проведення психофізіологічних обстежень і добору працівників локомотивних бригад (№ ЦТ-0109). Укрзалізниця.

Горобченко, О. М., Неведров, О. В. (2020). Аналіз та шляхи вдосконалення робочого місця машиніста локомотива. Сучасні інформаційні та комунікаційні технології на транспорті, в промисловості і освіті: Тези ХІV Міжнар. наук.-практ. конфер. (с. 50). ДІІТ.

Fan, C., Huang, S., Lin, S., Xu, D., Peng, Y., & Yi, S. (2022). Types, risk factors, consequences, and detection methods of train driver fatigue and distraction. Computational Intelligence and Neuroscience, 8328077. https://doi.org/10.1155/2022/8328077

Горобченко, О. М. (2013). Розробка методики оцінки інформаційного навантаження на локомотивну бригаду. Збірник наукових праць ДонІЗТ, 36, 141–147.

Пузир, В. Г. (2001). Моделювання надійності роботи локомотивних бригад. Збірник наукових праць ХарДАЗТ, 45, 19–22.

Пузир, В. Г., Ремез, І. В. (2001). Оцінка надійності операторів людино-машинних комплексів залізничного транспорту. Комунальне господарство міст: Серія «Архітектура і технічні науки», 47, 219–223.

Брусенцов, В. Г., Пузир, В. Г., Григор'єва, Є. С., Гармаш, Б. К., Сєріков, Я. О., Крамчанін, І. Г. (2024). Вплив професійного стресу на рівень функціональної надійності транспортних операторів. Інформаційно-керуючі системи на залізничному транспорті, 29(4). https://doi.org/10.18664/ikszt.v29i4.320332

Gorobchenko, O., & Nevedrov, O. (2020). Development of the structure of an intelligent locomotive DSS and assessment of its effectiveness. Archives of Transport, 56(4), 47–58. https://doi.org/10.5604/01.3001.0014.5517

Li, Y. (2016). On human factors in the design of locomotive cab: An investigation on driver's cognitive and behavioral characteristics. У Proceedings of the 2nd Asia-Pacific Management and Engineering Conference (APME 2016). Atlantis Press.

Lall, M. (2010). Physiological understanding of human emotions for effective management. Global Business and Management Research: An International Journal, 1(3), 117–128.

Galán, F., Nuttin, M., Vanhooydonck, D., Lew, E., Philips, J., & Millán, J. del R. (2011). Continuous brain-actuated control of an intelligent wheelchair by human EEG. Frontiers in Neuroscience [препринт]. https://www.researchgate.net/publication/41387131

Ghose D., Gitelson O., Scassellati B. (2024). Integrating multimodal affective signals for stress detection from audio-visual data. У Proceedings of the ACM International Conference on Multimodal Interaction (ICMI 2024). https://doi.org/10.1145/3678957.3685717

Юрков, О. С. (2018). Психологія праці та інженерна психологія: навч. посіб. Вид. 2-ге, перероб. і доп. Мукачево: Мукачівський державний університет, 2018. 187 с.

Кириченко, В. В. (2015). Психологічні основи професійної адаптації та вибору професії: навч. посіб. Житомир: Видавництво ЖДУ ім. І. Франка, 2015. 110 с. ISBN 978-966-485-183-8

Sena, P., d'Amore, M., Pappalardo, M., Pellegrino, A., Fiorentino, A., & Villecco, F. (2013). Studying the influence of cognitive load on driver's performances by a fuzzy analysis of lane keeping in a drive simulation. IFAC Proceedings Volumes, 46 (21), 151–156. https://doi.org/10.3182/20130904-4-JP-2042.00029

Zhang, X., Zhang, H., & Xu M. (2026). Multimodal classification algorithms for emotional stress analysis with ECG-centered framework: a comprehensive review AI 10.3390/ai7020063 7 :2(63) 6 https://doi.org/10.3390/ai7020063

##submission.downloads##

Опубліковано

2026-05-29