Forschungsartikel

Multimodale ergonomische Bewertung von Hochgeschwindigkeitsbahnbesitzen durch Integration von Elektromyographie, Hautleitfähigkeit und szenariobasierter Analyse

DOI:

10.3791/69661

⸱

9. Januar 2026

1Fuzhou University

In diesem Artikel

Zusammenfassung

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

Die Forschung bewertet physiologische und ergonomische Unterschiede zwischen Hochgeschwindigkeitsbahn-Sitzklassen, indem sie Elektromyographie, Hautleitfähigkeitsreaktion und szenariobasierte Analyse integriert, um Muskelmüdigkeit, Stressreaktionen und den allgemeinen Komfort bei realistischen Reiseaktivitäten zu quantifizieren.

Zusammenfassung

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

Die meisten bestehenden Studien zum Sitzkomfort von Hochgeschwindigkeitszügen (HSR) basieren auf subjektiven Erhebungen und Druckkarten; Es gibt keine physiologische Berichterstattung über Muskelermüdung und Stressansammlung bei längeren Reisezeiten. Die Beurteilung der dynamischen Sitzleistung unter unterschiedlichen Reisebedingungen ist aufgrund der unmöglichen traditionellen laborbasierten Untersuchungen, reale Haltungsvariationen zu reproduzieren. Um diese Einschränkungen zu überwinden, vergleicht die vorliegende Forschung Business-, First-Class- und Economy-Class-Sitze in einem realen HSR-Reiseszenario anhand multimodaler ergonomischer Tests, die Elektromyographie (EMG), Hautleitfähigkeitsreaktion (SCR) und szenariobasierte Verhaltenstests umfassen. Die 30 Teilnehmer wurden in zwei Sitzklassen aufgeteilt und in vier funktionalen Situationen eingeteilt: Unterhaltung, Essen, Arbeiten und Ausruhen. Während das SCR zur Überwachung autonomer Stressreaktionen eingesetzt wurde, wurde das EMG zur Erfassung der Muskelaktivität in Schultern, Lendenwirbeln und Nacken eingesetzt. Die Ergebnisse zeigen, dass Business-Class-Stühle zwar die Lendenwirbelbelastung verringern, aber nicht die Müdigkeit der oberen Gliedmaßen und Nacken, insbesondere in der Lehnungsposition, beseitigen. Die First-Class-Sitze sind für Arbeitspositionen maximal, können aber keine flexible Unterstützung für unterschiedliche Körperproportionen bieten, was zu Kopf- und Lendenschmerzen führt. Aufgrund ihrer geringen Verstellbarkeit erzeugen Economy-Class-Sitze trotz hoher Lenden- und Nackenstütze die größte Muskelspannung. Diese Forschung vermittelt ein Verständnis für verstellbare, ergonomisch idealisierte Sitze für Züge in zukünftigen Modellen und die Bedeutung der Einbeziehung von Verhaltens- und physiologischen Informationen in dynamische Sitzanalysen.

Einleitung

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

Die globale Mobilität wurde durch die schnelle Entwicklung von Hochgeschwindigkeitsbahnen (HSR) transformiert, die Reisezeiten verkürzen und die Zugänglichkeit verbessern. Auch wenn die HSR-Infrastruktur kontinuierlich technische Verbesserungen erfahren hat, bleibt der Sitzkomfort, insbesondere bei längeren Reisen, ein entscheidender, aber wenig erforschter Bestandteil des Fahrgasterlebnisses. Laut früheren Studien können schlecht gefertigte Sitze zu chronischer muskuloskelettaler Belastung, Beschwerden und Muskelermüdungführen. Diese Probleme verschärfen sich in niedrigeren Sitzklassen, wo kostengetriebene Designkompromisse häufig zu inflexiblen, nicht verstellbaren Konstruktionen führen, die eine Vielzahl von Körperformen und Haltungsanforderungen nicht berücksichtigen können. Internationale Zugsysteme wie das französische TGV und das japanische Shinkansen haben ergonomische Prinzipien zur Verbesserung des Sitzdesigns übernommen, doch es gibt weiterhin einen Mangel an systematischen, empirischen Forschungen zum Sitzkomfort im HSR, insbesondere zum physiologischen Muskelstress4. Ein tieferes Verständnis für den Komfort der Fahrgäste und die Anhäufung von Müdigkeit kann durch die Anwendung von Human Factors-Ansätzen5 gewonnen werden. Das Hauptproblem ist die Schaffung eines zuverlässigen Bewertungssystems, das biomechanische Belastung misst und dabei die kontextuelle Sitznutzung und das Verhalten der Passagiere in der realen Welt berücksichtigt.

Neuere Forschungen in Ergonomie und Human Factors haben gezeigt, dass EMG und SCR objektive Echtzeitinformationen zu physiologischen Reaktionen liefern können, die mit Muskelermüdung und Sitzschmerzen einhergehen. EMG ist eine weit verbreitete Methode zur Bewertung lokaler Muskelbelastungen während der Sitzhaltung und ist ein elektrisches Maß für die Muskelaktivität. Darüber hinaus erzeugt SCR Reaktionen des autonomen Nervensystems, die ein indirektes Maß für körperliches Unbehagen und Stress liefern, insbesondere in langanhaltenden, statischenHaltungen mit statischer 7. Diese Methoden ermöglichen ein detaillierteres Verständnis ergonomischer Schwächen im Design der Sitze, indem freiwillige und unwillkürliche physiologische Reaktionen gemessen werden. Es ist erwähnenswert, dass frühere Studien EMG und SCR erfolgreich angewendet haben, um die Aufgabenleistung in hochkognitiv anspruchsvollen Umgebungen und digitale Interaktionssysteme zu erforschen, um ihre Vielseitigkeit in einer menschenzentrierten Designbewertung zu demonstrieren. Allerdings sind sie noch nicht direkt in der Forschung zum Sitzen im Schienenverkehr angewandt worden, und eine weitere Untersuchung ihres Potenzials als Instrument zur Bestimmung des Komfortniveaus der Fahrgäste in dynamischen Multi-Szenario-Umgebungen ist notwendig8.

Das Fehlen einer szenariobasierten Unterscheidung bei der Datenerhebung ist ein erheblicher Nachteil der aktuellen ergonomischen Bewertungen der HSR-Sitze. Die Forschung zum konventionellen Sitzkomfort verwendet häufig statische Laborumgebungen, die die realen Reisebedingungen nicht genau widerspiegeln2. Aber in einer realen HSR-Umgebung erledigen die Passagiere eine Vielzahl von Aufgaben wie Essen, Arbeiten, Entspannen und sich selbst unterhalten, die alle unterschiedliche Muskelbelastungsmuster und Haltungsanpassungen erfordern9. Forscher können biomechanische Stressoren identifizieren, die für jeden Anwendungskontext einzigartig sind, indem sie EMG und SCR in einem szenariobasierten Rahmen kombinieren. Dies ermöglicht eine genauere Einschätzung der Sitzleistung über verschiedene Reiseverhaltensweisen hinweg. Obwohl diese Methode sich in Bereichen wie digitaler Ergonomie und Mensch-Maschine-Interaktion als erfolgreich erwiesen hat, befindet sich ihre Anwendung im Sitzdesign im Transportbereich noch inden Kinderschuhen. Darüber hinaus haben nur wenige Studien multimodale physiologische und verhaltensbezogene Messungen verwendet, um Muskelermüdung zwischen verschiedenen Sitzklassen systematisch zu vergleichen, obwohl nur wenige das Druckverteilungsmapping11 untersucht haben.

Der hier verwendete konzeptionelle Rahmen (Abbildung 1) zeigt, dass die Entwicklung der Hochgeschwindigkeitsbahn, das Fahrgasterlebnis und die städtische Agglomeration auf komplexe Weise miteinander verbunden sind. Es ist erwähnenswert, dass dies verdeutlicht, wie veränderter Lebensstil der Fahrgäste und die Stadtentwicklung neue Anforderungen an das Design von HSR-Sitzen mit sich bringt, wobei die Interaktion zwischen Mensch und Maschine, Reiseverhalten und Passagierkomfort als Hauptaspekte gelten. Der HSR-Reisebedarf wird auch durch die Konnektivität zwischen den Metropolregionen beeinflusst, die die Erwartungen der Fahrgäste an langfristigen Komfort und die ergonomische Natur der Sitze bestimmt. Das Design der traditionellen Sitze wird zudem durch veränderte Arbeitsgewohnheiten, Lebensstiländerungen, einschließlich häufigerer Nutzung mobiler Geräte und die sich ändernden Arbeitsgewohnheiten der Menschen, die innovatives ergonomisches Design benötigen, herausgefordert. Die Ergebnisse rechtfertigen eine plastischere, humanisierte Art der Sitzgestaltung, was mit den Zielen der Forschung übereinstimmt.

Abbildung 1
Abbildung 1: Konzeptkonzeptuelles Forschungsrahmen für Intercity-Hochgeschwindigkeitszüge. Die Korrelation zwischen Bevölkerungs-, Stadtagglomerations- und Hochgeschwindigkeitszugforschung (HSR) wird hier illustriert. Sie konzentriert sich auf die Auswirkungen von städtischem Wachstum und modernem Leben auf Personenverkehrsmuster, Konsumnachfrage und Platzbedarf. Darüber hinaus hebt das Diagramm den menschenzentrierten Ansatz hervor, der die Prozesse von Urbanisierung, Mobilität und Lebensstiländerungen verknüpft, indem es zeigt, wie HSR urbane Cluster und wechselndes Passagierverhalten beeinflusst und darauf reagiert. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Um diese Lücken zu schließen, hat dieses Paper methodisch die physiologischen Auswirkungen verschiedener HSR-Sitzanordnungen in den Business-, First- und Economy-Klassen mit EMG und SCR verglichen. Das ursprüngliche Merkmal dieser Forschung ist die Übergangsnatur des szenariobasierten experimentellen Konzepts, das es ermöglicht, die Probleme muskulärer Ermüdungsmuster zu entdecken, die für die verschiedenen Arbeits-, Ruhe-, Speise- und Unterhaltungshaltungen typisch sind. Die Forschung bietet quantitative physiologische Informationen und beinhaltet tatsächliches Passagierverhalten, um eine effektive ergonomische und menschliche Lösung für die Sitzanalyse zu liefern.

Die Studie liefert evidenzbasierte Vorschläge zur Anpassungsfähigkeit der Lendenwirbelsäule, zur Optimierung der Tischpositionen der Armlehnen und Sitzstrukturen abhängig von Querschnittsvariationen der Muskelbelastung und autonomen Reaktionen auf verschiedene Sitztypen. Neben der Bereitstellung neuer Wissenschaft zur Ergonomie des Langzeitsitzens in HSR definiert die aktuelle Forschung auch ein realistisches Designdenken für zukünftige Versionen von HSR-Sitzen in Fällen, in denen der Schwerpunkt der Passagiere auf Komfort, Inklusivität und Flexibilität liegt. Die Forschung treibt die alte Debatte über ergonomische Sitze im Verkehr voran und bietet Hochgeschwindigkeitszugherstellern Hinweise darauf, wie sie verschiedene Passagieranforderungen in ihrer Sitzkategorie durch die Integration biomechanischer und realer menschlicher Praktiken berücksichtigen können.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

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

Die ethische Genehmigung wurde vom medizinischen Unterausschuss des Tsinghua University Science and Technology Ethics Committee eingeholt (Genehmigungsnummer: TH01-20250087), und alle Teilnehmer gaben vor der Teilnahme an der Studie schriftliche informierte Zustimmung ab.

Die Forschung bestimmt physiologische Belastung und Muskelermüdung in den verschiedenen Hochgeschwindigkeitszug-(HSR)-Sitzklassen durch eine multimodale ergonomische Bewertung. Dieser Ansatz bietet eine dynamischere Betrachtung im Vergleich zu den traditionellen statischen Messungen von Muskelaktivität und physiologischer Belastung unter unterschiedlichen Sitzpositionen und Reiseereignissen durch die Kombination von EMG und SCR im Rahmen einer Szenariosimulation. Um die Intensität der Muskelaktivierung und das Fortschreiten der Müdigkeit zu messen, wurden zwei physiologische Bewertungsmetriken, die häufig in ergonomischen und biomechanischen Bewertungen verwendet werden, wie Medianfrequenz (MF) und Wurzelmittelquadrat (RMS),ebenfalls einbezogen.

Die Forschung verwendete vergleichbare experimentelle Kontrollen und eine neutrale Ausgangslinie (Vor-Test-Kalibrierung). Als neutrale physiologische Referenz für die Normalisierung erfassten die Teilnehmer ihre Ruhe-EMG- und SCR-Werte während einer 10-minütigen Baseline-Kalibrierung in einer standardmäßigen aufrechten Position vor jeder Sitzung. Darüber hinaus dienten Vergleiche von Sitzen in der Business-, First- und Economy-Klasse als experimentelle Kontrollen, die die Trennung sitzspezifischer Effekte unter denselben szenariobasierten Aktivitäten ermöglichten.

Versuchsumgebung und Ausrüstung
Zur ökologischen Validität wurden alle Messungen in tatsächlichen Hochgeschwindigkeitszugkabinen (HSR) durchgeführt. Abbildung 2 zeigt die Sitzplätze und das Umfeld des Business-Class-Bereichs, die ergonomischen Lösungen, die Kabinenbeleuchtung und die Passagiersitzlösungen. Diese Elemente tragen zum allgemeinen Komfortniveau bei und beeinflussen zudem physiologische Reaktionen wie SCR-Veränderungen und EMG-Aktivität. Das tragbare Sensorsystem in dieser Studie, beschrieben in Abbildung 3, wurde für die physiologische Überwachung verwendet. Das im Experiment verwendete Gerät bestand aus:
Elektromyographie (EMG): Oberflächen-EMG-Sensoren wurden am unteren Rücken, Nacken und an den Schultern angebracht, um die Amplitude der Muskulatur (μV) und der medianen Frequenzänderungen (Hz) zu erfassen, die Indikatoren für Muskelermüdung sind.
Hautleitfähigkeitsreaktion (SCR): Ein Shimmer3 GSR+-Sensor wurde verwendet, um elektrodermale Aktivitäten im Zusammenhang mit körperlichem Unwohlsein und Stress bei 50 Hz aufzuzeichnen.
Datensynchronisation: Python-basierte Software gewährleistete die Echtzeitintegration der beiden Datentypen, EMG und SCR, unter allen experimentellen Bedingungen.

Präzise Sensorplatzierung: Um Reproduzierbarkeit und präzise Signalerfassung zu erreichen, müssen Oberflächenelektromyographie (sEMG) Elektroden gemäß den SENIAM-Richtlinien13 platziert werden. Die bipolaren Ag/AgCl-Elektroden wurden auf dem Sternocleidomastoideus (Mittelpunkt zwischen Mastoidfortsatz und sternaler Kerbe), dem oberen Trapezmuskel (Mittelpunkt zwischen dem C7-Wirbelaussatz und dem Akromion) und dem Erector spinae (3 cm seitlich des L3-Dornenfortsatzes) positioniert, sodass die Elektroden parallel zu den Muskelfasern mit einem Abstand von 20 mm zwischen den Elektroden positioniert waren. Jede Stelle wurde rasiert, mit 70 % Isopropylalkohol abgewischt und leicht abgeschliffen, um eine Hautimpedanz von weniger als 5 Ω zu gewährleisten. Der laterale Epikondyl wurde mit einer Referenzelektrode abgedeckt. Die Sensoren waren SCR-Sensoren, deren Elektroden an den distalen Phalangen des Zeige- und Mittelfingers der nicht-dominanten Hand befestigt waren, mit einer 10-minütigen Pretest-Kalibrierung, bei der EMG- und SCR-Baseline-Referenzwerte bestimmt wurden. EMG-Sensoren wurden am unteren Rücken, Nacken und an den Schultern angebracht, um die Amplitude der Muskelaktivierung (μV) und mediane Frequenzänderung (Hz) zu bewerten, was eines der Anzeichen für Muskelermüdung ist.

Physiologische Daten wurden mit Sensoren für SCR und drahtlosen sEMG-Systemen zur Messung der Muskelaktivität gesammelt, beide synchronisiert von einer Python-basierten Datenerfassungssoftware, um zeitliche Präzision sicherzustellen. Alle Geräte wurden vor jeder Sitzung kalibriert, um die Signalgenauigkeit und Zuverlässigkeit zu gewährleisten.

Abbildung 2
Abbildung 2: Versuchsumgebung der Kabine (Business Class). Das Innenraumlayout und die ergonomischen Merkmale einer HSR-Kabine, bei der der Schwerpunkt auf dem Komfort der Passagiere und der Platzplanung in der Kabine lag. Er verfügt über groß verstellbare Sitze mit Sichtschutzschirmen, verstellbaren Sitzbedienelementen und verstellbarer Beleuchtung. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 3
Abbildung 3: Versuchsaufbau für physiologische Überwachung. Ein HSR-Innenraum wird gezeigt, der die individuellen Passagiermerkmale, die Umgebungsbeleuchtung und ergonomischen Sitze betont. Der Fokus liegt auf Komfort, Herstellung und Praktikabilität, darunter halb private Sitze, großzügige Beinfreiheit und eine verstellbare Leselampe. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Teilnehmer und experimentelles Design
Insgesamt wurden 30 gesunde erwachsene Teilnehmer (15 Männer und 15 Frauen) mittels eines stratifizierten Stichprobenansatzes rekrutiert, um eine gleichberechtigte Vertretung in Geschäfts-, First-Class- und Wirtschaftssitzsituationen sicherzustellen. Die Teilnehmer wurden eingeschlossen, wenn sie Erwachsene zwischen 18 und 40 Jahren waren, sich in guter allgemeiner Gesundheit befand, und keine Vorgeschichte muskuloskelettaler Erkrankungen im Nacken, in den Schultern oder im unteren Rücken berichteten. Von den Betroffenen wurde verlangt, dass keine diagnostizierten neurologischen oder systemischen Erkrankungen vorliegen, während des gesamten Experiments bequem sitzen und sich bereit erklären, alle Verfahren zu befolgen. Teilnehmer wurden ausgeschlossen, wenn sie kürzlich oder anhaltende Nacken-, Schulter- oder Lendenschmerzen hatten; hatte sich einer Wirbelsäulen- oder Oberkörperoperation unterzogen; hatte Hautallergien gegen Ag/AgCl-Elektroden; schwanger waren; verwendete Medikamente, die die neuromuskuläre Aktivität beeinflussen; oder konnten das Protokoll nicht sicher abschließen.

Die Endstichprobe bestand aus 30 gesunden Erwachsenen (15 Männer und 15 Frauen), die alle frei von neurologischen und muskuloskelettalen Beeinträchtigungen waren. Die Stichprobe umfasste einen typischen Bereich von Körpergrößen, die für die Bewertung der Sitzplätze im Verkehrsflugzeug relevant sind, und alle Teilnehmer waren rechtshändig dominant, um eine Konsistenz bei den Elektromyographiemessungen zu gewährleisten.

Ein experimentelles Crossover-Design wurde eingeführt, um die Teilnehmer zufällig verschiedenen Sitzkonfigurationen zuzuweisen, sodass jeder Einzelne Business-, First-Class- und Economy-Sitze erlebte. Während der Bewertung im Sitz absolvierte jeder Teilnehmer innerhalb einer einstündigen Sitzung vier funktionale Szenarien mit gleicher Dauer. Diese Szenarien spiegeln gängige Verhaltensweisen während des Flugs wider, wie entspanntes Sitzen, Essen oder Trinken am Tabletttisch, Arbeit am Laptop oder Tablet sowie Unterhaltungsaktivitäten wie das Anschauen von Videos auf einem Handy oder Tablet. Dieses Design ermöglichte es den Teilnehmern, einer Vielzahl typischer Kabinenumgebungen und Flugaktivitäten ausgesetzt zu sein, was einen kontrollierten Vergleich der Muskelaktivierungsmuster über Bedingungen hinweg ermöglichte.

Die Zusammenfassung der Szenarien und das häufige Vorkommen von Fahrgästen in jedem Testszenario ist in Abbildung 4 zusammengefasst.

Szenario-Standardisierung: Jedes praktische Szenario wurde mit klaren Anweisungen und Haltungsstandards standardisiert, um Einheitlichkeit zwischen den Teilnehmern zu gewährleisten und störende Variablen zu reduzieren. Die Teilnehmer des Ruheszenarios lehnten sich zurück, die Arme auf Armlehnen gestützt und die Füße flach auf dem Boden. Im Speisesaal erledigten die Teilnehmer eine standardisierte Essaufgabe, während die Tabletttische auf eine konstante Höhe von 45 cm über dem Sitzboden erhöht wurden. In der Arbeitsumgebung führten die Teilnehmer eine konstante Tipparbeit aus, während sie ihren Rücken mit der Lendenstütze berührten, während Laptops oder Tablets in fester Höhe und Winkel auf dem Tabletttisch positioniert wurden. Im Unterhaltungsszenario wurde den Teilnehmern gesagt, Kopf und Schultern in einer neutralen Position zu halten und ihre Geräte in konstanter Sichtweite zu halten. Um die Einhaltung sicherzustellen, achteten die Forscher während jeder Situation auf die Haltung und nahmen bei Bedarf Anpassungen vor. Um die Teilnehmer mit den standardisierten Positionen und Aufgaben vertraut zu machen, wurde vor der Datenerhebung eine kurze Übungssitzung durchgeführt.

Abbildung 4
Abbildung 4: Klassifikation der Szenarien unter den Experimentbedingungen. Die Aktivitäten der Passagiere in HSR-Umgebungen umfassen Büroarbeit, Essen, Gäste, Schlafen und Bewegungen. Es lenkt die Aufmerksamkeit auf vielfältige Aktivitäten, denen Reisende während der Reise nachgehen, was die Vielseitigkeit und vielfältigen Nutzung des Sitzplatzes veranschaulicht. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Physiologische Kennzahlen zur Bewertung von Muskelermüdung
Um die Beurteilung der Muskelermüdung zu verbessern, verwendeten wir das Wurzelmittelquadrat (RMS) und MF als primäre physiologische Indikatoren. RMS quantifiziert die gesamte elektrische Aktivität des Muskels und liefert eine Schätzung der Muskelanstrengung, während MF durch Ermüdung induzierte Spektrumveränderungen im EMG-Signal8 darstellt. Die folgenden Gleichungen bildeten die Grundlage für diese Berechnungen:

Gleichung 1(1)

In Gleichung (1) stellt T die Gesamtdauer dar, und EMG2 ist das aufgezeichnete EMG-Signal zum Zeitpunkt t. Höhere RMS-Werte zeigen eine größere Muskelanstrengung an, während niedrigere Werte auf eine geringere Muskelzerrung8 hindeuten.

Gleichung 2(2)

In Gleichung (2) stellt p(f) die spektrale Leistungsdichte des EMG-Signals dar. Eine Abwärtsverschiebung der MF im Laufe der Zeit ist ein Hinweis auf zunehmende Muskelermüdung14.

Für eine gründliche Bewertung der Muskelspannung und physiologischen Stressreaktionen unter verschiedenen Sitzsituationen wurden SCR-Daten zusammen mit EMG analysiert. Muskelermüdung und physiologischer Stress wurden mittels SCR und Oberflächenelektromyographie (sEMG) gemessen. Elektroden wurden am Sternocleidomastoideus (Hals), Trapezius (Schulter) und Erector spinae (Lendenwirbel) für sEMG angebracht. Die Rohsignale wurden durch eine Vollwellengleichrichtung unterzogen, um nach Bandpassfilterung (20–450 Hz) negative Werte in positiv umzuwandeln, um Bewegungsartefakte und niederfrequentes Rauschen zu eliminieren. Das Signal wurde mit einem 200 ms gleitenden Durchschnittsfenster geglättet. Die Intensität der Muskelaktivierung wurde mit dem Root Mean Square (RMS) gemessen, und das Fortschreiten der Müdigkeit wurde durch Extraktion der Medianfrequenz (MF) aus der Leistungsspektraldichte identifiziert.

Die autonomen Veränderungen waren langsam und wurden durch Aufzeichnung von SCR-Signalen bei einer Frequenz von 50 Hz und Tiefpassfilterung bei einer Frequenz von 2 Hz miteinander isoliert. Die tonische Ausgangslinie wurde durch die Berechnung des Hautleitfähigkeitsniveaus (SCL) markiert, und sofortige Spannungsreaktionen wurden durch Entfernung der Größe und Verzögerung der phasischen SCR-Spitzen aufgezeichnet. EMG- und SCR-Messungen wurden in Echtzeit synchronisiert, und statistische Tests, darunter Pearson-Korrelationen, Einweg-ANOVA und wiederholte ANOVA-Maßnahmen, wurden durchgeführt, um die Korrelation zwischen physiologischen Parametern und subjektiven Komfortbewertungen nachzuweisen. Um die Sitzplatzergonomie in verschiedenen HSR-Klassen in unterschiedlichen Aktivitätskontexten zu messen, stellt die Pipeline sicher, dass die physiologischen Rohdaten in zuverlässige, verständliche Messungen umgewandelt werden.

Datenerhebung und -verarbeitung
Vor der Datenerhebung wurde eine 10-minütige Basiskalibrierung durchgeführt, um die Signalgenauigkeit sicherzustellen. Jeder Teilnehmer absolvierte anschließend eine feste 60-minütige Aktivitätsphase, die den vordefinierten experimentellen Bedingungen entsprach. Durch zufällige Sitzplatzzuweisungen wurde eine faire Einbindung verschiedener Sitzkonfigurationen gewährleistet. Nach der Studie wurden halbstrukturierte Interviews und subjektive Unbehagsbewertungen mit einer Likert-Skala von 1 bis 10 auf Basis der klassischen Methodik von Likert15 erhoben, die qualitative Daten zum wahrgenommenen Komfort lieferte.

Um genauere Messungen der Muskelspannung zu ermöglichen, wurden die EMG-Differenzwerte in allen Szenarien vor und nach jedem Szenario berechnet. Ein geringerer Unterschied im EMG bedeutet entspannteres Sitzen und weniger Muskelzerrungen.

Statistische Analyse und Verarbeitung
Datenvorverarbeitung: Bandpassfilterung (20–450 Hz), Vollwellengleichrichtung und ein 200 ms gleitendes Durchschnittfenster wurden angewendet, um bedeutende Signaltrends zu extrahieren. Rohe EMG- und SCR-Signale wurden zunächst vorverarbeitet, um die Datenqualität und Vergleichbarkeit zwischen den Teilnehmern sicherzustellen. EMG-Signale wurden Bandpass-gefiltert zwischen 20 und 450 Hz, gleichgerichtet und mit einem Root Mean Square (RMS)-Fenster von 100 ms geglättet. SCR-Daten wurden mit 5 Hz als Tiefpassfilter gefiltert und relativ zu einzelnen Baseline-Aufnahmen normalisiert, die während der Vor-Test-Kalibrierung erhalten wurden. Bewegungsartefakte und Ausreißer wurden durch manuelle Inspektion und automatisierte Schwellenwerte entfernt. Die vorverarbeiteten Daten wurden dann über jedes Szenario für eine anschließende statistische Analyse gemittelt.

Statistische Analyse: ANOVA-Vergleiche: Eine Einweg-ANOVA wurde verwendet, um EMG-Amplituden zwischen Sitzklassen zu vergleichen, während eine wiederholte ANOVA die Muskelermüdungstrends im Zeitverlauf bewertete. SCR-Analyse: Die Signale wurden mit 2 Hz als Tiefpassfilter gefiltert, und die Spitzen-SCR-Ereignisraten (Spitzen pro Minute) wurden mit ANOVA verglichen. Korrelationsanalyse: Pearson-Korrelationstests untersuchten die Zusammenhänge zwischen EMG, SCR und subjektivem Unwohlsein.

Qualitative Analyse
Die potenziellen Unterschiede zwischen biomechanischem Stamm und Nutzererlebnis werden thematisch analysiert, indem die Beziehung zwischen subjektiven Eindrücken und physiologischen Ergebnissen untersucht wird. Diese Kombination von Methoden bietet einen umfassenden, datenbasierten Ansatz zur Bewertung der Ergonomie der HSR-Sitze und eine evidenzbasierte Plattform zur Verbesserung adaptiver Sitzdesigns.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

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

Die Ergebnisse zeigen hohe Unterschiede bei autonomen nervösen Aktivitäten, Muskelmüdigkeit und dem allgemeinen Komfort zwischen den Sitzgruppen des HSR. Um ein umfassendes Bild der Auswirkungen des Sitzdesigns auf das physiologische und psychologische Wohlbefinden der Passagiere während langer Flüge zu vermitteln, sind SCR-, EMG- und szenariobasierte Verhaltensbeobachtungen integriert. Diese Ergebnisse bestätigen die in der Einführung vorgestellten ergonomischen Hypothesen, indem sie die Theorie unterstützen, dass Sitzk...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

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

Diese Studie schlägt einen multimodalen, szenariobasierten ergonomischen Bewertungsrahmen vor, der Elektromyographie (EMG), Hautleitfähigkeit (SCR) und kontextuelle Verhaltensanalysen integriert, um den Sitzkomfort von Hochgeschwindigkeitszügen (HSR) zu untersuchen. Im Gegensatz zu traditionellen laborbasierten Sitzstudien, die sich hauptsächlich auf statische Haltung oder Druckverteilung konzentrieren, umfasst die vorliegende Arbeit dynamische Reiseverhaltensweisen – wie Essen, Unterhal...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

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

Die Autoren haben nichts offenzulegen.

Danksagungen

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

Nicht anwendbar.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
Adhäsive EMG-Elektroden (Einweg-Elektroden)Noraxon9113A
Alkoholabstriche (steril)BD Medical326895
Datensynchronisationsskript (Python 3.9)Open SourceN/A
DatensynchronisationssoftwareBenutzerdefiniert (Python-basiert)N/AEntwickelt in Python, um EMG- und SCR-Signale in Echtzeit zu integrieren.
Elektromyographie (Oberflächen-EMG) SensorDelsysTrigno Wireless EMG System
EMG-SignalverarbeitungssoftwareDelsysEMGworks 4.6N/A
Physiologische DatenerfassungsschnittstelleNationale InstrumenteUSB-6001
Python-Bibliotheken (numpy, pandas, scipy, matplotlib)Open Source (Python Software Foundation)N/A
Fragebogen (Likert-Skala)GepflogenheitN/AWurde verwendet, um subjektive Komfortbewertungen zu sammeln (Skala 1 & Strich; 10) nach jedem Szenario.
Sitztypen (Business/First/Eco)HSR-Hütte (reale Welt)N/ADrei Sitzklassen mit unterschiedlichen ergonomischen Eigenschaften wurden vor Ort bewertet.
Shimmer3 GSR+ Sensor (für SCR-Messung)Schimmer-WahrnehmungSH-GSR3+Verwendet zur Messung der Hautleitfähigkeit (SCR) mit einer Abtastrate von 50 Hz für Stress und Unbehagen.
Statistische Analysesoftware (IBM SPSS Statistics 26.0)IBMN/A
OberflächenelektrodengelParker LaboratoriesSigna Gel 300
Oberflächen-EMG-SensorenNicht spezifiziert (wahrscheinlich Shimmer oder Delsys)N/APlatziert auf Schultern, unterem Rücken und Nacken; wird verwendet, um Muskelaktivierungsamplitude und Ermüdung zu messen.
Temperatur- und LuftfeuchtigkeitsmonitorTesto0560 6050
Tray TableIntegration in HSR-SitzeN/AWird in Ess- und Arbeitssituationen für Laptop- und Mahlzeitenplatzierung verwendet.
Videoaufnahmekamera (Verhaltensbeobachtung)KanonEOS M50
Feuchttücher zur HautvorbereitungMedlineMDS093855H

Referenzen

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

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Schlagwörter

Elektromyographie AnalyseSitzkomfortMuskelerm dungdynamisches SitzenLendenbelastungMuskelspannung

Verwandte Artikel