Come riescono i comandanti a non perdersi nei tunnel fluviali?

I tunnel fluviali sono come lunghi corridoi scuri sotto le montagne, dove le navi devono muoversi senza la vista di un orizzonte. Questa particolarità può far aumentare lo stress e la fatica mentale dei comandanti di bordo, influenzando le loro decisioni. Per capire meglio il fenomeno, ricercatori cinesi hanno ricreato l’ambiente di un tipico tunnel usando un simulatore di manovra navale. Durante le prove, hanno registrato i segnali elettrici del cervello (EEG) e del cuore (ECG) dei capitani, osservando come cambiano nel tempo e nello spazio. I dati hanno mostrato che, man mano che la lunghezza del tunnel aumenta, cresce anche il carico cognitivo, cioè la quantità di informazioni che il cervello deve elaborare. I ricercatori hanno trasformato questi risultati in un modello matematico che quantifica il carico cognitivo dei comandanti. Poi, usando il metodo TOPSIS con pesi basati sull’entropia, hanno valutato il rischio di navigazione in tunnel di diverse lunghezze, identificando le sezioni più pericolose. Il risultato è una mappa visuale che evidenzia i punti critici, offrendo alle autorità uno strumento concreto per migliorare la sicurezza. In pratica, conoscere quando e dove il cervello si affatica permette di intervenire con segnali di avviso, illuminazione migliore o pause operative, riducendo il rischio di incidenti nei tunnel fluviali.

Il carico cognitivo è stato valutato mediante analisi spettrale dei segnali EEG, concentrandosi su bande di frequenza alfa (8‑12 Hz) e theta (4‑7 Hz), tipiche di stati di veglia rilassata e di attenzione sostenuta. Un aumento della potenza theta e una diminuzione della alfa sono stati interpretati come indicatori di maggiore sforzo mentale. Parallelamente, l’ECG è stato analizzato per variazioni della frequenza cardiaca (HR) e della variabilità della frequenza cardiaca (HRV), parametri sensibili allo stress autonomico. I ricercatori hanno sincronizzato i dati fisiologici con eventi di simulazione (curva, accelerazione, riduzione della visibilità) per costruire una matrice temporale di risposta. Utilizzando regressioni lineari multivariate, hanno identificato le variabili più predittive del carico cognitivo, integrandole in un modello di regressione logistica che stima la probabilità di errore decisionale. Per la valutazione del rischio, il metodo TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) è stato arricchito da pesi calcolati tramite l’entropia di Shannon, garantendo che gli indicatori più variabili (es. lunghezza del tunnel, densità di traffico simulato) influenzassero maggiormente il ranking finale. La visualizzazione dei risultati è stata realizzata con GIS 3D, sovrapponendo le zone ad alto rischio a mappe topografiche del tunnel, facilitando l’intervento di ingegneri e operatori di controllo del traffico marittimo.