CN104523237B - 一种移动舱室乘员工作项目调整方法 - Google Patents

Abstract

本发明涉及一种移动舱室乘员工作项目调整方法，包括步骤：第一步，建立基于执行通道的乘员任务—网络模型，该任务—网络模型为将乘员的任务在执行通道上根据时间、执行逻辑形成关联网络图；第二步，确定系统模型的工作参数，所述工作参数包括时间参数和资源参数，所述时间参数包括乘员的反应时间和运动时间，所述资源参数表征乘员脑力负荷值及其概率分布；第三步，根据第一步确定的乘员任务‑网络模型，以及第二步确定的工作参数，计算得到乘员各执行通道的脑力负荷均值；第四步，计算得到乘员的总脑力负荷；第五步，根据乘员总脑力负荷，调整乘员的工作项目顺序，以避免脑力超负荷导致的误操作。

Description

一种移动舱室乘员工作项目调整方法

技术领域

本方法涉及一种脑力负荷测量领域，特别涉及一种根据移动舱室乘员脑力负荷进行工作项目调整领域。

背景技术

移动舱室乘员处理作业信息的过程是一个脑力劳动过程，乘员需要付出一定的脑力资源，产生一定程度的脑力负荷。乘员脑力负荷情况对系统的工作效能、乘员的舒适程度以及安全健康均影响很大，系统工作效能与乘员脑力负荷强度之间依赖关系比较明显。例如，当系统中呈现的信息量较大时，乘员由于“脑力超负荷”而处于应激状态。这时乘员往往难以同时完成对全部作业信息的感知和加工而出现感知信息的遗漏或错误感知，控制或决策失误。

脑力负荷是指操作者在工作时使用脑力资源的程度。从脑力负荷的定义来看，脑力负荷与乘员任务执行时的信息处理量密切相关。对于移动舱室，不同的任务，乘员的脑力负荷情况有较大差异。目前常用的乘员脑力负荷评价方法有主观评价法、主任务测量法、辅助任务测量法等，但这些方法存在一些问题从而限制了其在复杂人机系统中的进一步应用，主要表现在：(1)掺杂决策者主观偏好，系统误差较大，不能定量对乘员脑力负荷进行评价。(2)缺乏对脑力负荷产生机理的研究，不能明确引起乘员脑力负荷过大时的资源系统类型。(3)缺乏模型支撑，不能基于任务对乘员脑力负荷进行评价。(4)不能清楚描述乘员全任务操作过程中的脑力负荷情况，评价缺乏实时性。(5)不能对系统设计阶段的乘员脑力负荷进行预测评价，应用具有局限性。

采用了多资源理论的脑力负荷测量方法的研究在国内外刚刚开始兴起，2010年12月发表在北京交通大学学报(第34卷第6期)上的《基于多资源理论的脑力负荷评价方法》，对工作任务按照视觉、听觉、认知、运动反应4个方面的指标共28个行为要素进行分解、归类，并分别进行行为数、任务难度、同信息源冲突、同处理阶段冲突这4个方面的评价。

该方法存在的问题是：1)根据28个行为要素确定行为序列，并未体现工作任务各行为要素之间的关联性和时间上、逻辑上的相互关系，即未给出任务-网络模型；2)资源参数符合一定的概率分布，该方法没有对资源参数进行研究；3)未对认知通道进行相应的分析；4)虽然根据4个通道进行行为提取，但是并未给出各执行通道脑力负荷情况，不能准确找出乘员脑力负荷过大的深层原因，无法为乘员操作提出可行性的建议。

发明内容

本发明针对以上现有技术的不足，提供一种基于任务—网络模型进行乘员工作项目调整的方法。

本发明的目的主要是通过以下技术方案实现的：一种移动舱室乘员工作项目调整方法，包括步骤：第一步，建立基于执行通道的乘员任务—网络模型，该任务—网络模型为将乘员的任务在执行通道上根据时间、执行逻辑形成关联网络图；第二步，确定系统模型的工作参数，所述工作参数包括时间参数和资源参数，所述时间参数包括乘员的反应时间和运动时间，所述资源参数表征乘员脑力负荷值及其概率分布；第三步，根据第一步确定的乘员任务-网络模型，以及第二步确定的工作参数，计算得到乘员各执行通道的脑力负荷均值；第四步，计算得到乘员的总脑力负荷；第五步，根据乘员总脑力负荷，调整乘员的工作项目顺序，以避免脑力超负荷导致的误操作。

优选的，所述执行通道包括听觉、视觉、认知、反应和语音，其中听觉、视觉、反应和语音通道是独立的通道，上述听觉、视觉、反应和语音通道分别并行相应的认知通道。

优选的，所述时间参数包括反应时间和运动时间两个部分，由以下公式确定：

$T=T_c+T_m=(I_c\×H)+[I_m\×\lg (\frac{D}{S}+0.5)]$

T代表时间参数，T_c是选择反应时间，I_c是信息反应时间，取值在150～157ms之间，平均值为92ms，H是与决定有关的信息度量标准；T_m是运动时间，I_m是运动控制反复时间，取值在70～120ms之间，平均值为100ms；D表示手动距离；S表示物体直径。

优选的,资源参数包括脑力负荷值及其分布函数；其中脑力负荷值为采取分析的方法确定乘员在执行某一任务操作时各执行通道的脑力负荷期望值；分布函数根据以下公式确定：

φ(x)＝c₀+c₁log₁₀(x+1)

其中，x为时间，φ(x)为该时刻操作发生的概率，c₀c₁为待定参数，根据实际测量得到的脑力负荷数据，进行曲线拟合得到脑力负荷分布曲线，从而确定c⁰c¹。

优选的，所述第三步中计算得到乘员各执行通道的脑力负荷均值具体为：采用蒙特卡洛方法，确定共用随机起始数字后，根据概率分布函数计算N次，统计生成的随机数据，计算出N个随机数的期望值C_it，其中N大于等于50。

优选的，计算得到乘员的总脑力负荷具体为：某一执行通道t时刻的负荷值根据以下公式确定：

$W_{1t}=\underset{i=0}{\overset{n}{\mathrm{\Σ}}}{B}_{\mathrm{it}}{C}_{\mathrm{it}}$

其中，W_1t是某一执行通道t时刻的负荷值。当第i个信息在t时刻存在时，B_it＝1，C_it为各执行通道的脑力负荷均值；否则B_it＝0；

某个t时刻的总脑力负荷值根据以下公式确定：

$W_t=\underset{j=0}{\overset{n}{\mathrm{\Σ}}}{W}_{\mathrm{jt}}$

W_t是某个t时刻的总脑力负荷值，W_jt分别表示t时刻某一通道的脑力负荷值。

优选的，其中时间参数中的一部分用经验数据代替，或者是根据计算得到的时间参数值与经验数据相互修正确定的时间参数。

优选的，所述分析的方法为根据Aldrich提出的7分制行为评级标准进行计算的计算方法。

本发明有益效果如下：1、在系统评价方法的基础上，引入时间序列，基于信息执行通道构建了由乘员、时间、脑力负荷组成的任务—网络模型。2、定量比较不同任务操作之间的脑力负荷强度，克服了以往定性分析主观性较强的缺点。3、基于多资源理论对脑力负荷产生机理进行研究，在分析评价中确定了引起乘员脑力负荷过大时的资源系统类型。4、将乘员任务操作本身作为评价对象，不仅可以用于评价己有的任务，也可对系统设计阶段的乘员脑力负荷进行预测。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分的从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为本发明专利多资源理论加工资源的结构模型。

图2为乘员信息执行通道示意图。

图3为本发明专利脑力负荷评价资源框图。

图4为本发明专利脑力负荷评价流程框图。

图5为本发明专利基于执行通道的乘员任务—网络图。

图6(a)为本发明专利视觉通道脑力负荷分布函数拟合结果图。

图6(b)为本发明专利反应通道脑力负荷分布函数拟合结果图。

图6(c)为本发明专利语音通道脑力负荷分布函数拟合结果图。

图6(d)为本发明专利听觉通道脑力负荷分布函数拟合结果图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理。

下面结合附图以移动舱室乘员某一任务场景为例进一步说明本发明专利的实质内容，但本发明的内容不限于此：

第一步，建立基于信息执行通道的任务—网络模型。

任务—网络建模技术是以网络图的形式对任务操作流程按时间序列进行系统建模，并在任务实施过程中加以控制以保证实现预定目标的计划管理技术。无论工作任务有多大、任务操作之间的关系有多复杂，都可以将一个完整的工作任务逐级分解。

为了对乘员脑力负荷进行测量，针对移动舱室乘员作业特点，基于多资源理论基本原理，对任务—网络建模技术进行扩展改进，将乘员任务操作按照信息基本执行通道，听觉、视觉、认知、反应及语言，进行划分，建立基于信息执行通道的任务—网络模型。

任务—网络建模技术的基本表达形式为任务—网络图，它是一种由箭线和节点组成的有向、有序的网状图形。如图5所示。箭线、节点和线路是网络图的三个基本构成元素，其含义特点可表述为：箭线及两端节点的编号共同描述一项任务，箭线应画成水平线、斜线或折线，箭线水平投影方向应自左向右，表示工作的进行方向，箭线的箭尾节点编号应小于箭头节点的编号；节点是一个瞬间的逻辑连接点，既不占用时间也不消耗资源，用圆圈描述。线路描述的是任务从起始节点开始到终止节点结束，沿着箭线方向通过一系列连续节点的基本路径。折线箭线，例如图5节点3和节点4之间的折线箭线，代表在逻辑上节点3必须先于节点4执行。

基于执行通道的任务—网络建模技术将数学建模方法和图示方法有机结合起来，可以清楚地表达各任务操作之间的相互关系，直观地表现各执行通道同时处理的信息数目以及某一时刻任务的总信息需量，有利于提高各信息执行通道之间的协同配合，共同保证工作任务的顺利完成。

例如，根据乘员工作项目明细表，按照从最初节点开始到最终节点结束的顺序，建立基于执行通道的任务—网络模型，如图5所示。

图5中横坐标为时间，纵坐标为视觉、反应、语言、听觉四个通道，视觉、反应、语言、听觉通道分别并联有认知通道，认知通道未体现在图5中。具体，根据乘员的基本职责和工作任务分解后，视觉通道根据时间上的先后顺序分解成为A1至A9，反应通道根据时间上的先后顺序分解成为B1至B9，语言通道根据时间上的先后顺序分解成为C1至C2，在整个时间序列上，听觉通道处于D1状态。

第二步，确定任务—网络模型的工作参数。

针对某一工作任务以及基本职责，确定了基于执行通道的任务-网络图后。在第二步，根据具体的应用确定每一通道脑力负荷随时间的变化值。

1.时间参数

时间参数包括反应时间和运动时间两个部分：反应时间即为从刺激的呈现到反应开始之间的时距，运动时间即为从反应开始到反应结束之间的时距。对于可观测到的任务操作可以通过行为观察直接记录操作时间，但人的认知等活动却往往是不被察觉的，因此需要根据人机工程学的理论来进行推算。如反应时间又可分为简单反应时和选择反应时：简单反应时间是给予被试者以单一的刺激，要求其做出同样反应的时间；选择反应时是根据不同的刺激物，在各种可能性中选择一种符合要求的反应的时间。乘员执行通道的简单反应时可以参考经验数据，在实际应用中，乘员几乎不存在简单反应时间。选择反应时间利用Hick's定律来计算，即：

T_c＝I_c×H (1)

式中：T_c是选择反应时间，I_c是信息反应时间，取值在150～157ms之间，平均值为92ms。H是与决定有关的信息度量标准，当有n个相同概率选择时：

H＝alg(n+1) (2)

式中a为一个常数，根据实际应用情况，一般取值为1。

当有n个不同概率选择时：

$H=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{p}_i\lg (\frac{1}{p_i}+1)---\left(3\right)$

pi为第i个选择反复出现的概率。

运动时间是利用Fitt’s定律来计算：

$T_m=I_m\×\lg (\frac{D}{S}+0.5)---\left(4\right)$

式中：T_m是运动时间，I_m是运动控制反复时间，取值在70～120ms之间，平均值为100ms；D表示手动距离；S表示物体直径。

因此，对于一个简单“认知—反应”行为的时间为：

$T=T_c+T_m=(I_c\×H)+[I_m\×\lg (\frac{D}{S}+0.5)]---\left(5\right)$

由公式(5)计算得到的时间参数，其中部分时间参数可以用经验数据代替，或者计算得到的时间参数值与经验数据相互修正获得实际操作数据。

2、资源参数

模型的资源参数包括脑力负荷值及其分布函数两个部分。

首先，确定脑力负荷值即采取分析的方法对乘员在执行某一任务操作时各执行通道的脑力负荷进行预测。目前常用的方法有Siegel和Wolf的时间压力模型、波音公司的方法以及Aldrich的脑力负荷预测方法。

其次，确定脑力负荷分布函数即采取拟合的方法对乘员在某一任务阶段的脑力负荷分布进行分析。确定乘员脑力负荷分布函数的基本流程为：确定乘员脑力负荷分布模型；明确各随机点乘员工作状态；数据拟合；评价拟合结果。

各执行通道的脑力负荷即乘员完成某项操作所需的脑力资源量，采用Aldrich提出的7分制行为评级标准进行评定。时间参数值和各执行通道的脑力负荷值如表1所示。例如，对于视觉通通道，工作内容为监视目标，工作代号A1，根据公式(5)可以计算得到“认知—反应”行为的时间为5s,根据Aldrich提出的7分制行为评级标准进行计算，可以得到通道负荷期望值为7.0，认知负荷期望值为4.6。

表1乘员工作项目明细表

基于乘员工作条件，脑力负荷分布模型如下：

φ(x)＝c₀+c₁log₁₀(x+1) (8)

其中，x为时间，φ(x)为该时刻操作发生的概率，c₀c₁为待定参数，根据实际测量得到的脑力负荷数据，进行曲线拟合得到脑力负荷分布曲线，从而确定c₀c₁。

根据统计学原理，每一时刻乘员工作状态测量结果的准确度随着测量次数的增加而增加，结合客观条件和实际情况，每一时刻的乘员工作状态测量100次。对测量数据利用最小二乘法进行曲线拟合，即可得到乘员各工作项目下的脑力负荷分布函数，拟合结果如图6所示。图6，横坐标为时间序列轴，纵坐标为发生概率。图6(a)为乘员工作项目的视觉通道，均属于肯定分布，即分布函数为φ(x)＝1。图6(b)为乘员工作项目的反应通道，除了空闲状态外，其它项目发生概率均为1。图6(c)为乘员工作项目的语言通道，报告发现目标操作的分布函数。图6(d)为乘员工作项目的语听觉通道，为接收车内信息的分布函数。部分操作的分布函数如表2所示。认知脑力负荷的期望值如表1所示，其概率分布等同于其对应通道对应项目的概率分布。

表2乘员各工作项目负荷分布函数表

第三步，针对各通道，计算脑力负荷期望值。

采用蒙特卡洛方法，具体计算流程为：确定共用随机起始数字后，根据概率分布函数计算50次，统计生成的随机数据，计算出每组随机数的期望值C_it。

第四步，乘员脑力负荷评价。

1.各执行通道脑力负荷情况

每个执行通道需同时处理的信息数目越多，通道所承受的负荷越大。负荷值可以通过信息的数量和操作信息的负荷来反映，其限度为执行通道的原容量。

对仿真结果整理统某一执行通道t时刻的负荷值可表示如下：

$W_{1t}=\underset{i=0}{\overset{n}{\mathrm{\Σ}}}{B}_{\mathrm{it}}{C}_{\mathrm{it}}---\left(6\right)$

W_1t是某一执行通道t时刻的负荷值。当第i个信息在t时刻存在时，B_it＝1，C_it为其对应的负荷值；否则B_it＝0。

2.总脑力负荷情况

由多资源理论可知，乘员执行一项任务的总脑力负荷值为乘员执行这项任务所需的各通道脑力负荷值的总和。某个t时刻的总脑力负荷值可表示如下：

$W_t=\underset{j=0}{\overset{n}{\mathrm{\Σ}}}{W}_{\mathrm{jt}}---\left(7\right)$

W_t是某个t时刻的总脑力负荷值。W_jt分别表示t时刻视觉通道、听觉通道、反应通道、语言通道和认知通道的脑力负荷值。如果同时进行的所有任务在执行通道中任何一项的脑力负荷超过限值，则认为乘员在这一脑力资源上处于高脑力负荷状态。

得到表3和表4所示的工作条件下乘员各执行通道脑力负荷和总脑力负荷情况。

表3乘员最高脑力负荷情况

表4乘员的脑力负荷情况

由表3可知，在此动态模拟工作环境中，仿真预测的乘员最高认知通道脑力负荷值为15.50，最高总脑力负荷值为36.10。高脑力负荷时同时进行的任务共有三项，分别为：目标搜索、汇报情况和接收信息。即最大负荷值出现在乘员理解信息的同时还要进行其他任务的情况下。

由表4可知，在此动态模拟工作环境中，乘员承受高脑力负荷的情况出现了5次，占5％的模拟时间；认知通道脑力负荷超过负荷限值的情况出现了21次，占21％的模拟时间。可以看出，虽然全过程中乘员总脑力负荷并不是很高，但认知通道负荷超限频繁，因此，认知通道是最可能引起乘员高脑力负荷的脑力资源系统。

第五步，根据乘员脑力负荷情况，调整乘员工作项目顺序，以避免脑力超负荷导致的误操作。

乘员的操作是影响移动舱室乘员生存能力的关键因素，鉴于脑力负荷数据统计结果，为了调整高脑力负荷对乘员操作效能的影响，可以采取按顺序完成工作的策略。基于此策略，乘员可以先进行通信再搜索目标，或先搜索目标再进行通信，这可以有效的降低乘员脑力负荷，提高乘员的操作效能。

根据以上分析可以说明，基于任务—网络模型的移动舱室乘员脑力负荷测量方法能够清楚描述乘员全任务操作过程中脑力负荷的变化情况，准确找出乘员脑力负荷高的时间阶段及具体操作，定量比较乘员在不同任务操作之间的脑力负荷强度，分析导致乘员脑力负荷过高的具体原因和改进方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种移动舱室乘员工作项目调整方法，包括步骤：第一步，建立基于执行通道的乘员任务—网络模型，该任务—网络模型为将乘员的任务在执行通道上根据时间、执行逻辑形成关联网络图；第二步，确定系统模型的工作参数，所述工作参数包括时间参数和资源参数，所述时间参数包括乘员的反应时间和运动时间，所述资源参数表征乘员脑力负荷值及其概率分布；第三步，根据第一步确定的乘员任务-网络模型，以及第二步确定的工作参数，计算得到乘员各执行通道的脑力负荷均值；第四步，计算得到乘员的总脑力负荷；第五步，根据乘员总脑力负荷，调整乘员的工作项目顺序，以避免脑力超负荷导致的误操作。

2.根据权利要求1所述的一种移动舱室乘员工作项目调整方法，其特征在于，所述执行通道包括听觉、视觉、认知、反应和语音，其中听觉、视觉、反应和语音通道是独立的通道，上述听觉、视觉、反应和语音通道分别并行相应的认知通道。

3.根据权利要求1或2所述的一种移动舱室乘员工作项目调整方法，其特征在于，所述时间参数包括反应时间和运动时间两个部分，由以下公式确定：

T代表时间参数，T_c是选择反应时间，I_c是信息反应时间，取值在150～157ms之间，平均值为92ms，H是与决定有关的信息度量标准；T_m是运动时间，I_m是运动控制反复时间，取值在70～120ms之间，平均值为100ms；D表示手动距离；S表示物体直径。

4.根据权利要求1或2所述的一种移动舱室乘员工作项目调整方法，其特征在于，资源参数包括脑力负荷值及其分布函数；其中脑力负荷值 为采取分析的方法确定乘员在执行某一任务操作时各执行通道的脑力负荷期望值；分布函数根据以下公式确定：

φ(x)＝c₀+c₁log₁₀(x+1)

其中，x为时间，φ(x)为该时刻操作发生的概率，c_0、c₁为待定参数，根据实际测量得到的脑力负荷数据，进行曲线拟合得到脑力负荷分布曲线，从而确定c_0、c₁。

5.根据权利要求1或2所述的一种移动舱室乘员工作项目调整方法，其特征在于，所述第三步中计算得到乘员各执行通道的脑力负荷均值具体为：采用蒙特卡洛方法，确定共用随机起始数字后，根据概率分布函数计算N次，统计生成的随机数据，计算出N个随机数的期望值C_it，其中N大于等于50。

6.根据权利要求5所述的一种移动舱室乘员工作项目调整方法，其特征在于，计算得到乘员的总脑力负荷具体为：

某一执行通道t时刻的负荷值根据以下公式确定：

其中，W_1t是某一执行通道t时刻的负荷值；当第i个信息在t时刻存在时，B_it＝1，C_it为各执行通道的脑力负荷均值；否则B_it＝0；

某个t时刻的总脑力负荷值根据以下公式确定：

W_t是某个t时刻的总脑力负荷值，W_jt分别表示t时刻某一通道的脑力负荷值。

7.根据权利要求3所述的一种移动舱室乘员工作项目调整方法，其 特征在于，其中时间参数中的一部分用经验数据代替，或者是根据计算得到的时间参数值与经验数据相互修正确定的时间参数。

8.根据权利要求4所述的一种移动舱室乘员工作项目调整方法，其特征在于，所述分析的方法为根据Aldrich提出的7分制行为评级标准进行计算的计算方法。