CN106251065A - 一种基于眼动行为指标体系的管制效率评估方法 - Google Patents
一种基于眼动行为指标体系的管制效率评估方法 Download PDFInfo
- Publication number
- CN106251065A CN106251065A CN201610609913.2A CN201610609913A CN106251065A CN 106251065 A CN106251065 A CN 106251065A CN 201610609913 A CN201610609913 A CN 201610609913A CN 106251065 A CN106251065 A CN 106251065A
- Authority
- CN
- China
- Prior art keywords
- eye
- weight
- effectiveness
- controller
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于眼动行为指标体系的管制效率评估方法,属于空中交通管理系统效能评估领域。本方法首先通过faceLAB眼动仪采集管制员在模拟仿真实验中的眼动数据,构建反映眼动行为的指标体系,涵盖注视、扫视和眨眼三大特征,然后采用主客观组合权重法确定指标权重,最终利用模糊C均值聚类算法实现了对管制效率的评估。本方法利用管制员眼动行为的多维特征,能够更加客观、真实、科学地度量管制效率,为提升管制工作的运行效能提供指导和依据。
Description
技术领域:
本发明涉及一种基于眼动行为指标体系的管制效率评估方法,属于空中交通管理系统效能评估领域。
背景技术:
扇区是空域的基本组成单元之一,空中交通管制员负责对扇区内的所有航班进行监控、指挥和协调,保障航班的安全、有序和高效飞行。尽管空管系统的智能化和自动化水平显著提高,但在国际民航组织颁布的全球空中交通管理运行概念文件中提出,管制员仍将在空中交通管理系统中承担关键的职责,扮演核心角色。面对日益复杂的空域结构和密集交错的飞行流,管制员的专业技能受到极大的挑战,其管制效率直接影响了空中交通系统的运行效能。
目前国内在空中交通管理系统效能评估尚未形成完整的理论体系和方法模型,其中对管制员的效能评估研究仅仅通过采集管制员的无线电语音通信指令,分析工作负荷的变化规律。而对于管制效率的评估,多以主观打分或专家评价为主,缺乏科学、量化的分析方法和依据。视觉作为一种重要的信息获取途径,是管制员指挥航班的重要媒介。不同属性的眼动行为能够充分反映管制员的注意力分配、目标监控、信息搜索等多元化的工作模式和精神状态,全面地衡量管制效率,有效地挖掘限制效率的瓶颈所在。因此,利用管制员眼动行为的变化特征,建立指标体系,科学合理地评估管制效率,对于评价和提升空中交通系统的运行效能具有重大的意义。
发明内容:
本发明提出了一种基于眼动行为指标体系的管制效率评估方法,通过faceLAB眼动仪采集多位管制员在雷达模拟机仿真实验中的动态眼动数据,构建了涵盖注视、扫视和眨眼三大特征的眼动行为指标体系,利用专家打分法和熵权法确定指标的组合权重,采用模糊C均值聚类算法评估管制效率的等级,为评估和提升管制员的运行效能提供客观、精确的依据。
本发明为解决其技术问题采用如下技术方案:
一种基于眼动行为指标体系的管制效率评估方法,包括如下步骤:
(1)采集多组管制员眼动行为数据;
(2)构建管制员眼动行为指标体系;
(3)采用主客观组合权重法确定指标权重;
(4)基于模糊C均值聚类算法评估管制效率。
所述步骤(1)包括以下分步骤:
(1.1)使用管制雷达模拟机,模拟管制扇区运行场景,设置多组仿真训练实验;
(1.2)利用faceLAB5.0眼动仪采集l位管制员在仿真实验中的多维眼动行为数据,主要包括扫视、注视和眨眼数据。
所述步骤(2)包括以下分步骤:
(2.1)建立扫视行为指标集合:平均扫视角速度Em1、扫视峰值速度Em2、平均扫视幅度Em3、平均扫视时间Em4;
(2.2)建立注视行为指标集合:平均兴趣区域数量Em5、平均注视时间Em6;
(2.3)建立眨眼行为指标集合:平均眨眼频率Em7、平均眨眼持续时间Em8。
所述步骤(3)包括以下分步骤:
(3.1)建立归一化对象矩阵,Emij表示第j位管制员第i个眼动指标值,1≤i≤n,1≤j≤l,则l位管制员在n个眼动指标下的特征矩阵为:
对矩阵进行归一化处理:
其中Emi表示对应数据矩阵中第i行的所有数据,Emi′是对Emi进行归一化处理之后的值;
(3.2)使用熵权法确定指标客观权重,所以第i个眼动行为指标的熵值为:其中,k由对象数量决定,k=1/lnm,当Em′ij=0时,Em′ijlnEm′ij=0;
因此,第i个眼动行为指标的熵权为:基于熵权得到眼动指标的客观权重值w′=(w′1,w′2,···,w′n),其中w′1为第一个眼动指标的客观权重,w′2为第二个眼动指标的客观权重,w′n为第n个眼动指标的客观权重;
(3.3)使用专家打分法确定指标主观权重,邀请资深管制员和相关学者组成专家组,jpi表示第p位专家对第i个眼动指标的评价权重,1≤p≤r,1≤i≤n,共有r位专家对n个眼动指标的权重进行评价,得到评价矩阵:
其中,
(3.4)r位专家对第i个眼动指标的平均评价权重为:所以眼动指标的主观权重为w″=(w″1,w″2,…,w″n),其中w″1为第一个眼动指标的主观权重,w″2为第二个眼动指标的主观权重,w″n为第n个眼动指标的主观权重;
(3.5)计算主客观组合权重:w=αw′+(1-α)w″,其中0≤α≤1,认为主观权重和客观权重的同样重要,故α=0.5。
所述步骤(4)包括以下分步骤:
(4.1)计算采样对象在组合权重下的眼动行为特征矩阵,
将矩阵E′进行转置得到E,Eli表示第l个管制员的第i个特征值,1≤i≤n,1≤l≤L;
(4.2)将隶属矩阵U=(ugl)G×L初始化,G表示分类个数,本方法中分类个数即对应管制效率的评价等级,为了便于认知,通常可分为高、中、低三级,ugl表示第l个管制员的管制效率属于第g个等级的隶属度,ugl∈[0,1],
(4.3)建立G个分类的聚类中心C=(Cg)G×1,g=1,2,…,G,其中,m=2表示加权指数,表示第l个管制员的管制效率属于第g个等级的隶属度的加权值;El表示第l个管制员的所有特征值;
(4.4)根据U和C计算价值函数V,其中,Vg表示等级g的价值;dgl=||Cg-El||表示等级g的中心与第l个管制员眼动行为特征数据之间的欧式距离;
(4.5)对比当前价值函数值V与上一次V的结果,其中首次计算时,V与0进行比较,若V改变量小于ε=10-5,终止计算;否则,根据对U进行更新,重复步骤(4.3)和(4.4),直至满足终止条件,其中dhl表示等级h的中心与第l个管制员眼动行为特征数据之间的欧式距离;
(4.6)依据最终的U判断管制效率的评价等级,判别标准为:if ugl=max[u1l,u2l,···,uGl],第l个对象属于等级g;结合不同类别内眼动行为指标的分布区间,最终确定不同管制员工作效率的高、中、低所属等级,其中:ugl表示第l个管制员的管制效率属于第g个等级的隶属度。
本发明的有益效果如下:
(1)本发明构建了管制员眼动行为多维指标体系,利用注视、扫视和眨眼行为从不同角度刻画管制员的工作效率。
(2)根据眼动行为指标体系,利用主客观方法结合的方式确定了指标权重,基于模糊C均值聚类方法实现了对管制效率的定量评估,能为识别管制员的瓶颈,提升空中交通系统中的人员效能提供依据。
附图说明:
图1是本发明的方法流程图。
图2是管制员眼动行为指标体系。
具体实施方式:
下面结合附图对本发明创造做进一步详细说明。
图1为本发明的核心原理图。如图1所示,基于眼动行为指标体系的管制效率评估方法,包括以下具体实施步骤:
第一步:采集多组管制员眼动行为数据。
(1)使用管制雷达模拟机,模拟管制扇区运行场景,设计多组仿真训练实验,每个练习持续20分钟。
(2)在每位管制员进行数据采集前,首先熟悉仿真实验的空域结构和航班计划,减少实验设置对管制效率的影响。
(3)在采集数据前,分别为每位管制员建立校准模型,然后利用faceLAB5.0眼动仪采集不同管制员的眼动数据,采集过程中管制员应专注于当前的雷达屏幕。
第二步:建立管制员眼动行为指标体系,指标体系包含注视行为、扫视行为和眨眼行为等三类指标集合,如图2所示。
(1)建立扫视行为指标集合:平均扫视角速度Em1、扫视峰值速度Em2、平均扫视幅度Em3、平均扫视时间Em4。
(2)建立注视行为指标集合:平均兴趣区域数量Em5、平均注视时间Em6。
(3)建立眨眼行为指标集合:平均眨眼频率Em7、平均眨眼持续时间Em8。
第三步:采用主客观组合权重法确定指标权重。
(1)根据记录数据,得到眼动行为指标数值,其中Emij表示第j位管制员第i个眼动指标值,1≤i≤n,1≤j≤l,则l位管制员在n个眼动指标下的特征矩阵为:
然后对矩阵进行归一化处理:
其中:
Emi表示对应数据矩阵中第i行的所有数据,Emi′是对Emi进行归一化处理之后的值;
(2)使用熵权法确定眼动指标的客观权重,第i个眼动行为指标的熵值为:k由管制员数量决定,k=1/lnm,当Em′ij=0时,Em′ijlnEm′ij=0;第i个眼动行为指标的熵权为:基于熵权得到眼动指标的客观权重为w′=(w′1,w′2,…,w′n),其中其中w′1为第一个眼动指标的客观权重,w′2为第二个眼动指标的客观权重,w′n为第n个眼动指标的客观权重。
(3)邀请资深管制员和相关学者组成专家组,使用专家打分法确定眼动指标的主观权重,jpi表示第p位专家对第i个眼动指标的评价权重,1≤p≤r,1≤i≤n,共有r位专家对n个眼动指标的权重进行评价,得到评价矩阵:
其中,
r位专家对第i个眼动指标的平均评价权重为:所以眼动指标的主观权重为w″=(w″1w″2,…,w″n),其中w″1为第一个眼动指标的主观权重,w″2为第二个眼动指标的主观权重,w″n为第n个眼动指标的主观权重。
(4)计算主客观组合权重:w=αw′+(1-α)w″,其中0≤α≤1,综合考虑主观权重和客观权重的影响程度,设α=0.5。
第四步:基于模糊C均值聚类算法,评估管制效率。
(1)计算所有管制员在组合权重下的眼动行为特征矩阵,
将矩阵E′进行转置得到E,Eli表示第l个管制员的第i个特征值,1≤i≤n,1≤l≤L,w1为第1个眼动指标的权重,w2为第2个眼动指标的权重,wn为第n个眼动指标的权重。
(2)初始化隶属矩阵U=(ugl)G×L,G表示分类个数(分类个数即对应管制效率的评价等级),为了便于认知,通常可分为高、中、低三级,ugl表示第l个管制员的管制效率属于第g个等级的隶属度,ugl∈[0,1],
(3)建立G个分类(等级)的聚类中心C=(Cg)G×1,g=1,2,…,G,其中,m=2表示加权指数,表示第l个管制员的管制效率属于第g个等级的隶属度的加权值;El表示第l个管制员的所有特征值。
(4)根据U和C计算价值函数V,其中,Vg表示等级g的价值;dgl=||Cg-El||表示等级g的中心与第i个管制员眼动行为特征数据之间的欧式距离,Cg为等级g的聚类中心;El为第i个管制员眼动行为特征数据。
(5)对比当前价值函数值V与上一次V的结果(首次计算时,V与0进行比较),若V改变量小于ε=10-5,终止计算;否则,根据对U进行更新,重复步骤(4)和(5),直至满足终止条件。
(6)依据最终的U识别管制效率的评价等级,识别准则是:if ugl=max[u1l,u2l,···,uGl],第l个对象属于等级g。结合不同级别内眼动行为指标的分布区间,最终确定不同管制员工作效率的高、中、低所属等级,其中Class(g)为第g个等级集合。
Claims (5)
1.一种基于眼动行为指标体系的管制效率评估方法,其特征在于,包括如下步骤:
(1)采集多组管制员眼动行为数据;
(2)构建管制员眼动行为指标体系;
(3)采用主客观组合权重法确定指标权重;
(4)基于模糊C均值聚类算法评估管制效率。
2.根据权利要求1所述的一种基于眼动行为指标体系的管制效率评估方法,其特征在于,所述步骤(1)包括以下分步骤:
(1.1)使用管制雷达模拟机,模拟管制扇区运行场景,设置多组仿真训练实验;
(1.2)利用faceLAB5.0眼动仪采集l位管制员在仿真实验中的多维眼动行为数据,主要包括扫视、注视和眨眼数据。
3.根据权利要求1所述的一种基于眼动行为指标体系的管制效率评估方法,其特征在于,所述步骤(2)包括以下分步骤:
(2.1)建立扫视行为指标集合:平均扫视角速度Em1、扫视峰值速度Em2、平均扫视幅度Em3、平均扫视时间Em4;
(2.2)建立注视行为指标集合:平均兴趣区域数量Em5、平均注视时间Em6;
(2.3)建立眨眼行为指标集合:平均眨眼频率Em7、平均眨眼持续时间Em8。
4.根据权利要求1所述的一种基于眼动行为指标体系的管制效率评估方法,其特征在于,所述步骤(3)包括以下分步骤:
(3.1)建立归一化对象矩阵,Emij表示第j位管制员第i个眼动指标值,1≤i≤n,1≤j≤l,则l位管制员在n个眼动指标下的特征矩阵为:
对矩阵进行归一化处理:
其中Emi表示对应数据矩阵中第i行的所有数据,Emi′是对Emi进行归一化处理之后的值;
(3.2)使用熵权法确定指标客观权重,所以第i个眼动行为指标的熵值为:其中,k由对象数量决定,k=1/lnm,当Em′ij=0时,Em′ijlnEm′ij=0;
因此,第i个眼动行为指标的熵权为:基于熵权得到眼动指标的客观权重值w′=(w′1,w′2,…,w′n),其中w′1为第一个眼动指标的客观权重,w′2为第二个眼动指标的客观权重,w′n为第n个眼动指标的客观权重;
(3.3)使用专家打分法确定指标主观权重,邀请资深管制员和相关学者组成专家组,jpi表示第p位专家对第i个眼动指标的评价权重,1≤p≤r,1≤i≤n,共有r位专家对n个眼动指标的权重进行评价,得到评价矩阵:
其中,
(3.4)r位专家对第i个眼动指标的平均评价权重为:所以眼动指标的主观权重为w″=(w″1,w″2,…,w″n),其中w″1为第一个眼动指标的主观权重,w″2为第二个眼动指标的主观权重,w″n为第n个眼动指标的主观权重;
(3.5)计算主客观组合权重:w=αw′+(1-α)w″,其中0≤α≤1,认为主观权重和客观权重的同样重要,故α=0.5。
5.根据权利要求1所述的一种基于眼动行为指标体系的管制效率评估方法,其特征在于,所述步骤(4)包括以下分步骤:
(4.1)计算采样对象在组合权重下的眼动行为特征矩阵,
将矩阵E′进行转置得到E,Eli表示第l个管制员的第i个特征值,1≤i≤n,1≤l≤L;
(4.2)将隶属矩阵U=(ugl)G×L初始化,G表示分类个数,本方法中分类个数即对应管制效率的评价等级,为了便于认知,通常可分为高、中、低三级,ugl表示第l个管制员的管制效率属于第g个等级的隶属度,ugl∈[0,1],
(4.3)建立G个分类的聚类中心C=(Cg)G×1,g=1,2,…,G,其中,表示加权指数,表示第l个管制员的管制效率属于第g个等级的隶属度的加权值;El表示第l个管制员的所有特征值;
(4.4)根据U和C计算价值函数V,其中,Vg表示等级g的价值;dgl=||Cg-El||表示等级g的中心与第l个管制员眼动行为特征数据之间的欧式距离;
(4.5)对比当前价值函数值V与上一次V的结果,其中首次计算时,V与0进行比较,若V改变量小于ε=10-5,终止计算;否则,根据对U进行更新,重复步骤(4.3)和(4.4),直至满足终止条件,其中dhl表示等级h的中心与第l个管制员眼动行为特征数据之间的欧式距离;
(4.6)依据最终的U判断管制效率的评价等级,判别标准为:if ugl=max[u1l,u2l,…,uGl],第l个对象属于等级g;结合不同类别内眼动行为指标的分布区间,最终确定不同管制员工作效率的高、中、低所属等级,其中:ugl表示第l个管制员的管制效率属于第g个等级的隶属度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610609913.2A CN106251065A (zh) | 2016-07-28 | 2016-07-28 | 一种基于眼动行为指标体系的管制效率评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610609913.2A CN106251065A (zh) | 2016-07-28 | 2016-07-28 | 一种基于眼动行为指标体系的管制效率评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106251065A true CN106251065A (zh) | 2016-12-21 |
Family
ID=57605048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610609913.2A Pending CN106251065A (zh) | 2016-07-28 | 2016-07-28 | 一种基于眼动行为指标体系的管制效率评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106251065A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107562202A (zh) * | 2017-09-14 | 2018-01-09 | 中国石油大学(北京) | 基于视线追踪的工艺操作人员人为失误识别方法及装置 |
CN108898890A (zh) * | 2018-08-29 | 2018-11-27 | 中国民用航空总局第二研究所 | 空管运行效率等级评估方法及其装置 |
CN109165854A (zh) * | 2018-08-29 | 2019-01-08 | 中国民用航空总局第二研究所 | 空管运行效率等级评估方法及其装置 |
CN109190968A (zh) * | 2018-08-29 | 2019-01-11 | 中国民用航空总局第二研究所 | 空管运行效率等级评估方法及其装置 |
TWI679558B (zh) * | 2018-11-25 | 2019-12-11 | 國立臺灣師範大學 | 一種眼動凝視之即時辨識方法及採用該方法之眼動凝視即時辨識系統 |
CN111178706A (zh) * | 2019-12-18 | 2020-05-19 | 南京航空航天大学 | 一种基于眼动数据的管制员注意力分配评估方法 |
CN111507555A (zh) * | 2019-11-05 | 2020-08-07 | 浙江大华技术股份有限公司 | 人体状态检测方法、课堂教学质量的评价方法及相关装置 |
CN111966220A (zh) * | 2020-08-03 | 2020-11-20 | 刘亮 | 一种基于眼动数据的管制员情景意识水平分析方法 |
US11837026B1 (en) * | 2023-01-05 | 2023-12-05 | China University Of Petroleum-Beijing China | Method, apparatus, device, and storage media for early warning unsafe behavior in drilling operation |
CN117717340A (zh) * | 2024-02-07 | 2024-03-19 | 中汽研汽车检验中心(天津)有限公司 | 一种驾驶员困意检测方法、装置、设备及介质 |
CN117717340B (zh) * | 2024-02-07 | 2024-05-31 | 中汽研汽车检验中心(天津)有限公司 | 一种驾驶员困意检测方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604479A (zh) * | 2009-07-14 | 2009-12-16 | 北京交通大学 | 混合交通环境下平面信号交叉口服务水平的评价方法 |
CN102509240A (zh) * | 2011-11-22 | 2012-06-20 | 天津市电力公司 | 一种基于多指标多层次的电网投资效益评估方法 |
CN103810359A (zh) * | 2012-11-06 | 2014-05-21 | 西安元朔科技有限公司 | 基于灰色聚类分析的城市水环境承载力等级评价算法 |
CN104143052A (zh) * | 2014-08-13 | 2014-11-12 | 天津大学 | 并网光伏发电系统稳态电能质量评估方法 |
CN104636890A (zh) * | 2015-03-13 | 2015-05-20 | 中国民航大学 | 一种空中交通管制员工作负荷测量方法 |
CN105078480A (zh) * | 2015-05-18 | 2015-11-25 | 中国民航大学 | 一种空中交通管制员注意力动态分配的测量方法 |
-
2016
- 2016-07-28 CN CN201610609913.2A patent/CN106251065A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604479A (zh) * | 2009-07-14 | 2009-12-16 | 北京交通大学 | 混合交通环境下平面信号交叉口服务水平的评价方法 |
CN102509240A (zh) * | 2011-11-22 | 2012-06-20 | 天津市电力公司 | 一种基于多指标多层次的电网投资效益评估方法 |
CN103810359A (zh) * | 2012-11-06 | 2014-05-21 | 西安元朔科技有限公司 | 基于灰色聚类分析的城市水环境承载力等级评价算法 |
CN104143052A (zh) * | 2014-08-13 | 2014-11-12 | 天津大学 | 并网光伏发电系统稳态电能质量评估方法 |
CN104636890A (zh) * | 2015-03-13 | 2015-05-20 | 中国民航大学 | 一种空中交通管制员工作负荷测量方法 |
CN105078480A (zh) * | 2015-05-18 | 2015-11-25 | 中国民航大学 | 一种空中交通管制员注意力动态分配的测量方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107562202B (zh) * | 2017-09-14 | 2020-03-13 | 中国石油大学(北京) | 基于视线追踪的工艺操作人员人为失误识别方法及装置 |
CN107562202A (zh) * | 2017-09-14 | 2018-01-09 | 中国石油大学(北京) | 基于视线追踪的工艺操作人员人为失误识别方法及装置 |
CN109165854B (zh) * | 2018-08-29 | 2021-06-18 | 中国民用航空总局第二研究所 | 空管运行效率等级评估方法及其装置 |
CN109190968A (zh) * | 2018-08-29 | 2019-01-11 | 中国民用航空总局第二研究所 | 空管运行效率等级评估方法及其装置 |
CN109165854A (zh) * | 2018-08-29 | 2019-01-08 | 中国民用航空总局第二研究所 | 空管运行效率等级评估方法及其装置 |
CN108898890A (zh) * | 2018-08-29 | 2018-11-27 | 中国民用航空总局第二研究所 | 空管运行效率等级评估方法及其装置 |
TWI679558B (zh) * | 2018-11-25 | 2019-12-11 | 國立臺灣師範大學 | 一種眼動凝視之即時辨識方法及採用該方法之眼動凝視即時辨識系統 |
CN111507555A (zh) * | 2019-11-05 | 2020-08-07 | 浙江大华技术股份有限公司 | 人体状态检测方法、课堂教学质量的评价方法及相关装置 |
CN111507555B (zh) * | 2019-11-05 | 2023-11-14 | 浙江大华技术股份有限公司 | 人体状态检测方法、课堂教学质量的评价方法及相关装置 |
CN111178706A (zh) * | 2019-12-18 | 2020-05-19 | 南京航空航天大学 | 一种基于眼动数据的管制员注意力分配评估方法 |
CN111966220A (zh) * | 2020-08-03 | 2020-11-20 | 刘亮 | 一种基于眼动数据的管制员情景意识水平分析方法 |
US11837026B1 (en) * | 2023-01-05 | 2023-12-05 | China University Of Petroleum-Beijing China | Method, apparatus, device, and storage media for early warning unsafe behavior in drilling operation |
CN117717340A (zh) * | 2024-02-07 | 2024-03-19 | 中汽研汽车检验中心(天津)有限公司 | 一种驾驶员困意检测方法、装置、设备及介质 |
CN117717340B (zh) * | 2024-02-07 | 2024-05-31 | 中汽研汽车检验中心(天津)有限公司 | 一种驾驶员困意检测方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106251065A (zh) | 一种基于眼动行为指标体系的管制效率评估方法 | |
CN104835354B (zh) | 一种管制负荷管理系统及其管制员工作负荷的评估方法 | |
CN107224291A (zh) | 调度员能力测试系统 | |
CN105629958B (zh) | 一种基于子时段mpca‑svm的间歇过程故障诊断方法 | |
CN102819673B (zh) | 一种多源灌溉信息融合方法及装置 | |
CN107677472A (zh) | 面向网络变量筛选与特征熵融合的轴承状态噪声诊断算法 | |
CN109753874A (zh) | 一种基于机器学习的低慢小雷达目标分类方法 | |
Cacciola et al. | Aspects about air pollution prediction on urban environment | |
CN109726802A (zh) | 一种铁路和风电场环境风速机器学习预测方法 | |
CN107945534A (zh) | 一种基于gmdh神经网络的交通车流量预测方法 | |
CN105303268A (zh) | 基于相似度理论的风力发电输出功率预测方法 | |
CN110059439A (zh) | 一种基于数据驱动的航天器轨道确定方法 | |
CN107871183A (zh) | 基于不确定性云理论的多年冻土区公路病害预测方法 | |
CN102968553B (zh) | 一种飞行器着陆风险评测方法 | |
CN109948839A (zh) | 架空输电线路舞动风险的预测和预警方法及系统 | |
CN107316503A (zh) | 一种基于多级物元熵权的拥堵热点空域扇区识别方法 | |
CN201716727U (zh) | 基于遥感与gis的地理模拟系统 | |
CN103208036B (zh) | 一种基于电力用户数据的短期负荷预测方法 | |
CN105118332A (zh) | 一种基于聚类分析法的空中交通管制模拟仿真异常检测方法和装置 | |
CN114398769B (zh) | 一种无人直升机飞行控制系统评分自动获取方法 | |
CN111784169A (zh) | 一种基于互联网的国有企业目标管理测评方法和系统 | |
CN108304774B (zh) | 一种评价干路绿化带特性对驾驶人视觉影响的方法 | |
Dharwadkar et al. | Automated greenhouse system for tomato crop using deep learning | |
CN115758561A (zh) | 一种飞机飞行模拟参数数据的生成方法 | |
Zhang et al. | A genetic algorithm-based BP neural network method for operational performance assessment of ATC sector |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161221 |