CN110956406A - 一种基于心率变异性的团队协同能力的评估模型 - Google Patents

一种基于心率变异性的团队协同能力的评估模型 Download PDF

Info

Publication number
CN110956406A
CN110956406A CN201911245839.0A CN201911245839A CN110956406A CN 110956406 A CN110956406 A CN 110956406A CN 201911245839 A CN201911245839 A CN 201911245839A CN 110956406 A CN110956406 A CN 110956406A
Authority
CN
China
Prior art keywords
team
heart rate
rate variability
members
coefficient
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.)
Granted
Application number
CN201911245839.0A
Other languages
English (en)
Other versions
CN110956406B (zh
Inventor
胥遥山
冯钰婷
白新文
李永娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Psychology of CAS
Original Assignee
Institute of Psychology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Psychology of CAS filed Critical Institute of Psychology of CAS
Priority to CN201911245839.0A priority Critical patent/CN110956406B/zh
Publication of CN110956406A publication Critical patent/CN110956406A/zh
Application granted granted Critical
Publication of CN110956406B publication Critical patent/CN110956406B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • 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
    • G06Q10/06398—Performance of employee with respect to a job function

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明公开了一种基于心率变异性的团队协同能力的评估模型，设定团队执行任务，同步采集执行任务期间每个团队成员的原始R‑R心跳间期数据；矫正异常值数据，运用时域和频域分析得到每个团队成员的心率变异性各项指标；利用团队成员的心率变异性各项指标，合成并提取团队成员的心率变异性同步性和一致性指标；通过团队成员的心率变异性同步性和一致性指标计算团队心率变异性指标同步性和一致性系数，构建团队协同能力评估模型；运用团队协同能力评估模型，对团队任务过程中的协同能力进行实时动态评估。本发明可实现对团队成员在执行任务过程中的协同能力进行便捷、低能耗和高效的评估，能将其应用于评估实际场景中的团队协同能力。

Description

一种基于心率变异性的团队协同能力的评估模型
技术领域
本发明涉及救援团队评估与培训技术领域，更具体地讲，涉及一种基于心率变异性的团队协同能力的评估模型，通过采集个人心率变异性指标，并将其由个人层面转化到团队层面，构建能实时动态评估团队协同能力的模型。
背景技术
使用直升机执行医疗、野外搜救、森林防火等应急救援任务，已逐步在我国得到应用。航空应急救援同时对救援的安全和效率提出很高要求，而救援团队的协同能力是安全且高效完成救援任务的关键所在。在当前，救援团队的培训是航空应急救援普及的瓶颈。在航空应急救援的评估与培训方面，目前大多是基于个人进行评估，而缺乏对于救援过程中整个团队的评估与培训，尤其对团队协同能力的评估和训练较为欠缺。
传统的团队协同评估主要是基于专家评判，主要存在如下几个问题：
(1)此种方式通过对团队外显行为进行主观判断，评估结果受主观因素影响较大，难以保证评估的一致性；
(2)难以对团队进行实时、动态的评估；
(3)费时费力。
随着可穿戴技术的不断进步，便携式设备能够便捷、低能耗和实时跟踪记录数据，使其在工作场所中的应用成为可能。目前已经可以对个人的内隐生理指标(如心电、皮电、脑电等)进行稳定测量，从而实现对个体心理状态与行为的实时、动态、客观、全面的测量。
在众多内隐生理指标中，心率变异性(Heart Rate Variability,HRV)指标的测量较为便利和可靠，已被广泛应用。心率变异性指连续心跳间期(R-R)的变异数，可定量反映自主神经系统的功能及其对心血管的调节作用，是心脏活动正常与否的重要指标。图1为正常的心电波形图和R-R间距(有P、Q、R、S、T波)，其中R波是最有代表性和重要的波形，能更好地对正常心电进行鉴别。
在组织管理领域，心率变异性主要用于个人压力、疲劳等身心健康状态的监测和评估，尚未将其应用于团队层面的状态监测与评估。
发明内容
本发明目的是利用心率变异性的各个指标，构建将心率变异性的个人指标转化为团队同步性和一致性指标的模型，为客观、实时、动态地评估团队的协同能力提供开创性的解决方案，基于此提供了一种基于心率变异性的团队协同能力的评估模型。
所采用的技术方案如下：
一种基于心率变异性的团队协同能力的评估模型，所述方法包括如下步骤：
步骤1，设定团队执行任务，同步采集执行任务期间每个团队成员的原始R-R心跳间期数据；
步骤2，矫正异常值数据，运用时域和频域分析得到每个团队成员的心率变异性各项指标；
步骤3，利用团队成员的心率变异性各项指标，合成并提取团队成员的心率变异性同步性和一致性指标；
步骤4，通过团队成员的心率变异性同步性和一致性指标计算团队心率变异性指标同步性和一致性系数，构建团队协同能力评估模型；
步骤5，运用团队协同能力评估模型，对团队任务过程中的协同能力进行实时动态评估。
所述步骤1中通过便携式无线可穿戴设备采集原始R-R心跳间期数据，其具体方法是：将心率传感器扣在心率传感带上；将心率传感带沾湿后佩戴在与胸部齐平且稍靠近心脏的位置；用腕表记录心跳间距；将原始数据上传至电脑端，并导出数据。
所述步骤3中，在团队执行任务期间，合成并提取团队成员的心率变异性同步性和一致性指标，具体方法包括如下步骤：
步骤3.1，确定团队成员的组成和岗位，建立每名成员在任务完成过程中连续时间段内心率变异性指标的时间序列矩阵，再根据团队成员的组成和数量，确定建立两两团队成员矩阵的数量为
Figure BDA0002307592890000031
其中n为团队成员的数量。
步骤3.2，按照每一名团队成员的时间序列，计算每一名团队成员心率变异性指标自相关的效应量大小：
An＝β0+β1An-j (1)
式中：
An为团队中某一名成员在第n个时间段的心率变异性指标数值；
An-j为团队中某一名成员在第n-j个时间段的心率变异性指标数据，其中j为滞后的时间段，滞后的时间段设置可以根据具体情况而定，j取值为1至20；
β1为标准化回归系数，反映团队中某一名成员自己上一个时间段内对下一个时间段内的影响；
β0为常量，也即当A＝0时，回归方程拟合出的截距。
步骤3.3，计算团队成员两两之间的相互影响，根据所建立的每一名团队成员与其他成员之间的两两心率变异性指标的相互影响模型，估计每一名成员受另一名成员影响的效应量大小：
An＝β0+β1An-j+β2Bn-j (2)
式中：
A为团队中某一名成员的心率变异性指标数值；
B为团队中另一名成员的心率变异性指标数值；
n为第n个时间段；
n-j为第n-j个时间段，j为滞后的时间段，取值范围在1个时间段到20个时间段之间；
β1为标准化回归系数，反映A所对应的团队成员自己上一个时间段内对下一个时间段内的影响；
β2为标准化回归系数，反映B所对应的团队成员在上一个时间段内对A所对应的团队成员下一个时间段内的影响；
β0为常量。
步骤3.4，根据步骤3.3计算出的每一名成员对其他成员的影响系数，得到团队中对他人影响最大的一名团队成员，即其他人更有可能与此成员的心率变异性趋于同步。
步骤3.5，根据步骤3.3计算出的每一名成员受到其他团队成员的被影响系数，得到团队中受他人影响最大的一个成员，即此成员更有可能与其他成员的心率变异性趋于同步。
所述步骤3.4中团队成员对其他成员影响系数的计算方法如下：
Figure BDA0002307592890000051
所得影响系数最大者即为团队中对他人影响最大的成员；其中：
Figure BDA0002307592890000052
为公式(1)中获得的该成员对自身影响的回归系数(β1)的平方；
Figure BDA0002307592890000053
为公式(2)中获得的该成员对另外一名成员影响的回归系数(β2)的平方；
以此类推，
Figure BDA0002307592890000054
为公式(2)中获得的该成员对第n位成员影响的回归系数(β2)的平方，n为该团队成员的数量。
所述步骤3.5中团队成员受到其他成员的被影响系数的计算方法如下：
Figure BDA0002307592890000055
所得被影响系数最大者即为团队中受他人影响最大的成员；其中：
Figure BDA0002307592890000056
为公式(1)中获得的该成员对自身影响的回归系数(β1)的平方；
Figure BDA0002307592890000057
为公式(2)中获得的另外一名成员对该成员影响的回归系数(β2)的平方；
以此类推，
Figure BDA0002307592890000058
为公式(2)中获得的第n位成员对该成员影响的回归系数(β2)的平方，n为该团队成员的数量。
所述步骤4中构建团队协同能力评估模型的具体方法是：
步骤4.1，根据步骤3.4和步骤3.5中计算出的团队成员之间的两两影响系数和被影响系数，计算团队心率变异性指标同步性和一致性系数；
步骤4.2，基于团队心率变异性指标同步性和一致性系数，建立团队协同能力训练效果的模型，确定各项团队心率变异性指标同步性和一致性系数与团队协同能力评估的关联；
步骤4.3，根据各项团队心率变异性同步性和一致性系数计算团队协同能力，将各项与团队协同能力有关联的心率变异性同步性和一致性系数取均值作为团队协同能力指标；
计算团队心率变异性指标同步性和一致性系数的方法是：提取受影响最大的成员的被影响系数和其他成员之间的两两相互影响系数，建立多元线性回归并计算权重向量，得到团队心率变异性指标同步性和一致性系数。
所述步骤5中对团队任务过程中的协同能力进行实时动态评估时，产生如下评估结果：
团队协同指标趋近于0时，表明团队成员间没有或几乎没有协同能力；
团队协同指标大于0，表明团队成员间具有正向协同能力；
团队协同指标大于0.5，表明团队成员间具有较好的协同能力；
团队协同指标小于0，表明团队成员间存在互补效应；
团队协同指标小于-0.5，表明团队成员间具有较强的互补效应。
本发明技术方案，具有如下优点：
本发明利用便携式无线可穿戴设备，在团队执行任务过程中同步采集每名成员的个人R-R心跳间期数据，运用时频域分析获得用于整合到团队层面的心率变异性各个指标，通过算法将心率变异性的个人系列指标合成为团队层面的同步性和一致性的指标，开创性地构建了可以客观、实时、动态评估团队协同能力的模型。可实现对团队成员在执行任务过程中的协同能力进行便捷、低能耗和高效的评估，能将其应用于评估工作场所中的团队协同能力。本发明对团队协同能力方便高效的评估弥补了传统评估方法的不足，实现在工作场所实时动态评估团队的协同能力，具有较高的应用价值和良好的应用前景。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为正常的心电波形图和R-R间距；
图2为本发明所提供的应急救援团队协同能力评估方法框图；
图3-1至3-3为训练前团队成员两两间的心率变异性同步性图示；
图4-1至图4-3为训练后团队成员两两间的心率变异性同步性图示。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图2所示，本发明提供了一种基于心率变异性的团队协同能力的评估模型，具体包括如下步骤：
【S1】设定团队执行任务，同步采集执行任务期间每个团队成员的原始R-R心跳间期数据。
首先确保心率传感器已扣在心率传感带上，将心率传感带沾湿，佩戴在与胸部齐平稍偏左(靠近心脏)的位置，然后用腕表记录心跳间距，在正式记录前试验几次以保证心率监测的有效性与准确性。构建的团队为航空救援团队，当然还可以用于航海救援等应急救援团队协同能力的评估中。团队成员包括机长、副驾和消防操作员，团队任务为佩戴VR设备驾驶直升机从救援基地飞往火灾现场、评估火情、选择就近的取水点、取水，并进行灭火任务。在执行任务过程中，3名团队成员佩戴心率传感带，监测其在整个任务过程中的心率变化，并将原始数据上传至电脑端，导出数据进行分析。
【S2】矫正异常值，运用时域和频域分析得到每个团队成员的心率变异性各项指标。
【S2.1】运用人工(Goodlin,2015)或者一些分析软件中的插值法(Spangler&Friedman,2015)进行矫正。
【S2.2】计算每一名团队成员的两次连续心跳间期(R-R interval)，也即心脏完成一个跳动周期所需的时间(见图3-1至4-3)：
RRj＝tj-t(j-1)
RR是瞬时心率(iHR)的倒数，根据1分钟内的R-R间距可以得出平均心率(meanheart rate)，心率的单位是bpm(beats per minute)：
Figure BDA0002307592890000091
【S2.3】进行心率变异性分析数据时采用线性的时域分析。时域分析应用数学统计指标对心率变异性作时域测定。计算以下各项心率变异性时域指标：
SDNN(总标准差)：所有正常窦性心律R-R间期的标准差，表达R-R间期的分散特征(在使用时对记录数据的长度进行标准化处理)；单位为ms，反映自主神经功能的整体变化。
Figure BDA0002307592890000092
RMSSD：全程相邻R-R间期之差的均方根，代表快速变化成分的大小，反映副交感神经活动。
Figure BDA0002307592890000093
pNN50(百分爱丁堡指数)：全部R-R间期中相邻的正常心跳间期之差大于50ms的心搏数占RR间期总数的百分比。
Figure BDA0002307592890000094
Mean heart rate(平均心率)：某段时间内心率的平均水平。
【S2.4】进行心率变异性分析的数据时采用线性的频域分析。Akselrod在1981年提出了频谱分析(spectrum analysis)，心率变异性分析也越来越多地应用于组织神经科学研究领域。频域分析主要通过功率频谱密度(PSD)进行，将随机变化的R-R间距或瞬时心率信号分解为多种不同能量的频率成分进行分析，通过基于自回归模型(AR)的参数法和基于快速傅里叶变换(FFT)的非参数法实现。计算各项心率变异性频域指标：
总功率(Total Power,TP):频段≤0.4Hz；
超低频功率(Very Low Frequency,VLF):0.00-0.04Hz；
低频功率(Low Frequency,LF):频段0.04-0.15Hz，反映交感神经系统的活动；
高频功率(High Frequency,HF):频段0.15-0.4Hz，反映副交感神经系统的活动；
低频高频比(LF/HF):反映交感和副交感神经系统活动的平衡性。
【S3】利用团队成员的心率变异性各项指标，合成并提取团队成员的心率变异性同步性和一致性指标。
【S3.1】确定团队成员的组成和岗位，利用【S2】中计算的每名成员在任务完成过程中连续时间段内心率变异性的指标，建立时间序列矩阵，具体如下：
确定团队成员的组成和岗位，计算每名成员在任务完成过程中连续时间段内心率变异性指标的时间序列矩阵，根据团队成员的组成和数量，确定建立矩阵的数量为
Figure BDA0002307592890000101
其中m为团队成员的数量，对于任一成员要其他成员两两之间构建矩阵，即构建数量为m-1个独立矩阵。以A、B、C三名成员组成的团队为例，需要构建6个矩阵，以成员A为例，成员A将分别和成员B、成员C构建独立矩阵。成员A和成员B构建的矩阵Xab如下：
Figure BDA0002307592890000102
矩阵Xab中：
第一列指成员A在任务过程中，从第1个时间段到第n-j个时间段内的心率变异性指标时间序列数据，即A＝{A1,A2,A3…,An-j}，每一个A对应着成员A在每一个时间点的心率变异性指标，时间段的设置可以根据具体情况而定，范围在1秒到30秒之间，例如第1秒或第一个30秒；j为滞后的时间段数，取值为1至20。第二列为团队另一名成员(例如成员B)在任务过程中，从第1个时间段到第n-j个时间段内的心率变异性指标时间序列数据，即B＝{B1,B2,B3…,Bn-j}，每一个B对应着成员B在每一个时间点的心率变异性指标；
第三列指成员A在任务过程中，从第2个时间段到第n个时间段内的心率变异性指标时间序列数据，即A＝{Aj,Aj+1,Aj+2…,An}，每一个A对应着成员A在每一个时间点的心率变异性指标。
成员A和成员C构建的矩阵Xac如下：
Figure BDA0002307592890000111
矩阵Xab中：
第一列指成员A在任务过程中，从第1个时间段到第n-j个时间段内的心率变异性指标时间序列数据，即A＝{A1,A2,A3…,An-j}，每一个A对应着成员A在每一个时间点的心率变异性指标，时间段的设置可以根据具体情况而定，范围在1秒到30秒之间，例如第1秒或第一个30秒；
第二列为团队另一名成员C在任务过程中，从第1个时间段到第n-j个时间段内的心率变异性指标时间序列数据，即C＝{C1,C2,C3…,Cn-j}，每一个C对应着成员C在每一个时间点的心率变异性指标；
第三列指成员A在任务过程中，从第j个时间段到第n个时间段内的心率变异性指标时间序列数据，即A＝{Aj,Aj+1,Aj+2…,An}，每一个A对应着成员A在每一个时间点的心率变异性指标。
在本案例任务中，即建立机长-副驾(见图3-1、4-1)、副驾-救火操作员(见图3-2、4-2)、机长-救火操作员(见图3-3、4-3)的3组两两时间序列矩阵。
【S3.2】计算每一名团队成员心率变异性指标自相关的效应量大小，计算公式为：
An＝β0+β1An-j
公式中的A为团队中每一名成员的心率变异性指标时间序列，即每一名成员自己上一个时间段内对下一个时间段内的影响。
在本案例任务中，即分别计算机长、副驾和操作员自身心率变异性指标的自相关回归系数，滞后时间段j取值为5。此系数是被评估对象在实际任务过程中根据其心率变异性指标计算出的标准化回归系数(β值)。例如协同能力训练前，机长的自相关回归系数是根据其在协同能力训练前任务中的R-R心跳间距计算的回归系数β值，根据上述公式，机长的计算结果为：
An＝0.46+0.30An-5
协同能力训练前，副驾的自相关回归系数是根据其在协同能力训练前任务中的R-R心跳间距计算的β值，根据上述公式，副驾的计算结果为：
An＝0.54+0.19An-5
协同能力训练前操作员的自相关回归系数是根据其在协同能力训练前任务中的R-R心跳间距计算的β值，根据上述公式，操作员的计算结果为：
An＝0.23+0.62An-5
根据以上计算结果可知，在本次任务中，机长每一个时间段内的R-R间隔对滞后5个时间段的影响为0.30；副驾每一个时间段内的R-R间隔对滞后5个时间段的影响为0.19；操作员每一个时间段内的R-R间隔对滞后5个时间段的影响为0.62。
【S3.3】计算团队成员两两之间的相互影响，建立每一名团队成员与其他成员之间的两两心率变异性指标的相互影响模型，并估计每一名成员对另一名成员的效应量大小。由于相互影响模型为因果关系模型，每一名成员除了自相关之外的解释，即每一名成员除了自己上一个时间段内对下一个时间段内的影响外，还有来自其他人的影响，效应量大小计算公式如下：
An＝β0+β1An-j+β2Bn-j
A为目标成员的心率变异性指标的时间序列，B为另一名成员的心率变异性指标时间序列，n为团队成员数量，j为滞后的时间段数，取值为1至20。
例如，图4-2所示，团队协同性训练后，团队成员副驾的R-R间隔会受到操作员R-R间隔的影响。根据上述公式，对于副驾和操作员的R-R间隔时间序列数据对副驾滞后5个时间段的R-R间隔时间序列数据进行回归分析，得到如下结果：
An＝0.22+0.23An-5+0.36Bn-5
在本案例中，根据上式得到的β1值为0.23，反映副驾的心率变异性对自身心率变异性的影响；计算出的β2值为0.36，反映在控制副驾对自身心率变异性影响后，操作员心率变异性对副驾心率变异性的影响，即团队成员副驾会受到操作员的影响，即副驾的R-R间隔在操作员的R-R间隔变化之后会产生相同方向的波动，对副驾的影响为0.36。
【S3.4】根据【S3.3】计算每一名成员对其他成员的影响系数。
将每一名成员对自身和对其他成员影响的回归系数分别取平方后相加，得到每名成员的影响系数。具体计算方法如下公式：
Figure BDA0002307592890000141
其中：
Figure BDA0002307592890000142
为公式(1)中获得的该成员对自身影响的回归系数(β1)的平方；
Figure BDA0002307592890000143
为公式(2)中获得的该成员对另外一名成员影响的回归系数(β2)的平方；
以此类推，
Figure BDA0002307592890000144
为公式(2)中获得的该成员对第n位成员影响的回归系数(β2)的平方，n为该团队成员的数量。
所得影响系数中的最大者即为团队中对他人影响最大的一名成员(他对他人的R2之和最大)，即其他人更有可能与其心率变异性趋于同步。
图4-1至图4-3中显示了经过团队协同能力训练后，每一名团队成员的心率变异性两两同步性趋势。经计算，操作员为该团队任务中对他人影响最大的成员。
【S3.5】根据【S3.3】计算每一名成员受到其他团队成员的影响系数。
被影响系数的计算方法如下：
Figure BDA0002307592890000151
其中：
Figure BDA0002307592890000152
为公式(1)中获得的该成员对自身影响的回归系数(β1)的平方；
Figure BDA0002307592890000153
为公式(2)中获得的另外一名成员对该成员影响的回归系数(β2)的平方；
以此类推，
Figure BDA0002307592890000154
为公式(2)中获得的第n位成员对该成员影响的回归系数(β2)的平方，n为该团队成员的数量。
所得被影响系数中的最大者即为团队中受他人影响最大的一名成员，即该成员更有可能与其他成员的心率变异性趋于同步。图4-1至图4-3中显示了经过团队协同能力训练后，每一名团队成员的心率变异性两两同步性趋势，经计算，副驾为该团队任务中受他人影响最大的成员。
【S4】构建团队协同能力评估模型。
即基于上述个人心率变异性的时域和频域分析指标，通过一套算法，得到团队成员心率变异性同步性和一致性的指标，据此衡量团队成员在任务过程中的协同能力，构建团队协同能力评估模型。
根据团队成员之间的两两影响系数和被影响系数，提取受影响最大的成员的被影响系数和其他成员之间的两两相互影响系数，建立多元线性回归并计算权重向量，得到团队心率变异性指标同步性和一致性系数。
【S4.1】根据步骤【S3.4】和步骤【S3.5】中计算出的团队成员之间的两两影响系数和被影响系数，计算团队心率变异性指标同步性和一致性系数，用以评估团队在任务过程中的协同能力；
以3人团队为例，两两成员间的相互影响系数组成一个三行三列的矩阵，如下所示：
Figure BDA0002307592890000161
若团队成员A在团队中所受影响最大，单独拿出其所在的第一列并去除其自相关
Figure BDA0002307592890000162
得到一个列向量O，如下所示：
Figure BDA0002307592890000163
去掉原始三行三列矩阵中，成员A所在的第一行和第一列，得到一个两行两列的矩阵，将其进行行列转置，并与列向量O相乘，得到其权重向量P，如下所示：
Figure BDA0002307592890000164
列向量O进行转置，得到O’，如下所示：
Figure BDA0002307592890000165
团队协同能力指标为：
TC＝O′×P
以此类推，若团队成员B在团队中所受影响最大，单独拿出其所在的第二列并去除其自相关
Figure BDA0002307592890000166
得到一个列向量O，如下所示：
Figure BDA0002307592890000167
去掉原始三行三列矩阵中，成员B所在的第二行和第二列，得到一个两行两列的矩阵，将其进行行列转置，并与列向量O相乘，得到其权重向量P，如下所示：
Figure BDA0002307592890000171
将矩阵O进行行列转置，得到O’，如下所示：
Figure BDA0002307592890000172
团队协同能力指标为：
TC＝O′×P
同样，若团队成员C在团队中所受影响最大，单独拿出其所在的第三列并去除其自相关
Figure BDA0002307592890000173
得到一个列向量O，如下所示：
Figure BDA0002307592890000174
去掉原始三行三列矩阵中，成员C所在的第三行和第三列，得到一个两行两列的矩阵，将其进行行列转置，并与列向量O相乘，得到其权重向量P，如下所示：
Figure BDA0002307592890000175
将矩阵O进行行列转置，得到O’，如下所示：
Figure BDA0002307592890000176
团队协同能力指标为：
TC＝O′×P
【S4.2】基于团队心率变异性指标同步性和一致性系数，建立团队协同能力训练效果的回归模型，确定各项团队心率变异性指标同步性和一致性系数与团队协同能力评估的关联。
对10个团队进行团队协同能力训练，随着团队训练的进行，团队成员间沟通配合和任务协作能力提高，每个团队经过约10次训练，团队协同能力得到显著提高，能够顺利完成团队任务。根据上述步骤计算所得到的团队心率变异性指标同步性和一致性系数建立团队协同能力训练的模型，比较各项同步性和一致性指标在训练前、后的差异，确定各项团队心率变异性指标同步性和一致性系数与团队协同能力评估的关联，筛选出在团队协同能力训练前、后存在的差异，即与团队协同能力有关联的心率变异性同步性和一致性指标。
【S4.3】根据步骤【S4.2】，基于各项团队心率变异性同步性和一致性系数计算团队协同能力，将各项与团队协同能力有关联的心率变异性同步性和一致性系数取均值作为最终的团队协同能力指标。TCT越大，表明团队成员之间的协同能力越高，团队成员在任务过程中的神经系统活动变化越趋于同步和一致。
Figure BDA0002307592890000181
上式中：
TCRRj反映整个团队在任务过程中整体心跳变化的同步性，此数值越高，代表团队成员在任务过程中整体的心跳变化比较同步和一致；
TCLF反映整个团队在任务过程中交感神经系统活动变化的同步性，此数值越高，团队成员交感神经活性的协同能力越高，团队成员在任务过程中可能都相对比较紧张或兴奋，调动身体资源去应对任务带来的压力情境；
TCHF和TCRMSSD反映整个团队在任务过程中副交感神经系统活动变化的同步性，此数值越高，团队成员副交感神经活性的协同能力越高，团队成员在任务过程中更倾向于比较平静，积蓄能量以保护机体；
TCVLF反映整个团队在任务过程中自主神经功能失调或异常情况的同步性，此数值越高，团队成员在任务过程中可能较为一致地出现自主神经功能失调或紊乱的情况。
【S5】运用此模型，实时动态地评估团队任务过程中的协同能力。
(1)在团队任务过程中实时记录每一名团队成员的心电数据。在本发明执行任务中，计算每1秒的R-R间隔。在训练前，如图3-1至3-3所示，团队成员两两之间R-R间隔曲线差异加大。团队在协同能力训练后，如图4-1至4-3所示，团队成员两两之间R-R间隔曲线具有形似的波动性。
(2)在任务完成过程中，根据步骤【S3】，实时计算团队成员中每一名成员的心率变异性变化对其他成员心率变异性变化的影响系数，得到每个成员的影响系数和被影响系数，实时评估团队成员中的领导者和追随者；并根据步骤【S4】，基于各项团队心率变异性指标同步性和一致性系数实时评估团队当前的协同能力效应的大小。
在本发明任务所截取的任务阶段中，训练前的模型中，团队成员间两两影响均低于0.1，较为微弱，团队协同过程中不存在明显的领导者和追随者，经计算该次团队任务中团队协同能力指标为0.032，表明团队间没有或几乎没有协同能力，即各个团队成员之间的同步性和相互影响十分微弱。
经10次团队协同性训练，操作员对副驾和机长的影响更强，在团队中起任务主导作用，经计算，训练后团队协同能力指标为0.533，表明团队成员间具有较好的协同能力。
(3)在任务结束后，获得任务过程中每名团队成员R-R间隔和心率变异性指标随时间变化的趋势，并根据步骤【S3】和步骤【S4】评估整个任务和不同任务阶段的领导者和追随者，以及整个任务和不同任务阶段的团队协同能力大小。
(4)进行培训时可根据心率变异性协同能力评估获得团队成员协同能力的大小，并了解在任务不同阶段团队协同能力的变化，以及不同团队成员在任务完成过程中扮演的团队角色，有助于进行团队协同针对性训练。
显然，上述实施例仅仅是为清楚的说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (8)

1.一种基于心率变异性的团队协同能力的评估模型，其特征在于，所述方法包括如下步骤：
步骤1，设定团队执行任务，同步采集执行任务期间每个团队成员的原始R-R心跳间期数据；
步骤2，矫正异常值数据，运用时域和频域分析得到每个团队成员的心率变异性各项指标；
步骤3，利用团队成员的心率变异性各项指标，合成并提取团队成员的心率变异性同步性和一致性指标；
步骤4，通过团队成员的心率变异性同步性和一致性指标计算团队心率变异性指标同步性和一致性系数，构建团队协同能力评估模型；
步骤5，运用团队协同能力评估模型，对团队任务过程中的协同能力进行实时动态评估。
2.根据权利要求1所述的基于心率变异性的团队协同能力的评估模型，其特征在于，所述步骤1中通过便携式无线可穿戴设备采集原始R-R心跳间期数据，其具体方法是：将心率传感器扣在心率传感带上；将心率传感带沾湿后佩戴在与胸部齐平且稍靠近心脏的位置；用腕表记录心跳间距；将原始数据上传至电脑端，并导出数据。
3.根据权利要求1所述的基于心率变异性的团队协同能力的评估模型，其特征在于，所述步骤3中，在团队执行任务期间，合成并提取团队成员的心率变异性同步性和一致性指标，具体方法包括如下步骤：
步骤3.1，确定团队成员的组成和岗位，建立每名成员在任务完成过程中连续时间段内心率变异性指标的时间序列矩阵，再根据团队成员的组成和数量，确定建立两两团队成员矩阵的数量为
Figure FDA0002307592880000021
其中m为团队成员的数量。
步骤3.2，按照每一名团队成员的时间序列，计算每一名团队成员心率变异性指标自相关的效应量大小：
An＝β0+β1An-j (1)
式中：
An为团队中某一名成员在第n个时间段的心率变异性指标数值；
An-j为团队中某一名成员在第n-j个时间段的心率变异性指标数据，其中j为滞后的时间段，滞后的时间段设置可以根据具体情况而定，j取值为1-20；
β1为标准化回归系数，反映团队中某一名成员自己上一个时间段内对下一个时间段内的影响；
β0为常量，也即当A＝0时，回归方程拟合出的截距。
步骤3.3，计算团队成员两两之间的相互影响，根据所建立的每一名团队成员与其他成员之间的两两心率变异性指标的相互影响模型，估计每一名成员受另一名成员影响的效应量大小：
An＝β0+β1An-j+β2Bn-j (2)
式中：
A为团队中某一名成员的心率变异性指标数值；
B为团队中另一名成员的心率变异性指标数值；
n为第n个时间段；
n-j为第n-j个时间段，j为滞后的时间段，取值范围在1个时间段到20个时间段之间；
β1为标准化回归系数，反映A所对应的团队成员自己上一个时间段内对下一个时间段内的影响；
β2为标准化回归系数，反映B所对应的团队成员在上一个时间段内对A所对应的团队成员下一个时间段内的影响；
β0为常量。
步骤3.4，根据步骤3.3计算出的每一名成员对其他成员的影响系数，得到团队中对他人影响最大的一名团队成员，即其他人更有可能与此成员的心率变异性趋于同步。
步骤3.5，根据步骤3.3计算出的每一名成员受到其他团队成员的被影响系数，得到团队中受他人影响最大的一个成员，即此成员更有可能与其他成员的心率变异性趋于同步。
4.根据权利要求3所述的基于心率变异性的团队协同能力的评估模型，其特征在于，所述步骤3.4中团队成员对其他成员影响系数的计算方法如下：
Figure FDA0002307592880000031
所得影响系数最大者即为团队中对他人影响最大的成员；其中：
Figure FDA0002307592880000032
为公式(1)中获得的该成员对自身影响的回归系数(β1)的平方；
Figure FDA0002307592880000033
为公式(2)中获得的该成员对另外一名成员影响的回归系数(β2)的平方；
以此类推，
Figure FDA0002307592880000034
为公式(2)中获得的该成员对第n位成员影响的回归系数(β2)的平方，n为该团队成员的数量。
5.根据权利要求4所述的基于心率变异性的团队协同能力的评估模型，其特征在于，所述步骤3.5中团队成员受到其他成员的被影响系数的计算方法如下：
Figure FDA0002307592880000041
所得被影响系数最大者即为团队中受他人影响最大的成员；其中：
Figure FDA0002307592880000042
为公式(1)中获得的该成员对自身影响的回归系数(β1)的平方；
Figure FDA0002307592880000043
为公式(2)中获得的另外一名成员对该成员影响的回归系数(β2)的平方；
以此类推，
Figure FDA0002307592880000044
为公式(2)中获得的第n位成员对该成员影响的回归系数(β2)的平方，n为该团队成员的数量。
6.根据权利要求5所述的基于心率变异性的团队协同能力的评估模型，其特征在于，所述步骤4中构建团队协同能力评估模型的具体方法是：
步骤4.1，根据步骤3.4和步骤3.5中计算出的团队成员之间的两两影响系数和被影响系数，计算团队心率变异性指标同步性和一致性系数；
步骤4.2，基于团队心率变异性指标同步性和一致性系数，建立团队协同能力训练效果的模型，确定各项团队心率变异性指标同步性和一致性系数与团队协同能力评估的关联；
步骤4.3，根据步骤4.2的各项团队心率变异性同步性和一致性系数计算团队协同能力，将各项与团队协同能力有关联的心率变异性同步性和一致性系数取均值作为团队协同能力指标。
7.根据权利要求6所述的基于心率变异性的团队协同能力的评估模型，其特征在于，计算团队心率变异性指标同步性和一致性系数的方法是：提取受影响最大的成员的被影响系数和其他成员之间的两两相互影响系数，建立多元线性回归并计算权重向量，得到团队心率变异性指标同步性和一致性系数。
8.根据权利要求1所述的基于心率变异性的团队协同能力的评估模型，其特征在于，所述步骤5中对团队任务过程中的协同能力进行实时动态评估时，产生如下评估结果：
团队协同指标趋近于0时，表明团队成员间没有或几乎没有协同能力；
团队协同指标大于0，表明团队成员间具有正向协同能力；
团队协同指标大于0.5，表明团队成员间具有较好的协同能力；
团队协同指标小于0，表明团队成员间存在互补效应；
团队协同指标小于-0.5，表明团队成员间具有较强的互补效应。
CN201911245839.0A 2019-12-07 2019-12-07 一种基于心率变异性的团队协同能力的评估方法 Active CN110956406B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911245839.0A CN110956406B (zh) 2019-12-07 2019-12-07 一种基于心率变异性的团队协同能力的评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911245839.0A CN110956406B (zh) 2019-12-07 2019-12-07 一种基于心率变异性的团队协同能力的评估方法

Publications (2)

Publication Number Publication Date
CN110956406A true CN110956406A (zh) 2020-04-03
CN110956406B CN110956406B (zh) 2022-11-18

Family

ID=69980246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911245839.0A Active CN110956406B (zh) 2019-12-07 2019-12-07 一种基于心率变异性的团队协同能力的评估方法

Country Status (1)

Country Link
CN (1) CN110956406B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021092701A1 (en) * 2019-11-15 2021-05-20 Lululemon Athletica Canada Inc. Methods and systems for determining emotional connectivity using physiological measurements from connected devices
CN113361661A (zh) * 2021-07-20 2021-09-07 红云红河烟草(集团)有限责任公司 一种数据协同能力评价的建模方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101176660A (zh) * 2007-12-06 2008-05-14 山东大学 一种心血管系统联合变异性指标的检测方法和装置
US20110213211A1 (en) * 2009-12-29 2011-09-01 Advanced Brain Monitoring, Inc. Systems and methods for assessing team dynamics and effectiveness
US20170126613A1 (en) * 2015-11-03 2017-05-04 Joiiup Technology Inc. Instant information exchange system and method for online sports teams
CN106725326A (zh) * 2016-12-28 2017-05-31 天津众阳科技有限公司 基于人体hrv测量的睡眠质量评估系统及方法
CN108717534A (zh) * 2018-05-24 2018-10-30 中国航天员科研训练中心 基于功能性近红外光谱技术的操作者功能状态评估技术

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101176660A (zh) * 2007-12-06 2008-05-14 山东大学 一种心血管系统联合变异性指标的检测方法和装置
US20110213211A1 (en) * 2009-12-29 2011-09-01 Advanced Brain Monitoring, Inc. Systems and methods for assessing team dynamics and effectiveness
US20170126613A1 (en) * 2015-11-03 2017-05-04 Joiiup Technology Inc. Instant information exchange system and method for online sports teams
CN106725326A (zh) * 2016-12-28 2017-05-31 天津众阳科技有限公司 基于人体hrv测量的睡眠质量评估系统及方法
CN108717534A (zh) * 2018-05-24 2018-10-30 中国航天员科研训练中心 基于功能性近红外光谱技术的操作者功能状态评估技术

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LAURI AHONEN等: "Cognitive Collaboration Found in Cardiac Physiology: Study in Classroom Environment", 《PLOS ONE》 *
ROLLIN MCCRATY: "new Frontiers in Heart rate Variability and social Coherence research: techniques, technologies, and implications for improving Group dynamics and outcomes", 《FRONTIERS IN PUBLIC HEALTH》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021092701A1 (en) * 2019-11-15 2021-05-20 Lululemon Athletica Canada Inc. Methods and systems for determining emotional connectivity using physiological measurements from connected devices
CN113361661A (zh) * 2021-07-20 2021-09-07 红云红河烟草(集团)有限责任公司 一种数据协同能力评价的建模方法及装置
CN113361661B (zh) * 2021-07-20 2023-04-07 红云红河烟草(集团)有限责任公司 一种数据协同能力评价的建模方法及装置

Also Published As

Publication number Publication date
CN110956406B (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
Kannathal et al. Cardiac state diagnosis using adaptive neuro-fuzzy technique
CN104490390B (zh) 基于神经电生理信号联合分析的人体运动能力判别方法
US20170238858A1 (en) Depression assessment system and depression assessment method based on physiological information
CN105193431A (zh) 一种人体精神压力状态分析装置
CN108289627A (zh) 对呼吸性窦性心律不齐进行量化的方法和装置以及这种方法或这种装置的应用
CN110956406B (zh) 一种基于心率变异性的团队协同能力的评估方法
CN111150410B (zh) 基于心电信号与肌电信号融合的心理压力评测方法
CN113842124A (zh) 一种基于生理健康指标的精神状态预测方法、系统及设备
Backs et al. Cardiorespiratory indices of mental workload during simulated air traffic control
Ramteke et al. Stress detection of students at academic level from heart rate variability
Attarodi et al. Detection of driver's drowsiness using new features extracted from HRV signal
CN114897304A (zh) 一种消防员训练效能评估方法及系统
Malagoli et al. Towards a method for the objective assessment of cognitive workload: A pilot study in vessel traffic service (VTS) of maritime domain
Zubair et al. Mental stress assessment via Ultra-Short-Term recordings of photoplethysmographic sensor
Georgieva-Tsaneva Heart Rate Variability Generating Based on Matematical Tools
Markovics et al. Testing and Analysis of the HRV Signals from Wearable Smart HRV Sensors
Wang et al. Analysis of autonomic nervous system based on HRV
Ventura et al. A study of factors affecting cardiovascular reactivity
Pitale et al. Characteristics of HRV patterns for different Yoga postures
Bhowmick et al. HRV performance analysis in photoplethysmography and electrocardiography
Hegde et al. Heart rate variability analysis for abnormality detection using time frequency distribution–smoothed pseudo Winger Ville method
Yuanyuan et al. Heart rate variability analysis during stepwise hypoxia from 3000 m to 4500 m
Ghista et al. ECG waveform and heart rate variability signal analysis to detect cardiac arrhythmias
Qi et al. Mutual information entropy research on dementia EEG signals
Cao et al. Analysis of heart rate variability between rest and exercise states in hypoxic environment using fuzzy measure entropy

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant