CN111407292A - 基于眼动和多参生理数据信息的飞行员工作负荷评估方法 - Google Patents
基于眼动和多参生理数据信息的飞行员工作负荷评估方法 Download PDFInfo
- Publication number
- CN111407292A CN111407292A CN202010234308.8A CN202010234308A CN111407292A CN 111407292 A CN111407292 A CN 111407292A CN 202010234308 A CN202010234308 A CN 202010234308A CN 111407292 A CN111407292 A CN 111407292A
- Authority
- CN
- China
- Prior art keywords
- eye movement
- physiological data
- workload
- data
- pilot
- 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
- 230000004424 eye movement Effects 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000012706 support-vector machine Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 8
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000003187 abdominal effect Effects 0.000 claims description 3
- 230000001149 cognitive effect Effects 0.000 claims description 3
- 210000000115 thoracic cavity Anatomy 0.000 claims description 3
- 230000004433 ocular motility Effects 0.000 claims description 2
- 210000001747 pupil Anatomy 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 2
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000001179 pupillary effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Psychiatry (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Psychology (AREA)
- Child & Adolescent Psychology (AREA)
- Social Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Educational Technology (AREA)
- Developmental Disabilities (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Eye Examination Apparatus (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种基于眼动和多参生理数据信息的飞行员工作负荷评估方法,基于收集到的眼动和多参生理数据信息,基于支持向量机对该指标进行分类,得到工作负荷评估模型。基于眼动和多参生理数据信息进行飞行员工作负荷的评估和计算,使工作负荷的评估和计算具备实时性,使飞行员及地勤人员可实时了解当前飞行员的工作负荷状态,提高飞行的安全性和可靠性。本发明克服了原有主观评测法实时性差的缺点,使工作负荷这一结果可以实时计算并反馈,增强了对飞行员飞行状态的实时监督。
Description
技术领域
本发明涉及人因工程领域,尤其是一种飞行员的工作负荷评估方法。
背景技术
面对未来日益复杂飞行的环境,飞行员在执行飞行任务时面临着态势复杂多变、数据实时更新和任务繁重紧迫等困难,为防止飞行员由于工作负荷过高而产生的态势 觉察能力下降的现象,需要对飞行员的工作负荷进行评估和计算。目前,评估和计算 工作负荷的方法主要是基于问卷和量表的主观评测法,该方法只适用于实验环境,不 具备实时评估与计算的功能。
发明内容
为了克服现有技术的不足,本发明提供一种基于眼动和多参生理数据信息的飞行员工作负荷评估方法。本发明基于眼动和多参生理数据信息进行飞行员工作负荷的评 估和计算,使工作负荷的评估和计算具备实时性,使飞行员及地勤人员可实时了解当 前飞行员的工作负荷状态,提高飞行的安全性和可靠性。本发明基于收集到的眼动和 多参生理数据信息,基于支持向量机对该指标进行分类,得到工作负荷评估模型(工 作负荷高/工作负荷低)。
本发明解决其技术问题所采用的技术方案包括如下步骤:
Step1:数据预处理;
用于计算工作负荷的眼动及生理数据总共有5个指标,分别是:瞳孔面积、眨眼率、肌电、腹部呼吸率和胸部呼吸率,眼动及生理数据的具体定义如表1所示:
表1各眼动及生理数据解释
随后对以上眼动及生理数据的5个数据进行归一化处理,将数值统一到0~1之间,归一化公式如下:
其中,i的取值范围为{1,2,3,4,5},分别代表以上5个眼动及生理数据;xi表示各数据的原始值大小;xmin和xmax分别表示各眼动及生理数据原始值的最小值和最大值;
Step2:基于支持向量机计算工作负荷;
基于数据对模型进行训练,训练完成后会得到支持向量机决策方程的两个参数w和b,分别为决策方程的权重和决策方程的附加量;
得到两个参数w和b后,根据决策方程与0的关系即可判断认知负荷的高低,决 策方程如下:
f(x)=w·x+b (2)
其中,x为归一化后的5个眼动及生理数据所构成的向量;通过公式(2),计算 出最终结果,将最终结果与0进行比较,若小于0则为高工作负荷,大于0则为低工 作负荷,从而完成工作负荷评估与计算。
所述Step1中,各眼动及生理数据原始值的取值范围为:
表2眼动、生理指标的最值
其中,各眼动及生理数据最小值为xmin,最大值为xmax。
所述步骤中,w和b的取值分别为:
w=[2.435,-1.271,-2.423,-1.161,-0.625]T
b=[1.9838]。
本发明的有益效果在于基于眼动和生理数据进行工作负荷评估与计算,克服了原有方法(主观评测法)实时性差的缺点,使工作负荷这一结果可以实时计算并反馈, 增强了对飞行员飞行状态的实时监督。
具体实施方式
下面结合实施例对本发明进一步说明。
Step1:数据预处理
用于计算工作负荷的眼动及生理数据总共有5个,分别是:瞳孔面积、眨眼率、 肌电、呼吸率(腹部)和呼吸率(胸部),各眼动及生理数据的具体解释如表1所示:
接下来将五个眼动及生理数据进行归一化处理,将其数值统一到0~1之间,归一化公式如下:
其中,i的取值范围为{1,2,3,4,5},分别代表以上5个眼动及生理数据;xi表示各数据原始值大小;xmin、xmax分别表示各眼动及生理数据原始值最小值和最大值,具体 如表2所示。
Step2:基于支持向量机计算工作负荷
支持向量机是一种数据分类算法,常用于处理具有多维特征的二分类问题;在使用之前需要基于数据对模型进行训练,训练完成后会得到支持向量机决策方程的两个 参数w和b,分别为决策方程的权重和决策方程的附加量;
得到两个参数w和b后,根据决策方程与0的关系即可判断认知负荷的高低,决 策方程如下:
f(x)=w·x+b (2)
其中,x为归一化后的5个眼动及生理数据所构成的向量;w为决策方程的权重, 权重值大小为:w=[2.435,-1.271,-2.423,-1.161,-0.625]T,b为决策方程的附加量,具体大小为b=[1.9838]。通过公式(2),计算出最终结果,将最终结果与0进行比较,若 小于0则为高工作负荷,大于0则为低工作负荷,从而完成工作负荷评估与计算。
通过上述方程,计算出最终结果,将最终结果与0进行比较,若小于0则为高工 作负荷,大于0则为低工作负荷。
实施例1:被试人员1在模拟飞行驾驶时计算其工作负荷
被试人员1在模拟飞行驾驶的过程中共测得了5组有效数据,现根据测得的眼动、数据计算其工作负荷。
Step1:数据预处理
首先从眼动及生理设备中导出5组眼动及生理数据,具体数据指标如下表所示:
表3眼动及生理数据原始数值
将5组眼动及生理数据归一化处理,归一化结果如下表所示:
表4眼动及生理数据归一化结果
Step2:基于支持向量机计算工作负荷
归一化数据计算完后,根据公式(2)计算出决策函数的结果值,结果为 f(x)=[1.48,0.11,-0.46,1.25,0.29]T,判断其于0的大小关系即可得出各样本的工作负荷最 终结果为:{低,低,高,低,低}
实施例2:被试人员2在模拟飞行驾驶时计算其工作负荷
被试人员2在模拟飞行驾驶的过程中共测得了5组有效数据,现根据测得的眼动、数据计算其工作负荷。
Step1:数据预处理
首先从眼动及生理设备中导出5组眼动及生理数据,具体数据指标如下表所示:
表5眼动及生理数据原始数值
将5组眼动及生理数据归一化处理,归一化结果如下表所示:
表6眼动及生理数据归一化结果
Step2:基于支持向量机计算工作负荷
归一化数据计算完后,根据公式(2),计算出决策函数的结果值,结果为 f(x)=[2.03,-0.15,1.15,3.44,0.65]T,判断其于0的大小关系即可得出各样本的工作负荷最 终结果为:{低,高,低,低,低}。
Claims (3)
1.一种基于眼动和多参生理数据信息的飞行员工作负荷评估方法,其特征在于包括下述步骤:
Step1:数据预处理;
用于计算工作负荷的眼动及生理数据总共有5个指标,分别是:瞳孔面积、眨眼率、肌电、腹部呼吸率和胸部呼吸率,眼动及生理数据的具体定义如表1所示:
表1 各眼动及生理数据解释
随后对以上眼动及生理数据的5个数据进行归一化处理,将数值统一到0~1之间,归一化公式如下:
其中,i的取值范围为{1,2,3,4,5},分别代表以上5个眼动及生理数据;xi表示各数据的原始值大小;xmin和xmax分别表示各眼动及生理数据原始值的最小值和最大值;
Step2:基于支持向量机计算工作负荷;
基于数据对模型进行训练,训练完成后会得到支持向量机决策方程的两个参数w和b,分别为决策方程的权重和决策方程的附加量;
得到两个参数w和b后,根据决策方程与0的关系即可判断认知负荷的高低,决策方程如下:
f(x)=w·x+b (2)
其中,x为归一化后的5个眼动及生理数据所构成的向量;通过公式(2),计算出最终结果,将最终结果与0进行比较,若小于0则为高工作负荷,大于0则为低工作负荷,从而完成工作负荷评估与计算。
3.根据权利要求1所述的基于眼动和多参生理数据信息的飞行员工作负荷评估方法,其特征在于:
所述步骤中,w和b的取值分别为:
w=[2.435,-1.271,-2.423,-1.161,-0.625]T
b=[1.9838]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010234308.8A CN111407292A (zh) | 2020-03-30 | 2020-03-30 | 基于眼动和多参生理数据信息的飞行员工作负荷评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010234308.8A CN111407292A (zh) | 2020-03-30 | 2020-03-30 | 基于眼动和多参生理数据信息的飞行员工作负荷评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111407292A true CN111407292A (zh) | 2020-07-14 |
Family
ID=71486247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010234308.8A Pending CN111407292A (zh) | 2020-03-30 | 2020-03-30 | 基于眼动和多参生理数据信息的飞行员工作负荷评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111407292A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192636A (zh) * | 2021-04-16 | 2021-07-30 | 中国航天科工集团第二研究院 | 一种飞行任务负荷评估方法及系统 |
CN113229791A (zh) * | 2021-06-12 | 2021-08-10 | 西北工业大学 | 一种基于眼动和生理数据的飞行员任务负荷在线评估方法 |
CN113827239A (zh) * | 2021-09-18 | 2021-12-24 | 中国人民解放军海军特色医学中心 | 一种采用视觉追踪设备评估飞行员视觉分配的方法 |
CN115177254A (zh) * | 2022-04-29 | 2022-10-14 | 中国航空无线电电子研究所 | 一种综合多模态生理信号数据的飞行员工作负荷预测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070063854A1 (en) * | 2005-08-02 | 2007-03-22 | Jing Zhang | Adaptive driver workload estimator |
JP2009237104A (ja) * | 2008-03-26 | 2009-10-15 | Fujitsu Ltd | 運転シミュレーション装置、運転シミュレーション方法、およびプログラム |
CN101690666A (zh) * | 2009-10-13 | 2010-04-07 | 北京工业大学 | 汽车驾驶员驾驶工作负荷计算方法 |
CN101843496A (zh) * | 2010-04-23 | 2010-09-29 | 北京工业大学 | 驾驶工作负荷成套检测方法 |
CN102306297A (zh) * | 2011-07-11 | 2012-01-04 | 南京航空航天大学 | 一种空中交通管制员工作负荷测量方法 |
US20130268146A1 (en) * | 2012-04-04 | 2013-10-10 | Eurocopter | Method and a device for adapting the man-machine interface of an aircraft depending on the level of the pilot's functional state |
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 |
CN106913351A (zh) * | 2015-12-28 | 2017-07-04 | 西南交通大学 | 一种脑力负荷水平的识别方法 |
US20180357580A1 (en) * | 2017-06-09 | 2018-12-13 | Ford Global Technologies, Llc | Vehicle driver workload management |
CN109741007A (zh) * | 2018-12-12 | 2019-05-10 | 北京航空航天大学 | 一种航空驾驶舱工作负荷试验的被试人员筛选方法 |
-
2020
- 2020-03-30 CN CN202010234308.8A patent/CN111407292A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070063854A1 (en) * | 2005-08-02 | 2007-03-22 | Jing Zhang | Adaptive driver workload estimator |
JP2009237104A (ja) * | 2008-03-26 | 2009-10-15 | Fujitsu Ltd | 運転シミュレーション装置、運転シミュレーション方法、およびプログラム |
CN101690666A (zh) * | 2009-10-13 | 2010-04-07 | 北京工业大学 | 汽车驾驶员驾驶工作负荷计算方法 |
CN101843496A (zh) * | 2010-04-23 | 2010-09-29 | 北京工业大学 | 驾驶工作负荷成套检测方法 |
CN102306297A (zh) * | 2011-07-11 | 2012-01-04 | 南京航空航天大学 | 一种空中交通管制员工作负荷测量方法 |
US20130268146A1 (en) * | 2012-04-04 | 2013-10-10 | Eurocopter | Method and a device for adapting the man-machine interface of an aircraft depending on the level of the pilot's functional state |
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 |
CN106913351A (zh) * | 2015-12-28 | 2017-07-04 | 西南交通大学 | 一种脑力负荷水平的识别方法 |
US20180357580A1 (en) * | 2017-06-09 | 2018-12-13 | Ford Global Technologies, Llc | Vehicle driver workload management |
CN109741007A (zh) * | 2018-12-12 | 2019-05-10 | 北京航空航天大学 | 一种航空驾驶舱工作负荷试验的被试人员筛选方法 |
Non-Patent Citations (1)
Title |
---|
何金松: "基于多模生理电信号的飞行员工作负荷综合评估研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192636A (zh) * | 2021-04-16 | 2021-07-30 | 中国航天科工集团第二研究院 | 一种飞行任务负荷评估方法及系统 |
CN113192636B (zh) * | 2021-04-16 | 2024-01-05 | 中国航天科工集团第二研究院 | 一种飞行任务负荷评估方法及系统 |
CN113229791A (zh) * | 2021-06-12 | 2021-08-10 | 西北工业大学 | 一种基于眼动和生理数据的飞行员任务负荷在线评估方法 |
CN113229791B (zh) * | 2021-06-12 | 2024-02-02 | 西北工业大学 | 一种基于眼动和生理数据的飞行员任务负荷在线评估方法 |
CN113827239A (zh) * | 2021-09-18 | 2021-12-24 | 中国人民解放军海军特色医学中心 | 一种采用视觉追踪设备评估飞行员视觉分配的方法 |
CN115177254A (zh) * | 2022-04-29 | 2022-10-14 | 中国航空无线电电子研究所 | 一种综合多模态生理信号数据的飞行员工作负荷预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111407292A (zh) | 基于眼动和多参生理数据信息的飞行员工作负荷评估方法 | |
CN109816092B (zh) | 深度神经网络训练方法、装置、电子设备及存储介质 | |
CN105512799B (zh) | 一种基于海量在线历史数据的电力系统暂态稳定评估方法 | |
CN111387976B (zh) | 一种基于眼动和脑电数据的认知负荷评估方法 | |
US20210109140A1 (en) | Method for identifying parameters of 10 kv static load model based on similar daily load curves | |
CN108847279B (zh) | 一种基于脉搏波数据的睡眠呼吸状态自动判别方法及系统 | |
CN111460001B (zh) | 一种配电网理论线损率评估方法及系统 | |
CN111429013A (zh) | 基于注意力分配和个体状态的飞行员情境觉知评测方法 | |
CN111680875A (zh) | 基于概率基线模型的无人机状态风险模糊综合评价方法 | |
CN108647707B (zh) | 概率神经网络创建方法、故障诊断方法及装置、存储介质 | |
CN111339478B (zh) | 基于改进模糊层次分析法的气象数据质量评估方法 | |
CN116154972B (zh) | 一种分布式电网电能质量监测方法及系统 | |
CN113889252B (zh) | 基于生命体征大数据聚类核心算法和区块链的远程互联网大数据智慧医疗系统 | |
CN112668105B (zh) | 一种基于sae与马氏距离的直升机传动轴异常判定方法 | |
CN111898839A (zh) | 电力用户的重要程度分类方法及装置 | |
CN115600088A (zh) | 一种基于振动信号的配电变压器故障诊断方法 | |
CN109145135A (zh) | 一种基于主成分分析的人脸画像老化方法 | |
CN113229791B (zh) | 一种基于眼动和生理数据的飞行员任务负荷在线评估方法 | |
CN110852441B (zh) | 一种基于改进朴素贝叶斯算法的火灾预警方法 | |
Palani et al. | Effective detection of diabetic retinopathy from human retinal fundus images using modified FCM and IWPSO | |
CN115270983A (zh) | 一种基于AdaBoost-RBF算法的开关柜故障预测方法 | |
CN105930878B (zh) | 一种基于差分切片能量图和稀疏编码的微表情识别方法 | |
CN113537738A (zh) | 一种多循环与多约束融合的航空应急救援效能评估方法 | |
CN112200228A (zh) | 一种基于二维卷积神经网络的癫痫发作状态识别方法 | |
CN111583990A (zh) | 一种结合稀疏回归和淘汰规则的基因调控网络推断方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200714 |
|
RJ01 | Rejection of invention patent application after publication |