CN115067909A - 基于生物信息数据处理的远程塔台人因工效确定方法 - Google Patents
基于生物信息数据处理的远程塔台人因工效确定方法 Download PDFInfo
- Publication number
- CN115067909A CN115067909A CN202210858229.3A CN202210858229A CN115067909A CN 115067909 A CN115067909 A CN 115067909A CN 202210858229 A CN202210858229 A CN 202210858229A CN 115067909 A CN115067909 A CN 115067909A
- Authority
- CN
- China
- Prior art keywords
- data set
- data
- geographic area
- test
- result
- 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
Images
Classifications
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1103—Detecting eye twinkling
-
- 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
- A61B5/162—Testing reaction times
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Abstract
本发明提供了基于生物信息数据处理的远程塔台人因工效确定方法,包括:获取第一数据集合和第二数据集合,对第一数据集合和第二数据集合进行正态性检验处理,得到第一结果和第二结果,若第一结果和第二结果服从正态分布,则进行参数检验处理,若第一结果和/或第二结果不服从正态分布,则进行非参数检验处理。本发明采集机场管制员在远程塔台和物理塔台处监测的生物信息数据,分析两组生物信息数据的正态性分布,若服从正态分布,则进行参数检验处理,若不服从正态分布,则进行非参数检验处理,得到参数检验/非参数检验的检验统计量,通过参数检验/非参数检验界值表判别远程塔台和物理塔台的人因工效差异性,对远程塔台的人因工效定量化验证。
Description
技术领域
本发明涉及生物数据监测处理领域,特别是涉及基于生物信息数据处理的远程塔台人因工效确定方法。
背景技术
远程塔台是指地理位置和高度不受机场位置和构型的限制,通过视觉监视系统替代现场目视观察来监视机场及其附近区域或机坪责任区,为航空器提供空中交通服务的设施设备集合。一般包括相关席位设施设备、部署在远端机场的数据采集处理装置,以及传输链路设备等。
民航局规定远程塔台由建设转入运行阶段需要进行人因工效验证,以确保远程塔台环境、设备、运行流程等要素符合人因工效学原理,使管制员具备不低于物理塔台情景下通过目视观察所获得的情景意识和感知能力。人因工效是指按照人的特性设计和改进人-机-环境系统的科学,反应人与设备、环境之间的适配程度,人-机-环境系统是指由共处同一时间和空间的人与其所操纵的机器还有他们所处的周围环境所构成的系统。
当前,国内外对远程塔台人因工效的验证主要采用定性类方法,如通过高逼真度仿真和问卷调查测试了远程管制的一些关键变量、通过使用人为失误预测方法和任务负荷指数问卷,比较多模式远程塔台运行和物理塔台运行的工作负荷等方法,来验证远程塔台的人因工效。但缺乏一套基于定量化的有效反应管制员生物信息的人因工效的数据处理方法。
发明内容
针对上述技术问题,本发明采用的技术方案为:
基于生物信息数据处理的远程塔台人因工效确定方法,包括如下步骤:
S100、获取第一数据集合和第二数据集合;
所述第一数据集合包括至少三个第一目标的生物信息数据,所述第二数据集合包括至少三个第二目标的生物信息数据,所述第一目标为处于第一地理区域的目标,所述第二目标为处于第二地理区域的目标,所述第一地理区域的目标能够直接观测到第三地理区域的环境,所述第二地理区域的目标能够通过显示设备观测到第三地理区域的环境;
S200、对所述第一数据集合和第二数据集合分别进行正态性检验处理,得到第一数据集合对应的第一结果,和第二数据集合对应的第二结果;
若所述第一结果和第二结果均表示对应的第一数据集合内的生物信息数据和第二数据集合内的生物信息数据均服从正态分布,则进入步骤S300;
若所述第一结果表示对应的第一数据集合内的生物信息数据不服从正态分布,和/或所述第二结果表示对应的第二数据集合内的生物信息数据不服从正态分布,则进入步骤S400;
S400、对所述第一数据集合和第二数据集合进行非参数检验处理,得到第四结果,所述第四结果表示第一数据集合和第二数据集合的总体分布差异性,所述步骤S400为:
S410、将所述第一数据集合与第二数据集合的生物信息数据进行混合,得到混合数据集合;
S420、将混合数据集合的生物信息数据按照第一顺序进行次序排列,并进行编秩处理,得到若干个秩次;
若混合数据集合中存在数值相同的生物信息数据,则数值相同的生物信息数据获取平均秩次;
S430、将第一数据集合和第二数据集合的若干个秩次分别进行求和处理,得到所述第一数据集合对应的第一秩和K1和第二数据集合对应的第二秩和K2;
S440、获取所述第一数据集合中的生物信息数据总量n1,和所述第二数据集合中的生物信息数据总量n2,根据n1和n2确定非参数检验统计量K;
若n1≤n2,则K=K1;若n1>n2,则K=K2;
S450、获取检验水平参数α,α=0.05,根据α确定比较参数p;
S460、通过比较参数p,确定第四结果;
若比较参数p小于0.05,则第四结果表示第一数据集合和第二数据集合的总体分布有差异,第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效不同;
若比较参数p不小于0.05,则第四结果表示第一数据集合和第二数据集合的总体分布无差异,第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效相同;
所述步骤S300为:
S300、对所述第一数据集合和第二数据集合进行方差齐性检验处理,得到第三结果,所述第三结果用于判断第一数据集合和第二数据集合是否为方差齐性;
若所述第三结果表示第一数据集合和第二数据集合为方差齐性,则进入步骤S310;
若所述第三结果表示第一数据集合和第二数据集合为方差不齐性,则进入步骤S320;
S310、对所述第一数据集合和第二数据集合进行t检验处理,得到t检验结果,所述t检验结果用于判断第一数据集合和第二数据集合的总体均值的差异性;
若所述t检验结果表示第一数据集合和第二数据集合的总体均值无差异,则表示第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效相同;
若所述t检验结果表示第一数据集合和第二数据集合的总体均值有差异,则表示第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效不同;
S320、对所述第一数据集合和第二数据集合进行近似t检验处理,得到近似t检验结果,所述近似t检验结果用于判断第一数据集合和第二数据集合的总体均值的差异性;
若所述近似t检验结果表示第一数据集合和第二数据集合的总体均值无差异,则表示第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效相同;
若所述近似t检验结果表示第一数据集合和第二数据集合的总体均值有差异,则表示第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效不同。
本发明至少具有以下有益效果:
本发明采集机场管制员在远程塔台和物理塔台处监测的生物数据,并对两组生物数据分别进行正态性检验处理,分析两组生物数据的正态性分布,若服从正态分布,则对其进行参数检验处理,若不服从正态分布,则对其进行非参数检验处理,得到参数检验/非参数检验的检验统计量,通过查询参数检验/非参数检验界值表判别远程塔台和物理塔台的人因工效差异性,实现对远程塔台的人因工效定量化验证。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明实施例提供的基于生物信息数据处理的远程塔台人因工效确定方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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,本领域技术人员在没有作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。
目前针对远程塔台的应用存在一些短板:作为科学制定技术系统功能性能指标,设计配置席位设备的前提和基础,没有形成对远程塔台的人因工效验证的方法,即没有能反映远程塔台和物理塔台关系的数据处理方法。
为了解决此技术问题,提出一种根据监测管制员在远程塔台和物理塔台处的人体生物数据来验证人因工效的数据处理方法,包括如下步骤:
S100、获取第一数据集合和第二数据集合:
第一数据集合包括至少三个第一目标的生物信息数据,第二数据集合包括至少三个第二目标的生物信息数据,第一数据集合中的生物信息数据为第一地理区域的目标的人体心率变异性数据、警觉性测试数据、眼动行为特征数据中的一种,第二数据集合中的生物信息数据为第二地理区域的目标的人体心率变异性数据、警觉性测试数据、眼动行为特征数据中的一种,第一目标为处于第一地理区域的目标,第二目标为处于第二地理区域的目标,第一地理区域的目标能够直接观测到第三地理区域的环境,第二地理区域的目标能够通过显示设备观测到第三地理区域的环境,警觉性测试数据测试的是反应时间指标或错误率指标,眼动行为特征数据测试的是瞳孔直径指标、眨眼频率指标、眼跳频率指标或PERCLOS指标;
S200、对第一数据集合和第二数据集合分别进行正态性检验处理:
S211、获取待处理数据集合,待处理数据集合为第一数据集合或第二数据集合;
S212、对待处理数据集合的生物信息数据按照数值大小进行次序排列,得到排列处理数据集X=(x(1),x(2),...,x(n)),n表示待处理数据集合中的生物信息数据总量;
S213、确定累积量d=∑[n/2] i=1ai[x(n+1-i)-x(i)],
其中,[n/2]表示n/2的整数部分,ai表示检验系数,ai通过Shapiro-Wilk检验的系数表查询;
S214、根据累积量d,确定正态检验统计量W=d2/(∑n i=1[x(i)-E]2),
其中,0<W≤1,E为待处理数据集合的生物信息数据的均值;
S215、获取检验水平参数α,α=0.05,根据α和n查询Shapiro-Wilk检验统计表的α分位数确定统计分位数Wα;
S216、根据正态检验统计量W和统计分位数Wα,确定判断结果,判断结果用于表示待处理数据集合是否服从正态分布;
若W<Wα,则表示待处理数据集合不服从正态分布;
若W≥Wα,则表示待处理数据集合服从正态分布;
在待处理数据集合为第一数据集合的情况下,判断结果为第一结果,在待处理数据集合为第二数据集合的情况下,判断结果为第二结果;
若第一结果和第二结果均表示对应的第一数据集合内的生物信息数据和第二数据集合内的生物信息数据均服从正态分布,则进入步骤S300;
若第一结果表示对应的第一数据集合内的生物信息数据不服从正态分布,和/或第二结果表示对应的第二数据集合内的生物信息数据不服从正态分布,则进入步骤S400;
S300、对第一数据集合和第二数据集合进行方差齐性检验处理:
S301、对第一数据集合和第二数据集合进行样本方差处理,得到第一数据集合对应的第一样本方差值S1 2,和第二数据集合对应的第二样本方差值S2 2;
S302、确定方差齐性检验统计量F=Sa 2/Sb 2,
其中,Sa 2为第一样本方差值S1 2和第二样本方差值S2 2中较大的样本方差值,Sb 2为第一样本方差值S1 2和第二样本方差值S2 2中较小的样本方差值;
S303、方差齐性检验统计量F近似服从自由度为θ1=n1-1,θ2=n2-1的F分布,n1表示第一数据集合中的生物信息数据总量,n2表示第二数据集合中的生物信息数据总量;
S304、获取检验水平参数α,α=0.05,根据α查询F分布界值表,确定第三结果,第三结果用于判断第一数据集合和第二数据集合是否为方差齐性;
若F>Fθ1,θ2,1-α,则第一样本方差值S1 2和第二样本方差值S2 2不相等,第三结果表示第一数据集合和第二数据集合方差不齐性,进入步骤S320;
若F≤Fθ1,θ2,1-α,则第一样本方差值S1 2和第二样本方差值S2 2相等,第三结果表示第一数据集合和第二数据集合为方差齐性,进入步骤S310;
S310、对第一数据集合和第二数据集合进行t检验处理:
S311、对第一数据集合和第二数据集合进行样本均值处理,得到第一数据集合对应的第一样本均值A,和第二数据集合对应的第二样本均值B;
S312、对第一数据集合和第二数据集合进行样本方差处理,得到第一数据集合对应的第一样本方差值S1 2,和第二数据集合对应的第二样本方差值S2 2;
S313、确定第一数据集合和第二数据集合的均数差值的标准差
其中,n1表示第一数据集合中的生物信息数据总量,n2表示第二数据集合中的生物信息数据总量;
其中,t检验统计量t服从自由度为n1+n2-2的t分布;
S315、获取检验水平参数α,α=0.05,根据α查询t分布界值表,确定t检验结果,t检验结果用于判断第一数据集合和第二数据集合的总体均值的差异性;
若t<tn1+n2-2,α/2或者t>tn1+n2-2,1-α/2,则t检验结果表示第一数据集合与第二数据集合的总体均值存在差异,即第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效不同,
若t检验结果表示第一数据集合与第二数据集合的总体均值存在差异:
若监测的生物信息数据的类型为人体心率变异性数据:则均值越大,表示对应的地理区域的人因工效越优;
若监测的生物信息数据的类型为警觉性测试数据,则均值越小,表示对应的地理区域的人因工效越优;
若监测的生物信息数据的类型为眼动行为特征数据的瞳孔直径指标或PERCLOS指标,则均值越小,表示对应的地理区域的人因工效越优;
若监测的生物信息数据的类型为眼动行为特征数据的眨眼频率指标或眼跳频率指标,则均值越大,表示对应的地理区域的人因工效越优;
通过不同类型的监测数据,来对两个数据集合进行优劣判断并排序。
如,监测的生物信息数据的类型为人体心率变异性数据,若A≤B,则表示第二地理区域对第二目标的人因工效不低于第一地理区域对第一目标的人因工效,若A>B,则表示第二地理区域对第二目标的人因工效低于第一地理区域对第一目标的人因工效;
若tn1+n2-2,α/2≤t≤tn1+n2-2,1-α/2,则t检验结果表示第一数据集合与第二数据集合的总体均值不存在差异,即第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效相同;
S320、对第一数据集合和第二数据集合进行近似t检验处理:
S321、对第一数据集合和第二数据集合进行样本均值处理,得到第一数据集合对应的第一样本均值A,和第二数据集合对应的第二样本均值B;
S322、对第一数据集合和第二数据集合进行样本方差处理,得到第一数据集合对应的第一样本方差值S1 2,和第二数据集合对应的第二样本方差值S2 2;
其中,n1表示第一数据集合中的生物信息数据总量,n2表示第二数据集合中的生物信息数据总量;
S324、确定基于t分布校正的t’临界值t’1-α/2=[(S1 2*tn1-1,α/2)/n1+(S2 2*tn2-1,α/2)/n2]/(S1 2/n1+S2 2/n2),
其中,α为检验水平参数,α=0.05,tn1-1,α/2和tn2-1,α/2通过查询t分布界值表得到;
S325、根据t’临界值t’1-α/2和近似t检验统计量t’确定近似t检验结果,近似t检验结果用于判断第一数据集合和第二数据集合的总体均值的差异性;
若t’<t’α/2或者t’>t’1-α/2,则近似t检验结果表示第一数据集合与第二数据集合的总体均值存在差异,则表示第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效不同;
若近似t检验结果表示第一数据集合与第二数据集合的总体均值存在差异:
若监测的生物信息数据的类型为人体心率变异性数据:则均值越大,表示对应的地理区域的人因工效越优;
若监测的生物信息数据的类型为警觉性测试数据,则均值越小,表示对应的地理区域的人因工效越优;
若监测的生物信息数据的类型为眼动行为特征数据的瞳孔直径指标或PERCLOS指标,则均值越小,表示对应的地理区域的人因工效越优;
若监测的生物信息数据的类型为眼动行为特征数据的眨眼频率指标或眼跳频率指标,则均值越大,表示对应的地理区域的人因工效越优;
通过不同类型的监测数据,来对两个数据集合进行优劣判断并排序。
如,监测的生物信息数据的类型为人体心率变异性数据,若A≤B,则表示第二地理区域人因工效高于第一地理区域人因工效,若A>B,则表示第一地理区域人因工效高于第二地理区域人因工效;
若t’α/2≤t’≤t’1-α/2,则近似t检验结果表示第一数据集合与第二数据集合的总体均值不存在差异,则表示第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效相同;
S400、对第一数据集合和第二数据集合进行非参数检验处理,得到第四结果,第四结果表示第一数据集合和第二数据集合的总体分布差异性,步骤S400为:
S410、将第一数据集合与第二数据集合的生物信息数据进行混合,得到混合数据集合;
S420、将混合数据集合的生物信息数据按照第一顺序进行次序排列,并进行编秩处理,得到若干个秩次,第一顺序为从小到大排列顺序;
若混合数据集合中存在数值相同的生物信息数据,则数值相同的生物信息数据获取平均秩次;
S430、将第一数据集合和第二数据集合的若干个秩次分别进行求和处理,得到第一数据集合对应的第一秩和K1和第二数据集合对应的第二秩和K2;
S440、获取第一数据集合中的生物信息数据总量n1,和第二数据集合中的生物信息数据总量n2,根据n1和n2确定非参数检验统计量K;
若n1≤n2,则K=K1;若n1>n2,则K=K2;
S450、获取检验水平参数α,α=0.05,根据α确定比较参数p:
S451、若min{n1,n2}≤10,且|n1-n2|≤10,则通过min{n1,n2}和|n1-n2|,查询Wilcoxon秩和检验界值表,确定界值范围;
若非参数检验统计量K在界值范围外,则比较参数p小于0.05;
若非参数检验统计量K在界值范围内,则比较参数p不小于0.05;
S452、若min{n1,n2}>10,或|n1-n2|>10,则通过正态近似法确定比较参数p:
非参数检验统计量K近似服从于正态分布N(min{n1,n2}*(n+1)/2,n1n2(n+1)/12),
其中,n1表示第一数据集合中的生物信息数据总量,n2表示第二数据集合中的生物信息数据总量,n表示第一数据集合和第二数据集合的生物信息数据总量的相加总和数,ti表示第i个结中具有相同秩次的个数,l表示有结的组的个数;
“结”是指一组数据中,有两个或两个以上相同数据的地方。例如一组数据:-5,4,4,7,11;其中“4,4”的地方就叫做一个结,且结长为2。
通过查询标准正态分布界值表,确定比较参数p,若处理统计量K’<uα/2或处理统计量K’>u1-α/2时,则比较参数p小于0.05,若uα/2≤K’≤u1-α/2,则比较参数p不小于0.05;
S460、通过比较参数p,确定第四结果:
若比较参数p小于0.05,则第四结果表示第一数据集合和第二数据集合的总体分布有差异,即第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效不同,若K1>K2,则表示第二地理区域对第二目标的人因工效低于第一地理区域对第一目标的人因工效,若K1≤K2,则表示第二地理区域对第二目标的人因工效不低于第一地理区域对第一目标的人因工效;
若比较参数p不小于0.05,则第四结果表示第一数据集合和第二数据集合的总体分布无差异,即第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效相同。
在实施例一的机场环境中,第一地理区域为物理塔台,第二地理区域为远程塔台,第三地理区域为对比样本,如图1所示,第一地理区域距离第三地理区域比第二地理区域距离第三地理区域近,物理塔台可以直接目视观察对比样本,而远程塔台则需要依靠显示设备远程观察对比样本,来判断远程塔台和物理塔台的人因工效差异性,显示设备即为机场远程观测用的显示器或其他可远测的设备。
第一目标和第二目标均为机场的管制员,第一数据集合包括管制员在远程塔台处监测的人体心率变异性数据、警觉性测试数据、眼动行为特征数据中的一种或多种数据的组合,第二数据集合包括管制员在物理塔台处监测的人体心率变异性数据、警觉性测试数据、眼动行为特征数据中的一种或多种数据的组合。
人体心率变异性数据,即Heart Rate Variability,简称HRV,是指连续心搏间瞬时心率的微小涨落,HRV数据包含有关心血管调节的大量信息,对这些信息的提取和分析可以定量评估心脏交感神经和迷走神经活动的紧张性、均衡性及其对心血管系统活动的影响。其中,SDNN是评价整体HRV的指标,SDNN表示正常每一次心脏跳动间的间隔时间,反应心率的缓慢变化,是评估交感神经功能、判断脑力疲劳、反应情景意识水平的敏感指标。
人体警觉性测试数据,警觉性指的是被试在某一特定时间段内保持注意力集中和警觉性的能力,即在某一特定情景下完成特定任务的胜任能力,被试警觉性的高低可直接反映其情景意识和感知能力。精神警觉性任务是广泛被认可的警觉性测试方法,被试在测试时间内,当测试屏幕上出现预设靶刺激图像时,接收测试者的按下操作并根据按下操作生成测试记录;根据测试记录得到并输出分析结果,分析指标包括反应时间—测试中被试按下操作键与屏幕上出现预设靶刺激图像之间的时间差,错误率—测试中被试错选、漏选的靶信号个数占总靶信号个数的百分比,PERCLOS—测试中被试的眼睑闭合度。
人体眼动行为特征数据,人体眼球运动模式具有高度的目的性和任务特定性,眼动特征能够反映被试的脑力负荷和工作状态。具体指标包括瞳孔直径—被试在某一片段内的平均瞳孔直径,眨眼频率—被试在某一片段内每秒发生的眨眼次数,眼跳频率—被试在某一片段内每秒发生的眼跳次数。眼动行为指标均是反应被试注意力变化,评估和判断被试脑力疲劳、情景意识水平的敏感指标。
因此,本发明从管制员执勤过程中的生物信息数据变化角度,通过测量管制员的心率变异性状态、警觉性、眼动行为特征中的一种或多种数据组合,来定量化分析远程塔台的人因工效。
所监测的管制员为取得放单资质且体检合格的人员,在每日的固定时段,使管制员配备可穿戴的轻型生理记录装置,采集管制员的心率变化数据、警觉性测试数据、眼动行为特征数据,注意观察心率是否正常,以确保任务类型和工作负荷相同,优选的,采集时长为两小时。
本发明通过采集机场管制员在远程塔台和物理塔台处监测的生物数据,并对两组生物数据分别进行正态性检验处理,分析两组生物数据的正态性分布,若服从正态分布,则对其进行参数检验处理,若不服从正态分布,则对其进行非参数检验处理,得到参数检验/非参数检验的检验统计量,通过查询参数检验/非参数检验界值表判别远程塔台和物理塔台的人因工效差异性,实现对远程塔台的人因工效定量化验证。
本发明的实施例还提供了一种非瞬时性计算机可读存储介质,该存储介质可设置于电子设备之中以保存用于实现方法实施例中一种方法相关的至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述实施例提供的方法。
本发明的实施例还提供了一种电子设备,包括处理器和前述的非瞬时性计算机可读存储介质。
本发明的实施例还提供一种计算机程序产品,其包括程序代码,当所述程序产品在电子设备上运行时,所述程序代码用于使该电子设备执行本说明书上述描述的根据本发明各种示例性实施方式的方法中的步骤。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。
Claims (10)
1.基于生物信息数据处理的远程塔台人因工效确定方法,其特征在于,所述方法包括如下步骤:
S100、获取第一数据集合和第二数据集合;
所述第一数据集合包括至少三个第一目标的生物信息数据,所述第二数据集合包括至少三个第二目标的生物信息数据,所述第一目标为处于第一地理区域的目标,所述第二目标为处于第二地理区域的目标,所述第一地理区域的目标能够直接观测到第三地理区域的环境,所述第二地理区域的目标能够通过显示设备观测到第三地理区域的环境;
S200、对所述第一数据集合和第二数据集合分别进行正态性检验处理,得到第一数据集合对应的第一结果,和第二数据集合对应的第二结果;
若所述第一结果表示对应的第一数据集合内的生物信息数据不服从正态分布,和/或所述第二结果表示对应的第二数据集合内的生物信息数据不服从正态分布,则进入步骤S400;
S400、对所述第一数据集合和第二数据集合进行非参数检验处理,得到第四结果,所述第四结果表示第一数据集合和第二数据集合的总体分布差异性,所述步骤S400为:
S410、将所述第一数据集合与第二数据集合的生物信息数据进行混合,得到混合数据集合;
S420、将混合数据集合的生物信息数据按照第一顺序进行次序排列,并进行编秩处理,得到若干个秩次;
若混合数据集合中存在数值相同的生物信息数据,则数值相同的生物信息数据获取平均秩次;
S430、将第一数据集合和第二数据集合的若干个秩次分别进行求和处理,得到所述第一数据集合对应的第一秩和K1和第二数据集合对应的第二秩和K2;
S440、获取所述第一数据集合中的生物信息数据总量n1,和所述第二数据集合中的生物信息数据总量n2,根据n1和n2确定非参数检验统计量K;
若n1≤n2,则K=K1;若n1>n2,则K=K2;
S450、获取检验水平参数α,α=0.05,根据α确定比较参数p;
S460、通过比较参数p,确定第四结果;
若比较参数p小于0.05,则第四结果表示第一数据集合和第二数据集合的总体分布有差异,第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效不同;
若比较参数p不小于0.05,则第四结果表示第一数据集合和第二数据集合的总体分布无差异,第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效相同。
2.根据权利要求1所述的方法,其特征在于,所述步骤S200中,第一数据集合和第二数据集合的正态性检验处理方法为:
S211、获取待处理数据集合,所述待处理数据集合为第一数据集合或第二数据集合;
S212、对所述待处理数据集合的生物信息数据按照数值大小进行次序排列,得到排列处理数据集X=(x(1),x(2),...,x(n)),n表示所述待处理数据集合中的生物信息数据总量;
S213、确定累积量d=∑[n/2] i=1ai[x(n+1-i)-x(i)],
其中,[n/2]表示n/2的整数部分,ai表示检验系数;
S214、根据累积量d,确定正态检验统计量W=d2/(∑n i=1[x(i)-E]2),
其中,0<W≤1,E为所述待处理数据集合的生物信息数据的均值;
S215、获取检验水平参数α,α=0.05,根据α和n查询W检验界值表确定统计分位数Wα;
S216、根据正态检验统计量W和统计分位数Wα,确定判断结果,判断结果用于表示所述待处理数据集合是否服从正态分布;
若W<Wα,则表示所述待处理数据集合不服从正态分布;
若W≥Wα,则表示所述待处理数据集合服从正态分布;
在所述待处理数据集合为第一数据集合的情况下,所述判断结果为第一结果,在所述待处理数据集合为第二数据集合的情况下,所述判断结果为第二结果。
3.根据权利要求2所述的方法,其特征在于,所述步骤S200中,若所述第一结果和第二结果均表示对应的第一数据集合内的生物信息数据和第二数据集合内的生物信息数据均服从正态分布,则进入步骤S300,所述步骤S300为:
S300、对所述第一数据集合和第二数据集合进行方差齐性检验处理,得到第三结果,所述第三结果用于判断第一数据集合和第二数据集合是否为方差齐性;
若所述第三结果表示第一数据集合和第二数据集合为方差齐性,则进入步骤S310;
若所述第三结果表示第一数据集合和第二数据集合为方差不齐性,则进入步骤S320;
S310、对所述第一数据集合和第二数据集合进行t检验处理,得到t检验结果,所述t检验结果用于判断第一数据集合和第二数据集合的总体均值的差异性;
若所述t检验结果表示第一数据集合和第二数据集合的总体均值无差异,则表示第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效相同;
若所述t检验结果表示第一数据集合和第二数据集合的总体均值有差异,则表示第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效不同;
S320、对所述第一数据集合和第二数据集合进行近似t检验处理,得到近似t检验结果,所述近似t检验结果用于判断第一数据集合和第二数据集合的总体均值的差异性;
若所述近似t检验结果表示第一数据集合和第二数据集合的总体均值无差异,则表示第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效相同;
若所述近似t检验结果表示第一数据集合和第二数据集合的总体均值有差异,则表示第一地理区域对第一目标的人因工效和第二地理区域对第二目标的人因工效不同。
4.根据权利要求3所述的方法,其特征在于,所述步骤S300中,方差齐性检验处理方法为:
S301、获取所述第一数据集合和第二数据集合,对所述第一数据集合和第二数据集合进行样本方差处理,得到第一数据集合对应的第一样本方差值S1 2,和第二数据集合对应的第二样本方差值S2 2;
S302、确定方差齐性检验统计量F=Sa 2/Sb 2,
其中,Sa 2为所述第一样本方差值S1 2和第二样本方差值S2 2中较大的样本方差值,Sb 2为所述第一样本方差值S1 2和第二样本方差值S2 2中较小的样本方差值;
S303、方差齐性检验统计量F近似服从自由度为θ1=n1-1,θ2=n2-1的F分布,n1表示所述第一数据集合中的生物信息数据总量,n2表示所述第二数据集合中的生物信息数据总量;
S304、获取检验水平参数α,α=0.05,根据α查询F分布界值表,确定第三结果;
若F>Fθ1,θ2,1-α,则第一样本方差值S1 2和第二样本方差值S2 2不相等,第三结果表示所述第一数据集合和第二数据集合方差不齐性;
若F≤Fθ1,θ2,1-α,则第一样本方差值S1 2和第二样本方差值S2 2相等,第三结果表示所述第一数据集合和第二数据集合为方差齐性。
5.根据权利要求3所述的方法,其特征在于,所述步骤S310中,t检验处理方法为:
S311、获取所述第一数据集合和第二数据集合,对所述第一数据集合和第二数据集合进行样本均值处理,得到第一数据集合对应的第一样本均值A,和第二数据集合对应的第二样本均值B;
S312、对所述第一数据集合和第二数据集合进行样本方差处理,得到第一数据集合对应的第一样本方差值S1 2,和第二数据集合对应的第二样本方差值S2 2;
S313、确定所述第一数据集合和第二数据集合的均数差值的标准差
其中,n1表示所述第一数据集合中的生物信息数据总量,n2表示所述第二数据集合中的生物信息数据总量;
其中,t检验统计量t服从自由度为n1+n2-2的t分布;
S315、获取检验水平参数α,α=0.05,根据α查询t分布界值表,确定t检验结果;
若t<tn1+n2-2,α/2或者t>tn1+n2-2,1-α/2,则t检验结果表示第一数据集合与第二数据集合的总体均值存在差异;
若tn1+n2-2,α/2≤t≤tn1+n2-2,1-α/2,则t检验结果表示第一数据集合与第二数据集合的总体均值不存在差异。
6.根据权利要求3所述的方法,其特征在于,所述步骤S320中,近似t检验处理方法为:
S321、获取所述第一数据集合和第二数据集合,对所述第一数据集合和第二数据集合进行样本均值处理,得到第一数据集合对应的第一样本均值A,和第二数据集合对应的第二样本均值B;
S322、对所述第一数据集合和第二数据集合进行样本方差处理,得到第一数据集合对应的第一样本方差值S1 2,和第二数据集合对应的第二样本方差值S2 2;
其中,n1表示所述第一数据集合中的生物信息数据总量,n2表示所述第二数据集合中的生物信息数据总量;
S324、确定基于t分布校正的t’临界值t’1-α/2=[(S1 2*tn1-1,α/2)/n1+(S2 2*tn2-1,α/2)/n2]/(S1 2/n1+S2 2/n2),其中,α为检验水平参数,α=0.05,tn1-1,α/2和tn2-1,α/2通过查询t分布界值表得到;
S325、根据t’临界值t’1-α/2和近似t检验统计量t’确定近似t检验结果;
若t’<t’α/2或者t’>t’1-α/2,则近似t检验结果表示第一数据集合与第二数据集合的总体均值存在差异;
若t’α/2≤t’≤t’1-α/2,则近似t检验结果表示第一数据集合与第二数据集合的总体均值不存在差异;
S326、若第一数据集合与第二数据集合的总体均值存在差异;
若A≤B,则表示第二地理区域对第二目标的人因工效不低于第一地理区域对第一目标的人因工效;
若A>B,则表示第二地理区域对第二目标的人因工效低于第一地理区域对第一目标的人因工效。
7.根据权利要求1所述的方法,其特征在于,所述步骤S450中,比较参数p的确定方法为:
S451、若min{n1,n2}≤10,且|n1-n2|≤10,则通过min{n1,n2}和|n1-n2|,查询Wilcoxon秩和检验界值表,确定界值范围;
若非参数检验统计量K在界值范围外,则比较参数p小于0.05;
若非参数检验统计量K在界值范围内,则比较参数p不小于0.05;
S452、若min{n1,n2}>10,或|n1-n2|>10,则通过正态近似法确定比较参数p;
非参数检验统计量K近似服从于正态分布N(min{n1,n2}*(n+1)/2,n1n2(n+1)/12),
其中,n1表示第一数据集合中的生物信息数据总量,n2表示第二数据集合中的生物信息数据总量,n表示第一数据集合和第二数据集合的生物信息数据总量的相加总和数,ti表示第i个结中具有相同秩次的个数,l表示有结的组的个数;
通过查询标准正态分布界值表,确定比较参数p:
若处理统计量K’<uα/2或处理统计量K’>u1-α/2时,则比较参数p小于0.05;
若uα/2≤K’≤u1-α/2,则比较参数p不小于0.05。
8.根据权利要求5所述的方法,其特征在于,所述步骤S315中,若t检验结果表示第一数据集合与第二数据集合的总体均值存在差异:
若A≤B,则表示第二地理区域对第二目标的人因工效不低于第一地理区域对第一目标的人因工效;
若A>B,则表示第二地理区域对第二目标的人因工效低于第一地理区域对第一目标的人因工效。
9.根据权利要求1所述的方法,其特征在于,所述步骤S460中,若第四结果表示所述第一数据集合和第二数据集合的总体分布有差异:
若K1>K2,则表示第二地理区域对第二目标的人因工效低于第一地理区域对第一目标的人因工效;
若K1≤K2,则表示第二地理区域对第二目标的人因工效不低于第一地理区域对第一目标的人因工效。
10.根据权利要求1-9中任一所述的方法,其特征在于,所述第一数据集合和第二数据集合中的生物信息数据分别包括第一地理区域的目标和第二地理区域的目标的人体心率变异性数据、警觉性测试数据、眼动行为特征数据中的一种或多种数据的组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210858229.3A CN115067909A (zh) | 2022-07-21 | 2022-07-21 | 基于生物信息数据处理的远程塔台人因工效确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210858229.3A CN115067909A (zh) | 2022-07-21 | 2022-07-21 | 基于生物信息数据处理的远程塔台人因工效确定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115067909A true CN115067909A (zh) | 2022-09-20 |
Family
ID=83242566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210858229.3A Pending CN115067909A (zh) | 2022-07-21 | 2022-07-21 | 基于生物信息数据处理的远程塔台人因工效确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115067909A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101290320A (zh) * | 2007-03-20 | 2008-10-22 | 生命扫描有限公司 | 在糖尿病管理中用于模式识别的系统和方法 |
CN102087675A (zh) * | 2010-06-29 | 2011-06-08 | 北京航空航天大学 | 具有信息显示界面设计测试功能的飞行模拟系统 |
CN106539581A (zh) * | 2016-12-07 | 2017-03-29 | 中国民用航空总局第二研究所 | 基于概率统计方法的管制员疲劳检测方法及系统 |
CN109325059A (zh) * | 2018-12-03 | 2019-02-12 | 枘熠集成电路(上海)有限公司 | 一种数据比较方法及装置 |
CN109953739A (zh) * | 2017-12-14 | 2019-07-02 | 北京积水潭医院 | 测量肝脏脂肪含量的方法及装置 |
CN110015405A (zh) * | 2019-03-15 | 2019-07-16 | 中国商用飞机有限责任公司 | 一种基于人机工效设计的多功能防误操作飞机驾驶盘 |
CN114391846A (zh) * | 2022-01-21 | 2022-04-26 | 中山大学 | 一种基于过滤式特征选择的情绪识别方法及系统 |
-
2022
- 2022-07-21 CN CN202210858229.3A patent/CN115067909A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101290320A (zh) * | 2007-03-20 | 2008-10-22 | 生命扫描有限公司 | 在糖尿病管理中用于模式识别的系统和方法 |
CN102087675A (zh) * | 2010-06-29 | 2011-06-08 | 北京航空航天大学 | 具有信息显示界面设计测试功能的飞行模拟系统 |
CN106539581A (zh) * | 2016-12-07 | 2017-03-29 | 中国民用航空总局第二研究所 | 基于概率统计方法的管制员疲劳检测方法及系统 |
CN109953739A (zh) * | 2017-12-14 | 2019-07-02 | 北京积水潭医院 | 测量肝脏脂肪含量的方法及装置 |
CN109325059A (zh) * | 2018-12-03 | 2019-02-12 | 枘熠集成电路(上海)有限公司 | 一种数据比较方法及装置 |
CN110015405A (zh) * | 2019-03-15 | 2019-07-16 | 中国商用飞机有限责任公司 | 一种基于人机工效设计的多功能防误操作飞机驾驶盘 |
CN114391846A (zh) * | 2022-01-21 | 2022-04-26 | 中山大学 | 一种基于过滤式特征选择的情绪识别方法及系统 |
Non-Patent Citations (1)
Title |
---|
JIANPING ZHANG等: "A Field Study on Safety Performance of Apron Controllers at a Large-Scale Airport Based on Digital Tower", 《INTERNATIONAL JOURNAL OF ENVIRONMENTAL RESEARCH AND PUBLIC HEALTH》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102061725B1 (ko) | 정신 건강을 진단하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 | |
US5003986A (en) | Hierarchial analysis for processing brain stem signals to define a prominent wave | |
CN109646022B (zh) | 儿童注意力评估系统及其方法 | |
CN111680913B (zh) | 一种舰员的超负荷工作检测方法及系统 | |
CN102973266B (zh) | 用于自动痉挛监测的方法、设备和计算机程序产品 | |
CN104903897A (zh) | 癫痫和癫痫发作的易发性的评定 | |
KR20190105163A (ko) | 인공지능 기반의 환자상태 예측 장치 및 이를 이용한 환자상태 예측 방법 | |
DeBettencourt et al. | Sustained attention and spatial attention distinctly influence long-term memory encoding | |
CN115310804A (zh) | 基于决策层融合的飞行员情境意识判别方法和系统 | |
KR101249069B1 (ko) | 뇌파 신호 동기화 수준을 이용한 정신분열병 고위험군 진단의 정량화 방법, 장치, 및 컴퓨터로 읽을 수 있는 매체 | |
US20080269632A1 (en) | Systems and Methods for Analyzing and Assessing Attention Deficit Hyperactivity Disorder | |
CN115067909A (zh) | 基于生物信息数据处理的远程塔台人因工效确定方法 | |
CN115081248B (zh) | 一种远程塔台席位布局确定方法 | |
US20040153340A1 (en) | Method for monitoring telemedicine healthcare services | |
CN112257190B (zh) | 一种异常态人在环飞行模拟环境下进行监测的方法 | |
Ha et al. | HUPESS: Human performance evaluation support system | |
CN112768066A (zh) | 一种神经外科患者综合诊疗方法及系统 | |
CN116269390B (zh) | 孤独症评估方法、设备、电子设备和存储介质 | |
CN115813390B (zh) | 基于冻结技术和脑电特征的操作员情境意识评估及判别系统和方法 | |
CN112656372B (zh) | 基于脑网络拓扑规律的脑力疲劳检测方法及系统 | |
Kim et al. | An experimental approach to estimate operator’s information processing capacity for diagnosing tasks in NPPs | |
CN117577334B (zh) | 一种基于医疗器械设备的健康监测系统 | |
CN115844405B (zh) | 融合生物反馈的民航飞行员心理胜任力测评方法及系统 | |
Stevens et al. | Cognitive Metrics Profiling of a Complex Task: Toward Convergent Validity with Behavioral and EEG Workload Indicators | |
Varlamova et al. | Hardware-software complex for psychological and professional diagnostics with the remote control function |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220920 |