CN115081248B - 一种远程塔台席位布局确定方法 - Google Patents

Abstract

本发明提供了一种远程塔台席位布局确定方法，包括：获取K个数据集合，每个数据集合对应一种席位布局类型，每个数据集合包括对应席位布局类型的目标人员的生物信息数据，对每个数据集合进行正态性检验处理和方差齐性检验处理，若每个数据集合内的生物信息数据均服从正态分布且为方差齐性，则进行参数检验处理，若存在不服从正态分布的数据集合，或方差不齐性，则进行非参数检验处理。本发明采集机场管制员在若干种不同席位布局类型的远程塔台处监测的生物信息数据，通过参数两两比较处理/非参数两两比较处理方法判别若干席位布局类型的远程塔台人因工效差异性并进行排序，比较各远程塔台席位布局类型的优劣，得到最优的远程塔台席位布局类型。

Description

一种远程塔台席位布局确定方法

技术领域

本发明涉及数据处理领域，特别是涉及一种远程塔台席位布局确定方法。

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在物理塔台通过目视观察指挥时的情景意识和感知能力。人因工效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。

远程塔台是一类集成化系统，包括全景视频系统、场面监视系统、电子进程单系统、内话系统、综合处理系统、气象信息等，远程塔台席位上需要架设各类系统显示面板，如何进行科学的席位排布，是缓解管制员工作负荷、提升管制员工作效率的关键。在远程塔台系统席位布局优化中有两个核心点：一是用以替代现场目视观察的全景视频系统，其显示界面的尺寸大小及其排布；二是所有显示屏幕在席位上的布局。

当前，国内外对远程塔台系统席位布局的优化方法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，通过验证远程塔台的人因工效来优化席位布局。但缺乏一套基于人因工效量化分析的数据处理方法。

发明内容

针对上述技术问题，本发明采用的技术方案为：

一种远程塔台席位布局确定方法，包括如下步骤：

S100、获取K个数据集合，每个数据集合对应一种席位布局类型，K种席位布局类型包括1种样本布局类型和K-1种根据人因工效学原理进行调整后的席位布局类型，样本布局类型即原始席位布局类型，每个数据集合均包括对应的席位布局类型的目标人员的生物信息数据；

S200、对每个所述数据集合进行正态性检验处理，若每个所述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；

S300、对K个所述数据集合进行方差齐性检验处理，得到方差齐性结果，所述方差齐性结果用于判断K个所述数据集合是否为方差齐性，若所述方差齐性结果表示K个所述数据集合为方差齐性，则进入步骤S500；

S500、对K个所述数据集合进行参数检验处理，得到参数检验结果，所述参数检验结果能够表示K个所述数据集合的总体均值是否存在差异，若所述参数检验结果表示K个所述数据集合的总体均值存在差异，则进入步骤S600；

S600、对K个所述数据集合进行参数两两比较处理，得到参数两两比较结果；所述步骤S600，包括：

S610、在K个所述数据集合中任选两个数据集合，为第j个数据集合和第h个数据集合，获取第j个数据集合的样本均值X_j和第h个数据集合的样本均值X_h，1≤j≤K，1≤h≤K；

S620、确定比较检验统计量

；

其中，MS_E表示K个所述数据集合的整体组内均方，n_j表示第j个数据集合的生物信息数据总量，n_h表示第h个数据集合的生物信息数据总量；比较检验统计量z服从自由度为N-K且处理组数为a的q分布，N表示K个所述数据集合的生物信息数据总量之和，a表示将K个所述数据集合的样本均值进行大小排列时，X_j和X_h之间样本均值的个数；

S630、获取检验水平参数ɑ，ɑ=0.05，对检验水平参数ɑ进行校正处理，得到校正参数ɑ’=2ɑ/[K(K-1)]，根据N-K、a和ɑ’查询q分布界值表，确定参数两两比较结果；

若z＞q_{N-K,a,1-ɑ’/2}，q_{N-K,a,1-ɑ’/2}通过查询q分布界值表确定，则参数两两比较结果表示第j个数据集合和第h个数据集合的生物信息数据有差异，第j个数据集合对应的第j种席位布局类型对目标人员的人因工效和第h个数据集合对应的第h种席位布局类型对目标人员的人因工效不同；

若参数两两比较结果表示第j个数据集合和第h个数据集合的生物信息数据有差异：

若X_j＜X_h，则表示第j种席位布局类型对目标人员的人因工效优于第h种席位布局类型对目标人员的人因工效，即第j种远程塔台席位布局类型优于第h种远程塔台席位布局类型；

若X_j≥X_h，则表示第j种席位布局类型对目标人员的人因工效不优于第h种席位布局类型对目标人员的人因工效，即第j种远程塔台席位布局类型不优于第h种远程塔台席位布局类型；

若z≤q_{N-K,a,1-ɑ’/2}，则参数两两比较结果表示第j个数据集合和第h个数据集合的生物信息数据无差异，第j个数据集合对应的第j种席位布局类型对目标人员的人因工效和第h个数据集合对应的第h种席位布局类型对目标人员的人因工效相同；

S640、重复步骤S610至步骤S630，直到所有数据集合做完参数两两比较处理，根据所有参数两两比较结果，对K种席位布局类型进行优劣排序。

本发明至少具有以下有益效果：

本发明采集机场管制员在若干个远程塔台处监测的生物信息数据，分析若干组生物信息数据的正态性分布和方差齐性，若均服从正态分布且方差齐性，则对其进行参数检验处理，若存在不服从正态分布或方差不齐性的生物信息数据集合，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，通过参数两两比较处理/非参数两两比较处理方法判别若干席位布局类型的远程塔台人因工效差异性，根据排序结果比较各类型的远程塔台系统席位布局类型的优劣，得到最优的远程塔台席位布局类型。

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一种远程塔台席位布局确定方法的流程图。

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。

目前针对远程塔台席位布局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，没有形成基于空管人因工效验证的远程塔台席位布局的优化方法，即没有能反映远程塔台系统中若干种席位布局类型的分析对比数据处理方法。

为了解决此技术问题，提出一种根据监测管制员在若干种远程塔台席位布局类型下的人体生物数据，来分析对比不同布局类型下人因工效差异，以此优化远程塔台席位布局的方法,包括如下步骤：

S100、获取K个数据集合，每个数据集合对应一种席位布局类型，K种席位布局类型包括1种样本布局类型和K-1种根据人因工效学原理进行调整后的席位布局类型，样本布局类型即原始席位布局类型，每个数据集合均包括对应的席位布局类型的目标人员的生物信息数据，生物信息数据为对应的席位布局类型的目标人员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，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、对每个数据集合进行正态性检验处理，若每个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；

步骤S200中，正态性检验处理方法为：

S210、获取待处理数据集合，待处理数据集合为K个数据集合中任选一个的数据集合；

S220、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合X=(x₍₁₎,x₍₂₎,...,x_(f))，f表示待处理数据集合中的生物信息数据总量；

S230、确定累积量d=∑^[f/2] _i=1a_i[x_(f+1-i)-x_(i)]；

其中，[f/2]表示f/2的整数部分，a_i表示检验系数，通过查询S-W检验系数表获得；

S240、根据累积量d，确定正态性检验统计量W=d²/(∑^f _i=1[x_(i)-x]²)；

其中，0＜W≤1，x为待处理数据集合的生物信息数据的均值；

S250、获取检验水平参数ɑ，ɑ=0.05，根据ɑ和f获取W检验的统计分位数W_ɑ；

S260、根据正态性检验统计量W和统计分位数W_ɑ，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＜W_ɑ，则表示待处理数据集合不服从正态分布；

若W≥W_ɑ，则表示待处理数据集合服从正态分布。

S300、对K个数据集合进行方差齐性检验处理，得到方差齐性结果，方差齐性结果用于判断K个数据集合是否为方差齐性，若方差齐性结果表示K个数据集合为方差齐性，则进入步骤S500；

步骤S300中，方差齐性检验处理方法为：

S310、在K个数据集合中任选一个数据集合，为第m个数据集合，确定第m个数据集合的第i个生物信息数据的离差z_im=|x_im-x_m|；

其中，x_im表示第m个数据集合中第i个生物信息数据，x_m表示第m个数据集合对应的样本均值；

S320、确定第m个数据集合的生物信息数据的离差均值

，m=1,2,...,K；

其中，n_m表示第m个数据集合的生物信息数据总量，K表示数据集合的总数；

S330、确定离差均值

；

其中，N表示K个数据集合的生物信息数据总量之和；

S340、确定方差齐性检验统计量

；

其中，方差齐性检验统计量Q服从自由度为θ1=K-1，θ2=N-K的F分布；

S350、获取检验水平参数ɑ，ɑ=0.05，根据ɑ查询F分布界值表，得到方差齐性结果：

若Q＞F_θ1,θ2,1-ɑ，F_θ1,θ2,1-ɑ通过查询F分布界值表确定，则方差齐性结果表示K个数据集合为方差不齐性；

若Q≤F_θ1,θ2,1-ɑ，则方差齐性结果表示K个数据集合为方差齐性。

步骤S200中，若K个数据集合内的生物信息数据存在不服从正态分布的数据集合，或步骤S300中，方差齐性结果表示K个数据集合为方差不齐性，则进入步骤S400：

S400、对K个数据集合进行非参数检验处理；

S410、将K个数据集合内的生物信息数据进行混合并按照第一顺序进行次序排列，得到混合数据集合，第一顺序为数值从小到大的顺序；

S420、对混合数据集合进行编秩处理，得到若干个秩次；

将每个数据集合对应的秩次分别进行求和处理，得到每个数据集合对应的秩和，若混合数据集合中存在相同的生物信息数据，则获取平均秩次；

S430、确定每一数据集合对应的平均秩和Z_g=K_g/n_g，g=1,2,...,K，K_g为第g个数据集合对应的秩和，Z_g为第g个数据集合的平均秩和，n_g表示第g个数据集合的生物信息数据总量；

S440、确定检验统计量

；

其中，N表示K个数据集合的生物信息数据总量之和；

S450、确定检验参数p，其中，若K=3且n_g≤5，则根据H界值表，确定检验参数p；若K＞3或n_g＞5，则检验统计量Y近似服从自由度为K-1的x²分布，根据x²分布界值表，确定检验参数p；

S460、通过检验参数p，确定非参数检验结果：

若p＜0.05，则非参数检验结果表示K个数据集合对应的K种席位布局类型对目标人员的人因工效不同；

若p≥0.05，则非参数检验结果表示K个数据集合对应的K种席位布局类型对目标人员的人因工效相同。

步骤S460中，若非参数检验结果表示K个数据集合对应的K种席位布局类型对目标人员的人因工效不同，则对K个数据集合进行非参数两两比较处理，非参数两两比较处理方法为：

S471、在K个数据集合中任选两个数据集合，为第c个数据集合和第d个数据集合，获取第c个数据集合的平均秩和Z_c和第d个数据集合的平均秩和Z_d，1≤c≤K，1≤d≤K；

S472、确定比较检验统计量

；

其中，N表示K个数据集合的生物信息数据总量之和，n_c表示第c个数据集合的生物信息数据总量，n_d表示第d个数据集合的生物信息数据总量，K表示数据集合的总数，比较检验统计量T服从自由度为N-K的t分布；

S473、获取检验水平参数ɑ，ɑ=0.05，对检验水平参数ɑ进行校正处理，得到校正参数β=2ɑ/[K(K-1)]；

S474、根据校正参数β查询t分布界值表，确定非参数两两比较结果：

若T＜t_N-K，β/2或T＞t_N-K，1-β/2，t_N-K，β/2和t_N-K，1-β/2通过查询t分布界值表确定，则非参数两两比较结果表示第c个数据集合和第d个数据集合的生物信息数据有差异，第c个数据集合对应的第c种席位布局类型对目标人员的人因工效和第d个数据集合对应的第d种席位布局类型对目标人员的人因工效不同；

若t_N-K，β/2≤T≤t_N-K，1-β/2，则非参数两两比较结果表示第c个数据集合和第d个数据集合的生物信息数据无差异，第c个数据集合对应的第c种席位布局类型对目标人员的人因工效和第d个数据集合对应的第d种席位布局类型对目标人员的人因工效相同；

S475、重复步骤S471至步骤S474，直到所有数据集合做完非参数两两比较处理,根据所有非参数两两比较结果，对K种席位布局类型进行优劣排序；

S476、所述步骤S474和步骤S475中，若非参数两两比较结果表示第c个数据集合和第d个数据集合的生物信息数据有差异，则对第c个数据集合和第d个数据集合进行优劣排序：

若监测的生物信息数据的类型为人体心率变异性数据：则平均秩和值越大，表示对应的席位布局类型的人因工效越优；

若监测的生物信息数据的类型为警觉性测试数据，则平均秩和值越小，表示对应的席位布局类型的人因工效越优；

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，则平均秩和值越小，表示对应的席位布局类型的人因工效越优；

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，则平均秩和值越大，表示对应的席位布局类型的人因工效越优；

通过不同类型的监测数据，来对所有数据集合进行优劣判断并排序。

S500、对K个数据集合进行参数检验处理，得到参数检验结果，参数检验结果能够表示K个数据集合的总体均值是否存在差异，若参数检验结果表示K个数据集合的总体均值不存在差异，则表示K个数据集合对应的K种席位布局类型对目标人员的人因工效相同；若参数检验结果表示K个数据集合的总体均值存在差异，则进入步骤S600；

步骤S500中，参数检验处理方法为：

S510、在K个数据集合中任选一个数据集合，为第e个数据集合，获取K个数据集合的生物信息数据总量之和N=∑^K _e=1n_e；

其中，n_e表示第e个数据集合的生物信息数据总量，K表示数据集合的总数；

S520、通过生物信息数据总量之和N，确定K个数据集合的整体组间均方

；

其中，x_ie表示第e个数据集合中第i个生物信息数据；

S530、对每个数据集合分别进行样本均值处理，得到每个数据集合对应的样本均值；

S540、确定K个数据集合的整体组内均方

；

其中，X_e表示第e个数据集合对应的样本均值；

S550、确定单因素方差分析检验统计量E=MS_A/MS_E；

其中，单因素方差分析检验统计量E服从自由度为θ1=K-1，θ2=N-K的F分布；

S560、获取检验水平参数ɑ，ɑ=0.05，根据ɑ查询F分布界值表，确定参数检验结果；

若E＞F_θ1,θ2,1-ɑ，F_θ1,θ2,1-ɑ通过查询F分布界值表确定，则参数检验结果表示K个数据集合的总体均值存在差异，K个数据集合对应的K种席位布局类型对目标人员的人因工效不同；

若E≤F_θ1,θ2,1-ɑ，则参数检验结果表示K个数据集合的总体均值存在差异，K个数据集合对应的K种席位布局类型对目标人员的人因工效相同；

S600、对K个数据集合进行参数两两比较处理，得到参数两两比较结果，步骤S600为：

S610、在K个数据集合中任选两个数据集合，为第j个数据集合和第h个数据集合，获取第j个数据集合的样本均值X_j和第h个数据集合的样本均值X_h，1≤j≤K，1≤h≤K；

S620、确定比较检验统计量

；

其中，MS_E表示K个数据集合的整体组内均方，n_j表示第j个数据集合的生物信息数据总量，n_h表示第h个数据集合的生物信息数据总量；比较检验统计量z服从自由度为N-K且处理组数为a的q分布，N表示K个数据集合的生物信息数据总量之和，a表示将K个数据集合的样本均值进行大小排列时，X_j和X_h之间样本均值的个数；

S630、获取检验水平参数ɑ，ɑ=0.05，对检验水平参数ɑ进行校正处理，得到校正参数ɑ’=2ɑ/[K(K-1)]，根据N-K、a和ɑ’查询q分布界值表，确定参数两两比较结果；

若z＞q_{N-K,a,1-ɑ’/2}，q_{N-K,a,1-ɑ’/2}通过查询q分布界值表确定，则参数两两比较结果表示第j个数据集合和第h个数据集合的生物信息数据有差异，第j个数据集合对应的第j种席位布局类型对目标人员的人因工效和第h个数据集合对应的第h种席位布局类型对目标人员的人因工效不同；

若参数两两比较结果表示第j个数据集合和第h个数据集合的生物信息数据有差异：

若监测的生物信息数据的类型为人体心率变异性数据：则平均秩和值越大，表示对应的席位布局类型的人因工效越优；

若监测的生物信息数据的类型为警觉性测试数据，则平均秩和值越小，表示对应的席位布局类型的人因工效越优；

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，则平均秩和值越小，表示对应的席位布局类型的人因工效越优；

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，则平均秩和值越大，表示对应的席位布局类型的人因工效越优；

通过不同类型的监测数据，来对所有数据集合进行优劣判断并排序；

若z≤q_{N-K,a,1-ɑ’/2}，则参数两两比较结果表示第j个数据集合和第h个数据集合的生物信息数据无差异，第j个数据集合对应的第j种席位布局类型对目标人员的人因工效和第h个数据集合对应的第h种席位布局类型对目标人员的人因工效相同；

S640、重复步骤S610至步骤S630，直到所有数据集合做完参数两两比较处理，根据所有参数两两比较结果，对K种席位布局类型进行优劣排序。

在本实施例的机场环境中，各种席位布局类型为不同类型的远程塔台席位布局，样本布局类型为对照样本，也是原始的席位布局类型，如图1所示，每种远程塔台席位布局都不同，每种不同席位布局类型的远程塔台均依靠显示设备远程观察，来判断不同类型的远程塔台之间的人因工效差异性，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。

测试的每个目标人员为机场的管制员，数据集合中的生物信息数据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，每次参数比较只比较同种类型的参数，即在判别人因工效时，或者比较人体心率变异性数据，或比较警觉性测试数据，或比较两者结合的数据，确保两种席位布局类型的比较数据的类型相同，通过人因工效的比较，来对不同类型的远程塔台的显示设备在管制员处的管理系统的席位布局进行优化。

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，来定量化比较不同席位布局类型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，注意观察心率信号是否正常，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。

本发明采集机场管制员在若干个远程塔台处监测的生物信息数据，分析若干组生物信息数据的正态性分布和方差齐性，若均服从正态分布且方差齐性，则对其进行参数检验处理，若存在不服从正态分布或方差不齐性的生物信息数据集合，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，通过参数两两比较处理/非参数两两比较处理方法判别若干席位布局类型的远程塔台人因工效差异性，根据排序结果比较各类型的远程塔台系统席位布局类型的优劣，得到最优的远程塔台席位布局类型。

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)

1.一种远程塔台席位布局确定方法，其特征在于，所述方法包括如下步骤：

S100、获取K个数据集合，每个所述数据集合对应一种席位布局类型，每个所述数据集合均包括对应的席位布局类型的目标人员的生物信息数据；

S200、对每个所述数据集合进行正态性检验处理，若每个所述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；

S300、对K个所述数据集合进行方差齐性检验处理，得到方差齐性结果，所述方差齐性结果用于判断K个所述数据集合是否为方差齐性，若所述方差齐性结果表示K个所述数据集合为方差齐性，则进入步骤S500；

S500、对K个所述数据集合进行参数检验处理，得到参数检验结果，所述参数检验结果能够表示K个所述数据集合的总体均值是否存在差异，若所述参数检验结果表示K个所述数据集合的总体均值存在差异，则进入步骤S600；

S600、对K个所述数据集合进行参数两两比较处理，得到参数两两比较结果；所述步骤S600，包括：

S610、在K个所述数据集合中任选两个数据集合，为第j个数据集合和第h个数据集合，获取第j个数据集合的样本均值X_j和第h个数据集合的样本均值X_h，1≤j≤K，1≤h≤K；

S620、确定比较检验统计量

；

其中，MS_E表示K个所述数据集合的整体组内均方，n_j表示第j个数据集合的生物信息数据总量，n_h表示第h个数据集合的生物信息数据总量；比较检验统计量z服从自由度为N-K且处理组数为a的q分布，N表示K个所述数据集合的生物信息数据总量之和，a表示将K个所述数据集合的样本均值进行大小排列时，X_j和X_h之间样本均值的个数；

S630、获取检验水平参数ɑ，ɑ=0.05，对检验水平参数ɑ进行校正处理，得到校正参数ɑ’=2ɑ/[K(K-1)]，根据N-K、a和ɑ’查询q分布界值表，确定参数两两比较结果；

若z＞q_{N-K,a,1-ɑ’/2}，q_{N-K,a,1-ɑ’/2}通过查询q分布界值表确定，则参数两两比较结果表示第j个数据集合和第h个数据集合的生物信息数据有差异，第j个数据集合对应的第j种席位布局类型对目标人员的人因工效和第h个数据集合对应的第h种席位布局类型对目标人员的人因工效不同；

若z≤q_{N-K,a,1-ɑ’/2}，则参数两两比较结果表示第j个数据集合和第h个数据集合的生物信息数据无差异，第j个数据集合对应的第j种席位布局类型对目标人员的人因工效和第h个数据集合对应的第h种席位布局类型对目标人员的人因工效相同；

S640、重复步骤S610至步骤S630，直到所有数据集合做完参数两两比较处理，根据所有参数两两比较结果，对K种席位布局类型进行优劣排序。

2.根据权利要求1所述的方法，其特征在于，若所述步骤S200中，K个所述数据集合内的生物信息数据存在不服从正态分布的数据集合，或所述步骤S300中，所述方差齐性结果表示K个所述数据集合为方差不齐性，则进入步骤S400，对K个所述数据集合进行非参数检验处理，所述步骤S400为：

S410、将K个所述数据集合内的生物信息数据进行混合并按照第一顺序进行次序排列，得到混合数据集合；

S420、对混合数据集合进行编秩处理，得到若干个秩次；

将每个所述数据集合对应的秩次分别进行求和处理，得到每个所述数据集合对应的秩和；

S430、确定每一数据集合对应的平均秩和Z_g=K_g/n_g，g=1,2,...,K，K_g为第g个数据集合对应的秩和，Z_g为第g个数据集合的平均秩和，n_g表示第g个数据集合的生物信息数据总量；

S440、确定检验统计量

；

其中，N表示K个所述数据集合的生物信息数据总量之和；

S450、确定检验参数p，其中，若K=3且n_g≤5，则根据H界值表，确定检验参数p；若K＞3或n_g＞5，则检验统计量Y近似服从自由度为K-1的x²分布，根据x²分布界值表，确定检验参数p；

S460、通过检验参数p，确定非参数检验结果：

若p＜0.05，则非参数检验结果表示K个所述数据集合对应的K种席位布局类型对目标人员的人因工效不同；

若p≥0.05，则非参数检验结果表示K个所述数据集合对应的K种席位布局类型对目标人员的人因工效相同。

3.根据权利要求2所述的方法，其特征在于，所述步骤S460中，若非参数检验结果表示K个所述数据集合对应的K种席位布局类型对目标人员的人因工效不同，则对K个所述数据集合进行非参数两两比较处理，所述非参数两两比较处理方法为：

S471、在K个所述数据集合中任选两个数据集合，为第c个数据集合和第d个数据集合，获取第c个数据集合的平均秩和Z_c和第d个数据集合的平均秩和Z_d，1≤c≤K，1≤d≤K；

S472、确定比较检验统计量

；

其中，N表示K个所述数据集合的生物信息数据总量之和，n_c表示第c个数据集合的生物信息数据总量，n_d表示第d个数据集合的生物信息数据总量，K表示数据集合的总数，比较检验统计量T服从自由度为N-K的t分布；

S473、获取检验水平参数ɑ，ɑ=0.05，对检验水平参数ɑ进行校正处理，得到校正参数β=2ɑ/[K(K-1)]；

S474、根据校正参数β查询t分布界值表，确定非参数两两比较结果：

若T＜t_N-K，β/2或T＞t_N-K，1-β/2，t_N-K，β/2和t_N-K，1-β/2通过查询t分布界值表确定，则非参数两两比较结果表示第c个数据集合和第d个数据集合的生物信息数据有差异，第c个数据集合对应的第c种席位布局类型对目标人员的人因工效和第d个数据集合对应的第d种席位布局类型对目标人员的人因工效不同；

若t_N-K，β/2≤T≤t_N-K，1-β/2，则非参数两两比较结果表示第c个数据集合和第d个数据集合的生物信息数据无差异，第c个数据集合对应的第c种席位布局类型对目标人员的人因工效和第d个数据集合对应的第d种席位布局类型对目标人员的人因工效相同；

S475、重复步骤S471至步骤S474，直到所有数据集合做完非参数两两比较处理,根据所有非参数两两比较结果，对K种席位布局类型进行优劣排序；

S476、所述步骤S474和步骤S475中，若非参数两两比较结果表示第c个数据集合和第d个数据集合的生物信息数据有差异，则对第c个数据集合和第d个数据集合进行优劣排序：

若Z_c＜Z_d，则表示第c种席位布局类型对目标人员的人因工效优于第d种席位布局类型对目标人员的人因工效；

若Z_c≥Z_d，则表示第c种席位布局类型对目标人员的人因工效不优于第d种席位布局类型对目标人员的人因工效。

4.根据权利要求1所述的方法，其特征在于，所述步骤S640中，若参数两两比较结果表示第j个数据集合和第h个数据集合的生物信息数据有差异：

若X_j＜X_h，则表示第j种席位布局类型对目标人员的人因工效优于第h种席位布局类型对目标人员的人因工效；

若X_j≥X_h，则表示第j种席位布局类型对目标人员的人因工效不优于第h种席位布局类型对目标人员的人因工效。

5.根据权利要求1所述的方法，其特征在于，所述步骤S500中，参数检验处理方法为：

S510、在K个所述数据集合中任选一个数据集合，为第e个数据集合，获取K个所述数据集合的生物信息数据总量之和N=∑^K _e=1n_e；

其中，n_e表示第e个数据集合的生物信息数据总量，K表示数据集合的总数；

S520、通过生物信息数据总量之和N，确定K个所述数据集合的整体组间均方

；

其中，x_ie表示第e个数据集合中第i个生物信息数据；

S530、对每个所述数据集合分别进行样本均值处理，得到每个数据集合对应的样本均值；

S540、确定K个所述数据集合的整体组内均方

；

其中，X_e表示第e个数据集合对应的样本均值；

S550、确定单因素方差分析检验统计量E=MS_A/MS_E；

其中，单因素方差分析检验统计量E服从自由度为θ1=K-1，θ2=N-K的F分布；

S560、获取检验水平参数ɑ，ɑ=0.05，根据ɑ查询F分布界值表，确定参数检验结果；

若E＞F_θ1,θ2,1-ɑ，F_θ1,θ2,1-ɑ通过查询F分布界值表确定，则参数检验结果表示K个所述数据集合的总体均值存在差异，K个所述数据集合对应的K种席位布局类型对目标人员的人因工效不同；

若E≤F_θ1,θ2,1-ɑ，则参数检验结果表示K个所述数据集合的总体均值存在差异，K个所述数据集合对应的K种席位布局类型对目标人员的人因工效相同。

6.根据权利要求1所述的方法，其特征在于，所述步骤S200中，正态性检验处理方法为：

S210、获取待处理数据集合，所述待处理数据集合为K个所述数据集合中任选一个的数据集合；

S220、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合X=(x₍₁₎,x₍₂₎,...,x_(f))，f表示所述待处理数据集合中的生物信息数据总量；

S230、确定累积量d=∑^[f/2] _i=1a_i[x_(f+1-i)-x_(i)]；

其中，[f/2]表示f/2的整数部分，a_i表示检验系数，通过查询S-W检验系数表获得；

S240、根据累积量d，确定正态性检验统计量W=d²/(∑^f _i=1[x_(i)-x]²)；

其中，0＜W≤1，x为所述待处理数据集合的生物信息数据的均值；

S250、获取检验水平参数ɑ，ɑ=0.05，根据ɑ和f获取W检验的统计分位数W_ɑ；

S260、根据正态性检验统计量W和统计分位数W_ɑ，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＜W_ɑ，则表示所述待处理数据集合不服从正态分布；

若W≥W_ɑ，则表示所述待处理数据集合服从正态分布。

7.根据权利要求1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：

S310、在K个所述数据集合中任选一个数据集合，为第m个数据集合，确定第m个数据集合的第i个生物信息数据的离差z_im=|x_im-x_m|；

其中，x_im表示第m个数据集合中第i个生物信息数据，x_m表示第m个数据集合对应的样本均值；

S320、确定第m个数据集合的生物信息数据的离差均值

，m=1,2,...,K；

其中，n_m表示第m个数据集合的生物信息数据总量，K表示数据集合的总数；

S330、确定离差均值

；

其中，N表示K个所述数据集合的生物信息数据总量之和；

S340、确定方差齐性检验统计量

；

其中，方差齐性检验统计量Q服从自由度为θ1=K-1，θ2=N-K的F分布；

S350、获取检验水平参数ɑ，ɑ=0.05，根据ɑ查询F分布界值表，得到方差齐性结果：

若Q＞F_θ1,θ2,1-ɑ，F_θ1,θ2,1-ɑ通过查询F分布界值表确定，则所述方差齐性结果表示K个所述数据集合为方差不齐性；

若Q≤F_θ1,θ2,1-ɑ，则所述方差齐性结果表示K个所述数据集合为方差齐性。

8.根据权利要求2所述的方法，其特征在于，所述步骤S420中，若所述混合数据集合中存在相同的生物信息数据，则获取平均秩次。

9.根据权利要求1所述的方法，其特征在于，所述步骤S500中，若所述参数检验结果表示K个数据集合的总体均值不存在差异，则表示K个数据集合对应的K种席位布局类型对目标人员的人因工效相同。

10.根据权利要求1-9中任一所述的方法，其特征在于，所述数据集合中的生物信息数据为对应的席位布局类型的目标人员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。

Images