CN115813390B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN115813390B CN115813390B CN202310015997.7A CN202310015997A CN115813390B CN 115813390 B CN115813390 B CN 115813390B CN 202310015997 A CN202310015997 A CN 202310015997A CN 115813390 B CN115813390 B CN 115813390B
- Authority
- CN
- China
- Prior art keywords
- beta
- theta
- situational awareness
- alpha
- electrode
- 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.)
- Active
Links
- 230000008014 freezing Effects 0.000 title claims abstract description 58
- 238000007710 freezing Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005516 engineering process Methods 0.000 title claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 56
- 238000005259 measurement Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims 1
- 238000012850 discrimination method Methods 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 7
- 230000003993 interaction Effects 0.000 abstract description 5
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 3
- 101000713575 Homo sapiens Tubulin beta-3 chain Proteins 0.000 description 2
- 102100036790 Tubulin beta-3 chain Human genes 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011867 re-evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供了一种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。该系统和方法可实现由情境意识标准测试和情境意识冻结提问相结合的情境意识评估模拟,提供了一种基于脑电特征的操作员情境意识水平的判别方法,并给出了对任务流程及交互界面的情境意识设计建议,具有综合性强、准确度高等特点,可用于直接指导信息显示界面的情境意识设计优化,从而为减少人的失误、提高作业安全提供技术支撑。
Description
技术领域
本发明涉及一种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。
背景技术
当前人机交互系统朝着信息化、智能化、集成化的方向发展,这使得操作员的重要职责由传统的“操作”为主转变为“监视-决策-控制”模式。复杂系统人机交互对操作员的情境意识提出了更髙的要求,先进技术的普及有时反而会使得操作员难以意识到关键信息从而降低了其情境意识,这将容易引发人的失误甚至带来灾难性后果。因此情境意识测量变得越来越重要。
情境意识测量方法主要分为主观评估、冻结或实时探针测量、绩效测量和生理测量方法,各自都有其优缺点。目前已有的操作员情境意识评定与监测研究仍存在一些不足。首先,目前大部分的情境意识评定大多是结合特定任务进行,缺乏规范化的情境意识评定系统;其次,脑电(EEG)具有较高的时间分辨率,与感知、理解、工作记忆等情境意识相关的认知结构相关,这使其适合用于情境意识研究。但目前的情境意识评定对脑电测量的应用十分有限,而是大部分都集中在主观评估、探针方法、眼动技术等方面。再者,目前还缺乏基于脑电特征的情境意识监测的方案,尤其是缺乏可解释性的判别算法的方案。
基于上述情况,本发明提出了一套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,能够解决上述不足,能够应用于操作员作业场景下情境意识水平的评估和判别,从而为优化信息显示界面的设计与交互品质、减少人的失误、提高作业安全提供技术支撑。
发明内容
本发明的目的,旨在提供一种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。该系统和方法提供了基于情境意识标准测试的操作员情境意识水平评估系统,并提出了基于脑电特征的操作员情境意识水平判定方法。
根据本发明的一个方面,提供了一种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,其包括:基于情境意识标准测试的情境意识评估子系统,用于对情境意识标准测试的子任务呈现信息以及情境意识冻结问题信息进行设置;情境意识水平判定子系统,用于测定该情境意识标准测试下操作员情境意识的水平。
根据本发明的一个进一步的方面,提供了一种基于情境意识标准测试的情境意识评估子系统,其包括:情境意识标准测试设置模块,用于对情境意识标准测试的子任务呈现信息进行设置;情境意识冻结问题设置模块,用于对情境意识冻结问题的信息进行设置;情境意识评估模块,用于评估操作员的情境意识水平。
根据本发明的一个进一步的方面,所述情境意识水平判定子系统包括脑电指标测定模块和情境意识水平判定模块。其中脑电指标测定模块,用于记录和分析操作员作业过程中的操作员脑电的β_r_C3(C3电极点的β相对功率)、β_r_CZ(CZ电极点的β相对功率)、β_r_C4(C4电极点的β相对功率)、β_r_P3(P3电极点的β相对功率)、β_r_PZ(PZ电极点的β相对功率)、β_r_P4(P4电极点的β相对功率)、θ/β_C3(C3电极点的θ/β)、θ/β_CZ(CZ电极点的θ/β)、θ/β_C4(C4电极点的θ/β)、θ/β_P3(P3电极点的θ/β)、θ/β_PZ(PZ电极点的θ/β)、θ/β_P4(P4电极点的θ/β)、α/β_P3(P3电极点的α/β)、α/β_PZ(PZ电极点的α/β)、α/β_P4(P4电极点的α/β)、(θ+α)/β_FZ(FZ电极点的(θ+α)/β)、(θ+α)/β_C3(C3电极点的(θ+α)/β)、(θ+α)/β_CZ(CZ电极点的(θ+α)/β)、(θ+α)/β_C4(C4电极点的(θ+α)/β)、(θ+α)/β_P3(P3电极点的(θ+α)/β)、(θ+α)/β_PZ(PZ电极点的(θ+α)/β)、(θ+α)/β_P4(P4电极点的(θ+α)/β)、(θ+α)/(α+β)_C3(C3电极点的(θ+α)/(α+β))、(θ+α)/(α+β)_CZ(CZ电极点的(θ+α)/(α+β))、(θ+α)/(α+β)_C4(C4电极点的(θ+α)/(α+β))、(θ+α)/(α+β)_P3(P3电极点的(θ+α)/(α+β))、(θ+α)/(α+β)_PZ(PZ电极点的(θ+α)/(α+β))、(θ+α)/(α+β)_P4(P4电极点的(θ+α)/(α+β))指标的变化情况;情境意识水平判定模块,用于判别操作员的情境意识水平。
根据本发明的一个方面,提供了一种基于冻结技术和脑电特征的操作员情境意识评估及判别方法,其包括:基于情境意识标准测试的情境意识评估子步骤,用于对情境意识标准测试的子任务呈现信息以及情境意识冻结问题信息进行设置;情境意识水平判定子步骤,用于测定该情境意识标准测试下操作员情境意识的水平。
根据本发明的一个进一步的方面,提供了一种基于情境意识标准测试的情境意识评估子步骤,其包括:情境意识标准测试设置步骤,用于对情境意识标准测试的子任务呈现信息进行设置;情境意识冻结问题设置步骤,用于对情境意识冻结问题的信息进行设置;情境意识评估步骤,用于评估操作员的情境意识水平。
根据本发明的一个进一步的方面,所述情境意识水平判定子步骤包括脑电指标测定步骤和情境意识水平判定步骤。其中脑电指标测定步骤,用于记录和分析操作员作业过程中的操作员脑电的β_r_C3(C3电极点的β相对功率)、β_r_CZ(CZ电极点的β相对功率)、β_r_C4(C4电极点的β相对功率)、β_r_P3(P3电极点的β相对功率)、β_r_PZ(PZ电极点的β相对功率)、β_r_P4(P4电极点的β相对功率)、θ/β_C3(C3电极点的θ/β)、θ/β_CZ(CZ电极点的θ/β)、θ/β_C4(C4电极点的θ/β)、θ/β_P3(P3电极点的θ/β)、θ/β_PZ(PZ电极点的θ/β)、θ/β_P4(P4电极点的θ/β)、α/β_P3(P3电极点的α/β)、α/β_PZ(PZ电极点的α/β)、α/β_P4(P4电极点的α/β)、(θ+α)/β_FZ(FZ电极点的(θ+α)/β)、(θ+α)/β_C3(C3电极点的(θ+α)/β)、(θ+α)/β_CZ(CZ电极点的(θ+α)/β)、(θ+α)/β_C4(C4电极点的(θ+α)/β)、(θ+α)/β_P3(P3电极点的(θ+α)/β)、(θ+α)/β_PZ(PZ电极点的(θ+α)/β)、(θ+α)/β_P4(P4电极点的(θ+α)/β)、(θ+α)/(α+β)_C3(C3电极点的(θ+α)/(α+β))、(θ+α)/(α+β)_CZ(CZ电极点的(θ+α)/(α+β))、(θ+α)/(α+β)_C4(C4电极点的(θ+α)/(α+β))、(θ+α)/(α+β)_P3(P3电极点的(θ+α)/(α+β))、(θ+α)/(α+β)_PZ(PZ电极点的(θ+α)/(α+β))、(θ+α)/(α+β)_P4(P4电极点的(θ+α)/(α+β))指标的变化情况;情境意识水平判定步骤,用于判别操作员的情境意识水平。
附图说明
图1为根据本发明的一个实施例的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总结构图。
图2为根据本发明的一个实施例的基于情境意识标准测试的情境意识评估子系统之情境意识标准测试设置子模块图。
图3为根据本发明的一个实施例的基于情境意识标准测试的情境意识评估子系统之情境意识冻结问题设置子模块图。
图4为根据本发明的一个实施例的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的工作总流程图。
图5为根据本发明的一个实施例的基于情境意识标准测试的情境意识评估子系统的工作流程图。
图6为根据本发明的一个实施例的情境意识水平判定子系统中的脑电指标测定模块的工作流程图。
图7为根据本发明的一个实施例的情境意识水平判定子系统的情境意识水平判定模块的工作流程图。
图8A-图8D为根据本发明的一个实施例的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界面示例图。
具体实施方式
如图1所示,根据本发明的一个实施例的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包括:
基于情境意识标准测试的情境意识评估子系统,和
情境意识水平判定子系统两个模块,
其中:
基于情境意识标准测试的情境意识评估子系统包括:
情境意识标准测试设置模块,
情境意识冻结问题设置模块,和
情境意识评估模块,
情境意识水平判定子系统包括:
脑电指标测定模块,和
情境意识水平判定模块。
如图2所示,根据本发明的一个实施例的情境意识标准测试设置模块包括:
子任务次数设置模块,用于设置追踪子任务、通信子任务、仪表异常监测子任务、资源告警监测子任务、通信监视子任务、资源管理子任务这6种子任务(如图2所示)的呈现次数,单位为“次”;
子任务时长设置模块,用于设置每类子任务的呈现时长,单位为“秒”。
图3为根据本发明的一个实施例的情境意识冻结问题设置模块图包括:
冻结提问次数设置模块,用于设置冻结提问的冻结次数,单位为“次”;
每次冻结问题个数设置模块,用于设置每次冻结提问的问题个数,单位为“个”;
冻结提问间隔设置模块,用于设置冻结提问的时间间隔,单位为“秒”。
如图4所示,在根据本发明的一个实施例的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中,首先使用基于情境意识标准测试的情境意识评估子系统的情境意识标准测试设置模块对操作员作业过程中情境意识标准测试信息进行设置,然后使用情境意识冻结问题设置模块进行冻结提问参数的设置,紧接着操作员开展情境意识标准测试并回答弹出的冻结问题,相应的冻结问题得分将进入情境意识评估模块;这之后使用情境意识水平判定子系统中的脑电指标测定模块记录和分析操作员作业过程中的操作员的脑电数据的变化情况,并使用情境意识水平判定模块对当前情境下操作员的情境意识水平进行对比判定,结合情境意识评估模块的评估结果,最终输出操作员的情境意识评估及判定结果。
如图5所示的,是根据本发明的一个实施例的基于情境意识标准测试的情境意识评估子系统的工作过程。其中,首先使用情境意识标准测试设置模块对操作员作业过程中情境意识标准测试进行设置,结合情境意识冻结问题设置模块进行情境意识冻结问题的设置;在操作员完成冻结答题后,标记得分80以上为高情境意识水平,80分以下为低情境意识水平,从而完成基于情境意识标准测试的情境意识评估;
如图6所示,在完成基于情境意识标准测试的情境意识评估子系统对操作员情境意识进行评估的同时,采用脑电指标测定模块记录和分析操作员作业过程中脑电的β_r_C3、β_r_CZ、β_r_C4、β_r_P3、β_r_PZ、β_r_P4、θ/β_C3、θ/β_CZ、θ/β_C4、θ/β_P3、θ/β_PZ、θ/β_P4、α/β_P3、α/β_PZ、α/β_P4、(θ+α)/β_FZ、(θ+α)/β_C3、(θ+α)/β_CZ、(θ+α)/β_C4、(θ+α)/β_P3、(θ+α)/β_PZ、(θ+α)/β_P4、(θ+α)/(α+β)_C3、(θ+α)/(α+β)_CZ、(θ+α)/(α+β)_C4、(θ+α)/(α+β)_P3、(θ+α)/(α+β)_PZ、(θ+α)/(α+β)_P4指标;其中首先对分段后的EEG数据进行快速傅里叶变换,其中θ为4-8Hz频段,α为8-12Hz频段,β为13-30Hz频段;β_r_C3为C3电极点的β相对功率;β_r_CZ为CZ电极点的β相对功率;β_r_C4为C4电极点的β相对功率;β_r_P3为P3电极点的β相对功率;β_r_PZ为PZ电极点的β相对功率;β_r_P4为P4电极点的β相对功率;θ/β_C3为C3电极点的θ和β的比值;θ/β_CZ为CZ电极点的θ和β的比值;θ/β_C4为C4电极点的θ和β的比值;θ/β_P3为P3电极点的θ和β的比值;θ/β_PZ为PZ电极点的θ和β的比值;θ/β_P4为P4电极点的θ和β的比值;α/β_P3为P3电极点的θ和β的比值;α/β_PZ为PZ电极点的θ和β的比值;α/β_P4为P4电极点的θ和β的比值;(θ+α)/β_FZ为FZ电极点的“θ+α”和β的比值;(θ+α)/β_C3为C3电极点的“θ+α”和β的比值;(θ+α)/β_CZ为CZ电极点的“θ+α”和β的比值;(θ+α)/β_C4为C4电极点的“θ+α”和β的比值;(θ+α)/β_P3为P3电极点的“θ+α”和β的比值;(θ+α)/β_PZ为PZ电极点的“θ+α”和β的比值;(θ+α)/β_P4为P4电极点的“θ+α”和β的比值;(θ+α)/(α+β)_C3为C3电极点的“θ+α”和“α+β”的比值;(θ+α)/(α+β)_CZ为CZ电极点的“θ+α”和“α+β”的比值;(θ+α)/(α+β)_C4为C4电极点的“θ+α”和“α+β”的比值;(θ+α)/(α+β)_P3为P3电极点的“θ+α”和“α+β”的比值;(θ+α)/(α+β)_PZ为PZ电极点的“θ+α”和“α+β”的比值;(θ+α)/(α+β)_P4为P4电极点的“θ+α”和“α+β”的比值;β_r_P3和β_r_P4为功率占比,其余的脑电指标均为比值,上述脑电指标均保留4位有效数字。首先使用脑电仪进行操作员脑电数据采集,然后通过计算机编程分别计算上述指标,获得操作员脑电指标测定结果。
如图7所示,是根据本发明的一个实施例的情境意识水平判定模块的工作过程。其工作流程为在完成了脑电指标测定模块中的测定任务后,首先将获得脑电指标测定结果分别代入以下的3个方程中,得到在前期实验数据基础上基于主成分分析方法构建的情境意识判别特征指标。
式(1)~(3)中,F1、F2和F3分别为第1~3个情境意识判别特征指标,x1~x28分别为β_r_C3、β_r_CZ、β_r_C4、β_r_P3、β_r_PZ、β_r_P4、θ/β_C3、θ/β_CZ、θ/β_C4、θ/β_P3、θ/β_PZ、θ/β_P4、α/β_P3、α/β_PZ、α/β_P4、(θ+α)/β_FZ、(θ+α)/β_C3、(θ+α)/β_CZ、(θ+α)/β_C4、(θ+α)/β_P3、(θ+α)/β_PZ、(θ+α)/β_P4、(θ+α)/(α+β)_C3、(θ+α)/(α+β)_CZ、(θ+α)/(α+β)_C4、(θ+α)/(α+β)_P3、(θ+α)/(α+β)_PZ和(θ+α)/(α+β)_P4;进一步,将F1、F2和F3代入下述2个方程式,这2个方程式为在大量实验数据基础上基于有序logistic回归方法所建立的操作员情境意识水平判别方程。
P1+P2=1 (5)
式(4)~(5)中,P1和P2分别为低和高情境意识水平的判别概率;然后比较P1和P2的大小,若P1大于P2,则判断操作员为低情境意识水平;若P2小于P2,则判断操作员为高情境意识水平。若P1等于P2,则需要返回基于情境意识标准测试的情境意识评估子系统进行重新评测。根据上述情境意识水平判定标准进行判断,结合情境意识评估模块的评估结果,输出最终的情境意识评估及判定结果。
如图8A至图8D所示,为根据本发明的实施例的一个具体实例的、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的用户界面示意图。其中,系统进入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后,其主界面如图8A所示。该界面包含四个按钮,分别是“使用说明”按钮、“情境意识评估参数设置”按钮、“情境意识水平判定”按钮、“退出系统”按钮。用户进入该界面后首先点击“使用说明”按钮,进入使用说明界面,如图8B所示。用户阅读该系统的使用说明,从而了解如何使用该系统进行操作员情境意识水平的评估和判定。待阅读完毕使用说明之后,点击“返回主页”按钮,返回主界面。当进行情境意识水平判定时,用户点击“情境意识水平判定”按钮,进入判定系统界面,如图8C所示。操作员需要对呈现的情境意识标准测试进行响应,并回答弹出的情境意识问题,冻结提问显示布局会在弹出情境意识问题是对情境意识标准测试进行冻结并覆盖情境意识标准测试界面,测试结束后会将相应的情境意识评估结果输出到情境意识水平判定模块。当进行情境意识水平判定时,用户点击“情境意识水平判定”按钮,进入判定系统界面,如图8D所示。在输入部分,用户只需输入操作员作业时采集的脑电指标测定结果(β_r_C3、β_r_CZ、β_r_C4等)。在输出部分,系统将根据输入自动给出高、低情境意识水平的判别概率,并输出最终的操作员情境意识水平判定结果。当基于情境意识标准测试的情境意识评估子系统的情境意识评估结果和情境意识水平判定子系统的情境意识水平判定结果均为高时,则在图8D中输出“当前任务流程及交互界面的情境意识设计较好”的测定结果;其他情况则输出“当前任务流程及交互界面的情境意识设计有待优化”的测定结果。
本发明的优点和有益效果
本发明的优点和/或有益效果具体包括:
(1)提供了一种基于情境意识标准测试的情境意识评估子系统,通过在完成正常作业的同时外接这一子系统,可以模拟操作员在正常作业时的情境意识标准测试子任务信息的呈现次数和呈现时长设置,以及情境意识冻结评估的冻结提问次数、每次冻结问题个数和冻结提问间隔的设置,进行简单的设置后就能够对操作员人机交互系统在情境意识标准测试中的情境意识水平进行客观评估。
(2)提供了一种基于脑电特征的操作员情境意识水平判别方法,只需输入操作员脑电的β_r_C3、β_r_CZ、β_r_C4等客观指标,便可直接判断出操作员的情境意识水平。
(3)与传统的操作员情境意识水平判定方法相比,本发明的方案能够在操作员作业场景下情境意识水平的评估,并能结合脑电数据判定结果给出当前任务流程及交互界面的情境意识设计结果,可用于直接指导信息显示界面的情境意识设计优化,减少人的失误、提高作业安全提供技术支撑。
Claims (7)
1.一种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,其特征在于包括:
基于情境意识标准测试的情境意识评估子系统,用于对情境意识标准测试的子任务呈现信息以及情境意识冻结问题信息进行设置;
情境意识水平判定子系统,用于测定该情境意识标准测试下操作员情境意识的水平,
其中:
基于情境意识标准测试的情境意识评估子系统包括:
情境意识标准测试设置模块,用于对情境意识标准测试的子任务呈现信息进行设置;
情境意识冻结问题设置模块,用于对情境意识冻结问题的信息进行设置;
情境意识评估模块,用于评估操作员的情境意识水平,
情境意识水平判定子系统包括:
脑电指标测定模块,用于记录和分析操作员作业过程中的操作员脑电指标的变化情况,所述操作员脑电指标包括:
β_r_C3即C3电极点的β相对功率、β_r_CZ即CZ电极点的β相对功率、β_r_C4即C4电极点的β相对功率、β_r_P3即P3电极点的β相对功率、β_r_PZ即PZ电极点的β相对功率、β_r_P4即P4电极点的β相对功率、θ/β_C3即C3电极点的θ/β、θ/β_CZ即CZ电极点的θ/β、θ/β_C4即C4电极点的θ/β、θ/β_P3即P3电极点的θ/β、θ/β_PZ即PZ电极点的θ/β、θ/β_P4即P4电极点的θ/β、α/β_P3即P3电极点的α/β、α/β_PZ即PZ电极点的α/β、α/β_P4即P4电极点的α/β、(θ+α)/β_FZ即FZ电极点的(θ+α)/β、(θ+α)/β_C3即C3电极点的(θ+α)/β、(θ+α)/β_CZ即CZ电极点的(θ+α)/β、(θ+α)/β_C4即C4电极点的(θ+α)/β、(θ+α)/β_P3即P3电极点的(θ+α)/β、(θ+α)/β_PZ即PZ电极点的(θ+α)/β、(θ+α)/β_P4即P4电极点的(θ+α)/β、(θ+α)/(α+β)_C3即C3电极点的(θ+α)/(α+β)、(θ+α)/(α+β)_CZ即CZ电极点的(θ+α)/(α+β)、(θ+α)/(α+β)_C4即C4电极点的(θ+α)/(α+β)、(θ+α)/(α+β)_P3即P3电极点的(θ+α)/(α+β)、(θ+α)/(α+β)_PZ即PZ电极点的(θ+α)/(α+β)、(θ+α)/(α+β)_P4即P4电极点的(θ+α)/(α+β);
情境意识水平判定模块,用于判别操作员的情境意识水平,
情境意识标准测试设置模块包括:
子任务次数设置模块,用于设置子任务的呈现次数,单位为“次”;
子任务时长设置模块,用于设置每类子任务的呈现时长,单位为“秒”;
情境意识冻结问题设置模块包括:
冻结提问次数设置模块,用于设置冻结提问的冻结次数,单位为“次”;
每次冻结问题个数设置模块,用于设置每次冻结提问的问题个数,单位为“个”;
冻结提问间隔设置模块,用于设置冻结提问的时间间隔,单位为“秒”,
情境意识水平判定子系统,其特征在于情境意识水平判定模块进行如下处理的模块:
将获得脑电指标测定结果分别代入以下的3个方程中,得到在前期实验数据基础上基于主成分分析方法构建的情境意识判别特征指标,
式(1)~(3)中,F1、F2和F3分别为第1~3个情境意识判别特征指标,x1~x28分别为β_r_C3、β_r_CZ、β_r_C4、β_r_P3、β_r_PZ、β_r_P4、θ/β_C3、θ/β_CZ、θ/β_C4、θ/β_P3、θ/β_PZ、θ/β_P4、α/β_P3、α/β_PZ、α/β_P4、(θ+α)/β_FZ、(θ+α)/β_C3、(θ+α)/β_CZ、(θ+α)/β_C4、(θ+α)/β_P3、(θ+α)/β_PZ、(θ+α)/β_P4、(θ+α)/(α+β)_C3、(θ+α)/(α+β)_CZ、(θ+α)/(α+β)_C4、(θ+α)/(α+β)_P3、(θ+α)/(α+β)_PZ和(θ+α)/(α+β)_P4;进一步地,将F1、F2和F3代入下述方程式(4)和(5),
P1+P2=1 (5)
式(4)~(5)中,P1和P2分别为低和高情境意识水平的判别概率;然后比较P1和P2的大小,若P1大于P2,则判断操作员为低情境意识水平;若P2小于P2,则判断操作员为高情境意识水平,若P1等于P2,则需要返回基于情境意识标准测试的情境意识评估子系统进行重新评测,根据上述情境意识水平判定标准进行判断,结合情境意识评估模块的评估结果,输出最终的情境意识评估及判定结果输出。
2.根据权利要求1所述的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,其特征在于:
子任务次数设置模块所设置的子任务包括追踪子任务、通信子任务、仪表异常监测子任务、资源告警监测子任务、通信监视子任务、资源管理子任务这6种子任务。
3.根据权利要求1所述的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,
方程式(4)和(5)是在大量实验数据基础上基于有序logistic回归方法所建立的操作员情境意识水平判别方程。
4.一种基于冻结技术和脑电特征的操作员情境意识评估及判别方法,其特征在于包括:
基于情境意识标准测试的情境意识评估子步骤,用于对情境意识标准测试的子任务呈现信息以及情境意识冻结问题信息进行设置;
情境意识水平判定子步骤,用于测定该情境意识标准测试下操作员情境意识的水平,
其中:
基于情境意识标准测试的情境意识评估子步骤包括:
情境意识标准测试设置步骤,用于对情境意识标准测试的子任务呈现信息进行设置;
情境意识冻结问题设置步骤,用于对情境意识冻结问题的信息进行设置;
情境意识评估步骤,用于评估操作员的情境意识水平,
情境意识水平判定子步骤包括:
脑电指标测定步骤,用于记录和分析操作员作业过程中的操作员脑电指标的变化情况,所述操作员脑电指标包括:
β_r_C3即C3电极点的β相对功率、β_r_CZ即CZ电极点的β相对功率、β_r_C4即C4电极点的β相对功率、β_r_P3即P3电极点的β相对功率、β_r_PZ即PZ电极点的β相对功率、β_r_P4即P4电极点的β相对功率、θ/β_C3即C3电极点的θ/β、θ/β_CZ即CZ电极点的θ/β、θ/β_C4即C4电极点的θ/β、θ/β_P3即P3电极点的θ/β、θ/β_PZ即PZ电极点的θ/β、θ/β_P4即P4电极点的θ/β、α/β_P3即P3电极点的α/β、α/β_PZ即PZ电极点的α/β、α/β_P4即P4电极点的α/β、(θ+α)/β_FZ即FZ电极点的(θ+α)/β、(θ+α)/β_C3即C3电极点的(θ+α)/β、(θ+α)/β_CZ即CZ电极点的(θ+α)/β、(θ+α)/β_C4即C4电极点的(θ+α)/β、(θ+α)/β_P3即P3电极点的(θ+α)/β、(θ+α)/β_PZ即PZ电极点的(θ+α)/β、(θ+α)/β_P4即P4电极点的(θ+α)/β、(θ+α)/(α+β)_C3即C3电极点的(θ+α)/(α+β)、(θ+α)/(α+β)_CZ即CZ电极点的(θ+α)/(α+β)、(θ+α)/(α+β)_C4即C4电极点的(θ+α)/(α+β)、(θ+α)/(α+β)_P3即P3电极点的(θ+α)/(α+β)、(θ+α)/(α+β)_PZ即PZ电极点的(θ+α)/(α+β)、(θ+α)/(α+β)_P4即P4电极点的(θ+α)/(α+β);
情境意识水平判定步骤,用于判别操作员的情境意识水平,
情境意识标准测试设置步骤包括:
子任务次数设置步骤,用于设置子任务的呈现次数,单位为“次”;
子任务时长设置步骤,用于设置每类子任务的呈现时长,单位为“秒”;
情境意识冻结问题设置步骤包括:
冻结提问次数设置步骤,用于设置冻结提问的冻结次数,单位为“次”;
每次冻结问题个数设置步骤,用于设置每次冻结提问的问题个数,单位为“个”;
冻结提问间隔设置步骤,用于设置冻结提问的时间间隔,单位为“秒”,
情境意识水平判定子步骤,其特征在于情境意识水平判定步骤进行如下处理的步骤:
将获得脑电指标测定结果分别代入以下的3个方程中,得到在前期实验数据基础上基于主成分分析方法构建的情境意识判别特征指标,
式(1)~(3)中,F1、F2和F3分别为第1~3个情境意识判别特征指标,x1~x28分别为β_r_C3、β_r_CZ、β_r_C4、β_r_P3、β_r_PZ、β_r_P4、θ/β_C3、θ/β_CZ、θ/β_C4、θ/β_P3、θ/β_PZ、θ/β_P4、α/β_P3、α/β_PZ、α/β_P4、(θ+α)/β_FZ、(θ+α)/β_C3、(θ+α)/β_CZ、(θ+α)/β_C4、(θ+α)/β_P3、(θ+α)/β_PZ、(θ+α)/β_P4、(θ+α)/(α+β)_C3、(θ+α)/(α+β)_CZ、(θ+α)/(α+β)_C4、(θ+α)/(α+β)_P3、(θ+α)/(α+β)_PZ和(θ+α)/(α+β)_P4;进一步,将F1、F2和F3代入下述方程式(4)和(5),
P1+P2=1 (5)
式(4)~(5)中,P1和P2分别为低和高情境意识水平的判别概率;然后比较P1和P2的大小,若P1大于P2,则判断操作员为低情境意识水平;若P2小于P2,则判断操作员为高情境意识水平,若P1等于P2,则需要返回基于情境意识标准测试的情境意识评估子步骤进行重新评测,根据上述情境意识水平判定标准进行判断,结合情境意识评估步骤的评估结果,输出最终的情境意识评估及判定结果输出。
5.根据权利要求4所述的基于冻结技术和脑电特征的操作员情境意识评估及判别方法,其特征在于:
子任务次数设置模块所设置的子任务包括追踪子任务、通信子任务、仪表异常监测子任务、资源告警监测子任务、通信监视子任务、资源管理子任务这6种子任务。
6.根据权利要求4所述的基于冻结技术和脑电特征的操作员情境意识评估及判别方法,其特征在于:
方程式(4)和(5)是在大量实验数据基础上基于有序logistic回归方法所建立的操作员情境意识水平判别方程。
7.一种存储计算机程序的计算机可读存储介质,该计算机程序能使处理器执行根据权利要求4-6之一所述的基于冻结技术和脑电特征的操作员情境意识评估及判别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310015997.7A CN115813390B (zh) | 2023-01-05 | 2023-01-05 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310015997.7A CN115813390B (zh) | 2023-01-05 | 2023-01-05 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115813390A CN115813390A (zh) | 2023-03-21 |
CN115813390B true CN115813390B (zh) | 2024-05-03 |
Family
ID=85520254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310015997.7A Active CN115813390B (zh) | 2023-01-05 | 2023-01-05 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115813390B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004138814A (ja) * | 2002-10-17 | 2004-05-13 | Korea Research Inst Of Standards & Science | リアルタイム総合感性評価方法及びそのシステム |
CN112396871A (zh) * | 2020-10-21 | 2021-02-23 | 南京莱斯信息技术股份有限公司 | 基于航迹预测的进场延误分配吸纳方法 |
CN115310804A (zh) * | 2022-08-07 | 2022-11-08 | 北京航空航天大学 | 基于决策层融合的飞行员情境意识判别方法和系统 |
-
2023
- 2023-01-05 CN CN202310015997.7A patent/CN115813390B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004138814A (ja) * | 2002-10-17 | 2004-05-13 | Korea Research Inst Of Standards & Science | リアルタイム総合感性評価方法及びそのシステム |
CN112396871A (zh) * | 2020-10-21 | 2021-02-23 | 南京莱斯信息技术股份有限公司 | 基于航迹预测的进场延误分配吸纳方法 |
CN115310804A (zh) * | 2022-08-07 | 2022-11-08 | 北京航空航天大学 | 基于决策层融合的飞行员情境意识判别方法和系统 |
Non-Patent Citations (1)
Title |
---|
基于多传感器数据的航空管制员情境意识的计算;周勇;曾艳;杨家忠;石荣;王泉川;;心理科学进展;20151115(11);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115813390A (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5808908A (en) | Method for measuring the usability of a system | |
CN104636890B (zh) | 一种空中交通管制员工作负荷测量方法 | |
CN105260964A (zh) | 基于在线学习的学情分析系统及方法 | |
Gulati et al. | Critical analysis on usability evaluation techniques | |
CN114327077B (zh) | 一种基于眼动跟踪的学习者感知能力水平分析方法及装置 | |
CN106445801B (zh) | 一种基于频谱定位和可视化定位软件缺陷的方法 | |
CN113610853B (zh) | 基于静息态脑功能图像的情绪状态展示方法、装置及系统 | |
CN106803797A (zh) | 一种基于网络参数的VoIP话音质量客观评价方法 | |
CN115310804A (zh) | 基于决策层融合的飞行员情境意识判别方法和系统 | |
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 | |
CN112635048B (zh) | 一种视觉任务脑力负荷量化评估方法及系统 | |
CN117195399A (zh) | 智能座舱用户体验及交互设计方法、装置、设备及介质 | |
Wu et al. | Toward effective automated content analysis via crowdsourcing | |
Curry et al. | Final report of control engineering group | |
CN116211309A (zh) | 基于眼动和脑电特征的操作者情境意识状态判定系统和方法 | |
Khasnis et al. | Analysis of automation in the field of usability evaluation | |
Reinartz | An empirical study of team behaviour in a complex and dynamic problem-solving context: a discussion of methodological and analytical aspects | |
CN116130062B (zh) | 基于眼动特征的学习者注意力水平评估分析方法 | |
JP7276489B2 (ja) | 分析装置、制御方法、及びプログラム | |
Todd | Process tracing methods in the decision sciences: A comparision and review of methods | |
CN117852976A (zh) | 一种智能生成奖项的方法及系统 | |
CN115270603A (zh) | 一种基于多元细粒度特征回归分析的服务器功耗建模方法 | |
CN113782188A (zh) | Sjt情境式儿童心理测评系统的多维度测验数据处理方法 | |
Gao et al. | UX Testing of Developer Documentation-A pilot study of OceanBase Database Documentation | |
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 |
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 |