CN115844404B

CN115844404B - 一种基于眼动数据的管制员注意力特征评价方法及装置

Info

Publication number: CN115844404B
Application number: CN202310181956.5A
Authority: CN
Inventors: 王莉莉; 许凌鹏; 马也; 顾秋丽; 殷硕峰
Original assignee: Civil Aviation University of China
Current assignee: Civil Aviation University of China
Priority date: 2023-03-01
Filing date: 2023-03-01
Publication date: 2023-05-12
Anticipated expiration: 2043-03-01
Also published as: CN115844404A

Abstract

本发明公开了一种基于眼动数据的管制员注意力特征评价方法及装置，通过采集被测试管制员的眼动数据并处理，获取被测试管制员的动态兴趣区访问次数方差VAR、马尔可夫转移概率MK以及特情反应时间RT作为注意力稳定性、注意力分配与转移和注意广度的量化参数，并采用聚类算法对管制员进行分类，得到描述管制员注意力特征的量化区间，根据量化区间能够有效对管制员进行划分等级，从而提升管制过程的安全性。

Description

一种基于眼动数据的管制员注意力特征评价方法及装置

技术领域

本发明涉及注意力评估技术领域，具体涉及一种基于眼动数据的管制员注意力特征评价方法及装置。

背景技术

雷达管制员工作的核心任务是对显示在雷达屏幕上的航空器进行持续监控，建立情景意识，合理分配注意力，寻找潜在的飞行冲突并解决冲突，从而保证航空运行安全。在航班流量与日俱增而空域结构基本保持不变且管制信息处于动态变化的三重压力之下，管制过程中潜在的飞行冲突不断增加，管制员容易在工作中出现注意力分配不当的现象，容易引发不安全事件。因此，寻找合适的评价指标，探究管制员在管制过程中的注意力特征，对提高航空运行安全和效率、进行有针对性的培训有重要理论价值和实践意义。

在国外，有研究人员对飞行员进行了注意力分配的研究，证明可以采集视觉信息还原工作时的注意力分配情况；还有研究人员采取注视频率、注视持续时间均值和兴趣区的注视百分比来调查石化行业监控专家和新手在监视检测过程中的眼动行为差异，结果表明专家在试验期间有大量、快速的眼动行为与新手有明显差别，因此可以用眼动行为的频率来推测被试的工作能力；另外，还有研究人员通过模拟管制实验证明可以通过兴趣区的划分以及眼动轨迹可视化来分析管制员对多个目标的视觉跟踪效果。

在国内，有研究人员首次提出了管制员注意行为的影响因素，包括注意的引起、注意的范围、注意的稳定和分散以及注意的转移与分配等理论解释，并提出注意力转移的概念模型；还有研究人员通过划分动态兴趣区研究不同水平管制员在调配飞行冲突过程中的注视转移规律，指出成熟管制员注意力分配比非成熟管制员更加合理，但是其评价指标比较单一；另外，还有研究人员通过设计连续划消实验推导管制员注意品质及特征和管制员信息加工水平，但没有考虑真实管制场景对管制员注意特征的影响。

公开号为CN111178706 A的中国专利文献公开了一种基于眼动数据的管制员注意力分配评估方法，该方法以单一管制员为研究对象，基于管制场景变化对管制员产生生理与心里刺激，利用统计分析研究管制员的眼动指标波动情况，判断管制员的注意力分配情况。然而，上述方法没有考虑到不同管制员的个体差异，从而导致计算出的注意力分配情况与实际管制绩效不匹配。

综上可知，现有技术中提出了管制员注意力评估的重要性，但对注意力进行评价时没有考虑真实管制场景对管制员注意力的影响。因此，有必要提出一种全面、准确的管制员注意力特征评价方法。

发明内容

鉴于上述，本发明的目的在于提供一种基于眼动数据的管制员注意力特征评价方法及装置。

为实现上述目的，本发明提供的技术方案如下：

第一方面

本发明提供了一种基于眼动数据的管制员注意力特征评价方法，包括如下步骤：

步骤1：采集被测试管制员的眼动数据，所述眼动数据包括首次注视时间、访问次数和注视点持续时间；

步骤2：对步骤1采集的眼动数据进行降噪处理，得到降噪后的眼动数据；

步骤3：以发生特情的航空器及其标配为目标，利用眼动分析软件划分动态兴趣区；

步骤4：基于降噪后的眼动数据和动态兴趣区，统计被测试管制员对所述动态兴趣区的首次注视时间、访问次数和注视点持续时间；

步骤5：基于步骤4统计的被测试管制员对所述动态兴趣区的首次注视时间、访问次数和注视点持续时间，计算每名被测试管制员的注意力特征，所述注意力特征包括注意力稳定性指标、注意力分配与转移指标以及注意力广度指标，其中，注意力稳定性指标的量化参数为访问次数方差VAR，注意力分配与转移指标的量化参数为马尔可夫转移概率MK，注意力广度指标的量化参数为特情反应时间RT；

步骤6：对每名被测试管制员的访问次数方差 VAR、马尔可夫转移概率 MK以及特情反应时间 RT进行归一化处理，得到归一化后的访问次数方差 VAR、马尔可夫转移概率 MK以及特情反应时间 RT；

步骤7：对归一化后的访问次数方差 VAR、马尔可夫转移概率 MK以及特情反应时间 RT进行聚类，得到聚类结果，根据所述聚类结果将被测试管制员分为四个等级，并给出与四个等级相应的量化区间；

步骤8：将每个被测试管制员的归一化后的访问次数方差 VAR、马尔可夫转移概率 MK以及特情反应时间 RT与量化区间进行匹配，得到每个被测试管制员的等级。

第二方面

本发明提供了一种基于眼动数据的管制员注意力特征评价装置，包括数据采集单元、降噪处理单元、动态兴趣区划分单元、统计单元、注意力特征计算单元、归一化处理单元、聚类单元、等级划分单元；

所述采集单元用于采集被测试管制员的眼动数据，所述眼动数据包括首次注视时间、访问次数和注视点持续时间；

所述降噪处理单元用于对眼动数据进行降噪处理，得到降噪后的眼动数据；

所述动态兴趣区划分单元用于以发生特情的航空器及其标配为目标，利用眼动分析软件划分动态兴趣区；

所述统计单元用于基于降噪后的眼动数据和动态兴趣区，统计被测试管制员对所述动态兴趣区的首次注视时间、访问次数和注视点持续时间；

所述注意力特征计算单元用于基于统计的被测试管制员对所述动态兴趣区的首次注视时间、访问次数和注视点持续时间，计算每名被测试管制员的注意力特征，所述注意力特征包括注意力稳定性指标、注意力分配与转移指标以及注意力广度指标，其中，注意力稳定性指标的量化参数为访问次数方差VAR，注意力分配与转移指标的量化参数为马尔可夫转移概率MK，注意力广度指标的量化参数为特情反应时间RT；

所述归一化处理单元用于对每名被测试管制员的访问次数方差 VAR、马尔可夫转移概率 MK以及特情反应时间 RT进行归一化处理，得到归一化后的访问次数方差 VAR、马尔可夫转移概率 MK以及特情反应时间 RT；

所述聚类单元用于对归一化后的访问次数方差 VAR、马尔可夫转移概率 MK以及特情反应时间 RT进行聚类，得到聚类结果，根据所述聚类结果将被测试管制员分为四个等级，并给出与四个等级相应的量化区间；

所述等级划分单元用于将每个被测试管制员的归一化后的访问次数方差 VAR、马尔可夫转移概率 MK以及特情反应时间 RT与量化区间进行匹配，得到每个被测试管制员的等级。

与现有技术相比，本发明的有益效果是：

本申请将管制过程中被测试管制员的动态兴趣区访问次数方差 VAR、马尔可夫转移概率 MK以及特情反应时间 RT作为注意力稳定性、注意力分配与转移和注意广度的量化参数，并采用聚类算法对管制员进行分类，得到描述管制员注意力特征的量化区间，根据量化区间能够有效对管制员进行划分等级，从而提升管制过程的安全性。

附图说明

图1所示为本申请实施例的方法流程示意图；

图2所示为本申请实施例中注视点与兴趣区划分示意图。

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1所示，本发明提供了一种基于眼动数据的管制员注意力特征评价方法，包括如下步骤：

需要说明的是，眼动数据可使用Tobii X3-120眼动仪采集。

需要说明的是，对眼动数据的进行降噪处理，主要目的为删除异常值和离群值。

步骤7：对归一化后的访问次数方差 VAR、马尔可夫转移概率 MK以及特情反应时间 RT进行聚类，得到聚类结果，根据所述聚类结果将被测试管制员分为四个等级，并给出与四个等级相应的量化区间。四个等级以及量化区间，请见下表示例。

需要说明的是，本申请中的四个等级的管制员，可做如下说明：

1类管制员的注视数据特征为兴趣区访问次数的方差小，特情反应时间短，注视转移概率中等，其兴趣区访问次数方差区间为13.48-95.46、马尔可夫转移概率区间为0.03-0.22、特情反应时间区间为3-31s。注意力分配的指标特征是在流量大的情况下依然能够保持良好的注意力稳定性和注意力广度，注意力分配合理且对特情敏感。这类管制员在管制监控与决策过程中能够及时发现并处理特情，在排班中适合安排在交通流量大，空域结构复杂的管制扇区。

2类管制员的注视数据特征为兴趣区访问次数的方差和特情反应时间中等，注视转移概率高，其兴趣区访问次数方差区间为9.2-81.11、马尔可夫转移概率区间为0.23-0.44、特情反应时间区间为11-64s。注意力分配的指标特征是在流量大的情况下有注意力稳定性和注意力广度表现中等、注意力分配比较不合理的特点。管制员在注意力分配的能力上有所不足，容易集中在某一个对象上，忽略其他的管制目标，不宜安排在管制业务繁忙的时段。

3类管制员的注视数据特征为兴趣区访问次数的方差大，特情反应时间中等，注视转移概率中等，其兴趣区访问次数方差区间为113.27-186.86、马尔可夫转移概率区间为0.01-0.31、特情反应时间区间为10-41s。注意力分配的指标特征是注意力的稳定性不足、注意力广度良好、注意力分配合理。这类管制员在管制监控中，不能很好的跟踪一个目标，注意力不稳定，容易发生差错。

4类管制员的注视数据特征为兴趣区访问次数的方差小，反应时间长，注视转移概率低，其兴趣区访问次数方差区间为16.47-48.51、马尔可夫转移概率区间为0.01-0.11、特情反应时间区间为45-65s。注意力分配的指标特征是注视稳定性好、注意力广度狭窄、注意力分配不合理且对特情不敏感。这类管制员在管制监控与决策过程中，对整体的注意范围不足，容易忽略出现的特情。在排班中适合安排在交通流量不大，空域结构简单的扇区。如果在大流量的情况下可能会有遗漏特情的风险。

不同类别管制员的模拟管制成绩有明显的区别，1类管制员的模拟管制成绩基本高于其他类管制员，即眼动数据具有注视访问的方差小、特情反应时间短、注视转移概率中等特征的管制员会比其他的管制员有更好的管制考核成绩。他们的注意力特征是在大流量情况下依然能够维持合理的注意力稳定性和注意力广度，能够合理分配注意力。

对比2类与3类管制员这两类管制员的眼动数据，在反应时间相近的情况下，更小的注视访问次数方差和更大的注视转移概率会有更好的考核成绩，2类管制员的表现相对于3类管制员会更好一些，2类管制员的注意力特征是在分配能力上有所不足，容易只关注某一个对象，忽略管制扇区内的其他目标，需要对注意力分配进行针对性训练予以改善；3类管制员的注意力特征是注意力稳定性不足，不容易跟踪一个目标，容易在大流量的场景下发生差错，需要对注意力稳定性进行针对性训练予以改善。

4类管制员的模拟管制成绩远低于其他类管制员，眼动数据具有注视访问次数方差小、特情反应时间长、注视转移概率低的特征。管制员不容易取得较好的考核成绩，需要多加训练以改善自身不足。这类管制员的注意力特征是容易在大流量的场景下遗漏特情。

根据注意力特征将管制员按照各类指标的量化数值分成四类，为管制员的注意力评价提供客观量化评估依据，解决由管制教员对管制员在培训和实际工作中的表现进行打分导致管制员的成绩存在较大主观因素、管制能力优缺点不明确的问题。也有助于对管制员的注意力进行针对性训练，以满足在点融合、PBN飞行程序的使用普及后管制员的能力需求。

需要说明的是，本申请从三个方面指标研究每名被测试管制员的注意力特征。

第一：注意力稳定性指标，该指标是指管制员将有限的注意力分配在某一对象或某一活动上，并能跟踪其运动的特性。

本申请使用在特情情况下管制员对飞机访问次数的方差 VAR从数量维度来分析注意力的稳定性。访问次数方差反映的是管制员发生特情时注视访问不同兴趣区的波动性，体现出注意力分配是否合理，所以将访问次数方差作为管制员注意力分配指标的量化参数，如果方差越大，说明管制员访问兴趣区越不均匀，过于集中在发生特情的区域，从而忽略其他区域的状态造成注意力分配不合理。

第二：注意力分配与转移指标，该指标是指注意力选择关注的对象顺序，和在不同对象之间转移的过程。

本申请使用马尔可夫转移概率 MK从空间维度来分析特情情况下注意力的分配和转移过程。马尔可夫转移概率反映的是管制界面上出现特情时，管制员从其他兴趣区转移注视到发生特情飞机兴趣区的概率，体现了管制员对注意力的合理分配与转换的结果，将其作为管制员注视转换指标的量化参数。转移概率的大小表明管制员对飞机的关注程度，转移概率高说明管制员过于关注该飞机会忽略其他的飞机，而转移概率低说明管制员注意力分配的不够合理，对该飞机的关注程度低，可能不能及时发现特情，导致危险的发生，转移概率需要保持在一定的水平上。

第三：注意力广度指标，该指标是指管制员在管制过程中能够快速察觉到目标的特性。

本申请使用管制员的特情反应时间 RT从时间维度来分析注意力的广度。特情的反应时间反映的是管制员发现特情的快慢，体现出管制员能否快速注意到发生特情的飞机的能力，因为在大流量的管制环境下，管制员需要关注的点比较多，发现特情的时间可以体现管制员注意力广度的大小。由此将特情的反应时间作为管制员注意力广度指标的量化参数。反应时间越小，说明管制员的反应越快，即注意力的广度越大。

需要说明的是，兴趣区是指使用眼动分析软件Tobii Studio划设的一块区域，用于统计分析被试在这个区域内的眼动状态。动态兴趣区是指该兴趣区划设完成之后能够跟随飞机移动。访问次数是指管制员在测试过程中对一个兴趣区的访问次数。一次访问是指注视点出现在兴趣区开始一直到注视点移出兴趣区结束。如图2所示，编号1-9为9个时长不一的注视点，AOI 1-AOI 2为两个兴趣区，AOI 1中注视点3、4构成了AOI 1的一次访问。AOI2中注视点7移出了兴趣区，因此注视点6、8构成了AOI 2的两次访问。特情反应时间是指从特情发生时刻到管制员首次发现特情并持续注视时刻的时长。注视点持续时间总和：是指管制员在每个兴趣区（或所有属于兴趣区组中的兴趣区）中的每个注视点的持续注视时间之和。

需要说明的是，本申请的特情是指包括：短期冲突告警（STCA）、最低安全高度警告（MSAW）、偏航告警（RAM）、指令不同告警（CLAM）等。

在优选的实施例中，由于 VAR、 MK和 RT三个变量有不同的量纲，且各个变量之间有较大的差异，因此需要将各个变量进行min-max归一化处理后得到相同的取值范围。具体的归一化的方式如下：

式中 q _i为每名被测试管制员 VAR、MK、RT经过归一化后的值，其中的 q为每名被测试管制员 VAR、MK、RT原始值， q _max和 q _min是所有被测试管制员中 VAR、MK、RT的最大值和最小值。

优选地，步骤5中的访问次数方差 VAR，通过下述方式计算：

其中， VC为被测试管制员对动态兴趣区的访问次数，为管制员访问次数的平均值， n为动态兴趣区的总数目。

在优选的实施例中，步骤5中的马尔可夫转移概率 MK，通过下述方式计算：

式中， P _ijn为发生特情时，第 n个动态兴趣区的马尔可夫转移概率， TFD _ij为被测试管制员注视行为从动态兴趣区 i转为动态兴趣区 j后注视动态兴趣区 j的持续时间， TFD _ijn为被测试管制员注视行为从动态兴趣区 i转出后所有动态兴趣区注视点持续时间总和。

在优选的实施例中，步骤5中的特情反应时间 RT，通过统计被测试管制员的首次注视时间得到。

在优选的实施例中，步骤7中，使用K-Means聚类算法对归一化后的访问次数方差 VAR、马尔可夫转移概率 MK以及特情反应时间 RT进行聚类。需要说明的是，具体的聚类算法采用现有技术中的算法，此处不再详述。

与上述方法相对应地，本发明还提供了一种基于眼动数据的管制员注意力特征评价装置，包括数据采集单元、降噪处理单元、动态兴趣区划分单元、统计单元、注意力特征计算单元、归一化处理单元、聚类单元、等级划分单元；

优选地，所述注意力特征计算单元计算访问次数方差 VAR，通过下述方式计算：

优选地，所述注意力特征计算单元计算马尔可夫转移概率 MK，通过下述方式计算：

优选地，所述注意力特征计算单元计算特情反应时间 RT，通过统计被测试管制员的首次注视时间得到。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims

1.一种基于眼动数据的管制员注意力特征评价方法，其特征在于，包括如下步骤：

步骤6：对每名被测试管制员的访问次数方差VAR、马尔可夫转移概率MK以及特情反应时间RT进行归一化处理，得到归一化后的访问次数方差VAR、马尔可夫转移概率MK以及特情反应时间RT；

步骤7：对归一化后的访问次数方差VAR、马尔可夫转移概率MK以及特情反应时间RT进行聚类，得到聚类结果，根据所述聚类结果将被测试管制员分为四个等级，并给出与四个等级相应的量化区间；

步骤8：将每个被测试管制员的归一化后的访问次数方差VAR、马尔可夫转移概率MK以及特情反应时间RT与量化区间进行匹配，得到每个被测试管制员的等级；

其中，步骤5中的访问次数方差VAR，通过下述方式计算：

其中，VC为被测试管制员对动态兴趣区的访问次数，

为管制员访问次数的平均值，n为动态兴趣区的总数目；

其中，步骤5中的马尔可夫转移概率MK，通过下述方式计算：

式中，P_ijn为发生特情时，第n个动态兴趣区的马尔可夫转移概率，TFD_ij为被测试管制员注视行为从动态兴趣区i转为动态兴趣区j后注视动态兴趣区j的持续时间，TFD_ijn为被测试管制员注视行为从动态兴趣区i转出后所有动态兴趣区注视点持续时间总和；

其中，步骤5中的特情反应时间RT，通过统计被测试管制员的首次注视时间得到。

2.根据权利要求1所述的一种基于眼动数据的管制员注意力特征评价方法，其特征在于，步骤7中，使用K-Means聚类算法对归一化后的访问次数方差VAR、马尔可夫转移概率MK以及特情反应时间RT进行聚类。

3.一种基于眼动数据的管制员注意力特征评价装置，其特征在于，包括数据采集单元、降噪处理单元、动态兴趣区划分单元、统计单元、注意力特征计算单元、归一化处理单元、聚类单元、等级划分单元；

所述数据采集单元用于采集被测试管制员的眼动数据，所述眼动数据包括首次注视时间、访问次数和注视点持续时间；

所述归一化处理单元用于对每名被测试管制员的访问次数方差VAR、马尔可夫转移概率MK以及特情反应时间RT进行归一化处理，得到归一化后的访问次数方差VAR、马尔可夫转移概率MK以及特情反应时间RT；

所述聚类单元用于对归一化后的访问次数方差VAR、马尔可夫转移概率MK以及特情反应时间RT进行聚类，得到聚类结果，根据所述聚类结果将被测试管制员分为四个等级，并给出与四个等级相应的量化区间；

所述等级划分单元用于将每个被测试管制员的归一化后的访问次数方差VAR、马尔可夫转移概率MK以及特情反应时间RT与量化区间进行匹配，得到每个被测试管制员的等级；

其中，所述注意力特征计算单元计算访问次数方差VAR，通过下述方式计算：

其中，VC为被测试管制员对动态兴趣区的访问次数，

为管制员访问次数的平均值，n为动态兴趣区的总数目；

其中，所述注意力特征计算单元计算马尔可夫转移概率MK，通过下述方式计算：

其中，所述注意力特征计算单元计算特情反应时间RT，通过统计被测试管制员的首次注视时间得到。

4.根据权利要求3所述的一种基于眼动数据的管制员注意力特征评价装置，其特征在于，使用K-Means聚类算法对归一化后的访问次数方差VAR、马尔可夫转移概率MK以及特情反应时间RT进行聚类。