民機駕駛艙人機交互腦力負荷預(yù)測模型

衛(wèi)宗敏

(中國民航管理干部學院航空安全管理系，北京 100102)

飛行特情下的腦力負荷問題是導致飛行機組人為差錯的重要因素[1]。自20世紀80年代起，研究人員開始持續(xù)關(guān)注這一問題。目前，飛機駕駛艙人機交互系統(tǒng)中的腦力負荷問題已上升為航空、航天、航海、核電等大型復雜系統(tǒng)人機工效領(lǐng)域熱點研究課題[2]。國外針對相關(guān)航空事故分析的相關(guān)研究指出，飛行員腦力負荷過高導致60%以上的事故[3-4]。國內(nèi)一份針對中國民航事故原因進行分析統(tǒng)計的研究結(jié)果也表明，約20%的飛行事故與腦力負荷密切相關(guān)[5]。

近年來，相關(guān)研究人員已經(jīng)意識到，要解決飛行員腦力負荷問題，不僅僅要考慮加強對飛行員的培訓和飛行特情訓練，更應(yīng)該在飛機駕駛艙人機交互的設(shè)計階段就應(yīng)考慮腦力任務(wù)設(shè)計問題，并就該問題開展了系列研究[6]。但是這些研究絕大多數(shù)都著眼于探討不同類型飛行任務(wù)下的不同的評價指標與腦力負荷之間的關(guān)系，對飛行員的腦力負荷實判別預(yù)測模型的構(gòu)建關(guān)注較少?？紤]到在人們所獲取的信息中，80%是通過視覺通道獲取的[7]，因而有必要在飛機駕駛艙顯示系統(tǒng)人機交互設(shè)計的早期階段，開拓測評方法，開展該系統(tǒng)設(shè)計與腦力負荷相關(guān)研究。

針對飛機駕駛艙人機交互界面腦力負荷的測量和評價，中外相關(guān)研究人員開展了一系列研究，采用的方法包括主觀評價法、績效測評法(包括主任務(wù)測評法和次任務(wù)測評法)、生理測評法以及多指標綜合測評方法。大量的研究結(jié)果表明，不同測評方法分別適用于不同的飛行任務(wù)，試圖以一種測量方法或指標來完成該項測評是難以實現(xiàn)的。同時，腦力負荷的復雜特性也決定了對其作綜合評估的必要性[8]。

在綜合評估方法建模方面，目前在這一領(lǐng)域較常用的建模技術(shù)主要有回歸分析和神經(jīng)網(wǎng)絡(luò)建模等[9-11]。例如，Mazaeva等[9]采用自組織映射(self-organizing map，SOM)網(wǎng)絡(luò)方法，對飛行模擬試驗中所采集的多項腦電指標進行分析和建模，構(gòu)建了預(yù)測腦力負荷水平的SOM網(wǎng)絡(luò)模型。Ryu等[10]分別采用因素分析法和回歸分析方法將多項生理指標綜合對腦力負荷進行綜合評價。李金波等[11]采用反向傳播(back propagation，BP)神經(jīng)網(wǎng)絡(luò)和Elman神經(jīng)網(wǎng)絡(luò)兩種方法，構(gòu)建了腦力負荷預(yù)測模型，兩種模型的預(yù)測準確率分別在61.40%～80.49%、70.07%～89.65%。

然而該建模方法在理論基礎(chǔ)方面仍存在較大爭議[11]。而多元線性回歸分析方法，能夠有效用于研究不同影響因素對于多分類變量的效應(yīng)，并且能夠有效保留所選評價指標，防止信息丟失，預(yù)測結(jié)果穩(wěn)定性較好，但是采用傳統(tǒng)的多元線性回歸方法無法對類別進行直接判定，因而采用該方法對腦力負荷類別進行數(shù)學建模，目前還未引起飛行領(lǐng)域的廣泛重視。

現(xiàn)嘗試改進傳統(tǒng)的多元線形回歸分析方法，并用該方法對飛行任務(wù)相關(guān)的腦力負荷進行理論建模。首先以飛行任務(wù)人機交互實驗為基礎(chǔ)，通過飛行模擬器測評人機交互飛行實驗過程中被試的飛行任務(wù)績效(反應(yīng)時和正確率)、主觀評價(NASA-TLX量表)和生理變化(心率和心率變異性)來間接測量腦力負荷，探索在不同難度飛行任務(wù)過程中腦力負荷在這三類評估指標上的變化；然后篩選出對腦力負荷敏感的評估指標，基于改進的多元回歸分析方法構(gòu)建腦力負荷預(yù)測模型，以達到對人機交互過程中的腦力負荷等級變化進行預(yù)測的目的。

1 實驗測量方法

1.1 實驗設(shè)計

實驗采用被試內(nèi)設(shè)計，每個被試共進行4次飛行模擬實驗，包括對照組、低、中、高四種腦力負荷飛行任務(wù)。實驗中儀表信息會隨機呈現(xiàn)異常，不同難度飛行任務(wù)條件下需監(jiān)視的儀表信息如表 1所示。

表 1 不同難度飛行任務(wù)條件下需監(jiān)視的儀表信息

駕駛艙顯示系統(tǒng)中所顯示的飛行信息包括空速、俯仰角、氣壓高度、滾轉(zhuǎn)角、航向角、方向舵狀態(tài)、副翼位置、起落架狀態(tài)、發(fā)動機狀態(tài)等，異常范圍的設(shè)置與文獻[6]的系列研究相同。實驗中，要求被試對顯示系統(tǒng)上呈現(xiàn)的異常信息迅速準確地做出反應(yīng)。

1.2 被試

被試者為北京航空航天大學16名在地面飛行模擬器上受過培訓的飛行學員(21～28歲)，身體健康，無睡眠障礙，右利手，視力或矯正視力正常。實驗前對被試者進行模擬飛行培訓，使被試者了解實驗過程、熟悉實驗操作方法及實驗要求。

1.3 實驗儀器和測試工具

實驗在飛行模擬器上進行，心電測量中采集每個被試每5min內(nèi)的心率、全部竇性心搏相鄰心博間的距離(R-R間期)時間序列以及該時間段內(nèi)心電圖等數(shù)據(jù)。心率數(shù)值顯示范圍為20～300次/min，心率檢測精度為±2次/min，采樣頻率為0.05～150Hz，波形記錄速度為25mm/s。

實驗中主觀評定采用通用NASA-TLX量表[12]，為便于被試操作員更準確完成量表，本研究以[0，100]范圍內(nèi)的分值等效替代NASA-TLX中的刻度線，分值越高負荷越大，從6個維度綜合評定被試人員腦力負荷。

1.4 實驗程序

針對每個被試，逐個開展實驗。實驗前，每個被試均完成一次無任何異常信息呈現(xiàn)的實驗任務(wù)，該任務(wù)測量數(shù)據(jù)即為實驗參照數(shù)據(jù)。被試每完成一次飛行任務(wù)后，即開展被試NASA-TLX量表。實驗預(yù)設(shè)低、中、高3種復雜飛行任務(wù)，這3種飛行任務(wù)順序在被試之間做了交叉平衡。完成實驗任務(wù)的同時，計算機和心電測量設(shè)備同步相關(guān)測量數(shù)據(jù)。

1.5 實驗數(shù)據(jù)記錄

實驗中記錄如下數(shù)據(jù)：

(1)飛行任務(wù)正確探測率。利用E-prime編制的程序自動記錄每次實驗中被試對異常飛行信息正確響應(yīng)的次數(shù)占所有異常信息出現(xiàn)次數(shù)的比例就作為該實驗任務(wù)條件下的飛行任務(wù)正確探測率。

(2)反應(yīng)時間?；贓-prime編程，由系統(tǒng)自動記錄自飛行異常信息出現(xiàn)至被試操作的反應(yīng)時間，以它作為該實驗任務(wù)條件下的飛行任務(wù)反應(yīng)時。

(3)心電圖(electrocardiogram，ECG)數(shù)據(jù)。平均心率(mean HR)、R-R間期數(shù)量(RRI Count)、平均R-R間期(Mean RRI)、最大R-R間期(Maximum RRI)、最小R-R間期(Minimum RRI)、最大R-R間期與最小R-R間期的比值(Max︰Min RRI ratio)、R-R間期的標準差(SDNN)。

(4)主觀評定數(shù)據(jù)。每個負荷下的實驗任務(wù)結(jié)束后用NASA-TLX量表度量負荷分值。

2 實驗測量結(jié)果

2.1 任務(wù)難度對腦力負荷的影響

計算各個腦力負荷評估指標在不同難度的飛行任務(wù)條件下的均值，并分別對各個評估指標在不同難度的飛行任務(wù)條件下均值的差異進行方差分析，結(jié)果如圖 1所示。

圖 1 不同難度飛行任務(wù)條件下均值的差異方差分析Fig.1 Variance analysis of the differences of the mean values under different difficulty tasks

從圖 1可以看出，隨著飛行任務(wù)難度的增加，對飛行任務(wù)主觀評價值增大；對異常信息的反應(yīng)時增加，對異常信息的正確探測率降低；Mean HR、RRI Count、Max︰Min RRI ratio呈現(xiàn)增加的趨勢，而Maximum RRI、Minimum RRI、SDNN呈現(xiàn)降低的趨勢。方差分析結(jié)果顯示，在不同難度的飛行任務(wù)條件之間，NASA-TLX主觀評價分值、反應(yīng)時、正確率、Maximum RRI、SDNN均表現(xiàn)出極顯著的差異(P< 0.01)。而Mean HR、RRI Count、Max︰Min RRI ratio和Minimum RRI變化的差異不顯著(P>0.05)。由此可見，對飛行任務(wù)難度變化敏感的評估指標為NASA-TLX分值、反應(yīng)時、正確率、Maximum RRI、SDNN等。

2.2 腦力負荷變化預(yù)測模型

2.2.1 模型的建立及使用說明

基于實驗測量的分析結(jié)果，使用改進的多元回歸分析方法，構(gòu)建飛機駕駛艙人機交互腦力負荷預(yù)測模型，并用于駕駛艙人機交互中腦力負荷等級的判定。

為了保證方程中各變量的顯著性，采用逐步篩選法建立回歸分析模型，即NASA-TLX分值、反應(yīng)時、正確率和SDNN按照逐步篩選策略進入回歸模型。為便于對類別的預(yù)測，在傳統(tǒng)多元回歸分析方法的基礎(chǔ)上做了相應(yīng)的改進，所構(gòu)建的回歸模型如式1所示：

(1)

式(1)中：y為預(yù)測結(jié)果；x1為心率變異性指標SDNN測量值；x2為NASA-TLX計算值；x3為反應(yīng)時測量值；x4為正確率測量值。根據(jù)x1、x2、x3和x4的數(shù)值可以計算出相應(yīng)x的值，進而求出y的值。若y的值為1，則認為屬低腦力負荷水平；若y的值為2，則認為屬中腦力負荷水平；若y的值為3，則認為屬高腦力負荷水平。

2.2.2 模型判別準確性的檢驗

模型的調(diào)整的R2值為0.827，較接近1，擬合效果較好。模型預(yù)測準確率的檢驗，基于所構(gòu)建的多元回歸模型，對不同類型的認知負荷分類進行預(yù)測，其結(jié)果如表 2所示。

表 2 腦力負荷水平等級預(yù)測結(jié)果Table2 Mental workload level prediction results

從表 2 的預(yù)測結(jié)果可知，采用改進的多元線形回歸方法建模，模型總體預(yù)測正確率為87.50%。48組測試樣本腦力負荷中，實測結(jié)果與預(yù)測結(jié)果吻合的有42組，有6組樣本實測結(jié)果與預(yù)測結(jié)果相差一級，實測結(jié)果與預(yù)測結(jié)果無相差兩級以上的情況。由此可見，利用改進的多元線形回歸模型對個體腦力負荷水平進行分類具有較高的準確度。

3 討論

3.1 三類評估指標對腦力負荷變化的敏感性

目前，中外學者對飛行腦力負荷的研究大都采用模擬器試驗飛行方法，即通過設(shè)置飛行試驗任務(wù)難度或梯度，研究各個測評指標對于腦力負荷狀態(tài)的敏感性[13-15]。研究通過改變飛行任務(wù)中所需監(jiān)視的儀表異常信息的數(shù)量、呈現(xiàn)時間和間隔時間來設(shè)置并探討腦力負荷與三類評估指標的數(shù)學關(guān)系。

NASA-TLX量表分值呈階梯形增加趨勢，與前期研究結(jié)果一致[16-18]。該結(jié)果說明，從本實驗所選拔的被試者個人主觀角度，實驗任務(wù)設(shè)計與預(yù)期吻合。

被試者的績效呈階梯形下降趨勢，與前期其他飛行任務(wù)測試結(jié)果一致[16-18]。該結(jié)果支持了Sweller的認知負荷理論[19]和Lavie等[20]的注意負荷理論。

3.2 模型預(yù)測結(jié)果的準確性

模型整體評估結(jié)果如表 3所示。從總體分類預(yù)測準確來看，采用改進的多元線性回歸預(yù)測模型可對不同飛行難度下個體腦力負荷水平進行預(yù)測和等級劃分。該模型的分類預(yù)測準確率在81.25%～93.75%，平均預(yù)測準確率為87.50%。

表 3 模型對腦力負荷等級的預(yù)測結(jié)果Table3 Results of predication accuracy rate

3.3 研究的意義

通過設(shè)置動態(tài)飛行過程中所需監(jiān)視的顯示系統(tǒng)異常試驗任務(wù)，獲取飛行作業(yè)中腦力負荷評估指標，采用改進的多元線形回歸方法建立起駕駛艙人機交互腦力負荷預(yù)測模型。

使用該模型可以對飛行機組腦力負荷水平是否在合理范圍內(nèi)進行實時分析或?qū)赡艹霈F(xiàn)的超腦力負荷現(xiàn)象進行有效預(yù)測，以利于在駕駛艙人機交互系統(tǒng)設(shè)計的早期階段能夠隨時調(diào)整所設(shè)計的腦力任務(wù)，從而有效降低預(yù)期可能出現(xiàn)的腦力負荷超高或超低現(xiàn)象，保證航空安全。

同時，提供了如何構(gòu)建飛機駕駛艙人機交互系統(tǒng)作業(yè)過程中腦力負荷變化預(yù)測的方法，即通過指標測量并基于改進傳統(tǒng)回歸分析方法，構(gòu)建飛機駕駛艙人機交互腦力負荷預(yù)測模型，這一方法對于構(gòu)建各類人機交互系統(tǒng)中的腦力負荷的預(yù)測模型可能具有普遍意義。

4 結(jié)論

研究獲得以下結(jié)論。

(1)動態(tài)飛行模擬試驗中，飛行作業(yè)正確率、反應(yīng)時、心率變異性指標SDNN、NASA-TLX量表分值這4個指標對飛行任務(wù)相關(guān)的腦力負荷的變化有顯著的敏感性。

(2)改進的多元線性回歸預(yù)測模型克服了傳統(tǒng)方法的不足，可對不同難度飛行任務(wù)人機交互中腦力負荷水平進行預(yù)測和等級劃分。

(3)研究構(gòu)建了一個簡潔易用的飛機駕駛艙人機交互腦力負荷預(yù)測數(shù)學模型，該模型的分類預(yù)測準確率在81.25%～93.75%，平均預(yù)測準確率為87.50%。