長時工作記憶和注意力分配對裝甲車輛乘員情景意識的影響

孫厚杰， 金曉萍， 解芳， 孫曉東， 鄭思涓

(1.中國農業(yè)大學 工學院, 北京 100083； 2.中國北方車輛研究所， 北京 100072)

0 引言

裝甲車輛乘員的情景意識(SA)與自身安全及車輛作戰(zhàn)效能息息相關。統(tǒng)計數(shù)據(jù)表明，在裝甲車輛作戰(zhàn)領域，高達70%的事故是由乘員自身因素造成的[1]，其中大多由乘員的決策失敗所致，而決策失敗主要是由情景意識水平較低甚至缺失造成的。隨著新興技術的不斷發(fā)展，任務本身對乘員體力消耗越來越少，開始逐漸轉化為對感知、決策等腦力資源的消耗[2-4]，這表明乘員若能維持良好的情景意識水平，對保障自身安全及提高任務績效水平有著至關重要的作用。

情景意識是指在一定時間和空間環(huán)境中人對不同元素的感知、對其含義的理解以及對下一時刻狀態(tài)的預測[5]。簡而言之，情景意識由感知、理解和預測三個順序階段構成，它是影響操作者決策和績效的關鍵因素。Endsley等人將情景意識的影響因素分為內部因素(人的注意力、記憶、情緒、身體狀態(tài)、經驗等)和外部因素(界面設計、任務復雜程度、自動化水平等)兩大類[6-7]，其測量方法主要包括情景意識測評技術(SART)、情景意識全面測量技術(SAGAT)、績效測量以及生理測量等[8-10]。

當前，對于情景意識的研究主要集中于航空航天及汽車駕駛等領域，例如，Lin等[11]探討了通信媒介、飛行階段和駕駛艙中的角色對飛行員情景意識的影響；Serkan Cak等[12]通過實驗研究了工作記憶、注意力以及經驗對飛行員情景意識的影響；O’Brien等[13]通過實驗證實了認知技能訓練能夠提升飛行員情景意識水平，進而提高其任務績效；Koen等[14]基于飛行模擬器，探討了眼動作為情景意識評價指標的可能性；完顏笑如等[15-16]基于多資源理論構建了情景意識理論模型，并通過實驗探究了不同腦力負荷對情景意識的影響規(guī)律，此外，該團隊還針對飛行員開展了負荷條件下注意力分配策略對情景意識影響的研究[17]；鮑俊平[18]研究了飛行員對駕駛艙聲音的感知及加工過程，進而分析出艙內噪聲對飛行員情景意識水平的影響。在車輛駕駛方面，Kass[19]等研究了駕駛中手機通話對新老駕駛員情景意識的影響；Bashiri等[20]利用拖拉機駕駛模擬器，研究了自動化水平對駕駛人情景意識的影響，結果表明情景意識隨著自動化水平的提高而增加，但高度自動化水平下的情景意識較低；Liang等[21]利用眼動追蹤技術研究了自動駕駛接管過程中駕駛員情景意識的變化情況。張子健[22]通過多模態(tài)刺激的方式對人機共駕模式下的駕駛員進行喚醒，并完成情景意識的測評，最終建立了駕駛員情景意識的評價指標體系。

然而，在裝甲車輛領域，對于乘員情景意識的研究較少，通過提高乘員情景意識水平，進而保障其安全、提高車輛作戰(zhàn)效能卻是亟待解決的問題。此外，當前研究者們對于情景意識影響因素的研究大多集中在外部環(huán)境因素[8-10]，而對其內部因素的研究較少。因此，本研究將針對裝甲車輛中車長的某一假定任務，通過實驗研究人的長時工作記憶、注意力分配等內部因素對乘員情景意識的影響，并運用相關性分析研究對情景意識變化敏感的績效、眼動和心電指標，旨在通過實驗數(shù)據(jù)分析出對乘員情景意識影響較顯著的內部因素，并篩選出情景意識的敏感指標。研究結果一方面可為裝甲車輛人機界面信息顯示的優(yōu)化設計提供一定依據(jù)，另一方面可為裝甲車輛乘員情景意識相關理論研究提供實驗數(shù)據(jù)支撐。

1 實驗方法

1.1 被試人員

實驗招募了24名成年男性作為被試，年齡在23～35歲(平均值M=28.13歲，標準差SD=4.14歲)。所有被試身體狀況良好，視力或矯正視力正常，聽力正常，且根據(jù)Edinburgh利手測試顯示均為右利手。在實驗之前，所有被試都被告知實驗流程及說明并自愿簽署書面知情同意書。

1.2 實驗設備

實驗基于某裝甲車輛乘員任務虛擬仿真實驗系統(tǒng)，該系統(tǒng)由任務調度模塊、作戰(zhàn)場景仿真模塊、儀表任務模塊以及后臺數(shù)據(jù)記錄等4個模塊構成。其中，任務調度模塊用于乘員任務參數(shù)的選擇與確認；作戰(zhàn)場景仿真模塊為被試提供高逼真度的作戰(zhàn)場景；儀表任務模塊用于儀表監(jiān)視任務邏輯的實現(xiàn)及其界面的顯示；后臺數(shù)據(jù)記錄模塊用于記錄在作戰(zhàn)任務及儀表監(jiān)視任務中被試的任務績效(包括命中率、反應時間等)。

眼動指標的采集采用瑞典Smart Eye Pro非侵入式眼動儀，該眼動儀通過3個紅外攝像頭捕捉被試的各類眼動指標，采樣頻率為60 Hz。

此外，實驗過程中通過Bio Lab生理測量儀同步采集被試的心電信號，采樣頻率為500 Hz。實驗所用儀器設備如圖1所示。

圖1 實驗儀器設備

1.3 實驗設計

研究證實，人的工作記憶是成功獲取和維持情景意識的重要因素[23]。此外，注意是形成情景意識的基礎，且注意力分配決定著情景意識的質量[21]。因此，本研究選取人的長時工作記憶和注意力分配作為情景意識的影響因素。而根據(jù)Wickens所提出的注意力分配模型(SEEV模型)可知，注意力分配包括凸顯性、努力、期望以及價值四個影響因素[24]。其中，凸顯性與努力可歸為對注意力分配“自下而上”的影響，而期望與價值對注意力分配是一種“自上而下”的影響，綜合考慮，分別選取不同信息加工過程中的凸顯性和期望作為注意力分配下的子因素。

綜上，本研究從人類特性及認知能力出發(fā)，選取可能影響乘員情景意識的3個因素：長時工作記憶、注意力分配中的“凸顯性”及“期望”，進行實驗研究。其中，長時工作記憶因素采用2水平被試間設計，注意力分配因素采用2×2被試內設計。最終確定研究的情景意識影響因素如表1所示。

表1 情景意識影響因素及水平設定

因素一為長時工作記憶，它是一種熟練地應用長時記憶貯存信息的機制，一般靠訓練和學習來獲取。實驗將該因素劃分為兩個水平：水平一為熟練者，水平二為初學者。其中熟練者為經歷過一年以上的作戰(zhàn)任務訓練，對作戰(zhàn)場景及任務流程較為熟悉；初學者僅進行20 min左右的實驗前培訓，對實驗系統(tǒng)及作戰(zhàn)場景不熟悉。實驗分別招募了12名熟練者和12名初學者。

因素二為注意力分配中的“凸顯性”因素，它是指興趣區(qū)(AOI)由于其大小、顏色、強度或對比從背景中突顯出來的程度，本研究采用異常信息凸顯性來表征。該因素包括兩個水平，水平一為異常信息凸顯性高，具體表現(xiàn)為當所監(jiān)視儀表出現(xiàn)異常時其字體顏色、大小將會發(fā)生變化(字體顏色由黑色變?yōu)榧t色，字體大小變大)，使被試更易察覺異常；水平二為異常信息凸顯性低，具體表現(xiàn)為，當儀表出現(xiàn)異常時，其字體的大小及顏色無變化。異常信息凸顯性差異如圖2所示。

圖2 異常信息凸顯性不同水平

因素三為注意力分配中的“期望”因素，它是指人們更傾向關注那些有許多“變化”的地方。一般來說，事物的變化越多，人們越期望它們發(fā)生變化。本研究采用異常信息出現(xiàn)頻率來表征“期望”，包括異常信息3 min出現(xiàn)一次以及異常信息0.5 min出現(xiàn)一次兩個水平。

1.4 實驗任務及流程

本研究的實驗任務包括主任務和次任務，其中主任務要求被試在裝甲車輛乘員任務虛擬仿真實驗系統(tǒng)中完成某一假定任務，即被試扮演車長的角色通過周視鏡搜索敵車目標，經過感知、識別、決策與響應四個信息加工過程，先敵開火，完成對敵打擊。具體來說，當發(fā)現(xiàn)敵車目標時，被試轉動炮臺并打開瞄準鏡識別敵車類型，根據(jù)車型選擇相應的彈種，進而發(fā)射炮彈打擊敵車，最終進行毀傷評估，完成打擊任務。任務流程如圖3所示。

圖3 車長作戰(zhàn)流程

次任務為儀表監(jiān)視任務，要求被試在進行作戰(zhàn)任務的同時監(jiān)視儀表顯示狀態(tài)，并對異常信息進行感知、判斷、決策和響應操作。具體來說，被試需監(jiān)視屏幕左下方儀表區(qū)中的車速、油量及發(fā)動機狀態(tài)3個儀表信息，當某一儀表出現(xiàn)異常時，被試按照實驗前的培訓要求，在鍵盤上按下相應的按鍵對異常信息進行響應，異常情況的設定如表2所示。實驗主要通過設定所需監(jiān)視儀表的異常信息出現(xiàn)頻率及異常信息凸顯性來誘發(fā)乘員情景意識的變化。

表2 異常情況范圍設定

實驗包括實驗培訓和正式實驗兩個階段。被試在實驗培訓階段接受充分的培訓，熟悉實驗系統(tǒng)的具體操作方法，牢記異常信息出現(xiàn)的范圍，并進行不低于10分鐘的練習。正式實驗時，通過眼動儀和生理測量儀實時采集被試的眼動及心電數(shù)據(jù)，同時采用SAGAT測量被試的情景意識水平。實驗過程中將隨機進行共計5次的凍結SAGAT測試，凍結時被試需完成13個關于凍結時的實驗情景問題，實驗完成后統(tǒng)計回答的正確率及回答時間。每次實驗約15分鐘，實驗完成后填寫3D-SART量表并休息10分鐘。根據(jù)實驗設計結果，每名被試共需完成4次實驗，為消除學習效應，采用拉丁方設計確定實驗順序。正式實驗的實驗流程如圖4所示。

圖4 正式實驗流程

2 實驗結果

置信度取0.05對主觀得分、客觀績效得分、眼動及生理指標進行統(tǒng)計學分析，采用三因素方差分析研究長時工作記憶、異常信息凸顯性以及異常信息出現(xiàn)頻率對各測量指標的主效應和交互效應，并結合皮爾遜相關性檢驗進行情景意識敏感指標的分析。

2.1 3D-SART量表結果

不同實驗條件下對應的3D-SART量表得分的描述性結果如圖5所示，其中圖例對應因素一不同的實驗水平，藍色無剖面線填充代表熟練者，黑色剖面線填充代表初學者；橫坐標為因素二、三對應的實驗水平，以高凸顯性/低頻為例，指的是異常信息凸顯性高、異常信息出現(xiàn)頻率低；縱坐標為各實驗條件下的3D-SART量表得分。從圖中可以看出，情景意識主觀量表得分隨著高凸顯性/低頻、高凸顯性/高頻、低凸顯性/低頻、低凸顯性/高頻的順序呈現(xiàn)出下降的趨勢，且熟練者的得分普遍高于初學者。三因素方差分析結果表明，長時工作記憶對3D-SART量表得分主效應顯著(F(1,23)=24.638，p<0.001，η2=0.622。F為F檢驗的檢驗統(tǒng)計量；p值用以判斷組間差異的凸顯性，當p<0.05時說明有顯著差異；η2為某一因素對整體因變量影響的效果)，具體表現(xiàn)為熟練者的3D-SART得分顯著高于初學者；異常信息凸顯性對3D-SART量表得分主效應顯著(F(1,23)=19.194，p<0.001，η2=0.506)，具體表現(xiàn)為高凸顯性條件下的3D-SART得分顯著高于低凸顯性條件；異常信息出現(xiàn)頻率對3D-SART量表得分主效應顯著(F(1,23)=18.6，p<0.001，η2=0.498)，具體表現(xiàn)為異常信息出現(xiàn)頻率低的 3D-SART得分顯著高于異常信息高頻出現(xiàn)。此外，三個因素之間的交互效應呈現(xiàn)邊緣顯著影響(p=0.039)。

圖5 不同實驗條件下SART主觀評價平均得分

2.2 SAGAT量表結果

本研究中SAGAT得分取凍結時SAGAT評價量表的正確率，圖6所示為各因素水平下的SAGAT得分，從圖中可以看出，經驗越豐富、凸顯性越高以及頻率越低，則SAGAT得分越高，反之，經驗及凸顯性越低，而異常信息出現(xiàn)頻率越高，則SAGAT得分越低。

圖6 不同實驗條件下SAGAT平均得分

通過方差分析可以得出，長時工作記憶(F(1,23)=27.176，p<0.001，η2=0.639)以及異常信息凸顯性(F(1,23)=13.841，p=0.002，η2=0.464)兩個因素對SAGAT得分主效應顯著，而異常信息出現(xiàn)頻率對其主效應不顯著(p=0.241)，各因素間的交互效應也不顯著。進一步比較分析，熟練者的SAGAT得分顯著高于初學者，異常信息凸顯性高的條件下SAGAT得分顯著高于低異常信息凸顯性條件。

2.3 任務績效結果

在本研究中，選取殲敵時間和異常信息響應時間作為任務績效指標。其中殲敵時間是指敵車從出現(xiàn)始至被殲滅止所需的時間；異常信息響應時間是指儀表區(qū)出現(xiàn)異常信息開始到被試者按下相應按鍵消除異常信息為止所花費的時間。各指標的具體結果如下：

2.3.1 殲敵時間

殲敵時間的描述性統(tǒng)計結果如表3所示。不難看出，熟練者的殲敵用時普遍比初學者短。方差分析結果表明，長時工作記憶對殲敵時間主效應顯著(F(1,23)=45.482，p<0.001，η2=0.741)，而異常信息凸顯性及異常信息出現(xiàn)頻率兩個因素對殲敵時間主效應不顯著(p>0.05),且各因素間的交互作用對其影響均不顯著。

2.3.2 異常信息響應時間

不同實驗條件下的平均異常信息響應時間描述性統(tǒng)計結果如表3所示，從表中可以看出，當其他條件一定時，熟練者的響應時間低于初學者，且高凸顯性條件下的響應時間普遍低于低凸顯性條件。進一步地，方差分析結果表明，長時工作記憶對異常信息響應時間主效應顯著(F(1,23)=12.009，p=0.003，η2=0.429)，異常信息凸顯性主效應顯著(F(1,23)=29.760，p<0.001，η2=0.698)，而異常信息出現(xiàn)頻率主效應不顯著(p=0.385)。對于各因素間的交互效應，除異常信息凸顯性×異常信息出現(xiàn)頻率呈現(xiàn)邊緣顯著(p=0.056)，其他交互效應均不顯著。

表3 不同實驗條件下的任務績效描述性統(tǒng)計結果(平均值±標準差)

2.4 眼動指標結果

選取的眼動指標包括眼瞼開度以及儀表區(qū)注視時間占比。其中眼瞼開度的描述性統(tǒng)計結果如表4所示。方差分析結果表明，長時工作記憶對眼瞼開度主效應顯著(F(1,23)=17.212，p<0.001，η2=0.164)，異常信息凸顯性對眼瞼開度的主效應顯著(F(1,23)=4.981，p=0.025，η2=0.054)，且從圖中可以看出，熟練者的眼瞼開度顯著大于初學者，高凸顯性條件下的眼瞼開度顯著大于低凸顯性條件下，而異常信息出現(xiàn)頻率對眼瞼開度的主效應不顯著(p>0.05)。對于交互效應而言，除三個因素的總交互效應呈現(xiàn)邊緣顯著(p=0.049)，其余兩兩因素之間的交互效應不顯著。

本研究所繪制的興趣區(qū)包括儀表區(qū)、搜索與瞄準區(qū)、方向顯示區(qū)以及地圖雷達區(qū)共四個區(qū)域，具體分布如圖7所示。由于異常信息凸顯性及出現(xiàn)頻率的變化主要引起儀表區(qū)信息的變化，因此，選取儀表區(qū)注視時間占比作為眼動測量的另一指標，其定義式如(1)式所示。

圖7 實驗場景興趣區(qū)劃分

(1)

式中：PROI-1表示儀表區(qū)注視時間占比；TROI-1為儀表區(qū)(ROI-1)的注視時間；TROI-k為第k個興趣區(qū)(ROI-k)的注視時間。

儀表區(qū)注視時間占比的描述性統(tǒng)計結果如表4所示。方差分析結果表明，長時工作記憶、異常信息凸顯性以及異常信息出現(xiàn)頻率三個因素的主效應均顯著(p<0.001)。進一步比較分析，熟練者的儀表區(qū)注視時間占比顯著大于初學者，高凸顯性條件下的儀表區(qū)注視時間占比顯著小于低凸顯性條件下，且其在高頻條件下顯著高于低頻條件下。

表4 不同實驗條件下的眼動指標描述性統(tǒng)計結果(平均值±標準差)

2.5 心電指標處理結果

常見的心電指標有心率(HR)和心率變異性(HRV)。研究表明，心率以及心率變異性中SDNN、PNN50等指標對任務需求敏感，而任務需求又會直接影響被試的情景意識水平，因此，本研究將對心電中的心率、SDNN以及PNN50等指標進行分析。

2.5.1 心電信號預處理

一般情況下，心電信號容易受到工頻、肌電干擾，基線漂移等影響，原始的心電信號常常摻雜著許多無用的噪聲信號，因此，在對心電信號進行分析之前，首先需對其進行信號預處理，旨在消除各種干擾對心電信號的影響[25]。

為消除各類干擾及基線漂移對心電信號的影響，采用帶通濾波方法進行濾波處理，部分信號濾波前后的示意圖如圖8所示。

圖8 部分心電信號濾波前后示意圖

圖9所示為正常心電信號的波形圖，由于實驗所采集的數(shù)據(jù)為原始的電信號，若要對心電信號進行分析，首先要判斷出R波的位置，因此，為方便后續(xù)對心率及心率變異性指標的分析，本研究采用Pan Tompkin算法進行R波定位[26]。

圖9 正常心電信號波形圖

心率是指心臟在一分鐘內的跳動頻率。本研究采用各組別的心率平均值進行比較分析，每組的心率平均值計算公式如(2)式所示。

(2)

式中：HeartRate(i)為第i組實驗的平均心率，單位為次/min；Rtotal(i)為第i組實驗中心電信號R波總數(shù)；Ttotal(i)為第i組實驗所花費的總時間。

不同實驗條件下的心率如圖10所示，從圖中可以看出，高凸顯性、低頻條件下的心率值較高，而其他條件下的心率并無較大差異。進一步地，方差分析結果表明，除異常信息凸顯性因素對心率值的主效應呈現(xiàn)邊緣顯著影響(F(1,23)=4.422，p=0.052，η2=0.217)，其他因素對其主效應不顯著。在交互效應中，異常信息凸顯性×異常信息出現(xiàn)頻率交互效應顯著(F(1,23)=8.364，p=0.011，η2=0.343)，而其他各因素間的交互效應均不顯著。

2.5.3SDNN指標結果

SDNN是指R-R間期的標準差，其計算公式如(3)式所示。

(3)

不同實驗條件下的SDNN值如圖11所示。方差分析結果表明，長時工作記憶(F(1,23)=10.195，p=0.002，η2=0.104)、異常信息凸顯性(F(1,23)=12.382，p=0.001，η2=0.123)對其主效應顯著，而異常信息出現(xiàn)頻率對SDNN主效應不顯著(p=0.383)，且各因素間的交互效應均不顯著(p>0.05)。進一步比較分析得出，熟練者的SDNN值顯著低于初學者，且高凸顯性條件下的SDNN值高于低凸顯性條件下。

2.5.4PNN50指標結果

（2）發(fā)展分層化。發(fā)展分層要求管理人員要有長遠眼光，要迎合時代發(fā)展，做好長遠規(guī)劃，從而把發(fā)展的重點放在優(yōu)勢干果品種上，努力把干果經濟林開發(fā)優(yōu)勢提升到產業(yè)化發(fā)展層面。

PNN50也是心率變異性中較常見的一項指標，是指相鄰R-R間期差值大于50 ms的個數(shù)與總R-R間期個數(shù)之比，其計算公式如(4)式所示。

(4)

式中：PNN50(i)指第i組心電數(shù)據(jù)的PNN50值；NN50(i)為第i組數(shù)據(jù)中相鄰R-R間期差值大于50 ms的個數(shù)；NN(i)為第i組數(shù)據(jù)的R-R間期總數(shù)。

不同實驗條件下的PNN50值如圖12所示。從圖中可以看出，熟練者的PNN50值明顯大于初學者，且在低凸顯性水平下，低頻條件下的PNN50值較高頻條件下高。進一步通過方差分析結果表明，長時工作記憶對PNN50的主效應顯著(p<0.001)，且異常信息凸顯性×異常信息出現(xiàn)頻率的交互效應對PNN50影響顯著(p<0.001)，而其他因素的主效應及交互效應不顯著。

圖12 不同實驗條件下的PNN50值

2.6 相關性分析結果

采用Pearson相關性檢驗對各指標進行相關性分析，以提取情景意識的敏感性指標。考慮到3D-SART及SAGAT得分在情景意識測評中應用的廣泛性和有效性，在不同的實驗條件下，選取這兩者與任務績效及眼動、生理指標之間分別進行相關性分析。

首先，進行情景意識任務績效的敏感指標探索，結果發(fā)現(xiàn)，3D-SART得分和SAGAT得分與殲敵時間均不相關(p>0.05)，而二者得分與異常信息響應時間顯著相關，其中3D-SART得分與異常信息響應時間呈現(xiàn)高度負相關關系(r=-0.931，p<0.001。r為相關系數(shù)，表示變量間的相關性大小，其絕對值越大，相關性越強)，SAGAT與其呈現(xiàn)強相關關系(r=-0.604，p=0.002)。

其次，進行情景意識的敏感眼動指標的分析，結果發(fā)現(xiàn)，3D-SART得分與眼動指標中的眼瞼開度弱相關(r=0.270，p=0.008)，與儀表區(qū)注視時間占比呈現(xiàn)中等顯著相關關系(r=-0.404，p=0.05)，而SAGAT得分與所提出的兩個眼動指標相關性不顯著(p>0.05)。

最后，對心電指標也進行了相關性分析，其中SDNN值與3D-SART(r=0.268，p=0.005)和 SAGAT 得分(r=0.287，p=0.008)均呈現(xiàn)弱相關關系，此外，心率值與SART得分中等相關(r=0.443，p<0.001)，PNN50值與SAGAT得分強相關(r=0.684，p<0.001)。

3 討論

本文旨在研究長時工作記憶以及注意力分配對裝甲車輛乘員情景意識的影響，故而選取裝甲車輛車長某一假定任務，基于裝甲車輛乘員任務虛擬仿真實驗系統(tǒng)開展實驗研究，所測得的3D-SART得分、SAGAT得分、任務績效、眼動及心電指標的方差分析結果匯總如表5所示。

表5 各指標方差分析結果匯總

3.1 對裝甲車輛乘員作戰(zhàn)情景意識的討論

參照汽車駕駛方面對情景意識的描述[27]，裝甲作戰(zhàn)任務中車長的情景意識可表述為“理解每一時刻作戰(zhàn)意圖、車輛狀態(tài)、作戰(zhàn)環(huán)境、敵車狀況及自車其他乘員之間的關系”。

如上文所述，Endsley指出的情景意識[5]共分為3個階段：覺察、理解和預測。其中，第一個階段為覺察，在動態(tài)的環(huán)境中，只有注意到動態(tài)的變化，并做出基本的知覺解釋，才能意識到變化?？梢?，該階段有較多的注意資源消耗，所提出的注意力分配因素對該階段有較大影響。從裝甲作戰(zhàn)任務角度來看，在主任務中，車長首先必須于當前作戰(zhàn)環(huán)境中注意到敵車目標，方可對目標進行理解，最終做出決策及反應；在次任務中，車長首先應察覺到儀表中的異常信息，方能通過信息加工完成響應。綜上所述，注意力分配因素將主要影響到車長搜索敵方目標及察覺異常信息的過程。

在情景的理解或診斷階段需要對信息進行整合，以及對發(fā)生了什么進行更高水平的推理。這些過程需要大量使用工作記憶，當然也會使用到長時工作記憶[24]。在裝甲作戰(zhàn)任務中，車長已經發(fā)現(xiàn)了敵車目標，正理解敵車類型，并做出裝彈決策，進而進行對敵打擊。在次任務中，車長已發(fā)現(xiàn)儀表信息發(fā)生了變化，正根據(jù)工作記憶判別變化的儀表信息是否發(fā)生了異常，進而完成異常響應。由于在這一過程中將使用到長時工作記憶，因此所提出的長時工作記憶因素對該過程有較大影響。

3.2 關于長時工作記憶的討論

研究表明，三維度情景意識測評技術(3D-SART)在情景意識的測量評價中應用廣泛，且效果較好[28]。本實驗中，長時工作記憶因素對3D-SART得分的主效應顯著，具體表現(xiàn)為熟練者較初學者的得分高。3D-SART量表的三個主維度分別為情景綜合理解、注意力需求以及注意力供應[28]，實驗結果表明，隨著長時工作記憶水平的提升(由初學者到熟練者)，情景綜合理解的得分顯著升高，因此，根據(jù)3D-SART計算公式可知，熟練者的3D-SART得分顯著高于初學者，并且可以認為，長時工作記憶因素主要通過影響被試的“理解階段”進而影響其SART得分。

此外，用于客觀評價情景意識水平的情景意識全面測量技術(SAGAT)已得到研究者們的一致認可[29-30]。本研究中，長時工作記憶因素對SAGAT得分的主效應顯著，具體表現(xiàn)為熟練者較初學者的得分高，表明熟練者的情景意識水平顯著高于初學者。實驗數(shù)據(jù)表明，在長時工作記憶因素不同水平下，SAGAT問卷中“理解”階段的得分分差普遍高于“感知”和“預測”階段，表明長時工作記憶主要是通過影響被試的“理解”階段來影響其情景意識水平。

在任務績效方面，長時工作記憶因素對殲敵時間和異常信息響應時間均有顯著影響，具體表現(xiàn)為熟練者所用的殲敵時間和異常信息響應時間較初學者短。分析其原因，一方面，長時工作記憶主要影響情景意識的“理解”階段，由于熟練者對作戰(zhàn)任務理解深刻，因此其在打擊作戰(zhàn)時能夠迅速判別目標車型，進而精準決策，快速瞄準，從而殲敵時間較初學者短。另一方面，由于熟練者對于作戰(zhàn)任務經驗豐富，花費在作戰(zhàn)任務上的注意資源較初學者少，因此其將有更多的注意資源來監(jiān)測儀表區(qū)，從而所需異常信息的響應時間較少。此外，這一表述還可用來解釋眼動指標中儀表區(qū)注視時間占比熟練者顯著大于初學者的現(xiàn)象。

在眼動和心電方面，部分指標也表現(xiàn)出了類似的變化趨勢，例如，熟練者的眼瞼開度顯著大于初學者的眼瞼開度，表明熟練者的情景意識水平較高。SDNN值表征逐次心跳周期差異的變化情況，其值越大，R-R間期的差異越大[31]。在本實驗條件下，由于熟練者對實驗場景及作戰(zhàn)任務較為熟悉，因此在進行打擊作戰(zhàn)或異常響應作業(yè)時，其心率變異性較小，R-R間期并未有較大的變化；而初學者由于不熟悉場景及任務，當遇到敵車或異常情況時，包括R-R間期在內的各心率變異性指標將會有較大變化，因此其SDNN值較大。由于心率指標因人而異，因此在本實驗中，初學者和熟練者的心率指標并未表現(xiàn)出顯著差異。

3.3 關于注意力分配的討論

為探究人的注意力分配對裝甲車輛情景意識的影響，本研究基于SEEV模型選取了凸顯性和期望進行了注意力分配影響因素的設計，其中，注意力分配中的凸顯性是指某一興趣區(qū)由于其大小、顏色、強度或對比從背景中突顯出來的程度，實驗中用異常信息凸顯性來表征；期望是指我們更傾向關注那些有許多“變化”的地方，一般來說，失誤的變化越多，我們越期望它們發(fā)生變化，本實驗中期望用異常信息出現(xiàn)頻率表征。在此基礎上，開展了不同因素水平下的情景意識水平測量。

3.3.1 關于異常信息凸顯性的討論

研究表明，突顯的興趣區(qū)能吸引被試者的注意，可使被試保持較高的警覺度水平，從而方便其視覺信息加工，進而減少腦力資源的占用[32-33]，使其情景意識水平較高。進一步地，在該因素各水平下，3D-SART及SAGAT中“感知”階段的得分分差最大，可認為異常信息凸顯性主要影響情景意識中的“感知”階段。

在任務績效方面，高凸顯性條件下被試對異常信息的“感知能力”更強，因此該條件下的異常信息響應時間較短。相反，在低凸顯性的條件下，發(fā)生異常時，被試很難察覺到異常，甚至錯過異常信息，因而其響應時間顯著較長。

眼動和心電的部分指標也表現(xiàn)出了相似的變化趨勢。前期研究表明，眼瞼開度可用來反應被試的認知狀態(tài)，高認知狀態(tài)下的眼瞼開度高于低認知狀態(tài)，本實驗中高凸顯性條件下被試的認知狀態(tài)較高，因此其眼瞼開度較大。對于儀表區(qū)注視時間占比指標來說，相較于高凸顯性水平，被試在低凸顯性條件下較難察覺異常信息的出現(xiàn)，因此需花費更多的時間注視儀表區(qū)來覺察異常信息的出現(xiàn)，故而其儀表區(qū)注視時間占比顯著高于高凸顯性水平。此外，SDNN值在高凸顯性條件下顯著高于低凸顯性條件下，可能的原因是當異常信息以高凸顯性顯示情況下，被試更易察覺異常的同時會伴隨些許緊張感，從而R-R間期發(fā)生變化，進而導致SDNN值較大。

3.3.2 關于異常信息出現(xiàn)頻率的討論

在異常信息高頻出現(xiàn)的條件下，由于隨著異常信息出現(xiàn)頻率的增高，任務難度隨之增大，任務需求隨之增加，使得被試的腦力資源占用較高，因此其3D-SART得分較低。在眼動方面，根據(jù)Wickens的注意力分配理論[20]，期望是指我們更傾向于關注那些有許多“變化”的地方，而本實驗中，當異常信息高頻出現(xiàn)時，儀表區(qū)的變化較多，被試將更傾向于關注儀表區(qū)，因此其注視時間占比較低頻高。而對于其他指標，異常信息出現(xiàn)頻率這一因素并未表現(xiàn)出顯著的主效應?？傮w來看，異常信息出現(xiàn)頻率對乘員情景意識水平影響較小，可能的原因是，一方面隨著異常信息出現(xiàn)頻率的增加，提升了被試的“期望”，這將有利于情景意識水平的提高；另一方面，隨著頻率的增加，被試的任務需求將增大，這將降低被試的情景意識水平，綜合來說，異常信息出現(xiàn)頻率對乘員的情景意識水平影響較小。

上述研究結果表明，注意力分配對裝甲車輛乘員的情景意識有顯著影響，若能在人機交互界面設計之初充分考慮注意力分配的影響，可有效提升乘員的情景意識水平。

4 結論

本文旨在通過實驗探究長時工作記憶以及注意力分配對裝甲車輛乘員情景意識的影響，在所設計的實驗條件下，可得到以下研究結論：

1)長時工作記憶主要通過影響情景意識的“理解”階段進而造成乘員的情景意識水平差異，且熟練者的情景意識水平顯著高于初學者，提示裝甲車乘員在進行訓練時可主要圍繞“理解”階段對訓練內容進行優(yōu)化設計。

2)注意力分配主要通過影響乘員的“感知”階段進而影響其情景意識水平，且高信息凸顯性條件下的情景意識水平顯著高于低凸顯性條件下，提示在進行人機交互界面設計時需考慮注意力分配因素的影響。

3)結合方差分析及Pearson相關性檢驗結果，隨著情景意識水平變化表現(xiàn)出較好敏感性的指標有：3D-SART、SAGAT、異常信息響應時間、眼瞼開度、儀表區(qū)注視時間占比、SDNN(R-R間期的標準差)以及PNN50(相鄰R-R間期差值大于50 ms的個數(shù)與總R-R間期個數(shù)之比)。

本研究通過分析長時工作記憶以及注意力分配對裝甲車輛乘員情景意識的影響，可為乘員訓練內容的優(yōu)化及人機交互界面的設計提供依據(jù)。