基于模拟飞行任务下的眼动指标分析

分析眼动指标在定量测量飞机驾驶员的注意力分配规律和工作负荷变化中的作用。让4个被试者在飞行模拟器上完成了3个不同阶段的模拟飞行任务,同时用眼动仪器记录了注视、扫视、瞳孔尺寸方面的眼动指标,划分为座舱外景和内部仪表两个兴趣区域对数据进行了对比和认知分析。被试者在外景有更多的注视点、更多和更长的注视时间,在仪表上的平均瞳孔尺寸比外部视景要大,平均扫视幅度随任务难度增大而减小。眼动指标可以客观地反映驾驶员的注意力分配规律和工作负荷变化;视觉飞行规则下,飞行员主要从外景获取视觉信息,他的大部分注意力都集中在外景。     

驾驶员注意力分配定量方法研究

驾驶员在不同的路况环境下存在不同的注意力分配模式,为弄清其分配模式特点,利用露天体育场内作为模拟驾驶环境,并利用眼动设备,记录被试者在直道驾驶任务、弯道驾驶任务、复杂路况驾驶任务等3种路况下的眼动数据,采用划分兴趣区域的方式,把视觉信息源划分为原车道兴趣区域FL(Former Lane)和其他兴趣区域OA(Other Areas)两个兴趣区域,对平均百米注视次数、平均百米注视时间、不同兴趣区域注视次数百分比3个眼动指标在两个兴趣区域内的分布情况进行分析和对比,得出不同路况环境下不同的注意力分配模式来揭示驾驶员驾驶过程中的注意力分配特点。研究结果对于驾驶员驾驶培训侧重点的改进、对于预防交通事故都具有重要意义。     

城市隧道环境中驾驶人注视转移特性研究

为研究不同经验驾驶人在城市隧道环境中的注视转移特性,在城市隧道路段开展实车试验。利用Dikablis眼动追踪系统采集10名不同经验驾驶人的眼动数据;采用K均值聚类法划分注视兴趣区域,并分析驾驶人的注视分布特性;运用马尔科夫链理论研究驾驶人的注视转移规律和注视平稳分布特征。结果表明:相较于隧道外区段,驾驶人在隧道内区段的重复注视概率更大,视觉搜索效率更低;驾驶人主要通过对前近方、前远方的注视获取信息,且在入口段和出口前段内注视点落在这2个区域的概率显著高于其他区段;相较于熟练驾驶人,非熟练驾驶人对前远方、后视镜的注视更少。     

基于专家-新手范式的飞行员模拟仪表进近注视特征差异研究

为探究飞行员注意资源在驾驶舱仪表间的分配策略,利用眼动仪、DA-42飞行模拟机等搭建仪表进近模拟飞行试验平台,基于专家-新手范式采集飞行教员和飞行学员的眼动数据,并利用注视熵率表征被试者扫视行为的随意性.结果表明:在最后进近航段,全体被试者高度关注姿态仪、水平状态指示器和高度表3个兴趣区,注视时间占总注视时间的78％以上;绩效优组在空速表、高度表、垂直速度表和其他区域的注视时间百分比显著高于绩效差组,而在各兴趣区的平均注视时长显著低于绩效差组;绩效优组的注视熵率显著高于绩效差组,这意味着其在仪表进近过程中的扫视灵活性更大.研究可为指导飞行员培训、预防飞行员人为差错提供参考.     

大流量管制情境下雷达管制员眼动特征分析

为提高大流量管制运行的安全水平,研究雷达管制员的眼动特征变化规律,整合雷达管制模拟机和眼动仪,构建试验系统。选取具有实际工作经验的进近雷达管制员作为被试,将某管制空域内的航班数量分为小、中和大流量3种模拟管制情境。获取不同情境下被试的眼动特征数据,结合被试的不同技能水平,统计分析其在3种情境下的眼动特征数据。结果发现:随着流量的增大,注视、眼跳、瞳孔3类眼动数据发生显著变化,且注视、眼跳的部分指标在不同技能水平的被试间也存在显著差异。不同技能水平的管制员的信息搜索策略存在差异,且均随管制流量的变化发生改变。     

基于眼动和绩效分析的管制员情境意识测量

情境意识(SA)是影响管制员决策和操作绩效的重要因素。为探究有效测量管制员SA水平的客观指标,搭建模拟塔台管制员眼动试验平台,设计并完成3组不同任务难度的试验。利用最近邻算法(NNI)量化识别被试眼动注视特征,并分析不同注视特征管制员的SA和操作绩效。研究结果表明:随着任务难度的增加,被试的SA水平均呈下降趋势;注视模式呈离散型分布的被试有更高的SA水平和操作绩效;眼动分析中的NNI注视指数是未来实时人因工程中测量SA水平的潜力指标。     

高速公路干扰跟车时驾驶人注意力分配特性

为探索干扰跟车过程中驾驶人注意力分配规律,引导新手驾驶人合理观察周围车辆,首先利用face LAB 5眼动仪开展高速公路环境中实车试验,采集并记录13位驾驶人的眼动数据。然后分析干扰车从不同车道切入时驾驶人的注意力分配特性,以及驾驶人注意力在各注视区域之间的转移规律。试验数据显示,干扰车切入过程中,驾驶人主要注意力集中在正前方视野,更多地关注与行车安全最相关的动态目标;干扰车切入后,驾驶人对干扰车切入一侧的关注度较高。     

基于眼动数据的管制员注意力特征评价

为提高管制员培训的针对性和有效性,提升管制过程的安全性,提出使用注意力稳定性、注意力分配与转移和注意力广度3个指标,作为注意力特征的评价指标;设计并开展管制过程模拟管制试验,采集分析36名成熟管制员的眼动数据;提出选取兴趣区访问次数方差(VVC)、马尔可夫转移概率(MTP)和特情反应时间(RT)3个参数,将其作为刻画注意力特征3个评价指标对应的量化参数值,再使用K-Means聚类分析法对管制员的注意力特征进行分类,得到管制员注意力特征的评价值的结果分类区间,并对比评价结果与教员打分结果。结果表明：根据注意力特征,将管制员分成4类,一类为最优,四类为最差。优秀管制员具有注意力稳定性好、注意力分配合理、注意广度大和对特情敏感的特点,其量化参数值包括：VVC为13.48～95.46,MTP为0.03～0.22,RT为3～31 s。     

特长隧道环境下驾驶人注视转移特性研究

为了研究不同经验驾驶人在高速公路特长隧道环境下的注视转移特性,在高速公路特长隧道中开展实车实验,利用 iView X HED型眼动仪采集了32名不同经验驾驶人的眼动数据。运用动态聚类方法,对驾驶人注视区域进行划分,分析了职业与非职业驾驶员在高速公路隧道不同段与普通路段的注视转移规律与注意力分配特性。结果表明:相较于非职业驾驶人,职业驾驶员具有较强的注视前瞻性,且在隧道的不同段主要注视的区域因行车环境不同变化较小;驾驶人对同一目标需要重复注视才能提取足够的信息,且当行车环境复杂度增加或驾驶员驾驶经验不足时,重复注视概率增加;驾驶人在不同路段行车时,主要通过注视中间区域获取信息;行车环境与驾驶经验对驾驶人在中间近处、左侧区域及内后视镜区域的注视平稳分布存在显著的交互作用。     

眼动技术在飞行安全中的应用概述

近年来,眼动技术开始广泛应用在道路交通、广告设计、军用飞机飞行员眼动模式的研究中。本文介绍了国内外眼动技术的应用现状,从飞机驾驶舱人机界面设计、机场道路环境建设、飞机驾驶员培训和飞机驾驶安全等四个方面阐述了眼动技术在民航飞行领域中的研究现状及应用前景,为眼动技术在民航飞行领域的应用研究提供借鉴。     

情境意识及注视转移方式对塔台管制冲突的影响

为分析塔台管制中情境意识(SA)水平和注视转移方式对冲突的影响,利用模拟塔台管制软件和眼动仪构建试验平台,根据航班起降架次频率设计并实施简单和困难2组情景试验。利用三维SA评定技术(3D-SART)评价被试的SA水平,利用连接分析法分析被试在4个兴趣区域(AOI)间的注视转移方式,综合分析SA水平与注视转移方式对管制冲突的影响。结果表明,被试的SA水平和注视转移方式具有个体差异性;SA水平高的被试有更好的注意分配和决策能力,SA水平低的被试注意分配不够合理,决策占用较多注意资源;航班流量较大时,SA水平低的被试更容易疏漏重要信息,出现决策错误,甚至失去SA,造成管制冲突。     

眼动指标检测管制疲劳的性能研究

为了挖掘更多检测管制疲劳的眼动指标,利用模拟塔台管制软件和眼动仪搭建试验平台,采集被试的眼动数据和主观疲劳的程度值,通过其疲劳前后眼动指标差异的显著性、与疲劳的相关性、以及受试者的工作特征曲线(ROC)分析,探讨了各眼动指标检测管制疲劳的性能。结果表明:疲劳前后被试的扫视速度、注视点和平均注视时长差异显著,扫视幅度无显著差异;扫视幅度与疲劳无相关性,平均注视时长与疲劳呈弱相关,扫视速度和注视点数与疲劳均呈中等以上的显著相关;利用注视点、扫视速度二元分类识别疲劳的效果为接近较好水平,是有潜力的管制疲劳检测指标,可为管制员疲劳检测和预警提供试验支撑。     

基于视线追踪的三维模拟灭火救援培训效果评估

本文结合灭火救援指挥三维计算机模拟训练平台以及桌面式视线追踪实验系统,开展基于视线追踪技术的学员应急培训效果评估。首先开展眼动分析实验系统搭建与实验设计,采用Eyeso Ec80遥测式眼动仪对操作者模拟灭火救援时的眼动信息进行数据采集与处理。然后,开展失误行为的眼动特征提取研究,针对不同类别的认知状态,分别统计其在不同兴趣区域的注视时间并建立一步转移概率矩阵,最终得到典型失误模式的失误特征。     

数字化人机界面操作员目标定位眼动试验

为了验证数字化监控室操作员在监视过程中存在目标定位失误,并得到相关的目标定位失误率及反应时间,进行了眼动试验。试验设置了箭头、数字、图形及颜色4种目标信息,验证了目标定位延迟及目标定位失败两类目标定位失误的存在,并获得了被试对目标信息的首次进入时间及注视持续时间。通过对4种目标信息的目标定位眼动数据分析,发现不同的目标信息类型对目标信息区的眼动首次进入时间及注视持续时间的影响是显著的,对目标定位的总失误率影响也是显著的。通过SPSS软件分析发现,目标定位总失误率与首次进入时间及注视持续时间都存在线性相关关系。     

事故案例展示方式和发展阶段对认知的影响研究

为研究安全培训中事故案例展示方式和发展阶段对认知的影响，以皮电和眼动追踪生理测量指标反映内在认知，设计双因素重复测量方差试验进行研究。针对事故原因设计调查问卷以反映培训效果。试验选择70位学生分成两组作为被试，统计分析皮电和眼动追踪4个生理指标的差异性和调查问卷数据。结果表明：视频相对于文字，情境诱发性更好；被试对事故前兆线索的关注度、警觉性更好；事前和事后阶段杂乱眼动行为偏少。对不同危险线索的注视时间显著不同反映出被试先验知识影响对事故前兆的感知，而此过程在文字下表现不明显。此外，平均注视时间反映视频下全程认知难度高于文字；无论哪种方式危险呈现时均以专注的注视行为为主；对事后原因分析关注度均不高，这与调查问卷对比分析结果一致。因此，事故案例培训过程可优先以视频动态方式展示，但培训教师需明确事故关键线索，特别强调事故原因以提高培训效果。     

U型转向时驾驶人注视特性研究

为探究己知环境特征与驾驶行为之间的对应规律,利用Dikablis头戴式眼动仪在U型道路环境中进行实车试验。监控并记录9名驾驶人的眼动行为数据,分别从注视区域(AOI)的平均注视时间、AOI注视比例、视觉扫描的复杂性等3方面分析驾驶人视觉特性。结果显示,U型转向(U-Turn)过程中接近阶段各AOI平均注视时间为0.2~0.7 s,驾驶人注视点落在远处区域的比例明显高于其他区域,而转向阶段各AOI平均注视时间为0.2~1.4 s,驾驶人注视点落在近处区域的比例明显高于其他区域。注视熵率值反映了视觉扫描的复杂程度,出口点AOI分布集中,注视熵率值为0.5~4.0,视觉扫描的复杂性低,入口点AOI分布分散,注视熵率值为1.8~4.5,视觉扫描的复杂性高;因此,U-Turn出口点和入口点环境差异对驾驶人注意力分配策略影响显著。     

多随机因素影响下飞行间隔评估及冲突解脱阈值研究

为有效评估两机水平安全间隔并建立特情冲突解脱程序,基于多随机因素对飞机位置误差的影响,建立碰撞风险模型和冲突解脱阈值求解模型。首先,考虑CNS性能和高空风作用,改进飞行运动模型,建立碰撞风险模型,得到最低安全间隔标准计算方法。然后,考虑陆空通话影响,结合飞机转弯特性,建立两机在不同相对位置情况下的阈值求解模型,利用最低安全间隔标准值求解冲突解脱阈值。最后,以某管制试飞空域内特定机型相关数据及所受随机因素参数为例进行算例分析,得出两机最低安全间隔标准,并得到防止安全间隔丧失管制员介入冲突解脱程序的阈值,计算结果与管制运行实际吻合,验证了上述理论的正确性。依据多随机因素与最低安全间隔标准脉谱图拟合出相应公式,以期为管制员进行两机安全间隔调配与制定冲突解脱程序提供依据。     

基于相对熵逆强化学习的飞行冲突解脱方法

针对航路上的飞行冲突解脱问题,提出了基于相对熵逆强化学习的飞行冲突解脱方法。首先基于相对熵的逆强化学习算法从历史飞行轨迹数据中学习隐含的管制员先验知识,并以奖励函数的形式进行量化表达。然后,将奖励函数引入基于深度强化学习的冲突解脱模型,以指引训练模型不断向与管制员解脱方案相似的方向更新。试验结果表明,解脱模型能够学习管制先验知识,且在测试集中冲突解脱率超过73%。研究对于减少管制员工作负荷和提升空中交通管制安全性有借鉴价值。     

融合VR-眼动的施工现场隐患识别视觉注意与搜索特征研究

为探究施工现场隐患识别视觉注意与搜索特征,提升识别绩效水平,融合虚拟现实(Virtual Reality, VR)和眼动追踪技术,开展VR施工场景内的隐患识别试验,收集不同隐患识别经验群体的眼动数据;运用统计学方法,对比分析累计注视时间、注视百分比等眼动指标的差异性,揭示隐患识别经验与注意力资源分配方式的内在联系;基于眼动轨迹匹配法,聚类首次视觉搜索轨迹,结合施工现场空间布局,探究隐患识别经验影响下搜索习惯的差异。结果表明：经验知识水平对隐患识别绩效具备驱动作用,但隐患专业度过低则会弱化经验知识的效果;被试的注意资源大多集中于具有视觉显著性特征的无关要素,仅有小部分分配于隐患,然而,具有较高经验知识水平的被试对隐患信息更加敏感,分配于隐患的注意资源占比更高;相较于新手组同一区域多次重复的搜索习惯,专家组大多采用某一区域的详细搜索再切换到下一区域的方式。     

2类礼貌属性消防安全标语的眼动行为规律研究*

为研究不同礼貌属性消防安全标语的眼动行为规律,采用眼动技术对个体在阅读标语过程中的眼动行为进行记录,并对实验数据进行统计分析。研究结果表明:在注视次数和总注视时间上,不礼貌属性标语大于礼貌属性标语,在首次注视时间上2者未存在显著差异;在阅读路径上,不礼貌属性标语的路径更长且回视现象更多;在关键词方面,结果导向关键词的注视时间和次数大于行为指导类关键词,其中恶性结果导向关键词最大。