面向裝甲車輛乘員信息處理作業的腦力負荷預測模型

劉維平，聶俊峰，解 芳，金 毅

(1.裝甲兵工程學院機械工程系，北京 100072； 2.中國北方車輛研究所，北京 100072)

面向裝甲車輛乘員信息處理作業的腦力負荷預測模型

劉維平1，聶俊峰1，解 芳2，金 毅1

(1.裝甲兵工程學院機械工程系，北京 100072； 2.中國北方車輛研究所，北京 100072)

腦力負荷的準確預測是研究裝甲車輛乘員信息處理作業的關鍵技術，對提高人機系統設計的合理性具有重要意義。為有效解決應急任務條件下裝甲車輛乘員信息處理作業的腦力負荷預測問題，針對裝甲車輛乘員作業向信息處理作業轉變的基本趨勢，結合信息處理作業操作元模型和認知圖式分析，基于信息執行通道任務-網絡建模方法構建了腦力負荷預測模型，量化了工作資源參數，并面向目標錄入典型信息處理作業對預測模型進行了實例應用。結果表明：該模型能夠清晰地描述裝甲車輛乘員信息處理作業腦力負荷變化情況，有效地找出腦力負荷異常的時間節點和產生原因，量化預測作業各時刻腦力負荷，具有較好的預測精度和可重用性。

裝甲車輛； 乘員； 信息處理； 任務-網絡模型； 腦力負荷預測模型

隨著裝甲車輛信息化水平的迅速提高，乘員的工作類型逐漸向以監視和控制為主的信息處理作業轉變，并已成為乘員作業的主要形式。乘員信息處理作業是典型的腦力勞動過程，需要消耗大量的腦力資源，產生一定程度的腦力負荷，而腦力負荷情況直接影響著裝甲車輛人機系統的作戰效能[1]。目前，常用的腦力負荷研究方法主要是指腦力負荷的測量方法，如主觀量表法、主任務法、輔助任務法和生理法等[2-3]。然而，這些方法均屬于事后測量，具有一定的滯后性，一旦發現乘員的腦力負荷水平不合適而需要修改人機系統時，不僅難以實現，也必將耗費大量成本。因此，在系統設計階段對乘員信息處理作業腦力負荷情況進行預測就顯得十分必要。

雖然腦力負荷預測比測量困難許多，但因其巨大的潛在效益，國內外研究者仍做出了諸多有益嘗試。BIN等[4]在概念模型基礎上提出了一個面向飛機人機交互作業的腦力負荷預測模型，采用多維建模方法對腦力負荷各影響因素進行了初步量化，并通過2個相關的認知試驗對模型的有效性進行了驗證。WICKENS[5]從信息流角度提出了基于多資源理論(Multiple Resource Theory，MRT)的腦力負荷預測模型，并描述了四維MRT模型預測復雜任務腦力負荷的應用流程。MITCHEL等[6]針對坦克艙室乘員人數減少問題提出了基于績效建模工具(Improved Performance Research Integration Tool，IMPRINT)的腦力負荷預測方法，預測了3乘員和2乘員作戰平臺的乘員腦力負荷情況，并對2乘員艙室方案提出了合理性建議。WANYAN等[7]針對乘員作業特點構建了飛行員腦力負荷預測模型框架，該模型框架包括單一任務環境、多任務環境和動態時間效應條件3個模塊，初步給出了模型框架中腦力負荷各影響因素的量化方法。

綜上所述，腦力負荷預測模型的研究雖取得了一定成果，但大部分預測模型仍停留在描述階段，缺乏有效的量化手段。因此，筆者針對裝甲車輛乘員信息處理作業的腦力負荷預測問題，結合信息處理作業操作元模型和認知圖式分析，基于信息執行通道任務-網絡建模方法構建了一種通用、量化的裝甲車輛乘員信息處理作業腦力負荷預測模型，并進行了實例應用。

1 信息處理作業分析

1.1 行為分析方法

裝甲車輛乘員信息處理作業是指乘員通過感覺器官從外界搜集信息，對信息進行加工，經中樞系統形成決策，并通過運動器官對系統進行反應的過程，其具有任務復雜性和多維性的特點[1]。MRT是解釋多任務之間資源分配的理論，認為乘員具有一組性質類似、功能有限且容量一定的腦力資源[5]。因此，筆者采用MRT對乘員信息處理作業行為進行分析。

MRT模型結構如圖1所示?？梢钥闯觯涸撃Ｐ陀?個具有2級特征的維度組成，即區分知覺和反應的階段維度、區分視覺和聽覺的通道維度以及區分空間和語言的編碼維度[8]，3個維度在一定程度上相互獨立。

圖1 MRT模型結構

乘員在信息處理作業中會自動在信息源和維度中進行資源的選擇和分配，MRT表明：乘員的信息執行通道通常分為視覺(Visual,V)、聽覺(Auditory,A)、認知(Cognitive,C)及動作(Psychomotor,P)4個部分，任何任務都可由這4個信息執行通道下的28種行為要素構成[8]。MRT各信息執行通道下的行為要素如表1所示。

表1 MRT各信息執行通道下的行為要素

1.2 操作元分析

操作元分析的目的在于拆分、梳理作業的操作序列，使乘員信息處理作業單元化[9]。通過對作業操作動作的連續考察，構建了包含作業目標層、操作狀態層、操作元層和行為要素層的多層次操作元模型。乘員信息處理作業操作元模型結構如圖2所示。

圖2 乘員信息處理作業操作元模型結構

1.3 認知圖式分析

認知圖式分析的目的在于研究乘員作業中認知資源的調配以及心理圖式的形成過程，描述作業行為的心理蹤跡[9]。

乘員信息處理作業認知圖式模型結構如圖3所示。其中：存儲于長時記憶中的圖式匹配內容為環境、對象、任務和目標，由圖式匹配到圖式激活的操作內容包括參數設置、作業要求、操作元數目、操作元內容、操作規程及按鍵位置等。乘員信息處理作業認知圖式分析的特征變量主要包括感覺加工方式、注意水平、記憶過程、反應方式和行為類型，且各自對應相當水平。

圖3 乘員信息處理作業認知圖式模型結構

2 腦力負荷預測模型構建

2.1 基于信息執行通道的任務-網絡建模方法

任務-網絡建模技術是一種對作業操作流程進行時間序列建模，并在作業實施過程中加以控制的計劃管理技術。筆者對其概念和結構進行擴展，結合MRT提出了基于信息執行通道的任務-網絡建模方法。該方法將信息處理作業操作元模型與認知圖式方法有機結合，可清楚地表達各行為要素的相互關系，并在MRT信息執行通道分類基礎上增加了語音(Speech,S)通道，更全面地體現了乘員各信息執行通道的運行情況。

任務-網絡示意圖如圖4所示。可以看出：節點1、8分別為起始節點和結束節點，其他節點均為中間節點；A、B、C分別表示各信息執行通道；A1、A2、A3、B1、B2、B3、C1、C2、C3為乘員各行為要素代號[10]。

圖4 任務-網絡示意圖

2.2 工作參數量化辨析

為實現腦力負荷的定量預測，首先要對模型工作參數進行量化辨析，主要分為時間參數辨析和資源參數辨析。

2.2.1 時間參數辨析

時間參數包括注意力轉移時間t1、知覺加工時間t2、目標搜索定位時間t3和反應執行時間t4四部分，其中：

1)t1、t2屬于通用參數，即任務無關參數，可通過一般數據進行辨析。

2)t3、t4屬于任務相關參數，可基于實驗數據并運用相關定律進行辨析。t3、t4可分別通過Hick-Hyman定律[11]和Fitts定律[12]進行辨析，即

t3=a1+b1·log2(n+1)，

(1)

t4=a2+b2·log2(A/W+1)，

(2)

式中：a1、b1、a2、b2為常數；n為系統按鍵數目；A為手與按鍵初始距離；W為按鍵有效寬度。

2.2.2 資源參數辨析

資源參數包括腦力負荷值及其分布函數2個部分，其中：腦力負荷值即各行為要素的腦力資源需求量，可采用Aldrich的7分制評級標準進行評定[13]，該標準是針對美軍開發新武器系統的腦力負荷預測需求提出的，具有良好的有效性和適應性；腦力負荷分布函數即各行為要素某時刻發生的概率，可依據先驗分布模型采用擬合的方法確定。

裝甲車輛乘員信息處理作業腦力負荷先驗分布模型[1]為

φ(t)=a3+b3lg(t+1)，

(3)

式中：φ(t)為t時刻發生的概率；a3、b3均為待定參數。

2.3 模型仿真

選用Monte Carlo方法[14]對任務-網絡模型進行仿真，其仿真流程描述為：確定初始化數據，運行數學仿真模型，通過隨機變量抽樣產生隨機數據，對生成的隨機數據進行數據處理，計算每組隨機數據的期望值，進而將期望值與資源參數進行計算，即可得到乘員信息處理作業的腦力負荷情況。

3 應用實例

3.1 初始參數設置

為檢驗腦力負荷預測模型的有效性，以某新型車載信息系統設計階段的效能評估問題為研究對象，選擇目標錄入為乘員典型信息處理作業，對該乘員典型信息處理作業中的腦力負荷情況進行預測，相關初始參數設置如表2所示。

表2 相關初始參數設置

3.2 乘員信息處理作業行為分析

依據乘員專業教范，將裝甲車輛乘員目標錄入信息處理作業劃分為準備、執行和空閑休息3個信息處理作業操作狀態，建立了作業類型選擇O1、敵我屬性判斷O2、目標信息錄入O3和目標信息發送O4四個基本操作元，提取了各操作元的行為要素。乘員信息處理作業操作元模型結構如圖5所示?？梢钥闯觯貉b甲車輛乘員信息處理作業各操作元具有其自身的行為特點，同時也有各自的認知圖式。其各操作元認知圖式分析如表3所示。

圖5 乘員信息處理作業操作元模型結構

行為要素感覺加工注意水平工作記憶長時記憶反應方式行為類型發現視覺低提取提取—規則型/技能型查找視覺低提取提取—規則型判斷反饋中存取提取—規則型選擇反饋中存取提取—規則型識別反饋中存取提取—規則型決定反饋中存取提取—規則型鍵入反饋低無提取選擇/辨別規則型/技能型語音反饋低提取提取—規則型/技能型

3.3 任務-網絡模型構建

根據乘員信息處理作業操作元模型，并對照認知圖式分析，通過間接法構建任務-網絡模型如圖6所示。

乘員信息處理作業任務-網絡模型的各行為要素明細及其關系如表4所示。

圖6 乘員信息處理作業任務-網絡模型

信息執行通道各行為要素代號視覺(V)A1發現A5發現A9發現A13發現A2 —A6無A10 —A14發現A3查找A7查找A11查找A15查找A4發現A8發現A12發現認知(C)B1 —B6判斷B11判斷B16識別B2判斷B7選擇B12識別B17決定B3識別B8識別B13決定B4決定B9決定B14 —B5 —B10 —B15判斷動作(P)C1 —C3 —C5 —C7 —C2鍵入C4鍵入C6鍵入C8鍵入聽覺(A)D1發現語音(S)E1語音

3.4 工作參數量化辨析

3.4.1 時間參數辨析

根據模型時間參數辨析方法，參考前期實驗分析結果[15-16]，取a1=-149.1,b1=100.8,a2=97.5,b2=89.2，得到辨析結果為：t1=85 ms，t2=106 ms，t3=188,338 ms，t4=370,467 ms。

3.4.2 資源參數辨析

對照Aldrich腦力負荷評級量表，即可得到各行為要素腦力負荷值辨析結果，如表5所示。

表5 各行為要素腦力負荷值辨析結果

將乘員t時刻操作狀態提取100次，根據式(3)，對數據進行最小二乘法擬合，得到各行為要素腦力負荷分布函數辨析結果,如表6所示。

表6 各行為要素腦力負荷分布函數辨析結果

3.5 模型仿真及結果分析

為保證模型按相似路徑仿真執行，確定了隨機起始數字，設步長d=50 ms，隨機數目NT=180。圖7、8分別為模型仿真運行一次乘員各信息執行通道腦力負荷和總腦力負荷情況。

圖7 模型仿真運行一次乘員各信息執行通道腦力負荷情況

圖8 模型仿真運行一次乘員總腦力負荷情況

對仿真結果進行統計，得到作戰條件下乘員各信息執行通道腦力負荷和總腦力負荷情況，如表7所示。

表7 乘員各信息執行通道腦力負荷和總腦力負荷情況

由圖7、8模型仿真預測結果及表7可得出乘員信息處理作業腦力負荷情況如下：

1)乘員信息處理作業峰值總腦力負荷值為49.1，該時刻乘員需要同時執行的任務為目標錄入、車內通信和車外通信，這一數值已經超過負荷限值(35.0)，其超負荷率為17.1%，且超過了信息處理作業總時間的10.0%，可認為乘員信息處理作業過程基本處于高負荷狀態。

2)乘員視覺通道、聽覺通道、認知通道、反應通道和語音通道的峰值腦力負荷分別為7.0、12.0、23.8、7.0和8.0。聽覺通道、認知通道和語音通道的腦力負荷均存在超負荷(>7.0)情況，尤其是認知通道的超負荷比率達到65.5%，說明該通道的運行相當繁忙。

綜合預測結果，筆者對該車載信息系統的設計和使用提出如下建議：1)在前期系統設計時，應進一步優化系統操作界面，提高界面文字識別性和顏色匹配度，降低界面操作復雜度，優化按鍵的寬度及分布等，減少系統自身設計的缺陷；2)在后期系統使用時，應盡量避免腦力負荷在同一執行通道維度和時間序列維度中的疊加，有針對性地調整任務完成方式和順序，即考慮將一些應用聽覺和語音的作業轉變為以視覺和反應為主、聽覺和語音為輔的作業，允許乘員按任務優先級先完成相對重要、優先級較高的作業，再完成優先級較低的作業等。

[1] 劉維平，聶俊峰，金毅，等.基于任務-網絡模型的裝甲車輛乘員腦力負荷評價方法研究[J].兵工學報，2015，36(9)：1805-1810.

[2] 柳忠起，袁修干，劉濤.航空工效中的腦力負荷測量技術[J].人類工效學，2003，9(2)：19-22.

[3] 白杰，馮傳宴，楊坤.飛行員腦力負荷生理測量方法研究進展[J].航天醫學與醫學工程，2016，29(2)：150-156.

[4] BIN E，GAVRIEL S.Predction of mental workload in single and multiple tasks environments[J].International journal of cognitive ergonomics，2000，4(3)：213-242.

[5] WICKENS C D.Multiple resources and mental workload[J].Journal of the human factors and ergonomics society，2008，50(3):449-455.

[6] MITCHEL D K.Workload analysis of the crew of the Abrams V2 SEP： Phase I baseline IMPRINT model [R].USA：Army Research Laboratory，2009.

[7] WANYAN X R，ZHUANG D M，WEI H Y.Pilot attention allocation model based on Fuzzy Theory[J].Computer & mathematics with application，2011，62(7)：2727-2735.

[8] WICKENS C D，HOLLANDS J G.Engineering psychology and human Performance[M].Shanghai：East China Normal University Press，2003：545-550.

[9] 溫超.裝配操作行為模型框架研究[D].長春：吉林大學，2008.

[10] 岳芳，顧新建，劉暢.知識型員工-任務匹配程度計算系統設計與實現[J].浙江大學學報(工學版)，2015，49(8)：1462-1469.

[11] 王潔，方衛寧，李廣燕.基于多資源理論的腦力負荷評價方法[J].北京交通大學學報，2010，34(6)：107-110.

[12] 徐榮龍，劉正捷，張寧.手持設備三維菜單績效評估[J].計算機工程與應用，2010，46(22)：20-22.

[13] 廖建橋.腦力負荷的預測與分析方法[J].工業工程，1998，1(1)：38-42.

[14] 房玉軍，蔣建偉.子彈藥拋撒隨機外彈道模型及其蒙特卡洛解法[J].北京理工大學學報，2009，29(10)：850-853.

[15] SALVUCCI D D.An integrated model of eye movements and visual encoding[J].Cognitive systems research，2001，1(1)：201-220.

[16] 郭伏，錢省三.人因工程學[M].北京:機械工業出版社，2007：205-207.

(責任編輯:尚菲菲)

Predictive Mental Workload Model for Armored Vehicle Crew’s Information Processing Task

LIU Wei-ping1，NIE Jun-feng1，XIE Fang2，JIN Yi1

(1.Department of Mechanical Engineering,Academy of Armored Force Engineering,Beijing 100072,China；2.China North Vehicle Research Institute,Beijing 100072,China)

The veracity of operation mental workload prediction is essential to the study of operation status in armored vehicle cabin crew’s information processing，which has important implications for improving design rationality of the man-machine system.To solve the problem of crew’s information processing mental workload prediction under the emergency condition,in view of the basic trend that the task type gradually changes to information processing task,the operate-units and cognitive schema for information processing task are analyzed，the predictive mental workload model is built based on crew’s channel task-network method,the work resource parameters are quantified and the predictive model is verified by an example of target input typical information.The results indicate that the proposed model could describe the change of crew’s mental workload during the whole task clearly,could find out the time nodes and reasons of abnormal mental workload effectively,could predict the mental workload of operate-units quantitatively,the prediction accuracy and reusability are preferable.

armored vehicle; crew; information processing; task-network model; predictive mental workload model

1672-1497(2017)01-0040-06

2016-11-07

劉維平(1961-)，男，教授，博士。

TJ81； X914

A

10.3969/j.issn.1672-1497.2017.01.009