基于負荷均衡的飛機駕駛艙動態功能分配

(南京航空航天大學 民航學院，江蘇 南京 211106)

隨著飛機駕駛艙自動化水平和智能化水平的提高，駕駛艙人機界面變得越來越復雜，飛行員和自動化系統的交互也變得越來越復雜，飛行員在駕駛艙中的任務逐漸由手動控制轉向監督控制，飛行員的工作負荷也由體力負荷逐漸向認知負荷轉變[1]。研究表明飛行員的認知負荷過高或過低都不利于飛行員發揮最佳工作狀態，當飛行員認知負荷過低時，會喪失情景意識，不能對突發事件做出快速響應，而當飛行認知負荷過高時容易產生差錯，導致飛行事故發生[2-3]。因此，為了適應復雜動態的任務環境，提高飛機的飛行安全性，需要進行駕駛艙動態功能分配，即根據飛行員狀態、系統工作狀態和外界環境狀態動態調整飛行員和自動化系統之間的任務分配，從而發揮人和自動化系統的最大工作效能[4]。

Johnson等[4-5]分析了功能分配的4種角度，即以技術為中心(Technology-Centered)、以人為中心(Human-Centered)、團隊導向(Team-Oriented)和工作導向(Work-Oriented)，指出了功能分配需要關注的問題，分析了正常和非正常進近著陸階段的人機結構和飛行員飛行監控動態任務分配。Kaber等[6]研究了信息處理過程的4個不同階段的靜態自動化，Parasuraman等[7]討論了10種不同的自動化等級，并且詳細列出了4個不同階段人和自動化處于何種等級。Liu等[8]研究了自適應自動化系統的設計，從認知角度對駕駛艙人機界面設計提出了構想，張安等[9]給出一種認知負荷計算模型，并應用于動態功能分配中。工作負荷的實時測量評估對動態功能分配至關重要，生理測量設備的發展使得通過監測眼動、心率、呼吸等生理特征來預測人的腦力負荷成為可能[10]。

綜上所述，國內外對飛機駕駛艙功能分配的研究主要集中在功能分配原則、觸發方式、動態功能分配評估指標、操作程序的設計、自適應自動化系統的設計等方面，在實際飛機駕駛艙中還沒有實現真正的動態功能分配，對動態功能分配的研究主要是概念設計、仿真和靜態分析，即依據某種原則將某功能分配給人或自動化，缺少從動態角度研究動態功能分配過程中人和自動化的變化情況。

本文在自動化等級分類法基礎上，面向未來智能飛機駕駛艙提出了動態功能分配方法。為了使功能分配更加合理準確，需要融合多種信息。模糊綜合決策、貝葉斯網絡、層次分析法等可以解決多元信息的融合決策問題，由于飛行員工作負荷的量化評估具有模糊性和不確定性特點，對飛行員工作負荷的定義和計算在業界沒有統一定論。此外，貝葉斯網絡和層次分析法需要較多客觀準確的數據，而模糊綜合決策能較好地處理模糊數學問題。因此，本文設計模糊推理系統，通過模糊推理調整駕駛艙的自動化等級，在Simulink中建立了任務需求參數、任務負荷、飛行員生理特征參數和工作負荷及自動化等級之間的映射關系模型，驗證了該方法的可行性。

1 飛行員工作負荷量化預測方法

1.1 飛行員工作負荷量化預測體系

本文從飛行員工作負荷構成的角度，結合飛行員生理特征測量，構建考慮客觀任務需求和飛行員自身行為的飛行員工作負荷量化預測體系，如表1所示。

1.2 工作負荷量化計算模型

飛行事故主要由飛行員腦力負荷和疲勞造成[8]，因此本文選擇腦力負荷和疲勞作為飛行員工作負荷的指示器。將表1中的評估指標與腦力負荷和疲勞建立映射關聯，即可對飛行員的工作負荷進行量化計算。

表1 飛行員工作負荷量化預測體系

飛行員工作負荷的指示器腦力負荷和疲勞分別用W和F表示，工作負荷評估指標分為兩類，其中，X={x1,x2,…，xn}表示飛行員的生理特征指標集，如眨眼率、瞳孔直徑、呼吸深度、心率、EEG、ERP等，Y={y1,y2，…，yn}表示飛行員的任務需求指標集，如環境復雜度、操作復雜度、人機界面支持、任務時間等。W和F采用兩層求解框架，W={w1,w2}，F={f1,f2}，如圖1所示。

圖1 飛行員工作負荷求解框架

為方便問題求解，作出以下假設。

假設1：工作負荷評估模塊中輸入的與W和F相關的評估指標都已經做了正向化、無量綱化預處理，取值范圍為[0,1]，指標值越大，W和F越高。

假設2：任務分析模塊中輸入的除時間之外的參數都經過了正向化、無量綱化預處理，取值范圍為[0,1]，指標值越大，任務需求產生的工作負荷越高。采用線性加權的方法計算求解W和F，計算公式如下：

(1)

(2)

式中：a11，a12，a21，a22分別為圖1中w1，w2，f1,f2相對于W和F的權重；c1i,c2i分別為生理參數指標值相對于w1，f1的權重；d1i，d2i分別為任務需求指標值相對于w2，f2的權重；f(·)為將時間和任務需求指標值關聯起來的飛行員疲勞函數關系。

2 動態功能分配模型

2.1 動態功能分配結構框架

駕駛艙動態功能分配需要解決3個維度的問題，動態功能分配的結構框架如圖2所示[5]。

圖2 動態功能分配結構框架

① 決策權限。即誰來觸發功能再分配。當功能再分配的決策權交給人的時候，人可能因為工作負荷過高或處于失能狀態無法及時觸發功能的再分配；交給自動化系統時，若自動化系統不透明，可能會造成人的不理解，嚴重時會誘發飛行事故。研究表明人和自動化系統共同擁有不同程度的決策權限時，可以達到比較好的效果[5]。

② 觸發時間。即何時觸發功能再分配。常見的觸發方式有3種，一種是按照一定時間間隔，不考慮外界環境和系統狀態，但是這種方式只適合巡航階段等任務不變的情況；另外兩種則是自動化系統根據人的狀態觸發，當檢測到人不想做當前任務時或人的工作負荷過高時，則觸發任務的再分配。

③ 分配方式。即按照什么原則以怎樣的方式進行功能再分配。Fitts[11]最早提出按照人機能力對比的原則進行功能分配，即讓人和自動化系統做各自擅長的任務，Billings[12]提出要按照以人為中心的指導原則，讓自動化系統作為飛行員的輔助工具，更好地發揮飛行員的工作效能。這些原則都表明自動化應該可以被預測、理解，只在必要的情形下被使用。在動態功能分配中分配采用自動化等級分類方式來表示人和自動化系統的不同程度的任務分工。

2.2 動態功能分配實施過程

飛機駕駛艙動態功能分配是在靜態功能分配的基礎上實施的，在靜態功能分配階段，根據外界環境、飛行階段和系統狀態設計各種飛行場景，制定各種飛行場景下的操作程序，進行任務分析，通過人機特性對比，細化人和自動化系統各自的功能和任務，確定自動化方案集，即各種飛行場景下從手動操作到全自動操作的自動化等級集，這是實現動態功能分配的前提；在動態功能分配階段，飛行員和自動化系統通過駕駛艙人機界面進行交互，外界環境和系統狀態等信息會通過駕駛艙人機界面呈現給飛行員，駕駛艙人機界面也會獲取飛行員生理特征信息，根據外界任務狀態和當前的自動化等級分析飛行員的任務負荷，通過對飛行員生理狀態和當前任務負荷的分析預測飛行員的工作負荷，調用知識庫中的規則自動調整當前自動化等級，調整飛行員工作負荷。飛機駕駛艙功能分配實施過程如圖3所示。

圖3 飛機駕駛艙功能分配實施過程

2.3 模糊推理過程

模糊推理將專家的經驗知識轉化為模糊規則[13]，使用模糊集來表示語言變量。

飛機駕駛艙動態功能分配實施過程中最關鍵的一步是通過模糊推理過程輸出最適合當前飛行員工作狀態的自動化等級。

模糊推理過程按以下3個步驟執行。

(1) 確定模糊集和模糊隸屬度函數。

將腦力負荷(W)、疲勞(F)、自動化等級(Level of Automation,LOA)這3個模糊量都劃分為4個等級，用模糊語言“低”、“中”、“高”、“非常高”表示，分別對應等級符號“L”、“M”、“H”、“VH”，假定模糊語言變量的隸屬度函數均為三角型，為了求解方便，模糊值進行了標準化處理，取值范圍為[0,1]。參考文獻[6]確定語言變量模糊集的范圍如表2所示。

(2) 確定模糊規則。

模糊規則用if-then的形式描述如下：

If (腦力負荷 is L) and (疲勞 is L) then (自動化等級 is L)；

If (腦力負荷 is L) and (疲勞 is M) then (自動化等級 is M)；

……

(3) 去模糊化。

常用的有最大隸屬度法、重心法和加權平均法，本文采用重心法去模糊化。

表2 語言變量及模糊集表

3 仿真分析驗證

3.1 仿真實驗設置

選取巡航階段進行仿真分析，仿真時間為6000 s。仿真模型包括6個模塊：外部輸入模塊、飛行員生理特征模塊、腦力負荷分析模塊、疲勞分析模塊、模糊推理模塊、任務分析和再分配模塊。仿真模型圖如圖4所示，圖中Y模塊是信號發生器，用來產生外部輸入，X模塊產生飛行員生理特征參數，在每個模塊的輸出端口設置示波器即可觀察測到各模塊的動態變化過程。

圖4 仿真模型圖

3.1.1 外部輸入模塊設置

外部輸入模塊用來產生客觀任務需求，選取環境復雜度y1和操作復雜度y2進行仿真分析，其定義及與腦力負荷和疲勞的關系如下。

① 環境復雜度(y1)：當飛行員面對不同的飛行環境，如雨雪天氣、風切變、紊流、近地等情況，由于環境復雜度不同，會給飛行員操縱飛機帶來的不同程度的工作負荷。環境復雜度越高，飛行員承受的腦力負荷越高；環境復雜度不會直接導致疲勞程度增加，但是對疲勞的增長速率有影響，環境復雜度越高，疲勞程度增長越快。

② 操作復雜度(y2)：飛行員在不同的飛行階段或者應對不同的飛行任務時，其操作動作的難度和操作的動作數不同；當自動化系統主動為飛行員分擔一些任務時，飛行員的工作量會減輕。操作復雜度越高，飛行員的工作負荷越高。

設置t=0 s時，y1和y2分別為0.4和0.3；t=2000 s時，y1和y2分別增加到0.9和0.7。由于2000 s之前飛行任務強度較低，2000 s時突然受到紊流影響，環境復雜度增加，導致操作復雜度也隨之增加，飛行員任務強度達到了很高的級別。

3.1.2 飛行員生理特征模塊設置

飛行員生理特征模塊模擬飛行員的生理特征指標隨當前任務負荷的變化情況，生理指標能夠反映腦力負荷和疲勞的程度，本文選取3個生理指標進行分析，其定義及工作負荷的關系如下。

① 呼吸率(x1)：每分鐘呼吸的次數，通常x1越高，腦力負荷越高，x1與疲勞的關系不明顯。

② 眨眼率(x2)：每分鐘眨眼的次數，通常x2越低，腦力負荷和疲勞程度越高。

③ 心率頻率比(x3)：心率變異性中的低頻信號與高頻信號的頻率比，通常x3越高，腦力負荷越高，x3與疲勞的關系不明顯。

3.1.3 自動化等級定義

采用自動化等級定義的方法定義飛機駕駛艙的人機功能分配，歸一化之后的自動化等級的描述如表3所示[6]。當飛行員的工作負荷較低時，自動化等級較低，決策權限交給飛行員，自動化為飛行員提供不同程度的輔助；當飛行員工作負荷過高，無法及時應對當前任務時，決策權限轉交給自動化，自動化為飛行員提供不同程度的通知和提醒，自動執行任務；只有當飛行員處于失能狀態時，自動化等級才會變為1級，此時任務全部由自動化承擔。

表3 自動化等級描述

仿真設置的初始LOA為0.2，表示飛行員采用自動駕駛模式，飛行員的主要任務是監控駕駛艙顯示界面上各種飛行參數，并觀察駕駛艙外的環境狀態。

3.2 結果分析

仿真結果如圖5所示。2000 s后由于飛行任務強度突然增加，x1,x2,x3出現了不同程度的增長，W增長明顯，F增長不明顯。這是由于飛行任務強度的增加對W的影響較大，而F受飛行時間影響較大，仿真結果與實際情況相符。

圖5 仿真結果圖

2000 s后駕駛艙系統通過對飛行員生理特征和飛行任務的分析，預測出W較高，將LOA提高到0.4，此時自動化系統通過顯控界面告訴飛行員當前最佳的應對措施，并且征求飛行員的意見，飛行員由于自動化系統的輔助，W很快下降到中等負荷水平0.6并保持穩定水平，x1,x2,x3也有了不同程度的下降并且處于一個穩定水平。

F隨著飛行時間的增加總體呈現增長的趨勢，這是由于飛行員的疲勞有累積效應，飛行時間越長F越大，在4000 s時，F達到了“高”等級0.8，觸發了LOA的增加，隨著LOA從0.4調整到0.5，自動化系統通過顯控界面告訴飛行員當前最佳決策，待飛行員確認后自動執行決策，這使得W進一步降低，F的增長得到抑制，并以更慢的速率增長。

綜上，仿真結果中對飛行員腦力負荷和疲勞的仿真預測與實際情況相符，自動化等級的調整綜合考慮外界任務需求和飛行員的生理狀態變化，對任務需求和生理狀態的變化反映靈敏，可以迅速調整到一個適當值，有效降低飛行員腦力負荷，抑制疲勞的增長速率；自動化等級的調整能夠在較長時間內保持飛行員腦力負荷處于穩定水平，但是不能完全降低飛行員的疲勞，只能抑制疲勞的增長速率。

4 結束語

從工作負荷構成和飛行員生理行為特征兩個方面建立了飛行員工作負荷預測體系，給出了基于腦力負荷和疲勞的兩層工作負荷量化求解框架，能夠更準確地預測飛行員負荷狀態；將任務需求分析、飛行員生理特征、工作負荷預測、基于模糊推理的自動化等級調整方法集成到Simlulink模型中，實現了動態功能分配的仿真分析，自動化等級的動態調整過程表明了該動態功能分配模型的有效性、靈敏性和穩定性。