基于任務分層的地鐵駕駛員應急處置作業工作負荷評價

于錚，楊聚芬，劉志鋼，宋皓晨

(上海工程技術大學 城市軌道交通學院，上海 201620)

1 引言

隨著城市軌道交通列車系統自動化程度越來越高，列車駕駛員的日常作業職責由操縱任務向監控任務轉變。而當緊急情況突然發生，需要駕駛員短時間內執行多項任務，在此情況下的駕駛員處于高度緊張狀態，工作負荷激增。駕駛員極容易由于時間壓力或是對應急處置作業的不熟悉不規范導致遺漏或誤操作作業項。對作業工作負荷的量化研究有助于從結構角度優化應急處置作業，減少駕駛員人因安全風險。

已往學者主要從定性或定量兩個角度研究工作負荷。定性方面主要圍繞工作負荷和績效之間的關系[1-2]；定量方面主要基于多資源理論分為行為單元和時間-多資源占用兩個角度[3-6]，Wang Peng[7]從行為單元出發，應用時間Petri網研究了駕駛員應急處置多任務的工作負荷和系統狀態，田書婕、王波等[8]建立了基于動態時間窗口的時間-多資源占用的工作負荷評估模型。研究方法上，主觀評價法、績效測量法和生理指標測量法被廣泛應用于軌道交通領域的工作負荷評價。

本文結合行為單元和時間-多資源理論兩種方法，先將應急處置作業分為行為單元層和多任務層，并采用主觀評價法標定行為單元工作負荷量化表，同時應用時間多資源理論構建基于時間占用率的多任務層工作負荷評價模型，最后進行實證分析。

2 方法

應急處置作業詳細規定了地鐵駕駛員的作業細則，包括作業目的、作業人員、作業要求、作業流程，且有嚴格的時間限制。這些作業項需要駕駛員短時間內同時執行兩個或兩個以上的任務，而較多的環節也使得駕駛員需要較長時間熟悉任務。一旦駕駛員錯誤執行作業，將直接影響到地鐵安全運營甚至造成運營事故。綜上所述，應急處置任務具有安全重要性、復雜性、異步并發性的特征，為了分析應急處置作業的工作負荷，從該作業的結構構成出發，將其分解為行為單元層和多任務層。

Wickens多資源理論認為視覺、聽覺、認知與動作是人的四項基本資源。人的認知決策過程由刺激-決策-反應構成。將兩者結合考慮，應急處置任務的執行即為視覺/聽覺-認知-執行的過程(V/A-C-P)。應急處置作業分階段執行，作業的每一項多任務由多個行為單元組成[9]。這些行為單元作為多任務的基本構成單元，對應于四項基本資源中的一種或一種以上。地鐵駕駛員完成一項完整的應急處置任務的過程，其實質是反復分配和調用不同的行為單元組合。

本文以某城市地鐵列車司機的12項應急處置作業為研究對象，將所有作業依據應急處置作業項中的分步操作步驟分解。最終分解得到的45個行為單元如圖1所示。

圖1 行為單元分解結果

3 基于時間-多資源理論的應急處置作業工作負荷評價

經上文分解得到了45個行為單元，由于行為單元是多任務的重要組成部分，因此探究多任務層的工作負荷必須首先對于行為單元層進行工作負荷量化，然后應用時間-多資源理論量化多任務層的工作負荷。如圖2所示為應急處置作業不同層次的工作負荷評估流程。

圖2 應急處置作業分層工作負荷評估流程

3.1 行為單元層的VACP量表標定

VACP量表被廣泛應用于飛行員領域，本文重新標定該量表以適用地鐵駕駛員行為單元工作負荷的評價。VACP量表由行為單元和各個行為單元的工作負荷評分值兩部分構成，通過第二章作業分析得到了行為單元，為了量化行為單元層各個單元的工作負荷，將分解得到的行為單元作為主觀評價問卷的評價對象，設計0-10評價刻度軸以應用于工作負荷評價，如圖3所示。

圖3 工作負荷評價刻度軸

實驗人員分為受試者和記錄人員，受試者在實驗前均接受了應急處置作業培訓，能熟練進行軌道交通列車模擬駕駛操作。

實驗時，受試者在模擬駕駛平臺上模擬12項應急處置作業，駕駛完成后填寫NASA問卷并對所涉及的行為單元進行工作負荷評估。記錄人員負責記錄受試者執行各個行為單元的時間，整理對應的行為單元工作負荷評估數據與NASA問卷數據。

3.2 多任務層工作負荷評價

在量化行為單元工作負荷基礎之上，應用時間-多資源理論，綜合考慮駕駛員執行應急處置作業的時間消耗、行為單元工作負荷及時間壓力等因素，提出了基于時間占用率的工作負荷評價模型，如式(1)所示。

(2)

4 結果

首先采用主觀問卷法確定各個行為單元的工作負荷值，標定VACP量表。然后選取12項應急處置作業項進行實證分析，計算行為單元與多任務兩層負荷值。

4.1 基于主觀評價法的VACP量表標定

為了確定行為單元的負荷量化值，得到適用于評價地鐵駕駛員行為單元層工作負荷的VACP量表。

將實驗問卷各個行為單元的工作負荷評分值整合，求得每個行為單元對應的工作負荷評分量表如表1所示。表1行為單元層級VACP量表

表1 行為單元層級VACP量表

為驗證評估VACP量表在實驗中的有效性、可靠性，本文收集人因實驗數據進行信度檢驗與效度檢驗[10-11]。首先分析VACP量表的信度指標，得到量表總的Cronbach's α系數為0.71，說明信度較好。接著采用KMO和Bartlett球形檢驗進行結構效度分析，計算得到KMO值為0.75，數據適合作因子分析，該問卷的效度較好。利用因子分析法得到的累積方差解釋率為73.76%，各因子對問卷的解釋率較高。

4.2 多任務工作負荷計算及驗證

根據上文提出的多任務層工作負荷模型分別計算12項應急處置作業(多任務編號A-L)的工作負荷，將模型的數據與NASA主觀測量的數據對比，驗證模型的有效性。由于兩種方法的量綱和單位不統一，故標準化處理后再進行比較，結果如圖 4所示。

圖4 多任務層工作負荷與NASA問卷負荷相關性圖

由上圖可見模型計算與NASA問卷得到的工作負荷趨勢基本相同。一般來說，皮爾遜相關系數>0.7即可說明兩者強相關。本文計算得到的皮爾遜相關系數r=0.7938，說明兩個工作負荷之間正相關。顯著性水平P<0.05，說明兩者相關性顯著。這一結果驗證了本文提出的基于時間占用率的工作負荷評價模型的準確性。

5 討論

本文分別從行為單元層、多任務層綜合考慮駕駛員的工作負荷，得到了行為單元層級的VACP量表如表1所示，多任務層工作負荷與NASA問卷負荷相關性圖如圖4所示，討論分析得到：

(1)表1中VACP量表與原始VACP量表相比，每個視覺/聽覺/認知/動作通道的行為單元負荷值都隨著行為單元的執行難度增加而增加。而由于本文的實驗研究對象是駕駛員群體，原始VACP量表的實驗研究對象是飛行員群體，因此每個行為單元的工作負荷評分值與原始量表有所差異。

(2)從結果上看，運用本文方法計算得到的工作負荷與NASA問卷得到的工作負荷相關程度較高(r=0.7938，P<0.05)。圖4中計算得到的工作負荷曲線與主觀評價得出的工作負荷曲線吻合性較好，整體趨勢一致。

橫向比較，A-L任務的工作負荷存在差異性，這是由于不同任務的復雜程度與執行時間不同，駕駛員執行時產生了不同程度的工作負荷。任務D(運營列車站臺錯開門處置)與任務J(手搖道岔接發列車)相對于其他任務工作負荷較高，這可能是由于這兩項任務的執行復雜程度較高、時間壓力較大，在駕駛員執行時更易產生工作負荷。而任務B(觸網異物清除)與任務H(非預期清客)相較于其他任務，駕駛員在執行這些任務時工作負荷較低。根據本文對于工作負荷的具體量化方法，管理者可有針對性地對駕駛員進行培訓，進行高工作負荷的關鍵任務考核。從地鐵駕駛員個體角度，有利于指導駕駛員了解個體執行任務的工作負荷情況，保證運營安全穩定。

縱向比較，本文方法計算得到的工作負荷與NASA問卷值存在細微差異，原因是本文模型基于駕駛員任務分層分析計算而得，在行為單元層對VACP量表重新標定，排除了操作者的主觀情緒等干擾因素。這種根據實驗確定的行為單元并計算任務工作負荷的方法結合了工效學法和建模法的優勢，工效學法能夠基于人因實驗標定行為單元負荷，建模法能夠在不干擾被試操作的情況下反映工作負荷變化。而NASA問卷并不能將這些干擾因素排除在外，故文章得出的模型不能完全與NASA問卷值的結果完全一致。

6 結論

本研究以地鐵駕駛員為研究對象，通過應用時間多資源理論構建基于時間占用率的多任務層工作負荷評價模型，相較于現有的工作負荷評價模型，本文分別從行為單元層、多任務層綜合考慮駕駛員的工作負荷。本文標定的VACP量表能夠量化行為單元層工作負荷，為以后應急處置作業的優化設計奠定理論基礎；提出的基于時間占用率的工作負荷評價模型為工作負荷量化提供理論依據。本文暫未考慮不同駕駛員個體的執行情況差異及資源需求程度，在以后的研究中還需對模型進行進一步修正改進。