本发明涉及人因工程领域,尤其是一种飞行员的工作负荷评估方法。
背景技术:
面对未来日益复杂飞行的环境,飞行员在执行飞行任务时面临着态势复杂多变、数据实时更新和任务繁重紧迫等困难,为防止飞行员由于工作负荷过高而产生的态势觉察能力下降的现象,需要对飞行员的工作负荷进行评估和计算。目前,评估和计算工作负荷的方法主要是基于问卷和量表的主观评测法,该方法只适用于实验环境,不具备实时评估与计算的功能。
技术实现要素:
为了克服现有技术的不足,本发明提供一种基于眼动和多参生理数据信息的飞行员工作负荷评估方法。本发明基于眼动和多参生理数据信息进行飞行员工作负荷的评估和计算,使工作负荷的评估和计算具备实时性,使飞行员及地勤人员可实时了解当前飞行员的工作负荷状态,提高飞行的安全性和可靠性。本发明基于收集到的眼动和多参生理数据信息,基于支持向量机对该指标进行分类,得到工作负荷评估模型(工作负荷高/工作负荷低)。
本发明解决其技术问题所采用的技术方案包括如下步骤:
step1:数据预处理;
用于计算工作负荷的眼动及生理数据总共有5个指标,分别是:瞳孔面积、眨眼率、肌电、腹部呼吸率和胸部呼吸率,眼动及生理数据的具体定义如表1所示:
表1各眼动及生理数据解释
随后对以上眼动及生理数据的5个数据进行归一化处理,将数值统一到0~1之间,归一化公式如下:
其中,i的取值范围为{1,2,3,4,5},分别代表以上5个眼动及生理数据;xi表示各数据的原始值大小;xmin和xmax分别表示各眼动及生理数据原始值的最小值和最大值;
step2:基于支持向量机计算工作负荷;
基于数据对模型进行训练,训练完成后会得到支持向量机决策方程的两个参数w和b,分别为决策方程的权重和决策方程的附加量;
得到两个参数w和b后,根据决策方程与0的关系即可判断认知负荷的高低,决策方程如下:
f(x)=w·x+b(2)
其中,x为归一化后的5个眼动及生理数据所构成的向量;通过公式(2),计算出最终结果,将最终结果与0进行比较,若小于0则为高工作负荷,大于0则为低工作负荷,从而完成工作负荷评估与计算。
所述step1中,各眼动及生理数据原始值的取值范围为:
表2眼动、生理指标的最值
其中,各眼动及生理数据最小值为xmin,最大值为xmax。
所述步骤中,w和b的取值分别为:
w=[2.435,-1.271,-2.423,-1.161,-0.625]t
b=[1.9838]。
本发明的有益效果在于基于眼动和生理数据进行工作负荷评估与计算,克服了原有方法(主观评测法)实时性差的缺点,使工作负荷这一结果可以实时计算并反馈,增强了对飞行员飞行状态的实时监督。
具体实施方式
下面结合实施例对本发明进一步说明。
step1:数据预处理
用于计算工作负荷的眼动及生理数据总共有5个,分别是:瞳孔面积、眨眼率、肌电、呼吸率(腹部)和呼吸率(胸部),各眼动及生理数据的具体解释如表1所示:
接下来将五个眼动及生理数据进行归一化处理,将其数值统一到0~1之间,归一化公式如下:
其中,i的取值范围为{1,2,3,4,5},分别代表以上5个眼动及生理数据;xi表示各数据原始值大小;xmin、xmax分别表示各眼动及生理数据原始值最小值和最大值,具体如表2所示。
step2:基于支持向量机计算工作负荷
支持向量机是一种数据分类算法,常用于处理具有多维特征的二分类问题;在使用之前需要基于数据对模型进行训练,训练完成后会得到支持向量机决策方程的两个参数w和b,分别为决策方程的权重和决策方程的附加量;
得到两个参数w和b后,根据决策方程与0的关系即可判断认知负荷的高低,决策方程如下:
f(x)=w·x+b(2)
其中,x为归一化后的5个眼动及生理数据所构成的向量;w为决策方程的权重,权重值大小为:w=[2.435,-1.271,-2.423,-1.161,-0.625]t,b为决策方程的附加量,具体大小为b=[1.9838]。通过公式(2),计算出最终结果,将最终结果与0进行比较,若小于0则为高工作负荷,大于0则为低工作负荷,从而完成工作负荷评估与计算。
通过上述方程,计算出最终结果,将最终结果与0进行比较,若小于0则为高工作负荷,大于0则为低工作负荷。
实施例1:被试人员1在模拟飞行驾驶时计算其工作负荷
被试人员1在模拟飞行驾驶的过程中共测得了5组有效数据,现根据测得的眼动、数据计算其工作负荷。
step1:数据预处理
首先从眼动及生理设备中导出5组眼动及生理数据,具体数据指标如下表所示:
表3眼动及生理数据原始数值
将5组眼动及生理数据归一化处理,归一化结果如下表所示:
表4眼动及生理数据归一化结果
step2:基于支持向量机计算工作负荷
归一化数据计算完后,根据公式(2)计算出决策函数的结果值,结果为f(x)=[1.48,0.11,-0.46,1.25,0.29]t,判断其于0的大小关系即可得出各样本的工作负荷最终结果为:{低,低,高,低,低}
实施例2:被试人员2在模拟飞行驾驶时计算其工作负荷
被试人员2在模拟飞行驾驶的过程中共测得了5组有效数据,现根据测得的眼动、数据计算其工作负荷。
step1:数据预处理
首先从眼动及生理设备中导出5组眼动及生理数据,具体数据指标如下表所示:
表5眼动及生理数据原始数值
将5组眼动及生理数据归一化处理,归一化结果如下表所示:
表6眼动及生理数据归一化结果
step2:基于支持向量机计算工作负荷
归一化数据计算完后,根据公式(2),计算出决策函数的结果值,结果为f(x)=[2.03,-0.15,1.15,3.44,0.65]t,判断其于0的大小关系即可得出各样本的工作负荷最终结果为:{低,高,低,低,低}。