面向装甲车辆乘员信息处理的作业时间预测模型研究

2017-03-09 11:36聂俊峰刘维平傅斌贺张征杨波
兵工学报 2017年2期
关键词:乘员信息处理预测

聂俊峰, 刘维平, 傅斌贺, 张征, 杨波

(装甲兵工程学院 机械工程系, 北京 100072)

面向装甲车辆乘员信息处理的作业时间预测模型研究

聂俊峰, 刘维平, 傅斌贺, 张征, 杨波

(装甲兵工程学院 机械工程系, 北京 100072)

作业时间的准确预测是装甲车辆乘员信息处理作业状态研究的关键,对提高人机系统的作战效能具有重要意义。针对乘员作业类型向信息处理作业转变的基本趋势,以信息录入典型信息处理作业为研究对象,对其信息处理作业操作元和认知过程进行了系统分析。基于乘员操纵特性和认知特性构建了信息录入作业时间预测模型,并面向任务对预测模型进行了实验验证,旨在为解决应急任务条件下乘员信息处理作业时间预测问题探索新的途径。结果表明,该模型能够清晰地描述乘员信息录入作业的认知过程,准确地预测作业时间,具有较好的预测精度和可重用性,是一种有效可行的信息处理作业时间预测模型。

兵器科学与技术; 装甲车辆; 信息处理; 信息录入; 时间预测模型

0 引言

随着装甲车辆舱室信息化水平的迅速提高,装甲车辆乘员工作类型逐渐向以监视、控制为主的信息处理作业转变,信息处理作业已成为乘员作业的主要形式。信息录入作为装甲车辆应急任务条件下最常用的信息处理作业之一,贯穿于作战任务的始终,其信息处理作业时间的长短直接决定着任务的完成情况,甚至会影响作战任务的成败[1]。因此,为了有效提高乘员信息处理作业操作效率,充分发挥人机系统作业效能,本文以信息录入典型信息处理过程为例对乘员信息处理作业时间进行预测研究。

目前,有关作业时间预测方面的研究主要集中于菜单点击作业时间预测[2-3]、信息系统操作时间预测[4]方面,运用较多的方法主要有GOMS模型[5-6]、KLM模型[7]、ACT-R模型[8-9]、Fitts定律[10-11]等。李炯等[4]基于GOMS模型对考试登分信息系统的用户界面操作绩效进行了定量分析,并且根据定量分析结果提出了改进信息系统的建议和方法。Byrne等[12]针对ACT-R模型在菜单操作绩效预测评估中的应用进行了相关研究,研究结果表明该模型主要用于菜单视觉搜索绩效方面的分析,且应用过程繁琐,适用性较差。黄志齐等[13]在大量实验数据分析的基础上,基于Fitts定律建立了3种不同的Twiddler点击绩效模型,对Twiddler的点击绩效进行了评估。徐荣龙等[14]基于Fitts定律和Hick-Hyman定律,提出了一个预测手持设备三维菜单操作绩效模型,并通过实验验证了模型的有效性。

综上所述,目前国内外研究人员对作业时间预测的研究较为广泛,但存在以下不足:第一,研究主要是针对操作人员信息处理某个阶段的认知过程,欠缺针对信息处理过程完整模型的研究,模型适应性较差;第二,研究主要是针对操作人员操纵特性的研究,没有全面考虑人的智能性、随机性和自适应等特性,模型缺乏有效性[15]。本文针对乘员信息录入作业时间预测问题,以多资源理论(MRT)为基础,系统梳理了信息录入作业基本操作元,基于任务- 网络建模技术分析了乘员信息录入作业的认知过程,提出了一种面向任务的作业时间量化预测模型,并通过实验对模型的有效性进行了验证。

1 信息处理作业认知过程分析

1.1 作业操作元分析

信息录入作业是指乘员通过感觉器官从外界搜集目标信息,对目标信息进行感知、理解,经大脑编码迅速形成指令,精确地执行车载信息终端来完成目标信息(敌我属性、类型、数量、方位和速度)录入的过程,具有应急明显、典型性强、战时常用的作业特性。典型车载信息终端布局如图1所示。

图1 装甲车辆典型信息终端布局示意图Fig.1 Layout of typical information terminal

通过对应急任务条件下舱室乘员信息录入作业操作动作的连续考察,参考乘员专业教范,结合乘员信息处理认知行为过程,提炼出了具有乘员操作特点的信息录入操作元素,并基于此建立了作业类型选择、敌我属性判断、目标信息录入和目标信息发送4个基本操作元,信息录入作业各操作元分析如图2所示。

图2 信息录入作业操作元分析Fig.2 Operate-units of crew’s information input task

1.2 作业认知过程建模

乘员信息处理过程是一个涉及感觉、注意、识别、记忆以及反应等多方面要素的复杂心理过程。从本质上说,乘员的反应操作是乘员认知行为的系统输出和外在表现。因此,作业各操作元认知过程分析是信息录入作业时间预测的基础。

1.2.1 多资源理论

Wickens认为作业人员具有一组性质类似、功能有限且容量一定的心理资源[16]。随着作业要求增大,完成作业所需要的资源量也相应增加。当任务难度增加或多个任务发生资源竞争而导致资源短缺时,系统绩效下降。

MRT是解释多任务之间注意资源分配的理论,其基本表述为:乘员的不同部位可以同时完成不同任务,乘员的信息通道一般由听觉、视觉、认知及运动反应4个部分组成,任何任务都可由这4个通道下的28种行为要素构成,且一般经历知觉- 认知- 反应的过程,如表1所示。

表1 MRT行为要素表

1.2.2 认知过程任务- 网络建模技术

认知过程任务- 网络建模技术是一种对乘员认知过程按操作流程进行时间序列建模,并在任务实施过程中加以控制的计划管理技术。其基本表达形式为任务- 网络图,是一种由箭线和节点组成的有向、有序的网状图形[1]。

为了对乘员信息处理作业认知过程进行分析,基于MRT对任务- 网络建模技术进行扩展,针对乘员信息录入作业操作流程,利用直接法构建信息执行通道下的各操作元认知过程任务- 网络模型,如图3所示。对照MRT行为要素表得到认知过程各项目明细及其关系,如表2所示。

图3 乘员信息录入认知过程模型Fig.3 Cognitive process model of crew’s information input task

执行通道内容及代号视觉通道A1发现A5发现A9发现A13发现A2空闲A6空闲A10空闲A14发现A3查找A7查找A11查找A15查找A4发现A8发现A12发现认知通道B1准备B6判断B11判断B16识别B2判断B7选择B12识别B17决定B3识别B8识别B13决定B4决定B9决定B14准备B5准备B10准备B15判断反应通道C1空闲C3空闲C5空闲C7空闲C2键入C4键入C6键入C8键入

2 作业时间预测模型建立

2.1 模型基本假设

对模型建立以下基本假设:

1)乘员与信息终端控制面板距离一定。

2)信息在乘员长时记忆中以最小特征单元存储。

3)乘员对目标信息的编码与搜索并行。

4)乘员对键盘按键的操纵为触点操作,运动规律服从Fitts定律。

5)乘员目标搜索规律服从Hick-Hyman定律。

2.2 信息录入作业时间预测模型

2.2.1 时间预测模型构建

乘员信息录入作业时间不仅与目标信息特性(目标大小、目标距离等)有关,还与信息录入方式(菜单类型、输入类型等)和乘员自身能力特性(操纵类型、目标搜索策略等)相关。综合考虑相关影响因素,基于信息处理认知过程建立了乘员信息录入作业时间预测模型为

T=T1+T2+T3+T4,

(1)

式中:T1、T2、T3和T4分别为作业类型选择操作时间、敌我属性判断操作时间、目标信息录入操作时间和目标信息发送操作时间。各操作时间表达式为

T1=TA1+TB2+TA3+TC2,

(2)

T2=TA5+TB6+TB7+TA7+TC4,

(3)

T3=cTA9+dTB11+eTA11+fTC6,

(4)

T4=gTA13+hTB15+TA14+TC8,

(5)

式中:c、d、e、f、g、h为待定系数。

2.2.2 时间预测模型参数辨识

按照类型的不同作业时间预测模型的参数需要通过不同方式进行辨识:

1)一般类辨识。参数的一般类辨识主要是通过参考标准性的通用数据和领域内的普遍数据获得。比如,(2)式~(5)式中:TA1、TA5、TA9、TA13为各操作中注意力转移到现有目标上的时间,分别采用装甲车辆领域内的普遍数据352 ms、85 ms、85 ms、85 ms;TB2、TB6、TB7、TB11、TB15为各操作中目标信息的知觉加工时间,分别采用标准性的通用数据106 ms、106 ms、92 ms、106 ms、106 ms.

2)实验类辨识。参数的实验类辨识主要针对模型中缺乏一般性标准的参数,通过实验进行参数辨识。比如,(2)式~(5)式中TA3、TA7、TA11、TA14为各操作中目标搜索定位时间,服从Hick-Hyman定律,即

T′=a1+b1·lb(n+1),

(6)

式中:a1、b1为常数,n为按键数目。

TC2、TC4、TC6、TC8为各操作中对目标的反应执行时间,服从Fitts定律,即可得

T″=a2+b2·lb(A/W+1),

(7)

式中:a2、b2为常数;A为按键到手部初始位置的距离;W为按键的有效宽度。(6)式、(7)式中的参数a1、b1、a2、b2即需要进行实验类辨识。

3)设置类辨识。参数的设置类辨识即根据乘员特殊作业条件和实际操作设置进行参数辨识。比如,(4)式中的参数c、d、e依据乘员实际操作设置,可得c=1,d=4,e=4;f根据目标信息特征的不同可取[5,13]的任意整数。同理,(5)式中参数g=4,h=4. (6)式、(7)式中的参数n、A、W依据乘员特殊作业条件,可得nA3=9,nA7=nA11=nA14=27;AC2=AC4=AC6=AC8=25 cm;WC2=WC4=WC6=WC8=15 mm.

3 实验设计

3.1 实验系统设计

实验系统基于图形化编程设计平台Labview2011设计开发,由实验测试和数据储存两个模块组成:实验测试模块具有基本反应测试和信息录入模拟两个部分[17];实验数据存储于数据管理系统中。实验设备采用的是装有Windows7系统的联想主机(Intel core i7,3.40 GHz处理器,8 G内存),三菱10.4 in“AA104XD02”触摸显示屏(分辨率设置为1 024×768),以及与实装尺寸和触感相同的硅胶键盘。

3.2 实验方案

选取10名具有相同专业等级的某型装甲车辆车长参与实验,年龄在20~25岁,男性,均为右利手,身体健康,矫正视力正常。要求被试尽可能快速、准确的完成实验。根据实际需求,实验过程分为两个阶段。

3.2.1 参数辨识实验

首先通过基本反应测试实验对模型中的a1、b1、a2、b2进行参数辨识。为此,设计两组实验:

1)第一组实验为简单反应实验,采用点击触摸按键对屏幕刺激简单反应的方式进行,目的是消除搜索时间对操作的影响,得到结果为移动时间,进而通过(7)式得到a2、b2的值,其变量水平:目标宽度W(15 mm)×实验难度系数ID(2.0 bit、3.0 bit、3.5 bit、4.0 bit、4.6 bit、5.0 bit)×每种水平5次,共进行6×5×10=300次简单反应按键实验。

2)第二组实验为选择反应实验,采用对触摸按键进行字母编号,点击对应触摸按键对屏幕刺激选择反应的方式进行,目的是用该组实验数据去除相应的移动时间,即可得到特定按键数目情况下目标搜索的时间,进而通过(6)式得到a1、b1的值,其变量水平:目标宽度W(15 mm)×实验难度系数H(2.81 bit、3.70 bit、4.00 bit、4.25 bit、4.46 bit、4.64 bit)×每种水平5次,共进行6×5×10=300次选择反应按键实验。

3.2.2 模型验证实验

通过作业模拟实验验证时间预测模型的有效性。实验系统中信息录入模拟模块按照实车信息系统功能设计,目标信息通过观察战场环境视景仿真系统获得,该系统与操作模块实时同步。其目标信息变量确定为5种组合:目标类型(输送车、导弹车、指挥车、步兵战车、主战坦克)、目标数量(2辆、4辆、6辆、7辆、9辆)、目标方位(东、南、西、南、北)、目标速度(26 km/h、28 km/h、46 km/h、36 km/h、32 km/h),即:f1=5,f2=7,f3=9,f4=11,f5=13. 其变量水平为:目标信息类型f(5、7、9、11、13)×目标宽度W(15 mm)×按键到手指初始位置的距离A(25 cm)×各种水平10次,共进行5×10×10=500次信息录入模拟实验。

4 实验结果分析

4.1 参数辨识实验数据分析

参数辨识两组实验各得到300个操作绩效数据,其中第一组有效数据264个,第二组有效数据271个,有效数据通过最小二乘法拟合,结果分别如图4和图5所示。

图4 参数辨识实验第一组数据分析结果Fig.4 Analyzed result of the first set of data

图5 参数辨识实验第二组数据分析结果Fig.5 Analyzed result of the second set of data

由图4可得到曲线的表达式为:T″=97.5+89.2ID,拟合度R2=0.960,拟合度较高,即得a2=97.5,b2=89.2.

由图5可得到曲线的表达式为:T′=-149.1+100.8H,拟合度R2=0.947,拟合度较高,即得a1=-149.1,b1=100.8.

综合两组实验数据分析结果,可求得:T1=1 121.88 ms,T2=1 088.31 ms,T3=2 404.2+370.2f(ms),T4=1 296.62 ms;T=5 911.01+370.2f(ms)。

4.2 模型验证实验数据分析

模型验证实验共得到500组操作绩效数据,其中有效数据452组,逐一提取每一操作元乘员信息处理绩效数据,用统计分析spss软件分别分析该数据与模型预测数据的均值一致性。被试各项操作元绩效数据统计情况见表3.

图6为模型验证实验T1、T2、T4数据对比分析结果。由表3和图6可以看出,作业类型选择操作元、敌我属性判断操作元和目标信息发送操作元实验绩效均值与模型预测值很接近,且标准差系数很小(0.049 8、0.048 4、0.043 8),即可验证模型(2)式、(3)式、(5)式的有效性。

表3 被试各操作元绩效数据统计表

图6 模型验证实验T1、T2、T4数据分析结果Fig.6 Analyzed results of T1, T2 and T4

图7、图8分别为模型验证实验T3数据概率分布情况和数据分析结果。由表3和图7可以看出,不同目标信息变量下各实验数据均值与预测值基本吻合,标准差系数很小(0.016 7、0.014 7、0.012 9、0.013 4、0.010 8)。由图8得到曲线的表达式为y=114.7+0.992x,其中y和x分别代表目标信息录入操作元实验绩效数据和模型预测数据,二者之间的关系接近于y=x,曲线具有很好的拟合度(R2=0.985)。综上所述,说明模型(4)式是有效的。

图7 模型验证实验T3数据分布情况Fig.7 Probability distribution of T3

图8 模型验证实验T3数据分析结果Fig.8 Analyzed result of T3

图9、图10分别为模型验证实验T数据概率分布情况和数据分析结果。由表3和图9可以看出,不同目标信息变量下各实验数据均值与预测值基本吻合,标准差系数很小(0.015 0、0.014 3、0.012 9、0.012 8、0.010 9)。由图10得到曲线的表达式为y=227.6+0.988x;其中y和x分别代表信息录入作业总的实验绩效数据和模型预测数据。二者之间的关系接近于y=x,曲线具有很好的拟合度(R2=0.981)。综上所述,说明模型(1)式是有效的。

图9 模型验证实验T数据分布情况Fig.9 Probability distribution of T

图10 模型验证实验T数据分析结果Fig.10 Analyzed result of T

5 结论

应急任务条件下乘员信息录入作业时间预测问题的研究具有重要现实意义。本文从信息处理的MRT出发,在对乘员信息录入作业操作元分解的基础上,通过任务- 网络建模技术对乘员信息处理作业的认知过程进行了建模分析,提出了装甲车辆乘员信息录入作业时间的预测方法,并依据“阶段实验,逐层验证”的基本思路组织装甲车辆实际操作人员进行了模型验证实验。实验结果确定了各操作元时间预测模型的参数值,验证了预测模型的有效性。研究表明,该方法针对乘员信息处理作业中操作和认知特性,为应急任务条件下信息处理作业时间的定量预测提供了有效的解决方法,主要表现在:

1)该方法对乘员信息处理作业进行了单元化处理,并基于任务- 网络建模技术模拟了乘员各操作元作业认知过程,是一个完整的作业时间预测模型,可以针对不同类型信息处理作业进行单元重组,提高了模型的适应性,拓展了模型的应用范围。

2)该方法在操纵特性研究的基础上,在信息处理作业时间预测模型中加入了知觉加工时间和目标搜索时间等作业认知过程,充分考虑了乘员的随机性和自适应性,提高了模型的有效性,较以往模型有较大改进。

3)实验结果表明,本文提出的预测模型可以很好地预测乘员信息录入作业各操作元的时间,乘员实验绩效数据与模型预测值误差很小,反映了模型的准确性。

References)

[1] 刘维平, 聂俊峰, 金毅, 等. 基于任务—网络模型的装甲车辆乘员脑力负荷评价方法研究[J]. 兵工学报, 2015, 36(9): 1805-1810. LIU Wei-ping, NIE Jun-feng, JIN Yi, et al. Study on the task division of double-crew armored vehicle based on task-network model[J]. Acta Armamentarii, 2015, 36(9): 1805-1810. (in Chinese)

[2] 辛义忠, 马燕飞, 李岩, 等. 目标点击操作中不同方向对笔压性能影响的研究[J]. 计算机科学, 2014, 41(10): 72-75. XIN Yi-zhong, MA Yan-fei, LI Yan, et al. Empirical study of direction effect on pen pressure performance in pointing tasks[J]. Computer Science, 2014, 41(10): 72-75. (in Chinese)

[3] 徐荣龙, 刘正捷. 菜单点击绩效模型的建立与验证[J]. 计算机工程, 2010, 36(19): 256-260. XU Rong-long, LIU Zheng-jie. Establishment and verification of menu selection performance model[J]. Computer Engineering, 2010, 36(19): 256-260. (in Chinese)

[4] 李炯, 汪文勇, 缪静. GOMS模型在考试登分系统中的应用研究[J]. 计算机科学, 2005, 32(4): 219-224. LI Jiong, WANG Wen-yong, MIU Jing. Research on the application of GOMS model in a score-entry system[J]. Computer Science, 2005, 32(4): 219-224. (in Chinese)

[5] Oyewole S A, Haight J M. Determination of optimal paths to task goals using expert system based on GOMS model[J]. Computers in Human Behavior, 2011, 36(19): 823-833.

[6] Schrepp M. GOMS analysis as a tool to investigate the usability of web units for disabled users[J]. Universal Access in the Information Society, 2010, 9(1): 77-86.

[7] 杨炳, 李宏汀. KLM在手机界面设计和评估中的应用[J]. 人类工效学, 2012, 18(2): 83-87. YANG Bing, LI Hong-ting. Study on applications of KLM in mobile phone interface design and evaluation[J]. Chinese Journal of Ergonomics, 2012, 18(2): 83-87. (in Chinese)

[8] Jo S, Myung R, Yoon D, et al. Quantitative prediction of mental workload with the ACT-R cognitive architecture[J]. International Journal of Industrial Ergonomics, 2012, 42(4): 359-370.

[9] 陈为, 李世其, 王春慧, 等. 手控交会对接任务认知行为建模[J]. 载人航天, 2016, 22(3): 386-392. CHEN Wei, LI Shi-qi, WANG Chun-hui, et al. Modeling of cognitive behavior in manual rendezvous and docking[J]. Manned Spaceflight, 2016, 22(3): 386-392. (in Chinese)

[10] Zhao J, Soukoreff R W, Ren X S, et al. A model of scrolling on touch-sensitive displays[J]. International Journal of Human-Computer Studies, 2014, 72(12): 805-821.

[11] Lin C J, Chen H J. Modeling movements of a long hand-held tool with effects of moments of inertia[J]. Human Movement Science, 2014, 34(12): 233-245.

[12] Byrne M. ACT-R/PM and menu selection: applying a cognitive architecture to HCI[J]. International Journal of Human-Computer Studies, 2001, 55(1): 41-84.

[13] 黄志奇, 陈东义, 王厚军. 基于Fitts’law的Twiddler点击绩效模型实验[J]. 电子测量与仪器学报, 2008, 22(5): 33-37. HUANG Zhi-qi, CHEN Dong-yi, WANG Hou-jun. Experiment of the Twiddler tapping performance model based on Fitts’law[J]. Journal of Electronic in Measurement and Instrument, 2008, 22(5): 33-37. (in Chinese)

[14] 徐荣龙, 刘正捷, 张宁. 手持设备三维菜单绩效评估[J]. 计算机工程与应用, 2010, 46(22): 20-22. XU Rong-long, LIU Zheng-jie, ZHANG Ning. Evaluation of 3D menu performance on mobile phone[J]. Computer Engineering and Applications, 2010, 46(22): 20-22. (in Chinese)

[15] 张晓燕, 薛红军. 驾驶舱中飞行员信息处理时间预测模型[J]. 系统仿真学报, 2014, 26(7): 1607-1610. ZHANG Xiao-yan, XUE Hong-jun. Predictivetime modeling for pilot information processing in flight deck[J]. Journal of System Simulation, 2014, 26(7): 1607-1610. (in Chinese)

[16] Wickens C D. Multiple resources and mental workload[J]. The Journal of the Human Factors and Ergonomics Society, 2008, 50(3): 449-455.

[17] 刘维平, 傅斌贺, 刘西侠, 等. 车载显控终端输入方式对乘员信息处理能力影响试验研究[J]. 兵工学报, 2015, 36(11): 2180-2184. LIU Wei-ping, FU Bin-he, LIU Xi-xia, et al. Experimental study of influences of input models of vehicle-mounted display and control terminal on crew's information processing capability[J]. Acta Armamentarii, 2015, 36(11): 2180-2184. (in Chinese)

Predictive Operation Time Model for Information Processing Task of Crew in Armored Vehicle

NIE Jun-feng, LIU Wei-ping, FU Bin-he, ZHANG Zheng, YANG Bo

(Department of Mechanical Engineering,Academy of Armored Forces Engineering,Beijing 100072,China)

The accurate prediction of operation time is essential to study the operating state of crew in armored vehicle, and is important to improve the operational effectiveness of the man-machine system. In view of a basic trend that the operation type gradually changes into information processing,the information input task is studied,and the operate-units and cognitive process are systematically analyzed. A predictive operation time model is built based on crew’s control and cognitive characteristics. The predictive operation time model is verified through experiment, with an aim to solve the prediction problem of crew’s information processing time under the condition of emergency. The test results show that the proposed model could describe the whole cognitive process of crew’s information input task and predict the reaction times of operate-units accurately. The model has high prediction accuracy and reusability.

ordnance science and technology; armored vehicle; information processing; information input; predictive time model

2016-06-15

聂俊峰(1989—), 男, 博士研究生。 E-mail: njf0706@126.com

刘维平(1961—), 男, 教授, 博士生导师。 E-mail: lwpyxlzh@sohu.com

TJ810.1

A

1000-1093(2017)02-0233-07

10.3969/j.issn.1000-1093.2017.02.004

猜你喜欢
乘员信息处理预测
无可预测
“毫米波雷达系统设计与信息处理技术”专题征文通知
选修2-2期中考试预测卷(A卷)
选修2-2期中考试预测卷(B卷)
选修2—2期中考试预测卷(A卷)
东营市智能信息处理实验室
基于Revit和Dynamo的施工BIM信息处理
基于MADYMO的轻型客车前排乘员约束系统优化
面向地震应急响应的互联网信息处理
基于乘员、碰撞与车型特点的后排座椅安全性研究