基于人为因素的管制员情景意识研究

刘继新，兰思洁，江灏，徐晨

(南京航空航天大学 民航学院，南京 211106)

1 引言

空管系统自动化技术的广泛应用有效提高了可靠性水平，但在空中交通流量急剧增长的背景下，管制员根据空中交通态势做出准确判断的能力受到严峻挑战。人机交互界面及管制员的人因可靠性是当前空管安全中面临的主要挑战，为了保证空中交通管制安全高效运转，对管制员情景意识的要求越来越高。Endsley等人[1]在分析航空事故报告后发现，在与人为因素有关的航空事故中，88%的事故都与人员的工作情景意识(Situational Awareness，SA)相关。管制员个体的变化如疲劳程度、大脑应激水平、注意力水平等人为影响因素会直接作用于管制员当前的情景意识，威胁航空安全。因此，探究影响管制员情景意识的人为因素，分析影响因素之间的相互关系，提取关键人为因素，并根据各因素影响程度大小排序，对保障民航安全具有重要意义。

国外关于情景意识的研究相对国内处于领先阶段。1995年，Endsley[1]最先建立的“三层次”模型，将情景意识定义为对空间和时间范围内环境中的元素感知，对它们意义的理解，以及它们在将来状况的预测。从此，学术界关于情景意识的研究主要基于“三层次”的基础，从定性和定量两个方面进行分析。Maarten等人[2]研究了精神疲劳与人行为活动的关系，并讨论了任务负荷对个体生理指标的影响。Wickens等人[3]通过分析与情景意识(Situational Awareness，SA)有关的事故发现，大多数失误都与注意和感知有关，建立了注意力-情景意识模型。Matthews等人[4]将战略、战术等整合到SA模型中，建立了驾驶员的情景意识信息加工模型。Walker等人[5]提出了驾驶员的分布式情景意识概念，综合考虑了系统的各个要素以及它们之间的相互关系。这些模型或概念仅在理论层面上做出了情景意识的描述，或仅进行了情景意识的定性分析，实际应用的范围也相对较小。部分学者对情景意识进行了定量分析。马伶等人[6]首次论述了驾驶员情景意识测量方法，包括全面评估技术(Situation Awareness Global Assessment Technique，SAGAT)、眼动测量方法、命题网络方法。冯传宴等人[7]结合多资源负荷理论，建立了新的SA量化模型，该模型有利于优化驾驶舱人机界面设计和飞行任务的分配。王永刚等人[8]第一次从管制员内部心理和外部环境两个方面，运用结构方程模型探究了影响管制员情景意识的内外部因素。

由于缺乏专门从人为因素角度分析管制员情景意识形成与保持的研究，本文从人为因素角度系统解析情景意识的形成，构建人为因素—情景意识结构分析模型，并利用问卷调查回收的数据，采用结构方程模型(Structural Equation Modeling,SEM)进行实证研究，获取定量分析结果，为管制员人为因素的研究提供理论支持。

2 管制员人为因素研究与假设的提出

情景意识是作业者在具体的空间和特定的时间内对所处环境的构成要素的感知，对其状态的理解，以及对其未来发展的预测[9]。人为因素是影响情景意识的重要因素。 Borghini等人[2]通过相关文献研究发现疲劳会通过对心理和生理的影响对管制员的情景意识造成影响。应激反应是指当应激源对机体有威胁或挑战的时候，个体做出应对的过程[10]。在空中交通管制这样的复杂系统中不可避免的会发生突发事件，这些事件会导致人产生应激反应，可能妨碍工作人员生理、心理、认知、注意等功能[11]。这些反应不仅在特殊情况下会发生，日常工作中也会发生，成为一个重要的安全问题。管制工作有复杂且不断变化的特点，因此应激调节能力在管制员情景意识的保持过程中是至关重要的。刘继新等人[12]运用变权层次分析法，对应激源进行风险评估排序，为规避应激引发的不安全事件提供了科学的依据。随着空中交通流量不断增加，管制员需要指挥的航班架次增多，管制员精神需要高度集中。研究表明，睡眠质量低会导致人的注意力、记忆力等机能下降，情景意识的保持也随之变难[13]。Wallace等人[14]也发现，睡眠破坏和疲劳的程度越高，工作人员的WSA水平越低。当管制员在工作时注意力不集中或者警觉性差，可能会干扰其对当前情况的主要感知，导致对可用信息的忽视，从而造成不安全事件的发生。冯传宴等人[15]通过实验发现注意力分配策略在不同脑力符合条件下对作业人员的WSA影响不同。所以注意力也是影响管制员情景意识的重要因素。为此，提出影响管制员情景意识的人为因素假设：(1)H1为疲劳对WSA有显著影响；(2)H2为应激调节能力对WSA有显著影响；(3)H3为睡眠情况对WSA有显著影响；(4)H4为注意力对WSA有显著影响。

疲劳、应激调节能力、睡眠和注意力水平不仅直接影响WSA，且这些因素之间存在相关关系。当睡眠时间不足或睡眠质量不高，就会引起疲劳。在现实生活中由睡眠剥夺造成的司机疲劳驾驶是交通事故发生的重要原因[16]。管制员由于工作性质原因需要以轮班制工作，而轮班形式常常会造成睡眠和恢复时间不足，所以管制员普遍都有疲劳的症状。疲劳对管制员的注意力、感知、预测、决断以及反应能力等具有较大影响。郭梦竹[17]在试验中获取了驾驶员的反应时自我评价量表，并构建了驾驶员反应时概率密度函数，对反应时的驾驶疲劳进行量化，结果表明反应时与疲劳程度密切相关。应激水平的增加也会导致工作记忆力的下降和注意力的下降[18]。可见疲劳和应激调节能力都会对管制员注意力和反应等能力造成影响。因此本文提出以下假设：(5)H5为睡眠对疲劳有显著影响；(6)H6为疲劳对注意力有显著影响；(7)H7为应激调节能力对注意力有显著影响。

由此，构建人为因素-情景意识结构分析模型如图1所示。

图1 人为因素-情景意识结构分析模型

3 方法

3.1 问卷设计

很多学者提出了测量情景意识的方法，目前最常用的还是Endsley开发的情景意识全面评估技术(SAGAT)。本文测量情景意识的问卷借鉴了SAGAT以及明尼苏达多项人格测验(MMPI)中相关指标，包括感知、理解和预测三个维度[10]。疲劳量表的设计主要参考了 FS-14量表，该量表主要测试主观性疲劳，包括精神疲劳、生理疲劳和动机缺乏三个维度。对应激调节能力的测量问卷包括处理应对能力，专业能力，以及应激反应后的自我恢复能力三个维度。睡眠情况的问卷设计参考了匹兹堡睡眠质量指数(Pittsburgh Sleep Quality Index，PSQI)[19]量表中的睡眠质量、睡眠持续时间和入睡难易度三个维度。对注意力的测量则分为注意的持续、集中和分配三个维度。在对初始问卷进行预实验并进行修正后，正式问卷包含33个问题，测量方法采用里克特5级量表，将问卷题项答案设置为5个等级。调查问卷的测量变量如表1所示。

表1 问卷测量变量

3.2 数据回收

本次问卷以一线空中交通管制员为调查对象，共发放200份问卷，经剔除不合格问卷，最终回收有效问卷180份，有效回收率为90%。利用SPSS 25.0对收集的数据进行信度和效度检验。

信度又叫可靠性或可靠度，是指测验或者量表工具所测得结果的稳定性和一致性，目前，使用最广泛的信度分析方法是L.J Cronbach创建的α系数，其评价的是量表中各个题项之间的一致性，属于内在的一致性检验。当Cronbach’s α系数的值>0.6时，说明调查问卷信度较高。效度检验测的是问卷有效性，即测量工具能否正确测量到变量涵盖的内容。学者界广泛使用KMO(Kaiser-Meyer-Olkin)值来判断效度检验的效果。KMO值在0-1之间，越靠近1，说明变量之间的相关性越强，适合因子分析；越靠近0，说明变量之间的相关性越弱，不适合因子分析。对问卷数据的数值分析结果如表2所示。

表2 问卷变量信效度检验

从表2可以看出，潜在变量疲劳、应激调节能力、注意力和WSA的Cronbach’s α系数均>0.6，均在较高水平，睡眠情况的Cronbach’s α系数为0.479，未达到理想值，但问卷总体的Cronbach’s α系数达到0.828，检验结果理想，说明问卷总体的一致性较好，因此对睡眠情况这一潜在变量不予删除。

对问卷数据进行效度检验的结果显示，问卷总体的KMO值为0.863，疲劳、睡眠情况、应激调节能力、注意力、WSA的KMO值分别为：0.798、0.594、0.669、0.778及0.876，均超过了0.5的最低标准；同时Bartlett’s球形检验的P值均为0.000，说明问卷适合做因子分析。

4 结果

4.1 结构方程模型选择

结构方程模型(SEM)，属于统计学方法，能够通过协方差矩阵同时处理多个因变量之间的关系，已经广泛应用于分析各种变量之间的关系和大小。SEM通过假设一组潜在变量之间存在一定的因果关系，潜在变量由一组观察变量反映，通过分析协方差矩阵关系，分析潜在变量与观察变量之间的关系。SEM与传统的统计方法相比，优势在于可以同时检验潜在变量之间以及观察变量与潜在变量的关系，从而有助于验证假设模型与研究结果的一致性[20]。仅采用问卷调查获得数据，主观性过强，采用SEM验证假设模型并获得定量分析结果，可以使研究结果更具客观性和准确性。在结构方程模型分析的路径图中包括结构模型与测量模型两部分。测量模型描述的是潜在变量与观察变量之间的关系，结构模型是指潜在变量之间的关系。结构模型与测量模型的方程式如式(1)—式(3)所示。

结构方程式：η=γξ+βη+ζ

(1)

外衍变量X的测量方程：X=Λxξ+δ

(2)

内衍变量Y的测量方程：Y=Λyη+ε

(3)

其中，η为潜在内衍变量；ξ为潜在外衍变量；β为潜在内衍变量之间的相关系数矩阵；γ为潜在外衍变量对潜在内衍的相关系数矩阵；ζ为残差项，反映了η在结构方程中干扰因素或未被分解的部分。X为外衍变量构成的向量，Y为内衍变量构成的向量，Λx与Λy为指标变量(X，Y)的因素负荷矩阵，δ为外衍变量X的测量误差，ε为内衍变量Y的测量误差。

通常，结构方程模型的验证步骤共包含分为五个部分，模型设定、模型识别、模型估计、模型评价和模型修正。模型设定是指根据前期的理论分析，将构建好的理论模型与回收的问卷数据导入到AMOS 21.0中；模型识别是指导入的模型能够求出参数估计的唯一解。识别的参数值一般是自由度(df)，当自由度>0时，模型识别成功；当自由度<0时，模型识别失败；模型估计就是检查每一个参数的误差是否超出了可接受的范围；模型评价则是对模型的拟合度进行检验，以及检验模型的结构信度。一般来说模型拟合度的检验指标包括CMIN、GFI、AGFI、BI、NFI、RFI、IFI、CFI、PNFI等拟合度指标；模型修正是指对模型进行修正，通过修改、增加或删除模型的参数或变量，得到新的模型，并验证拟合度标准化估计模型如图2所示。

图2 标准化估计模型

4.2 模型构建与修正

选取CMIN/DF、GFI、AGFI、NFI、CFI、IFI、RMSEA等作为模型拟合评价的指标，结果如表所示。每一项适配度指数均在参考范围内，可以认为假设模型与数据基本吻合，模型可以被接受。结构模型拟合度指数如表3所示。

表3 结构模型拟合度指数

潜在变量的构建信度(Construct Reliability，CR)是模型内在质量的判断标准之一。修正后的模型中各潜在变量的构建信度及因子载荷值如表所示。从表可以看出睡眠情况的构建信度为0.51，略<0.6，而除睡眠情况，其余均超过构建信度的标准值(CR>0.6)，说明此模型的内在质量较好。结构模型变量信度检验及因子载荷如表4所示。

表4 信度检验及因子载荷

结构方程模型输出的各潜在变量间的标准化路径系数如表5所示。

表5 标准化路径系数

疲劳、注意力、应激调节能力和睡眠情况对管制员情景意识(WSA)有直接影响，影响程度分别为：0.200、0.355、0.578和0.082，说明H1-H4均成立。其中影响程度最大的因素是应激调节能力(0.578)。在应激状态下，工作人员的生理指标会发生显著变化，从而影响其判断和反应等行为能力，进而影响一个人的工作情景意识[21]。注意力对管制员情景意识(WSA)的路径系数为0.355。管制员工作环境复杂，需要其在工作中高度集中注意力，以处理指挥过程中的各种信息和情况。疲劳对管制员情景意识也有直接影响。疲劳症状会降低管制员工作时的警惕性，引起感知和理解能力降低，从而导致不安全事件的发生。对情景意识作用路径系数最小的变量是睡眠情况(0.082)。

影响管制员情景意识的各个因素之间也互相影响。从表5可以看出，应激调节能力对注意力影响程度最大，为0.813。疲劳和睡眠情况以及注意力为负相关，其中，睡眠情况对疲劳的路径系数为-0.436，疲劳对注意力的路径系数为-0.162，说明H5-H7均成立。睡眠情况对疲劳的作用系数>睡眠情况对工作情景意识(WSA)的路径系数，说明睡眠情况通过直接作用于疲劳从而对管制员情景意识(WSA)产生作用的影响更显著。疲劳对注意力也有影响，当管制员处于疲劳状态时，将影其响工作指挥过程中的注意力。

5 讨论

从结构方程模型输出的结果可以看出，运用结构方程模型(SEM)能够定性并且定量地分析人为因素对管制员情景意识的影响程度。该方法的优点在于以下几个方面：第一，充分考虑了管制员工作实际情况，通过文献研究和对一线管制员的问卷调查，较全面的总结了四种影响管制员情景意识的人为因素。第二，与传统的统计方法相比，SEM优势在于可以通过分析协方差矩阵关系同时检验潜在变量之间以及观察变量与潜在变量的关系，有助于验证假设模型与研究结果的一致性，增强了分析结果的客观性和精准度。

结构方程模型输出的各潜在变量间的标准化路径系数(表5)显示了疲劳、注意力、应激调节能力和睡眠情况对管制员情景意识(WSA)均有直接影响，且影响程度最大的因素是应激调节能力，表明了管制员在遇到紧急情况时的处理应对能力，专业能力以及应激反应过后的自我调节能力会显著影响情景意识水平。所以面对随时可能发生的紧急情况时，需要管制员具备快速应激的能力。对情景意识作用路径系数最小的变量是睡眠情况，但并不能否认管制员睡眠情况对工作情景意识的作用，因为睡眠能有效缓解管制员疲劳症状，睡眠质量长期不好会直接影响管制员的工作效率，因此，本文保留了睡眠情况对情景意识(WSA)这一作用路径。同时，从表5还可以看出，影响管制员情景意识的各潜在变量之间也互相影响，这是因为应激调节能力的高低会影响管制员在指挥过程中注意力的集中、持续以及对各类信息的注意力分配，而睡眠质量与疲劳程度密切相关，有效的睡眠则可以使人体缓解疲劳，恢复体力。

6 结论

(1)本文从人为因素角度构建了影响管制员情景意识的的分析模型。选用李克特(Likert)量表针对疲劳、注意力、应激调节能力、睡眠情况和工作情景意识(WSA)5个变量进行测度、然后利用SEM方法通过实证研究验证了提出的理论模型。对最终模型的验证和分析后显示，疲劳、注意力、应激调节能力、睡眠情况对管制员情景意识(WSA)的形成和保持有直接影响，其中，应激调节能力对情景意识的影响程度最大，睡眠情况对情景意识的影响程度最小；同时4个变量之间互相影响。管制员在日常工作中需要保持高度的情景意识水平，而情景意识的形成与保持受管制员自身的因素即人为因素影响，因此安全管理应该关注管制员的疲劳、睡眠质量等状况，合理排班，积极和管制员沟通，同时巩固管制员的专业能力。

(2)通过结构方程模型定量分析获得的各人为因素影响程度大小，找到情景意识关键影响因素，可以提出更有针对性的空中交通管理策略。以上结论为研究管制员人为因素引发的不安全事件提供了科学的依据和保障。