基于任务分层的地铁驾驶员应急处置作业工作负荷评价

于铮，杨聚芬，刘志钢，宋皓晨

(上海工程技术大学 城市轨道交通学院，上海 201620)

1 引言

随着城市轨道交通列车系统自动化程度越来越高，列车驾驶员的日常作业职责由操纵任务向监控任务转变。而当紧急情况突然发生，需要驾驶员短时间内执行多项任务，在此情况下的驾驶员处于高度紧张状态，工作负荷激增。驾驶员极容易由于时间压力或是对应急处置作业的不熟悉不规范导致遗漏或误操作作业项。对作业工作负荷的量化研究有助于从结构角度优化应急处置作业，减少驾驶员人因安全风险。

已往学者主要从定性或定量两个角度研究工作负荷。定性方面主要围绕工作负荷和绩效之间的关系[1-2]；定量方面主要基于多资源理论分为行为单元和时间-多资源占用两个角度[3-6]，Wang Peng[7]从行为单元出发，应用时间Petri网研究了驾驶员应急处置多任务的工作负荷和系统状态，田书婕、王波等[8]建立了基于动态时间窗口的时间-多资源占用的工作负荷评估模型。研究方法上，主观评价法、绩效测量法和生理指标测量法被广泛应用于轨道交通领域的工作负荷评价。

本文结合行为单元和时间-多资源理论两种方法，先将应急处置作业分为行为单元层和多任务层，并采用主观评价法标定行为单元工作负荷量化表，同时应用时间多资源理论构建基于时间占用率的多任务层工作负荷评价模型，最后进行实证分析。

2 方法

应急处置作业详细规定了地铁驾驶员的作业细则，包括作业目的、作业人员、作业要求、作业流程，且有严格的时间限制。这些作业项需要驾驶员短时间内同时执行两个或两个以上的任务，而较多的环节也使得驾驶员需要较长时间熟悉任务。一旦驾驶员错误执行作业，将直接影响到地铁安全运营甚至造成运营事故。综上所述，应急处置任务具有安全重要性、复杂性、异步并发性的特征，为了分析应急处置作业的工作负荷，从该作业的结构构成出发，将其分解为行为单元层和多任务层。

Wickens多资源理论认为视觉、听觉、认知与动作是人的四项基本资源。人的认知决策过程由刺激-决策-反应构成。将两者结合考虑，应急处置任务的执行即为视觉/听觉-认知-执行的过程(V/A-C-P)。应急处置作业分阶段执行，作业的每一项多任务由多个行为单元组成[9]。这些行为单元作为多任务的基本构成单元，对应于四项基本资源中的一种或一种以上。地铁驾驶员完成一项完整的应急处置任务的过程，其实质是反复分配和调用不同的行为单元组合。

本文以某城市地铁列车司机的12项应急处置作业为研究对象，将所有作业依据应急处置作业项中的分步操作步骤分解。最终分解得到的45个行为单元如图1所示。

图1 行为单元分解结果

3 基于时间-多资源理论的应急处置作业工作负荷评价

经上文分解得到了45个行为单元，由于行为单元是多任务的重要组成部分，因此探究多任务层的工作负荷必须首先对于行为单元层进行工作负荷量化，然后应用时间-多资源理论量化多任务层的工作负荷。如图2所示为应急处置作业不同层次的工作负荷评估流程。

图2 应急处置作业分层工作负荷评估流程

3.1 行为单元层的VACP量表标定

VACP量表被广泛应用于飞行员领域，本文重新标定该量表以适用地铁驾驶员行为单元工作负荷的评价。VACP量表由行为单元和各个行为单元的工作负荷评分值两部分构成，通过第二章作业分析得到了行为单元，为了量化行为单元层各个单元的工作负荷，将分解得到的行为单元作为主观评价问卷的评价对象，设计0-10评价刻度轴以应用于工作负荷评价，如图3所示。

图3 工作负荷评价刻度轴

实验人员分为受试者和记录人员，受试者在实验前均接受了应急处置作业培训，能熟练进行轨道交通列车模拟驾驶操作。

实验时，受试者在模拟驾驶平台上模拟12项应急处置作业，驾驶完成后填写NASA问卷并对所涉及的行为单元进行工作负荷评估。记录人员负责记录受试者执行各个行为单元的时间，整理对应的行为单元工作负荷评估数据与NASA问卷数据。

3.2 多任务层工作负荷评价

在量化行为单元工作负荷基础之上，应用时间-多资源理论，综合考虑驾驶员执行应急处置作业的时间消耗、行为单元工作负荷及时间压力等因素，提出了基于时间占用率的工作负荷评价模型，如式(1)所示。

(2)

4 结果

首先采用主观问卷法确定各个行为单元的工作负荷值，标定VACP量表。然后选取12项应急处置作业项进行实证分析，计算行为单元与多任务两层负荷值。

4.1 基于主观评价法的VACP量表标定

为了确定行为单元的负荷量化值，得到适用于评价地铁驾驶员行为单元层工作负荷的VACP量表。

将实验问卷各个行为单元的工作负荷评分值整合，求得每个行为单元对应的工作负荷评分量表如表1所示。表1行为单元层级VACP量表

表1 行为单元层级VACP量表

为验证评估VACP量表在实验中的有效性、可靠性，本文收集人因实验数据进行信度检验与效度检验[10-11]。首先分析VACP量表的信度指标，得到量表总的Cronbach's α系数为0.71，说明信度较好。接着采用KMO和Bartlett球形检验进行结构效度分析，计算得到KMO值为0.75，数据适合作因子分析，该问卷的效度较好。利用因子分析法得到的累积方差解释率为73.76%，各因子对问卷的解释率较高。

4.2 多任务工作负荷计算及验证

根据上文提出的多任务层工作负荷模型分别计算12项应急处置作业(多任务编号A-L)的工作负荷，将模型的数据与NASA主观测量的数据对比，验证模型的有效性。由于两种方法的量纲和单位不统一，故标准化处理后再进行比较，结果如图 4所示。

图4 多任务层工作负荷与NASA问卷负荷相关性图

由上图可见模型计算与NASA问卷得到的工作负荷趋势基本相同。一般来说，皮尔逊相关系数>0.7即可说明两者强相关。本文计算得到的皮尔逊相关系数r=0.7938，说明两个工作负荷之间正相关。显著性水平P<0.05，说明两者相关性显著。这一结果验证了本文提出的基于时间占用率的工作负荷评价模型的准确性。

5 讨论

本文分别从行为单元层、多任务层综合考虑驾驶员的工作负荷，得到了行为单元层级的VACP量表如表1所示，多任务层工作负荷与NASA问卷负荷相关性图如图4所示，讨论分析得到：

(1)表1中VACP量表与原始VACP量表相比，每个视觉/听觉/认知/动作通道的行为单元负荷值都随着行为单元的执行难度增加而增加。而由于本文的实验研究对象是驾驶员群体，原始VACP量表的实验研究对象是飞行员群体，因此每个行为单元的工作负荷评分值与原始量表有所差异。

(2)从结果上看，运用本文方法计算得到的工作负荷与NASA问卷得到的工作负荷相关程度较高(r=0.7938，P<0.05)。图4中计算得到的工作负荷曲线与主观评价得出的工作负荷曲线吻合性较好，整体趋势一致。

横向比较，A-L任务的工作负荷存在差异性，这是由于不同任务的复杂程度与执行时间不同，驾驶员执行时产生了不同程度的工作负荷。任务D(运营列车站台错开门处置)与任务J(手摇道岔接发列车)相对于其他任务工作负荷较高，这可能是由于这两项任务的执行复杂程度较高、时间压力较大，在驾驶员执行时更易产生工作负荷。而任务B(触网异物清除)与任务H(非预期清客)相较于其他任务，驾驶员在执行这些任务时工作负荷较低。根据本文对于工作负荷的具体量化方法，管理者可有针对性地对驾驶员进行培训，进行高工作负荷的关键任务考核。从地铁驾驶员个体角度，有利于指导驾驶员了解个体执行任务的工作负荷情况，保证运营安全稳定。

纵向比较，本文方法计算得到的工作负荷与NASA问卷值存在细微差异，原因是本文模型基于驾驶员任务分层分析计算而得，在行为单元层对VACP量表重新标定，排除了操作者的主观情绪等干扰因素。这种根据实验确定的行为单元并计算任务工作负荷的方法结合了工效学法和建模法的优势，工效学法能够基于人因实验标定行为单元负荷，建模法能够在不干扰被试操作的情况下反映工作负荷变化。而NASA问卷并不能将这些干扰因素排除在外，故文章得出的模型不能完全与NASA问卷值的结果完全一致。

6 结论

本研究以地铁驾驶员为研究对象，通过应用时间多资源理论构建基于时间占用率的多任务层工作负荷评价模型，相较于现有的工作负荷评价模型，本文分别从行为单元层、多任务层综合考虑驾驶员的工作负荷。本文标定的VACP量表能够量化行为单元层工作负荷，为以后应急处置作业的优化设计奠定理论基础；提出的基于时间占用率的工作负荷评价模型为工作负荷量化提供理论依据。本文暂未考虑不同驾驶员个体的执行情况差异及资源需求程度，在以后的研究中还需对模型进行进一步修正改进。