一种基于眼动数据的管制员注意力分配评估方法技术

本发明专利技术公开了一种基于眼动数据的管制员注意力分配评估方法，该方法包括：采集管制员在执行管制过程中不同航空器数量场景中的眼动数据并进行去燥处理；利用眼动算法区分去燥后的眼动数据；选择反映管制员注意力分配的眼动指标；利用统计分析和多重分形去趋势波算法分析选取的眼动指标的变化特征对管制员注意力分配进行评估。本发明专利技术通过管制员在面对管制场景时眼动数据的变化和相关算法进行结合，得出了较优的管制员注意力相关指标，可以有效评估管制员注意力分配特征。

An assessment method of controller's attention distribution based on eye movement data

【技术实现步骤摘要】
一种基于眼动数据的管制员注意力分配评估方法
本专利技术涉及一种基于眼动数据的管制员注意力分配评估方法，属于注意力评估

技术介绍
民用航空运输凭借其安全、快捷、舒适、不受地形限制的优点，在交通运输业中占有独特的地位。随着航空制造业的快速发展，民用航空运输需求的逐年增长，民用航空运输的环境日益复杂，由此造成的空中交通管制任务难度逐渐增加。管制员作为管制扇区的管理者，其行为直接影响着整个空中交通系统的运行。空中交通流量的增加和管制场景的复杂度会增加管制员的工作难度，增强管制员犯错的概率。近年来，由于管制员工作差错造成的空管严重事故征候事件略有增加，例如，2016年在上海虹桥国际机场发生的跑道入侵事件，塔台管制员遗忘飞机动态造成人为原因严重事故征候。通常，为保证管制工作的准确性和管制的安全性，雷达管制员在监视雷达屏幕时，要合理的分配注意力，避免错、忘、漏现象，快速、准确的发现航空器之间潜在的冲突。因此，评估管制员的注意力分配行为对于空中交通运行安全具有重要的理论意义，是预测管制员获取信息的方式和管制意图的前提，也是实现管制自动化的研究基础。视觉搜索是管制员快速找到目标、获取航空信息最直接的方式。管制员利用扫视快速掌握管制场景的动态信息、凭借精准的注视获取目标信息。研究表明，眼动行为是心理活动的外在的表现，眼动指标的时空特性能够表征管制员信息搜索过程中的行为，反映管制员的管制情景意识及注意力分配状况。因此，眼动数据可以反映管制员心理和生理状况。通过分析管制员在管制场景中的各项眼动指标，挖掘各项指标特征，可以深入理解管制员的注意力分配行为，正确评估注意力分配。
技术实现思路
本专利技术所要解决的技术问题是：提供一种基于眼动数据的管制员注意力分配评估方法，基于管制场景变化对管制员产生心理-生理变化会表现为眼动数据变化的原理，分析眼动数据波形变化，从而判定不同场景下注意力分配指标的特征变化，为评估注意力分配提供一种新的判定方法。本专利技术为解决上述技术问题采用以下技术方案：一种基于眼动数据的管制员注意力分配评估方法，包括如下步骤：步骤1，采集管制员在执行管制过程中不同航空器数量场景下的眼动数据，包括瞳孔直径、眨眼频率、视线与屏幕的交点坐标；步骤2，对步骤1采集的眼动数据进行去燥处理，删除存在缺失或异常的数据；步骤3，采用眼动算法将经过去燥处理后的数据区分为注视组和扫视组，并计算得到每个注视组的注视中心坐标、注视开始时间和注视持续时间，计算得到每个扫视组的扫视持续时间、扫视开始时间和扫视角速度；步骤4，从注视组和扫视组中选择反映管制员注意力分配的眼动指标，即注视持续时间、扫视持续时间、扫视角速度，并多重分形去趋势波算法分析选取的眼动指标的变化特征，根据变化特征对管制员注意力分配进行评估。作为本专利技术的一种优选方案，步骤1所述采集管制员在执行管制过程中不同航空器数量场景下的眼动数据，是通过faceLAB眼动仪进行采集。作为本专利技术的一种优选方案，所述步骤3的具体过程为：步骤31，选取经过去燥处理后的视线与屏幕的交点坐标作为眼动算法的数据，设置两个空间参数，包括定界距离d1和聚簇距离d2，设置一时间参数，为最小注视持续时间mt，其中，d1＝0.01m，sxa、sya分别表示经过去燥处理后的视线与屏幕的交点坐标中所有横、纵坐标的标准差，mt＝50ms；步骤32，将经过去燥处理后的视线与屏幕的交点坐标记为(x1,y1),(x2,y2),…,(xM,yM)，设置第一个坐标(x1,y1)为第一个聚类簇的起点和均值点；步骤33，对于后续每个坐标，计算坐标与当前均值点之间的欧几里得距离，当欧几里得距离＜定界距离d1时，则将该坐标归到当前聚类簇中，并对均值点坐标进行更新，新的均值点坐标的横、纵轴分别对应为当前聚类簇中所有坐标的横、纵轴的均值；当欧几里得距离≥定界距离d1时，当前聚类簇聚类完成，转入步骤34；步骤34，将欧几里得距离≥定界距离d1对应的坐标设置为下一个聚类簇的起点和均值点，对后续每个坐标重复步骤33-34，直至遍历完所有坐标，则完成初步区分；步骤35，根据初步区分结果，将每个聚类簇视为一个注视组，将簇中所有坐标的横、纵轴均值作为该簇均值点坐标的横、纵轴，计算簇中各坐标与均值点坐标之间的欧几里得距离，将欧几里得距离＞聚簇距离d2对应的坐标去除后，计算该簇中心点坐标，中心点坐标的横、纵轴即为去除欧几里得距离＞聚簇距离d2对应的坐标后剩余坐标的横、纵轴的均值，用(xf,yf,st_timef,dur_timef)表示每个聚类簇，其中，xf、yf分别为注视组中心点坐标的横、纵轴，st_timef表示注视开始时间，dur_timef表示注视持续时间；步骤36，若某注视组的注视持续时间＜最小注视持续时间mt，则将该注视组转为扫视组，用(sac_times,st_times,ang_velocitys)表示每个扫视组，其中，sac_times表示扫视持续时间，st_times表示扫视开始时间，ang_velocitys表示扫视角速度，区分结束。作为本专利技术的一种优选方案，所述步骤4的具体过程为：步骤41，选择注视持续时间、扫视持续时间、扫视角速度，作为反映管制员注意力分配的眼动指标进行统计分析，对每个指标都进行步骤42-49的操作；步骤42，以注视持续时间指标为例，计算注视持续时间指标序列的均值，公式为：其中，表示注视持续时间指标序列的均值，N表示注视持续时间指标序列的长度，xk表示注视持续时间指标序列中第k个注视持续时间；步骤43，构造去均值的和序列，确定累积离差，公式为：其中，Y(i)表示累积离差，i＝1,…,N；步骤44，将Y(i)序列划分成Ns个互不相同的区间，每个区间包含s个数据，则Ns＝int(N/s)；步骤45，对每个区间内的每个数据进行多项式拟合：yv(j)＝a1jk+a2jk-1+…+akj+ak+1，j＝1,…,s其中，v＝1,…,Ns，yv(j)表示划分的第v个区间中第j个数据的多项式，k＝1,…,6，a1、a2、…、ak、ak+1为多项式系数；步骤46，计算去趋势后的均方误差，公式为：其中，F2(s,v)表示均方误差，Y[(v-1)s+j]表示累积离差；步骤47，计算波动函数，公式为：当q＝0时，波动函数为当q≠0时，波动函数为其中，Fq(s)表示波动函数，h(q)表示广义Hurst指数；步骤48，根据波动函数Fq(s)取对数，求得其变化斜率即h(q)，从而得到qmax和qmin，计算Δh(q)＝h(qmin)-h(qmax)，根据h(q)计算奇异指数α和多重分形谱宽f(α)；步骤49，当Δh(q)＞0.5时记1分，否则记0分；当α＜1时记1分，否则记0分；当f(α)＞1.3时记1分，否则记0分；步骤410，统计注视持续时间指标序列、本文档来自技高网...

【技术保护点】
1.一种基于眼动数据的管制员注意力分配评估方法，其特征在于，包括如下步骤：/n步骤1，采集管制员在执行管制过程中不同航空器数量场景下的眼动数据，包括瞳孔直径、眨眼频率、视线与屏幕的交点坐标；/n步骤2，对步骤1采集的眼动数据进行去燥处理，删除存在缺失或异常的数据；/n步骤3，采用眼动算法将经过去燥处理后的数据区分为注视组和扫视组，并计算得到每个注视组的注视中心坐标、注视开始时间和注视持续时间，计算得到每个扫视组的扫视持续时间、扫视开始时间和扫视角速度；/n步骤4，从注视组和扫视组中选择反映管制员注意力分配的眼动指标，即注视持续时间、扫视持续时间、扫视角速度，并多重分形去趋势波算法分析选取的眼动指标的变化特征，根据变化特征对管制员注意力分配进行评估。/n

【技术特征摘要】
1.一种基于眼动数据的管制员注意力分配评估方法，其特征在于，包括如下步骤：
步骤1，采集管制员在执行管制过程中不同航空器数量场景下的眼动数据，包括瞳孔直径、眨眼频率、视线与屏幕的交点坐标；
步骤2，对步骤1采集的眼动数据进行去燥处理，删除存在缺失或异常的数据；
步骤3，采用眼动算法将经过去燥处理后的数据区分为注视组和扫视组，并计算得到每个注视组的注视中心坐标、注视开始时间和注视持续时间，计算得到每个扫视组的扫视持续时间、扫视开始时间和扫视角速度；
步骤4，从注视组和扫视组中选择反映管制员注意力分配的眼动指标，即注视持续时间、扫视持续时间、扫视角速度，并多重分形去趋势波算法分析选取的眼动指标的变化特征，根据变化特征对管制员注意力分配进行评估。


2.根据权利要求1所述基于眼动数据的管制员注意力分配评估方法，其特征在于，步骤1所述采集管制员在执行管制过程中不同航空器数量场景下的眼动数据，是通过faceLAB眼动仪进行采集。


3.根据权利要求1所述基于眼动数据的管制员注意力分配评估方法，其特征在于，所述步骤3的具体过程为：
步骤31，选取经过去燥处理后的视线与屏幕的交点坐标作为眼动算法的数据，设置两个空间参数，包括定界距离d1和聚簇距离d2，设置一时间参数，为最小注视持续时间mt，其中，d1＝0.01m，sxa、sya分别表示经过去燥处理后的视线与屏幕的交点坐标中所有横、纵坐标的标准差，mt＝50ms；
步骤32，将经过去燥处理后的视线与屏幕的交点坐标记为(x1,y1),(x2,y2),…,(xM,yM)，设置第一个坐标(x1,y1)为第一个聚类簇的起点和均值点；
步骤33，对于后续每个坐标，计算坐标与当前均值点之间的欧几里得距离，当欧几里得距离＜定界距离d1时，则将该坐标归到当前聚类簇中，并对均值点坐标进行更新，新的均值点坐标的横、纵轴分别对应为当前聚类簇中所有坐标的横、纵轴的均值；当欧几里得距离≥定界距离d1时，当前聚类簇聚类完成，转入步骤34；
步骤34，将欧几里得距离≥定界距离d1对应的坐标设置为下一个聚类簇的起点和均值点，对后续每个坐标重复步骤33-34，直至遍历完所有坐标，则完成初步区分；
步骤35，根据初步区分结果，将每个聚类簇视为一个注视组，将簇中所有坐标的横、纵轴均值作为该簇均值点坐标的横、纵轴，计算簇中各坐标与均值点坐标之间的欧几里得距离，将欧几里得距离＞聚簇距离d2对应的坐标去除后，计算该簇中心点坐标，中心点坐标的横、纵轴即为去除欧几里得距离＞聚簇距离d2对应的坐标后剩余坐标的横、纵轴的均值，用(xf,yf,st_timef,dur_timef)表示每个聚类簇，其中，xf、yf分别为注视组中心点坐标的横、纵轴，st_timef表示注视开始时间，dur_timef表示注视持续时间；
步骤36，...

【专利技术属性】
技术研发人员：王艳军，林思远，胡明华，张美玉，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32