一种基于眼动和生理数据的飞行员任务负荷在线评估方法技术

本发明专利技术提供了一种基于眼动和生理数据的飞行员任务负荷在线评估方法，基于眼动和生理数据进行飞行员任务负荷的评估和计算，通过收集到的眼动和生理数据，基于支持向量机分层组合模型对该数据进行分类，得到任务负荷五分类在线评估模型。本发明专利技术基于眼动和生理数据进行任务负荷评估与计算，克服了主观评测法实时性差的缺点，使任务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，该模型方法分类准确度较高，且满足实际工程应用要求，可为其他领域的任务负荷评估研究提供方法上的借鉴和参考。

【技术实现步骤摘要】
一种基于眼动和生理数据的飞行员任务负荷在线评估方法
本专利技术涉及人因工程领域，尤其是一种飞行员的任务负荷在线评估方法。
技术介绍
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，为防止飞行员由于任务负荷过高而产生的态势觉察能力下降的现象，需要对飞行员的任务负荷进行评估和计算。目前，评估和计算任务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。针对此缺陷，本专利技术基于眼动和生理数据进行任务负荷评估和计算，使任务负荷的评估和计算具备实时性。
技术实现思路
为了克服现有技术的不足，本专利技术提供一种基于眼动和生理数据的飞行员任务负荷在线评估方法。本专利技术基于眼动和生理数据进行飞行员任务负荷的评估和计算，使飞行员及地勤人员可实时了解当前飞行员的任务负荷状态，提高飞行的安全性和可靠性。本专利技术通过收集到的眼动和生理数据，基于支持向量机分层组合模型对该数据进行分类，得到任务负荷五分类(低、较低、中、较高、高)在线评估模型。本专利技术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任务负荷的眼动及生理数据总共有8个，分别是：凝视时长、凝视次数、扫视次数、瞳孔面积、肌电、心率、腹部呼吸和血氧饱和度，各眼动及生理数据的具体定义如表1所示：表1各眼动及生理数据定义对表1中的眼动及生理数据进行归一化处理；Step2：基于支持向量机计算任务负荷支持向量机(SVM)是一种二类分类模型，二分类决策方程为：f(x)＝wTx+b(2)在使用之前基于数据对模型进行训练，训练完成后得到支持向量机决策方程的两个参数w和b，其中w＝(w1,w2,…,wd)为决策方程的权重，b为决策方程的附加量，x为样本数据中所用分类指标归一化后的向量，根据决策方程与0的关系即可判断当前样本属于两类中的哪一类；对于归一化处理后的数据，最终建立的飞行员任务负荷SVM分层组合分类模型框架如图1所示，采用四个分类器SVM1、SVM2、SVM3、SVM4在每层进行二类分类，通过使用四个二分类器构成SVM分层组合分类器实现任务负荷的五分类，负荷等级从Ⅰ到Ⅴ依次表示低任务负荷、较低任务负荷、中等任务负荷、较高任务负荷、高任务负荷；结合表3的分类指标以及训练所得出的各个分类器决策方程的权重w和附加量b：表3各个分类器所用的指标根据决策方程进行计算，计算结果与0相比较，即可判断当前飞行员的任务负荷状态。所述对表1中的眼动及生理数据进行归一化处理，将眼动和生理数据的数值统一到0～1之间，归一化公式如下：其中，i的取值范围为{1,2,3,4,5,6,7,8}，分别代表以上8个眼动及生理数据；xi表示采集的各数据实际大小值；xmin和xmax分别表示各数据对应的最小值和最大值；最小值和最大值的具体取值范围如表2所示：表2眼动、生理指标的最值所述飞行员任务负荷判断方法为：若经过SVM1分类器的决策方程所得结果大于0时，操作员处于中等任务负荷状态，任务负荷等级为Ⅲ，若经过SVM1分类器的决策方程所得结果小于0，则进行第二次分类；第二次分类中，若经过SVM2分类器的决策方程所得结果大于0时，操作员处于较高任务负荷状态，任务负荷等级为Ⅳ，若经过SVM2分类器的决策方程所得结果小于0，则进行第三次分类；第三次分类中，若经过SVM3分类器的决策方程所得结果大于0时，操作员处于低任务负荷状态，任务负荷等级为Ⅰ，若经过SVM3分类器的决策方程所得结果小于0，则进行第四次分类；第四次分类中，若经过SVM4分类器的决策方程所得结果大于0时，操作员处于高任务负荷状态，任务负荷等级为Ⅴ，若经过SVM4分类器的决策方程所得结果小于0，操作员处于较低任务负荷状态，任务负荷等级为Ⅱ；具体判断公式为：IF[f1(x)＞0]THEN(任务负荷等级：Ⅲ)IF[f1(x)＜0]AND[f2(x)＞0]THEN(任务负荷等级：Ⅳ)IF[f1(x)＜0]AND[f2(x)＜0]AND[f3(x)＞0]THEN(任务负荷等级：Ⅰ)IF[f1(x)＜0]AND[f2(x)＜0]AND[f3(x)＜0]AND[f4(x)＞0]THEN(任务负荷等级：Ⅴ)IF[f1(x)＜0]AND[f2(x)＜0]AND[f3(x)＜0]AND[f4(x)＜0]THEN(任务负荷等级：Ⅱ)其中f1(x)＝w1x1+b1、f2(x)＝w2x2+b2、f3(x)＝w3x3+b3、f4(x)＝w4x4+b4分别为分类器SVM1、SVM2、SVM3、SVM4输出的结果。经过飞行任务实验，采集大量数据并训练后，得到每个分类器决策方程的权重w和附加量b分别为：(1)SVM1分类器：w1＝[3.811,-1.118,1.320,-1.574]Tb1＝[-2.004](2)SVM2分类器：w2＝[3.696,0.609,-2.758,-2.521]Tb2＝[0.193](3)SVM3分类器：w3＝[5.683,1.370,1.090,-1.879]Tb3＝[-1.810](4)SVM4分类器：w4＝[2.852,-0.724,4.361,0.934]Tb4＝[-3.417]即可得到的分类器SVM1、SVM2、SVM3、SVM4的最优权重和附加量。本专利技术的有益效果在于基于眼动和生理数据进行任务负荷评估与计算，该技术克服了原有方法(主观评测法)实时性差的缺点，使任务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。实验表明该模型方法分类准确度较高，且满足实际工程应用要求，可为其他领域的任务负荷评估研究提供方法上的借鉴和参考。附图说明图1是本专利技术SVM的分类示意图。具体实施方式下面结合附图和实施例对本专利技术进一步说明。Step1：数据预处理用于计算任务负荷的眼动及生理数据总共有8个，分别是：凝视时长、凝视次数、扫视次数、瞳孔面积、肌电、心率、呼吸(腹部)和血氧饱和度，各眼动及生理数据的具体解释如表1所示。随后对以上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{1,2,3,4,5,6,7,8}，分别代表以上8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最大值。具体如表2所示。Step2：基于支持向量机计算任务负荷将8个眼动及生理数据归一化后，根据SVM分层组合分类模型和决策方程与0的关系来判断认知负荷的高低，模型框图如图1所示。其中，用于SVM1分类器的指标为肌电、呼吸(腹部)、凝视时本文档来自技高网...

【技术保护点】
1.一种基于眼动和生理数据的飞行员任务负荷在线评估方法，其特征在于包括下述步骤：/nStep1：数据预处理/n用于计算任务负荷的眼动及生理数据总共有8个，分别是：凝视时长、凝视次数、扫视次数、瞳孔面积、肌电、心率、腹部呼吸和血氧饱和度，各眼动及生理数据的具体定义如表1所示：/n表1各眼动及生理数据定义/n

【技术特征摘要】
1.一种基于眼动和生理数据的飞行员任务负荷在线评估方法，其特征在于包括下述步骤：
Step1：数据预处理
用于计算任务负荷的眼动及生理数据总共有8个，分别是：凝视时长、凝视次数、扫视次数、瞳孔面积、肌电、心率、腹部呼吸和血氧饱和度，各眼动及生理数据的具体定义如表1所示：
表1各眼动及生理数据定义



对表1中的眼动及生理数据进行归一化处理；
Step2：基于支持向量机计算任务负荷
支持向量机(SVM)是一种二类分类模型，二分类决策方程为：
f(x)＝wTx+b(2)
在使用之前基于数据对模型进行训练，训练完成后得到支持向量机决策方程的两个参数w和b，其中w＝(w1,w2,…,wd)为决策方程的权重，b为决策方程的附加量，x为样本数据中所用分类指标归一化后的向量，根据决策方程与0的关系即可判断当前样本属于两类中的哪一类；
对于归一化处理后的数据，采用四个分类器SVM1、SVM2、SVM3、SVM4在每层进行二类分类，通过使用四个二分类器构成SVM分层组合分类器实现任务负荷的五分类，负荷等级从Ⅰ到Ⅴ依次表示低任务负荷、较低任务负荷、中等任务负荷、较高任务负荷、高任务负荷；
结合表3的分类指标以及训练所得出的各个分类器决策方程的权重w和附加量b：
表3各个分类器所用的指标



根据决策方程进行计算，计算结果与0相比较，即可判断当前飞行员的任务负荷状态。


2.根据权利要求1所述的一种基于眼动和生理数据的飞行员任务负荷在线评估方法，其特征在于：
所述对表1中的眼动及生理数据进行归一化处理，将眼动和生理数据的数值统一到0～1之间，归一化公式如下：



其中，i的取值范围为{1,2,3,4,5,6,7,8}，分别代表以上8个眼动及生理数据；xi表示采集的各数据实际大小值；xmin和xmax分别表示各数据对应的最小值和最大值；
表2眼动、生理指标的最值



最小值和最大值的具体取值范围如表2所示。


3.根据权利要求1所述的一种基于眼动和生理数据的飞行员任务负荷在线评估方法，其特征在于：
所述飞行员任务负荷判断方法为：
若经过SVM1分类器的决策方程所得结果大于0时，操作员处于中等任务负荷状态，任务负荷等级为Ⅲ，若经过SVM1分类器的...

【专利技术属性】
技术研发人员：陈军，薛蕾，佟龑，梁晶，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61