基于支持向量机的团队协同状态评定系统和方法技术方案

本发明专利技术提供了一种基于支持向量机的团队协同状态评定系统和方法，包括数据采集模块、数据接口模块、在线评定模块、输出报告模块四部分。数据采集模块采集团队的四部分信息：团队信息采集、眼动设备采集、心电设备采集、视频录像采集。数据接口模块接收数据采集模块传输的信息并转换提取指标特征。在线评定模块对团队实验数据进行在线分析评定。输出报告模块将读入的团队信息和在线评定结果进行综合输出。利用该系统能够快速有效地判别团队在多种任务环境下的团队协同状态，有助于改善船舶班组团队协同作业水平，为减少人因失误提供依据。为减少人因失误提供依据。为减少人因失误提供依据。

【技术实现步骤摘要】
基于支持向量机的团队协同状态评定系统和方法


[0001]本专利技术涉及一种基于支持向量机(Support vector machine，SVM)的团队协同状态评定系统和方法。

技术介绍

[0002]在现代军事和工业工作环境中，作业任务通常具有较高的认知性需求，需要通过紧密高效的团队协同才能够顺利完成。团队协同指每位成员形成团队所需要的相互关联的思想、行动和感受的集合，能够促进协调的、适应性的表现和任务目标，从而产生增值结果。团队协同的目标在于创建良好的团队绩效，而优秀的团队绩效则需要通过团队协同来实现准确的信息共享。因此，团队协同状态是衡量一个团队是否能够准确高效完成各项任务的重要指标。
[0003]现代舰船作为典型复杂的人
‑
机系统，其特征包括长期航行条件下作业环境恶劣；任务复杂，对人员协同状态要求高；人机界面信息繁多，舰员的脑力负荷高。舰船常见事故包括碰撞、火灾、进水、爆炸等。据统计，超过70％的舰艇事故均存在人因失误，而不良的团队协同状态是舰船人因事故不可忽视的原因之一。
[0004]团队协同状态的评定方法主要分为四类，分别为自我报告评定(Self
‑
report measures)、观测评定(Observational measures)、基于事件评定(Event
‑
based measurement)和自动化评定(Automated measurement)。
[0005]①
自我报告评定主要包括问卷调查和评定量表，对个人和团队水平的团队协同状态进行评定，特别是那些本质上具有情感性(如信任)且不易观测的特性。例如团队氛围清单(The Team Climate Inventory，TCI)，评定了多种团队协同能力。具体来说，TCI具有5个顶层量表，对应15个子量表；5个顶层量表分别评定参与安全、创新支持、团队愿景、任务导向、社会赞许性。其他一些工具评定与团队协同状态相关的单个因素，如1999年提出的心理安全量表，该量表是对团队协同状态最广泛使用的评定标准之一。使用自我报告对团队协同状态进行评定的一个重大挑战是如何将个体的反应聚合或转化为团队水平的特征。即使对各自的结构有详细的理论理解，各种聚合方法也很可能会产生非常不同的结果，无法捕捉个体反应的独特特征。此外，自我报告评定往往产生夸大的分数，因为被试者会比观察者对自己具有更高的评价；自我报告评定经常在团队任务前或后执行，无法捕捉团队绩效在任务执行时的动态本质。
[0006]②
观测评定可以实时收集或用团队协同任务的录像来收集，从而具有捕捉团队协同过程的动态性质的潜力。行为锚定评级量表(Behaviorally Anchored Rating Scales，BARS)是一种典型的观测评定技术：对于优秀、一般、较差的团队绩效，分别使用简短的行为描述作为锚点，进行观测评定。这些行为可以在个人层面进行评定，并汇总为团队得分或团队等级。BARS被广泛应用于医疗机构团队功能评估、机组环境中评估飞行员行为的非技术技能系统等领域中。虽然提供的行为具体描述有助于更准确的评级，但可能导致观察者只关注列表上的行为。
[0007]③
基于事件评定(Event
‑
Based Measurement，EBAT)是一种结构化的观察技术，通常应用于团队模拟场景。通过系统地将事件引入训练练习中，EBAT提供了观察感兴趣的特定行为的机会，这些行为随后被标记为存在或不存在。例如，在一个航空场景中，可以通过引入一个事件来评估情境意识，在这个事件中，教练员故意将飞机驶离航线。目标行为反应是“检查导航”，结果为检测成功或检测失败。使用这种方法，学习目标可以被明确量化，可以设置团队协同能力训练的具体关注点。但是，由于特定事件的场景限制，EBAT只能在训练场景中使用，而不能在真实的性能场景中使用。此外，EBAT度量方法的开发十分耗时。
[0008]④
自动化评定通过与团队交互的计算机系统收集与团队相关的数据，具有减少中断、最小化测量误差和减少实验人员资源的优点。这种类型的评定已经被最频繁和成功地应用于团队绩效和团队协同状态的评定。
[0009]关于团队协同状态评定的相关研究显示了不一致的信度和效度测试报告，以及在船舶指控系统领域缺乏相关的研究与应用。
[0010]基于上述考虑，需要开发一种基于模拟船舶团队实验，通过计算机自动化采集处理生理数据、沟通数据等数据信息，利用机器学习算法中的支持向量机，对数据信息进行分析，从而能够直接、便捷地自动在线评定团队协同状态的系统。尤其希望，该评定系统能够应用于船舶班组团队协同状态的工效学评估分析，从而为改善船舶班组团队协同作业状态、提升船舶班组团队协同作业能力提供依据。

技术实现思路

[0011]根据本专利技术的一个方面，提供了一种基于支持向量机的团队协同状态评定系统，其包括四个子模块：数据采集模块、数据接口模块、在线评定模块、输出报告模块。其中数据采集模块，用于采集团队的四部分信息：团队信息采集、眼动设备采集、心电设备采集、视频录像采集；数据接口模块，用于接收数据采集模块传输的信息并转换提取指标特征；在线评定模块，用于对团队实验数据进行在线分析评定；输出报告模块，用于将读入的团队信息和在线评定结果进行综合输出。
[0012]根据本专利技术的另一方面，提供了一种团队协同状态评定方法，其特征在于包括：评定操作前的初始界面，用于采集团队信息；评定操作中的数据采集与处理界面，用于进行数据的采集与处理；评定操作中的在线评定界面，用于对团队实验数据进行在线分析评定；评定操作后的输出结果界面，用于将读入的团队信息和在线评定结果进行综合输出。
[0013]本专利技术有益的效果为：
[0014]本专利技术克服当前团队协同状态水平在线评定技术的不足，针对船舶实验过程中的团队协同状态，通过接口模块连接眼动仪设备、心电设备实时读取团队生理数据，连接视频录制与分析设备实时采集团队沟通数据，实现团队协同状态水平的在线评估，能够快速判别团队在多种任务环境下的团队协同状态，以保障有效的团队协同，为减少人因失误提供依据。
[0015]本专利技术的优点包括：
[0016](1)提供了一种自动化的团队协同状态评定系统，无需依赖繁琐的问卷调查、事后分析评估，仅通过采集团队协同实验过程中的眼动数据、心电数据以及视频录像，即可对团队协同状态水平进行在线自动评定，系统使用方法简单可行，且提供了优化的用户界面和
使用流程，尤其适于对诸如船舶班组团队协同状态进行评估分析，有助于改善船舶班组团队协同作业状态。
[0017](2)提供一种团队协同状态的客观评定方法，基于支持向量机，只需采集团队协同实验的生理数据与沟通数据，就能够直接、便捷、自动地评定团队协同状态水平。
附图说明
[0018]图1是根据本专利技术的一个实施例的基于支持向量机的团队协同状态评定系统架构图；
[0019]图2是根据本专利技术的一个实施例的基于支持向量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于支持向量机的团队协同状态评定系统，其特征在于包括：数据采集模块，用于采集团队的数据信息，包括通过用户输入采集团队信息、通过眼动设备采集团队的眼动数据、通过心电设备采集团队的心电数据、通过对活动录像采集团队的视频录像数据，其中：团队信息包括团队测试编号，团队的眼动数据包括实时读入的原始眼动数据，团队的心电数据包括实时读取的原始心电数据，，团队的视频录像数据包括全程录像和/或记录视频，包括画面与音频，数据接口模块，用于接收从数据采集模块传来的数据并转换提取指标特征，所述数据接口模块包括：数据收发接口模块，用于首先设置眼动设备和心电设备中UDP端口号、Host地址，然后基于C++平台通过数据收发接口建立数据接口模块与眼动设备和心电设备之间的UDP数据通信，读取眼动设备采集的原始眼动数据，读取原始心电数据，对团队协同的沟通音频进行沟通文本的提取；数据存储模块，用于将实时采集的原始眼动数据、原始心电数据与提取的沟通文本存储在内存空间中；数据转换模块，用于将原始眼动数据及原始心电数据进行指标的转换并求平均值，所述指标的转换包括把原始眼动数据转换为包括注视率、扫视率、瞳孔直径、平均注视时间的眼动特征指标数据和把原始心电数据转换为包括平均心率、平均RR间期、标准化低频功率、标准化高频功率的心电特征指标数据，所述数据接口模块还用于通过文本分析软件进行文本分析，对于沟通文本统计沟通编码的出现频率以及沟通关键词的词频数据，得到沟通文本特征数据，在线评定模块，用于对团队的眼动数据、团队的心电数据以及团队的沟通文本特征数据进行在线分析评定，所述在线评定模块包括：眼动特征预处理模块，用于读入数据接口模块中发送的眼动特征指标数据，并进行包括空值和/或异常值剔除的规范化处理和包括标准化处理的预处理操作；心电特征预处理模块，用于读入数据接口模块中发送的心电特征指标数据，并进行包括空值和/或异常值剔除的规范化处理，和包括标准化处理的预处理操作；沟通特征预处理模块，用于读入数据接口模块中发送的沟通文本特征指标数据，并进行包括空值和/或异常值剔除的规范化处理，和包括标准化处理的预处理操作；在线评定分类器模块，用于读入经过标准化处理和规范化处理的眼动特征指标数据、心电特征指标数据及沟通文本特征指标数据，并把该眼动特征指标数据、心电特征指标数据及沟通文本特征指标数据分别传输至三个OAO支持向量机进行在线计算：其中：第一OAO支持向量机SVM1将高团队协同状态所对应的向量作为正集+1，中团队协同状态所对应的向量作为负集
‑
1；第二OAO支持向量机SVM2将高团队协同状态所对应的向量作为正集+1，低团队协同状态所对应的向量作为负集
‑
1；第三OAO支持向量机SVM3将中团队协同状态所对应的向量作为正集+1，低团队协同状态所对应的向量作为负集
‑
1，
SVM1、SVM2和SVM3分别进行计算，得到3个分类结果分类1、分类2、分类3，使用投票法确定团队协同状态水平最终分类结果，即把3个分类结果中出现最多的结果作为最终分类结果，输出报告模块，用于将上述团队信息和最终分类结果进行综合输出。2.根据权利要求1所述的基于支持向量机的团队协同状态评定系统，其特征在于：通过用户界面端输入团队信息，眼动设备包括佩戴式眼动设备，原始眼动数据包括眼动的原始的空间位置坐标、眨眼标记、注视标记、扫视标记，心电设备包括佩戴式心电设备，原始心电数据包括心率、心电原始波形数据。3.根据权利要求1所述的基于支持向量机的团队协同状态评定系统，其特征在于：在在线评定分类器模块中，若SVM1判断为高团队协同状态，SVM2判断为高团队协同状态，SVM3判断为中团队协同状态，则最终分类结果为高团队协同状态。4.根据权利要求1所述的基于支持向量机的团队协同状态评定系统，其特征在于：数据收发接口模块以60Hz的频率读取原始眼动数据，以1Hz的频率读取原始心电数据，通过音频分析软件对团队实验中的沟通音频进行...

【专利技术属性】
技术研发人员：刘双，党予卿，完颜笑如，闵雨晨，冯传宴，周孙夏，王鑫，邓野，周拓阳，田志强，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：