劉維平，聶俊峰，解 芳，金 毅

(1.裝甲兵工程學(xué)院機(jī)械工程系，北京 100072； 2.中國(guó)北方車輛研究所，北京 100072)

面向裝甲車輛乘員信息處理作業(yè)的腦力負(fù)荷預(yù)測(cè)模型

劉維平1，聶俊峰1，解 芳2，金 毅1

(1.裝甲兵工程學(xué)院機(jī)械工程系，北京 100072； 2.中國(guó)北方車輛研究所，北京 100072)

腦力負(fù)荷的準(zhǔn)確預(yù)測(cè)是研究裝甲車輛乘員信息處理作業(yè)的關(guān)鍵技術(shù)，對(duì)提高人機(jī)系統(tǒng)設(shè)計(jì)的合理性具有重要意義。為有效解決應(yīng)急任務(wù)條件下裝甲車輛乘員信息處理作業(yè)的腦力負(fù)荷預(yù)測(cè)問(wèn)題，針對(duì)裝甲車輛乘員作業(yè)向信息處理作業(yè)轉(zhuǎn)變的基本趨勢(shì)，結(jié)合信息處理作業(yè)操作元模型和認(rèn)知圖式分析，基于信息執(zhí)行通道任務(wù)-網(wǎng)絡(luò)建模方法構(gòu)建了腦力負(fù)荷預(yù)測(cè)模型，量化了工作資源參數(shù)，并面向目標(biāo)錄入典型信息處理作業(yè)對(duì)預(yù)測(cè)模型進(jìn)行了實(shí)例應(yīng)用。結(jié)果表明：該模型能夠清晰地描述裝甲車輛乘員信息處理作業(yè)腦力負(fù)荷變化情況，有效地找出腦力負(fù)荷異常的時(shí)間節(jié)點(diǎn)和產(chǎn)生原因，量化預(yù)測(cè)作業(yè)各時(shí)刻腦力負(fù)荷，具有較好的預(yù)測(cè)精度和可重用性。

裝甲車輛； 乘員； 信息處理； 任務(wù)-網(wǎng)絡(luò)模型； 腦力負(fù)荷預(yù)測(cè)模型

隨著裝甲車輛信息化水平的迅速提高，乘員的工作類型逐漸向以監(jiān)視和控制為主的信息處理作業(yè)轉(zhuǎn)變，并已成為乘員作業(yè)的主要形式。乘員信息處理作業(yè)是典型的腦力勞動(dòng)過(guò)程，需要消耗大量的腦力資源，產(chǎn)生一定程度的腦力負(fù)荷，而腦力負(fù)荷情況直接影響著裝甲車輛人機(jī)系統(tǒng)的作戰(zhàn)效能[1]。目前，常用的腦力負(fù)荷研究方法主要是指腦力負(fù)荷的測(cè)量方法，如主觀量表法、主任務(wù)法、輔助任務(wù)法和生理法等[2-3]。然而，這些方法均屬于事后測(cè)量，具有一定的滯后性，一旦發(fā)現(xiàn)乘員的腦力負(fù)荷水平不合適而需要修改人機(jī)系統(tǒng)時(shí)，不僅難以實(shí)現(xiàn)，也必將耗費(fèi)大量成本。因此，在系統(tǒng)設(shè)計(jì)階段對(duì)乘員信息處理作業(yè)腦力負(fù)荷情況進(jìn)行預(yù)測(cè)就顯得十分必要。

雖然腦力負(fù)荷預(yù)測(cè)比測(cè)量困難許多，但因其巨大的潛在效益，國(guó)內(nèi)外研究者仍做出了諸多有益嘗試。BIN等[4]在概念模型基礎(chǔ)上提出了一個(gè)面向飛機(jī)人機(jī)交互作業(yè)的腦力負(fù)荷預(yù)測(cè)模型，采用多維建模方法對(duì)腦力負(fù)荷各影響因素進(jìn)行了初步量化，并通過(guò)2個(gè)相關(guān)的認(rèn)知試驗(yàn)對(duì)模型的有效性進(jìn)行了驗(yàn)證。WICKENS[5]從信息流角度提出了基于多資源理論(Multiple Resource Theory，MRT)的腦力負(fù)荷預(yù)測(cè)模型，并描述了四維MRT模型預(yù)測(cè)復(fù)雜任務(wù)腦力負(fù)荷的應(yīng)用流程。MITCHEL等[6]針對(duì)坦克艙室乘員人數(shù)減少問(wèn)題提出了基于績(jī)效建模工具(Improved Performance Research Integration Tool，IMPRINT)的腦力負(fù)荷預(yù)測(cè)方法，預(yù)測(cè)了3乘員和2乘員作戰(zhàn)平臺(tái)的乘員腦力負(fù)荷情況，并對(duì)2乘員艙室方案提出了合理性建議。WANYAN等[7]針對(duì)乘員作業(yè)特點(diǎn)構(gòu)建了飛行員腦力負(fù)荷預(yù)測(cè)模型框架，該模型框架包括單一任務(wù)環(huán)境、多任務(wù)環(huán)境和動(dòng)態(tài)時(shí)間效應(yīng)條件3個(gè)模塊，初步給出了模型框架中腦力負(fù)荷各影響因素的量化方法。

綜上所述，腦力負(fù)荷預(yù)測(cè)模型的研究雖取得了一定成果，但大部分預(yù)測(cè)模型仍停留在描述階段，缺乏有效的量化手段。因此，筆者針對(duì)裝甲車輛乘員信息處理作業(yè)的腦力負(fù)荷預(yù)測(cè)問(wèn)題，結(jié)合信息處理作業(yè)操作元模型和認(rèn)知圖式分析，基于信息執(zhí)行通道任務(wù)-網(wǎng)絡(luò)建模方法構(gòu)建了一種通用、量化的裝甲車輛乘員信息處理作業(yè)腦力負(fù)荷預(yù)測(cè)模型，并進(jìn)行了實(shí)例應(yīng)用。

1 信息處理作業(yè)分析

1.1 行為分析方法

裝甲車輛乘員信息處理作業(yè)是指乘員通過(guò)感覺(jué)器官?gòu)耐饨缢鸭畔?，?duì)信息進(jìn)行加工，經(jīng)中樞系統(tǒng)形成決策，并通過(guò)運(yùn)動(dòng)器官對(duì)系統(tǒng)進(jìn)行反應(yīng)的過(guò)程，其具有任務(wù)復(fù)雜性和多維性的特點(diǎn)[1]。MRT是解釋多任務(wù)之間資源分配的理論，認(rèn)為乘員具有一組性質(zhì)類似、功能有限且容量一定的腦力資源[5]。因此，筆者采用MRT對(duì)乘員信息處理作業(yè)行為進(jìn)行分析。

MRT模型結(jié)構(gòu)如圖1所示?？梢钥闯觯涸撃Ｐ陀?個(gè)具有2級(jí)特征的維度組成，即區(qū)分知覺(jué)和反應(yīng)的階段維度、區(qū)分視覺(jué)和聽(tīng)覺(jué)的通道維度以及區(qū)分空間和語(yǔ)言的編碼維度[8]，3個(gè)維度在一定程度上相互獨(dú)立。

圖1 MRT模型結(jié)構(gòu)

乘員在信息處理作業(yè)中會(huì)自動(dòng)在信息源和維度中進(jìn)行資源的選擇和分配，MRT表明：乘員的信息執(zhí)行通道通常分為視覺(jué)(Visual,V)、聽(tīng)覺(jué)(Auditory,A)、認(rèn)知(Cognitive,C)及動(dòng)作(Psychomotor,P)4個(gè)部分，任何任務(wù)都可由這4個(gè)信息執(zhí)行通道下的28種行為要素構(gòu)成[8]。MRT各信息執(zhí)行通道下的行為要素如表1所示。

表1 MRT各信息執(zhí)行通道下的行為要素

1.2 操作元分析

操作元分析的目的在于拆分、梳理作業(yè)的操作序列，使乘員信息處理作業(yè)單元化[9]。通過(guò)對(duì)作業(yè)操作動(dòng)作的連續(xù)考察，構(gòu)建了包含作業(yè)目標(biāo)層、操作狀態(tài)層、操作元層和行為要素層的多層次操作元模型。乘員信息處理作業(yè)操作元模型結(jié)構(gòu)如圖2所示。

圖2 乘員信息處理作業(yè)操作元模型結(jié)構(gòu)

1.3 認(rèn)知圖式分析

認(rèn)知圖式分析的目的在于研究乘員作業(yè)中認(rèn)知資源的調(diào)配以及心理圖式的形成過(guò)程，描述作業(yè)行為的心理蹤跡[9]。

乘員信息處理作業(yè)認(rèn)知圖式模型結(jié)構(gòu)如圖3所示。其中：存儲(chǔ)于長(zhǎng)時(shí)記憶中的圖式匹配內(nèi)容為環(huán)境、對(duì)象、任務(wù)和目標(biāo)，由圖式匹配到圖式激活的操作內(nèi)容包括參數(shù)設(shè)置、作業(yè)要求、操作元數(shù)目、操作元內(nèi)容、操作規(guī)程及按鍵位置等。乘員信息處理作業(yè)認(rèn)知圖式分析的特征變量主要包括感覺(jué)加工方式、注意水平、記憶過(guò)程、反應(yīng)方式和行為類型，且各自對(duì)應(yīng)相當(dāng)水平。

圖3 乘員信息處理作業(yè)認(rèn)知圖式模型結(jié)構(gòu)

2 腦力負(fù)荷預(yù)測(cè)模型構(gòu)建

2.1 基于信息執(zhí)行通道的任務(wù)-網(wǎng)絡(luò)建模方法

任務(wù)-網(wǎng)絡(luò)建模技術(shù)是一種對(duì)作業(yè)操作流程進(jìn)行時(shí)間序列建模，并在作業(yè)實(shí)施過(guò)程中加以控制的計(jì)劃管理技術(shù)。筆者對(duì)其概念和結(jié)構(gòu)進(jìn)行擴(kuò)展，結(jié)合MRT提出了基于信息執(zhí)行通道的任務(wù)-網(wǎng)絡(luò)建模方法。該方法將信息處理作業(yè)操作元模型與認(rèn)知圖式方法有機(jī)結(jié)合，可清楚地表達(dá)各行為要素的相互關(guān)系，并在MRT信息執(zhí)行通道分類基礎(chǔ)上增加了語(yǔ)音(Speech,S)通道，更全面地體現(xiàn)了乘員各信息執(zhí)行通道的運(yùn)行情況。

任務(wù)-網(wǎng)絡(luò)示意圖如圖4所示?？梢钥闯觯汗?jié)點(diǎn)1、8分別為起始節(jié)點(diǎn)和結(jié)束節(jié)點(diǎn)，其他節(jié)點(diǎn)均為中間節(jié)點(diǎn)；A、B、C分別表示各信息執(zhí)行通道；A1、A2、A3、B1、B2、B3、C1、C2、C3為乘員各行為要素代號(hào)[10]。

圖4 任務(wù)-網(wǎng)絡(luò)示意圖

2.2 工作參數(shù)量化辨析

為實(shí)現(xiàn)腦力負(fù)荷的定量預(yù)測(cè)，首先要對(duì)模型工作參數(shù)進(jìn)行量化辨析，主要分為時(shí)間參數(shù)辨析和資源參數(shù)辨析。

2.2.1 時(shí)間參數(shù)辨析

時(shí)間參數(shù)包括注意力轉(zhuǎn)移時(shí)間t1、知覺(jué)加工時(shí)間t2、目標(biāo)搜索定位時(shí)間t3和反應(yīng)執(zhí)行時(shí)間t4四部分，其中：

1)t1、t2屬于通用參數(shù)，即任務(wù)無(wú)關(guān)參數(shù)，可通過(guò)一般數(shù)據(jù)進(jìn)行辨析。

2)t3、t4屬于任務(wù)相關(guān)參數(shù)，可基于實(shí)驗(yàn)數(shù)據(jù)并運(yùn)用相關(guān)定律進(jìn)行辨析。t3、t4可分別通過(guò)Hick-Hyman定律[11]和Fitts定律[12]進(jìn)行辨析，即

t3=a1+b1·log2(n+1)，

(1)

t4=a2+b2·log2(A/W+1)，

(2)

式中：a1、b1、a2、b2為常數(shù)；n為系統(tǒng)按鍵數(shù)目；A為手與按鍵初始距離；W為按鍵有效寬度。

2.2.2 資源參數(shù)辨析

資源參數(shù)包括腦力負(fù)荷值及其分布函數(shù)2個(gè)部分，其中：腦力負(fù)荷值即各行為要素的腦力資源需求量，可采用Aldrich的7分制評(píng)級(jí)標(biāo)準(zhǔn)進(jìn)行評(píng)定[13]，該標(biāo)準(zhǔn)是針對(duì)美軍開(kāi)發(fā)新武器系統(tǒng)的腦力負(fù)荷預(yù)測(cè)需求提出的，具有良好的有效性和適應(yīng)性；腦力負(fù)荷分布函數(shù)即各行為要素某時(shí)刻發(fā)生的概率，可依據(jù)先驗(yàn)分布模型采用擬合的方法確定。

裝甲車輛乘員信息處理作業(yè)腦力負(fù)荷先驗(yàn)分布模型[1]為

φ(t)=a3+b3lg(t+1)，

(3)

式中：φ(t)為t時(shí)刻發(fā)生的概率；a3、b3均為待定參數(shù)。

2.3 模型仿真

選用Monte Carlo方法[14]對(duì)任務(wù)-網(wǎng)絡(luò)模型進(jìn)行仿真，其仿真流程描述為：確定初始化數(shù)據(jù)，運(yùn)行數(shù)學(xué)仿真模型，通過(guò)隨機(jī)變量抽樣產(chǎn)生隨機(jī)數(shù)據(jù)，對(duì)生成的隨機(jī)數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，計(jì)算每組隨機(jī)數(shù)據(jù)的期望值，進(jìn)而將期望值與資源參數(shù)進(jìn)行計(jì)算，即可得到乘員信息處理作業(yè)的腦力負(fù)荷情況。

3 應(yīng)用實(shí)例

3.1 初始參數(shù)設(shè)置

為檢驗(yàn)?zāi)X力負(fù)荷預(yù)測(cè)模型的有效性，以某新型車載信息系統(tǒng)設(shè)計(jì)階段的效能評(píng)估問(wèn)題為研究對(duì)象，選擇目標(biāo)錄入為乘員典型信息處理作業(yè)，對(duì)該乘員典型信息處理作業(yè)中的腦力負(fù)荷情況進(jìn)行預(yù)測(cè)，相關(guān)初始參數(shù)設(shè)置如表2所示。

表2 相關(guān)初始參數(shù)設(shè)置

3.2 乘員信息處理作業(yè)行為分析

依據(jù)乘員專業(yè)教范，將裝甲車輛乘員目標(biāo)錄入信息處理作業(yè)劃分為準(zhǔn)備、執(zhí)行和空閑休息3個(gè)信息處理作業(yè)操作狀態(tài)，建立了作業(yè)類型選擇O1、敵我屬性判斷O2、目標(biāo)信息錄入O3和目標(biāo)信息發(fā)送O4四個(gè)基本操作元，提取了各操作元的行為要素。乘員信息處理作業(yè)操作元模型結(jié)構(gòu)如圖5所示?？梢钥闯觯貉b甲車輛乘員信息處理作業(yè)各操作元具有其自身的行為特點(diǎn)，同時(shí)也有各自的認(rèn)知圖式。其各操作元認(rèn)知圖式分析如表3所示。

圖5 乘員信息處理作業(yè)操作元模型結(jié)構(gòu)

行為要素感覺(jué)加工注意水平工作記憶長(zhǎng)時(shí)記憶反應(yīng)方式行為類型發(fā)現(xiàn)視覺(jué)低提取提取—規(guī)則型/技能型查找視覺(jué)低提取提取—規(guī)則型判斷反饋中存取提取—規(guī)則型選擇反饋中存取提取—規(guī)則型識(shí)別反饋中存取提取—規(guī)則型決定反饋中存取提取—規(guī)則型鍵入反饋低無(wú)提取選擇/辨別規(guī)則型/技能型語(yǔ)音反饋低提取提取—規(guī)則型/技能型

3.3 任務(wù)-網(wǎng)絡(luò)模型構(gòu)建

根據(jù)乘員信息處理作業(yè)操作元模型，并對(duì)照認(rèn)知圖式分析，通過(guò)間接法構(gòu)建任務(wù)-網(wǎng)絡(luò)模型如圖6所示。

乘員信息處理作業(yè)任務(wù)-網(wǎng)絡(luò)模型的各行為要素明細(xì)及其關(guān)系如表4所示。

圖6 乘員信息處理作業(yè)任務(wù)-網(wǎng)絡(luò)模型

信息執(zhí)行通道各行為要素代號(hào)視覺(jué)(V)A1發(fā)現(xiàn)A5發(fā)現(xiàn)A9發(fā)現(xiàn)A13發(fā)現(xiàn)A2 —A6無(wú)A10 —A14發(fā)現(xiàn)A3查找A7查找A11查找A15查找A4發(fā)現(xiàn)A8發(fā)現(xiàn)A12發(fā)現(xiàn)認(rèn)知(C)B1 —B6判斷B11判斷B16識(shí)別B2判斷B7選擇B12識(shí)別B17決定B3識(shí)別B8識(shí)別B13決定B4決定B9決定B14 —B5 —B10 —B15判斷動(dòng)作(P)C1 —C3 —C5 —C7 —C2鍵入C4鍵入C6鍵入C8鍵入聽(tīng)覺(jué)(A)D1發(fā)現(xiàn)語(yǔ)音(S)E1語(yǔ)音

3.4 工作參數(shù)量化辨析

3.4.1 時(shí)間參數(shù)辨析

根據(jù)模型時(shí)間參數(shù)辨析方法，參考前期實(shí)驗(yàn)分析結(jié)果[15-16]，取a1=-149.1,b1=100.8,a2=97.5,b2=89.2，得到辨析結(jié)果為：t1=85 ms，t2=106 ms，t3=188,338 ms，t4=370,467 ms。

3.4.2 資源參數(shù)辨析

對(duì)照Aldrich腦力負(fù)荷評(píng)級(jí)量表，即可得到各行為要素腦力負(fù)荷值辨析結(jié)果，如表5所示。

表5 各行為要素腦力負(fù)荷值辨析結(jié)果

將乘員t時(shí)刻操作狀態(tài)提取100次，根據(jù)式(3)，對(duì)數(shù)據(jù)進(jìn)行最小二乘法擬合，得到各行為要素腦力負(fù)荷分布函數(shù)辨析結(jié)果,如表6所示。

表6 各行為要素腦力負(fù)荷分布函數(shù)辨析結(jié)果

3.5 模型仿真及結(jié)果分析

為保證模型按相似路徑仿真執(zhí)行，確定了隨機(jī)起始數(shù)字，設(shè)步長(zhǎng)d=50 ms，隨機(jī)數(shù)目NT=180。圖7、8分別為模型仿真運(yùn)行一次乘員各信息執(zhí)行通道腦力負(fù)荷和總腦力負(fù)荷情況。

圖7 模型仿真運(yùn)行一次乘員各信息執(zhí)行通道腦力負(fù)荷情況

圖8 模型仿真運(yùn)行一次乘員總腦力負(fù)荷情況

對(duì)仿真結(jié)果進(jìn)行統(tǒng)計(jì)，得到作戰(zhàn)條件下乘員各信息執(zhí)行通道腦力負(fù)荷和總腦力負(fù)荷情況，如表7所示。

表7 乘員各信息執(zhí)行通道腦力負(fù)荷和總腦力負(fù)荷情況

由圖7、8模型仿真預(yù)測(cè)結(jié)果及表7可得出乘員信息處理作業(yè)腦力負(fù)荷情況如下：

1)乘員信息處理作業(yè)峰值總腦力負(fù)荷值為49.1，該時(shí)刻乘員需要同時(shí)執(zhí)行的任務(wù)為目標(biāo)錄入、車內(nèi)通信和車外通信，這一數(shù)值已經(jīng)超過(guò)負(fù)荷限值(35.0)，其超負(fù)荷率為17.1%，且超過(guò)了信息處理作業(yè)總時(shí)間的10.0%，可認(rèn)為乘員信息處理作業(yè)過(guò)程基本處于高負(fù)荷狀態(tài)。

2)乘員視覺(jué)通道、聽(tīng)覺(jué)通道、認(rèn)知通道、反應(yīng)通道和語(yǔ)音通道的峰值腦力負(fù)荷分別為7.0、12.0、23.8、7.0和8.0。聽(tīng)覺(jué)通道、認(rèn)知通道和語(yǔ)音通道的腦力負(fù)荷均存在超負(fù)荷(>7.0)情況，尤其是認(rèn)知通道的超負(fù)荷比率達(dá)到65.5%，說(shuō)明該通道的運(yùn)行相當(dāng)繁忙。

綜合預(yù)測(cè)結(jié)果，筆者對(duì)該車載信息系統(tǒng)的設(shè)計(jì)和使用提出如下建議：1)在前期系統(tǒng)設(shè)計(jì)時(shí)，應(yīng)進(jìn)一步優(yōu)化系統(tǒng)操作界面，提高界面文字識(shí)別性和顏色匹配度，降低界面操作復(fù)雜度，優(yōu)化按鍵的寬度及分布等，減少系統(tǒng)自身設(shè)計(jì)的缺陷；2)在后期系統(tǒng)使用時(shí)，應(yīng)盡量避免腦力負(fù)荷在同一執(zhí)行通道維度和時(shí)間序列維度中的疊加，有針對(duì)性地調(diào)整任務(wù)完成方式和順序，即考慮將一些應(yīng)用聽(tīng)覺(jué)和語(yǔ)音的作業(yè)轉(zhuǎn)變?yōu)橐砸曈X(jué)和反應(yīng)為主、聽(tīng)覺(jué)和語(yǔ)音為輔的作業(yè)，允許乘員按任務(wù)優(yōu)先級(jí)先完成相對(duì)重要、優(yōu)先級(jí)較高的作業(yè)，再完成優(yōu)先級(jí)較低的作業(yè)等。

[1] 劉維平，聶俊峰，金毅，等.基于任務(wù)-網(wǎng)絡(luò)模型的裝甲車輛乘員腦力負(fù)荷評(píng)價(jià)方法研究[J].兵工學(xué)報(bào)，2015，36(9)：1805-1810.

[2] 柳忠起，袁修干，劉濤.航空工效中的腦力負(fù)荷測(cè)量技術(shù)[J].人類工效學(xué)，2003，9(2)：19-22.

[3] 白杰，馮傳宴，楊坤.飛行員腦力負(fù)荷生理測(cè)量方法研究進(jìn)展[J].航天醫(yī)學(xué)與醫(yī)學(xué)工程，2016，29(2)：150-156.

[4] BIN E，GAVRIEL S.Predction of mental workload in single and multiple tasks environments[J].International journal of cognitive ergonomics，2000，4(3)：213-242.

[5] WICKENS C D.Multiple resources and mental workload[J].Journal of the human factors and ergonomics society，2008，50(3):449-455.

[6] MITCHEL D K.Workload analysis of the crew of the Abrams V2 SEP： Phase I baseline IMPRINT model [R].USA：Army Research Laboratory，2009.

[7] WANYAN X R，ZHUANG D M，WEI H Y.Pilot attention allocation model based on Fuzzy Theory[J].Computer & mathematics with application，2011，62(7)：2727-2735.

[8] WICKENS C D，HOLLANDS J G.Engineering psychology and human Performance[M].Shanghai：East China Normal University Press，2003：545-550.

[9] 溫超.裝配操作行為模型框架研究[D].長(zhǎng)春：吉林大學(xué)，2008.

[10] 岳芳，顧新建，劉暢.知識(shí)型員工-任務(wù)匹配程度計(jì)算系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].浙江大學(xué)學(xué)報(bào)(工學(xué)版)，2015，49(8)：1462-1469.

[11] 王潔，方衛(wèi)寧，李廣燕.基于多資源理論的腦力負(fù)荷評(píng)價(jià)方法[J].北京交通大學(xué)學(xué)報(bào)，2010，34(6)：107-110.

[12] 徐榮龍，劉正捷，張寧.手持設(shè)備三維菜單績(jī)效評(píng)估[J].計(jì)算機(jī)工程與應(yīng)用，2010，46(22)：20-22.

[13] 廖建橋.腦力負(fù)荷的預(yù)測(cè)與分析方法[J].工業(yè)工程，1998，1(1)：38-42.

[14] 房玉軍，蔣建偉.子彈藥拋撒隨機(jī)外彈道模型及其蒙特卡洛解法[J].北京理工大學(xué)學(xué)報(bào)，2009，29(10)：850-853.

[15] SALVUCCI D D.An integrated model of eye movements and visual encoding[J].Cognitive systems research，2001，1(1)：201-220.

[16] 郭伏，錢省三.人因工程學(xué)[M].北京:機(jī)械工業(yè)出版社，2007：205-207.

(責(zé)任編輯:尚菲菲)

Predictive Mental Workload Model for Armored Vehicle Crew’s Information Processing Task

LIU Wei-ping1，NIE Jun-feng1，XIE Fang2，JIN Yi1

(1.Department of Mechanical Engineering,Academy of Armored Force Engineering,Beijing 100072,China；2.China North Vehicle Research Institute,Beijing 100072,China)

The veracity of operation mental workload prediction is essential to the study of operation status in armored vehicle cabin crew’s information processing，which has important implications for improving design rationality of the man-machine system.To solve the problem of crew’s information processing mental workload prediction under the emergency condition,in view of the basic trend that the task type gradually changes to information processing task,the operate-units and cognitive schema for information processing task are analyzed，the predictive mental workload model is built based on crew’s channel task-network method,the work resource parameters are quantified and the predictive model is verified by an example of target input typical information.The results indicate that the proposed model could describe the change of crew’s mental workload during the whole task clearly,could find out the time nodes and reasons of abnormal mental workload effectively,could predict the mental workload of operate-units quantitatively,the prediction accuracy and reusability are preferable.

armored vehicle; crew; information processing; task-network model; predictive mental workload model

1672-1497(2017)01-0040-06

2016-11-07

劉維平(1961-)，男，教授，博士。

TJ81； X914

A

10.3969/j.issn.1672-1497.2017.01.009