林思遠(yuǎn)，胡榮錦，王艷軍

(1.南京航空航天大學(xué) 民航學(xué)院，南京 211106；2.國家空管飛行流量管理技術(shù)重點(diǎn)實(shí)驗室，南京 211106)

1 引言

空中交通管制員(簡稱“管制員”)的主要任務(wù)是為其管轄范圍(扇區(qū))內(nèi)的航空器提供空中交通管制服務(wù)，指揮航空器安全到達(dá)其目的地。與地面交通相比，空中交通具有速度快、計劃性和隨機(jī)性強(qiáng)等特征。管制員需要及時作出決策，解決航空器運(yùn)行之間的沖突，避免發(fā)生事故。自動化系統(tǒng)在空中交通管理領(lǐng)域的廣泛應(yīng)用，大大的提高了管制運(yùn)行效率的同時，也增加了系統(tǒng)的復(fù)雜性。管制員作為系統(tǒng)中的決策者，通過眼動行為獲取大量信息進(jìn)行決策。研究管制員的眼動行為對于系統(tǒng)運(yùn)行安全和效率具有重要意義[1]。

眼睛是人類獲取外部信息最重要的通道。在過去的幾十年中，不同領(lǐng)域的研究者針對眼球運(yùn)動開展了大量的研究工作，例如，通過研究眼球運(yùn)動檢查潛在的神經(jīng)認(rèn)知功能[2]。眼睛通過眼跳運(yùn)動來掃描環(huán)境，并注視相關(guān)區(qū)域，從而為視覺信息的采樣提供支持[3]。注視的位置是由知覺、認(rèn)知和運(yùn)動之間持續(xù)的相互作用決定的，這些相互作用促進(jìn)了相關(guān)信息的選擇和處理[4]。

在空管領(lǐng)域，眼動追蹤常用于評估管制員的工作負(fù)荷、疲勞程度、視覺搜索。Ahlstrom[5]等人發(fā)現(xiàn)隨著飛機(jī)數(shù)量的增加，管制員工作負(fù)荷增加，眨眼持續(xù)時間減少，瞳孔直徑增加。Stasi[6]研究了眼跳速度與認(rèn)知之間的關(guān)系。Imants[7]等人發(fā)現(xiàn)在同一任務(wù)場景下，不同管制員的搜索策略不盡相同。Marchitto[8]等人研究了在沖突監(jiān)測任務(wù)中的管制員眼動行為。Yoshida[9]等人發(fā)現(xiàn)航班標(biāo)牌顏色的顯著性會影響管制員的眼動行為。靳慧斌[10]等人研究了管制員工作負(fù)荷的實(shí)時監(jiān)測方法和眼動指標(biāo)監(jiān)測疲勞的有效性。王燕青[11]等人發(fā)現(xiàn)不同流量下，管制員眼動行為存在顯著性差異，同時新手管制員和專家管制員眼動模式也存在差異。王超[12]等人發(fā)現(xiàn)管制員對進(jìn)場飛機(jī)和飛機(jī)標(biāo)牌的關(guān)注度較高。Wang[13]等人研究了不同管制級別管制員的眼動行為差異。

雖然國內(nèi)外基于管制員眼動行為的研究取得了一定的研究成果，但對于自動化水平對管制員眼動行為的影響研究甚少。本文將通過將自動化系統(tǒng)分級，采集不同自動化級別、不同管制場景下管制學(xué)員的眼動行為數(shù)據(jù)，探討自動化水平對管制員眼動行為的影響。本研究對理解自動化水平對人類執(zhí)行任務(wù)的影響，提高管制指揮效率和未來空管自動化設(shè)備的設(shè)計開發(fā)都有重要意義。

2 實(shí)驗設(shè)計

2.1 實(shí)驗對象

為了采集眼動行為數(shù)據(jù)，邀請了8名來自南京航空航天大學(xué)的管制專業(yè)的四年級學(xué)生參與實(shí)驗，包括5名男性，3名女性，年齡19-22歲。所有被試均自愿參與仿真實(shí)驗，并可根據(jù)實(shí)驗績效獲得一定的報酬。實(shí)驗前一天晚，所有被試睡眠良好。實(shí)驗開始時，所有被試情緒穩(wěn)定，沒有進(jìn)食咖啡等令人亢奮的食物。

2.2 實(shí)驗場景設(shè)計

(1)自動化級別和流量劃分。目前暫無文獻(xiàn)對空管自動化系統(tǒng)進(jìn)行分級。本文參考了Edwards[14]和陳志杰[15]對空管自動化系統(tǒng)的描述，設(shè)計了無自動化、低自動化與高自動化三種場景，具體定義見表1。同時為了確定流量對管制員行為表現(xiàn)的影響，每個級別的自動化條件下分別設(shè)置了大、中、小(8架、6架、3架)三種不同流量的實(shí)驗場景，低自動化大流量實(shí)驗場景見圖1。根據(jù)實(shí)驗場景流量的不同，計算機(jī)從0°、45°、90°、135°、180°、225°、270°、315°八個方向點(diǎn)隨機(jī)選擇3個點(diǎn)、6個點(diǎn)、8個點(diǎn)生成飛機(jī)，并隨機(jī)生成危險區(qū)。三類自動化系統(tǒng)在實(shí)驗過程中采用的實(shí)驗態(tài)勢場景一致，存在飛行沖突，需要保持飛行間隔。

(2)管制任務(wù)。實(shí)驗任務(wù)是在規(guī)定的時間內(nèi)確保飛機(jī)安全有序地飛行，飛機(jī)的飛行高度不能小于安全間隔并且飛機(jī)不能進(jìn)入危險區(qū)。在無自動化實(shí)驗場景中，管制員全權(quán)負(fù)責(zé)航空器安全，指揮控制飛機(jī)的運(yùn)行，沒有任何危險告警裝置；在低自動化實(shí)驗場景中，管制員全權(quán)負(fù)責(zé)航空器安全，指揮控制飛機(jī)的運(yùn)行，當(dāng)飛機(jī)距離危險區(qū)太近或兩架飛機(jī)高度層<300米并且距離太近時，系統(tǒng)會給予提示，相關(guān)飛機(jī)顏色會發(fā)生改變并且有報警聲音提示；在高自動化實(shí)驗場景中，系統(tǒng)全權(quán)負(fù)責(zé)飛機(jī)安全，管制員只需要負(fù)責(zé)監(jiān)視航空器，不需要任何管制指揮操作，系統(tǒng)全權(quán)進(jìn)行指揮，當(dāng)飛機(jī)距離危險區(qū)太近或兩架飛機(jī)高度層<300米并且距離太近時，系統(tǒng)會給予提示，相關(guān)飛機(jī)顏色會發(fā)生改變并且有報警聲音提示。圖2為實(shí)驗數(shù)據(jù)采集場景。

表1 三種不同自動化管制場景的定義

2.3 眼動指標(biāo)的選取

本文主要分析管制員在不同自動化場景下的兩種眼動行為，即注視和眼跳。注視是指是指眼睛中央窩對準(zhǔn)某一物體的持續(xù)時長超過100毫秒的眼動行為。眼跳是指上一次注視結(jié)束到下一次注視開始的這一過程。本文選取了6個眼動指標(biāo)進(jìn)行分析，其具體定義見表2。

表2 實(shí)驗選取的眼動指標(biāo)

2.4 數(shù)據(jù)處理

本次仿真實(shí)驗通過使用Seeing Machines公司生產(chǎn)的faceLAB 5.0采集被試者眼動數(shù)據(jù)，采樣頻率為60 Hz，實(shí)時追蹤眼動位置延時為3 ms。實(shí)驗流程如下：

(1)在實(shí)驗開始前詢問被試相關(guān)情況，并告知此次實(shí)驗的內(nèi)容、操作與目的。

(2)被試坐在屏目前，適宜地調(diào)整座椅至本人舒適。

(3)實(shí)驗開始前測試眼動儀，并進(jìn)行管制員眼動校準(zhǔn)。

(4)根據(jù)無自動化、低自動化和高自動化的順序依次進(jìn)行實(shí)驗，每個程度的自動化均設(shè)置了小、中、大三組不同流量的實(shí)驗，被試者一共需要進(jìn)行9次實(shí)驗(3×3)，每個實(shí)驗場景時長為7 min，即需要參加63 min的實(shí)驗。

(5)所有試驗完成后，實(shí)驗結(jié)束。

為了區(qū)分原始數(shù)據(jù)的注視與掃視點(diǎn)，本文采用Krassanakis[16]等人的眼動注視識別算法。本文對部分實(shí)驗數(shù)據(jù)進(jìn)行方差齊次性分析，文中顯著性水平分為兩個等級，為*P<0.1和**P<0.05。

3 結(jié)果

本文對被試注視和眼跳的相關(guān)指標(biāo)進(jìn)行了統(tǒng)計分析與討論。圖3為不同自動化場景和不同流量情況下管制員相關(guān)眼動參數(shù)的變化。表3為無自動化與高自動化中大流量與小流量場景的眼動數(shù)據(jù)差異。

表3 無自動化與高自動化場景眼動數(shù)據(jù)差異

注：*P<0.1，**P<0.05。

3.1 注視持續(xù)時間

圖3(A)反映了不同自動化水平和不同流量下注視持續(xù)時間的變化。根據(jù)表3可知，大流量下無自動化和高自動化場景中管制員注視持續(xù)時間存在顯著性差異(F=6.664,P=0.023)，而小流量下沒有顯著性差異(F=1.319,P=0.724)。

3.2 注視點(diǎn)個數(shù)

圖3(B)反映了不同自動化水平和不同流量下注視點(diǎn)數(shù)量的變化。圖4反映了管制員在一次實(shí)驗中注視點(diǎn)的分布。根據(jù)表3可知，大流量下(F=1.080,P=0.926)和小流量下 (F=2.895,P=0.184)無自動化和高自動化場景中管制員注視點(diǎn)的個數(shù)都不存在顯著性差異。

3.3 注視熵

熵的概念最初來源于物理學(xué)，后被引入信息領(lǐng)域，用以描述系統(tǒng)的混亂程度。Shannon[17]提出的熵計算公式為：

(1)

式中pi表示注視數(shù)據(jù)落在位置i的概率。注視熵反映了管制員注視點(diǎn)的分布狀況，該值越大說明注視范圍越大，注視越混亂。為了計算注視熵，我們將實(shí)驗屏幕離散為1 296個小單位(按照眼動儀采集的屏幕范圍大小，根據(jù)實(shí)驗屏幕的分辨率，每40劃分為一小段，共48×27個小單位)，計算每一個小單位被注視的概率。

圖3(C)反映了不同自動化水平和不同流量下注視熵的變化，圖5為實(shí)驗過程中每個小單位被管制員注視到的頻率的典型注視分布圖。根據(jù)表3可知，大流量下無自動化和高自動化場景下管制員注視熵存在顯著性差異(F=5.371,P=0.041)小流量下也存在差異(F=4.020,P=0.086)。

3.4 條件熵

雖然熵與給定隨機(jī)變量的不確定性有關(guān)，但自然界中的大多數(shù)過程都不是完全隨機(jī)的或完全可預(yù)測的，因為它們同時具有隨機(jī)性和依賴性。在這種情況下，給定系統(tǒng)的輸出可能影響下一個輸入的選擇，從而使以下輸入依賴于前一個輸出。這些過程中的統(tǒng)計特性可以用1階至n階馬爾可夫矩陣來近似[17]，其中零階或平穩(wěn)分布表示每個狀態(tài)被占據(jù)的總體概率，而轉(zhuǎn)移分布表示從一個狀態(tài)到另一個狀態(tài)的變化率。因此根據(jù)平穩(wěn)分布給定先驗狀態(tài)的條件熵(Conditional Entropy)進(jìn)行加權(quán)，公式為：

(2)

在這種情況下，H是已知x的先驗狀態(tài)的不確定性。式中pi表示穩(wěn)態(tài)分布，P(i,j)表示從注視點(diǎn)i轉(zhuǎn)移至注視點(diǎn)j的概率。這個方程的值大于0，熵越大，表示的有序度越低，因此狀態(tài)之間的轉(zhuǎn)換模式就越難預(yù)測和復(fù)雜。本文同樣將屏幕離散為1152個小單位計算條件熵。

圖3(D)反映了不同自動化水平和不同流量下條件熵的變化。根據(jù)表3可知，大流量下無自動化與高自動化場景中管制員條件熵不存在顯著性差異(F=1.697,P=0.502)小流量下存在差異(F=4.397,P=0.069)。

3.5 眼跳持續(xù)時間

眼跳持續(xù)時間的長短能夠反映搜索效率的高低。圖3(E)反映了不同自動化水平和不同流量下眼跳持續(xù)時間的變化。根據(jù)表3可知，大流量下不同自動化場景中管制員眼跳持續(xù)時間存在顯著性差異(F=9.472,P=0.008)，小流量下不存在差異(F=1.189,P=0.825)。

3.6 平均眼跳速度

圖3(F)反映了不同自動化水平和不同流量下平均眼跳速度的變化。根據(jù)表3可知，大流量下(F=1.064,P=0.937)和小流量下(F=2.613,P=0.228)無自動化場和高自動化景中管制員的平均眼跳速度不存在顯著性差異。

4 討論

注視持續(xù)時間的長短能夠反映被試信息處理的難易程度，持續(xù)時間越長，說明信息獲取與處理的難度越大。注視持續(xù)時間隨著自動化水平的提升而降低，說明了相較于無自動化與低自動化場景，在高自動化場景下，管制員處理信息更加容易，系統(tǒng)對管制員的幫助較大。這可能跟管制員職責(zé)的改變有關(guān)，由于在高自動化場景下，系統(tǒng)能夠完成所有操作，管制員僅需監(jiān)視系統(tǒng)，由于不需要全權(quán)指揮，管制員獲取信息的態(tài)度更加隨意，不需要長時間集中注意，故注視持續(xù)時間較短。注視點(diǎn)個數(shù)與自動化水平的關(guān)系不明顯。在無自動化與低自動化中，注視點(diǎn)的個數(shù)隨著交通流量的增加而增加；而在高度自動化場景中，這一趨勢發(fā)生了改變，中流量場景注視點(diǎn)個數(shù)相較于低流場景注視點(diǎn)個數(shù)更少，這可能是由于管制員改變了搜索策略。

注視熵反應(yīng)了管制員注視分布情況，注視分布越廣，注視熵越高，注視越混亂。交通流量越大管制員的注視時間越長，需要關(guān)注的飛機(jī)就越多，故注視熵相應(yīng)地增高。無自動化或低自動化的注視熵與高自動化差別較大。這可能是由于在高度自動化場景下，管制員只需要監(jiān)視飛機(jī)，而無自動化、低自動化場景下，管制員要控制飛機(jī)，所以不可避免地需要注視到屏幕的功能區(qū)，所需的注視范圍更廣。條件熵同樣反應(yīng)管制員注視分布情況，但其考察了注視行為的規(guī)律性?？傮w上隨著流量的增大而減小，高自動化場景下的條件熵比無自動化、低自動化更大，這說明了高自動化場景下管制員的注視行為沒有規(guī)律性。

本文發(fā)現(xiàn)了一個有趣的現(xiàn)象：熵都是用于描述系統(tǒng)的混亂程度，相較于高度自動化場景，無度自動化和低自動化場景有著更高的注視熵，條件熵卻更低。這可能是由于在無自動化、低自動化場景下，管制員觀察完相應(yīng)的飛機(jī)后，隨之會對該飛機(jī)下達(dá)相關(guān)指令，從而注視到相應(yīng)的功能區(qū)；而在高自動化場景下管制員觀察完相應(yīng)的飛機(jī)以后，會無規(guī)律地觀察下一架飛機(jī)。綜上，在無自動化和低自動化場景下管制員的注視范圍雖然廣，但注視呈現(xiàn)一定的規(guī)律性，注視熵較大，條件熵較??；而在高自動化場景下管制員的注視范圍雖小，但不能很好地體現(xiàn)注視的規(guī)律性，故注視熵較小，條件熵較大。

眼跳持續(xù)時間隨著自動化水平的提升而升高，這與注視持續(xù)時間成負(fù)相關(guān)關(guān)系，由于實(shí)驗總時長是不變的，注視持續(xù)時間的增加會導(dǎo)致掃視持續(xù)時間的減少。平均眼跳速度隨著交通流量的增加而增加，隨著自動化程度的增加而減少。這可能是由于實(shí)驗中飛機(jī)架次的數(shù)量決定屏幕飛機(jī)的密度，飛機(jī)架次越多，眼跳轉(zhuǎn)移的距離就越短，平均眼跳速度就會相應(yīng)地減少。自動化程度的增加導(dǎo)致平均眼跳速度減少的原因主要是在高自動化場景下管制員不須全權(quán)管制航空器，不須注意到功能區(qū)，而在人機(jī)交互界面上，功能區(qū)離屏幕航空器較遠(yuǎn)，能夠產(chǎn)生較大的眼跳速度。

綜上，自動化程度的改變能夠較大的影響管制員的眼動行為，在未來的管制設(shè)備的設(shè)計、制造和管制員培訓(xùn)環(huán)節(jié)需要充分考慮這一改變。

5 結(jié)論

本文研究了不同自動化場景下管制員的眼動行為，得到以下主要結(jié)論：

(1)無論何種自動化程度下，管制員的注視持續(xù)時間、注視熵和平均眼跳速度隨著流量的增大而增大，眼跳持續(xù)時間隨著流量的增大而減??；綜合三種自動化，注視點(diǎn)個數(shù)也隨著流量的增大而增大，但在高自動化中表現(xiàn)不明顯，條件熵隨著流量的增大而增大，但在低、高自動化中表現(xiàn)不明顯。

(2)高自動化試驗場景下管制員會有更短的注視持續(xù)時間，更低的注視熵，更高的條件熵，更長的眼跳持續(xù)時間和更慢的平均眼跳速度。

(3)雖然注視熵和條件熵都是用于描述注視的混亂程度，但他們的關(guān)系呈現(xiàn)負(fù)相關(guān)，與無自動化、低自動化場景相比，高自動化下管制員擁有更低的注視熵和更高的條件熵。

(4)在未來空管系統(tǒng)設(shè)備設(shè)計、制造需要充分考慮管制員職責(zé)的變化導(dǎo)致管制員行為所發(fā)生的變化。