特征的视觉扫描模式在空中交通管制

文摘

描述的空中交通管制(atc)视觉扫描策略是一个具有挑战性的问题由于多个飞机和日益复杂的动态运动scanpaths(眼睛定位,扫视的顺序)。此外,术语和方法缺乏精确描述眼睛跟踪数据简化视觉扫描策略语言表达的atc。作为一个中间步骤自动化分类过程描述,我们(1)定义和发展新概念系统过滤复杂的视觉scanpaths成更简单、更易于管理的形式和(2)开发过程与语言输入地图视觉scanpaths减少人类的判断偏差在评分者间信协议。发达的概念和程序应用于调查专家的视觉scanpaths atc使用场景不同飞机拥挤水平。此外,眼球运动的趋势分析来识别飞机交通拥堵的影响在扫描时间和飞机之间的比较。研究结果显示,(1)scanpaths过滤在最高强度导致更加一致的映射与atc的语言输入,(2)之间的模式分类出现不同场景,和(3)增加飞机拥挤造成增加扫描时间和飞机两两比较。为更好地描述复杂的scanpaths结果提供一个基础在动态任务和自动化分析过程。

1。介绍

空中交通管制员被认为有一个高压力的职业,由于重量的责任和持续的期望他们的完美的性能(1,2]。他们监视飞机,飞行员,沟通和解决冲突,威胁要么失去分离(洛杉矶)的最低允许飞机之间的距离或尾流3]。自1980年以来,工业空中交通平均每年增长5% (4和继续稳步上升5),导致atc经历更多困难的任务(6,7]。每个ATC被赋予一个部门在空间和飞机流量增加,行业变得更加拥挤(6]。过载和场景困难已经被证明可以减少ATC性能(8],因为更多的飞机导致更高概率的错误和atc必须毫无错误,是高度重要的援助atc通过提供有效的训练方法和了解利用尽可能多的自动化。

先前的研究验证,开发高效的培训项目的一个方法是通过让新手来查看专家ATC视觉scanpaths教新手最高执行扫描策略以最快的速度(9,10]。这种方法是合适的,因为监测眼球运动可以帮助理解用户的意图(11]。scanpath是一个连续的眼球运动在展示(12- - - - - -14),如图1。点代表眼睛定位和线条代表扫视,固定点之间的运动(15];scanpath移动顺序从1点到8点。眼动跟踪设备,比如那些在监控下,被用来成功地记录,观察和分析视觉scanpaths改善计算机接口(16,17]。因为研究表明,理解ATC认知过程是有用的18,19和观察scanpaths是一个合适的方法20.),自动化的详细描述scanpaths提供有效培训,也是相当有价值的技术。如果scanpath特征可以准确自动化、专家ATC scanpaths可以收集,记录,新手看的更深层次的理解。另外,新手可以获得更多反馈自己的scanpaths在运行模拟测试效率的策略以及它们的性能。

然而,有很多不确定性,当试图描述scanpaths。根据ATC语言输入,扫描策略在概念上可以描述为圆形的,线性的,轨迹,区域,增强,是附近,或者density-based [9,21),但实际识别scanpath为唯一上市类别不太可能由于重叠造成的基本定义。因此,挑战存在于试图正确映射ATC自我报告的策略,或模式,每个实际scanpaths。这是困难的,因为scanpaths生长在复杂性随着时间的推移和分类变得非常困难。

图2显示了一个scanpath正确分类的1.5分钟时间到atc不大可能提供的策略。除了发现多个重叠模式,模式可以是不完整的,混乱,或模糊。

另一个主要问题,导致分类的不确定性是一些scanpaths似乎造成无意的一个模式。大多数专家atc打算使用一个特定的策略,但从数据中提取他们的目的是很困难的。例如,ATC打算可以使用一个圆形scanpath,但它不能被识别的眼动跟踪数据仅因为不断的反复对比飞机和缺乏一个完整的圆。圆可以切换从顺时针,逆时针方向多次半圆形,可以打断了比较,导致ATC在屏幕上在线性运动。观察绘制数据时,有可能是目标而不是圆形scanpath可以被归类为混合之间的线性和增强。想象这个问题,图3演示了额外的虚构的例子基本scanpaths相应的形状。数据显示订单飞机被认为,粗红线显示对准目标,下面是蓝色的简化表示。选择一个模式标签(a)和(b)的许多不幸的选择依赖于判断称,尤其是模式并不排斥。Scanpath (a)可以认为从固定循环3 - 10,从1到8的线性或5至12日或增强从1到12从象限Q2,第四季度,Q1,然后第三季。Scanpath (b)可以是线性的,轨迹,或者从固定density-based 1到9。当查看ATC scanpaths频繁出现类似的问题。模式可能需要阈值和等级来确定哪些策略是主导。

其他问题需要考虑的水平是影响扫描从飞机的数量,困难的场景,和飞机的空间布局。总的来说,扫描的类型取决于ATC的策略和水平提到的变量的影响常常会导致多个不完整的,本地的,或不清楚的模式证明高度挑战性的描述。例如,在[9),圆形的定义是观察scanpath圆周运动;然而细节描述圆周运动没有定义。因此,它是人类判断偏差可能在评分者间信协议如果特定的过程描述和分类scanpaths并不发达。

为了开始以一个简化的方式解决这些问题,只考虑限制scanpath模式是圆形的,线性的,在表和混合1。在这个研究中,只有环形和线性模式搜索,因为他们是最简单的策略专家证人和最常用的atc (21),只取决于scanpath形状。理想的例子包括逆时针、顺时针,螺旋循环模式和水平、垂直和对角线性模式。现实的例子是代表理想的例子;混合模式使用环形和线性运动完成扫描,所以没有理想的形式。现实的例子都是虚构的,覆盖12飞机概念上的低拥挤场景演示的类别。注意,模式可以结合他们的特点如第二环形和线性例子完成之前改变方向。

由于不同的可能的解释和高复杂度的大小,scanpaths很难分类到atc模式提供的专家。尽管一些提供了理想和现实的例子,还有一个挑战在映射每个scanpath选择模式。模式概念进行描述,但没有给定的阈值或数学表示充满信心地识别它们。例如,在数学上是一个线性运动如何定义的ATC语言描述(如左向右移动而曲折的21])?此外,如果线性运动成功地用数学形式表示,现实是如何scanpaths分析考虑到他们不会移动在完美的或可预测的方式?需要考虑许多条件,如随机波动发生在扫描包括以前的飞机来回运动。尽管许多算法开发比较和分析视觉scanpaths [12,22- - - - - -32)和他们的能力和局限性提供详细(12)方法仅限于比较scanpaths但不是映射视觉scanpaths策略描述的专家。

当然,很难开发数学模型或算法基于atc提供的口头描述。需要更深入的描述;精炼后,它可能会把scanpaths分成模式,可以自信地分类基于某些标准。模式识别需要解决点偏差阈值,飞机的比例根据一个给定的模式,认为正确识别模式和方法。否则,很多模式都可以自称是用于扫描虽然只有一个是主导,ATC的目的。如果术语和程序是预先确定的以系统的方式和应用,然后可以达成一致的、深入的发现。因此,本文的目的是(1)引入新术语,(2)过滤方法适用于scanpaths简化表示判断之前,(3)提供程序像一个概念性的框架,评级机构在模式分类,和(4)应用该程序描述scanpaths和比较他们的结果在场景与不同数量的飞机。这项工作是为了减轻scanpaths特性,增加描述精度,导致未来自动化scanpath鉴定。

2。提出的方法

2.1。术语识别视觉扫描策略

新术语是为了过滤掉复杂scanpaths引入可控的形式提供的策略会导致表示atc。假设有数量的飞机上的雷达显示以下定义:(我)生scanpath:原始scanpath是所有定位,扫视整个scanpath包括从开始到结束的任务由ATC解决所有的冲突场景。(2)全球扫描:全球扫描是一个完整的观察飞机。(3)本地扫描:本地扫描是一种观察一群飞机可能比较,组包含2飞机。(iv)比较:比较发生在飞机连续扫描后至少两次已经浏览过一次总共有三个或三个以上的观察,直到移动到不同的飞机。(v)首次全球scanpath (IGS):IGS是第一个完整的观察飞机上的显示。它包括所有发生的定位,扫视,直到所有飞机被访问。(vi)IGS中提取:提取的IGS是IGS删除比较,或过滤掉;它最初的过滤器适用于IGS。(七)基本的IGS:基本IGS是IGS没有本地扫描;它适用于最强烈的过滤器和提取IGS的最简单的形式。它显示的顺序每架飞机在IGS被。

在一个全球扫描,如果所有飞机,然后眼睛固定后开始下一个可能的全球扫描。在原始scanpath,可以有多个全球扫描或没有从来没有认为如果所有的飞机。同样,全球扫描可以包括多个本地扫描或没有,和本地扫描可以包括多个比较或没有。特别是,他们彼此存在的子集,如下所示:(原始Scanpath)⊆(全球扫描)⊆(本地扫描)⊆(比较)。

本地扫描和比较的概念来源于视觉组的定义(33),或大量的飞机之间的转换。比较是在飞机之间的冲突解决。当一个比较确定的ATC转向不同的飞机,ATC可以再次回到相同的飞机执行另一个比较,比较不同组的飞机,或继续扫描。比较总是一个地方扫描,尽管当地扫描并不总是比较如果飞机只是无重复扫描。图4说明了本地扫描的区别和比较;(一个)显示本地扫描之间,,,没有比较,(b)显示了一个本地扫描之间,,比较之间的第六运动开始和红色所示。请注意,飞机集团(,,,)只有4更多的飞机在雷达显示;因此观看全球扫描不完整。

只对比较和分析了IGS scanpath模式,因为有更少的机会的地方扫描和比较。IGS完成后,所有飞机都被浏览,其余时间最有可能花在解决冲突,并不需要额外的全球扫描。个人ATC扫描策略最有可能被目睹在IGS更轻松,清晰而其余的扫描。

然而,问题是,IGS通常包含多个地方扫描比较导致仍然很难分类。将过滤器应用到重复动作简化了分类过程;因此,提取和基本igs。提取的IGS代表评级机构应该如何自然地观察scanpaths而观察和判断扫描策略;它忽视了比较飞机但必须考虑当地的扫描。基本scanpath IGS是最简化表示;正如前面提到的,它忽视了本地扫描这意味着排除比较。它有固定和固定之间的连接数量。定位不一定是扫视之间的关系,因为他们仅仅显示的路径下查看飞机的ATC不考虑任何重复观察之前的飞机。特别是,飞机从1到编号他们关注的顺序;然后固定之间的连接顺序绘制。

一旦提取的和基本的igs,他们可以分类模式。scanpath策略包括七个已知模式类别:圆形,线性的,轨迹,区域,增强density-based,附近类别9,21]。另外两个类别,允许所有scanpaths透露“混合”和“其他。“最受欢迎的策略专家atc是圆形,然后使用线性(9,21],如前所说,他们也形状依赖、容易识别。因此,对于简化的目的,这项工作将所有scanpath模式划分为圆形,线性混合和其他类别,下面简要定义和以前见表1。轨迹扫描不包括因为它们利用新手(9),这个研究专家ATC行为:(我)圆形:圆形scanpaths旋转顺时针或逆时针运动,包括螺旋形和矩形。他们沿着相邻的屏幕的边缘,倾向于相邻的他们开始。(2)线性:线性scanpaths定向从一边到它的反面,在曲折垂直于水平,垂直或对角线方向。他们往往相反,他们开始结束。(3)混合:混合scanpaths发生当环形和线性scanpaths发生和可以包括重叠。(iv)其他:其他扫描缺乏自信,因此包括模式识别未知或类别难以自信地识别包括区域,增强,density-based,附近scanpaths。

2.2。描述过程

基于定义的部分2.1、程序开发确定比较的数量在一个IGS和提取和基本IGS的模式分类。分析过程包括IGS计数的数量比较,然后简化IGS提取和基本形式,并分类简化scanpaths圆形,线性,混合或其他显示在图5。

程序来确定数量的比较和scanpath的类型。程序是使用igs;过程1分析了IGS,和程序2- - - - - -4分析了基本的IGS。程序2- - - - - -4仅作为指南提取igs由于许多波动引起的考虑本地扫描;评分者间信协议仍是占主导地位的igs中提取的分类方法。基本igs scanpaths遵循程序初始分类,然后评分者间信协议是用来分配模式分类异常情况判断错误分类的过程。

过程1被用来计算在IGS的数量比较。飞机第二次看时,不算作比较ATC忘记,因为它是可能的信息或需要一个确认。飞机立即观察到第三次时,假定ATC是做一个比较。在参考图2程序后,1导致没有比较(a)和(b)的第一个比较的开始虽然飞机在这两个例子扫描3倍。

本文提供了一个示例应用程序1为了增加清晰度。考虑一个20个步骤6架飞机之间的序列:a, B, C, D, E, f .序列如下:E一个BCEFBEBDBE一个B一个BE一个EC。表2适当地显示出每架飞机可分为过程中引入的州1。在第一步中,飞机(E, A, B, C)是第一次放入扫描;然后再次看到飞机(E)和复制潜在的比较。在第二步中,一个新的飞机(F)和放入扫描,所以美国潜在的比较和比较明确的。在第三个步骤中,飞机扫描再次查看(B, E)和复制到吗潜在的比较。当飞机在潜在的比较此外认为(B),复制到吗比较,飞机可以重复吗增加1(0 + 1 = 1)。在第四步中,(D)和一个新的飞机放在扫描,潜在的比较和比较被清除。第五步,之前的飞机被视为(B, E, A)和复制潜在的比较直到他们是重复的,因此复制到比较(B, A, B, E, E)之间的比较持续的飞机也在潜在的比较,增加到2(1 + 1 = 2)。在第六步,飞机不是在吗潜在的比较看,所以潜在的比较和比较被清除。第七步,因为下飞机(C)已经在扫描,这是放置在潜在的比较。比较的数量递增,直到这个序列。

手术后1完成在IGS总数的比较,提取的和基本的IGS用于程序2- - - - - -4进行模式分类。程序分类提取igs的一般规则,但基本igs的密切关注;他们被应用到评级机构;然后模式是由评估者间信协议。扫描被贴上圆形或线性至少50%的时候总飞机顺序遵循这种模式,因为如果使用一个模式至少一半的飞机(在研究场景,范围从12到20飞机显示),它是最有可能不是巧合。注意,阈值可以调整比例和有一些余量指向偏离程序而不中断连续计数模式后的飞机;飞机数可以暂停1或2偏差点然后继续接下来的飞机,如果他们继续模式。环形和线性扫描取决于形状由scanpath和独立于空中交通管制的意图。如果雷达屏幕上表示为一个网格分成几部分,shape-dependent模式可以在概念上确定基于订单飞机观察外部边界附近的网格。因此应该考虑网格的中心地区的错误。

循环模式基本上是实现当一个虚构的酒吧来自显示延伸到边境的中心旋转至少180°。随着杆旋转,scanpath必须打飞机它触动;循环模式是由当scanpath边境相邻点移动,导致顺时针或逆时针运动中定义的过程2。他们通常导致旋转回起点虽然这并非总是如此。

同样,线性模式可以通过想象一个酒吧概念延伸显示垂直、水平或对角线。随着酒吧从它的反面,一边scanpath必须打飞机接触酒吧导致锯齿形的运动方向垂直,朝着酒吧。过程3演示了这个想法;扫描从网格的一方或角落相反,类似于波传播。scanpath垂直于传播方向的运动在混乱的运动创造交换边境对面的位置。

程序2- - - - - -4提供了概念框架分类阈值选择的模式。分类过程是不完整的,直到程序2- - - - - -4应用于每个scanpath顺序。某些假设之前利用程序2和3:有均匀分布的飞机在显示,宽容被评级机构应用允许一些偏离理想的模式,和程序都是基于假设的空间布局多个目标(或飞机)与随机间隔均匀地分布,这意味着他们不是同样一致均匀分布。

程序的基本原理2如下。首先眼睛注视目标的角度总是设定在。一步分配值为每个后续的眼睛注视目标参考(例如,在图6(一),是15°顺时针的)。步骤和调查是否有一致的增加或减少值。如果增加,那么视觉扫描是顺时针运动,如果减少,那么视觉扫描逆时针运动。请注意,对于一个逆时针方向运动,()是紧随其后的是(),然后值降低的。在步骤,如果发现数量的眼睛注视目标()超过总数的一半眼睛注视目标(),然后我们分类scanpath循环。注意步骤中使用的阈值可以调整。宽容的顺序必须允许增加或减少(如几值可以提高整体下降值)因为眼球运动不是机械,经常偏离理想的数学模式或口头解释个体的搜索模式。圆形的例子scanpaths分类的过程2如数据所示6(一)和6 (c)。每一个黑色的点代表一个目标;第一个目标是专注于0°()。在图6(一),其余点依次增加值创建一个顺时针旋转。在图6 (c),第一个10分适用于圆形模式,超过一半的飞机;因此它也满足过程2。

程序的基本原理3如下。一步定义了飞机的起点,专注于一个极端的位置上——或者设在的显示。起点不需要第一个眼睛注视点在目标模式才可能开始以来几眼注视发生在其他目标。还要注意,和极值可以包括任何点相对外部边界附近的屏幕允许一些宽容;他们没有绝对极值,但他们需要接近。步骤定义的线性运动的一般趋势垂直或水平的运动。详细,动作可以在整个垂直方向与水平曲折或整体水平方向与垂直的曲折。分化的原因有4个步骤,每个步骤表明总体方向是否增加从左到右(步骤),右到左(步骤),从下到上(步骤),或从上到下(步骤),并确保他们的对面附近显示。在步骤,如果发现数量的眼睛注视目标()超过总数的一半眼睛注视目标(),然后我们将scanpath是线性的。注意步骤中使用的阈值可以调整。再次,必须允许公差在整个方向(例如,一些(或)值可以增加整体下降(或)值)。线性scanpaths分类的例子程序3如数据所示6 (b)和6 (c)。scanpath图6 (b)起价,那么值持续增加的值开关方向(增加和减少之间的)6次,最后结束;从左到右线性方向是水平的。在图6 (c)10分,最后应用向水平线性模式从右到左(第三点是排除在外,所以9点总数对线性模式),其中包括超过一半的飞机;因此它也满足过程3。

程序的基本原理4如下。步骤和导致scanpath为圆形或线性模式进行分析。如果scanpath只圆形或线性的,这是机密。在步骤,如果scanpath环形和线性模式既能满足要求,这是混合的标签。一步分配提供了“其他”分类scanpaths不利用圆形或线性模式。程序后,评分者间信协议是为了考虑特殊情况下使用。利用评分者间信协议是必要的因为现实scanpaths不遵循理想的数学模式。图中提供的所有数据6使用过程分类4。部分(a)是机密(b),部分是分类(c),部分是分类,(d)部分是分类。(c)中的例子和因为第一个10固定资格以来循环值增加,过去10固定(不含第三点)有资格作为线性自价值观是不断降低的值开关方向两次。(d)中的例子是“其他”,因为既不圆也不线性模式发生连续至少一半的飞机。

3所示。实验

3.1。参与者

在印第安纳波利斯航线,25 atc联邦航空管理局的认证提供了scanpaths专家。他们的经验范围从3 - 30年平均为20.7,标准差为7.1。由于太多的数据丢失自信得出结论,1参与者被排除在每个场景导致24参与者的分析在3 72录音场景。

3.2。装置

Tobii X60眼动跟踪被用来收集参与者的眼睛跟踪数据的收集率60赫兹。Simscope / Simtarget软件被用来模拟雷达显示空中交通的48.26厘米液晶显示器。0.5°的眼动跟踪的准确性与每个程度对应大约1.2厘米时眼睛是68.6厘米从监视器。参与者的眼睛是100厘米从监视器导致最大固定误差1厘米。数据块是1.5厘米,1.1厘米;因此,数据块视角是由于高度约0.6°。数字监视雷达(域)模式是用于Simscope / Simtarget刷新率的5 s,模拟现实的雷达显示相当大的准确性。

3.3。任务

atc必须识别和解决冲突,而他们的眼睛跟踪数据收集。在任务开始前,2实践场景中进行以熟悉的atc模拟。在接下来的任务记录为数据分析,他们被要求宣布飞机叫洛对,直到没有更多的迹象仍在3独特的场景。

3.4。场景

途中有3场景呈现给每个参与者都显示在图7:(1)低拥挤场景与12飞机(a)所示,(2)中度拥挤场景与16飞机(b)所示,和(3)高拥挤场景20飞机(c)所示。亮绿色的模拟有黑色背景对象和文本,但增强的图像,颜色倒并转换为黑色和白色,和文本大小增加了200%。每个小钻石形状象征着飞机和行投影方向的旅行。飞机的显示提供了一种自上而下的观点好像他们正在从上方观察,对地球表面向下看。每架飞机的三行文本数据标签列出了航班号,高度,分别和速度。飞机在这些场景中途中;因此各有恒定的海拔高度后“C”所示。

3.5。数据分析

自变量的飞机拥挤低,中等和高。因变量是每个scanpath。从每个原始scanpath,然后提取获得的IGS是基本得到了IGS。原始scanpath总时间测量,分析了IGS扫描时间和数量的比较通过应用程序1,提取和模式分类的基本分析了igs的圆形,线性,混合或其他使用程序2- - - - - -4与评分者间信协议。

Tobii工作室软件用于收集和分析眼动跟踪数据。速度阈值识别(I-VT)算法(34,35)是使用0.42像素/女士的违约阈值定义一个空间固定。

分析动眼神经的趋势包括平均生scanpath时间和飞机拥堵,平均IGS时间和飞机拥堵,IGS的平均数的比较与飞机拥堵,平均IGS时间和IGS的平均数的比较。结果绘制一个方差分析测试应用和两两比较之间的关系。

两个视觉扫描模式分类,评级机构利用程序2- - - - - -4达到一个评分者间信协议。提取scanpath分类类似于前面的方法(9因为评分者间信协议是主导和程序只是作为指南。基本scanpaths分类使用一个比以前更复杂的过程中使用(9]。分类依赖于程序;然后评分者间信协议是用来确认准确的使用过程和再分配分类异常scanpaths判断错误分类的过程。每个扫描了至少3次的评级机构判断错误降到最低。提取和基本scanpath模式的结果相互比较,看看他们不同与atc的语言输入(21)检查的一致性。

4所示。结果

从75年所有录音3排除是由于缺少时间的眼动跟踪数据:参与者5低中度拥挤场景和参与者22高拥堵情况。因此72年录音,24从每个场景录音。

4.1。眼球运动的趋势

眼球运动的趋势包括扫描时间和数量的比较飞机交通拥堵增加。数据8(一个)和8 (b)说明扫描时间和数量的比较,增加更多的飞机。在atc进行更多的比较,他们需要更长的时间来完成IGS如图8 (c),这意味着增加飞机的数量增加的数量比较,增加所需的扫描时间。

对眼球运动的趋势,以下数据分析α= 0.05是用来确定意义的结果。不同的拥堵水平(低风险、中度风险和高)有重大影响的总扫描时间(,)如图8(一个)。事后分析(图基测试)显示所有拥堵水平之间有显著差异(对于所有成对的比较)。同样,不同时间对IGS拥堵水平有显著影响(,)。事后分析(图基测试)显示低和高的显著差异()和中等和高(),低边际差异与温和的()。不同的拥堵的平均数比较水平有显著的影响(,)如图8 (b)。事后分析(图基测试)显示低和高的显著差异()和中等和高(),和微不足道的差异被发现低和中等()。比较有显著影响的数量IGS时间(,)如图8 (c)。事后分析(图基测试)显示显著差异对于大多数成对比较,表中描述3。

4.2。Scanpath模式

提取并基本scanpath分类的结果在图提供了不同程度的交通拥堵9。参与者的数量使用给定的模式显示为圆形(C),线性(L),混合(M),和其他(O)。几个趋势可以从数据。低的基本scanpaths表现出类似的趋势和温和的拥堵如果不考虑混合模式(因为它是未知的,如果他们应该算作圆形,线性的,或其他):圆形scanpaths最常见,其次是线性的,和其他scanpaths是最常见的。高拥堵,出现的模式是相当一致的。然而,对于提取的scanpaths,趋势是完全不同的。其他scanpaths最常见的是由于当地的影响扫描,他们事实上由几乎一半的识别模式。比线性循环模式是稍微偶然发生的,但也不频繁,和混合模式是最不受欢迎的除了温和的拥堵情况他们突然上升。

从提取的模式进行详细的scanpath和所有参与者的基本scanpaths IGS如表所示4为每一个场景。正如前面解释说,“提取scanpath模式”是由观察IGS而排除比较。“基本的scanpath模式”是源自形状由订单飞机被认为,排除任何重复的注视。基本scanpath IGS没有本地扫描(这也排除了比较);因此scanpath不回到飞机已经扫描。基本scanpaths中观察到的模式通常是相同或比提取的简单模式,尽管这并非总是如此;有3例外(低场景20个参与者,参与者18温和的场景,和高的场景参与者23)。N /显示大幅亏损眼跟踪数据不包括在分析中。

图10说明了基本scanpaths。每个黑点代表飞机和飞机开始和结束标记为绿色的明星和红场,分别。他们分成类别一样从表表示4(C、L、M或O),参与者在每个scanpath的左上角。基于过程的分类选择2- - - - - -4上面提供的链接然后评分者间信协议,重新分配任何例外。注意,基本scanpaths仍然基于每架飞机的初始位置的图像绘制视觉模式提供更好的见解。在现实中,每架飞机在atc的IGS是运动。然而,每架飞机的运动在IGS大幅小(例如,大约95像素或0.25厘米的运动显示每5秒当飞行在300节)。因此,确定它是足够使用一个图与初始飞机的位置与scanpath覆盖,而不是显示在IGS多个不同飞机位置的截图。

提取scanpaths不是图形化显示,因为他们依赖评级机构的认知能力看IGS和无视任何比较,类似于以前的方法用于确定scanpath模式。尽管如此,确定全球scanpaths从收集的数据的例子在图所示11当发生明确的圆形或线性模式。飞机和数据标签是绿色,白色的圆圈显示编号顺序眼睛注视,注视之间,每一行代表一个扫视。评定等级的判断是在提取scanpaths通过观察igs类似全球scanpaths显示在图中11认知忽视比较,然后决定基于scanpath模式分类。

结果比较从[atc的语言输入21)表5。语言输入是应用于26日低拥挤场景情况下,只有由圆形(C),线性(L),或其他(O)模式。基本和提取模式结果适用于所有场景和由各24例,与一个额外的混合(M)类别。表显示,低堵塞基本模式最符合atc的输入。结果将不同的事件,因为添加混合类别,但是大部分的趋势是相似的。如果混合类别被导致的低场景混合scanpaths基本模式分为5而不是其他模式和1循环模式,这些发现将匹配给定的语言输入尽可能多的不平等参与者数量。

5。讨论

scanpaths是基于(1)眼球运动的趋势特征包括原始scanpath完成时间、IGS时间和数量的比较不同飞机拥挤场景和(2)中提取和基本IGS模式。并不是所有的atc自述的模式(21),虽然从观察扫描发现了类似的模式,没有考虑到语言atc的输入。

眼球运动的趋势图8表明,拥堵水平之间有显著差异,当检查总生scanpath时间或初始全球scanpath (IGS)的时间。交通拥堵增加扫描时间显著增加;然而IGS的数量增加时间基于拥塞并不是按比例线性总扫描时间的增加。看来atc花了更多的时间来检测飞机冲突增加的交通拥堵程度,但试图完成IGS尽快。这个推理是由平均增长率高于总生scanpath时间的IGS的平均增长率。这最有可能是因为比较的平均数量在IGS从只有2(低拥堵)到3(中度拥塞)4(高拥堵)比较;每次只使用一个比较拥堵情况增加,但比较的总数可能增加更多的整个场景,导致总扫描时间率增加比IGS的速度快得多。

视觉扫描策略表明,最主要的模式使用专家atc循环方法其次是线性方法,其次是其他方法,符合atc的语言输入,提供在21]。一个重要发现是,基本scanpaths显示更加一致的匹配与atc的语言输入相比从提取的scanpaths识别。在图9,类似的趋势可以循环之间,线性的,和混合模式,但提取scanpaths有更多比基本scanpaths“其他”模式。这表明“其他”模式提取scanpaths被归类为圆形,线性的,在基本scanpaths或混合。当观察单个表的趋势4,大约68%的分类也是相同的匹配scanpaths之间,剩下的32%的模式分类包括提到scanpaths之间的差异。

有趣的是,有一个轻微的增加线性搜索的频率模式拥堵水平高的时候,和可能的原因可能是由于初始空间布局的多个场景的飞机似乎是线性居多。基于多个观测atc的视觉扫描模式,似乎atc适用全面扫描模式(如圆形或线性),但他们似乎也从一架飞机移动到另一个(或接近)相近。如果空间布局是比较线性,那么即使一个ATC圆形搜索策略,视觉scanpath可能导致一个线性模式,可以解释更多的线性模式中使用高拥堵情况,可以看到图9 (c)。

另一种解释可能是atc可能已经改变了他们的策略从圆形到线性拥堵水平增加。这可能是更容易atc使用线性扫描策略跟踪观察飞机的场景变得更加复杂。个人scanpath模式比较表4表明,许多atc符合视觉扫描策略在整个场景(如参与者4,23日和17);然而,一些atc显示不同的模式在不同的拥堵水平(如参与者10,11日和25)。然而,从圆形变为线性的数量并不剧烈,并挑战来识别个人的可能的原因不一致只检查扫描模式。

图10说明了分类的基本判断和商定的igs评分者间信的基础上开发的过程。结果表明,扫描可以被简单地观察他们的过滤分类表示和应用明确的程序没有任何后续验证atc。结果可能不是100%映射到atc的语言输入,但显示百分比高承诺类似的映射,如表所示5。注意,完美是不会因为结果包括一个额外的分类类别(混合)而不是口头表达的atc,但趋势是相似的循环模式更受欢迎比线性模式。

正如前面提到的,根本和提取模式差异主要是在其他类别;其他模式是最受欢迎的模式提取scanpaths,但他们比圆形模式基本scanpaths那么频繁。映射比例接近atc的输入基本scanpath在低交通堵塞的场景。如果6出现判断混合在这种情况下反而被归类为5和1圆,这一趋势将会匹配atc的输入尽可能多的(注意,atc的输入总26虽然每个基本并提取场景总24)。事实上,如果所有6混合模式的分类,而不是像其他低交通拥堵中提供基本的情况下,将符合输入(21]。这种一致性表明承诺在基本scanpaths利用分类方法。

局限性和未来的发展方向。Scanpath模式使用的atc可以意想不到的,不完整的,和有限的地方扫描,或与其他类别重叠使分类具有挑战性。环形和线性扫描是最容易识别,因为他们是独立于上面提到的局限性;他们依靠形状和遵循一定的程序。区域,增强、density-based和附近扫描被认为是难以确定,因为他们不依赖于形状。在这个时候,他们缺乏自信仅从眼睛跟踪数据识别与环形和线性扫描;因此他们持有太多不确定性对于目前的识别和归类为其他扫描。其他和混合扫描主观是最难以识别,与其他扫描排名是最困难的。尽管剩下的模式分类增加困难,仍然是有用的atc提到的开发可以封装所有策略的算法。

几个变量的影响,研究了在这个工作,在先前的研究中,如场景拥堵和困难。空间布局也需要调查来确定不同的布局如何影响视觉扫描模式和分析。在一个极端的例子,如果所有飞机都对齐成一行,视觉扫描线性即使ATC模式总是会尝试一个圆形的策略。

或许最困难的方面,本研究是在确定观察到视觉扫描模式的认知原因拥堵水平在不同的飞机。视觉scanpaths提供不同类型的搜索方法,但不一定显示搜索模式背后的基本原理。因此,混合方法的方法是验证分类所需的视觉扫描模式通过atc的后续确认分类模式。

在此基础上研究,似乎atc的计划策略是由3部分组成:(1)飞机搜索模式来完成全局扫描,(2)飞机潜在冲突选择与当地扫描,和(3)之间的比较是用飞机来解决冲突(21]。这些步骤的顺序以及他们是否发生重叠与单个atc不同。例如,一些atc完成全球扫描使用本地扫描然后开始比较之前,和其他人使用本地扫描与对比,最终形成全球扫描。如果一个ATC决定如何完成每个步骤和顺序,可以定义ATC的计划策略导致更好的视觉scanpaths映射到每个ATC的目的的策略。

分析专家ATC scanpaths的目标是(1)开发高质量的培训计划为新手和(2)使用自动化援助ATC与飞机流量增加他们的工作变得更加困难。观察描述atc的策略在复杂和关键的情况下可以用来更好的援助新手培训期间atc。自动化可以应用在许多方面,如通知atc当多个飞机没有扫描以有效的方式或在可能的冲突的飞机没有充分识别。本研究成功一步是比较结果上使用的程序基本scanpaths atc的输入测试方法通过实施过程精度成健壮的计算机算法。此外,从长远来看,我们应该能够支持多通道输入分析,如确凿的脑电图分析眼动跟踪分析(36为了更好地支持我们的目标。

6。结论

寻找相似的视觉scanpath模式映射与atc的语言输入是通过有选择地使用IGS,提取的基本表示,和应用程序2- - - - - -4为分类,允许更少的可靠性评定等级的判断。发展和分类的基本scanpaths显示承诺更好的视觉扫描模式映射到ATC语言输入;发现混合模式应该是最有可能被归类为“其他”模式。此外,眼球运动的趋势显示的效果不同的飞机拥挤;随着交通拥堵增加,扫描时间和比较的数量增加。Scanpath模式也受到了影响,增加飞机更高发生交通拥堵的“其他”的模式基本scanpaths,虽然需要更多的研究来确定原因。改善分类过程和发展算法将为更准确地确定scanpath模式非常有用。一旦生成适当的算法,模式识别可以自动利用ATC认知过程的进一步理解,有效的训练方法,改进的ATC接口。

相互竞争的利益

没有利益冲突声明。

确认

作者要感谢空中交通控制协会(ATCA)和atc在印第安纳波利斯航线的无偿支持执行实验。研究副总裁办公室(冲程体积)俄克拉荷马大学的部分资助研究和分析阶段资助。

引用

1. h . Zeier、p . Brauchli和h . i Joller-Jemelka”工作要求对免疫球蛋白的影响空中交通管制员和皮质醇,”生物心理学,42卷,不。3、413 - 423年,1996页。视图:出版商的网站|谷歌学术搜索
2. j . m . Finkelman和c·柯式”的信息处理解释空中交通控制压力,”人为因素,22卷,不。5,561 - 567年,1980页。视图:谷歌学术搜索
3. 诉霍普金”,在空中交通管制自动化系统的影响,”在空中交通管制自动化和系统问题页3-19 Springer,柏林,德国,1991年。视图:谷歌学术搜索
4. 波音商业飞机Markey分析,当前市场前景2015 - 2034,2015,http://www.boeing.com/resources/boeingdotcom/commercial/about-our-market/assets/downloads/Boeing_Current_Market_Outlook_2015.pdf。
5. c . Niessen和k Eyferth”的空中交通控制器的模型图片,”安全科学,37卷,不。2 - 3、187 - 202年,2001页。视图:出版商的网站|谷歌学术搜索
6. P.-V。p . Averty Paubel,大肠Raufaste”,一个自动化的影响冲突解决空中交通管制员的视觉活动,“国际航空心理学杂志》上,23卷,不。2、181 - 196年,2013页。视图:出版商的网站|谷歌学术搜索
7. Metzger和r . Parasuraman“空中交通指挥员的作用在未来空中交通管理:主动控制与被动监控的一个实证研究,“人为因素,43卷,不。4、519 - 528年,2001页。视图:出版商的网站|谷歌学术搜索
8. j·b·布鲁金斯学会、g·f·威尔逊和c·r·斯温”心理生理反应的变化负载模拟空中交通管制期间,“生物心理学,42卷,不。3、361 - 377年,1996页。视图:出版商的网站|谷歌学术搜索
9. 使用scanpaths z康和s·j·兰德里作为一个冲突检测任务的学习方法的多目标跟踪,”人为因素卷,56号6,1150 - 1162年,2014页。视图:出版商的网站|谷歌学术搜索
10. s . Sadasivan a . k . Gramopadhye j·s·格林斯坦和a . t . Duchowski”使用眼部运动作为合成前馈训练飞机检验任务,”学报SIGCHI会议在计算系统人为因素:技术、安全、社区(CHI 05)ACM,页141 - 149年,波特兰,矿石,美国,2005年4月。视图:谷歌学术搜索
11. j·h·戈德堡和j . c . Schryver人眼决心人机界面,用户意图的”眼动Research-Mechanisms、流程和应用程序》第六卷研究视觉信息处理爱思唯尔,页491 - 502年,费城,宾夕法尼亚州,美国,1995年。视图:出版商的网站|谷歌学术搜索
12. z康和s·j·兰德里,”一个眼动分析算法的多元素目标跟踪任务:最大跃迁过程会凝聚的层次聚类,“IEEE人机系统,45卷,不。1、24里面,2015页。视图:出版商的网站|谷歌学术搜索
13. d .放假和l·斯塔克,”眼球运动和视觉感知”,科学美国人,卷224,不。6,35-43,1971页。视图:谷歌学术搜索
14. d .放假和l·斯塔克,”Scanpaths眼跳眼球运动而观察和识别模式,”视觉研究,11卷,不。9日,第942 - 929页,1971年。视图:谷歌学术搜索
15. e·斯坦空中交通控制器扫描和眼球运动的方法——文献综述、国防技术信息中心,配发,弗吉尼亚州,美国,1989年。
16. b . Willems r·艾伦和e·斯坦空中交通管制专业视觉扫描二:任务负载,视觉干扰,侵入领空的控制、国防技术信息中心,英国《金融时报》。,弗吉尼亚州,美国,1999年。
17. j·h·戈德堡和x p . Kotval计算机接口使用眼部运动评价:方法和结构,”国际工业工效学杂志》上,24卷,不。6,631 - 645年,1999页。视图:出版商的网站|谷歌学术搜索
18. a尼尔和p . j . Kwantes”证据积累冲突检测模型的性能在一个模拟的空中交通管制任务,”人为因素,51卷,不。2、164 - 180年,2009页。视图:出版商的网站|谷歌学术搜索
19. e . m . Rantanen和a . Nunes在空中交通控制层次冲突检测,”国际航空心理学杂志》上,15卷,不。4、339 - 362年,2005页。视图:出版商的网站|谷歌学术搜索
20. k·雷纳,眼球运动在阅读和信息处理:20年的研究,“心理上的公告,卷124,不。3、372 - 422年,1998页。视图:出版商的网站|谷歌学术搜索
21. z康、e·j·巴斯和d·w·李,“空中交通管制员的视觉扫描,飞机选择和比较策略冲突检测的支持,“《人为因素和人类工程学学会学报年会,卷。58岁的没有。1,第81 - 77页,2014。视图:出版商的网站|谷歌学术搜索
22. s . a·布兰德和l·w·斯塔克,“自发的眼球运动在视觉表象反映视觉场景的内容,“认知神经科学杂志》,9卷,不。1,27-38,1997页。视图:出版商的网站|谷歌学术搜索
23. a . t . Duchowski j .司机,s . Jolaoso b . n . Ramey w . Tan和a·罗宾斯,“重新审视Scanpath比较,”诉讼的ACM眼球追踪研究与应用研讨会上(ETRA 10)ACM,页219 - 226年,奥斯汀,德克萨斯州,美国,2010年3月。视图:出版商的网站|谷歌学术搜索
24. c . m . Privitera和l·w·斯塔克,”算法定义视觉感兴趣的:与眼睛注视,”IEEE模式分析与机器智能,22卷,不。9日,第982 - 970页,2000年。视图:出版商的网站|谷歌学术搜索
25. f . Cristino s Mathot j . Theeuwes, i d·吉尔”ScanMatch:一个比较固定的序列的新方法,”行为研究方法,42卷,不。3、692 - 700年,2010页。视图:出版商的网站|谷歌学术搜索
26. p . Hejmady和n . h . Narayanan”视觉注意力模式在程序调试与IDE,”《7日眼动跟踪研究与应用研讨会(ETRA 12)安全港,页197 - 200年,佛罗里达州,美国,2012年3月。视图:出版商的网站|谷歌学术搜索
27. j·h·戈德堡和j . i Helfman“Scanpath集群和聚合”诉讼的ACM眼球追踪研究与应用研讨会上(ETRA 10)圣芭芭拉分校,页227 - 234年,加州,美国,2010年3月。视图:出版商的网站|谷歌学术搜索
28. g·安德伍德·查普曼n .布罗克赫斯特·j·安德伍德,d . Crundall,“开车时视觉注意力:注视点序列由有经验,新手司机,”人体工程学,46卷,不。6,629 - 646年,2003页。视图:出版商的网站|谷歌学术搜索
29. s . k .甘露聚糖、k h .知更鸟和d s伍丁”之间的关系的位置空间特性和固定在简要介绍视觉检查的图片,“空间视觉,10卷,不。3、165 - 188年,1996页。视图:出版商的网站|谷歌学术搜索
30. s . Mathot f . Cristino i d·吉尔和j . Theeuwes”一个简单的方法来估计相似性对眼球运动序列,”眼动研究杂志》上,5卷,不。1,第四条,2012。视图:谷歌学术搜索
31. j . r .杜赫斯特Jarodzka, k . Holmqvist t . Foulsham和m . Nystrom”的一种新方法来比较scanpaths基于向量和维度,“杂志的视觉,11卷,不。11,502年,页2011。视图:出版商的网站|谷歌学术搜索
32. r .杜赫斯特·m·Nystrom h . Jarodzka t . Foulsham r·约翰逊和k . Holmqvist,“这取决于你如何看待它:scanpath比较与MultiMatch多个维度,基于矢量的方法,”行为研究方法,44卷,不。4、1079 - 1100年,2012页。视图:出版商的网站|谷歌学术搜索
33. z康和s·j·兰德里捕捉和分析视觉组的多个移动目标在飞机冲突检测任务中使用眼部运动,”《人为因素和人类工程学学会学报年会,54卷,不。23日,第1910 - 1906页,2010年。视图:出版商的网站|谷歌学术搜索
34. p•奥尔森眼睛跟踪的实时和离线过滤器[硕士论文)电气工程系,k皇家理工学院,斯德哥尔摩,瑞典,2007年。
35. o . v . Komogortsev d . v . Gobert s Jayarathna d·h·Koh和s . m .高达”的标准化自动化分析动眼神经的固定和眼跳行为,”IEEE生物医学工程卷,57号11日,第2645 - 2635页,2010年。视图:出版商的网站|谷歌学术搜索
36. a . n . Belkacem s Saetia k Zintus-Art et al .,“实时控制的视频游戏使用眼球运动和两个时间脑电图传感器,”计算智能和神经科学文章ID 653639卷,2015年,10页,2015。视图:出版商的网站|谷歌学术搜索

版权

版权©2016萨拉·n·麦克朗和Ziho康。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。