文摘

维护情况感知(SA)暴露在紧急情况期间引航,飞行员需要有选择地分配注意力资源对船只和环境感知关键状态信息。虽然持续监测是很重要的一个飞行员的SA与注意的关系还没有完全理解船舶引航。本研究执行桥仿真实验,包括船离开,航道航行,遇到,低能见度和锚定场景13飞行员(平均= 11.3和标准偏差= 1.4的经验)。个人被分成两个SA组根据情况评级技术的意识(SART-2)得分(意味着= 20.13和标准偏差= 5.83)后的实验。视觉模式使用不同的SA组检查使用热图和扫描路径根据飞行员的注视和扫视数据。初步视觉热图和扫描路径分析表明,飞行员的注意力分布调制的SA水平。即,最感兴趣的领域(aoi)有关飞行员在高和低窗外SA组(AOI-2)和电子图表(AOI-1),分别。随后,排列模拟被用来识别统计飞行员的眼球追踪指标和股价之间的区别。统计分析结果表明,固定和扫视指标影响不同aoi SA水平五个场景,这证实了以前的研究结果。在遇到的场景,飞行员的SA水平与固定和扫视指标:固定计数( = 0.034 < 0.05 AOI-1和 在AOI-2 = 0.032 < 0.05),固定时间( = 0.043 < 0.05 AOI-1和 在AOI-2 = 0.014 < 0.05),扫视计数( = 0.086 < 0.1 AOI-1和 在AOI-2 = 0.054 < 0.1)。这是由固定数( = 0.024 < 0.05 AOI-1和 在AOI-2 = 0.034 < 0.05),固定时间( = 0.036 < 0.05 AOI-1和 在AOI-2 = 0.047 < 0.05),扫视时间( 在AOI-1和= 0.05≤0.05 在AOI-2 = 0.042 < 0.05)在低能见度的场景。在剩余的场景,SA不能单独使用眼动测量。本研究飞行员的认知机制识别奠定了基础基于SA通过眼球追踪技术,它提供了一个参考建立认知能力标准初步试点放映。

1。介绍

改善飞行员的情境意识(SA)在海上航行是至关重要的减少人为错误,造成海洋事故的75%到96%在过去的几年里(1]。近年来,交通密度的增长,船的速度,货船型号导致需要提高飞行员的操作安全(2,3]。然而,目前的研究更侧重于评估操作表演,这只是一个简单的判断成功或失败的认知结果没有飞行员的SA的进化分析4]。操作错误的因果关系是SA的不足,这就意味着失去能力总体情况(5]。更有效地评价船舶引航不安全行为,实际上,它从认知的角度探讨SA至关重要。改善SA)之前,首先要解决的问题是如何准确地测量它在引航操作。

一些直接的质疑和/或观察)和间接(用户行为、生理反应和/或任务表演)评价方法提出了衡量经营者的SA基于三级框架(6]。Probe-based是常见的直接测量方法,如SA全球评估技术(SAGAT) [7)和在场的情况评估方法(垃圾邮件)8]。尽管如此,这些方法往往中断和/或中断正在进行的工作任务,从而减少任务表演。自我和observer-rating方法也被开发出来,以解决probe-based方法的局限性。两种常用的评价方法是SA评级技术(SART) [9)和SA行为评定量表(任)10]。自我评定的方法要求参与者回忆使评级选择最后一个实验,而observer-rating方法可能遭受人类观察员的偏见。此外,eye-mind假说(11与关注[]表明,SA是高度相关的12]。直接测量相比,眼球追踪技术被认为是一种间接测量,可以减少工作场所的干扰和/或中断和可能提供更准确和安全的SA评价(13]。

根据文献,眼球追踪技术是重点研究确定经营者之间的相关关系的认知状态和注意力分配通过固定时间等指标,扫视计数,瞳孔直径(14,15]。这已经广泛采用关键安全领域包括航空、医疗、和核能。Louw和Merat16]表明,驾驶员的视觉注意力明显分散在自动驾驶的过程中通过仿真实验。在海事行业,研究人员验证眼球追踪技术在桥布局优化设计和资源的可用性管理培训(17,18]。Atik和极具19)提出了一个评价方法使用眼球追踪技术电子导航能力。结果表明,眼球追踪技术是一个有价值的工具比较专家和新手船官员之间的显著差异在八个感兴趣的领域(aoi)。有实践经验的不断积累SA临界安全领域的研究(20.),眼球追踪技术是有前途的未来应用于船舶引航。但是,没有共同的协议已经为眼球追踪指标与股价随着这些已经应用在不同的任务和工作场所。

固定指标与SA在许多研究[21- - - - - -23]。几项研究[24,25)也证实了温和的扫视指标和股价之间的相关性。然而,没有研究发现瞳孔放大或闪烁速度之间的显著相关性和SA (26]。需要指出的是,只有少数研究[27)采用多个眼球追踪指标,但并不是所有与SA有显著的相关性。人们普遍认为,更高的SA发现当参与者花更多的时间在一个特定的苍老(28]。文献的结果结合起来,使得测试一般假设飞行员与低和高SA水平分配注意力不同暴露在相同的驾驶紧急情况。然而,不同任务条件和应用目的没有启用共识与SA的眼球追踪指标。

本文的主要目的是评估眼动特性和SA水平之间的关系。桥仿真实验的目的是确定的飞行员SA和获得相关数据。因此,本文发展一个排列模拟方法来确定眼球追踪指标与飞行员的SA水平显著相关在引航。视觉行为的进化过程探索结合热点图和扫描路径。最后相关结果开发实时SA监控提供参考方法采用眼动特性,预计减少驾驶风险通过改善飞行员选拔和培训。

2。实验

2.1。实验设计

评估船舶引航眼动特性和SA之间的关系,设计实验计划13日考试结束3天,每一个都测试一位参与者作为一个试点考试三人组。在每个考试,眼球追踪技术是用来捕捉参与者的眼动模式,用来间接推断SA-related构造(例如,感知和理解)。SART是用来测量SA水平(图之前和之后的每一个考试1),这样引航任务的中断和眼动跟踪数据维护的连续性要求。


图1
实验框架的海上领航模拟。

当主观测量SA nonintrusiveness和易于实现SART自我评估技术中最具代表性的方法之一来衡量SA水平(29日]。确保问卷调查的专业性和测量精度,SART问卷确认通过安全工程和管理、海事监督和高级飞行员专家调整现有的测量项目。有三个维度,包括飞行员的要求,有意识的供应,和态势理解,和十个subconstructs构造作为测量项目与实际引航情况下,表中列出1。结果的计算公式,SA得分=理解-(供需)。的迴旋seven-level李克特测量项目是用于确定飞行员的SA水平前后实验。

表1
SART测量维度。

实验记录为SART-1前的问卷调查。为了避免负面情绪的影响,压力,疲劳,和其他个人因素在实验中,SART-1测量主观SA水平的飞行员在早期的记忆试点工作。SART-1问卷在预备考试是用来预先确定的SA水平引航任务作为参考,而SA水平证实了SART-2问卷的后续测试的前提下SA的分数通过SART-2是实际的SA水平提供SA分数的差异之前和之后的实验是在正常范围内。否则,异常数据被删除和相应的飞行员SART-2分数不是作为SA水平。这是专门设计来减少主观的测量误差。为了便于分析,研究假设分裂的飞行员SA为两个水平根据SART-2评分:高(高于平均水平SART-2分数)和低(低于平均SART-2分数)。因此,根据SART-2的分数,高和低飞行员SA水平测定作为独立变量。瞳孔直径的分析控制外部刺激的影响,比如光线和声音,因为这艘船进行了模拟室内和连续三天内完成。因此,飞行员模拟只需要飞行员SA水平差异作为自变量。

可穿戴的眼球追踪设备被用于相关验证收集飞行员的眼球追踪指标作为因变量,包括固定时间、固定,扫视期间,扫视计数,瞳孔直径。可视化方法被用来研究飞行员的搜索策略和认知过程在每一个场景,和统计分析来识别的眼动指标与SA水平相关。热点图和扫描路径可视化飞行员的眼动行为,初步了解各种常见的飞行员和视觉模式差异SA组。尽管可视化技术允许分析眼动跟踪数据以探究的方式,必须执行统计分析来确定不同的注意引起股价的变化。定量,眼球追踪指标计算每个SA组(高、低)的飞行员在驾驶情况和苍老师。平均眼球追踪指标高的飞行员和SA水平低输入排列模拟来比较他们的关联。

2.1.1。参与者

飞行员从不同的飞行员站人的能力资格考试被招募参加实验。资格考试,飞行员受到基于场景的全面评估,包括操作技能,应变能力,协调,和心理品质,由国家海事部门标准化。有13个考试安排在三天;每个考试测试一位参与者作为一个试点考试三人组。每个飞行员是一个视力正常的男性年龄在30 - 45岁,平均11.3年的驾驶经验和标准偏差(std)的1.4年。每个飞行员自愿参加实验。实验过程都是通过海上权威,引航站,和学校部门负责船员培训。

2.1.2。装置

由于挑战SA测量的有效性和可靠性,眼动跟踪技术已成为一个主要的主题调查SA领域。在这篇文章中,一个无线眼球追踪设备,Tobii眼镜2(图2),是用来衡量一个飞行员的目光在实时自由移动在任何船舶引航设置(30.]。设备由四眼摄像机(指向主体的眼睛),采样率为100 Hz和一个广角full-scene摄像头指向现场。一个眼动跟踪传感器和红外线传感器作为核心组件眼睛的照相机,它可以测量眼凝视的方向发射近红外光的眼睛和接收的光量的变化反映在角膜和巩膜在眼球运动。


图2
Tobii眼镜2(照片由Tobii)。

在数据采集过程中,准确度和精密度的数据被用来评估可穿戴眼球追踪设备的可靠性。精度之间的平均误差被定义为实际位置的刺激和视线被眼动跟踪的位置。精度的程度不断眼动跟踪记录相同的注视点,如测量的均方根连续样本。基于研究目的和性质的试验仿真实验,现有的眼球追踪设备可以满足这些需求的可靠性通过合理的配置和标定。因此,该设备是为每个参与者设置和校准实验前,这是一个过程,需要2至5分钟。此外,Tobii设备验证的应用程序可靠性实时眼球追踪数据的获取类似的驾驶模拟(31日,32]。

2.1.3。情况下的场景

代表情况相关的引航任务从数据库选择的资格考试,包括船离职(场景1),导航的球道(场景2),遇到(场景3),低能见度(场景4),和锚定(现场5)。外高桥码头的引航任务阶段5上海西部Hengsha安克雷奇;航行计划如图3。初始条件包括船舶的类型(统一设置为5000 teu集装箱船),船的速度(0节),涨潮(1 - 2节),和北风(力3)。飞行员导航先后出现在特定的现场紧急事件。


图3
航行在船上引航计划各种场景模拟。
2.1.4。苍老师

苍老师是分为探索飞行员的视觉注意力的一般模式。根据飞行员的要求和良好的船艺,苍老师的看法分为电子海图(AOI-1),外窗(AOI-2),雷达(AOI-3)和操纵界面(AOI-4),如图4。飞行员的aoi良好船艺经采访资深专家的海洋技术,包括10从安全工程和管理,从海上监督15,12个高级飞行员专家。他们从40到55岁不等,平均为15.3 (1.2)std.多年的管理经验和引航。良好船艺是指行动采取避免碰撞的最合适的环境和条件,这被广泛认为是长期实践经验的结果。


图4
苍老师在船上引航模拟。
2.2。过程

SART问卷和实验使用眼球追踪技术在两部分,分别收到了SA测量和检查,分别如图5。的过程如下:(1)SART问卷测量部分,用于获得飞行员的SA水平引航前后实验。SART-1问卷进行预测是用来预先判断真正的SA水平。(2)在检查部分,进行了设备的校准部分在实验之前。桥模拟器是对预设进行航行导航路线,通过五个具体情况反过来,飞行员进行了至少40分钟的船舶引航任务。期间,可穿戴无线眼球追踪设备被用来收集飞行员的目光数据。(3)面试SART-2问卷实施确认SA在测验后的水平。


图5
实验过程来确定SA水平引航任务。

3所示。方法

3.1。数据分析

眼球追踪功能进行了初步提取和分析来识别不同SA的眼球运动的水平。第一步是收集数据使用眼球追踪设备通过固定,固定时间,扫视,扫视时间和瞳孔直径。然而,眼球有限的时间和空间采样功能如何眼球追踪设备从周围环境中提取视觉信息。因此,缺失数据在某个时间点被插值补充,而噪声消除使用一个移动的中值滤波。噪声是指不标记为固定的数据或原始数据由于扫视闪烁或不收集的设备。目光数据片段,例如,表明噪声有效地过滤后的目光中删除数据,如图6。


图6
片段的处理固定位置测量。

随后,还有两种互补的方法来识别和计算的固定或扫视特征信号。由于视线时迅速下降固定精度搬出中央视野velocity-threshold识别(I-VT)采用眼动跟踪类型进行分类(即。、固定和扫视)(33]。I-VT提取凝视数据与< 3赫兹频率和固定时间50 - 600 ms而定义的阈值设置为一个眼球运动速度30°/ s。超出阈值的样本扫视,而低于阈值是固定的。此外,坐标位置的固定样本记录与飞行员的观点。在特征识别,凝视位置相对于飞行员的视觉观点是另一个重要的方法来获取功能类型,包括固定和扫视。

视觉行为被注册使用眼球追踪设备坐标(固定的坐标是光滑和跳阅起伏)。目光数据以及标记位置允许确定固定时间,固定,扫视持续时间、扫视计数,见图6。瞳孔直径的最小采集参数使用眼球追踪设备默认设置为2毫米。使用线性插值由于降低损失和极端值原始数据;处理过的数据显示在图7(34]。一般来说,眼球追踪设备的输出类型结合识别和计算方法允许信号特性分为固定,扫视,噪音。噪声占16.8%(87.6分钟)的总试验时间和预期的范围内。


图7
片段的处理瞳孔直径测量。
3.2。排列模拟

评估的相关性,数据统计分析,包括参数测试(t(Mann-Whitney以及),非参数测试U测试),排列模拟。参数的测试是有效的样本条件下(大约正常),但眼动数据不满足分配要求(35]。此外,随着排列模拟重新取样数据构建实证分布而不是排名使用非参数测试,模拟了统计能力高于其他非参数技术(36]。因此,统计分析包括置换评估眼球追踪数据对应的引航苍老师的场景。排列模拟的基本概念是执行所有可能的排列为给定的眼球追踪数据和生成的参考分布测试数据重采样的数据,重新计算统计数据来确定 - - - - - -测试的价值。排列,计算t值被用作衡量组织的区别,这是对实证抽样分布测试。然后决定是否新鲜t价值是极端或小于观测值。如果一个t值大于观测值产生在10000年重新采样,这样一个极端的结果的概率只有1/10,000。它是指出t值是用来测量组和之间的差异并不是一个与参数统计比较t分布。这项研究被认为是95%置信水平( < 0.05)显著和90%的置信水平( < 0.1)比较重要。

4所示。结果

验证研究假说,SART成绩在实验前后聚集无异常变化。飞行员被分成高SA七国集团(g7)参与者(意味着= 24.5,标准差= 5.13)和低SA组六个参与者(意味着= 15.2,标准差= 4.37)基于SART-2得分(意味着= 20.13,标准差= 5.83)后的实验。虽然这种分类方法不复杂,迴旋的主体性技术可以减少实验前后进行问卷调查和基于平均得分的隔离。

4.1。可视化

为了避免混淆苍老师的影响差异的飞行员SA水平和眼动跟踪指标,苍老师选择单独进行可视化分析。第一步可以让研究者去提取眼动特性使用眼球追踪设备,和相应的坐标和飞行员的视图同步记录。把目光离开期间数据(场景1)作为一个例子,离散程度高SA组大于低SA组,表明高组的飞行员可能扫描更多的区域(图8)。因此,相对静态固定段与一个特定的时间连续性的定义是“背景”子视图,和颜色从绿色到红色被用来代表个体(或群体)参加了多少不同的场景基于热图苍老师。此外,扫描路径显示,视觉搜索策略的个体(或群体)。因此,它是可能的苍老师的分析观察到的信息通过选择统一的视图(映射热图和扫描路径的背景)总结眼动特性在不同的子视图。这些记录眼球运动的可视化输出和分析有助于解释结果定性更好地理解定量结果。


图8
目光数据的SA组离职(场景1)。

直观地比较不同个体的注意力分配和扫描策略两个SA组,飞行员的视觉行为说明使用眼球追踪热点图和扫描路径度量在考试的五个场景。场景1和场景3被选为例子的可视化结果。热图分析结果证明两件事:飞行员主要集中在电气图(AOI-1)和外窗(AOI-2)船舶引航,AOI-1的固定期限或AOI-2 SA的两组不同的视觉面积和颜色映射,如图9。飞行员在高和低SA组更加关注AOI-2 AOI-1,分别。这些结果也反映在其他三个场景的热图(数据没有显示)。这表明,选择性注意力分布两个苍老师之间的可能与参与者的SA水平。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图9
热图出发(场景1)和遇到(场景3)。(a)热图高SA组场景1中。(b)热量地图场景1中SA组低。(c)热图场景3中SA组高。(d)热的地图场景3中SA组低。

扫描路径的表示顺序和固定的位置点苍老师,点表示固定的时间和数量是固定的顺序点。扫描路径分析的结果显示,参与者主要在AOI-2来回扫描。此外,扫视频率被选中作为一个飞行员的扫视模式的初步分析,这被定义为单位时间内扫视计数的飞行员AOI-1和AOI-2之间。另一个发现是扫视频率高SA组高于低SA组,表明有区别的扫描路径两个来回,空姐,如图10。这是因为飞行员在高SA组经常确认感性元素现场场景1和3的情况。因此,有及时更新心智模型的预测作出准确的行为。这些结果反映在其他三个场景的扫描路径(数据没有显示)。在一起,现在发现确认扫描策略可能与SA水平有关船引航。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图10
扫描路径出发(场景1)和遇到(场景3)。(a)扫描路径的高SA组场景1中。(b)扫描路径的低SA组场景1中。(c)扫描路径的高股价在场景3组。(d)扫描路径的低股价在场景3组。
4.2。光学分析

平均固定时间(即。,the average of fixation duration as a percentage of the duration of the corresponding scene) and mean saccade counts (i.e., the average counts of saccades per second for the corresponding scene of pilots) were selected as statistical indicators for preliminary quantitative analyses, which respectively imply the attention of individuals for AOIs and the complexity of obtaining information. In actual ship pilotage, differences in pilot skills cause various completion times of the pilotage tasks in corresponding scenes. Thus, the mean fixation duration is expressed as a percent. The error bars in Figure11显示样本均值的标准差。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图11
平均持续时间,所有镜头对准目标。(一)意味着在AOI-1固定时间。(b)意味着在AOI-2固定时间。(c)意味着在AOI-1扫视计数。(d)意味着在AOI-2扫视计数。

AOI-1意味着固定期限和AOI-2比较来验证不同的固定两个SA组,如图(11日)和12(b), AOI-3的总注视时间和所有场景AOI-4占不到5%的任务期间,他们并没有统计上的不同。因此,只有AOI-1和AOI-2进行统计分析。平均固定时间AOI-1高SA组中所有场景占总数的75.4%有效的固定时间,而AOI-2低SA组中所有场景占总数的62.3%有效的固定时间。在现实世界的引航,这可以从两个方面解释:船舶引航是一个团队任务,关键信息的雷达(AOI-3)和操纵接口(AOI-4)是主要的形式获得通信与船长和舵手复述操纵命令。作为AOI-3和AOI-4的数据可以显示在AOI-1通过信息集成功能,它是更容易AOI-1 AOI-3和AOI-4占据注意力资源。此外,意味着扫视计数,意味着扫视总数在AOI-1所有场景(73.794 c / s),意味着扫视总数在AOI-2所有场景(75.114 c / s)的低山组高于SA组高(平均扫视计数39.203 c / s AOI-1内所有场景和58.339 c / s AOI-2所有场景),见图11 (c)和11 (d)。这表明飞行员低SA组有一个相对贫穷的获取信息的能力,和特定的视觉行为表现为重复扫描指定的苍老师。这些扫视行为是专门的扫描路径所示SA组低,主要在AOI-1(图10 (d))。


图12
眼球追踪指标之间的相关性和SA在所有场景。

分析不同场景,平均注视时间的AOI-2高SA组在遇到(场景3)最长(0.370,std = 0.124),和锚定(场景五)是(0.143,性病。= 0.051),见图11 (b)。这个结果符合现实:(1)良好的船艺在场景3中往往把经验与行为的预测,这些预测是必需的发展相对课程和实时AOI-2船只之间的距离。(2)在第五场景,AOI-1视觉行为,应考虑到获取信息元素包括船位置,深度,和禁止锚泊区域,从AOI-2占领大部分的注意力资源。

意味着扫视总数在AOI-2高低SA组飞行员在遇到(场景3)(38.701 c / s)和低能见度(场景4)(35.435 c / s)高于其他场景(13.167 c / s的场景1,24.710 c / s的场景2,和21.441 c / s的场景5)。这表明飞行员有更高的感性需求的复杂的环境场景3和4(图11 (d))。在锚定(现场5),意味着扫视计数低AOI-1 SA集团的最高(20.644 c / s和性病。= 3.87),这意味着主要的知觉信息采集可能来自AOI-1低SA组和飞行员都不熟悉其内容(图11 (c))。

4.3。相关评价

确定这些差异是否显著,平均每个SA组的眼球追踪指标比较苍老师使用排列模拟技术。和之前一样,AOI-1和AOI-2选择统计分析基本固定的对象和可视化和苍老师分析对准目标。眼球追踪统计差异指标和SA水平在两个苍老师在排列五个场景计算模拟。因此,五眼动指标的描述性统计(固定,固定时间,扫视,扫视持续时间、和瞳孔直径)两个SA组和总结了统计检验的结果表2和3。

表2
眼球追踪指标获得AOI-1在所有场景。
表3
眼球追踪指标获得AOI-2在所有场景。

AOI-1的统计分析,测试结果表明,该固定数与股价显著相关水平四个场景(场景1 = 0.043 < 0.05,场景2 = 0.035 < 0.05,场景3 = 0.034 < 0.05,现场4 = 0.024 < 0.05)。固定时间是重要的在三个场景(场景2 = 0.034 < 0.05,场景3 = 0.043 < 0.05,现场4 = 0.036 < 0.05),列在表中2。场景5,飞行员的SA水平影响固定时间( = 0.092 < 0.1)。这些结果表明,高SA飞行员可能倾向于采取更固定的行为对船舶导航和环境信息从AOI-1场景2,场景3和4。特别在场景3中,遇到情况实时变化,飞行员需要扫描现场获取任何必要的前馈信息有关船舶碰撞危险并采取引航安全措施没有忽视存储材料。描述性统计与场景3显示飞行员SA较低意味着所有固定指标高于其他场景。这表明他们迫切需要获得更多前馈信息实时(表2)。

随着扫视行为反映是多么容易在指定的苍老的飞行员获得信息,统计检验表明,两个扫视指标适度SA水平显著相关,表明高SA飞行员可以在相应的场景从AOI-1获得必要的信息。这些是扫视计数( 场景3= 0.086 < 0.1, 场景4= 0.075 < 0.1, 场景五= 0.087 < 0.1)和扫视时间( 场景1= 0.079 < 0.1)。在场景4中,扫视时间( = 0.05≤0.05)可能更有利于区分飞行员不同SA水平之间的这种能力。这些结果表明,飞行员SA水平影响扫视行为AOI-1在场景1,场景3、场景4,场景5。描述性统计的相关场景4,低能见度不可能有利于飞行员获得实时环境信息通过扫描现场。因此,飞行员与高SA水平有更高的意思是对所有固定指标和意味着所有扫视指标低于在其他场景。这表明他们是受环境条件限制,只能获得AOI-1 pilot-related信息通过有效的固定行为。高股价有更好理解AOI-1中必要的前馈信息的能力,而扫视行为(表2)。

AOI-2测试结果分析表明,固定数与股价显著相关水平四个场景(场景1 = 0.038 < 0.05,场景2 = 0.027 < 0.05,场景3 = 0.032 < 0.05,现场4 = 0.034 < 0.05),固定时间在三个场景(场景2 = 0.033 < 0.05,场景3 = 0.014 < 0.05,现场4 = 0.047 < 0.05),列在表中3。在第五场景,飞行员的SA水平也影响固定数 = 0.086 < 0.1。这些结果表明high-SA飞行员更倾向于采用固定行为向实时环境信息从AOI-2场景2,场景3和4。特别是在场景3中,飞行员SA水平倾向于获得高足以预测前馈信息情况下通过AOI-2在不久的将来,然后根据他们的经验和知识进行了有效的预测。场景3相关的描述性统计表明,较高的飞行员SAs更意味着对所有固定指标比在其他场景,指示他们擅长驾驶基于经验感知和导航设备(表可以减少他们的过度依赖3)。

扫视之间的显著统计学差异持续时间和SA水平AOI-2验证在场景1和场景4 ( 场景1= 0.040 < 0.05 场景4= 0.042 < 0.05),列在表中3。在场景2和场景3中,飞行员的SA水平影响两个扫视指标:扫视计数( 场景3= 0.054 < 0.1)和扫视时间( 场景2= 0.098 < 0.1 场景3= 0.075 < 0.1)。这些结果表明,只有在场景3中做飞行员的两个扫视指标与SA水平。在场景3中,飞行员在所有扫视意味着指标高于在其他场景,表明他们需要全面理解和掌握环境信息通过扫视AOI-2行为准确地预先判断船在不久的将来会遇到这样的情况(表3),而瞳孔直径AOI-1并不重要,AOI-2所有场景由于个体差异的可能性,表中列出2和3。结合相关的评估AOI-1和AOI-2五个场景,这些结果为未来的研究提供可能识别驾驶员的SA水平在不同场景使用固定和扫视指标。

相关性分析确定不同显著眼球追踪指标从AOI-1和AOI-2引航场景,如图12。AOI-1的相关性表明,飞行员的SA水平影响的眼动指标AOI-1在相应的场景,并相应地AOI-2的相关定义。采用相关指标实现整个场景识别的统计差异,应该属于苍老师和高于平均(两个以上五)在一个场景。因此,场景满足上述条件的被定义为相应的场景,可以有效地反映一个试点的SA水平通过眼球追踪相关指标,并结合相关AOI-1和AOI-2的结果。飞行员的高股价水平意味着他或她能够独立完成引航任务和精致,和眼球追踪指标发现与SA水平。因此,后续研究将有效地反映了SA水平的飞行员在船舶引航眼球追踪指标有关。

总之,固定,固定时间和扫视SA水平相关场景3和固定数量,固定时间和场景4中扫视持续时间确定。相反,场景1,场景2,现场5倾向于显示飞行员采取消极的固定行为由于认知状态的可能发展,如适应性过渡preexperiment和放松或疲劳引起的简单和长期任务。这些负面行为包括采用消极的应对方式由于外部环境或他/她自己的情绪,表现为视觉行为符合船舶引航的现实。这表明飞行员SA水平不能有效地表现为眼球追踪指标在这样的场景基于当前的研究成果。有效地监控飞行员的SA的进化认知状态通过生理指标在场景1中,场景2,和场景5,多个指标需要进一步考虑,如心率变异性(HRV) [37),皮肤电活动(EDA) (38),肌电图(EMG) (39)和脑电图(EEG) (40]。

5。讨论

苍老师占至少90%的13个飞行员的视觉区域,AOI-3和AOI-4一起占据不到5%的模拟实验持续时间。飞行员的视觉特征提取(固定、扫视和坐标)使用眼球追踪技术的比例来计算这些视觉行为的累积时间,空姐的总有效时间。平均扫视计数低SA组AOI-1和AOI-2都高于高SA组。然而,平均注视时间的低山组高于高为AOI-1 SA组,而高AOI-2 SA组超过低SA组。这是因为高SA小组成员有更多实践经验往往通过观察和分析场景AOI-2而不是依靠设备,如电子图表(AOI-1)。一般来说,热图和扫视路径飞行员的视觉行为直观地证实的传统理解高SA飞行员驾驶经验,倾向于观察环境从真实的角度而不是通过设备适用于低SA飞行员。

排列进行了模拟飞行员在SA的目光数据组。五个场景,眼球追踪指标AOI-1最相关的SA在场景2中,场景3,和场景4,而视觉行为AOI-2证实在场景3和4。眼球追踪的相关分析功能在每个场景识别固定,固定时间和扫视算作眼球追踪指标与场景3中飞行员的SA水平有关。固定数、固定时间和场景4中扫视持续时间确定。固定的结果指标同意报告在先前的研究27,41]。此外,之间没有显著相关性发现瞳孔放大和SA,这类似于先前的研究[26]。然而,不同于先前的报道(42),这些结果表明扫视指标与股价显著相关。比较这些结果与其他研究表明,本研究系统地,全面探索之间的关系为船舶驾驶员眼动特性和SA。此外,监控飞行员的认知能力通过生理指标在整个驾驶过程中,场景3和场景4被确定为SA水平之间的相关性和眼动跟踪指标。因此,有可能一个飞行员的SA水平特征可以有效地在这样的场景中使用眼球追踪指标。在跟进研究,这些发现将整个监控框架构建奠定基础。

相关性验证,飞行员们的眼球追踪指标之间的关系和他们的SA水平与光学相关的不同的场景。这项研究表明,在遇到船舶引航(场景3)和低能见度(场景4)更有可能增加视觉行为,包括固定和跳阅、AOI-1 AOI-2。然而,排列结果与初步统计不一致,如均值的差异SA组的固定时间AOI-1离职(场景1)期间,并没有得到证实。因此,本研究的主要局限是船飞行员的样本大小。船舶引航过程完成和标准化和动态仿真场景需要实现基于大型船舶操纵模拟器,潜在参与者的数量是有限的。为了弥补小样本大小,统计方法在本研究中增加分析的能力通过重采样样本(10000)和重新计算数据统计,但结果的适用性是不可避免地受到影响。

眼球追踪设备的性能问题也是一个限制。当一个飞行员迅速行动,收集到的数据可能不是因为眼球追踪设备的采集速度无法跟上,导致减少了本地数据。虽然插值帮助补充数据,它不可避免地影响到相关结果的显著性水平。另一个限制是缺乏与其它生理指标的集成。SA水平不仅与眼动特性有关,但也与其他生理测量指标,证实了在先前的研究[43- - - - - -45]。因此,结合多个生理指标进行调查与股价的相关性水平是一个基本的研究方向在SA评估。

6。结论

飞行员的SA与引航安全在海上航行。在紧急的情况下,飞行员必须控制局势。SA是一种特定的认知状态和飞行员的本质的行为,包括知觉的认知过程,理解,和预测。尽管不安全行为被视为一个引航事故的直接因果关系,认知机制的重要作用在海上试点行为不是完全理解在当前的安全引航。监测技术的应用为飞行员的认知能力是关键问题。本研究评估眼球追踪技术的实用程序和分析了眼球追踪的相关指标与SA水平来确定这些指标能有效区分船飞行员高和低SA水平在一个特定的引航的场景。定性结果(作为扫描路径和热图)飞行员的SA在桥模拟器测试显示,飞行员在高SA组关注AOI-2(窗口外),而低SA小组成员集中在AOI-1(电子表格)。此外,通过排列模拟定量分析确定不同眼球追踪指标与SA水平在不同的场景。这些结果表明眼球追踪技术的可用性在低能见度和遇到子场景,为后续应用提供的机会认知工效学的引航安全的提高。

了解飞行员的注意力分配模式被眼球追踪技术能够客观地分辨SA水平,实现风险认知状态的准确、快速检测提供一个重要的参考人员的初步筛选。此外,本研究的结果有助于后续建设的飞行员SA识别模型基于眼动跟踪的相关验证指标。这有利于培训资源的优化配置和有针对性的改进视觉行为。因此,这项研究收益率不仅直接好处眼球追踪指标与飞行员的注意力分配和SA也开辟新途径的长期效益监控认知状态和防止不安全行为。

数据可用性

在研究过程中使用的所有数据生成或可以从实验获得协议提交的文章。

的利益冲突

作者宣称他们没有利益冲突有关的出版。

确认

这项工作得到了国家自然科学基金(批准号71503166)和上海市科学技术委员会科研项目(批准号18 dz1206104)。谢谢张是由于译为技术支持和李鑫金融援助。