刘 双 完颜笑如 庄达民 吕诗晨

(北京航空航天大学 航空科学与工程学院，北京100191)

飞机座舱信息显示界面是飞行员与飞机进行人机交互的重要接口，在对座舱显示界面设计进行评价时，飞行员的情境意识水平是重要的评价指标之一.相关研究表明，飞行员的情境意识与飞行安全密切相关，表现为情境意识水平越高，飞行员越能够迅速有效地作出正确的判断和决策[1].Endsley认为情境意识包括3个层次的状态:情境意识第1层次(知觉情境中的元素)，情境意识第2层次(理解它们的意义)，情境意识第3层次(预测它们随后的状态).高层次情境意识的获得有赖于低层次情境意识的达成.在形成情境意识的信息加工过程中，注意是制约飞行员获取、解释情境信息的关键因素.在复杂多变的飞机座舱显示界面中，大量的视觉信息同时竞争有限的注意资源，飞行员如何分配注意资源决定了哪些信息进入信息加工，从而形成其情境意识.座舱界面的信息显示方式、飞行员的扫视模式、信息采样策略等因素，都会对其在获取信息过程中的注意资源分配有着重要影响.有经验的飞行员可合理分配注意资源，形成良好的情境意识[2－3].因此研究飞行员注意资源分配与情境意识水平之间的联系，可为飞机座舱人机界面的优化研究提供科学依据，从而提高飞行绩效和飞行安全.

近年来，国内外学者针对情境意识模型进行了不同程度的研究.Entin等人提出了任务绩效敏感度模型(PSM，Performance Sensitivity Model)[4]，其研究认为由情境意识不足引起的任务绩效水平降低量与情境中某一个信息成分认知水平的降低量相关，且该信息成分对绩效水平的影响程度由当前操作任务来决定.Hooey等人基于人机综合设计和分析的绩效模型(MIDAS，Man machine Integration Design and Analysis human performance model)的情境意识模型进一步应用和发展[5]，将情境信息成分划分为两种类型并根据信息成分所属类型赋予其权值，通过当前情境下实际认知状态和理想认知状态的比值来计算情境意识水平.Wickens等人提出的注意-情境意识模型(A-SA，Attention-Situation Awareness)包括 2 个模块[6]:模块1是注意模型，包含事件突显性、努力、期望、重要性这4个参数，其与Endsley所提出的情境意识第1层次相对应;模块2是人的心理模型，其与Endsley所提出的情境意识第2和第3层次相对应.该模型通过研究兴趣区域内的注意转移情况，估测某一信息成分能否被注意到，进而预测飞行员的情境意识水平.上述这些模型为情境意识的研究提供了多种思路和方法，然而大多没有区别考虑飞行员自上而下和自下而上的信息加工方式，也未能给出明确的信息成分归类方法及具体的情境意识量化计算方法.

本研究从信息加工的两条通路出发，在前期所建立的多因素条件下注意资源分配模型的基础上，结合人的认知特性并考虑信息成分的重要度对情境意识水平的影响，运用贝叶斯条件概率理论建立了基于注意资源分配的情境意识量化模型.为了探讨基于注意资源分配的情境意识量化模型的可用性，构建了界面模型并采用眼动测量等多种方法进行模型验证.

1 基于注意资源分配的情境意识建模

在某一操作环境中，与飞行员当前任务相关的情境可分为n个情境成分，每个情境成分都是对操作者高水平完成任务有着重要影响的信息成分.Hooey等人所采用的基于MIDAS的情境意识模型，是通过实际状态情境意识水平(LASA)与理想状态情境意识水平(LOSA)的比值(LRat)来进行计算.模型中将情境中信息成分的性质划分为必须的(R，Required)和期望的(D，Desired).假设对于j任务及t时刻，共有n个信息成分，其中m个信息成分属于必须的，有nm个信息成分属于期望的，则情境意识水平可通过下式来计算[5]:

式(1)和式(2)中，Pi表示飞行员对信息成分i的认知状态，并可被划分为3个认知水平:未被觉察、觉察和理解(undetected，detected，comprehended)，对应 Pi的取值分别为 0，0.5 和 1[5].考虑理想状态时，必须的和期望的两种性质信息成分的认知水平都取值为 1[5]，即 Pi=1，则式(3)可被进一步改写为

式中xi表示与两种性质的信息成分数目及信息成分i权值相关的系数.

由于情境中所有的信息成分并不是同等重要，并且同一信息成分的重要度也将随时间的推移而改变，因此，当飞行员尝试维持一个较高水平的情境意识时，并不是在任何时刻对情境中所有信息成分进行表征，而是对影响当前任务绩效较大的重要信息成分有较高的认知水平[4].因此本研究采用Entin等人所提出的PSM中的敏感系数ei来反映信息成分i对情境意识水平的影响程度，以避免对信息成分所属性质进行归类.ei同时反映了信息成分i在当前任务中的重要隶属度，即ei=ui，其取值由任务本身决定并随着任务阶段的变化而变化.则每一个信息成分的认知状态与情境意识水平LSA之间的关系可表示为

假设这n个信息成分获得的注意资源为

这些信息成分经过视觉系统捕捉并由神经系统传递给大脑进行加工.则信息成分i所获得的视觉注意资源Ai可表示为[7]

式中，βi表示信息成分i出现的概率;Vi表示信息成分i的重要度;Si表示信息成分i的突显性;Ei表示飞行员获取信息成分i所需付出的努力.

这里Vi=∂iui，∂i是信息成分i潜在认知状态产生的概率，ui是信息成分i重要隶属度.该式反应了人对信息重要隶属度的主观认知存在一定的模糊性，可通过模糊熵hi来体现作业人员对信息成分i认知的心理活动.

则分配到第i个信息的注意资源占总注意资源的比例可表示为[7]

飞行员的注意机制具有随机性，各信息在一次扫视过程中能否被正确评价存在一定的概率，即使是最重要的信息也可能在一次扫视过程中被忽视而无法引动注意机制[8].而当注意行为发生后，飞行员对所注意的信息产生觉察，可认为满足Endsley所提出的情境意识第1层次(感知)要求，随后通过心理模型的转换作用实现对情境信息的理解和预测[6].由于操作者通过心理模型获取情境意识的机制受飞行员个人能力水平的影响很大，其心理模型的转换过程存在一定程度的不确定性，则将外部现实情境信息映射到内部心理模型或基于该心理模型形成情境意识的过程中存在一定的随机性[9].因此，基于心理模型机制对感知的信息所转换的结果可能是被理解，也可能是不被理解.

若某一时刻飞行员对信息成分i产生注意的行为记为事件ai，则ai发生的概率可等价为此时信息成分i可能获得的注意资源分配比例[6]，则

由于情境意识第1层次的达成是获得情境意识第2层次的前提条件[2]，因此在事件ai发生前提下，设信息成分i不被理解的事件bi发生概率为ki，即p(bi/ai)=ki;信息成分i被理解的事件ci发生概率为 1 －ki，即 p(ci/ai)=1 －ki，则

由贝叶斯条件概率公式可获得对信息成分i认知水平的期望值为

则t时刻，飞行员注意资源分配与情境意识水平间的关系:

式中ki反映了飞行员通过心理模型对所注意到的信息进行转换的个人能力水平.在理想状态下，则k1=k2=…=kn=0，表示此时所有注意到的信息都能完全被理解.

由于在复杂操作环境中注意资源有限，当某些信息成分获得较多的注意资源时，则会造成对该信息成分的情境意识水平的提高，同时也就意味着对其他信息成分情境意识水平的降低[9].从模型中可以看出，某一时刻当情境中信息成分不止1个时(n＞1)，每个信息成分获得注意的概率都小于1(fi＜1)，因而即使心理模型取理想状态时，基于注意资源分配的情境意识水平也小于1.

2 实验方法

2.1 仿真模型设计

为验证所提出的基于注意资源分配的情境意识模型在航空飞行中的效度，实验选用仪表监视任务，界面模型以波音787典型机型的显示界面为模板，依据研究需要进行适当的简化和抽象，应用专业仪表仿真软件GL Studio快速构建并绘制，并基于MATLAB平台实现仪表监视任务及操作反应记录，如图1所示.实验界面模型呈现在17英寸的IBM显示器上，采用1280×1024分辨率，显示器的平均亮度设定为120 cd/m2，实验环境的平均照度设定为600 lx，被试通过键盘进行人机交互.实验采用瑞典非接触式红外眼动仪Smart-eye来记录被试的眼动情况，该设备采用外置红外摄像头，可固定在实验显示器两侧，实现对被试在完全自然状态下的眼动追踪.

图1 实验界面模型Fig.1 Experiment interface model

2.2 被 试

实验被试为20名北京航空航天大学在校研究生(男18，女2)，具有航空知识背景，年龄在22 ～28岁之间(平均值为23.95，标准差为1.61)，视力或矫正视力在1.0以上，无色盲色弱，右利手，实验前对实验内容均知情同意.

2.3 实验设计

依据注意资源分配的最佳有效信息个数，选取4个信息作为监视对象，包括滚转角、空速、气压高度及航向角[8].并依据不同飞行任务和飞行阶段对信息需求的优先级差异，设定了上升和航行两种飞行阶段下各信息的重要隶属度[10].

本研究采用双因素完全被试内设计:因素1为信息重要度，通过设定不同飞行任务中各信息成分的重要隶属度来控制;因素2为超规概率，通过设定信息成分被提问考察的概率来控制，如表1所示.为模拟现实作业中飞行员对各飞行信息的潜在认知状况，实验按照一定比例将各信息重要度转化为被试容易理解感受的得分值[7－8].为消除实验顺序及疲劳造成的误差，实验采用拉丁方设计.

表1 不同实验条件下信息成分的重要隶属度及超规概率Table 1 Information importance and abnormal probability under different task conditions

2.4 实验步骤

实验前要求所有被试对各信息成分的得分值及被提问考察的概率做到非常熟悉，从而能够在正式实验开始后，根据不同的任务条件对各项信息成分合理分配注意资源以达到总分值最高.一个任务条件下实验随机呈现共计40个问题，均以选择题形式对信息成分当前值的所属范围进行提问，考察被试对当前情境下信息成分的认知状态.监视过程中，随机呈现的问题界面完全遮盖监视仪表界面，被试通过按键进行作答，若不清楚答案可以选择放弃作答继续后续实验，回答问题正确获得相应加分，回答错误或者放弃作答均不得分.实验结束后，实验界面立即呈现3D-SART自我测评表，被试根据实验过程中的真实感受完成对注意资源需求量、注意资源供应量以及对实验情境的理解程度进行三维度的自我测评.每个被试需要完成2种信息重要隶属度以及2种超规概率的共计4组实验.实验过程中，眼动仪处于实时追踪状态.

3 实验结果及分析

3.1 基于注意资源分配的情境意识模型理论值及实验值

对于实验界面模型中所监视的4个信息成分，分别计算其努力和突显性的属性值，如表2所示.其中，努力的属性值是通过各信息成分间的相对距离来衡量，测量各个信息间距并进行归一化处理.而突显性的属性值是由信息成分i的颜色匹配ci、仪表尺寸si、仪表种类ti三者加权平均来表示[7]:

其中，颜色匹配参照显示字符配色的视认度，仪表尺寸参照实验界面模型中各信息成分的仪表面积，仪表种类参照数值判读任务时的难易程度，分别来设定各信息成分的显示属性[11].

表2 各信息成分的显示属性Table 2 Display attributes of the information elements

表3所示为通过式(1)～式(16)计算所得4个实验任务条件下的情境意识水平理论值及实验所采用的各种方法测得统计结果.图2所示为某个被试在4种实验任务条件下注视点分配比例.可见被试对4个信息成分间的注视点分配比例在任务1时差距最大而在任务3时差距最小.

表3 理论预测情境意识水平及各实验方法测得的各项指标Table 3 Prediction calculated by the model and indicators measured by experiments

图2 4种实验任务条件各信息成分的注视点分配比例Fig.2 Fixation allocation ratio of the information elements under four task conditions

3.2 相关性分析

采用Wickens在文献[12]中所运用的模型验证方法，将基于注意资源分配的情境意识模型理论预测值与实验所采用各种方法的测量结果分别进行相关性分析[12].SAGAT，3-D SART、操作绩效方法、生理测量法的瞳孔直径和眨眼频率与情境意识理论预测值的相关度分别为:r=0.91，0.92，0.94，－0.97，0.81.

4种实验任务条件下模型所得情境意识理论预测值与实验测量各项指标值如图3所示.可见情境意识理论预测值与SAGAT测得正确率、3-D SART测得主观分数、操作任务得分和眨眼频率的变化趋势基本一致，与瞳孔直径的变化趋势相反.

图3 4种实验任务条件下情境意识水平理论预测值及实验测量各指标的变化情况Fig.3 Changing trends of modeling and measuring results under four task conditions

4 讨论

4.1 关于实验测量方法的讨论

本研究采用了4种方法对不同实验任务条件下的情境意识水平进行考察.其中，SAGAT是在实验任务进行时，某些随机时刻任务被冻结，同时显示界面所有信息被清除并出现与实验情境相关的问题，由于本研究所考虑对信息认知状态未涉及情境意识第3层次，因此问题均以考察操作者的情境意识第2层次提出.3-D SART是在实验结束后操作者立刻从三维度对自己完成实验的感受进行评定，由“LSA=情境的理解程度－(注意资源需求量－注意资源的供应量)”这一关系模型出发主观评估情境意识水平[3].操作绩效方法是被试在实验中通过分配注意资源有选择的关注信息成分，获得任务得分.需要注意的是，SAGAT测量的是对当前所有信息成分理解的正确率，而操作绩效测量的是注意资源分配策略下的任务得分，较高的任务得分并不代表较高的正确率.目前运用生理测量方法对情境意识水平进行研究还较为有限，最关键的问题是尚不清楚生理测量能否直接触及包含情境意识的高等级认知过程，但可以选取一些生理指标对操作者的情境意识水平进行探索性研究[2].由于本研究旨在探讨注意资源分配与情境意识第1层次及第2层次的联系，暂时未考虑情境意识的第3层次(预测)，因此选用眼动指标进行分析具有一定的价值.

4.2 关于实验结果的讨论

不同实验任务条件下，各信息成分的重要度及超规概率不同，被试对各信息成分的关注程度不同，则视觉注意范围不同.而视觉注意范围和实验任务难度有着一定的关系，被试感觉任务难，是因为注意机制限制了其对更多信息的获取[13].当情境任务难度增大时，被试需要知觉与加工的信息也随之增加，注意资源的需求增大，视觉负荷加大，难以进行良好的注意资源分配.信息被知觉后存储在工作记忆中，当视觉负荷加大时，被试的空间工作记忆因此很容易出现过载，从而会影响被试对情境中元素的知觉和理解，因而不利于被试维持更高的情境意识水平[14].由图2可见任务3条件下被试的注视点分配比例最为均匀，任务1条件下被试的注视点分配比例最为集中，因此任务3相对于任务1而言，注意范围更大并且注意资源分配给更多的信息，对被试来说任务3的任务难度大于任务1，因而表现出任务3比任务1条件下的情境意识水平低.

由图3a～图3f可见，4种任务下理论模型所预测的情境意识水平理论值与实验各项测量值均达到高度相关(|r|＞0.8)，从而验证了该模型的有效性，同时反映了随着任务难度的增加，情境意识水平下降，这与相关研究结论一致[14].其中，对3-D SART而言，任务4条件下主观分值过高而降低了实验结果及模型预测值的相关度，其原因可能由于被试主观评定过程中受实验表现的影响，过高或过低评估了三维度的实验感受.在本研究中，眨眼频率是由眼动仪记录的眨眼次数和统计监视仪表界面的时间来计算获得，因而在数据处理过程中存在一定的误差，影响了模型的验证效度.

对比相关性分析结果可以看出，瞳孔直径与理论预测值相关性最高.其原因可能由于瞳孔直径是测量视觉监视负荷的敏感指标[13].当任务难度越大时，注意资源分配策略越复杂，视觉信息加工负荷越大，被试为更好地完成任务而更努力监视信息成分，因而表现出瞳孔直径增大.同时由于需要感知和理解的信息量增加，被试所感受的注意资源供给量以及对情境的理解程度下降，则造成情境意识水平降低，这与相关研究结论一致[14].此外，眨眼频率与情境意识水平理论预测值表现出正相关.其原因可能是眨眼可反映大脑的思维活动，而眨眼率与视觉负荷相关.当任务难度增加时，注意资源分配策略带来的视觉负荷增加，造成情境意识水平降低，同时被试为更好地完成任务而努力集中精力更大程度获取视觉信息，这时表现出眨眼次数减少，眨眼率减小，即从低视觉负荷到高视觉负荷时眨眼率减小，这与相关结论一致[10].

目前，本研究还仅局限于考虑注意资源分配与情境意识第1层次和第2层次的联系，对于第3层次的研究将在后期展开.此外，目前本研究基于心理模型对所注意到的信息进行转换而产生理解的个人能力仅考虑了最佳理想状态，后期还将对其复杂性及不确定性做进一步探讨.

5 结论

1)本文所提出的情境意识模型计算预测情境意识水平变化趋势与综合实验测量方法所获得的被试者实验结果高度相关，从而验证了该模型的效度，可用于预测飞行员在复杂多变的任务中情境意识水平的变化情况.

2)实验结果表明瞳孔直径及眨眼频率与仪表监视任务下的人的情境意识水平高度相关，对今后情境意识水平生理测量指标的选取有一定的参考价值.

References)

[1]Wei H Y，Zhuang D M，Wanyan X R，et al.An experimental analysis of situation awareness for cockpit display interface evaluation based on flight simulation[J].Chinese Journal of Aeronautics，2013，26(4):884 －889

[2]杨家忠，张侃.情境意识的理论模型、测量及其应用[J].心理科学进展，2004，12(6):842 －850

Yang Jiazhong，Zhang Kan.Situation awareness:approaches，measures and applications[J].Advances in Psychological Science，2004，12(6):842 －850(in Chinese)

[3]Endsley M R，Garland D J.Situation awareness analysis and measurement[M].Mahwah，NJ:Erlbaum，2000

[4]Entin E B，Serfaty D，Entin E.Modeling and measuring situation awareness for target-identification performance[C]//Experimental Analysis and Measurement of Situation Awareness.Florida:Embry-Riddle Aeronautical University Press，1995:233 －242

[5]Hooey B L，Gore B F，Wickens C D.Modeling pilot situation awareness[C]//Human Modelling in Assisted Transportation.New York:Springer Milan，2011:207 －213

[6]Wickens C D，McCarley J，Thomas L.Attention-situation awareness(A-SA)model[R].NASA/CP—2003-212267，2003

[7]吴旭，完颜笑如，庄达民.多因素条件下注意力分配建模[J].北京航空航天大学学报，2013，39(8):1086 －1090

Wu Xu，Wanyan Xiaoru，Zhuang Damin.Attention allocation modeling under multi-factor condition[J].Journal of Beijing U-niversity of Aeronautics and Astronautics，2013，39(8):1086 －1090(in Chinese)

[8]Wanyan X R，Zhuang D M，Wei H Y，et al.Pilot attention allocation model based on fuzzy theory[J].Computers and Mathematics with Applications，2011，62(7):2727 －2735

[9]Endsley M R.Toward a theory of situation awareness in dynamic systems[J].Human Factors，1995，37(1):32 －64

[10]毕红哲，庄达民.航空人机工程计算机仿真[M].北京:电子工业出版社，2010

Bi Hongzhe，Zhuang Damin.Computer simulation for aviation man-machine engineering[M].Beijing:Electronic Industry Press of China，2010(in Chinese)

[11]孙远波.人因工程基础与设计[M].北京:北京理工大学出版社，2010

Sun Yuanbo.Human factors engineering fundamentals and design[M].Beijing:Beijing Institute of Technology Press，2010(in Chinese)

[12]Wickens C D.Display formatting and situation awareness model(DFSAM):an approach to aviation display design[R].AHFD-05-14/NASA-05-5，2005

[13]柳忠起，袁修干，刘伟，等.基于模拟飞行任务下的眼动指标分析[J].中国安全科学学报，2006，16(2):47 －51

Liu Zhongqi，Yuan Xiugan，Liu Wei，et al.Analysis on movement indices based on simulated flight task[J].China Safety Science Journal，2006，16(2):47 － 51(in Chinese)

[14]杨家忠，Rantanen E M，张侃.交通复杂度对空中交通管制员脑力负荷与情境意识的影响[J].心理科学，2010，33(2):368－371

Yang Jiazhong，Rantanen E M，Zhang Kan.The influence between air traffic complexity and the mental workload and situation awareness of air traffic controller[J].Psychological Science，2010，33(2):368 －371(in Chinese)