刘维平， 聂俊峰， 刘西侠

(装甲兵工程学院 机械工程系， 北京 100072)

基于多资源理论的乘员信息处理作业认知行为建模研究

刘维平， 聂俊峰， 刘西侠

(装甲兵工程学院 机械工程系， 北京 100072)

认知行为的有效性建模是装甲车辆乘员信息处理作业状态研究的关键技术，对提高人机系统的作战效能具有重要意义。针对乘员作业类型由体力操纵作业向信息处理作业转变的基本趋势，对信息处理作业操作元进行了系统分析；通过多资源理论提取了乘员信息处理作业认知行为要素，基于任务- 网络建模技术构建了认知行为模型，提出了主客观结合的模型验证流程，并面向任务对模型进行了实例验证。结果表明，该模型能够清晰地描述乘员信息处理作业的认知过程，准确地预测乘员作业绩效，具有较好的预测精度和可重用性，是一种有效可行的信息处理作业认知行为模型。

兵器科学与技术； 装甲车辆； 多资源理论； 信息处理； 认知行为建模； 绩效

0 引言

随着装甲车辆人机系统可靠性和自动化水平的提高，舱室乘员工作逐渐向以监视、控制为主的信息处理作业转变，由车辆性能和作业环境引起的作业事故越来越少，而由乘员特性造成的不安全事件比例却逐渐上升。据统计资料显示，装甲装备领域大约70%的事故是由人的因素所致，而其根源在于乘员认知行为的局限性[1]。因此，为了减少不安全事件的发生，充分发挥人机系统作业效能，就必须对信息处理作业中乘员认知行为进行建模研究[2-3]。

信息处理作业认知行为的深入研究对预测乘员作业绩效、作业风险和工作负荷都具有重要意义。为此，认知行为模型的研究日益受到各国学者的高度重视[4-5]。Salvucci等[6]基于认知体系结构建立了汽车驾驶员认知行为模型，补充了视觉注意转移模块，定义了表征驾驶领域知识的产生式，模拟了驾驶任务绩效。薛红军等[7]运用理性思维的自适应控制系统(ACT-R)认知架构对民用飞机飞行员驾驶技能获得、提取和运用的内在机制进行认知建模，并以“飞行员告警信息处理”典型作业任务为对象进行试验设计和一体化仿真，验证了模型的有效性。陈为等[8]采用融合排队网络(QN)和ACT-R的认知模型框架构建了精细追踪类监控作业的认知行为模型，并采用Micro Saint Sharp建模工具进行了可视化仿真，对模型进行了可行性分析。张绍尧等[9]构建了人控交会对接任务的认知集成模型，实现了感知、决策和控制3个认知过程，集成了任务仿真平台，并采用3种绩效数据对被试与模型进行了比较分析。

综上所述，目前国内外学者对认知行为模型的研究较为广泛，但仍存在以下不足：第1，研究主要集中在操作人员的局部认知行为，缺乏对认知行为一体化仿真建模的研究；第2，认知模型整体比较简单，没有完整的介绍认知模型构建方法，缺乏系统的验证手段。本文针对信息处理作业中乘员认知行为建模问题，以多资源理论(MRT)为基础，分析了乘员信息处理过程，确定了认知行为要素，基于任务- 网络建模技术建立了一种应急条件下的乘员信息处理作业认知行为模型，并通过主客观试验对模型的有效性进行了系统验证。

1 乘员信息处理过程分析

1.1 乘员信息处理模型

装甲车辆乘员信息处理作业是指乘员通过各种感觉器官从外界搜集信息，对信息进行感知和理解，经大脑迅速形成指令，利用运动器官精确地进行反应来完成特定任务的过程。乘员信息处理过程是一个涉及注意、识别、记忆以及情绪动机等多方面要素的复杂心理过程，如图1所示[10]。图1中每个方框代表信息处理的各个阶段或元素，箭头表示信息流通方向。

图1 乘员信息处理模型Fig.1 Human information processing model

1.2 乘员信息处理作业操作元模型

图2 乘员信息处理操作元模型结构Fig.2 Operatal units of crew’s information processing

乘员信息处理作业操作元是指具有装甲车辆乘员信息处理自身特点的操作元素。确定信息处理作业操作元是乘员信息处理作业认知行为建模的前提。通过对乘员信息处理作业操作动作的连续考察，考虑相同作业状态乘员操作心理的相似性，构建乘员信息处理作业操作元模型，模型分为4个层次：第1为作业目标层，表现为操作者的操作总目标；第2为操作状态层，表现为操作者的操作状态；第3为操作元层，表现为操作者的操作进程，是流程的进程表；第4为行为要素层，表现为操作者认知行为的最基本元素。乘员信息处理作业操作元模型结构如图2所示。

2 乘员信息处理作业认知行为要素分析

认知行为建模是指对乘员信息处理作业中的认知过程和作业绩效进行仿真和分析的过程，其认知行为要素分析是建模的基础。Wickens[10]以资源容量的观点来描述认知行为，认为乘员具有一组性质类似、功能有限且容量一定的认知资源。随着作业要求增大，完成作业所需的资源量也相应增加。当任务难度增加或多个任务发生资源竞争而导致资源短缺时，系统绩效将下降。

图3为四维MRT结构图，该模型由4个具有两级特征的维度组成，具体体现为区分知觉和反应的阶段维度，区分听觉和视觉的通道维度，区分空间加工和语言加工的编码维度，以及区分焦点与外围的视觉通道维度[11]。其中，阶段、通道和编码3个维度在一定程度上相互独立，而视觉通道维度则嵌套在通道维度之中。

图3 MRT模型结构图Fig.3 Hypothesis model of processing resource structure

乘员在信息处理作业中会自动在信息源和维度中进行资源的选择和分配，因此，MRT可表述为：乘员的信息处理源通常分为视觉、听觉、认知及动作4个部分，任何任务都可由这4个处理源下的28种行为要素构成，MRT行为要素见表1所示。

3 乘员信息处理作业认知行为建模及验证

3.1 乘员信息处理作业认知行为建模

3.1.1 任务- 网络建模技术

认知过程任务- 网络建模技术是一种对乘员认知过程按操作流程进行时间序列建模，并在任务实施过程中加以控制的计划管理技术。

表1 MRT行为要素表Tab.1 Behavior elements of MRT

本文在此基础上进行扩展，提出了基于通道的认知过程任务- 网络建模方法。该方法将数学建模方法与图示方法有机结合，可以清楚地表达各操作元及行为要素之间的相互关系，直观地体现乘员各通道的信息处理情况。其基本表达形式为任务- 网络图，是一种由箭线和节点组成的有向、有序的网状图形[1]。任务- 网络示意图如图4所示。

图4 任务- 网络示意图Fig.4 Task-network based on executive channel

由图4可以看出：节点是一个瞬间的逻辑连接点，既不占用时间也不消耗资源，用圆圈描述；节点1和节点8分别为起始节点和结束节点，其他节点均为中间节点，节点按照数字从1开始编号，服从紧前任务编号小于紧后任务编号的基本规则[1]；A、B、C分别表示各信息执行通道；A1、A2、A3、B1、B2、B3、C1、C2、C3分别表示乘员的各行为要素[12-13]。

3.1.2 认知行为模型构建

认知行为模型构建的方法主要包括直接和间接两种方法：直接法通过边分解边确定工作项目及其相互关系的方式直接构建认知行为模型；间接法依据前期编制好的工作项目及其相互关系明细表间接构建认知行为模型。直接法一般针对简单系统，间接法则主要针对相对复杂系统。

3.1.3 模型参数辨识

为了实现乘员信息处理作业认知行为的定量分析，就要对认知行为模型参数进行辨识。认知行为模型参数主要是指时间参数，一般包括注意力转移时间t1、知觉加工时间t2、目标搜索定位时间t3和反应执行时间t44个部分：

1)t1、t2属于通用参数，即与任务无关的参数，可以通过一般数据进行辨识。

2)t3、t4属于任务相关参数，可根据试验数据，通过相关定律进行辨识。目标搜索定位时间通过Hick-Hyman定律[14]进行辨识，即

t3=a1+b1log2(n+1),

(1)

式中：a1、b1为常数；n为选择按键的数目。

反应执行时间通过Fitts定律[15]进行辨识，即

t4=a2+b2log2(A/W+1),

(2)

式中：a2、b2为常数；A为按键到手部初始位置的距离；W为按键的有效宽度。

3.2 乘员信息处理作业认知行为模型验证

认知行为模型的有效性和准确性验证是模型仿真活动前必须执行的步骤，其检验结果直接反映了模型构建的成败，按照验证顺序，认知行为模型验证一般分为模型结构验证和仿真结果验证两个部分[16]。

3.2.1 模型结构验证

模型结构验证是对认知行为模型的结构可行性进行验证，主要是指对认知模型描述的合理性、操作元提炼的科学性、行为要素间关系描述的正确性、系统假设的一般性等进行初步的主观定性验证[17]。其验证过程可分4个部分，分别为：

1)评价指标集构建。评价指标根据指标的影响大小进行确定，建立指标集就是将评价指标体系具体化。因此，评价指标集X可确定为

X={x1,x2,…,xi}，i=1，2,…，m.

(3)

2)指标权重集构建。评价指标权重根据指标的重要程度进行确定。指标权重集一般采用层次分析法通过两两比较来构建。假设指标集X对应的权重集为

w={s1,s2,…,si}，si∈[0,1],

(4)

3)评分方式构建。选择相关领域专家共q位评价者，将评分范围确定为[50，100]，评分标准对照表如表2所示[18]。

表2 指标评分标准对照表Tab.2 Reference list for scoring criteria

(5)

(6)

(7)

则指标xi的得分为

(8)

则总得分为

(9)

3.2.2 仿真结果验证

仿真结果验证是在模型结构验证合格的基础上，对认知行为模型的有效性和仿真结果的准确性进行客观定量验证。基于乘员信息处理作业模拟仿真系统，以乘员信息处理作业各操作元反应时间等作为认知行为模型评价指标，利用误差分析等方法对认知行为模型进行仿真验证。其一般流程如图5所示。

图5 乘员认知行为模型仿真验证流程Fig.5 Human cognitive model verification process

4 实例分析

报文拟制作业是装甲车辆应急任务条件下最常用的信息处理作业之一，贯穿于作战任务的始终，具有典型性强、敏感性强、战时常用的作业特性，因此，本文以报文拟制作业为例，对乘员信息处理作业认知行为进行建模研究。

4.1 操作元模型构建

通过对应急任务条件下装甲车辆乘员报文拟制信息处理作业操作动作的连续考察，参考乘员专业教范，提炼出了具有乘员操作特点的报文拟制操作元素，确定了信息处理作业准备、信息处理作业和空闲休息3个操作状态，考虑到操作状态的应急性，只对信息处理作业状态进行研究；建立了信息处理作业状态下的4个基本操作元：作业类型选择、报文类型选择、报文信息选择和报文信息发送；并基于MRT分析了各操作元的认知行为要素，报文拟制作业操作元模型如图6所示。

图7 乘员信息处理作业认知行为模型Fig.7 Cognitive process task-network of crew’s information processing

4.2 认知行为模型构建

根据乘员报文拟制作业操作元模型，对照操作元认知行为要素，通过直接法构建乘员信息处理作业认知行为模型如图7所示。

认知行为模型各项目明细及其关系如表3所示。

4.3 认知行为模型参数辨识

模型主要假设和参数估计值如表4所示。

根据表4和(1)式、(2)式即可得出t3=188 ms、t3=338 ms，t4=467 ms、t4=370 ms. 进而对乘员信息处理作业认知行为模型参数进行辨识，得出操作元O1、O2、O3和O4的信息处理时间分别为TO1=

图6 报文拟制作业操作元模型Fig.6 Operatal units of crew’s information writing

操作元执行通道内容及代号视觉A1发现A2空闲A3查找A4发现O1认知B1准备B2判断B3识别B4决定反应C1空闲C2键入视觉A5发现A6空闲A7查找A8发现O2认知B5准备B6判断B7识别B8决定反应C3空闲C4键入视觉A9发现A10空闲A11查找A12发现O3认知B9准备B10判断B11识别B12决定反应C5空闲C6键入视觉A13发现A14发现A15查找O4认知B13准备B14判断B15识别B16决定反应C7空闲C8键入

1 346.02 ms，TO2=1 088.13 ms，TO3=2 078.21+370.2fms，TO4=1 208.23 ms.

表4 模型主要假设和参数估计Tab.4 Model parameters and values

4.4 认知行为模型验证

4.4.1 初始参数设置

为了验证认知行为模型的合理性及准确性，初始条件参数设置如下：报文信息内容为“普通报告同级电台遭到干扰”，即报文类型为“报告”，报文信息为“电台遭到干扰”，报文状态为“普通”，发送对象“同级”。主观评价专家人数q=7，仿真实验被试人数r=10，故实验变量水平为：选择次数f(6)×目标有效宽度W(15 mm)×初始距离A(25 cm)×每种水平5次，共进行5×10=50次模拟实验。

4.4.2 模型结构验证

对认知行为模型进行主观定性验证，根据验证内容构建评价指标集，确定各指标权重，进而进行专家打分，得出验证结果如表5所示。

表5 模型结构验证结果Tab.5 Model verification results

由表5可以看出，乘员信息处理作业认知行为模型的各项指标评价结果均为较好以上(U≥80)，综合评价结果，可以初步认定所构建的认知行为模型设计合理、描述清晰、一致性较好。

4.4.3 仿真结果验证

为了进一步验证认知行为模型的性能，进行仿真结果验证。通过信息处理作业仿真实验共得到41组有效数据，逐一提取每一操作元乘员信息处理作业绩效数据，对数据进行统计分析，得到被试实验数据与模型预测数据统计情况，如表6所示。

表6 实验数据与模型预测数据统计表Tab.6 Statistics of experimental and predicted data

各操作元数据对比分析结果分别如图8～图11所示。

图8 O1数据对比分析图Fig.8 Analyzed result of O1

图9 O2数据对比分析图Fig.9 Analyzed result of O2

图10 O3数据对比分析图Fig.10 Analyzed result of O3

图11 O4数据对比分析图Fig.11 Analyzed result of O4

由表6和图8～图11可知，各被试绩效数据均值与模型预测值基本吻合，绩效数据在各被试均值附近波动平稳，标准差系数很小(≤0.05)。这说明认知行为模型是有效的，且准确性较好。

5 结论

乘员信息处理作业认知行为建模问题的研究具有重要现实意义，本文在对乘员信息处理过程分析的基础上，从信息处理的MRT出发，提取了认知行为要素，通过任务- 网络建模技术构建了认知行为模型，提出了认知行为建模方法，并应用该方法对报文拟制信息处理作业进行了认知行为建模分析研究，分层验证了模型的有效性。研究表明，该方法针对乘员信息处理作业中认知特性，为装甲车辆乘员信息处理作业认知行为模型的构建提供了有效的解决方法，主要表现在：

1)该方法对乘员信息处理作业进行了单元化处理，并基于任务- 网络建模技术模拟了乘员各操作元作业认知过程，可以针对不同类型信息处理作业进行单元重组，提高了模型的适应性，拓展了模型的应用范围。

2)该方法通过主观定性和客观定量的分层验证方法对乘员信息处理作业认知行为模型进行了有效性验证，实现了方法的闭环研究。

3)验证结果表明，本文提出的建模方法可以很好地构建乘员信息处理作业认知行为模型，乘员实验绩效数据与模型预测值误差很小，反映了模型的准确性。

References)

[1] 刘维平，聂俊峰，金毅，等.基于任务—网络模型的装甲车辆乘员脑力负荷评价方法研究[J].兵工学报，2015，36(9)：1805-1810. LIU Wei-ping，NIE Jun-feng，JIN Yi，et al.Study on the task division of double-crew armored vehicle based on task-network model[J].Acta Armamentarii，2015，36(9)：1805-1810.(in Chinese)

[2] Diane K. Advanced improved performance research integration tool (IMPRINT) vetronics technology test bed model development, ARL-TN-0208 [R]. Aberdeen,MD，US: Army Research Laboratory，Aberdeen Proving Ground， 2003.

[3] Josephine Q.Validation of improved research integration tool (IMPRINT) driving model for workload analysis, ARL-TR-3145 [R].Aberdeen,MD，US: Army Research Laboratory，Aberdeen Proving Ground， 2004.

[4] 刘雁飞，吴朝晖.驾驶ACT-R认知行为建模[J].浙江大学学报：工学版，2006，40(10)：1657-1662. LIU Yan-fei，WU Zhao-hui.Driver behavior modeling in ACT-R cognitive architecture[J].Journal of Zhejiang University：Engineering Science，2006，40(10)：1657-1662.(in Chinese)

[5] Cao S,Liu Y L. An integrated cognitive architecture for cognitive engineering applications[C]∥Proceedings of the Human Factors and Ergonomics Society 56th Annual Meeting. Boston， MA, US：Human Factors and Ergonomics Society，2012: 323-327.

[6] Salvucci D D. Modeling driver behavior in a cognitive architecture[J].Human Factors，2006，48(2): 362-380.

[7] 薛红军，庞俊峰，栾义春，等.驾驶舱飞行员认知行为一体化仿真建模[J].计算机工程与应用，2013,49(23)：266-270. XUE Hong-jun，PANG Jun-feng，LUAN Yi-chun，et al. Cockpit pilot cognitive behavioral integration simulation modeling [J]. Computer Engineering and Applications, 2013, 49(23): 266-270.(in Chinese)

[8] 陈为，李世其，付艳，等.精细追踪类监控作业行为认知建模研究[J]. 工业工程，2013，16(6)： 1-7. CHEN Wei，LI Shi-qi, FU Yan，et al. A research on cognitive modeling for precise tracking and monitoring task behavior[J]. Industrial Engineering Journal，2013,16(6)：1-7.(in Chinese)

[9] 张绍尧，陈善广，王春慧，等.基于ACT-R 认知结构的人控交会对接任务认知集成模型[J].航天医学与医学工程，2015，28(2)：109-116. ZHANG Shao-yao，CHEN Shan-guang，WANG Chun-hui，et al. An integrated cognitive model of manual rendezvous and docking task based on ACT-R cognitive architecture[J]. Space Medicine & Medical Engineering，2015，28(2)：109-116.(in Chinese)

[10] Wickens C D. Multiple resources and mental workload[J].The Journal of the Human Factors and Ergonomics Society，2008，50(3)：449-455.

[11] Wickens C D，Hollands J G. Engineering psychology and human performance[M]. Upper Saddle River,NJ,US: Prentice Hall,2003：545-550.

[12] 胡起伟，贾希胜，赵建民.考虑预防性维修的备件需求量计算模型[J].兵工学报，2016，37(5)：916-922. HU Qi-wei，JIA Xi-sheng，ZHAO Jian-min. A model of calculating spare parts demand volume by considering preventive maintenance[J].Acta Armamentarii，2016，37(5)：916-922.(in Chinese)

[13] 王青，温李庆，李江雄,等.基于Petri网的飞机总装配生产线建模及优化方法[J].浙江大学学报：工学版，2015，49(7)：1225-1231. WANG Qing，WEN Li-qing，LI Jiang-xiong，et al. Modeling and optimization for aircraft final assembly line based on Petri net[J]. Journal of Zhejiang University：Engineering Science，2015，49(7)：1225-1231.(in Chinese)

[14] 王洁，方卫宁，李广燕.基于多资源理论的脑力负荷评价方法[J].北京交通大学学报，2010，34(6)：107-110. WANG Jie，FANG Wei-ning，LI Guang-yan. Mental workload evaluation method based on multi-resource theory model[J].Journal of Beijing Jiaotong University，2010，34(6)：107-110.(in Chinese)

[15] 袁修干，庄大民，张兴娟.人机工程计算机仿真[M].北京：北京航空航天大学出版社，2005：33-36. YUAN Xiu-gan，ZHUANG Da-min，ZHANG Xing-juan. Man-machine engineering computer simulation [M]. Beijing：Beihang University Press，2005：33-36.(in Chinese)

[16] 焦松，李伟，杨明.基于经验模态分解和灰色关联度分析的仿真模型验证方法[J].系统工程与电子技术，2013，35(12)：2613-2618. JIAO Song，LI Wei，YANG Ming.Validation of simulation models based on empirical modal decomposition and grey relevance analysis[J].Systems Engineering and Electronics，2013，35(12)：2613-2618.(in Chinese)

[17] 吴海兵，刘萍，范希辉，等.基于UML的仿真系统验证方法研究[J].系统仿真学报，2013，25(7)：1490-1495. WU Hai-bing，LIU Ping，FAN Xi-hui，et al. Research of method for simulation systems validation based on UML[J]. Journal of System Simulation，2013，25(7)：1490-1495.(in Chinese)

[18] Nie J F，Liu W P，Jin Y，et al. Applications of fuzz comprehensive evaluation in display and control system of armored vehicle[C]∥2nd International Conference on Systems Engineering and Modeling. Beijing, China：International Association of Computer Science and Information Technology，2013: 177-180.

[19] Salvucci D D.An integrated model of eye movements and visual encoding[J]. Cognitive Systems Research，2001，1(4)：201-220.

[20] 郭伏，钱省三.人因工程学[M].北京:机械工业出版社，2007：205-207. GUO Fu，QIAN Sheng-san. Human factors engineering [M].Beijing：China Machine Press，2007：205-207.(in Chinese)

Cognitive Modeling for Crew’s Information Processing Based onMulti-resource Theory

LIU Wei-ping， NIE Jun-feng， LIU Xi-xia

(Department of Mechanical Engineering， Academy of Armored Forces Engineering， Beijing 100072， China)

The effective cognitive model is a key technology to study the information processing work state of armored vehicle crew and enhances the combat effectiveness of man-machine system. In view of the basic trend of transforming the physical operating task to information processing task，the operatal units are systematically analyzed，the cognitive elements are extracted based on multi-resource theory(MRT), a cognitive model is established based on task-network，and the objective-subjective verification process for crew’s cognitive model is proposed. The model is verified through example, with an aim to solve the problem of cognitive modeling. The results indicate that the proposed model could be used to describe the whole cognitive process of crew’s information processing task, and predict the reaction times of operatal units accurately. It has high prediction accuracy and reusability preferable. It is an effective and feasible approach for crew's cognitive modeling.

ordnance science and technology； armored vehicle； multi-resource theory； information processing； cognitive modeling； performance

2016-11-08

聂俊峰(1989—)，男，博士研究生。E-mail：njf0706@126.com

刘维平(1961—)，男，教授，博士生导师。E-mail：lwpyxlzh@sohu.com

TJ810.1

A

1000-1093(2017)06-1215-08

10.3969/j.issn.1000-1093.2017.06.022