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

刘维平，聂俊峰，金毅，白雅娟

（1.装甲兵工程学院机械工程系，北京100072；2.北京特种车辆研究所，北京100072）

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

刘维平1，聂俊峰1，金毅1，白雅娟2

（1.装甲兵工程学院机械工程系，北京100072；2.北京特种车辆研究所，北京100072）

以多资源理论（MRT）为基础，充分考虑装甲车辆乘员作业特点，从人的信息处理方式入手建立了基于信息执行通道的乘员任务-网络模型，提出了基于任务-网络模型的装甲车辆乘员脑力负荷评价方法。以装甲车辆炮长发现目标并射击任务操作为实例进行分析评价，结果表明，该方法能够清楚地描述乘员全任务过程中脑力负荷的变化情况，有效地找出脑力负荷异常的时间节点和产生原因，量化评估乘员的脑力负荷。

兵器科学与技术；装甲车辆；多资源理论；任务-网络模型；脑力负荷

0 引言

装甲车辆乘员处理战场信息的过程是一个脑力劳动过程，乘员需要付出一定的脑力资源，产生一定程度的脑力负荷［1］。乘员脑力负荷情况对作战系统的效能、乘员的舒适程度以及安全健康均影响很大，系统工作效能与乘员脑力负荷强度之间依赖关系比较明显。目前常用的乘员脑力负荷评价方法有主观评价法、主任务测量法、辅助任务测量法等［2］，但这些方法往往掺杂决策者主观偏好，系统误差较大，具有应用局限性，远不能满足系统设计对于脑力负荷评价的要求，因此，对乘员脑力负荷评价方法进行有针对性的研究是非常必要的。

脑力负荷与乘员任务执行时的信息处理量密切相关［3］。对于装甲车辆，不同的作战任务，乘员的脑力负荷情况有较大差异。本文在多资源理论（MRT）的基础上，引入基于信息执行通道的网络建模技术，建立乘员任务-网络模型，结合乘员训练教范和基础实验数据，提出了一种针对任务本身的乘员脑力负荷量化分析评价方法。

1 多资源理论

装甲车辆舱室人机系统属于复杂人机系统，具有信息化程度高、技术密集度高等特点，其乘员作业呈现多任务状态。因此，为了有效解决乘员多任务条件下脑力负荷问题，本文采用了信息处理的MRT方法。MRT是解释多任务之间注意资源分配的理论，其基本表述为:乘员具有性质类似、功能有限且容量一定的心理资源。MRT表明，乘员的信息处理源一般由听觉、视觉、认知及运动反应4个部分组成，无论何种任务都可由这4个处理源下的28种行为要素构成［4］，如表1所示。

Wickens等在“多重加工资源”概念上提出图1所示的加工资源假设结构模型［5］。该模型由阶段、通道、编码3个维度组成。阶段维度主要对知觉和反应进行区分，通道维度对听觉和视觉进行区分，编码维度则是对空间加工和语言加工进行区分，3个维度在一定程度上相互独立。

2 基于信息执行通道的任务-网络建模技术

任务-网络建模技术是以网络图的形式对任务操作流程按时间序列进行系统建模，并在任务实施过程中加以控制以保证实现预定目标的计划管理技术。其基本表达形式为任务-网络图，它是一种由箭线和节点组成的有向、有序的网状图形。无论作战任务有多大、任务操作之间的关系有多复杂，都可以将一个完整的作战任务逐级分解［6］。

图1 加工资源的假设结构模型Fig.1 Hypothesis model of processing resource structure

为了达到评价乘员脑力负荷的基本目标，本文针对装甲车辆舱室乘员作业特点，基于MRT基本原理，对任务-网络建模技术进行扩展改进，将乘员任务操作按照信息基本执行通道（听觉、视觉、认知、反应及语音）进行划分，建立了基于信息执行通道的任务-网络模型。

基于执行通道的任务-网络建模技术将数学建模方法和图示方法有机结合起来，可以清楚地表达各操作之间的相互关系，直观地表现各执行通道同时处理的信息数目以及某一时刻任务的总信息需求量，有利于提高各信息执行通道之间的协同配合，共同保证作战任务的顺利完成。

3 基于任务-网络模型的乘员脑力负荷仿真分析

基于任务-网络模型对脑力负荷进行评价一般可分为系统建模、解析分析、仿真执行、负荷评价4个步骤进行，其执行流程如图2所示。

3.1 任务-网络模型的建立

构建任务-网络模型的方法有直接法和间接法两种:直接法即采用一边分解、一边确定工作项目及其相互关系的方式直接构建网络模型；间接法即依据事先编制好的工作项目及其相互关系明细表构建网络模型。由于所构建的系统工作事项较多，相对比较复杂，本文构建任务-网络模型的方法皆采用间接法。

3.2 确定模型工作参数

为了实现对系统的定量分析，首先要完成系统工作参数的量化。任务-网络模型是研究系统功能的综合性模型，系统工作参数主要包括时间参数和资源参数。

图2 乘员脑力负荷评价流程Fig.2 Evaluation process of crew's mental workload

3.2.1 时间参数

模型的时间参数包括反应时间和运动时间Tm两个部分。反应时间又可分为简单反应时间和选择反应时间Tc.乘员执行通道的简单反应时间可以参考经验数据［7］，Tc利用Hicks定律来计算［3］。而Tm则利用Fitts定律来计算［8］。因此，对于一个简单“认知-反应”行为的时间可以表示为

3.2.2 资源参数

模型的资源参数包括脑力负荷值及其分布函数两个部分。首先，确定脑力负荷值即采取分析的方法对乘员在执行某一任务操作时各执行通道的脑力负荷进行预测。目前常用的方法有Siegel和Wolf的时间压力模型、波音公司的方法以及Aldrich的脑力负荷预测方法［9］。其次，确定脑力负荷分布函数即采取拟合的方法对乘员在某一任务阶段的脑力负荷分布进行分析。确定乘员脑力负荷分布函数的基本流程为:确定乘员脑力负荷分布模型，明确各随机点乘员工作状态，数据拟合，分析拟合结果。

3.3 模型仿真

通过数据拟合确定脑力负荷分布函数后，选择抽样方法，对分布函数进行抽样。进而，根据所建立系统模型的结构特点，进行仿真设计，编制仿真程序，运行仿真模型，得出仿真数据。

3.4 脑力负荷评价

3.4.1 各执行通道脑力负荷情况

每个执行通道需同时处理的信息数目越多，该通道所承受的负荷越大。某一执行通道t时刻的负荷值Wt可以通过信息的数量和操作信息的负荷来表示:

式中:Wjt（j=1，2，3，4，5）是由信息数量及信息负荷表征的各执行通道脑力负荷，分别表示t时刻视觉通道、听觉通道、反应通道、语言通道和认知通道的脑力负荷值；Bit为一个常数，当第i个信息在t时刻存在时，Bit=1，wit为其对应的负荷值，否则Bit=0.

如果同时进行的所有任务在任一执行通道中的脑力负荷超过限值，则认为乘员在这一脑力资源上处于高脑力负荷状态。

3.4.2 总脑力负荷情况

由MRT可知，乘员执行一项任务的总脑力负荷值为乘员执行这项任务所需的各通道脑力负荷值的总和。某个t时刻的总脑力负荷值WT可表示为

4 应用实例

结合乘员脑力负荷评价流程，对装甲车辆炮长发现目标并射击这一任务场景进行脑力负荷分析评价。

4.1 建立模型

根据炮长的基本职责和作战任务条件下的具体操作流程，对任务进行分解，列出基于执行通道的炮长工作项目及相互关系，如表2所示。

其中A、B、C、D分别为炮长在各时刻的操作任务，圈内数字分别为各对应操作任务的节点。比如视觉通道按时间序列可分解为A1、A2、…、A9，数字5和7分别为操作A3的开始节点和结束节点。

根据炮长工作项目明细表，按照从最初节点开始到最终节点结束的顺序，建立基于执行通道的任务-网络模型，如图3所示。

图3 基于执行通道的炮长任务-网络图Fig.3 Gunner's task-network based on executive channel

4.2 确定模型工作参数

时间参数的确定首先参考经验数据，然后进行理论推算，最后进行实际操作测量修正，3种手段既互相独立又相互补充，保证了时间参数确定的有效性和准确性。

表2 炮长工作项目明细表Tab.2 Schedule of gunner's work items

Aldrich脑力负荷预测方法是针对美军开发新武器系统中需要对操作者的脑力负荷进行预测这一问题提出的，该方法将MRT融入模型，具有良好的适应性和可信度。因此，采用Aldrich提出的7分制行为评级标准对各执行通道的脑力负荷进行评定，表3为Aldrich方法的视觉负荷表，表中值由专家评估得出。根据Aldrich各通道负荷表，即可得到炮长模型工作参数，如表3所示。

基于作战条件，参考先验脑力负荷分布模型，确定模型如下:

式中:t为时间；φ（t）为该时刻操作发生的概率；c0、c1为待定参数。

根据统计学原理，每一时刻乘员工作状态测量结果的准确度随着测量次数的增加而增加，结合客观条件和实际情况，每一时刻的乘员工作状态测量100次。对测量数据利用最小二乘法进行曲线拟合，即可得到炮长各工作项目下的脑力负荷分布函数，拟合结果如图4所示。

表3 Aldrich方法视觉负荷表Tab.3 Aldrich's visual workload

图4 脑力负荷分布函数拟合结果Fig.4 Fitting results of mental workload distribution function

由图4可见，各执行通道下的具体操作（比如检查弹种选择旋钮、操纵操作台瞄准目标等）属于肯定分布，即分布函数为φ（t）=1.工作项目负荷分布函数如表4所示。

表4 炮长各工作项目负荷分布函数表Tab.4 Workload distribution functions of gunner's work items

4.3 模型仿真

任务-网络模型仿真选用蒙特卡洛方法，仿真流程为:确定共用随机起始数字，运行仿真模型，统计生成的随机数据，计算每组随机数的期望值。将期望值与对应通道的脑力负荷系数相乘，并对各通道脑力负荷求和，即得到乘员的总脑力负荷情况。图5和图6分别为模型仿真执行一次的各时刻炮长认知负荷和总脑力负荷情况。

图5 模型执行一次的炮长认知负荷Fig.5 Gunner's cognitive workload in a model simulation

图6 模型执行一次的炮长总脑力负荷Fig.6 Gunner's total workload in a model simulation

4.4 脑力负荷评价

对仿真结果整理统计，得到表5、表6和表7所示的作战条件下炮长各执行通道脑力负荷和总脑力负荷情况。

表5 炮长最高脑力负荷情况Tab.5 Gunner's highest mental workload

表6 炮长的脑力负荷情况Tab.6 Gunner's mental workload

表7 炮长的总脑力负荷情况Tab.7 Gunner's total mental workload

由表5可知，在此动态模拟作战环境中，仿真预测的炮长最高认知通道脑力负荷值为15.50，最高总脑力负荷值为36.10.高脑力负荷时同时进行的任务共有3项，分别为:目标搜索、汇报情况和接收信息。即最大负荷值出现在炮长理解信息的同时还要进行其他任务的情况下。

由表6和表7可知，在此动态模拟作战环境中，炮长承受高脑力负荷的情况出现了5次，占5%的模拟时间；认知通道脑力负荷超过负荷限值的情况出现了21次，占21%的模拟时间。由表6可以看出，虽然全过程中炮长总脑力负荷并不是很高，但认知通道负荷超限频繁，因此，认知通道是最可能引起炮长高脑力负荷的脑力资源系统。

炮长的操作是影响装甲车辆乘员生存能力的关键因素，鉴于脑力负荷数据统计结果，为了调整高脑力负荷对炮长操作效能的影响，可以采取按顺序完成工作的策略。基于此策略，炮长可以先进行通信再搜索目标，或先搜索目标再进行通信，这可以有效降低炮长的脑力负荷，提高炮长操作效能。

5 结论

本文从信息处理的MRT出发，建立了基于信息执行通道的任务-网络模型，提出了基于任务-网络模型的装甲车辆乘员脑力负荷评价方法，并应用该方法对炮长发现目标并射击这一任务场景进行了脑力负荷分析研究。模型仿真结果得到了炮长任务全过程的脑力负荷情况，描述了炮长各通道脑力负荷的变化范围，分析了炮长承受高脑力负荷时同时进行的工作，调整了炮长的工作策略。研究表明，

该方法针对乘员任务操作特点，为面向全任务操作过程乘员脑力负荷的动态综合评价提供了有效的解决方法，主要表现在:

1）在系统评价方法的基础上，引入时间序列，基于信息执行通道构建了由乘员、时间、脑力负荷组成的任务-网络模型，提出了解决乘员任务操作过程的动态综合评价方法。

2）该方法可以描述乘员全任务操作过程中脑力负荷的变化情况，找出乘员脑力负荷高的时间阶段及具体操作，定量比较不同任务操作之间的脑力负荷强度，分析导致乘员脑力负荷过高的具体原因和改进方法，为脑力负荷的评价提供了一种全新的思路。

3）该方法的评价对象是乘员任务操作本身，因此，基于任务-网络模型的脑力负荷评价方法不仅可以用于评价己有的任务，也可对系统设计阶段的乘员脑力负荷进行预测。

（

）

［1］ 廖建桥.人在多任务中的业绩及脑力负荷［J］.心理学报，1995，27（4）:21-25. LIAO Jian-qiao.Human performance and mental workload under multiple task demanding conditions［J］.Acta Psychologica Sinica，1995，27（4）:21-25.（in Chinese）

［2］ 柳忠起，袁修干，刘涛，等.航空工效中的脑力负荷测量技术［J］.人类工效学，2003，9（2）:19-22. LIU Zhong-qi，YUAN Xiu-gan，LIU Tao，et al.Mental workload evaluation method of ergonomics inaviation［J］.Chinese Journal of Ergonomics，2003，9（2）:19-22.（in Chinese）

［3］ 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）

［4］ Cullen L.Validation of amethodology for predicting performance and workload［R］.France:Eurocontrol Experimental Centre，1999:376-389.

［5］ Wickens C D，Hollands J G.Engineering psychology and human performance［M］.Shanghai:East China Normal University Press，2003:545-550.

［6］ 姚玉玲，刘靖伯.网络计划技术与工程进度管理［M］.北京:人民交通出版社，2008:42-46. YAO Yu-ling，LIU Jing-bo.Network plan technology andproject progress management［M］.Beijing:China Communications Press，2008:42-46.（in Chinese）

［7］ 郭伏，钱省三.人因工程学［M］.北京:机械工业出版社，2007: 209-216. GUO Fu，QIAN Sheng-san.Human factors engineering［M］.Beijing:China Machine Press，2007:209-216.（in Chinese）

［8］ 袁修干，庄达民，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.Computer simulation for man-machine engineering［M］.Beijing:Beihang U-niversity Press，2005:33-36.（in Chinese）

［9］ 廖建桥.脑力负荷的预测与分析方法［J］.工业工程，1998，1（1）:38-42. LIAO Jian-qiao.Mental workload prediction and analytic methods［J］.Industrial Engineering Journal，1998，1（1）:38-42.（in Chinese）

Research on Evaluation Method of Armored Vehicle Crew's Mental Workload Based on Task-network Model

LIU Wei-ping1，NIE Jun-feng1，JIN Yi1，BAI Ya-juan2
（1.Department of Mechanical Engineering，Academy of Armored Forces Engineering，Beijing 100072，China；2.Beijing Special Vehicle Research Institute，Beijing 100072，China）

A method of evaluating the mental workload of armored vehicle crew based on task-network model is proposed based on multiple resource theory（MRT），and a crew's task-network model based on information executive channel is built in terms of information processing method under consideration of armored vehicle crew's operation characteristics.An example of target discovering and firing task of an armored vehicle gunner is analyzed and evaluated.The results indicate that the proposed method could describe the change of crew's mental workload during the whole task.The time nodes and reasons of abnormal mental workload could be found out effectively using the proposed method and the mental workload of crew could be quantitatively evaluated.

ordnance science and technology；armored vehicle；multiple resource theory；task-network model；mental workload

TJ81+0.1

A

1000-1093（2015）09-1805-06

10.3969/j.issn.1000-1093.2015.09.028

2015-01-19

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