基于交互指标的空中交通管制员工作负荷实时测量方法研究

靳慧斌，洪 远，蔡亚敏

（中国民航大学国家空管运行安全技术重点实验室，天津 300300）

空中交通管制员在确保空中交通管制安全和效率中扮演重要角色，管制员的工作负荷是影响航空安全和管制效率的重要因素之一［1］。随着航空业的快速发展，空中交通流量不断增大，空客公司调查报告［2］显示，自1970至2030年空中交通流量会以每15年翻一番的速度递增。管辖区域内的航空器数量不断增加，使得管制员的工作强度随之增加，管制员所肩负的责任和工作压力亦不断增长。超负荷工作给航空安全带来了巨大的安全隐患，由管制员工作负荷过大造成的空中交通不安全事件有不断增加的趋势［3-4］。因此，为了确保空中交通安全有序地运行，需要对管制员工作负荷进行科学的分析和评价，以及有效的实时监控，合理规划空域流量，降低运行风险［5］。

传统的空中交通管制员工作负荷测量方法主要有三大类：主观测量法、任务绩效测量法、生理测量法。主观测量法根据被试在工作过程中产生的主观感受与体验来评价工作负荷，如利用NASA-TLX量表［6］、ATWIT（空中交通负荷输入技术）评价管制员工作负荷。任务绩效测量法通过测定被试完成指定任务的绩效来判断该任务给被试带来的工作负荷，如Brünken等［7］曾使用次任务准确率、次任务反应时变化等指标对管制员工作负荷进行双任务测量。生理测量法通过测定被试工作过程中出现的生理反应来评价被试工作负荷，如Weilang［8］等运用脑电图技术实时测量管制员工作负荷。

然而，主观测量法需要被试在工作过程中或工作结束后报告自己的状态，工作过程中报告会对被试工作造成干扰，工作结束后报告无法实时监控被试工作负荷。任务绩效测量法往往是在控制的实验室环境中进行的，这影响了其结果的生态效度和外推效度［9］。一些学者研究表明，仅依靠测量身体指标无法有效描述管制员工作的复杂性［10］，生理指标很难反映任务的工作负荷［11］。

现代航空管制系统是一个人机交互系统，管制员通过接收雷达数据终端提供的信息，实时掌握空中交通动态，并使用语音设备向飞行员发布指令或与相邻扇区管制员沟通协调。在整个管制过程中，视觉观察和语音通话是管制员使用最频繁的两种交互手段，与之相对应的两类交互指标即眼动指标和语音指标能直接反映管制员工作量的大小；同时，这两类交互指标和生理指标一样，具有实时性和无干扰性。因此，本文以眼动指标和语音指标为输入变量，构建空中交通管制员工作负荷测量模型，以期能够实时、无干扰性、有效地测量管制员工作负荷。

1 实验方法

1.1 实验测量指标选择

眼动指标指反映眼睛动态变化的指标，主要包括注视指标、扫视指标、眨眼指标和瞳孔指标四类［12］。Gomer等［13］研究得出：被试注视次数和注视时间变化与其工作负荷变化呈正比；Takahashi等［14］设计三组实验，各实验组任务之间负荷大小迥异，观测被试执行任务过程中眼动指标变化，数据显示任务负荷增大时，扫视时间、扫视幅度、扫视频率等眼动指标亦呈增大趋势；Bauer等研究发现被试在处理较复杂视觉任务时，会发生眨眼抑制现象［15］，且被试眨眼率和眨眼持续时间随着所承担工作负荷增大而减小［16-17］；瞳孔大小变化是一个重要的眼动指标，它与知觉、记忆、思维活动、语言加工等心理活动紧密相关［18-19］，能有效反映工作负荷变化［20-22］。

语音指标指反映被试一定时间内通话情况的指标，通常包括通话次数、通话时长、通话内容，该指标因其有效性及测量的便利性，常被用于测量管制员工作负荷。Manning等［23］研究发现管制员语音交流次数、时间与工作负荷显著相关；Porterfield［24］通过实验得出管制员4min内持续通话时间与其主观负荷之间相关系数是0.88；裴成功等［25］使用DORATASK 方法对管制员语音通话进行分析，以测量管制员工作负荷。

结合国内外管制员工作负荷研究成果和管制工作特点，本实验选择可以反映管制员常态行为的两类交互指标作为测量指标，即眼动指标和语音指标。其中所使用眼动指标包括平均注视持续时间、注视频率、扫视频率、平均扫视持续时间、平均眼跳距离、眨眼频率、平均眨眼持续时间和瞳孔直径大小；语音指标包括通话次数和平均通话时间。

1.2 实验设计

本次设计的模拟管制实验，根据管制飞机数量不同（3架、6架、9架）分为三组，被试依次完成三组实验，实验任务是保证管制空域内飞机安全有序飞行，每组实验完成后填写NASA-TLX 表格。每组实验持续15min，被试在执行不同实验任务之间休息10min。利用眼动仪记录被试眼动数据和语音数据，并在实验结束后对数据进行处理。

1.3 实验被试

实验选取10名在校管制学员作为实验被试，被试均能熟练进行模拟管制操作，年龄在20 岁至25岁之间，视力正常。

1.4 实验设备

实验眼动仪采用TobiiX120眼动仪，该眼动仪使用无屏幕式眼动追踪，装置允许较大头动范围，提供了一个不受任何干扰的环境，让被试在自然状态下进行实验。实验操作平台使用培训管制学员所用雷达管制模拟机，该设备是在我国原有雷达管制模拟仿真系统技术的基础上，跟踪国际空管自动化系统技术，开发出的一套面向新一代的空管自动化应用模拟培训系统。两者结合使用保证了获得数据的可靠性。

实验中管制员工作负荷的主观评分使用NASA-TLX 量表，该量表由美国国家航空航天局研发，由心理需求、体力需求、时间需求、作业绩效、努力程度、挫折水平六个维度组成，目前被广泛用于评价空中交通管制员主观负荷。

1.5 实验程序

实验对每个被试单独进行，每位被试均执行相同实验程序。实验前，主试向被试讲解实验研究背景及流程，安排被试阅读NASA-TLX 量表操作方法，然后让被试进行眼动仪标定程序；实验过程中，被试需要依次完成三组不同任务难度实验；每组实验完成后，被试需要填写NASA-TLX 量表，以对被试该段时间工作负荷大小做出主观评定。

2 数据处理

2.1 测量指标与主观负荷的相关分析

统计被试执行任务过程中眼动数据和语音数据，并计算完成任务后所填写的NASA-TLX 量表值以得出主观负荷值。最后将各指标数据与主观负荷值大小进行相关分析，以筛选出与被试工作负荷变化显著相关的测量指标。各指标与主观负荷的相关系数以及不同任务难度下测量指标均值见表1。

表1 各指标与主观负荷的相关系数Table 1 Correlation coefficient between indexes and subjective workload

由表1可知，除平均眼跳距离外，其他9种测量指标均与主观工作负荷显著相关，因此可以使用这9种指标对管制员工作负荷进行综合评价。

2.2 构建综合因子

工作负荷是一个复杂多维的概念，综合多种指标评定工作负荷比使用单一指标测量更为有效，更能全面反映不同维度的工作负荷［26］。但是，使用9种指标构建评价模型必然会导致模型异常复杂，因此本文利用眼动指标之间的共线性，使用因子分析方法建立综合评价因子以降低评价维度，这样既保证了评价指标的全面性，又最大限度地降低了评价指标的数量。

对7 种眼动指标（x1～x7）进行KMO 检验和Bartlett球度检验，KMO 检验结果为0.814，Bartlett球度检验P 值小于0.05，检验结果显示眼动指标结构效度良好，可以进行因子分析。眼动指标因子分析结果见表2。

表2 眼动指标因子分析结果Table 2 Eigenvalue and cumulative contribution rate

以特征值大于1为因子选择标准，因此选择主成分1作为因子并将其命名为眼动指标F1，F1包含了全部7 种指标信息，其累计方差贡献率为81.428%，信息损失量为18.572%。

利用Thomson估计法［27］估计因子得分系数，可得F1的计算公式为

F1=-0.164x1+0.159x2-0.158x3+0.160x4+0.149x5+0.152x6-0.165x7

2.3 管制员工作负荷测量回归模型

为了能够建立管制员工作负荷实时测量模型，以NASA-TLX量表所得主观工作负荷值为因变量，眼动指标F1、通话次数x8、平均通话时间x9为自变量，建立回归模型的建立，回归模型分析结果见表3。

由于是多元线性回归分析，因此宜选择调整R2作为拟合优度检验指标，以更准确地反映回归方程对样本数据的拟合程度［28］。P 值反映回归方程的显著性程度，通常规定P 值小于0.05 时回归模型显著，即回归模型可以解释自变量变化。表3中P值大小显示各回归模型均显著，然而模型2的调整R2最大，能更准确地拟合样本数据，因此选择模型2作为管制员工作负荷测量回归模型，其表达式如下：

管制员工作负荷值=19.945-7.815×F1+10.445×通话次数=19.945-7.815×（-0.164×平均注视持续时间+0.159×注视频率-0.158×平均扫视持续时间+0.160×扫视频率+0.149×平均眨眼持续时间+0.152×眨眼频率-0.165×瞳孔直径大小）+10.445×通话次数。

表3 管制员工作负荷测量回归模型分析结果Table 3 Regression analysis result of ATC workload measurement

确定回归模型之后需要进行残差分析，以确定数据满足回归模型适用条件。模型对应Durbin-Watson指数为1.638，因此可以认为残差间相互独立。同时，利用Spss软件绘制标准化残差P-P 图，见图1。由图1可以看出：回归模型残差服从正态分布；以标准化残差为Y 轴，标准化预测值为X 轴绘制残差散点图，结果显示残差方差齐次。通过以上分析，可以确定数据满足独立性、正态性、方差齐次的特点，符合回归模型适用条件。

3 结论

（1）管制员工作负荷影响着空中交通的安全和效率，视觉观察和语音通话作为管制员使用最频繁的两类交互手段，与管制员工作负荷大小息息相关。本文将各种交互指标与管制员主观负荷进行相关分析，得到9种与管制员工作负荷密切相关的交互指标，这些指标均可以被实时客观记录。

（2）管制员工作负荷是一个复杂多维的概念，一种交互指标往往只能反映其工作负荷的某一层次，利用多指标评价不但可以在内涵上互补综合评价管制员工作负荷，同时在测量手段上也可以互补。例如瞳孔指标反映眼睛睁开时的状态，而眨眼指标则反映眼睛闭合的状态，将两者结合起来便可以反映整个眼动过程的状态。本文利用指标之间的共线性，对眼动指标进行因子分析并建立综合评价因子，以在保证信息尽量完整的前提下，极大降低评价指标维度，最后以被广泛认可的NASA-TLX 量表所得主观负荷值为因变量，综合因子和通话次数为自变量，建立管制员工作负荷测量回归分析模型，保证了测量模型的有效性。

［1］Chatterji G B，Sridhar B.Measures for air traffic controller workload prediction［C］／／Proceedings of the First AIAA Aircraft Technology，Integration，and Operations Forum.Los Angeles：American Institute of Aeronautics ＆ Astronautics，2001：30-41.

［2］Norden C.Airbus Pilot Instructor Course：What＇s New in the Instructors＇Course？［R］.Toulouse：Airbus，Flight Operations ＆Training regional seminars，2013.

［3］陈亚青，孙宏.进近管制员工作进程分类及工作负荷研究［J］.中国安全科学学报，2006，16（2）：65-68.

［4］韩松臣，胡明华，蒋兵，等.扇区容量与管制员工作负荷的关系研究［J］.空中交通管理，2000，6（1）：42-45.

［5］汪磊，孙瑞山.空中交通管制员疲劳状态实时监测方法的实现［J］.安全环境与工程，2013，20（4）：87-91.

［6］Pant R，Taukari A，Sharma K.Cognitive workload of air traffic controllers in area control center of mumbai enroute airspace［J］.Journal of Psychosocial Research，2012，7（2）：345-355.

［7］Brünken R，Plass J L，Leutner D.Direct measurement of cognitive load in multimedia learning［J］.Educational Psychologist，2003，38（1）：53-61.

［8］Weiland M，Roberts D，Caywood M，et al.Real-time EEG-based prediction of mental workload in a multitasking environment［C］／／20th Annual Meeting of the Cognitive-Neuroscience-Society.San Francisco：MIT PRESS，2013：103-113.

［9］Gwizdka J.Distribution of cognitive load in Web search［J］.Journal of the American Society for Information Science and Technology，2010，61（11）：2167-2187.

［10］Pawlak W S，Brinton C R，Crouch K，et al.A framework for the evaluation of air traffic control complexity［C］／／Proceedings of the AIAA Guidance Navigation and Control Conference.San Diego：AIAA，1996：20-28.

［11］Manning C，Mills S，Fox C，et al.The relationship between air traffic control communication events and measures of controller taskload and workload［J］.Air Traffic Control Quarterly，2002，10（2）：69-83.

［12］Halverson T，Estepp J，Christensen J，et al.Classifying workload with eye movements in a complex task［C］／／Proceedings of the Human Factors and Ergonomics Society Annual Meeting.Beijing：Sage Publications，2012：168-172.

［13］Gomer J，Walker A，Gilles F，et al.Eye-tracking in a dual-task design：Investigating eye-movements，mental workload and performance［C］／／Proceedings of the Human Factors and Ergonomics Society Annual Meeting.SAGE Publications，2008：1589-1593.

［14］Takahashi K，Nakayama M，Shimizu Y.The response of eyemovement and pupil size to audio instruction while viewing a moving target［C］／／Proceedings of the Eye Tracking Research and Applications Symposium.Boston：Association for Computing Machinery，2000：131-138.

［15］Bauer L O，Strock B D，Goldstein R，et al.Auditory discrimination and the eye blink［J］.Psychophysiology，1985，22（1）：629-635.

［16］Petkar H，Dande S，Yadav R，et al.A pilot study to assess designer’s mental stress using eye gaze system and electroencephalogram［C］／／ASME 2009 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference.Palm Beach Gardens：American Society of Mechanical Engineers，2009：899-909.

［17］Zheng B，Jiang X，Tien G，et al.Workload assessment of surgeons：Correlation between NASA TLX and blinks［J］.Surgical Endoscopy，2012，26（10）：2746-2750.

［18］闫国利，白学军.眼动研究心理学导论：揭开心灵之窗奥秘的神奇科学［M］.北京：科学出版社，2012.

［19］Müller A，Petru R，Seitz L，et al.The relation of cognitive load and pupillary unrest［J］.International Archives of Occupational and Environmental Health，2011，84（5）：561-567.

［20］He X，Wang L，Gao X，et al.The eye activity measurement of mental workload based on basic flight task［C］／／IEEE10th International Conference on Industrial Informatics.Piscataway：IEEE Press，2012：502-507.

［21］de Greef T，Lafeber H，van Oostendorp H，et al.Eye movement as indicators of mental workload to trigger adaptive automation［C］／／5th International Conference on Foundations of Augmented Cognition.Heidelberg：Springer Berlin，2009：219-228.

［22］Ishii M，Minochi A，Yamanaka K，et al.Evaluation of mental workload based on pursuit eye movement［C］／／2013 International Conference on Biometrics and Kansei Engineering.Washington：IEEE Computer Society，2013：121-124.

［23］Manning C A，Mills S H，Fox C M，et al.Using Air Traffic Control Taskload Measures and Communication Events to Predict Subjective Workload［R］.Oklahoma City，USA：Civil Aeromedical，2002.

［24］Porterfield D H.Evaluating controller communication time as a measure of workload［J］.The International Journal of Aviation Psychology，1997，7（2）：171-182.

［25］裴成功，韩松臣，刘星.管制员工作负荷评估的回归分析法［J］.南京航空航天大学学报，2007，39（1）：107-112.

［26］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.

［27］宋健.基于AHP和因子分析的地区信用环境指标体系构建的实证研究［J］.中国软科学，2006，6（1）：111-119.

［28］薛薇.统计分析与SPSS的应用［M］.北京：中国人民大学出版社，2011.