考虑认知行为差异的乘员信息作业绩效研究

2019-04-17傅斌贺刘维平聂俊峰刘西侠

兵工学报 2019年3期

傅斌贺，刘维平，聂俊峰，刘西侠

(1.陆军装甲兵学院车辆工程系，北京 100072； 2.海军大连舰艇学院作战软件与仿真研究所，辽宁大连 116018)

0 引言

随着装甲车辆人机系统自动化水平的提高，乘员工作逐渐向以监视、控制为主的信息作业转变，由车辆性能和舱室环境引起的作业事故越来越少，而由乘员特性造成的作业失误比例却逐渐上升。据统计，装甲装备领域约70%的事故是由人的因素所致，其根源就在于乘员认知能力的局限性，乘员认知能力达不到作业绩效要求，导致作战任务失败[1]。因此，考虑认知行为差异的乘员信息作业绩效研究，对提高装甲车辆作业效率和作战效能都具有重要意义。

目前，国内外相关研究主要围绕认知行为模型在作业绩效中的应用进行。薛红军等[2]运用自适应控制系统(ACT-R)认知架构对民机飞行员驾驶技能获得、提取和运用的内在机制进行建模，以此预测飞行员作业绩效，并通过“飞行员告警信息处理”试验验证了模型的有效性。陈为等[3]采用排队网络自适应控制系统(QN-ACTR)认知模型框架构建了手控交会对接任务的认知行为模型，并对模型有效性进行了验证，为精细追踪类监控任务的作业绩效研究提供了参考。张绍尧等[4]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，并采用3种绩效数据对被试与模型进行了比较分析。Byrne[5]基于ACT-R构建了操作人员认知行为模型，并在菜单操作绩效预测评估中进行了应用研究。Nan等[6]采用认知可靠性和失误分析方法(CREAM)提出了基于Agent的认知行为分层模型，从认知失误的角度对操作员绩效进行建模。Cao等[7]提出了QN-ACTR认知行为建模方法，并考虑驾驶经验对汽车驾驶员横向控制绩效进行了对比分析。张国辉等[8]采用双层Soar框架构建了数字化士兵认知行为模型，并基于作业绩效与其他建模方法进行了对比，验证了模型的有效性。Salvucci[9]在认知建模以往研究的基础上，定义了表征驾驶领域知识的产生式，模拟了驾驶行为绩效。Wu[10]在探讨人的绩效建模的未来研究方向时，提出了将人的绩效建模与数据驱动模型相结合的方法，即将人的认知行为数据用于人的绩效建模。

综上所述，以往的研究虽然取得了一定成果，但主要集中在认知行为自身建模的研究上，缺乏认知能力与作业绩效之间相关关系和内部影响规律的研究，忽视了人的行为能力上的差异。因此，本文针对以往研究存在的问题，提出一种融合通道维度的认知行为建模方法，并基于作业绩效预测技术对不同认知能力乘员的作业绩效进行对比分析，得出了相关规律。

1 融合通道维度的认知行为建模

1.1 多资源理论

Wickens等[11]以资源容量的观点描述认知行为，认为人具有一组性质类似、功能有限且容量一定的认知资源。随着作业要求的增大，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[11]。认知资源与绩效关系如图1所示。

图1 认知资源与绩效关系图Fig.1 Relationship of cognitive resource and performance

多资源理论(MRT)是解释多任务之间资源分配的理论，其基本表述为：乘员的信息处理源通常分为视觉(V)、听觉(A)、认知(C)和动作(P)4个通道维度，任何作业都可由这4个通道维度下的28种行为要素构成，如表1所示。

表1 MRT行为要素表

1.2 认知行为建模过程

认知行为任务- 网络建模方法是一种对乘员认知过程进行时间序列建模并加以控制的计划管理技术[12]，其基本表达形式为任务- 网络图，是一种由带箭头直线和节点组成的有向、有序网状图形。无论各行为要素之间的关系有多复杂，都可以将其逐级分解[1]。本文基于多资源理论对任务- 网络建模方法进行扩展，建立融合通道维度的任务- 网络模型。该方法将作业操作与信息通道有机结合，可以清楚地表达各行为要素之间的相互关系，直观体现各通道的认知资源情况。

装甲车辆乘员按照任务职责可以分为驾驶员、车长和炮长，其信息作业是指依托装甲车辆车载显控终端和通讯电台进行的监视和操控任务。执行任务的过程如下：首先，装甲车辆乘员通过感觉器官(视觉、听觉)接收显控终端和通讯电台信息，并将信息进行短期存储；然后，综合多种感知，调用短时记忆和工作记忆对信息进行知觉加工，并做出决策；最后，乘员根据决策结果执行相应动作，实现信息输出。该过程反复执行，即可完成信息作业。考虑到乘员信息作业的单元性和连续性，参考MRT行为要素表编制乘员信息作业基本操作单元的行为要素表，如表2所示。其中：V、A、C、P分别表示各信息通道，V、A通道对应乘员信息作业的感知模块，C通道对应决策模块，P通道对应执行模块；V1、V2、V3、 V4、A1、C1、C2、C3、C4、P1、P2分别表示各行为要素。

表2 信息作业行为要素明细表

构建融合通道维度的乘员信息作业认知行为任务- 网络模型如图2所示。

图2 任务- 网络模型Fig.2 Task-network model

1.3 乘员认知能力水平划分

乘员信息作业认知过程表现为一系列阶段，每一阶段的功能在于信息传递：感觉将注意力转移到处理对象上，知觉通过记忆系统对处理对象进行识别、判断和定位，执行是对处理对象的最终反应，其中注意力资源参与整个信息处理的全过程[13]。因此，乘员认知行为形成因子主要包括记忆能力、反应能力和注意能力3个方面，如图3所示。

图3 乘员认知能力水平评价指标体系Fig.3 Evaluation indicator system of crew’s cognitive ability

信息作业认知能力水平划分是作业绩效研究的前提，其划分结果直接决定了模型的有效性。认知能力水平划分由4个部分组成，分别为：

1)评价指标集构建。将评价指标进一步细化，构建认知能力水平评价指标集：

X={x1，x2，…，xi，…，x6}，

(1)

式中：X为指标集；xi(i=1，2，3，4，5，6)为各评价指标，x1、x2、x3、x4、x5、x6分别为短时记忆能力、工作记忆能力、选择反应能力、辨别反应能力、注意集中能力和注意分配能力。

2)数据采集及处理。针对各评价指标分别设计认知能力测试实验，采集实验数据，并对数据进行如下归一化处理：

(2)

式中：xij为第i个指标第j次测试的实验数据值，j=1，…，q为实验数据数目，一般取q≥10；yi为归一化处理后的指标数据值，yi∈[0,1].

3)指标权重集构建。指标权重集一般采用层次分析法通过重要程度两两比较来构建。假设指标集X对应的权重集为

ω={s1，s2，…，si，…，s6}，

(3)

4)评价结果综合。各乘员认知能力的得分为

(4)

5)对各乘员认知能力评价结果进行聚类分析[14]，划分认知能力水平。

2 考虑认知行为差异的作业绩效预测模型

2.1 模型假设

结合乘员信息作业认知行为特点，建立以下基本假设：

假设1乘员对信息终端按键的操纵为触点操作，且手指点与按键之间的距离一定。

假设2乘员对目标信息的编码与搜索并行。

假设3乘员目标搜索规律服从Hick-Hyman定律[15]，反应执行的触点运动规律服从Fitts定律[16]。

假设4乘员认知行为差异主要体现在目标搜索定位绩效和反应执行绩效上。

2.2 作业绩效预测模型构建

依据乘员信息作业认知行为模型，确定装甲车辆乘员信息作业的基本操作单元认知行为顺序，如图4所示。

图4 乘员信息作业认知行为顺序示意图Fig.4 Cognitive behavior sequence of information operation

由图4可以看出，乘员信息作业行为由注意转移、知觉加工、目标搜索定位和按键反应执行4个基本过程组成。因此，构建考虑认知行为差异的绩效预测模型为

T=aTV1(TA1)+bTC2+cTV3+dTP4，

(5)

式中：T为乘员信息作业时间；TV1为目标视觉呈现方式时乘员的注意转移时间；TA1为目标听觉呈现方式时乘员的注意转移时间；TC2为知觉加工时间；TV3为目标搜索定位时间；TP4为按键反应执行时间；a、b、c、d为作业复杂程度参数。

2.3 模型参数辨识

按照参数类型，选择如下3种方法进行辨识：

1)TV1、TA1、TC2为通用类参数，与作业类型和复杂程度无关，参考一般数据进行辨识。

2)TV3、TP4为实验类参数，基于实验数据运用相关定律进行辨识：

TV3通过Hick-Hyman定律进行辨识，即

TV3=e+flb(n+1)，

(6)

式中：e、f为常数；n为选择按键的数目；lb(x)表示log2x，即以2为底的对数。

TP4通过Fitts定律进行辨识，即

TP4=g+hlb(D/W+1)，

(7)

式中：g、h为常数；D为按键到手部位置的距离；W为按键的有效宽度。

3)a、b、c、d为设置类参数，依据乘员特殊作业条件和实际操作设置进行辨识。

2.4 模型验证

基于乘员信息作业模拟终端进行绩效测试实验，以作业时间为验证指标，利用误差分析法对信息作业绩效预测模型的有效性和准确性进行客观定量验证。

3 乘员信息作业绩效预测与分析

3.1 初始参数设置

目标录入作业是指乘员发现目标后识别、判断目标的属性信息，基于车载显控终端录入上报的过程，要求乘员录入信息快速、准确，是装甲车辆乘员最常用的信息作业之一，贯穿作战任务始终，具有典型性、敏感性等特点。本文以目标录入作业为研究对象，以某型主战坦克车载信息模拟终端为平台，对不同认知能力乘员作业绩效进行研究，系统初始参数设置如表3所示。

目标信息的内容选定为：目标类型(输送车)、目标数量(2辆)、目标方位(南方)、目标速度(36 km/h)。

表3 初始参数设置情况

3.2 作业绩效预测模型

乘员认知能力实验数据样本由55名具有专业等级乘员的认知能力实验数据组成，指标权重集为ω={0.25, 0.25, 0.15, 0.15, 0.10, 0.10}，采用K-均值法进行聚类分析，并用Silhouette法对聚类结果进行检验，检验结果如图5所示，从中可以看出聚类结果合理(Silhouette最大值>0.6)，差异性显著。因此，可将该数据样本的乘员认知能力划分为3个等级，分别对应优秀组(1级)、一般组(2级)和低下组(3级)3个水平，每组各分布乘员14名、26名、15名。

图5 乘员认知能力聚类分析结果Fig.5 Cluster analysis of crew’s cognitive ability

3.2.1 作业绩效预测模型构建

由假设4可知，不同认知能力乘员的通用类参数[17]和设置类参数辨识结果为：TV1=85 ms，TA1=85 ms，TC2=106 ms；a=7，b=10，c=8，d=13. 实验类参数辨识结果如表4所示。

表4 实验类参数辨识结果

3.2.2 作业绩效预测模型验证

为验证作业绩效预测模型的合理性和准确性，从不同认知能力组中各随机选取10名被试在模拟终端上进行实验，每次实验重复5次，每组共进行5×10=50次实验。

通过验证实验，不同认知能力组中目标录入实验正确的次数分别为44次、41次、39次，各组操作的失误率分别为12%、18%、22%，逐一提取每名被试的作业绩效数据，得到各数据分布情况如图6所示。

图6 乘员作业绩效数据分布情况Fig.6 Distribution of crew’s operation performance data

进而得到实验数据与模型预测数据统计对比情况，如表5所示。

表5 实验数据与模型预测数据统计表

由图6和表5可以看出，各认知能力组实验均值与预测值很接近，Vσ较小(0.014、0.013、0.010)，预测误差为(-0.001,0.009)。表明乘员信息作业绩效预测模型是有效的，且准确性较好。

3.3 结果对比分析

由表5可以看出，各认知能力组(优秀组、一般组、低下组)乘员的信息作业时间呈递增趋势(8 309.23 ms、9 212.65 ms、10 624.43 ms)，操作错误率也呈递增趋势(12%、18%、22%)，各认知能力组乘员的作业绩效由优到劣排序为：优秀组>一般组>低下组，从侧面反映出认知能力越高的乘员，其信息作业绩效往往也越好。

为进一步揭示认知能力与信息作业绩效之间的内在关系，对各认知能力组作业绩效进行非参数检验，对认知能力等级与信息作业绩效进行相关分析，分析结果如表6所示。

表6 乘员作业绩效数据分析结果

注：*表示差异显著，P<0.05.

由表6可以看出，各认知能力组作业绩效两两之间均存在显著性差异(P<0.05)，表明各认知能力组乘员作业绩效均值和标准差的排序不仅表现在数值的大小上，还存在着统计学意义，绩效预测模型能够有效甄别不同认知能力水平乘员的作业绩效差异。同时可以看出，乘员认知能力水平等级(1级、2级、3级)与信息作业绩效之间具有显著的正相关关系(P<0.05)，r=0.980.

究其原因，由MRT可知，乘员信息作业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，其作业绩效高度依赖于认知资源的合理分配。因为认知资源具有明显的有限性和共用性，认知资源需要选择性的分配给各个信息通道，所以认知能力越高的乘员认知资源分配合理，信息处理更快，信息记忆更准，信息作业绩效也就越好，反之认知能力较低的乘员认知资源分配不合理，信息处理更慢，错误率更高，作业绩效也就较差。

由于优秀的认知能力对提高乘员信息作业绩效具有显著作用，建议在装甲车辆乘员选拔中应该大范围开展认知能力测评，全面掌握乘员的认知能力状态，选拔出在认知能力上具有优势的乘员，并对其进行针对性训练和任务分工，不仅可以提高乘员作业绩效，而且可以节省训练资源、缩短培训时间，对提高作业能力具有重要意义。