一種認知行為模式的概率化確定方法

摘 要：研究認知行為模式的確定，提出一種認知行為模式的概率化確定方法。首先，簡要介紹認知行為模式的SRK框架，分析三種認知行為模式的特點以及該框架在人因可靠性分析中的應用。然后，概述認知行為模式的確定方法—Hanaman決策樹，分析該方法的特點以及存在的不足，強調在認知行為模式的確定過程中考慮不確定性的必要性。隨后，將不確定性的來源分為4類：人員、系統、任務和環境，并以此為給出Hanaman決策樹中認知行為模式影響因素的不確定性來源。最后，將概率的思想引入到認知行為模式的確定中，結合Hanaman決策樹，構建一種認知行為模式的概率化確定方法。該方法考慮認知行為模式影響因素的不確定性，因而具有更加廣泛的適用性。

關鍵詞：認知行為模式；SRK框架；人因可靠性分析；人為差錯；決策樹

中圖分類號：TP301 文獻標識碼：A

A Probabilistic Method to Determine Cognitive Behavior Mode

JIANG Yingjie， SUN Zhiqiang， GONG Erling， XIE Hongwei

(College of Mechatronic Engineering and Automation， National University of Defense Technology， Changsha 410073， China)

Abstract:The determination of cognitive behavior mode (CBM) is studied and a probabilistic method to determine CBM is proposed. Firstly， the SRK framework of CBM is introduced briefly. Characteristics of three CBM types (skill-based， rule-based and knowledge-based) are analyzed. The applications of SRK framework in human reliability analysis (HRA) are reviewed. Secondly， the CBM determination method， Hanaman decision tree， is outlined， which strengths and weaknesses are respectively pointed out. It is emphasized that it is extremely necessary to consider uncertainties in the CBM determination process. Thirdly， the uncertainties are categorized into four groups， which are crew， system， task and environment. On the basis of this taxonomy， the influence factors of CBM in Hanaman decision tree are analyzed， and their uncertainties resources are presented. Lastly， the probability is introduced into the CBM determination and a new method to determine CBM is constructed， in which the probability and Hanaman decision tree are synthesized. Because this method has considered uncertainties in the CBM determination process， it has more extensive application in HRA.

Key words:cognitive behavior mode; SRK framework; human reliability analysis (HRA); human error; decision tree

1 引言

隨著人為差錯導致事故比例的日益增大，核工業、航空航天等對安全性要求較高的工業部門開始普遍重視對人為差錯的研究和管理，人因可靠性分析（human reliability analysis， HRA）已經成為人機系統概率安全評估(probabilistic safety assessment， PSA)的重要組成部分^{［1， 2］}。經過幾十年的發展，HRA的研究內容不再局限于起初的人為差錯概率量化，已經擴展至人為差錯成因的辨識、人為差錯機理的描述等方面^［3-5］。其中，人為差錯機理的描述是HRA的關鍵問題之一。人為差錯機理的描述，可以橋接人為差錯成因和人為差錯事件，為我們深刻理解人為差錯的發生過程，從而更有效地制定規避措施提供重要依據。因此，人為差錯機理的描述得到了HRA研究人員的高度關注^{［6， 7］}。

目前，人為差錯機理的描述主要是通過對人行為過程的解釋進行的。Rasmussen于1983年提出了認知行為模式SRK框架^［8］。該框架在一定程度上為我們解釋人為差錯提供了科學依據，已經得到了HRA研究人員的廣泛認可。SRK框架綜合了人行為過程的特點，將人的認知過程分為三種類型的認知行為模式：技能型、規則型和知識型。關于三種認知行為模式的確定，Hanaman在構建HCR方法時提出了決策樹確定方法^［9］。該方法通過對幾個認知行為模式影響因素評價來確定認知行為模式，具有結構清晰、操作簡便等特點。但需要說明的是，Hanaman決策樹方法在確定認知行為模式的過程中并沒有考慮到各種影響因素的不確定性，而不確定性在現實任務場景中是普遍存在的，因此，方法的適用性受到限制。本文分析了認知行為模式各個影響因素的不確定性來源及其影響，并在此基礎上提出了一種認知行為模式的概率化確定方法。

2 認知行為模式的概念

Rasmussen教授通過分析總結人行為過程的特點，于1983年提出了認知行為模式的概念，用于對各種各樣的行為過程進行規范化分類。他將人的行為分為技能型（skillbased）認知行為模式、規則型（rulebased）認知行為模式和知識型（knowledgebased）認知行為模式三種基本類型，即：SRK框架。

技能型認知行為模式是指當操作人員面對非常熟悉的任務場景時，所采取的一種近似于本能反應的認知行為模式，即：操作人員在應激后立即做出反應。在這種認知行為模式中，由于操作人員對任務非常熟練，基本可以認為無需任何思考。該種認知行為模式取決于操作人員的能力水平和對該項任務的經驗。

規則型認知行為模式是指操作人員面對比較熟悉的任務場景時，所采取的一種認知行為模式。在該種認知行為模式中，操作人員在應激后首先進行信息處理，選取所需要的規程，然后按照規程要求來執行任務。這種認知行為模式與技能型認知行為模式的主要不同點在于操作人員對實踐的了解或掌握程度。

知識型認知行為模式是指操作人員面對從未出現過的任務場景時，所采取的一種認知行為模式。在這種認知行為模式中，通常不存在可用的操作規程作為指導，操作人員需要依賴自身的知識經驗對應激信息進行分析、診斷并做出相應的任務計劃。

通過上述定義可以看出，SRK框架基本可以涵蓋人行為過程的所有類型，體現了人行為過程的基本特點，具有較強的理論合理性。目前，這一框架已經在HRA中得到了廣泛應用。Hanaman將SRK框架應用于人為差錯概率的量化，提出了HCR方法^［9］。Reason使用SRK框架分析了人為差錯的類型，將人為差錯分為：技能型疏忽、技能型過失、規則型錯誤和知識型錯誤^［10］。另外，文獻［11］基于SRK框架分析了一線工作人員所可能發生的人為差錯類型。總的來說，SRK框架為HRA提供了較為科學的理論支持，對HRA的發展起到了很大的推動作用。

3 認知行為模式的確定

Rasmussen在給出了SRK框架的基本概念之后，并沒有進一步提供可行的認知行為模式確定方法，認知行為模式的確定完全依賴專家判斷。因此，認知行為模式的確定存在很大的主觀性和隨意性，這對SRK框架在HRA中的應用造成了一定的障礙。后來，Hanaman在構建HCR方法時提出了基于決策樹的認知行為模式確定方法。該方法認為認知行為模式是由6個因素決定的，這些因素包括：操作類型、人員對場景的理解程度、規程的需要性、規程的可用性、人員對規程的理解程度以及人員對規程的熟悉程度。Hanaman使用決策樹的方式建立了6個因素與認知行為模式之間的關系，如圖1所示。表1給出了Hanaman決策樹中各分枝的含義。

從圖1可以看出，認知行為模式的Hanaman決策樹確定方法在使用上十分簡便，只要得到6個因素的狀態，就可以很容易得出最終的認知行為模式類型。需要指出的是，該方法將每個認知行為模式影響因素的狀態都分為兩種，得到的是三種認知行為模式類型中的一種，這種處理方式稍顯粗糙。事實上，在現實任務場景中，認知行為模式影響因素的狀態一方面很難明確界定，另一方面存在變動性。這兩個方面共同導致這些影響因素存在著廣泛的不確定性。另外，Reason指出，在相對復雜的任務場景中，人通常不可能基于單一認知行為模式完成整個任務，任務的復雜性和變動性會導致三種認知行為模式之間相互轉換，它們綜合作用共同促成了任務的完成^［10］。因此，從現實情況考慮，在確定認知行為模式的過程中考慮認知行為模式影響因素的不確定性是非常必要的。

圖1 認知行為模式的Hanaman決策樹確定方法

4 認知行為模式影響因素的不確定性來源

一般來說，人機交互過程是指操作人員在一定的場景中執行相關的任務。在這個過程中，人員、系統、任務和環境相互作用、相互制約共同形成了人的行為輸出。因此，將認知行為模式影響因素的不確定性歸納為4類主要來源：人員、系統、任務和環境。

人員是人機交互的主體，是任務的接受者和執行者。人員特征是決定認知行為模式的重要因素。人員特征一般包含兩方面內容：其一是人員本身的一些固有特征，如知識水平、記憶力、性別和個性等；其二是人員與任務相關的特征，如注意力、技能和訓練/經驗水平等^［12］。對于認知行為模式來說，主要的人員特征包括：知識水平和訓練/經驗水平。

系統是人機系統中的機器部分，一方面為操作人員提供相關信息，另一方面接受人員的動作反應。因此，系統特征在很大程度上影響著人的行為，從而影響著認知行為模式。系統特征主要包括人機交互界面的質量、系統的軟硬件設計和系統的自動化水平。對于認知行為模式來說，主要的系統因素包括：人機交互界面的質量和系統的自動化水平。

任務是人機交互活動發生的推動者，人員的各種動作是圍繞著實現任務目標進行的。任務特性決定了所需要的人員動作，因而影響著認知行為模式。任務特性包括：任務的動態性、任務的復雜性、任務的可用時間以及任務后果的嚴重程度^［13］。對于認知行為模式來說，主要的任務因素是任務的動態性和任務的復雜性。

環境是指人員的工作背景，包括工作場景和組織機制。其中，工作場景是指人員執行任務所在的場地，主要包括聲音、光照、溫度、濕度和振動等因素；組織機制是指與任務相關的組織管理因素，主要包括任務規程的配備、人員的配置/責任劃分、人員之間的交流和值班制度等方面的因素^［14］。對于認知行為模式來說，主要的環境因素包括：任務規程的配備和人員的配置/責任劃分。

表2給出了認知行為模式影響因素不確定性的主要來源。

在Hanaman決策樹中決定認知行為模式的影響因素包括：操作類型、人員對場景的理解程度、規程的需要性、規程的可用性、人員對規程的理解程以及人員對規程的熟悉程度。由于上述不確定性來源的存在，這些認知行為影響因素的狀態存在廣泛的不確定性。表3 給出了每個認知行為模式影響因素的不確定來源。

通過上述分析，我們已經對認知行為模式影響因素的不確定性來源有了較為清晰的認識。需要說明的是，僅有認知行為模式影響因素不確定性的定性認識是遠遠不夠，為了確定認知行為模式，認知行為模式影響因素不確定性的定量評價是必不可少的。

考慮到認知行為模式影響因素的不確定性來源很多是難以精確測量的，本文使用專家判斷的方法來度量不確定性。由于Hanaman決策樹將各種影響因素的狀態都分為兩種，因此，專家所需要判斷的是各個影響因素處于這兩種狀態的概率值。認知行為模式影響因素不確定性度量的基本步驟如下：

1）選擇專家。被選擇的專家應該具備豐富的領域知識和實踐經驗，他們可以是有經驗的操作人員、HRA分析人員和監督管理人員。為了保證專家判斷的有效性，需要對專家進行篩選。只有通過了篩選的專家才可用于影響因素的不確定性評價。

2）選定認知行為模式影響因素，評價每個來源的不確定性。對照表3中提供的不確定性來源，由專家分別給出每種來源的不確定性。需要說明的是，由于專家不止一個，最終的結果可以通過對所有專家評價結果求平均的方法得到。

3）綜合所有來源的不確定性，得到選定認知行為模式影響因素的狀態。由于每個影響因素的不確定性來源存在多個并且每個來源的影響機理、影響效果不盡相同，因此，可以采用AHP方法得到每個來源的權重，然后加權綜合得到選定認知行為模式影響因素的最終狀態。

這樣一來，通過上述三個步驟就可以得到認知行為模式影響因素的不確定性度量。這里以操作類型為例進行說明。首先，由專家判斷得到：人員的訓練/經驗水平（高/低）=（0.8，0.2）、系統的自動化水平（高/低）=（0.9，0.1）、任務的動態性（低/高）=（0.7，0.3）、任務的復雜性（低/高）=（0.6，0.4）、人員的配置/責任劃分（合理/不合理）=（0.9，0.1）；然后，使用AHP方法得到5個來源的權重分別為：（0.3，0.15，0.2，0.2，0.15）；最后，加權綜合得到：操作類型（常規，非常規）=（0.3

6 認知行為模式的確定

得到了認知行為模式影響因素的不確定性度量之后，就可以構建認知行為模式的概率化確定方法。圖1所示的Hanaman決策樹給出認知行為模式影響因素與認知行為模式的結構化關系，因此只要將6個認知行為模式影響因素的不確定性度量代入到Hanaman決策樹中，就可以得到認知行為模式的類型。

設認知行為模式6個影響因素的上下枝概率為Pj，k（其中，j=1，…，6；k=0，1， 0表示上枝，1表示下枝。），則Hanaman決策樹的9個輸出Pa、Pb、Pc、Pd、Pe、Pf、Pg、Ph和Pi分別為：Pa=P1，0#8226;P3，0、Pb=P1，0#8226;P3，1#8226;P4，0#8226;P6，0、Pc=P1，0#8226;P3，1#8226;P4，0#8226;P6，1、Pd=P1，0#8226;P3，1#8226;P4，1、Pe=P1，1#8226;P2，0#8226;P4，0#8226;P5，0#8226;P6，0、Pf=P1，1#8226;P2，0#8226;P4，0#8226;P5，0#8226;P6，1、Pg=P1，1#8226;P2，0#8226;P4，0#8226;P5，1、Ph=P1，1#8226;P2，0#8226;P4，1、Pi=P1，1#8226;P2，1。由Hanaman決策樹可知，技能型認知行為模式的概率為：Pskill=Pa+Pb+Pe；規則型認知行為模式的概率為：Prule=Pc+Pd+Pf；知識型認知行為模式的概率為：Pknowledge=Pg+Ph+Pi。

這樣一來，本文就在考慮認知行為模式影響因素不確定性的情況下，構建了認知行為模式的確定方法。需要說明的是，該方法得到的結果是認知行為模式的概率化組合，即：認知行為模式=（Pskill，Prule，Pknowledge）。

7 示例分析

飛行員駕駛飛機是典型的人機交互過程，飛行員的人為差錯嚴重影響空中交通運輸的安全性，已經到了許多國家的高度重視。本文以此為示例，演示本文提出的認知行為模式確定方法。

假設通過專家對飛行員所處的任務場景進行判斷，得到表2中認知行為模式影響因素不確定性來源的評價結果如表4所示。

從表7可以看出飛行員更多的是處于技能型認知行為模式。由于現實中飛行員執行的基本都是例行的技能型動作，因此這種結果是合理的。由于本文提出的認知行為模式概率化確定方法考慮了認知行為模式影響因素的不確定性，較Hanaman決策樹法更能體現真實的任務場景，因而更具適用性。

8 結 論

本文提出了一種認知行為模式的概率化確定方法。該方法在Hanaman決策樹的基礎上充分考慮了認知行為模式影響因素的不確定性，得到的結果是認知行為模式的概率化組合。該方法更加符合實際情況，因而具有更為廣泛的適用性。另外，該方法結構清晰、計算簡便，具有較強的可操作性。

需要指出的是，該方法是基于Hanaman決策樹構建的，Hanaman決策樹的理論合理性還有待于進一步研究和驗證。此外，該方法在度量認知行為模式影響因素的不確定性時使用了專家判斷方法，因而難免引入主觀因素，需要在后續工作中不斷改進。另外，得到認知行為模式并不是HRA的最終目標，進一步的工作是在概率化認知行為模式的基礎上進一步研究人為差錯概率的量化方法，為人為差錯的風險評估提供依據。

參考文獻

［1］ LATORELLA K A， PRABHU P V. A review of human error in aviation maintenance and inspection［J］. International Journal of Industrial Ergonomics， 2000， 26(2): 133-161.

［2］ CHANG Y H J， MOSLEHh A. Cognitive modeling and dynamic probabilistic simulation of operating crew response to complex system accidents， Part 1-5［J］. Reliability Engineering and System Safety， 2007， 92(8): 997-1101.

［3］ SHORROCK S T， KIRWAN B. Development and application of a human error identification tool for air traffic control［J］. Applied Ergonomics， 2002， 33(4): 319-336.

［4］ SMIDTS C， SHEN S H， MOSLEH A. The IDA cognitive model for the analysis of nuclear power plant operator response under accident conditions［J］. Reliability Engineering and System Safety， 1997， 55(1): 51-71.

［5］ MOSLEH A， CHANG Y H. Model－based human reliability analysis: prospects and requirements［J］. Reliability Engineering and System Safety， 2004， 83(2): 241-253.

［6］ 廖可兵， 張力， 黃祥瑞. 人的失誤理論研究進展［J］. 中國安全科學學報， 2006， 16(7): 45-50.

［7］ 肖國清， 陳寶智. 人因失誤的機理及其可靠性研究［J］. 中國安全科學學報， 2001， 11(1): 22-26.

［8］ RASMUSSEN J. Skills， rules， and knowledge; Signals， signs and symbols， and other distinctions in human performance models［J］. IEEE Transactions on System， Man， and Cybernetics， 1983， 13(3): 257-266.

［9］ HANAMAN G W， SPURGIN A J， LUKIC Y. Human cognitive reliability model for PRA analysis (NUS-4531)［R］. Electric Power Research Institute， 1984.

［10］REASON J T. Human error［M］. Cambridge， U. K.: Cambridge University Press， 1990.

［11］SAURIN T A， GUIMARAES L B M， COSTELLA M F， et al. An algorithm for classifying error types of front-line workers based on the SRK framework［J］. International Journal of Industrial Ergonomics， 2008， 38(11-12): 1067-1077.

［12］朱祖祥， 葛列眾， 張智軍等譯. Wickens C D Hollands J G著. 工程心理學與人的作業［M］. 上海: 華東師范大學出版社， 2003.

［13］KIM M C， SEONG P H， HOLLAGELE. A probabilistic approach for determining the control mode in CREAM［J］. Reliability Engineering and System Safety， 2006， 91(2): 191-199.

［14］COLOMBO S， DEMICHELA M. The systematic integration of human factors into safety analysis: An integrated engineering approach［J］. Reliability Engineering and System Safety， 2008， 93(12): 1911-1921.

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文