基于注意資源分配的情境意識模型

劉 雙 完顏笑如 莊達民 呂詩晨

(北京航空航天大學 航空科學與工程學院，北京100191)

飛機座艙信息顯示界面是飛行員與飛機進行人機交互的重要接口，在對座艙顯示界面設計進行評價時，飛行員的情境意識水平是重要的評價指標之一.相關研究表明，飛行員的情境意識與飛行安全密切相關，表現為情境意識水平越高，飛行員越能夠迅速有效地作出正確的判斷和決策[1].Endsley認為情境意識包括3個層次的狀態:情境意識第1層次(知覺情境中的元素)，情境意識第2層次(理解它們的意義)，情境意識第3層次(預測它們隨后的狀態).高層次情境意識的獲得有賴于低層次情境意識的達成.在形成情境意識的信息加工過程中，注意是制約飛行員獲取、解釋情境信息的關鍵因素.在復雜多變的飛機座艙顯示界面中，大量的視覺信息同時競爭有限的注意資源，飛行員如何分配注意資源決定了哪些信息進入信息加工，從而形成其情境意識.座艙界面的信息顯示方式、飛行員的掃視模式、信息采樣策略等因素，都會對其在獲取信息過程中的注意資源分配有著重要影響.有經驗的飛行員可合理分配注意資源，形成良好的情境意識[2－3].因此研究飛行員注意資源分配與情境意識水平之間的聯系，可為飛機座艙人機界面的優化研究提供科學依據，從而提高飛行績效和飛行安全.

近年來，國內外學者針對情境意識模型進行了不同程度的研究.Entin等人提出了任務績效敏感度模型(PSM，Performance Sensitivity Model)[4]，其研究認為由情境意識不足引起的任務績效水平降低量與情境中某一個信息成分認知水平的降低量相關，且該信息成分對績效水平的影響程度由當前操作任務來決定.Hooey等人基于人機綜合設計和分析的績效模型(MIDAS，Man machine Integration Design and Analysis human performance model)的情境意識模型進一步應用和發展[5]，將情境信息成分劃分為兩種類型并根據信息成分所屬類型賦予其權值，通過當前情境下實際認知狀態和理想認知狀態的比值來計算情境意識水平.Wickens等人提出的注意-情境意識模型(A-SA，Attention-Situation Awareness)包括 2 個模塊[6]:模塊1是注意模型，包含事件突顯性、努力、期望、重要性這4個參數，其與Endsley所提出的情境意識第1層次相對應;模塊2是人的心理模型，其與Endsley所提出的情境意識第2和第3層次相對應.該模型通過研究興趣區域內的注意轉移情況，估測某一信息成分能否被注意到，進而預測飛行員的情境意識水平.上述這些模型為情境意識的研究提供了多種思路和方法，然而大多沒有區別考慮飛行員自上而下和自下而上的信息加工方式，也未能給出明確的信息成分歸類方法及具體的情境意識量化計算方法.

本研究從信息加工的兩條通路出發，在前期所建立的多因素條件下注意資源分配模型的基礎上，結合人的認知特性并考慮信息成分的重要度對情境意識水平的影響，運用貝葉斯條件概率理論建立了基于注意資源分配的情境意識量化模型.為了探討基于注意資源分配的情境意識量化模型的可用性，構建了界面模型并采用眼動測量等多種方法進行模型驗證.

1 基于注意資源分配的情境意識建模

在某一操作環境中，與飛行員當前任務相關的情境可分為n個情境成分，每個情境成分都是對操作者高水平完成任務有著重要影響的信息成分.Hooey等人所采用的基于MIDAS的情境意識模型，是通過實際狀態情境意識水平(LASA)與理想狀態情境意識水平(LOSA)的比值(LRat)來進行計算.模型中將情境中信息成分的性質劃分為必須的(R，Required)和期望的(D，Desired).假設對于j任務及t時刻，共有n個信息成分，其中m個信息成分屬于必須的，有nm個信息成分屬于期望的，則情境意識水平可通過下式來計算[5]:

式(1)和式(2)中，Pi表示飛行員對信息成分i的認知狀態，并可被劃分為3個認知水平:未被覺察、覺察和理解(undetected，detected，comprehended)，對應 Pi的取值分別為 0，0.5 和 1[5].考慮理想狀態時，必須的和期望的兩種性質信息成分的認知水平都取值為 1[5]，即 Pi=1，則式(3)可被進一步改寫為

式中xi表示與兩種性質的信息成分數目及信息成分i權值相關的系數.

由于情境中所有的信息成分并不是同等重要，并且同一信息成分的重要度也將隨時間的推移而改變，因此，當飛行員嘗試維持一個較高水平的情境意識時，并不是在任何時刻對情境中所有信息成分進行表征，而是對影響當前任務績效較大的重要信息成分有較高的認知水平[4].因此本研究采用Entin等人所提出的PSM中的敏感系數ei來反映信息成分i對情境意識水平的影響程度，以避免對信息成分所屬性質進行歸類.ei同時反映了信息成分i在當前任務中的重要隸屬度，即ei=ui，其取值由任務本身決定并隨著任務階段的變化而變化.則每一個信息成分的認知狀態與情境意識水平LSA之間的關系可表示為

假設這n個信息成分獲得的注意資源為

這些信息成分經過視覺系統捕捉并由神經系統傳遞給大腦進行加工.則信息成分i所獲得的視覺注意資源Ai可表示為[7]

式中，βi表示信息成分i出現的概率;Vi表示信息成分i的重要度;Si表示信息成分i的突顯性;Ei表示飛行員獲取信息成分i所需付出的努力.

這里Vi=?iui，?i是信息成分i潛在認知狀態產生的概率，ui是信息成分i重要隸屬度.該式反應了人對信息重要隸屬度的主觀認知存在一定的模糊性，可通過模糊熵hi來體現作業人員對信息成分i認知的心理活動.

則分配到第i個信息的注意資源占總注意資源的比例可表示為[7]

飛行員的注意機制具有隨機性，各信息在一次掃視過程中能否被正確評價存在一定的概率，即使是最重要的信息也可能在一次掃視過程中被忽視而無法引動注意機制[8].而當注意行為發生后，飛行員對所注意的信息產生覺察，可認為滿足Endsley所提出的情境意識第1層次(感知)要求，隨后通過心理模型的轉換作用實現對情境信息的理解和預測[6].由于操作者通過心理模型獲取情境意識的機制受飛行員個人能力水平的影響很大，其心理模型的轉換過程存在一定程度的不確定性，則將外部現實情境信息映射到內部心理模型或基于該心理模型形成情境意識的過程中存在一定的隨機性[9].因此，基于心理模型機制對感知的信息所轉換的結果可能是被理解，也可能是不被理解.

若某一時刻飛行員對信息成分i產生注意的行為記為事件ai，則ai發生的概率可等價為此時信息成分i可能獲得的注意資源分配比例[6]，則

由于情境意識第1層次的達成是獲得情境意識第2層次的前提條件[2]，因此在事件ai發生前提下，設信息成分i不被理解的事件bi發生概率為ki，即p(bi/ai)=ki;信息成分i被理解的事件ci發生概率為 1 －ki，即 p(ci/ai)=1 －ki，則

由貝葉斯條件概率公式可獲得對信息成分i認知水平的期望值為

則t時刻，飛行員注意資源分配與情境意識水平間的關系:

式中ki反映了飛行員通過心理模型對所注意到的信息進行轉換的個人能力水平.在理想狀態下，則k1=k2=…=kn=0，表示此時所有注意到的信息都能完全被理解.

由于在復雜操作環境中注意資源有限，當某些信息成分獲得較多的注意資源時，則會造成對該信息成分的情境意識水平的提高，同時也就意味著對其他信息成分情境意識水平的降低[9].從模型中可以看出，某一時刻當情境中信息成分不止1個時(n＞1)，每個信息成分獲得注意的概率都小于1(fi＜1)，因而即使心理模型取理想狀態時，基于注意資源分配的情境意識水平也小于1.

2 實驗方法

2.1 仿真模型設計

為驗證所提出的基于注意資源分配的情境意識模型在航空飛行中的效度，實驗選用儀表監視任務，界面模型以波音787典型機型的顯示界面為模板，依據研究需要進行適當的簡化和抽象，應用專業儀表仿真軟件GL Studio快速構建并繪制，并基于MATLAB平臺實現儀表監視任務及操作反應記錄，如圖1所示.實驗界面模型呈現在17英寸的IBM顯示器上，采用1280×1024分辨率，顯示器的平均亮度設定為120 cd/m2，實驗環境的平均照度設定為600 lx，被試通過鍵盤進行人機交互.實驗采用瑞典非接觸式紅外眼動儀Smart-eye來記錄被試的眼動情況，該設備采用外置紅外攝像頭，可固定在實驗顯示器兩側，實現對被試在完全自然狀態下的眼動追蹤.

圖1 實驗界面模型Fig.1 Experiment interface model

2.2 被 試

實驗被試為20名北京航空航天大學在校研究生(男18，女2)，具有航空知識背景，年齡在22 ～28歲之間(平均值為23.95，標準差為1.61)，視力或矯正視力在1.0以上，無色盲色弱，右利手，實驗前對實驗內容均知情同意.

2.3 實驗設計

依據注意資源分配的最佳有效信息個數，選取4個信息作為監視對象，包括滾轉角、空速、氣壓高度及航向角[8].并依據不同飛行任務和飛行階段對信息需求的優先級差異，設定了上升和航行兩種飛行階段下各信息的重要隸屬度[10].

本研究采用雙因素完全被試內設計:因素1為信息重要度，通過設定不同飛行任務中各信息成分的重要隸屬度來控制;因素2為超規概率，通過設定信息成分被提問考察的概率來控制，如表1所示.為模擬現實作業中飛行員對各飛行信息的潛在認知狀況，實驗按照一定比例將各信息重要度轉化為被試容易理解感受的得分值[7－8].為消除實驗順序及疲勞造成的誤差，實驗采用拉丁方設計.

表1 不同實驗條件下信息成分的重要隸屬度及超規概率Table 1 Information importance and abnormal probability under different task conditions

2.4 實驗步驟

實驗前要求所有被試對各信息成分的得分值及被提問考察的概率做到非常熟悉，從而能夠在正式實驗開始后，根據不同的任務條件對各項信息成分合理分配注意資源以達到總分值最高.一個任務條件下實驗隨機呈現共計40個問題，均以選擇題形式對信息成分當前值的所屬范圍進行提問，考察被試對當前情境下信息成分的認知狀態.監視過程中，隨機呈現的問題界面完全遮蓋監視儀表界面，被試通過按鍵進行作答，若不清楚答案可以選擇放棄作答繼續后續實驗，回答問題正確獲得相應加分，回答錯誤或者放棄作答均不得分.實驗結束后，實驗界面立即呈現3D-SART自我測評表，被試根據實驗過程中的真實感受完成對注意資源需求量、注意資源供應量以及對實驗情境的理解程度進行三維度的自我測評.每個被試需要完成2種信息重要隸屬度以及2種超規概率的共計4組實驗.實驗過程中，眼動儀處于實時追蹤狀態.

3 實驗結果及分析

3.1 基于注意資源分配的情境意識模型理論值及實驗值

對于實驗界面模型中所監視的4個信息成分，分別計算其努力和突顯性的屬性值，如表2所示.其中，努力的屬性值是通過各信息成分間的相對距離來衡量，測量各個信息間距并進行歸一化處理.而突顯性的屬性值是由信息成分i的顏色匹配ci、儀表尺寸si、儀表種類ti三者加權平均來表示[7]:

其中，顏色匹配參照顯示字符配色的視認度，儀表尺寸參照實驗界面模型中各信息成分的儀表面積，儀表種類參照數值判讀任務時的難易程度，分別來設定各信息成分的顯示屬性[11].

表2 各信息成分的顯示屬性Table 2 Display attributes of the information elements

表3所示為通過式(1)～式(16)計算所得4個實驗任務條件下的情境意識水平理論值及實驗所采用的各種方法測得統計結果.圖2所示為某個被試在4種實驗任務條件下注視點分配比例.可見被試對4個信息成分間的注視點分配比例在任務1時差距最大而在任務3時差距最小.

表3 理論預測情境意識水平及各實驗方法測得的各項指標Table 3 Prediction calculated by the model and indicators measured by experiments

圖2 4種實驗任務條件各信息成分的注視點分配比例Fig.2 Fixation allocation ratio of the information elements under four task conditions

3.2 相關性分析

采用Wickens在文獻[12]中所運用的模型驗證方法，將基于注意資源分配的情境意識模型理論預測值與實驗所采用各種方法的測量結果分別進行相關性分析[12].SAGAT，3-D SART、操作績效方法、生理測量法的瞳孔直徑和眨眼頻率與情境意識理論預測值的相關度分別為:r=0.91，0.92，0.94，－0.97，0.81.

4種實驗任務條件下模型所得情境意識理論預測值與實驗測量各項指標值如圖3所示.可見情境意識理論預測值與SAGAT測得正確率、3-D SART測得主觀分數、操作任務得分和眨眼頻率的變化趨勢基本一致，與瞳孔直徑的變化趨勢相反.

圖3 4種實驗任務條件下情境意識水平理論預測值及實驗測量各指標的變化情況Fig.3 Changing trends of modeling and measuring results under four task conditions

4 討論

4.1 關于實驗測量方法的討論

本研究采用了4種方法對不同實驗任務條件下的情境意識水平進行考察.其中，SAGAT是在實驗任務進行時，某些隨機時刻任務被凍結，同時顯示界面所有信息被清除并出現與實驗情境相關的問題，由于本研究所考慮對信息認知狀態未涉及情境意識第3層次，因此問題均以考察操作者的情境意識第2層次提出.3-D SART是在實驗結束后操作者立刻從三維度對自己完成實驗的感受進行評定，由“LSA=情境的理解程度－(注意資源需求量－注意資源的供應量)”這一關系模型出發主觀評估情境意識水平[3].操作績效方法是被試在實驗中通過分配注意資源有選擇的關注信息成分，獲得任務得分.需要注意的是，SAGAT測量的是對當前所有信息成分理解的正確率，而操作績效測量的是注意資源分配策略下的任務得分，較高的任務得分并不代表較高的正確率.目前運用生理測量方法對情境意識水平進行研究還較為有限，最關鍵的問題是尚不清楚生理測量能否直接觸及包含情境意識的高等級認知過程，但可以選取一些生理指標對操作者的情境意識水平進行探索性研究[2].由于本研究旨在探討注意資源分配與情境意識第1層次及第2層次的聯系，暫時未考慮情境意識的第3層次(預測)，因此選用眼動指標進行分析具有一定的價值.

4.2 關于實驗結果的討論

不同實驗任務條件下，各信息成分的重要度及超規概率不同，被試對各信息成分的關注程度不同，則視覺注意范圍不同.而視覺注意范圍和實驗任務難度有著一定的關系，被試感覺任務難，是因為注意機制限制了其對更多信息的獲取[13].當情境任務難度增大時，被試需要知覺與加工的信息也隨之增加，注意資源的需求增大，視覺負荷加大，難以進行良好的注意資源分配.信息被知覺后存儲在工作記憶中，當視覺負荷加大時，被試的空間工作記憶因此很容易出現過載，從而會影響被試對情境中元素的知覺和理解，因而不利于被試維持更高的情境意識水平[14].由圖2可見任務3條件下被試的注視點分配比例最為均勻，任務1條件下被試的注視點分配比例最為集中，因此任務3相對于任務1而言，注意范圍更大并且注意資源分配給更多的信息，對被試來說任務3的任務難度大于任務1，因而表現出任務3比任務1條件下的情境意識水平低.

由圖3a～圖3f可見，4種任務下理論模型所預測的情境意識水平理論值與實驗各項測量值均達到高度相關(|r|＞0.8)，從而驗證了該模型的有效性，同時反映了隨著任務難度的增加，情境意識水平下降，這與相關研究結論一致[14].其中，對3-D SART而言，任務4條件下主觀分值過高而降低了實驗結果及模型預測值的相關度，其原因可能由于被試主觀評定過程中受實驗表現的影響，過高或過低評估了三維度的實驗感受.在本研究中，眨眼頻率是由眼動儀記錄的眨眼次數和統計監視儀表界面的時間來計算獲得，因而在數據處理過程中存在一定的誤差，影響了模型的驗證效度.

對比相關性分析結果可以看出，瞳孔直徑與理論預測值相關性最高.其原因可能由于瞳孔直徑是測量視覺監視負荷的敏感指標[13].當任務難度越大時，注意資源分配策略越復雜，視覺信息加工負荷越大，被試為更好地完成任務而更努力監視信息成分，因而表現出瞳孔直徑增大.同時由于需要感知和理解的信息量增加，被試所感受的注意資源供給量以及對情境的理解程度下降，則造成情境意識水平降低，這與相關研究結論一致[14].此外，眨眼頻率與情境意識水平理論預測值表現出正相關.其原因可能是眨眼可反映大腦的思維活動，而眨眼率與視覺負荷相關.當任務難度增加時，注意資源分配策略帶來的視覺負荷增加，造成情境意識水平降低，同時被試為更好地完成任務而努力集中精力更大程度獲取視覺信息，這時表現出眨眼次數減少，眨眼率減小，即從低視覺負荷到高視覺負荷時眨眼率減小，這與相關結論一致[10].

目前，本研究還僅局限于考慮注意資源分配與情境意識第1層次和第2層次的聯系，對于第3層次的研究將在后期展開.此外，目前本研究基于心理模型對所注意到的信息進行轉換而產生理解的個人能力僅考慮了最佳理想狀態，后期還將對其復雜性及不確定性做進一步探討.

5 結論

1)本文所提出的情境意識模型計算預測情境意識水平變化趨勢與綜合實驗測量方法所獲得的被試者實驗結果高度相關，從而驗證了該模型的效度，可用于預測飛行員在復雜多變的任務中情境意識水平的變化情況.

2)實驗結果表明瞳孔直徑及眨眼頻率與儀表監視任務下的人的情境意識水平高度相關，對今后情境意識水平生理測量指標的選取有一定的參考價值.

References)

[1]Wei H Y，Zhuang D M，Wanyan X R，et al.An experimental analysis of situation awareness for cockpit display interface evaluation based on flight simulation[J].Chinese Journal of Aeronautics，2013，26(4):884 －889

[2]楊家忠，張侃.情境意識的理論模型、測量及其應用[J].心理科學進展，2004，12(6):842 －850

Yang Jiazhong，Zhang Kan.Situation awareness:approaches，measures and applications[J].Advances in Psychological Science，2004，12(6):842 －850(in Chinese)

[3]Endsley M R，Garland D J.Situation awareness analysis and measurement[M].Mahwah，NJ:Erlbaum，2000

[4]Entin E B，Serfaty D，Entin E.Modeling and measuring situation awareness for target-identification performance[C]//Experimental Analysis and Measurement of Situation Awareness.Florida:Embry-Riddle Aeronautical University Press，1995:233 －242

[5]Hooey B L，Gore B F，Wickens C D.Modeling pilot situation awareness[C]//Human Modelling in Assisted Transportation.New York:Springer Milan，2011:207 －213

[6]Wickens C D，McCarley J，Thomas L.Attention-situation awareness(A-SA)model[R].NASA/CP—2003-212267，2003

[7]吳旭，完顏笑如，莊達民.多因素條件下注意力分配建模[J].北京航空航天大學學報，2013，39(8):1086 －1090

Wu Xu，Wanyan Xiaoru，Zhuang Damin.Attention allocation modeling under multi-factor condition[J].Journal of Beijing U-niversity of Aeronautics and Astronautics，2013，39(8):1086 －1090(in Chinese)

[8]Wanyan X R，Zhuang D M，Wei H Y，et al.Pilot attention allocation model based on fuzzy theory[J].Computers and Mathematics with Applications，2011，62(7):2727 －2735

[9]Endsley M R.Toward a theory of situation awareness in dynamic systems[J].Human Factors，1995，37(1):32 －64

[10]畢紅哲，莊達民.航空人機工程計算機仿真[M].北京:電子工業出版社，2010

Bi Hongzhe，Zhuang Damin.Computer simulation for aviation man-machine engineering[M].Beijing:Electronic Industry Press of China，2010(in Chinese)

[11]孫遠波.人因工程基礎與設計[M].北京:北京理工大學出版社，2010

Sun Yuanbo.Human factors engineering fundamentals and design[M].Beijing:Beijing Institute of Technology Press，2010(in Chinese)

[12]Wickens C D.Display formatting and situation awareness model(DFSAM):an approach to aviation display design[R].AHFD-05-14/NASA-05-5，2005

[13]柳忠起，袁修干，劉偉，等.基于模擬飛行任務下的眼動指標分析[J].中國安全科學學報，2006，16(2):47 －51

Liu Zhongqi，Yuan Xiugan，Liu Wei，et al.Analysis on movement indices based on simulated flight task[J].China Safety Science Journal，2006，16(2):47 － 51(in Chinese)

[14]楊家忠，Rantanen E M，張侃.交通復雜度對空中交通管制員腦力負荷與情境意識的影響[J].心理科學，2010，33(2):368－371

Yang Jiazhong，Rantanen E M，Zhang Kan.The influence between air traffic complexity and the mental workload and situation awareness of air traffic controller[J].Psychological Science，2010，33(2):368 －371(in Chinese)