基于生理特征的應急情境下管制員安全行為能力測評

王宇，王健新

?

基于生理特征的應急情境下管制員安全行為能力測評

王宇1，王健新2

（1.中國民航大學經濟與管理學院，天津 300300；2.北京交通大學軌道交通控制與安全國家重點實驗室，北京 100044）

為了客觀評價管制員在應急情境下的安全行為水平，模擬大流量管制情境，選取14名一線管制員作為被試，采用專家打分方式確定其安全績效，采用生理多導儀測量其心率、心率變異性、皮電等生理數據，并構建安全行為能力指數。結果表明，應急情境下管制員的平均心率、SDNN、PNN50、張力EDA、相位EDA等5項生理指標有明顯變化，其中SDNN、PNN50隨著流量的增加降低，其余指標明顯增加。安全行為能力指數能有效反映管制員的技能水平和安全行為能力，為管制員的選拔和培訓提供一定的參考。

管制員；應急情境；生理指標；安全績效

近年來，盡管航班量快速增長，但我國空域卻沒有增加，使得管制員在同一時間內指揮更多的航空器，給他們帶來更大的工作壓力。已有學者研究發現，人在緊張情境下受到刺激時，其大腦活動會最終導致其生理上發生變化，進而可能導致其錯誤的決策行為。因此，有必要分析管制員的生理指標與其不安全行為之間的關系，以測評其在緊張情況下的安全行為能力。

國內外學者通過對司機、飛行員等人員的生理指標進行研究，分析其行為能力，如Nassef等[1]提出用HRV1（128 s內心率功率譜從0.07～0.14 Hz變化的平均值）和HRV2（相同128 s內，標準差與HRV1的比值）作為被試的心率變異性指標，通過實驗發現司機的這兩項生理指標會隨著工作負荷的增加而降低；Veltman等[2]通過測量飛行員的心率、血壓、呼吸和眨眼等指標以評估飛行員的工作敏感性，發現心率和血壓對其工作負荷變化的敏感性較強；而針對雷達管制員，已有學者通過眼動和面部特征等指標分析其工作負荷狀況，如汪磊等[3]通過面部特征識別方法實現了對管制員疲勞狀態的實時監測；王燕青等[4]分析了大流量情境下管制員眼動指標的變化規律，為進一步評估管制員的應急能力提供了依據。但針對程序管制員，無法通過眼動和面部特征指標分析其安全行為能力，因此，本文擬通過對雷達管制員和程序管制員同時適用的生理特征指標以分析管制員的安全行為水平，進而為管制員的培訓、考核提供一定的科學指導。

1 實驗設計

1.1 實驗儀器的選取

采用Erglolab生理多導儀記錄被試的各項生理指標。

1.2 應急情境的設計

《中國民用航空空中交通管理規則》中第八章第二百條規定“通常情況下，進近扇區管制席位同時提供雷達服務航空器的數量最多為8架”，因此，可以以大流量管制作為應急情境。本實驗結合管制單位的實際工作情況，將小流量（管制航班為8架次及以下）管制情境作為對照組：將大流量（管制航班為9架次及以上）管制情境作為實驗組。

1.3 被試的選取

選取14名一線男性管制員作為被試，被試均能熟練操作管制模擬機。實驗前被試均休息良好且滿足《民用航空空中交通管制員執照管理規則》中的管制員上崗要求。根據被試所持執照等級、參與重大任務保障情況等因素將被試的技能水平分為新手組（編號1～6）和老手組（編號7～14）。

1.4 測量指標的確定

參考《中國民用航空空中交通管理規則》和《民用航空空中交通管制培訓管理規則》的規定，確定出管制員安全績效定性指標包括：保持清醒的判斷、管制意圖正確有效和合理分配注意力等3個指標；定量指標包括完成練習時間和發現復誦錯誤次數等2個指標。

考慮到管制員在應急情境下易出現緊張情緒，進而可能引發心率、皮電、血壓等生理變化，確定本實驗測量的生理指標主要包括心率、心率變異性和皮電三個指標。

1.5 實驗程序

實驗前確認被試的身體狀況滿足《空中交通管制員執照管理規則》有關規定，并告知其本次實驗的目的；將管制模擬機設置為練習模式；被試調整坐姿和座椅高度，并穿戴好生理多導儀，確認生理數據采集正常后即開始模擬機練習；模擬管制過程持續約35 min，期間航班數量穩定增加至9架以上；被試在該階段負責管制航班起降、解決航班沖突以及通告軍方活動等事宜；待所有出港航班均正常爬升且進港航班按理想序列進近后，實驗結束。

2 數據處理

2.1 管制員安全績效數據分析

被試的安全績效定性指標得分由3名專家打分并取其平均數得出，其中一名在被試不知情的情況下現場打分，另外兩名通過回放錄像的方式進行打分；定量指標中的完成練習時間由管制模擬機記錄，發現復誦錯誤次數由視頻回放記錄，因此被試的安全績效指標如表1所示。由表1數據可以看出，老手管制員在5項安全績效指標數據上均明顯優于新手，表明老手管制員較新手能更好地保持頭腦清醒、制訂出更加有效的管制策略，在合理分配注意力的情況下以更短的時間完成任務，并能及時發現飛行員的復誦失誤。

2.2 生理數據分析

在選定的3項生理指標中，心率是指心臟每分鐘跳動的次數；HRV是指心跳間期有節律的波動，對HRV的分析可分為時域分析和頻域分析，本實驗選取被廣泛認可的SDNN和PNN50作為時域指標，選取LF/HF作為頻域指標；皮膚電活動（EDA）包括張力EDA（基線值）和相位EDA（反應變化值）。現將被試在對照組和實驗組的生理指標進行描述性統計，如表2所示。

從表2可看出，除平均心率和LF/HF外，其余指標的均值均在對照組和實驗組之間有明顯差別，說明應急情境的出現會對管制員的生理指標造成一定的影響。

進一步對管制員的生理指標進行正態性檢驗，發現6項生理指標值均服從正態分布（＞0.05），因此，可對對照組和實驗組進行配對樣本T檢驗，結果表明管制員在平均心率（=－3.471，=0.004）、SDNN（=8.554，=0.000）、PNN50（=6.417，=0.000）、張力EDA（=－4.818，=0.000）、相位EDA（=－5.374，=0.000）5項生理指標上有明顯變化，而在LF/HF（=－1.160，=0.267）上沒有明顯變化，因此，可利用平均心率、SDNN、PNN50、張力EDA和相位EDA等5項生理指標來反映管制員在應急情境下的安全行為水平。

3 管制員安全行為能力模型的構建

為了進一步分析管制員各生理指標的變化與其安全行為水平間的關系，現構建一無量綱指數，即安全行為能力指數，以綜合衡量應急情境下的管制員生理指標變化，計算方法如下：

式（1）中：i為第個被試的安全行為能力指數；ij和ij分別為第個被試在應急情境出現前、后產生正向變化的第個生理指標，=1，2，3；ik和ik分別為第個被試在應急情境出現前、后產生負向變化的第項生理指標，=1，2.

為了驗證值的適用性，將14名被試的生理數據代入公式，計算出各被試的值，將值與管制員的技能水平做二列相關分析，得=0.905**，=0.000，說明被試的值與其技能水平有極強的相關性，并將值與各安全績效指標進行Spearman相關分析，結果如表3所示。由表3可知，指數與被試各項安全績效均有高度相關性，即值越大，被試完成任務所需時間越少，對飛行員復誦越專注，頭腦判斷越清醒，管制策略越高效，注意力分配越合理。因此，可用安全行為能力指數來反映管制員的安全績效。

表1 管制員安全績效數據

技能水平定性指標定量指標 保持清醒判斷管制意圖正確有效合理分配注意力完成練習時間發現復誦錯誤次數 新手2.777 82.777 83.166 735.366 70.333 3 老手3.541 73.458 33.541 731.012 51.500 0

表2 管制員生理指標描述性統計

生理指標實驗分組 對照組實驗組 均值標準差均值標準差 平均心率/bmp87.589 112.473 188.669 912.553 7 SDNN/ms98.251 513.025 885.453 111.142 1 PNN50/（%）8.946 93.468 87.297 73.130 6 LF/HF4.231 10.231 84.376 20.381 9 張力EDA/μs4.072 43.466 57.410 05.558 3 相位EDA/μs0.150 40.084 80.239 20.136 5

表3 指數與安全績效的相關性分析

完成練習時間發現復誦錯誤次數 保持清醒的判斷管制意圖正確有效合理分配注意力 相關系數－0.592*0.680**0.593*0.724**0.646* P-value0.0260.0070.0260.0030.013

4 結論

應急情境出現時，管制員的平均心率、SDNN、PNN50、張力EDA和相位EDA等5項生理指標會發生明顯變化，而HRV中LF/HF的變化不明顯。其中，平均心率、張力EDA和相位EDA的變化率越大，則值越大；SDNN和PNN50的變化率越大，則值越小。構造的安全行為能力指數與管制員的技能水平和安全績效之間高度相關，表明值能很好地反映管制員在大流量應急情境下的安全行為能力，它的提出利用能有效降低專家打分的主觀性。

［1］Nassef，M.Mahfouf，D.A.Linkens.The assessment of hart rate variability（HRV）and task load index（TLI） as physiological markers for physical stress［J］.World Congress on Medical Physics and Biomedical Engineering，2009，25（09）：146-149.

［2］J.A.Veltman，A.W.K.Gaillard.Physiological indices of workload in a simulated flight task［J］.Biological Psychology，1996，6（01）：323-342.

［3］汪磊，孫瑞山.基于面部特征識別的管制員疲勞監測方法研究［J］.中國安全科學學報，2012，22（07）：66-71.

［4］王燕青，王健新，惠金有.大流量管制情境下雷達管制員眼動特征分析［J］.中國安全科學學報，2016，6（26）：1-6.

2095－6835（2018）24－0137－02

F272.92

A

10.15913/j.cnki.kjycx.2018.24.137

〔編輯：張思楠〕