聶俊峰， 劉維平， 傅斌賀， 張征， 楊波

(裝甲兵工程學院 機械工程系， 北京 100072)

面向裝甲車輛乘員信息處理的作業(yè)時間預測模型研究

聶俊峰， 劉維平， 傅斌賀， 張征， 楊波

(裝甲兵工程學院 機械工程系， 北京 100072)

作業(yè)時間的準確預測是裝甲車輛乘員信息處理作業(yè)狀態(tài)研究的關鍵，對提高人機系統(tǒng)的作戰(zhàn)效能具有重要意義。針對乘員作業(yè)類型向信息處理作業(yè)轉變的基本趨勢，以信息錄入典型信息處理作業(yè)為研究對象，對其信息處理作業(yè)操作元和認知過程進行了系統(tǒng)分析?；诔藛T操縱特性和認知特性構建了信息錄入作業(yè)時間預測模型，并面向任務對預測模型進行了實驗驗證，旨在為解決應急任務條件下乘員信息處理作業(yè)時間預測問題探索新的途徑。結果表明，該模型能夠清晰地描述乘員信息錄入作業(yè)的認知過程，準確地預測作業(yè)時間，具有較好的預測精度和可重用性，是一種有效可行的信息處理作業(yè)時間預測模型。

兵器科學與技術； 裝甲車輛； 信息處理； 信息錄入； 時間預測模型

0 引言

隨著裝甲車輛艙室信息化水平的迅速提高，裝甲車輛乘員工作類型逐漸向以監(jiān)視、控制為主的信息處理作業(yè)轉變，信息處理作業(yè)已成為乘員作業(yè)的主要形式。信息錄入作為裝甲車輛應急任務條件下最常用的信息處理作業(yè)之一，貫穿于作戰(zhàn)任務的始終，其信息處理作業(yè)時間的長短直接決定著任務的完成情況，甚至會影響作戰(zhàn)任務的成敗[1]。因此，為了有效提高乘員信息處理作業(yè)操作效率，充分發(fā)揮人機系統(tǒng)作業(yè)效能，本文以信息錄入典型信息處理過程為例對乘員信息處理作業(yè)時間進行預測研究。

目前，有關作業(yè)時間預測方面的研究主要集中于菜單點擊作業(yè)時間預測[2-3]、信息系統(tǒng)操作時間預測[4]方面，運用較多的方法主要有GOMS模型[5-6]、KLM模型[7]、ACT-R模型[8-9]、Fitts定律[10-11]等。李炯等[4]基于GOMS模型對考試登分信息系統(tǒng)的用戶界面操作績效進行了定量分析，并且根據(jù)定量分析結果提出了改進信息系統(tǒng)的建議和方法。Byrne等[12]針對ACT-R模型在菜單操作績效預測評估中的應用進行了相關研究，研究結果表明該模型主要用于菜單視覺搜索績效方面的分析，且應用過程繁瑣，適用性較差。黃志齊等[13]在大量實驗數(shù)據(jù)分析的基礎上，基于Fitts定律建立了3種不同的Twiddler點擊績效模型，對Twiddler的點擊績效進行了評估。徐榮龍等[14]基于Fitts定律和Hick-Hyman定律，提出了一個預測手持設備三維菜單操作績效模型，并通過實驗驗證了模型的有效性。

綜上所述，目前國內外研究人員對作業(yè)時間預測的研究較為廣泛，但存在以下不足：第一，研究主要是針對操作人員信息處理某個階段的認知過程，欠缺針對信息處理過程完整模型的研究，模型適應性較差；第二，研究主要是針對操作人員操縱特性的研究，沒有全面考慮人的智能性、隨機性和自適應等特性，模型缺乏有效性[15]。本文針對乘員信息錄入作業(yè)時間預測問題，以多資源理論(MRT)為基礎，系統(tǒng)梳理了信息錄入作業(yè)基本操作元，基于任務- 網絡建模技術分析了乘員信息錄入作業(yè)的認知過程，提出了一種面向任務的作業(yè)時間量化預測模型，并通過實驗對模型的有效性進行了驗證。

1 信息處理作業(yè)認知過程分析

1.1 作業(yè)操作元分析

信息錄入作業(yè)是指乘員通過感覺器官從外界搜集目標信息，對目標信息進行感知、理解，經大腦編碼迅速形成指令，精確地執(zhí)行車載信息終端來完成目標信息(敵我屬性、類型、數(shù)量、方位和速度)錄入的過程，具有應急明顯、典型性強、戰(zhàn)時常用的作業(yè)特性。典型車載信息終端布局如圖1所示。

圖1 裝甲車輛典型信息終端布局示意圖Fig.1 Layout of typical information terminal

通過對應急任務條件下艙室乘員信息錄入作業(yè)操作動作的連續(xù)考察，參考乘員專業(yè)教范，結合乘員信息處理認知行為過程，提煉出了具有乘員操作特點的信息錄入操作元素，并基于此建立了作業(yè)類型選擇、敵我屬性判斷、目標信息錄入和目標信息發(fā)送4個基本操作元，信息錄入作業(yè)各操作元分析如圖2所示。

圖2 信息錄入作業(yè)操作元分析Fig.2 Operate-units of crew’s information input task

1.2 作業(yè)認知過程建模

乘員信息處理過程是一個涉及感覺、注意、識別、記憶以及反應等多方面要素的復雜心理過程。從本質上說，乘員的反應操作是乘員認知行為的系統(tǒng)輸出和外在表現(xiàn)。因此，作業(yè)各操作元認知過程分析是信息錄入作業(yè)時間預測的基礎。

1.2.1 多資源理論

Wickens認為作業(yè)人員具有一組性質類似、功能有限且容量一定的心理資源[16]。隨著作業(yè)要求增大，完成作業(yè)所需要的資源量也相應增加。當任務難度增加或多個任務發(fā)生資源競爭而導致資源短缺時，系統(tǒng)績效下降。

MRT是解釋多任務之間注意資源分配的理論，其基本表述為：乘員的不同部位可以同時完成不同任務，乘員的信息通道一般由聽覺、視覺、認知及運動反應4個部分組成，任何任務都可由這4個通道下的28種行為要素構成，且一般經歷知覺- 認知- 反應的過程，如表1所示。

表1 MRT行為要素表

1.2.2 認知過程任務- 網絡建模技術

認知過程任務- 網絡建模技術是一種對乘員認知過程按操作流程進行時間序列建模，并在任務實施過程中加以控制的計劃管理技術。其基本表達形式為任務- 網絡圖，是一種由箭線和節(jié)點組成的有向、有序的網狀圖形[1]。

為了對乘員信息處理作業(yè)認知過程進行分析，基于MRT對任務- 網絡建模技術進行擴展，針對乘員信息錄入作業(yè)操作流程，利用直接法構建信息執(zhí)行通道下的各操作元認知過程任務- 網絡模型，如圖3所示。對照MRT行為要素表得到認知過程各項目明細及其關系，如表2所示。

圖3 乘員信息錄入認知過程模型Fig.3 Cognitive process model of crew’s information input task

執(zhí)行通道內容及代號視覺通道A1發(fā)現(xiàn)A5發(fā)現(xiàn)A9發(fā)現(xiàn)A13發(fā)現(xiàn)A2空閑A6空閑A10空閑A14發(fā)現(xiàn)A3查找A7查找A11查找A15查找A4發(fā)現(xiàn)A8發(fā)現(xiàn)A12發(fā)現(xiàn)認知通道B1準備B6判斷B11判斷B16識別B2判斷B7選擇B12識別B17決定B3識別B8識別B13決定B4決定B9決定B14準備B5準備B10準備B15判斷反應通道C1空閑C3空閑C5空閑C7空閑C2鍵入C4鍵入C6鍵入C8鍵入

2 作業(yè)時間預測模型建立

2.1 模型基本假設

對模型建立以下基本假設：

1)乘員與信息終端控制面板距離一定。

2)信息在乘員長時記憶中以最小特征單元存儲。

3)乘員對目標信息的編碼與搜索并行。

4)乘員對鍵盤按鍵的操縱為觸點操作，運動規(guī)律服從Fitts定律。

5)乘員目標搜索規(guī)律服從Hick-Hyman定律。

2.2 信息錄入作業(yè)時間預測模型

2.2.1 時間預測模型構建

乘員信息錄入作業(yè)時間不僅與目標信息特性(目標大小、目標距離等)有關，還與信息錄入方式(菜單類型、輸入類型等)和乘員自身能力特性(操縱類型、目標搜索策略等)相關。綜合考慮相關影響因素，基于信息處理認知過程建立了乘員信息錄入作業(yè)時間預測模型為

T=T1+T2+T3+T4,

(1)

式中：T1、T2、T3和T4分別為作業(yè)類型選擇操作時間、敵我屬性判斷操作時間、目標信息錄入操作時間和目標信息發(fā)送操作時間。各操作時間表達式為

T1=TA1+TB2+TA3+TC2,

(2)

T2=TA5+TB6+TB7+TA7+TC4,

(3)

T3=cTA9+dTB11+eTA11+fTC6,

(4)

T4=gTA13+hTB15+TA14+TC8，

(5)

式中：c、d、e、f、g、h為待定系數(shù)。

2.2.2 時間預測模型參數(shù)辨識

按照類型的不同作業(yè)時間預測模型的參數(shù)需要通過不同方式進行辨識：

1)一般類辨識。參數(shù)的一般類辨識主要是通過參考標準性的通用數(shù)據(jù)和領域內的普遍數(shù)據(jù)獲得。比如，(2)式～(5)式中：TA1、TA5、TA9、TA13為各操作中注意力轉移到現(xiàn)有目標上的時間，分別采用裝甲車輛領域內的普遍數(shù)據(jù)352 ms、85 ms、85 ms、85 ms；TB2、TB6、TB7、TB11、TB15為各操作中目標信息的知覺加工時間，分別采用標準性的通用數(shù)據(jù)106 ms、106 ms、92 ms、106 ms、106 ms.

2)實驗類辨識。參數(shù)的實驗類辨識主要針對模型中缺乏一般性標準的參數(shù)，通過實驗進行參數(shù)辨識。比如，(2)式～(5)式中TA3、TA7、TA11、TA14為各操作中目標搜索定位時間，服從Hick-Hyman定律，即

T′=a1+b1·lb(n+1),

(6)

式中：a1、b1為常數(shù)，n為按鍵數(shù)目。

TC2、TC4、TC6、TC8為各操作中對目標的反應執(zhí)行時間，服從Fitts定律，即可得

T″=a2+b2·lb(A/W+1),

(7)

式中：a2、b2為常數(shù)；A為按鍵到手部初始位置的距離；W為按鍵的有效寬度。(6)式、(7)式中的參數(shù)a1、b1、a2、b2即需要進行實驗類辨識。

3)設置類辨識。參數(shù)的設置類辨識即根據(jù)乘員特殊作業(yè)條件和實際操作設置進行參數(shù)辨識。比如，(4)式中的參數(shù)c、d、e依據(jù)乘員實際操作設置，可得c=1，d=4，e=4；f根據(jù)目標信息特征的不同可取[5,13]的任意整數(shù)。同理，(5)式中參數(shù)g=4，h=4. (6)式、(7)式中的參數(shù)n、A、W依據(jù)乘員特殊作業(yè)條件，可得nA3=9，nA7=nA11=nA14=27；AC2=AC4=AC6=AC8=25 cm；WC2=WC4=WC6=WC8=15 mm.

3 實驗設計

3.1 實驗系統(tǒng)設計

實驗系統(tǒng)基于圖形化編程設計平臺Labview2011設計開發(fā)，由實驗測試和數(shù)據(jù)儲存兩個模塊組成：實驗測試模塊具有基本反應測試和信息錄入模擬兩個部分[17]；實驗數(shù)據(jù)存儲于數(shù)據(jù)管理系統(tǒng)中。實驗設備采用的是裝有Windows7系統(tǒng)的聯(lián)想主機(Intel core i7，3.40 GHz處理器，8 G內存)，三菱10.4 in“AA104XD02”觸摸顯示屏(分辨率設置為1 024×768)，以及與實裝尺寸和觸感相同的硅膠鍵盤。

3.2 實驗方案

選取10名具有相同專業(yè)等級的某型裝甲車輛車長參與實驗，年齡在20～25歲，男性，均為右利手，身體健康，矯正視力正常。要求被試盡可能快速、準確的完成實驗。根據(jù)實際需求，實驗過程分為兩個階段。

3.2.1 參數(shù)辨識實驗

首先通過基本反應測試實驗對模型中的a1、b1、a2、b2進行參數(shù)辨識。為此，設計兩組實驗：

1)第一組實驗為簡單反應實驗，采用點擊觸摸按鍵對屏幕刺激簡單反應的方式進行，目的是消除搜索時間對操作的影響，得到結果為移動時間，進而通過(7)式得到a2、b2的值，其變量水平：目標寬度W(15 mm)×實驗難度系數(shù)ID(2.0 bit、3.0 bit、3.5 bit、4.0 bit、4.6 bit、5.0 bit)×每種水平5次，共進行6×5×10=300次簡單反應按鍵實驗。

2)第二組實驗為選擇反應實驗，采用對觸摸按鍵進行字母編號，點擊對應觸摸按鍵對屏幕刺激選擇反應的方式進行，目的是用該組實驗數(shù)據(jù)去除相應的移動時間，即可得到特定按鍵數(shù)目情況下目標搜索的時間，進而通過(6)式得到a1、b1的值，其變量水平：目標寬度W(15 mm)×實驗難度系數(shù)H(2.81 bit、3.70 bit、4.00 bit、4.25 bit、4.46 bit、4.64 bit)×每種水平5次，共進行6×5×10=300次選擇反應按鍵實驗。

3.2.2 模型驗證實驗

通過作業(yè)模擬實驗驗證時間預測模型的有效性。實驗系統(tǒng)中信息錄入模擬模塊按照實車信息系統(tǒng)功能設計，目標信息通過觀察戰(zhàn)場環(huán)境視景仿真系統(tǒng)獲得，該系統(tǒng)與操作模塊實時同步。其目標信息變量確定為5種組合：目標類型(輸送車、導彈車、指揮車、步兵戰(zhàn)車、主戰(zhàn)坦克)、目標數(shù)量(2輛、4輛、6輛、7輛、9輛)、目標方位(東、南、西、南、北)、目標速度(26 km/h、28 km/h、46 km/h、36 km/h、32 km/h)，即：f1=5，f2=7，f3=9，f4=11，f5=13. 其變量水平為：目標信息類型f(5、7、9、11、13)×目標寬度W(15 mm)×按鍵到手指初始位置的距離A(25 cm)×各種水平10次，共進行5×10×10=500次信息錄入模擬實驗。

4 實驗結果分析

4.1 參數(shù)辨識實驗數(shù)據(jù)分析

參數(shù)辨識兩組實驗各得到300個操作績效數(shù)據(jù)，其中第一組有效數(shù)據(jù)264個，第二組有效數(shù)據(jù)271個，有效數(shù)據(jù)通過最小二乘法擬合，結果分別如圖4和圖5所示。

圖4 參數(shù)辨識實驗第一組數(shù)據(jù)分析結果Fig.4 Analyzed result of the first set of data

圖5 參數(shù)辨識實驗第二組數(shù)據(jù)分析結果Fig.5 Analyzed result of the second set of data

由圖4可得到曲線的表達式為：T″=97.5+89.2ID，擬合度R2=0.960，擬合度較高，即得a2=97.5，b2=89.2.

由圖5可得到曲線的表達式為：T′=-149.1+100.8H，擬合度R2=0.947，擬合度較高，即得a1=-149.1，b1=100.8.

綜合兩組實驗數(shù)據(jù)分析結果，可求得：T1=1 121.88 ms，T2=1 088.31 ms，T3=2 404.2+370.2f(ms)，T4=1 296.62 ms；T=5 911.01+370.2f(ms)。

4.2 模型驗證實驗數(shù)據(jù)分析

模型驗證實驗共得到500組操作績效數(shù)據(jù)，其中有效數(shù)據(jù)452組，逐一提取每一操作元乘員信息處理績效數(shù)據(jù)，用統(tǒng)計分析spss軟件分別分析該數(shù)據(jù)與模型預測數(shù)據(jù)的均值一致性。被試各項操作元績效數(shù)據(jù)統(tǒng)計情況見表3.

圖6為模型驗證實驗T1、T2、T4數(shù)據(jù)對比分析結果。由表3和圖6可以看出，作業(yè)類型選擇操作元、敵我屬性判斷操作元和目標信息發(fā)送操作元實驗績效均值與模型預測值很接近，且標準差系數(shù)很小(0.049 8、0.048 4、0.043 8)，即可驗證模型(2)式、(3)式、(5)式的有效性。

表3 被試各操作元績效數(shù)據(jù)統(tǒng)計表

圖6 模型驗證實驗T1、T2、T4數(shù)據(jù)分析結果Fig.6 Analyzed results of T1, T2 and T4

圖7、圖8分別為模型驗證實驗T3數(shù)據(jù)概率分布情況和數(shù)據(jù)分析結果。由表3和圖7可以看出，不同目標信息變量下各實驗數(shù)據(jù)均值與預測值基本吻合，標準差系數(shù)很小(0.016 7、0.014 7、0.012 9、0.013 4、0.010 8)。由圖8得到曲線的表達式為y=114.7+0.992x，其中y和x分別代表目標信息錄入操作元實驗績效數(shù)據(jù)和模型預測數(shù)據(jù)，二者之間的關系接近于y=x，曲線具有很好的擬合度(R2=0.985)。綜上所述，說明模型(4)式是有效的。

圖7 模型驗證實驗T3數(shù)據(jù)分布情況Fig.7 Probability distribution of T3

圖8 模型驗證實驗T3數(shù)據(jù)分析結果Fig.8 Analyzed result of T3

圖9、圖10分別為模型驗證實驗T數(shù)據(jù)概率分布情況和數(shù)據(jù)分析結果。由表3和圖9可以看出，不同目標信息變量下各實驗數(shù)據(jù)均值與預測值基本吻合，標準差系數(shù)很小(0.015 0、0.014 3、0.012 9、0.012 8、0.010 9)。由圖10得到曲線的表達式為y=227.6+0.988x；其中y和x分別代表信息錄入作業(yè)總的實驗績效數(shù)據(jù)和模型預測數(shù)據(jù)。二者之間的關系接近于y=x，曲線具有很好的擬合度(R2=0.981)。綜上所述，說明模型(1)式是有效的。

圖9 模型驗證實驗T數(shù)據(jù)分布情況Fig.9 Probability distribution of T

圖10 模型驗證實驗T數(shù)據(jù)分析結果Fig.10 Analyzed result of T

5 結論

應急任務條件下乘員信息錄入作業(yè)時間預測問題的研究具有重要現(xiàn)實意義。本文從信息處理的MRT出發(fā)，在對乘員信息錄入作業(yè)操作元分解的基礎上，通過任務- 網絡建模技術對乘員信息處理作業(yè)的認知過程進行了建模分析，提出了裝甲車輛乘員信息錄入作業(yè)時間的預測方法，并依據(jù)“階段實驗，逐層驗證”的基本思路組織裝甲車輛實際操作人員進行了模型驗證實驗。實驗結果確定了各操作元時間預測模型的參數(shù)值，驗證了預測模型的有效性。研究表明，該方法針對乘員信息處理作業(yè)中操作和認知特性，為應急任務條件下信息處理作業(yè)時間的定量預測提供了有效的解決方法，主要表現(xiàn)在：

1)該方法對乘員信息處理作業(yè)進行了單元化處理，并基于任務- 網絡建模技術模擬了乘員各操作元作業(yè)認知過程，是一個完整的作業(yè)時間預測模型，可以針對不同類型信息處理作業(yè)進行單元重組，提高了模型的適應性，拓展了模型的應用范圍。

2)該方法在操縱特性研究的基礎上，在信息處理作業(yè)時間預測模型中加入了知覺加工時間和目標搜索時間等作業(yè)認知過程，充分考慮了乘員的隨機性和自適應性，提高了模型的有效性，較以往模型有較大改進。

3)實驗結果表明，本文提出的預測模型可以很好地預測乘員信息錄入作業(yè)各操作元的時間，乘員實驗績效數(shù)據(jù)與模型預測值誤差很小，反映了模型的準確性。

References)

[1] 劉維平, 聶俊峰, 金毅, 等. 基于任務—網絡模型的裝甲車輛乘員腦力負荷評價方法研究[J]. 兵工學報, 2015, 36(9): 1805-1810. LIU Wei-ping, NIE Jun-feng, JIN Yi, et al. Study on the task division of double-crew armored vehicle based on task-network model[J]. Acta Armamentarii, 2015, 36(9): 1805-1810. (in Chinese)

[2] 辛義忠, 馬燕飛, 李巖, 等. 目標點擊操作中不同方向對筆壓性能影響的研究[J]. 計算機科學, 2014, 41(10): 72-75. XIN Yi-zhong, MA Yan-fei, LI Yan, et al. Empirical study of direction effect on pen pressure performance in pointing tasks[J]. Computer Science, 2014, 41(10): 72-75. (in Chinese)

[3] 徐榮龍, 劉正捷. 菜單點擊績效模型的建立與驗證[J]. 計算機工程, 2010, 36(19): 256-260. XU Rong-long, LIU Zheng-jie. Establishment and verification of menu selection performance model[J]. Computer Engineering, 2010, 36(19): 256-260. (in Chinese)

[4] 李炯, 汪文勇, 繆靜. GOMS模型在考試登分系統(tǒng)中的應用研究[J]. 計算機科學, 2005, 32(4): 219-224. LI Jiong, WANG Wen-yong, MIU Jing. Research on the application of GOMS model in a score-entry system[J]. Computer Science, 2005, 32(4): 219-224. (in Chinese)

[5] Oyewole S A, Haight J M. Determination of optimal paths to task goals using expert system based on GOMS model[J]. Computers in Human Behavior, 2011, 36(19): 823-833.

[6] Schrepp M. GOMS analysis as a tool to investigate the usability of web units for disabled users[J]. Universal Access in the Information Society, 2010, 9(1): 77-86.

[7] 楊炳, 李宏汀. KLM在手機界面設計和評估中的應用[J]. 人類工效學, 2012, 18(2): 83-87. YANG Bing, LI Hong-ting. Study on applications of KLM in mobile phone interface design and evaluation[J]. Chinese Journal of Ergonomics, 2012, 18(2): 83-87. (in Chinese)

[8] Jo S, Myung R, Yoon D, et al. Quantitative prediction of mental workload with the ACT-R cognitive architecture[J]. International Journal of Industrial Ergonomics, 2012, 42(4): 359-370.

[9] 陳為, 李世其, 王春慧, 等. 手控交會對接任務認知行為建模[J]. 載人航天, 2016, 22(3): 386-392. CHEN Wei, LI Shi-qi, WANG Chun-hui, et al. Modeling of cognitive behavior in manual rendezvous and docking[J]. Manned Spaceflight, 2016, 22(3): 386-392. (in Chinese)

[10] Zhao J, Soukoreff R W, Ren X S, et al. A model of scrolling on touch-sensitive displays[J]. International Journal of Human-Computer Studies, 2014, 72(12): 805-821.

[11] Lin C J, Chen H J. Modeling movements of a long hand-held tool with effects of moments of inertia[J]. Human Movement Science, 2014, 34(12): 233-245.

[12] Byrne M. ACT-R/PM and menu selection: applying a cognitive architecture to HCI[J]. International Journal of Human-Computer Studies, 2001, 55(1): 41-84.

[13] 黃志奇, 陳東義, 王厚軍. 基于Fitts’law的Twiddler點擊績效模型實驗[J]. 電子測量與儀器學報, 2008, 22(5): 33-37. HUANG Zhi-qi, CHEN Dong-yi, WANG Hou-jun. Experiment of the Twiddler tapping performance model based on Fitts’law[J]. Journal of Electronic in Measurement and Instrument, 2008, 22(5): 33-37. (in Chinese)

[14] 徐榮龍, 劉正捷, 張寧. 手持設備三維菜單績效評估[J]. 計算機工程與應用, 2010, 46(22): 20-22. XU Rong-long, LIU Zheng-jie, ZHANG Ning. Evaluation of 3D menu performance on mobile phone[J]. Computer Engineering and Applications, 2010, 46(22): 20-22. (in Chinese)

[15] 張曉燕, 薛紅軍. 駕駛艙中飛行員信息處理時間預測模型[J]. 系統(tǒng)仿真學報, 2014, 26(7): 1607-1610. ZHANG Xiao-yan, XUE Hong-jun. Predictivetime modeling for pilot information processing in flight deck[J]. Journal of System Simulation, 2014, 26(7): 1607-1610. (in Chinese)

[16] Wickens C D. Multiple resources and mental workload[J]. The Journal of the Human Factors and Ergonomics Society, 2008, 50(3): 449-455.

[17] 劉維平, 傅斌賀, 劉西俠, 等. 車載顯控終端輸入方式對乘員信息處理能力影響試驗研究[J]. 兵工學報, 2015, 36(11): 2180-2184. LIU Wei-ping, FU Bin-he, LIU Xi-xia, et al. Experimental study of influences of input models of vehicle-mounted display and control terminal on crew's information processing capability[J]. Acta Armamentarii, 2015, 36(11): 2180-2184. (in Chinese)

Predictive Operation Time Model for Information Processing Task of Crew in Armored Vehicle

NIE Jun-feng， LIU Wei-ping， FU Bin-he， ZHANG Zheng， YANG Bo

(Department of Mechanical Engineering，Academy of Armored Forces Engineering，Beijing 100072，China)

The accurate prediction of operation time is essential to study the operating state of crew in armored vehicle, and is important to improve the operational effectiveness of the man-machine system. In view of a basic trend that the operation type gradually changes into information processing，the information input task is studied，and the operate-units and cognitive process are systematically analyzed. A predictive operation time model is built based on crew’s control and cognitive characteristics. The predictive operation time model is verified through experiment, with an aim to solve the prediction problem of crew’s information processing time under the condition of emergency. The test results show that the proposed model could describe the whole cognitive process of crew’s information input task and predict the reaction times of operate-units accurately. The model has high prediction accuracy and reusability.

ordnance science and technology； armored vehicle； information processing； information input； predictive time model

2016-06-15

聶俊峰(1989—)， 男， 博士研究生。 E-mail： njf0706@126.com

劉維平(1961—)， 男， 教授， 博士生導師。 E-mail： lwpyxlzh@sohu.com

TJ810.1

A

1000-1093(2017)02-0233-07

10.3969/j.issn.1000-1093.2017.02.004