郭司南， 完顏笑如， 劉雙， 梁超然， 陳浩

(北京航空航天大學(xué) 航空科學(xué)與工程學(xué)院， 北京 100191)

0 引言

隨著自動化、信息化、智能化等技術(shù)在裝甲車輛乘員艙人機系統(tǒng)中的深入應(yīng)用與集成，由車輛性能和艙室環(huán)境所引發(fā)的作業(yè)事故率明顯降低，但由乘員自身作業(yè)失誤等人為因素所造成的事故比例卻有所攀升，約占裝甲裝備領(lǐng)域事故的70%[1]。隨著新興技術(shù)的不斷引入，作業(yè)任務(wù)對乘員體力方面的需求進(jìn)一步弱化，并逐步轉(zhuǎn)向以認(rèn)知資源消耗為主的信息加工處理[2]，在這個過程中，如何診斷新技術(shù)對乘員腦力負(fù)荷可能產(chǎn)生的復(fù)雜影響，并使其維持在適宜水平對于保證乘員作業(yè)績效，發(fā)揮整體作戰(zhàn)效能至關(guān)重要。

腦力負(fù)荷指為達(dá)到特定的主觀和客觀績效水平而付出的注意資源[3]，其影響因素包含任務(wù)需求(如任務(wù)難度、任務(wù)數(shù)量)、外部支持(如環(huán)境條件、技術(shù)支持、協(xié)作支持)以及個體差異等多個維度[3-5]。目前，新型裝甲車人機系統(tǒng)通過將智能化設(shè)計應(yīng)用到如自動化輔助技術(shù)、智能人機交互模式等功能中，來應(yīng)對高信息化作業(yè)條件下乘員處理能力不足的問題，而相關(guān)領(lǐng)域研究表明，智能化技術(shù)的應(yīng)用將對包含人員績效與負(fù)荷在內(nèi)的人機關(guān)系產(chǎn)生復(fù)雜而深刻影響。如Jou等[6]通過開展面向核電站控制室操作任務(wù)的實驗研究，提出自動化設(shè)計應(yīng)該考慮具體任務(wù)性質(zhì)和類型，對于不同的任務(wù)應(yīng)采用不同的自動化手段。Ferris等[7]發(fā)現(xiàn)在實際飛行任務(wù)中的巡航等低負(fù)荷階段，自動化設(shè)計有助于降低飛行員的腦力負(fù)荷；而對于起飛和進(jìn)近等高負(fù)荷階段，自動化技術(shù)的引入反而會增加飛行員的腦力負(fù)荷。劉維平等[8]通過比較觸屏和鼠標(biāo)兩種輸入方式對乘員信息處理能力的影響，為裝甲車人機系統(tǒng)交互方式的遴選提供了實驗依據(jù)。Alapetite[9]比較了醫(yī)用人機系統(tǒng)不同交互模式在緊急情況下的效用，發(fā)現(xiàn)語音輸入方式可有效降低人員的腦力負(fù)荷。

此外，在裝甲裝備領(lǐng)域，單車乘員數(shù)量的逐步精簡已成為主要發(fā)展趨勢之一[10]，而這也伴隨著任務(wù)需求朝向多維度、多通道信息加工方向轉(zhuǎn)化。在過去的研究中，劉維平等[11]建立了基于多資源理論的任務(wù)- 網(wǎng)絡(luò)乘員腦力負(fù)荷評價方法，其仿真結(jié)果表明整個任務(wù)階段腦力負(fù)荷的最大值即出現(xiàn)在多通道并行任務(wù)階段。Molloy等[12]開展了基于視聽雙認(rèn)知通道任務(wù)的實驗研究，結(jié)果表明在高負(fù)荷視覺任務(wù)下，聽覺資源表現(xiàn)出處理能力不足的現(xiàn)象，導(dǎo)致作業(yè)績效明顯降低。

綜上所述，現(xiàn)有研究在多個領(lǐng)域通過開展工效學(xué)實驗以及采用建模仿真等方法分別探討了智能化技術(shù)以及多通道信息加工任務(wù)需求對作業(yè)人員腦力負(fù)荷的影響，但在裝甲車輛裝備領(lǐng)域，相關(guān)理論研究與實驗數(shù)據(jù)支撐還非常有限?？紤]到智能化技術(shù)對于腦力負(fù)荷的影響常與任務(wù)需求密切相關(guān)[3]，本文采用某新型高逼真度裝甲車仿真平臺，面向裝甲車指揮員作業(yè)任務(wù)，開展智能化設(shè)計與信息加工通道復(fù)雜度雙因素對乘員腦力負(fù)荷的綜合影響實驗研究，實驗結(jié)果可為裝甲車人機功能分配以及任務(wù)操控流程的優(yōu)化提供實驗依據(jù)。

1 實驗方法

1.1 被試人員

實驗被試人員為20名成年男性，年齡在21歲～43歲(平均值為30.55歲，標(biāo)準(zhǔn)差為7.37歲)之間，均為裝甲裝備領(lǐng)域從業(yè)人員。所有被試人員均為右利手，無色盲色弱，視力或矯正視力正常，聽力正常。

1.2 實驗儀器設(shè)備

實驗基于某新型裝甲車仿真平臺，其系統(tǒng)結(jié)構(gòu)由主控系統(tǒng)、任務(wù)仿真系統(tǒng)以及后臺實時數(shù)據(jù)記錄系統(tǒng)3部分構(gòu)成。主控系統(tǒng)可以選擇多種乘員作戰(zhàn)任務(wù)和終端顯控界面，同時設(shè)置初始任務(wù)參數(shù)；任務(wù)仿真系統(tǒng)通過控制模擬組件、顯控一體化終端、內(nèi)嵌的控制和信息終端軟件系統(tǒng)實現(xiàn)作業(yè)任務(wù)的高逼真度仿真以及人機之間的信息交互與控制交互；實時數(shù)據(jù)系統(tǒng)由后臺信息終端記錄模塊組成，其主要功能為收集并記錄作業(yè)人員的人機交互行為，包括觸控輸入、語音輸入等具體操作單元的準(zhǔn)確時間。仿真平臺的硬件系統(tǒng)由多臺觸控屏顯、控制組件、模擬器主機、服務(wù)器等設(shè)備組成。

實驗采用瑞典斯德格爾摩Tobii技術(shù)公司產(chǎn)Tobii Glasses可穿戴式眼動追蹤系統(tǒng)采集被試人員的眼動信號，采樣頻率為50 Hz，眼動追蹤范圍為水平82°/垂直48°，場景相機分辨率為1 920×1 080，幀率為25 Hz，使用一點校標(biāo)法完成校準(zhǔn)。

此外，實驗同步采用澳大利亞維多利亞計算機醫(yī)療有限公司產(chǎn)Neuroscan Neuamps腦電采集系統(tǒng)采集被試人員30個電極點的腦電信號(EEG)： F7、FT7、T3、TP7、T5；FP1、F3、FC3、C3、CP3、P3、O1；FZ、FCZ、CZ、CPZ、PZ、OZ；FP2、F4、FC4、C4、CP4、P4、O2；F8、FT8、T4、TP8、T6. 所有電極采用Ag/AgCl，記錄帶寬為0～200 Hz，采樣率為1 000 Hz. 以被試人員左側(cè)乳突位置A1電極點為在線參考電極，同時記錄垂直和水平眼電。由仿真平臺、眼動追蹤系統(tǒng)、腦電采集系統(tǒng)構(gòu)建的實驗場景如圖1所示。

圖1 實驗場景構(gòu)建Fig.1 Construction of experimental scene space

1.3 實驗設(shè)計

本文采用2×2被試內(nèi)雙因素設(shè)計，其中，因素1為裝甲車人機系統(tǒng)的智能化程度，包括高智能化和低智能化兩個水平。不同智能化水平通過完成同一目標(biāo)任務(wù)的系統(tǒng)自動化程度和人機交互模式進(jìn)行調(diào)控。與低智能化水平相比，在高智能化水平下完成同一目標(biāo)任務(wù)的操作步驟數(shù)較少，即部分人工操作任務(wù)轉(zhuǎn)為系統(tǒng)自動化處理；且低智能化水平下的人機交互模式為單純觸控交互，而高智能化水平下的人機交互模式為觸控- 語音混合交互。

因素2為信息加工通道復(fù)雜度，包括視覺單通道加工和視聽雙通道加工兩個水平。在本文中，信息加工通道復(fù)雜度包含兩層含義，分別是信息加工通道的類型以及信息加工通道所對應(yīng)的信息處理任務(wù)，其中，低復(fù)雜度條件下為單一視覺信息處理通道下的單任務(wù)作業(yè)，高復(fù)雜度條件下為視聽雙信息處理通道下的雙任務(wù)作業(yè)。具體而言，在視覺單通道加工條件下，作業(yè)人員僅需要完成視覺信息處理的典型作業(yè)任務(wù)，而在視聽雙通道加工條件下，作業(yè)人員除了需要完成視覺信息處理的典型作業(yè)任務(wù)，還需要完成針對音頻告警進(jìn)行識別與反饋的聽覺信息處理。4種實驗條件下的具體參數(shù)設(shè)計如表1所示。為消除練習(xí)和疲勞效應(yīng)，實驗順序采用拉丁方設(shè)計。

表1 不同實驗條件下的參數(shù)

1.4 測量方法與指標(biāo)

本文綜合采用主觀量表、作業(yè)績效測量以及生理測量作為乘員腦力負(fù)荷的評價方法。其中：主觀評價指標(biāo)選用美國國家航空航天局任務(wù)負(fù)荷指數(shù)(NASA-TLX)量表[13]；作業(yè)績效指標(biāo)包括指揮員典型作業(yè)任務(wù)錯誤率，以及音頻告警響應(yīng)任務(wù)的正確率和反應(yīng)時長[14]?？紤]到大腦頭皮中線電極點在負(fù)荷與疲勞測評中具有代表性[15-16]，因此本文選取Fz、Cz、Pz3個大腦中線電極點delta、theta、alpha和beta 4個不同波段EEG信號的絕對功率作為腦電評價指標(biāo)。此外，選取平均瞳孔直徑和平均掃視峰值速度作為眼動指標(biāo)以反映被試人員腦力負(fù)荷[17-18]。

1.5 實驗任務(wù)與流程

在裝甲車輛人機系統(tǒng)高信息化水平下，信息處理作業(yè)任務(wù)為乘員的典型工作類型，其具體指乘員通過收集顯控界面終端所呈現(xiàn)的內(nèi)容確定目標(biāo)信息，對目標(biāo)信息完成信息加工編碼，再通過顯控界面終端完成反應(yīng)執(zhí)行操作[2]。通過開展實地調(diào)研，以及面向裝甲車仿真平臺研發(fā)人員與裝甲車作業(yè)人員進(jìn)行訪談，最終確定了指揮員信息處理作業(yè)的典型操控流程作為本文的實驗任務(wù)。

對于本文的實驗任務(wù)設(shè)計，在視覺單通道加工作業(yè)條件下，要求被試人員完成由任務(wù)分解、路徑規(guī)劃、感知規(guī)劃和打擊規(guī)劃4個子任務(wù)所構(gòu)成的完整任務(wù)流程，被試人員需要對裝甲車仿真平臺人機界面所呈現(xiàn)的視覺信息進(jìn)行加工處理。其中，在任務(wù)分解階段，被試人員需要接收主控系統(tǒng)發(fā)布的待執(zhí)行任務(wù)，查看并口語匯報任務(wù)信息，隨后依據(jù)任務(wù)指示分系統(tǒng)的提示完成任務(wù)分解、分配工作；在路徑規(guī)劃階段，被試人員需要按照任務(wù)指示分系統(tǒng)的提示，在顯控終端搜索目標(biāo)起點和終點位置(或通過語音輸入起點或終點位置)，從而完成路徑的規(guī)劃和下發(fā)工作；在感知規(guī)劃階段，被試人員需要按照任務(wù)指示分系統(tǒng)的提示，選擇具體的作業(yè)裝備，設(shè)置其搜索模式及參數(shù)；在打擊規(guī)劃階〗段，被試人員需要按照任務(wù)指示分系統(tǒng)的提示，新增敵方目標(biāo)或?qū)σ延袛撤侥繕?biāo)進(jìn)行打擊裝備、使用武器以及具體參數(shù)的設(shè)置。在視聽雙通道加工條件下，被試人員除了需要完成上述視覺信息處理任務(wù)外，還需對隨機呈現(xiàn)的音頻告警進(jìn)行識別與反饋。音頻告警包括高電壓告警、低電壓告警、油量高告警以及油量低告警4種，音頻告警出現(xiàn)頻率為3次/min，間隔隨機，要求被試人員根據(jù)告警類型盡可能迅速而準(zhǔn)確地完成不同的按鍵響應(yīng)操作。被試人員通過佩戴耳麥接收音頻告警信息。

本次實驗包括實驗培訓(xùn)和正式實驗兩個階段。在實驗培訓(xùn)階段，被試人員根據(jù)實驗任務(wù)指導(dǎo)書充分熟悉實驗平臺與實驗任務(wù)，并簽署實驗知情同意書。在正式實驗階段，被試人員需佩戴可穿戴式眼動追蹤系統(tǒng)、腦電帽以及耳麥完成實驗任務(wù)。每名被試人員均需要完成對應(yīng)于4種實驗條件(見表1)下的實驗任務(wù)各1次，并在每次實驗任務(wù)完成后填寫NASA-TLX量表。兩次實驗任務(wù)之間安排適當(dāng)休息，單次實驗任務(wù)時長約15 min，休息時長約10 min.

2 實驗結(jié)果

采用數(shù)據(jù)統(tǒng)計學(xué)分析軟件SPSS Statistics 23.0對各類腦力負(fù)荷測量指標(biāo)進(jìn)行統(tǒng)計學(xué)分析，統(tǒng)計檢驗采用0.05置信度。應(yīng)用被試內(nèi)雙因素重復(fù)測量方差分析研究智能化程度和信息加工通道復(fù)雜度因素對于測量指標(biāo)的主效應(yīng)和交互效應(yīng)，并采用最小顯著性差異方法進(jìn)行事后檢驗。

2.1 NASA-TLX量表結(jié)果

不同實驗條件下的NASA-TLX量表結(jié)果如圖2所示，即腦力負(fù)荷評分依據(jù)低智能化/雙通道加工、低智能化/單通道加工、高智能化/雙通道加工、高智能化/單通道加工的順序呈現(xiàn)出降低趨勢。方差分析結(jié)果表明，智能化程度和信息加工通道復(fù)雜度之間的交互效應(yīng)不顯著(p表示顯著水平，p值是衡量差異的指標(biāo)，p>0.05)。智能化程度對NASA-TLX量表得分主效應(yīng)顯著(F為方差分析的檢驗統(tǒng)計量，F(xiàn)(1,19)=17.986；p<0.001；η2為某一因素對整體因變量影響的效果，η2=0.486)，表現(xiàn)為低智能化條件下的NASA-TLX量表得分顯著高于高智能化條件。信息加工通道復(fù)雜度對NASA-TLX量表得分主效應(yīng)顯著(F(1,19)=17.053,p=0.001，η2=0.473)，具體表現(xiàn)為視聽雙通道加工條件下的量表得分顯著高于視覺單通道加工條件。

圖2 不同實驗條件下NASA-TLX量表結(jié)果Fig.2 Results of NASA-TLX rating scales in different experimental conditions

此外，進(jìn)一步檢驗4種任務(wù)條件下的負(fù)荷差異，方差分析結(jié)果顯示不同任務(wù)條件下，NASA-TLX量表得分有統(tǒng)計學(xué)差異(F(3,17)=13.797,p<0.001，η2=0.421)。低智能化/視聽雙通道加工條件下的量表得分顯著高于低智能化/視覺單通道加工條件(p=0.004)；低智能化/視覺單通道加工條件下的量表得分顯著高于高智能化/視聽雙通道加工條件(p=0.018)；高智能化/視聽雙通道加工條件下的量表得分臨界高于高智能化/視覺單通道加工條件(p=0.082)。

2.2 作業(yè)績效測量結(jié)果

作業(yè)績效指標(biāo)包括典型作業(yè)任務(wù)誤操作率、告警反饋任務(wù)的正確率和反應(yīng)時長。典型作業(yè)任務(wù)誤操作率結(jié)果如圖3所示。方差分析結(jié)果顯示智能化程度和信息加工通道復(fù)雜度之間的交互效應(yīng)不顯著(p>0.05)。智能化程度對于典型作業(yè)任務(wù)誤操作率主效應(yīng)顯著(F(1,19)=6.507，p=0.02，η2=0.255)，表現(xiàn)為低智能化條件下的誤操作率顯著高于高智能化條件。而信息加工通道對典型作業(yè)任務(wù)的誤操作率主效應(yīng)不顯著(p>0.05)。

圖3 不同實驗條件下典型作業(yè)任務(wù)誤操作率結(jié)果Fig.3 False operation rates of typical task in different experimental conditions

對于告警反饋任務(wù)而言，描述性統(tǒng)計分析表明，高智能化條件下的平均正確率(95.51%±8.93%)高于低智能化條件(92.18%±12.45%)，高智能化條件下正確反饋的反應(yīng)時長(3.35 s±0.43 s)低于低智能化條件 (3.46 s±0.40 s)。但配對T檢驗結(jié)果顯示：不同智能化程度，反應(yīng)時指標(biāo)無顯著差異(p>0.05)；而對于平均正確率指標(biāo)而言，在不同智能化程度下，僅呈現(xiàn)邊緣顯著差異(t為T檢驗的統(tǒng)計量，t=1.886；p=0.075)。

2.3 EEG指標(biāo)測量結(jié)果

采用腦電信號采集系統(tǒng)Neuroscan4.3.1軟件對實驗過程中獲取的EEG數(shù)據(jù)進(jìn)行離線處理，將雙乳突電極點平均值作為重參考值，并使用1～30 Hz帶通濾波。在將數(shù)據(jù)分段并完成基線矯正后，依據(jù)時域維度上的±150 μV上下限標(biāo)準(zhǔn)去除偽跡，最后通過傅里葉變換得到各實驗條件下4個波段(delta(1～4 Hz)、theta(4～8 Hz)、alpha(8～12 Hz)和beta(13～30 Hz))的絕對功率，大腦中線電極點(Fz、Cz和Pz)不同波段(delta、theta、alpha和beta)EEG信號的絕對功率描述性統(tǒng)計結(jié)果如表2所示。

表2 不同實驗條件下4個波段的絕對功率(平均值±標(biāo)準(zhǔn)差)

對4個波段的腦電絕對功率進(jìn)行2(高智能化程度、低智能化程度)×2(高信息加工通道復(fù)雜度、低信息加工通道復(fù)雜度)×3(Fz、Cz、Pz)重復(fù)測量的方差分析。結(jié)果表明，智能化程度×通道復(fù)雜度、智能化程度×電極點、通道復(fù)雜度×電極點以及智能化程度×通道復(fù)雜度×電極點的交互效應(yīng)均不顯著(p>0.05)。對于delta波段的絕對功率，智能化程度、信息加工通道的復(fù)雜度主效應(yīng)均不顯著(p>0.05)。對于theta波段的絕對功率，智能化程度主效應(yīng)不顯著(p>0.05),通道復(fù)雜度主效應(yīng)顯著(F(1,19)=4.805,p=0.041,η2=0.202)。事后檢驗結(jié)果表明，視聽雙通道條件下的theta波段的絕對功率顯著高于視覺單通道。對于alpha波段的絕對功率，智能化程度主效應(yīng)顯著(F(1,19)=8.876,p=0.019,η2=0.257)，表現(xiàn)為低智能化條件下alpha波段的絕對功率顯著高于高智能化水平，通道復(fù)雜度主效應(yīng)不顯著(p>0.05)。對于beta波段的絕對功率，智能化程度、信息加工通道復(fù)雜度的主效應(yīng)均不顯著(p>0.05)。

2.4 眼動指標(biāo)測量結(jié)果

眼動測量指標(biāo)包括平均瞳孔直徑和平均掃視峰值速度。對于瞳孔直徑指標(biāo)，其描述性統(tǒng)計結(jié)果如表3所示。方差分析結(jié)果顯示，智能化程度與信息加工通道復(fù)雜度之間的交互效應(yīng)不顯著(p>0.05)。信息加工通道復(fù)雜度的主效應(yīng)顯著(F(1,19)=19.224,p<0.001,η2=0.503)，事后比較表明，視聽雙通道任務(wù)條件下的平均瞳孔直徑顯著大于視覺單通道任務(wù)條件。智能化程度的主效應(yīng)不顯著(p>0.05)。

表3 不同實驗條件下瞳孔直徑和掃視峰值速度的描述性統(tǒng)計結(jié)果(平均值±標(biāo)準(zhǔn)差)

對于平均掃視峰值速度指標(biāo)，其變化趨勢表現(xiàn)如表3所示。方差分析結(jié)果顯示，智能化程度與信息加工通道復(fù)雜度之間的交互效應(yīng)不顯著(p>0.05)。智能化程度的主效應(yīng)顯著(F(1,19)=7.589,p=0.013,η2=0.285)，具體表現(xiàn)為在低智能化條件下，平均掃視峰值速度顯著小于高智能化水平。信息加工通道復(fù)雜度的主效應(yīng)不顯著(p>0.05)。

3 實驗結(jié)果討論

本文基于某新型裝甲車仿真平臺，面向裝甲車指揮員典型作業(yè)任務(wù)，綜合采用主觀評價、作業(yè)績效測量以及生理測量等多維度方法，開展了智能化設(shè)計與信息加工通道復(fù)雜度對乘員腦力負(fù)荷的影響實驗研究。實驗測得的腦力負(fù)荷、典型作業(yè)誤操作率、EEG、眼動指標(biāo)的方差分析結(jié)果匯總?cè)绫?所示。

表4 方差分析結(jié)果匯總

3.1 關(guān)于智能化設(shè)計因素的討論

一直以來，在工效學(xué)研究領(lǐng)域，以NASA-TLX量表與任務(wù)績效指標(biāo)作為作業(yè)人員腦力負(fù)荷的評價指標(biāo)獲得了廣泛應(yīng)用[19-20]。本文中，低智能化作業(yè)條件下乘員表現(xiàn)出更高的NASA-TLX量表得分和任務(wù)誤操作率。依據(jù)多資源理論，作業(yè)人員腦力負(fù)荷的大小與所使用的認(rèn)知資源量和認(rèn)知資源沖突量均有直接關(guān)聯(lián)[19-20]。在本次實驗條件下，高智能化任務(wù)具有手動處理信息量少并融入語音交互的作業(yè)特點，在乘員認(rèn)知資源使用量和資源沖突量上均顯著低于低智能化條件，因此具有更低的負(fù)荷壓力。另外，NASA-TLX量表得分還進(jìn)一步表現(xiàn)出，即使任務(wù)需求增加(即信息加工通道復(fù)雜度由視覺單通道加工上升至視聽雙通道加工)，高智能化/視聽雙通道加工條件下乘員的腦力負(fù)荷依然低于低智能化/視覺單通道加工條件，從而支持了智能化設(shè)計對于緩解乘員腦力負(fù)荷的高效性。

部分生理指標(biāo)也表現(xiàn)出了相似的變化趨勢，例如，alpha波段的絕對功率增加通常表征皮質(zhì)激活衰退[21]，即隨著alpha波段的絕對功率增加，大腦激活水平降低。在本次實驗條件下，低智能化水平的alpha波段的絕對功率顯著高于高智能化水平，提示高智能化水平下乘員的大腦活躍度更好，具有更好的任務(wù)意識。相關(guān)研究表明，在信息處理量升高時，腦干網(wǎng)狀結(jié)構(gòu)活動受到的影響會表現(xiàn)在平均掃視峰值速度的變化上，且呈現(xiàn)為負(fù)向效應(yīng)[22]，這與本文中低智能化條件下平均掃視峰值速度的降低相符。上述研究結(jié)果提示，新型裝甲車仿真平臺人機系統(tǒng)所采用的自動化操作與智能人機交互模式可有效降低乘員工作負(fù)荷。

3.2 關(guān)于信息加工通道復(fù)雜度的討論

在視聽雙通道條件下，NASA-TLX量表得分顯著高于視覺單通道，這是由于聽覺告警任務(wù)的引入，導(dǎo)致任務(wù)需求增加，乘員剩余注意資源減少，進(jìn)而表現(xiàn)為主觀負(fù)荷的增加。從生理數(shù)據(jù)來看，視聽雙通道下的平均瞳孔直徑顯著大于視覺單通道任務(wù)，瞳孔直徑的變化通常伴隨著觸發(fā)式認(rèn)知加工任務(wù)的發(fā)生，其增加趨勢可以有效地表征腦力負(fù)荷水平的增加[23-25]。另外，視聽雙通道條件下theta波段的絕對功率顯著高于視覺單通道任務(wù)，也與當(dāng)任務(wù)需求增大或注意力集中時theta波段的絕對功率表現(xiàn)出增大趨勢的研究結(jié)論一致[26-27]。

另一方面，在本次實驗條件下，盡管乘員從主觀心理以及生理反應(yīng)上均感受到了任務(wù)負(fù)荷的增加，但典型作業(yè)任務(wù)績效在兩種信息加工通道復(fù)雜度條件下沒有產(chǎn)生顯著差異。說明隨著信息加工通道復(fù)雜度的變化，即由視覺單通道加工上升為視聽雙通道加工，并沒有發(fā)生任務(wù)績效的明顯惡化。從而提示在高信息加工需求下，尤其是需要單一乘員完成多任務(wù)并行處理時，適當(dāng)采用多通道信息加工模式(如信息輸入端采用視覺/聽覺雙通道，信息輸出端采用手控/語音雙通道)可有效避免單一認(rèn)知通道加工下可能造成的負(fù)荷過載，進(jìn)而有助于更好地實現(xiàn)多任務(wù)時間共享并維持乘員作業(yè)效能。

此外，本次實驗結(jié)果還表明，不同的生理測量指標(biāo)對于不同的任務(wù)類型或腦力負(fù)荷影響因素具有差異化的敏感性和診斷性，從而可為不同實驗條件下腦力負(fù)荷評價方法的選擇提供依據(jù)。

4 結(jié)論

在本次實驗條件下，可獲得以下研究結(jié)論：

1)高智能化設(shè)計條件下乘員的腦力負(fù)荷顯著低于低智能化設(shè)計條件，提示人機系統(tǒng)的自動化操作與智能人機交互模式可在高信息加工需求下有效降低乘員工作負(fù)荷。

2)視聽雙通道加工條件下乘員的腦力負(fù)荷顯著高于視覺單通道加工條件。但在高信息加工需求下，適當(dāng)采用多通道信息加工模式可更好地實現(xiàn)多任務(wù)時間共享，有助于維持乘員作業(yè)績效。

3)對于由不同智能化水平所導(dǎo)致的乘員腦力負(fù)荷，NASA-TLX量表、任務(wù)誤操作率、alpha波段的絕對功率和平均掃視峰值速度指標(biāo)表現(xiàn)出了較好的敏感性；而對于由信息加工通道復(fù)雜度所導(dǎo)致的乘員腦力負(fù)荷，NASA-TLX量表、theta波段的絕對功率、平均瞳孔直徑指標(biāo)表現(xiàn)出了較好的敏感性。

本文通過開展不同智能化設(shè)計與信息加工通道復(fù)雜度對裝甲車乘員腦力負(fù)荷的影響研究，可為裝甲車人機界面的智能化設(shè)計與多通道人機交互模式設(shè)計提供實驗支撐依據(jù)。

參考文獻(xiàn)(References)

[1] 傅斌賀, 劉維平, 聶俊峰,等. 考慮認(rèn)知行為差異的乘員信息作業(yè)績效研究[J]. 兵工學(xué)報, 2019, 40(3): 659-665.

FU B H, LIU W P, NIE J F, et al. Research on crew’s information operation performance with the difference of cognitive behavior[J]. Acta Armamentarii, 2019, 40(3): 659-665.(in Chinese)

[2] 聶俊峰, 劉維平, 傅斌賀,等. 面向裝甲車輛乘員信息處理的作業(yè)時間預(yù)測模型研究[J]. 兵工學(xué)報, 2017, 38(2): 233-239.

NIE J F, LIU W P, FU B H, et al. Predictive operation time model for information processing task of crew in armored vehicle[J]. Acta Armamentarii, 2017, 38(2): 233-239. ( in Chinese)

[3] YOUNG M S, BROOKHUIS K A, WICKENS C D, et al. State of science: mental workload in ergonomics[J]. Ergonomics, 2015, 58(1): 1-17.

[4] WANYAN X R, ZHUANG D M, LIN Y Z, et al. Influence of mental workload on detecting information varieties revealed by mismatch negativity during flight simulation[J]. International Journal of Industrial Ergonomics, 2018, 64: 1-7.

[5] RUSNOCK C F, BORGHETTI B J. Workload profiles:a continuous measure of mental workload[J]. International Journal of Industrial Ergonomics, 2018, 63: 49-64.

[6] JOU Y T, YENN T C, LIN C H J, et al. Evaluation of operators’ mental workload of human-system interface automation in the advanced nuclear power plants[J]. Nuclear Engineering and Design, 2009, 239(11): 2537-2542.

[7] FERRIS T, SARTER N, WICKENS C D. Chapter 15-Cockpit automation: still struggling to catch up…[M]∥Human Factors in Aviation. Pittsburgh,PA, US: Academic Press, 2010: 479-503.

[8] 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(xué)報, 2015, 36(11): 2180-2184.

LIU W P, FU B H, LIU X X, et al. Experimental study of influences of input modes of vehicle-mounted display and control terminal on crew’s information processing capability[J]. Acta Armamentarii, 2015, 36(11): 2180-2184.(in Chinese)

[9] ALAPETITE A. Speech recognition for the anaesthesia record during crisis scenarios[J]. International Journal of Medical Informa-tics, 2008, 77(7): 448-460.

[10] MAO M, XIE F, HU J J, et al. Analysis of workload of tank crew under the conditions of informatization[J]. Defence Technology, 2014, 10(1): 17-21.

[11] 劉維平, 聶俊峰, 金毅,等. 基于任務(wù)- 網(wǎng)絡(luò)模型的裝甲車輛乘員腦力負(fù)荷評價方法研究[J]. 兵工學(xué)報, 2015, 36(9): 1805-1810.

LIU W P, NIE J F, JIN Y, 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)

[12] MOLLOY K, GRIFFITHS T D, CHAIT M, et al. Inattentional deafness: visual load leads to time-specific suppression of auditory evoked responses[J]. Journal of Neuroscience, 2015, 35(49): 16046-16054.

[13] HART S G, STAVELAND L E. Development of NASA-TLX (task load index): results of empirical and theoretical research[J]. Advances in Psychology, 1988,52: 139-183.

[14] GAO Q, WANG Y, SONG F, et al. Mental workload measurement for emergency operating procedures in digital nuclear power plants[J]. Ergonomics, 2013, 56(7):1070-1085.

[15] BORGHINI G, ASTOLFI L, VECCHIATO G, et al. Measuring neurophysiological signals in aircraft pilots and car drivers for the assessment of mental workload, fatigue and drowsiness[J]. Neuroscience & Biobehavioral Reviews, 2014, 44: 58-75.

[16] 馮傳宴, 完顏笑如, 劉雙,等. 負(fù)荷條件下注意力分配策略對情境意識的影響[J]. 航空學(xué)報, 2020,41(3): 124-133.

FENG C Y, WANYAN X R, LIU S, et all. Influence of different attention allocation strategies under workloads on situation awareness[J]. Acta Aeronautica et Astronautica Sinica, 2020,41(3):124-133. (in Chinese)

[17] OHTSUKA R, CHIHARA T, YAMANAKA K, et al. Estimation of mental workload during motorcycle operation[J]. Procedia Manufacturing, 2015, 3: 5313-5318.

[18] AHLSTROM U, FRIEDMAN-BERG F J. Using eye movement activity as a correlate of cognitive workload[J]. International Journal of Industrial Ergonomics, 2006, 36(7): 623-636.

[19] TSANG P S, VIDULICH M A. Mental workload and situation awareness[M]∥KARWOWSKI W. Handbook of Human Factors and Ergonomics, 3rd ed. Hoboken, NJ, US: John Wiley & Sons Inc., 2006: 243-268.

[20] WICKENS C D, GUTZWILLER R S, VIEANE A, et al. Time sharing between robotics and process control:validating a model of attention switching[J]. Human Factors, 2016, 58(2): 322-343.

[21] DEL PERCIO C, BABILONI C, BERTOLLO M, et al. Visuo-attentional and sensorimotor alpha rhythms are related to visuo-motor performance in athletes[J]. Human Brain Mapping, 2009, 30(11): 3527-3540.

[23] MARQUART G, CABRALL C, DE WINTER J. Review of eye-related measures of drivers’ mental workload[J]. Procedia Manufacturing, 2015, 3: 2854-2861.

[24] RECARTE M A, NUNES L M. Mental workload while driving: effects on visual search, discrimination, and decision making[J]. Journal of Experimental Psychology: Applied, 2003, 9(2): 119-137.

[25] VAN ACKER B B, BOMBEKE K, DURNEZ W, et al. Mobile pupillometry in manual assembly:a pilot study exploring the wearability and external validity of a renowned mental workload lab measure[J]. International Journal of Industrial Ergonomics, 2020, 75: 102891

[26] FAIRCLOUGH S H, VENABLES L, TATTERSALL A. The influence of task demand and learning on the psychophysiological response[J]. International Journal of Psychophysiology, 2005, 56(2): 171-184.

[27] 張潔，龐麗萍，完顏笑如，等．基于腦電功率譜密度的作業(yè)人員腦力負(fù)荷評估方法研究[J]．航空學(xué)報, 2020, 41(10): 123618.

ZHANG J,PANG L P, WANYAN X R,et al. Research on operator mental workload assessment method based on power spectral density of EEG [J].Acta Aeronautica et Astronautica Sinica, 2020,41(10): 123618. (in Chinese)