【技術實現步驟摘要】
本專利技術屬于注意分配策略識別領域，具體而言，涉及人機協作條件下的注意分配策略識別系統和方法。
技術介紹
1、注意狀態的好壞直接關聯人機團隊協作效率與安全，而這其中注意分配策略的識別是其關鍵問題之一。操作員注意分配策略的準確識別是當下人機協作領域的一個關鍵議題，相關研究可用于支撐復雜工業系統中人機團隊的培訓計劃制定和動態人機功能分配的觸發設計，從而起到提高人因效能和保障安全的作用。
2、目前對于注意分配策略識別系統尚存在以下幾方面問題。首先，盡管已經有一些神經生理學的理論探索，但尚未見注意分配策略相關的識別系統；此外，目前的注意分配策略研究大多數研究集中在事后的主觀打分，且多為單個維度（如主觀、眼動）測量的探索；最后，目前心理學研究多集中在注意與非注意狀態的探索，尚缺乏多種注意分配策略的識別嘗試。
3、基于上述情況，設計出一套人機協作條件下的注意分配策略識別系統和方法，能夠解決上述不足，以應用于典型人機協作任務中操作員注意分配策略的識別，從而為人機團隊培訓效能的增強和高效人機功能分配的觸發提供支撐。
技術實現思路
1、針對以上缺陷，本專利技術提供了人機協作條件下的注意分配策略識別系統，包括：
2、數據采集模塊、指標計算模塊以及注意分配策略識別模塊；
3、所述數據采集模塊中設置有多個維度采集操作員在執行人機交互任務時的測量數據的子模塊，包括注意資源采集子模塊、情境凍結采集子模塊和作業績效采集子模塊；
4、所述指標計算模塊中設
5、所述注意資源采集子模塊采集主觀上的注意資源的需求和供給數據并通過所述注意資源計算子模塊得到注意資源需求量和注意資源供給量；所述情境凍結采集子模塊采集在情境凍結時回答問題的績效數據并通過所述情境凍結計算子模塊得到答題準確率和答題反應時間；所述作業績效采集子模塊采集的績效數據并通過所述作業績效計算子模塊得到任務正確率和任務反應時間；
6、所述注意分配策略識別模塊包括預處理子模塊和注意分配策略識別子模塊；
7、預處理子模塊將6個測量數據的計算指標依次進行歸一化、標準化、主成分分析、以及再次標準化處理后輸出為標準化后的6個主成分；
8、注意分配策略識別子模塊將標準化后的6個主成分進行計算，得到用于判斷識別的一級注意分配策略、二級注意分配策略和三級注意分配策略。
9、進一步地，本專利技術還公開了人機協作條件下的注意分配策略識別方法，包括上述的人機協作條件下的注意分配策略識別系統，還包括以下步驟：
10、s1、通過數據采集模塊完成人機協作任務時操作員注意資源的需求和供給、情境凍結時回答問題的績效和任務績效的3個維度數據的采集，并儲存至計算機內；
11、s2、通過指標計算模塊計算并得到步驟s1中3個維度對應的注意資源需求量、注意資源供給量、情境凍結時回答問題的答題準確率、情境凍結時回答問題的答題反應時、任務正確率和任務反應時的6個計算指標；
12、s3、將步驟s2計算出的結果輸入至注意分配策略識別模塊后，得出操作員注意分配策略的識別結果；
13、s3-1、通過預處理子模塊進行對6個計算指標依次進行歸一化、標準化、主成分分析、以及再次標準化處理后輸出為標準化后的6個主成分；
14、s3-2、通過注意分配策略識別子模塊對步驟s3-1中得到的標準化后的6個主成分中進行計算，完成一級注意分配策略、二級注意分配策略和三級注意分配策略的識別，得到的最終注意分配策略識別結果由顯示界面進行展示。
15、進一步地，所述預處理子模塊對指標計算模塊中得到的6個測量數據：注意資源需求量、注意資源供給量、情境凍結時回答問題的答題準確率、情境凍結時回答問題的答題反應時間、任務正確率和任務反應時間的計算，計算過程為：
16、將6個測量數據分別代入下述的方程（1）至方程（6）中：
17、（1）；
18、（2）；
19、方程（1）至（2）中，分別為情境的不穩定度得分、信息的變化差異性得分、信息的辨識復雜性得分、覺醒程度得分、應對余量得分、集中程度得分和合理分配程度得分，ar_r和ar_s分別為注意資源需求量和注意資源供給量；
20、（3）；
21、（4）；
22、方程（3）至（4）中，分別為凍結時正確問題個數、凍結提問總數量和第 i次正確凍結答題的反應時間，分別為答題準確率和答題反應時間；
23、（5）；
24、（6）；
25、方程（5）至（6）中，分別為正確操作的子步驟數量、子步驟總數量和第 j次正確操作子步驟的反應時間，分別為任務正確率和任務反應時間；
26、第一步：對6個計算指標進行minmax歸一化，得到歸一化后的6個計算指標的計算值；
27、第二步：對歸一化后的6個計算指標的計算值進一步進行z-score標準化，得到標準化后的6個計算指標的計算值；
28、第三步：將z-score標準化后的6個計算指標的計算值進行主成分分析，得到對應的6個主成分；
29、第四步：對6個主成分再次進行z-score標準化，得到標準化后的6個主成分，即 z1 、 z2 、z3 、z4 、z5和 z6。
30、進一步地，所述注意分配策略識別子模塊對預處理子模塊輸出的標準化后的6個主成分 z1 、z2 、z3 、z4 、z5和 z6的計算過程為：
31、分別代入下述的方程（7）、方程（8）和方程（9）中，
32、（7）；
33、（8）；
34、（9）；
35、方程（7）至方程（9）中，ln為自然對數， p1、 p2和 p3分別為一級注意分配策略、二級注意分配策略和三級注意分配策略的判別概率。
36、本專利技術與現有技術相比具有以下有益效果：
37、1、通過人機協作條件下的注意分配策略識別系統，借助注意分配策略識別子模塊的經驗參數設定的識別模型，就能夠對典本文檔來自技高網...
【技術保護點】
1.人機協作條件下的注意分配策略識別系統，其特征在于：包括：
2.人機協作條件下的注意分配策略識別方法，其特征在于：包括權利要求1人機協作條件下的注意分配策略識別系統，還包括以下步驟：
3.如權利要求2所述的人機協作條件下的注意分配策略識別方法，其特征在于：所述預處理子模塊對指標計算模塊中得到的6個測量數據：注意資源需求量、注意資源供給量、情境凍結時回答問題的答題準確率、情境凍結時回答問題的答題反應時間、任務正確率和任務反應時間的計算，計算過程為：
4.如權利要求2所述的人機協作條件下的注意分配策略識別方法，其特征在于：所述數據預處理子模塊對指標計算模塊輸出的6個計算指標的計算過程具體為：
5.如權利要求2所述的人機協作條件下的注意分配策略識別方法，其特征在于：所述注意分配策略識別子模塊對預處理子模塊輸出的標準化后的6個主成分Z1、Z2、Z3、Z4、Z5和Z6的計算過程為：
【技術特征摘要】
1.人機協作條件下的注意分配策略識別系統，其特征在于：包括：
2.人機協作條件下的注意分配策略識別方法，其特征在于：包括權利要求1人機協作條件下的注意分配策略識別系統，還包括以下步驟：
3.如權利要求2所述的人機協作條件下的注意分配策略識別方法，其特征在于：所述預處理子模塊對指標計算模塊中得到的6個測量數據：注意資源需求量、注意資源供給量、情境凍結時回答問題的答題準確率、情境凍結時回答問題...
【專利技術屬性】
技術研發人員：馮傳宴，孟莉，周堯明，李道春，耿直，林成浩，
申請(專利權)人：天目山實驗室，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。