CN115310804A - 基于决策层融合的飞行员情境意识判别方法和*** - Google Patents
基于决策层融合的飞行员情境意识判别方法和*** Download PDFInfo
- Publication number
- CN115310804A CN115310804A CN202210941428.0A CN202210941428A CN115310804A CN 115310804 A CN115310804 A CN 115310804A CN 202210941428 A CN202210941428 A CN 202210941428A CN 115310804 A CN115310804 A CN 115310804A
- Authority
- CN
- China
- Prior art keywords
- data
- eye movement
- model
- discrimination
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000004424 eye movement Effects 0.000 claims abstract description 89
- 238000011156 evaluation Methods 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 29
- 238000009825 accumulation Methods 0.000 claims description 23
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 210000001747 pupil Anatomy 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 5
- 230000004434 saccadic eye movement Effects 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 4
- 238000007477 logistic regression Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000012850 discrimination method Methods 0.000 claims 2
- 238000004590 computer program Methods 0.000 claims 1
- 230000016507 interphase Effects 0.000 claims 1
- 230000001711 saccadic effect Effects 0.000 claims 1
- 238000000691 measurement method Methods 0.000 description 7
- 238000013210 evaluation model Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供了基于决策层融合的飞行员情境意识判别***，包括：数据采集模块，用于采集飞行员的个人信息数据、眼动设备数据、心电设备数据；数据接口模块，用于接收数据采集模块传输的数据并进行转换指标计算；判别模块，用于对读入的飞行员生理特征进行实时评估和综合判别；输出报告模块，用于进行上述模块中的信息和在线评估结果的综合输出，包括录入的个人信息数据、选用的情境意识判别模型、飞行员情境意识判别等级及决策融合优化后的飞行员情境意识判别结果等数据。本发明实现了飞行员情境意识状态水平的在线评估，能够实时判别飞行员在多种任务环境下的情境意识水平，以保障飞行安全、减少人为失误提供依据。
Description
技术领域
本发明涉及一种基于决策层融合的飞行员情境意识判别方法和***。
背景技术
飞行员的情境意识状态(Situation awareness，SA)是指在驾驶飞行的时间和空间内，对飞行周围态势环境中各要素的知觉、对这些要素意义的理解及预测其随后的状态，是影响飞行员决策和操作的重要因素。实现对飞行员情境意识时间累计作用下综合能力状态的实时评估、对飞行员情境意识状态的特定时间单元内的实时评估是反映并把握其在特定时间段和特定情境中对影响作业的各种因素和条件的认知状况的关键条件，对减少因情境意识差错而造成飞行事故具有重要意义。
目前，主观评价法、记忆探查测量法、任务绩效测量法以及生理测量法是飞行员情境意识测量过程中常用的典型测量方法。与其他测量方法相比，生理测量法具有客观性与实时性较好、任务侵入性有限等优点。相关研究表明，生理参数(如眼动、心电等)与飞行员情境意识状态存在密切的相关性，生理测量方法是评估飞行员作业过程中情境意识状态的有效手段。但现有技术的该类研究未实现通过测量飞行员的生理参数对一定时间单元内和累计时间内飞行员情境意识状态的实时判别和综合评估，也未实现对多种基于生理数据的飞行员情境意识判别结果的信息融合。
发明内容
针对现有技术的上述问题，本发明人提出了一种基于决策层融合的飞行员情境意识判别方法和***，将决策层融合策略应用于基于多种飞行过程中生理数据的飞行员情境意识判别模型中，提高了飞行员情境意识状态的实时评估和综合评估模型的稳定性和泛化能力。
本发明应用基于决策层融合策略的飞行员情境意识判别***，通过采集飞行员在飞行过程中的生理特征指标对飞行员情境意识状态进行实时动态评估和综合评估。该***包含面向飞行员综合状态评估的情境意识累计时间判别模型以及面向飞行员动态时间切片下的情境意识单元时间判别模型，并根据应用场景需求和特点，首先实时采集计算飞行员作业过程中的眼动特征、心电特征或其组合形式，然后将特征数据读入到***中相匹配的模型，最后基于决策层融合策略对读入的组合判别结果进行最终的融合判别，以完成飞行员的实时情境意识状态等级判别，实现对飞行员飞行过程中的情境意识水平当前时间单元点的动态评估和累计时间段内综合的动态评估。
本发明有益的效果为：
本发明克服了当前飞行员情境意识水平实时测量和评估技术的不足，针对飞行过程中的飞行员情境意识状态，通过接口模块连接眼动仪设备、心电设备实时读取飞行员生理数据，基于以眼动特征、心电特征或全特征的时间单元判别SVM模型和时间累计判别SVM模型评估飞行员的情境意识水平，并采用决策层融合策略对情境意识判别模型进行优化，提高模型稳定性和泛化能力。本发明实现了飞行员情境意识状态水平的在线评估，能够实时判别飞行员在多种任务环境下的情境意识水平，以保障飞行安全、减少人为失误提供依据。
本发明的优点包括：
根据本发明的基于决策层融合的飞行员情境意识判别***和方法无需依赖繁琐的问卷调查、事后分析评估，仅通过采集飞行过程中的飞行员眼动数据、心电数据，即可对飞行试验过程中的飞行员情境意识水平进行实时测量和综合评价，***使用方法简单可行，且提供了优化的用户界面和使用流程；
本发明使用基于多种生理特征数据判别的决策层融合策略，使飞行员情境意识判别***具有应用场景多、稳定性好、泛化能力强、正确率高等优点；
适于民航客机、教练机、模拟训练等多种场景下执行飞行任务过程中的飞行员情境意识状态进行在线监测和综合状态掌握，从而有助于提高航空安全。
附图说明
图1是根据本发明的一个实施例的基于决策层融合的飞行员情境意识判别方法的示意图。
图2是根据本发明的一个实施例的基于决策层融合的飞行员情境意识判别***的架构图。
图3是根据本发明的一个实施例的基于决策层融合的飞行员情境意识判别***的飞行员信息采集界面。
图4是根据本发明的一个实施例的基于决策层融合的飞行员情境意识判别***的在线评估界面。
图5是根据本发明的一个实施例的基于决策层融合的飞行员情境意识判别***的输出评估报告结果。
具体实施方式
1总体情况
在根据本发明的基于决策层融合的飞行员情境意识判别***和方法中，针对实时采集不同场景和或不同设备的应用与不同的使用需求，建立并采用了基于飞行员眼动特征及心电特征在多种特征组合判别模式下的情境意识决策融合模型，其中包含面向飞行员综合状态评估的情境意识累计时间判别模型以及面向飞行员动态时间切片下的情境意识单元时间判别模型。根据本发明的一个实施例以30秒时间单元为计算间隔，实时采集并计算30秒的眼动特征、心电特征数据输入判别***，每30秒同时更新计算判别并输出一次飞行员的当前30秒时间单元内的情境意识状态等级，以及从开始至当前累计时间段内的综合情境意识状态等级，实现对飞行员飞行过程中的情境意识水平当前时间单元点的动态评估和累计时间段内综合的动态评估。如图1所示。
2基于决策层融合的飞行员情境意识判别***的架构设计
如图2所示，根据本发明的一个实施例的基于决策层融合的飞行员情境意识判别***和方法完成飞行员眼动和心电数据等生理学信号的实时读入、人员信息输入设定、参数设定等，进行飞行员多级情境意识辨识评估。该基于决策层融合的飞行员情境意识判别***包括四个部分：数据接口模块、数据采集模块、判别模块、输出报告模块，如图2所示。具体地：
(1)数据采集模块
该模块采集飞行员的三部分数据信息：个人信息采集、眼动设备采集、心电设备采集。其中：
个人信息采集包括飞行员年龄、身高、飞行时间、试验场地、实验次数等记录信息，通过用户界面端输入；
眼动设备采集通过佩戴眼动设备实时读入原始眼动数据，例如眼动原始的空间位置坐标、眨眼标记、注视标记、扫视标记等；
心电设备采集通过佩戴心电设备实时读取原始心电数据，例如心率、心电原始波形数据等。
(2)数据接口模块
该模块用于接收数据采集模块传输的数据并转换指标计算，包含三个子模块：数据收发接口子模块、数据存储子模块、数据转换子模块。
其中：
数据收发接口子模块：首先设置眼动设备、心电设备中设置UDP端口号、Host地址，然后基于C++平台通过数据收发接口建立数据接口模块与眼动设备、心电设备之间的UDP数据通信，以60Hz的频率读取眼动设备采集的原始数据，以1Hz的频率读取心电原始数据；
数据存储子模块：将实时采集的不同频率的眼动及心电原始数据存储在内存空间中；
数据转换模块：针对眼动特征的计算存在一定的非实时性，以30秒为计算间隔时间，将眼动及心电的原始数据进行指标的计算转换，转换为注视率、扫视率、瞳孔直径、平均注视时间等眼动特征指标，以及平均心率、平均RR间期、标准化低频功率、标准化高频功率等心电特征指标。
(3)判别模块
该模块用于对读入的飞行员生理特征进行实时评估和综合判别，包含眼动特征预处理子模块、心电特征预处理子模块、特征选择子模块、判别分类器子模块。其中：
眼动特征预处理子模块读入数据接口模块中发送的眼动特征指标(注视率、扫视率、瞳孔直径、平均注视时间等)，并进行空值或异常值剔除等规范化处理，以及标准化处理等预处理操作；
心电特征预处理子模块，读入数据接口模块中发送的心电特征指标(平均心率、平均RR间期、标准化低频功率、标准化高频功率等)，并进行空值或异常值剔除等规范化处理，以及标准化处理等预处理操作；
特征选择子模块，选择基于全特征(心电及眼动)模型/眼动特征模型/心电特征模型进行计算；
判别分类器子模块包括情境意识时间单元判别模型及情境意识时间累计判别模型，两种模型基于两种不同的方式进行数据训练。该子模块实时读取飞行员的生理特征数据，调用相应的判别模型，分别进行时间单元情境意识判别和时间累计情境意识判别。两种判别模型的判别逻辑一致，区别在于时间单元判别模型以动态飞行过程中30秒间隔的眼动、心电数据作为输入，侧重于评估动态飞行过程中某一时间段内的情境意识变化过程；时间累计判别模型以累计时间段内的眼动、心电数据作为输入，侧重于评估飞行过程中当前累计效应的情境意识综合状态变化过程。模型判别逻辑为：可选择以全特征(眼动及心电)/眼动特征/心电特征建立判别模型，在不同模型的判别结果基础上可选择七种不同模型判别结果组合方式之一：眼动特征模型、心电特征模型、全特征模型、眼动特征+心电特征模型、眼动特征+全特征模型、心电特征+全特征模型、眼动特征+心电特征+全特征模型，并在不同模型判别结果组合方式基础上做logistic回归决策融合优化，得到基于决策层融合的飞行员情境意识判别结果。举例说明七种不同模型的逻辑如下：如果选择其中的单一模型，判别结果即为该模型的独立判别结果，例如选择眼动特征模型后最终判别结果即为基于眼动特征模型的独立判别结果的决策；如果选择组合模型，判别结果为多个不同模型判别结果的决策融合优化后的结果，例如选择眼动特征+心电特征模型，则对眼动特征结果和心电特征结果的两个独立判别结果做决策融合优化得到最终结果。
(4)“输出报告模块”
进行上述模块中的飞行员(被试)信息和在线评估结果的综合输出，包括录入的人员基本信息、选用的评估模型、飞行员情境意识状态评估等级及决策融合后的优化结果等数据。输出结果支持选择指定路径将数据列表及状态图以png、txt等多种格式导出。
3基于决策层融合的飞行员情境意识判别***用户交互界面
基于决策层融合的飞行员情境意识判别***的用户交互界面包括包含三个应用模块：飞行员信息采集、在线评估界面、输出评估报告界面。(1)基于决策层融合的飞行员情境意识判别***的飞行员信息采集界面
该界面支持输入飞行员信息的个人飞行试验信息，可通过选择下拉菜单或者文本框样式输入，包括：姓名、年龄、身高、籍贯、飞行时间、实验次数、实验场地等信息，如图3所示。
(2)基于决策层融合的飞行员情境意识判别***的在线评估界面
该界面为在线评估观察的主要界面，如图4所示。首先通过点击该界面中的“参数设置”按钮，进入***的参数设置窗口，如图4(a)所示；然后在参数设置窗口的“设备地址”处输入***所在计算机的设备地址(IP地址)；并通过“端口选择”输入眼动设备及心电设备的端口号，以建立与眼动设备、心电设备的连接；然后，通过“特征模式选择”选取判别时使用的全特征/眼动特征/心电特征模型(可多选，共七种组合方式)，根据需要选择飞行员情境意识判别***的在线评估时需要读取心电与眼动设备采集的特征数量；然后，通过“判别模型选择”选取在判别过程中选取情境意识时间单元判别模型或情境意识时间累计判别模型；最后，点击“确认提交”完成参数设置。
完成参数设置后，点击“运行”按钮则开始在线评估。结果显示界面如图4(b)所示，界面上能实时显示部分关键心电指标、眼动指标，及基于不同特征模型的飞行员情境意识状态随时间进程变化的图形区域。实时情境意识状态图形每隔30秒更新一个单元格的情境意识状态时间单元实时评估结果，绿色表示“高”、黄色表示“中”、红色表示“低”。在评估结束后，***能显示作业过程中飞行员情境意识时间累计判别结果及决策融合优化结果。
(3)基于决策层融合的飞行员情境意识判别***的输出评估报告结果界面
该界面用于显示飞行员情境意识状态在线评估***的输出评估结果，包括界面中呈现录入的飞行员个人信息、生理特征监测结果、情境意识实时评估结果及决策融合优化后的情境意识判别结果。并可通过“输出报告”功能，将评估结果数据及可视化图形按照指定的路径输出，如图5所示。
Claims (7)
1.基于决策层融合的飞行员情境意识判别***，其特征在于包括：
数据采集模块，用于采集飞行员的个人信息数据、眼动设备数据、心电设备数据，其中：
个人信息数据包括飞行员年龄、身高、飞行时间、试验场地、实验次数等记录信息，通过用户界面端输入；
眼动设备数据包括通过佩戴眼动设备实时读入的原始眼动数据；
心电设备数据包括通过佩戴心电设备实时读取的原始心电数据；
数据接口模块，用于接收数据采集模块传输的数据并进行转换指标计算，其包含数据收发接口子模块、数据存储子模块、数据转换子模块，其中：
数据收发接口子模块用于首先设置眼动设备、心电设备中设置UDP端口号、Host地址，然后基于C++平台通过数据收发接口建立数据接口模块与眼动设备、心电设备之间的UDP数据通信，以60Hz的频率读取眼动设备采集的原始数据，以1Hz的频率读取心电原始数据；
数据存储子模块用于将实时采集的不同频率的眼动及心电原始数据存储在内存空间中；
数据转换子模块用于针对眼动特征的计算存在一定的非实时性，以30秒为计算间隔时间，将眼动及心电的原始数据进行指标的计算转换，转换为包括注视率、扫视率、瞳孔直径、平均注视时间的眼动特征指标，以及包括平均心率、平均RR间期、标准化低频功率、标准化高频功率的心电特征指标；
判别模块，用于对读入的飞行员生理特征进行实时评估和综合判别，其包含：眼动特征预处理子模块、心电特征预处理子模块、特征选择子模块、判别分类器子模块。其中：
眼动特征预处理子模块，用于读入数据接口模块中发送的包括注视率、扫视率、瞳孔直径、平均注视时间的眼动特征指标，并进行包括空值或异常值剔除的规范化处理以及包括标准化处理的预处理操作；
心电特征预处理子模块，用于读入数据接口模块中发送的包括平均心率、平均RR间期、标准化低频功率、标准化高频功率的心电特征指标，并进行包括空值和/或异常值剔除的规范化处理以及包括标准化处理的预处理操作；
特征选择子模块，用于选择基于全特征模型和/或眼动特征模型和/或心电特征模型进行计算；
判别分类器子模块包括情境意识时间单元判别模型及情境意识时间累计判别模型，进行基于该两种模型的数据训练，包括：实时读取飞行员的生理特征数据，分别调用情境意识时间单元判别模型及情境意识时间累计判别模型中的相应模型进行时间单元情境意识判别和/或时间累计情境意识判别，其中：
情境意识时间单元判别模型及情境意识时间累计判别模型的判别逻辑一致，区别在于时间单元判别模型以动态飞行过程中30秒间隔的眼动、心电数据作为输入，侧重于评估动态飞行过程中某一时间段内的情境意识变化过程，而时间累计判别模型以累计时间段内的眼动、心电数据作为输入，侧重于评估飞行过程中当前累计效应的情境意识综合状态变化过程，
情境意识时间单元判别模型及情境意识时间累计判别模型的模型判别逻辑为：可选择以全特征和/或眼动特征和/或心电特征建立判别模型，基于不同的模型选择，可选择七种不同模型判别结果组合方式之一：眼动特征模型、心电特征模型、全特征模型、眼动特征+心电特征模型、眼动特征+全特征模型、心电特征+全特征模型、眼动特征+心电特征+全特征模型，以及
在不同的模型判别结果组合方式基础上做logistic回归决策融合优化，得到基于决策层融合的飞行员情境意识判别结果；
输出报告模块，用于进行上述模块中的信息和在线评估结果的综合输出，包括录入的个人信息数据、选用的情境意识判别模型、飞行员情境意识判别等级及logistic回归决策融合优化后的飞行员情境意识判别结果等数据。
2.根据权利要求1所述的基于决策层融合的飞行员情境意识判别***，其特征在于：
原始眼动数据包括原始的眼动空间位置坐标、眨眼标记、注视标记、扫视标记；
原始心电数据包括心率和心电原始波形数据。
3.根据权利要求1所述的基于决策层融合的飞行员情境意识判别***，其特征在于：
输出报告模块支持选择指定路径将数据列表和/或状态图以包括png、txt的多种格式导出。
4.基于决策层融合的飞行员情境意识判别方法，其特征在于包括：
数据采集步骤，采集飞行员的个人信息数据、眼动设备数据、心电设备数据，其中：
个人信息数据包括飞行员年龄、身高、飞行时间、试验场地、实验次数等记录信息，通过用户界面端输入；
眼动设备数据包括通过佩戴眼动设备实时读入的原始眼动数据；
心电设备数据包括通过佩戴心电设备实时读取的原始心电数据；
利用数据接口步骤，接收数据采集模块传输的数据并进行转换指标计算，其包括：
首先设置眼动设备、心电设备中设置UDP端口号、Host地址，然后基于C++平台通过数据收发接口建立数据接口模块与眼动设备、心电设备之间的UDP数据通信，以60Hz的频率读取眼动设备采集的原始数据，以1Hz的频率读取心电原始数据；
将实时采集的不同频率的眼动及心电原始数据存储在内存空间中；
针对眼动特征的计算存在一定的非实时性，以30秒为计算间隔时间，将眼动及心电的原始数据进行指标的计算转换，转换为包括注视率、扫视率、瞳孔直径、平均注视时间的眼动特征指标，以及包括平均心率、平均RR间期、标准化低频功率、标准化高频功率的心电特征指标，
判别步骤，对读入的飞行员生理特征进行实时评估和综合判别，其包括：
读入数据接口模块中发送的包括注视率、扫视率、瞳孔直径、平均注视时间的眼动特征指标，并进行包括空值或异常值剔除的规范化处理以及包括标准化处理的预处理操作；
读入数据接口模块中发送的包括平均心率、平均RR间期、标准化低频功率、标准化高频功率的心电特征指标，并进行包括空值和/或异常值剔除的规范化处理以及包括标准化处理的预处理操作；
选择基于全特征模型和/或眼动特征模型和/或心电特征模型进行计算；
利用包括情境意识时间单元判别模型及情境意识时间累计判别模型的判别分类器，进行基于该两种模型的数据训练，包括：实时读取飞行员的生理特征数据，分别调用情境意识时间单元判别模型及情境意识时间累计判别模型中的相应模型进行时间单元情境意识判别和/或时间累计情境意识判别，其中：
情境意识时间单元判别模型及情境意识时间累计判别模型的判别逻辑一致，区别在于时间单元判别模型以动态飞行过程中30秒间隔的眼动、心电数据作为输入，侧重于评估动态飞行过程中某一时间段内的情境意识变化过程，而时间累计判别模型以累计时间段内的眼动、心电数据作为输入，侧重于评估飞行过程中当前累计效应的情境意识综合状态变化过程，
情境意识时间单元判别模型及情境意识时间累计判别模型的模型判别逻辑为：可选择以全特征和/或眼动特征和/或心电特征建立判别模型，基于不同的模型选择，可选择下列七种不同模型判别结果组合方式之一：眼动特征模型、心电特征模型、全特征模型、眼动特征+心电特征模型、眼动特征+全特征模型、心电特征+全特征模型、眼动特征+心电特征+全特征模型，以及
在不同的模型判别结果组合方式基础上做logistic回归决策融合优化，得到基于决策层融合的飞行员情境意识判别结果，
输出报告步骤，进行上述模块中的信息和在线评估结果的综合输出，包括录入的个人信息数据、选用的情境意识判别模型、飞行员情境意识判别等级及logistic回归决策融合优化后的飞行员情境意识判别结果等数据。
5.根据权利要求4所述的基于决策层融合的飞行员情境意识判别方法，其特征在于：
原始眼动数据包括原始的眼动空间位置坐标、眨眼标记、注视标记、扫视标记；
原始心电数据包括心率和心电原始波形数据。
6.根据权利要求4所述的基于决策层融合的飞行员情境意识判别方法，其特征在于：
输出报告步骤支持选择指定路径将数据列表和/或状态图以包括png、txt的多种格式导出。
7.一种存储计算机程序的计算机可读存储介质，该计算机程序能使处理器执行根据权利要求4-6之一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210941428.0A CN115310804A (zh) | 2022-08-07 | 2022-08-07 | 基于决策层融合的飞行员情境意识判别方法和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210941428.0A CN115310804A (zh) | 2022-08-07 | 2022-08-07 | 基于决策层融合的飞行员情境意识判别方法和*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115310804A true CN115310804A (zh) | 2022-11-08 |
Family
ID=83860633
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210941428.0A Pending CN115310804A (zh) | 2022-08-07 | 2022-08-07 | 基于决策层融合的飞行员情境意识判别方法和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115310804A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115813390A (zh) * | 2023-01-05 | 2023-03-21 | 北京航空航天大学 | 基于冻结技术和脑电特征的操作员情境意识评估及判别***和方法 |
| CN116824954A (zh) * | 2023-07-03 | 2023-09-29 | 中国民用航空飞行学院 | 眼动+飞行数据的模拟机飞行训练讲评***及方法 |
-
2022
- 2022-08-07 CN CN202210941428.0A patent/CN115310804A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115813390A (zh) * | 2023-01-05 | 2023-03-21 | 北京航空航天大学 | 基于冻结技术和脑电特征的操作员情境意识评估及判别***和方法 |
| CN115813390B (zh) * | 2023-01-05 | 2024-05-03 | 北京航空航天大学 | 基于冻结技术和脑电特征的操作员情境意识评估及判别***和方法 |
| CN116824954A (zh) * | 2023-07-03 | 2023-09-29 | 中国民用航空飞行学院 | 眼动+飞行数据的模拟机飞行训练讲评***及方法 |
| CN116824954B (zh) * | 2023-07-03 | 2024-03-01 | 中国民用航空飞行学院 | 眼动+飞行数据的模拟机飞行训练讲评***及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115310804A (zh) | 基于决策层融合的飞行员情境意识判别方法和*** | |
| CN105300692B (zh) | 一种基于扩展卡尔曼滤波算法的轴承故障诊断及预测方法 | |
| CN102715889B (zh) | 一种脑力负荷检测方法 | |
| US11783924B2 (en) | ECG information processing method and ECG workstation | |
| CN105550653A (zh) | 心电导联智能选择方法和*** | |
| CN113052113B (zh) | 一种基于紧凑型卷积神经网络的抑郁症识别方法及*** | |
| CN111613335A (zh) | 一种健康预警***及方法 | |
| CN104462744B (zh) | 适用于心血管远程监测***的数据质量控制方法 | |
| US20220405604A1 (en) | Integrated analysis method, integrated analysis apparatus, and computer-readable storage medium storing an integrated analysis program | |
| CN110742595A (zh) | 基于认知云***的异常血压监护*** | |
| CN105611872A (zh) | 用于评估多通道ecg信号的装置和方法 | |
| CN111345814B (zh) | 一种心电信号中心拍的分析方法、装置、设备和存储介质 | |
| CN109567832A (zh) | 一种基于智能手环的检测愤怒驾驶状态的方法及*** | |
| CN116196020A (zh) | 一种基于表面肌电信号的患者肌肉疲劳度评估***及方法 | |
| CN116880454A (zh) | 车辆故障智能诊断***与方法 | |
| CN111276208A (zh) | 基于大数据的健康分析*** | |
| CN110993096A (zh) | 一种脓毒血症的预警装置、设备及存储介质 | |
| CN117854745A (zh) | 一种智能健康管理***、方法、设备及介质 | |
| CN112383829B (zh) | 一种体验质量测评方法及装置 | |
| CN116992219A (zh) | 基于噪声检测指标的信号质量表征单元、噪声源定位方法 | |
| CN117038079A (zh) | 基于神经网络的儿童心脏病风险评估与预警*** | |
| CN112017779A (zh) | 一种基于体检数据分析人体健康预警*** | |
| CN115191969A (zh) | 一种基于物联网的健康监测及报警方法及*** | |
| CN109592525A (zh) | 电梯变频器故障诊断***及方法 | |
| CN114742090A (zh) | 一种基于精神疲劳监测的驾驶舱人机交互*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |