高度自动化系统对管制员行为影响研究

The applications of automations in the air traffic management system have been significantly improving the capability of the system by alleviating air traffic controllers' taskload. Air traffic controllers are continuing to be in the center of the system, and their behavior is closely connected to the safety of the system. How to accurately measure controllers behavior has been a widely investigated topic in the field. Here we propose an experimental study of air traffic controllers' behavior based on the data analytics from different datasets. Controllers' eye movements data, physiological data, and communication data are collected under different simulation scenarios. The stress, mental workload, attention, and cognitive types of tasks are fully explored during and after simulation. The metrics that can be used to monitor controllers' performance are constructed from their physiological data and eye movements data. Impacts of automation on controllers' behavior are examined. A guideline for the design of automation tools is then proposed. This project not only contributes to our understanding of human behavior under highly automation environments, but also has potential implications for ensuring the safety and efficiency of air transport system.

自动化系统工具在空中交通管理系统中的广泛应用，减轻了管制员的工作任务负荷，提高了系统运行能力。然而，管制员在当前和未来的系统中将会一直处于系统的中心，他们的行为影响了整个系统运行的安全。合理科学评价管制员的行为一直是航空运输领域研究的一个难点。本项目拟通过采集在不同自动化水平环境下的管制员神经生理行为数据，研究管制员的压力、注意力、工作负荷和认知任务的类型，建立能够实时监视管制员工作状态的指标体系，构建管制员注意力分配模型，探讨自动化水平对管制员行为的影响，通过平衡自动化水平和管制员能力，提出未来自动化系统设计指导原则。本项目不仅对深入理解人类在自动化环境下的行为机制具有重要理论价值，而且对保障航空运输系统运行安全、提高系统运行效率具有现实意义。

本项目面向未来空中交通管理高度自动化场景中的人为因素相关问题进行了深入研究，搭建了不同自动化水平的空中交通管理仿真实验平台，设计了多种典型的交通管理仿真实验，采集了成熟管制员和管制学员在参与实验过程中的眼动行为数据、脑电行为数据和其他神经生理行为数据，研究了各种神经生理指标与管制员工作状态之间的关系，识别了引导管制员注意力的主要因素，建立了管制员注意力分配模型，研究了不同自动化水平对管制员行为的影响以及对不同级别管制员带来的行为差异，探讨了自动化系统设计的一般原则。本项目的成果对于促进理解人-机交互具有理论价值，对于管制员培训和管制自动化系统开发也有重要应用意义。