一种适用于智能船舶机舱轮机员的脑力负荷评估系统

技术领域

本发明涉及心理工作负荷评估领域，尤其涉及一种适用于智能船舶机舱轮机员的脑力负荷评估系统。

背景技术

智能船舶随着大数据和自动化技术的高速发展，迅速崛起。如中国专利：“CN113487760 A公开了一种智能船舶的轮机系统，包括轮机部集成平台、轮机部船舶网络装置和轮机部岸基云基站。本发明以“轮机部集成平台”为基础，运用先进的信息化技术，实现了机舱智能化的感知、判断分析和岸基数字孪生，从而更好地保证船舶在航行时的安全和效率，以及岸基远程控制和决策，大幅度减少甚至杜绝人为因素造成的事故。集成式多源数据采集与融合系统可保证时间序列数据的连续性，为轮机部AR系统和轮机部数字孪生系统提供数据支持。轮机部AR系统可显著提高船舶轮机系统运行过程中设备检测，更好的监控船舶轮机系统各设备的运营状态；在轮机部设备拆装和维修时可以显著提升效率，缩短机舱设备维修导致的停机时间，减少维修成本。”其虽然完成了对船舶设备的智能监控，船舶机械设备的可靠性、安全性得到提升，但未能做到对轮机员的脑力负荷进行监测评估，导致由人为因素引起的船舶安全事故未能得到改善，当下船舶安全事故大多由人为因素导致。而人为因素中最突出要素的便是“轮机员的状态”，即轮机员的脑力负荷状况。

脑力负荷也可称作心理工作负荷，即单位时间内人体承受的心理工作量。心理工作负荷指在监视、控制、决策工作中人的工作能量与输入负荷的差异,一般分为信息加工负荷和情绪负荷两个方面。信息加工负荷包括信息接收、中枢信息加工、控制反应等。不同功能的信息加工要求心理上作出不同的努力。在同样的输入负荷下，随着动机和经验的增长，人所体验到的心理工作负荷也随之下降。有时，在输入负荷变化（增加）的情况下，操作者可以通过改变操作策略或改变内在效绩标准，而不改变心理工作负荷。

心理工作负荷在智能船舶机舱轮机员的工作也适用。为确保工作效绩，需要对智能船舶机舱轮机员的脑力负荷（即工作负荷）进行评估。

现有的评估心理工作负荷的办法有三种，分别是主观测量法、工作测量法以及生理测量法。具体如下：

主观测量法是最简单也是最流行的脑力负荷评定方法，就是在任务进行中或结束时，让被试填写量表来主观评价他们对该任务难度的感受，以及执行任务时/后的心理负荷状态。其理论基础是操作者脑力资源的占用与个人努力的程度是正相关的，并且这种努力程度能够由操作者准确表达出来。

其方法优点在于：

（1）操作简单，使用方便，容易为操作人员接受，对任务几乎没有干扰；

（2）使用同意的维度进行评价，可对不同任务的负荷结果进行比较，不但能区分超负荷与非超负荷，同时对中、低负荷的变化也较为敏感。

但其缺点在于：

（1）这种方法主观性太强，当被试受不良情绪（如反抗、不满等）影响时，评价结果的真实性不确定。

工作测量法通常分为主任务测量法与次任务测量法，以被试在执行工作任务时的表现作为脑力负荷的衡量指标，反映了工作者在具体任务环境中执行任务的能力。主任务测量法通过测量被试执行主任务的工作绩效来反映主任务脑力负荷的高低，而次任务测量法是在主任务中加入次任务，通过测量被试完成次任务的表现间接反映主任务的脑力负荷高低。

其优点在于：

得到的实验结果十分直观，无需经过数据处理，易于判断。

但其缺点在于：

（1）在次任务的选择上缺乏规范，且对于任务完成情况的好坏评价没有统一的标准，缺乏科学性；

（2）实践发现次任务测量法普遍对被试的主任务影响较大，故实际中可运用场景较少。

生理测量法是通过测量被试的某项或多项生理指标的变化来反映其脑力负荷水平的改变，其理论基础是工作负荷的变化会引起人体某些生理指标的变化。通过让被试佩戴生理数据采集设备，收集被试的一项或多项生理数据，经过数据分析处理后，根据生理数据的变化来判断被试的脑力负荷变化状态及水平。

其优点在于：

（1）具有较强的客观性和实时性，并且能在尽量不影响工作任务执行的情况下进行连续的数据采集和监测；

（2）一些生理指标与脑力负荷的相关性已经得到心理学上的明确解释与证实。

但其缺点在于：

（1）脑力负荷的变化会引起某些生理指标的变化，但事实上其他许多与脑力负荷相关性不大的因素也有可能引起这些变化；

（2）所采用的生理采集设备大多侵入性太强，令佩戴者感到不适，甚至成为被试脑力负荷的来源之一；

（3）某一项生理指标可能仅对某种类型的任务敏感，对其他类型的任务不敏感，因此，对于一些复杂的多类型任务场景，需要测量多项生理指标，这在实际测评工作中存在一定的实施难度。

以上提及的当前主流的负荷测量手段均存在各自的局限性，要么主观性太强，要么缺乏实验规范，要么设备操作难度大。不论选择何种单一的负荷测量方法，均难以得到较为客观、全面的结果，且现有的方法并不贴合未来智能船舶轮机员的工作场景。因此从未来智能船舶机舱轮机员的工作场景出发，开创新型负荷测量手段，具有较大的现实意义。

发明内容

本发明提出了一种适用于智能船舶机舱轮机员的脑力负荷评估系统，解决了现有的“智能船舶机舱轮机员的脑力负荷评估系统”要么存在主观性强、真实性不确定，要么存在缺乏规范、标准乱、易被影响、适用性差，要么存在干扰因素多、采集设备存在额外负荷使用难度大等问题。

为了实现上述目的，本发明采用了如下技术方案：

一种适用于智能船舶机舱轮机员（以下简称轮机员）的脑力负荷评估系统，实现工作时对轮机员脑力负荷的进行实时监测与评估。包括下列步骤：

（1）基于不同难度的实验任务，获得轮机员在模拟机舱中操作时的主观与客观数据；

（2）对所述轮机员的主、客观数据进行数据处理获得脑力负荷评估模型的训练数据；

（3）将上述训练数据输入集成学习模型进行训练；

（4）利用训练得到的模型对轮机员实际工作时的脑力负荷进行实时评估；

（5）系统根据评估结果对轮机员的工作状态给出调整建议。

所述轮机员的主观数据包括在每次模拟机舱操作结束后获取的轮机员的NASA-TLX主观量表数据；所述轮机员的客观数据包括在模拟操作中轮机员的眨眼频率、注视次数、注视时长以及轮机员完成每项任务的操作时间。

NASA—TLX量表是由美国航空航天局开发的，是一个多维脑力负荷评价量表。其涉及到六个负荷因素，分别是心理需求、体力需求、时间需求、作业绩效需求、努力程度和挫折程度。其评价方法分为两步：

首先，标记单项负荷水平，除业绩水平外，其他5条目从左至右均为负荷逐渐增加，业绩水平从左至右为由好到差；

其次，采用两两比较的方法，将6个条目进行两两配对，共做成15个对子，要求研究对象选出每个对子中与脑力负荷关联更为密切的那一条目，最终根据每一条目被选中的次数来确定该条目对总脑力负荷的权重，脑力负荷值即为6个条目的加权平均值。

整个方法与系统的方案包括：工作场景库模块、数据采集模块、数据处理模块、数据存储模块、辅助决策模块以及显示模块；分为建立评估模型和实际航行评估两个大步骤。

其中, 数据采集模块、数据处理模块、数据存储模块、辅助决策模块以及显示模块构成一种一体化电子设备。

这种设备可用于智能船舶机舱，设置在集控台，可依附于集控台的显示屏下，主要用于：

（1）存储工作场景库内所有任务的详细操作步骤，用于指引轮机员完成监测、维护、检修等工作；

（2）带有屏下摄像头，负责对轮机员的眼部数据进行采集；

（3）屏下附有一种遥测式红外眼动仪；

（4）对收集到的数据进行计算与特征提取。

建立评估模型的具体步骤如下：

（1）工作场景库模块

工作场景库模块，负责根据轮机员在工作时可能遇见的各种任务和工况，建立一个智能船舶机舱轮机员工作场景库。

所述各种任务，应当包括了轮机员在实际工作中可能遇到的高、中、低各类难度的任务。例如船舶主柴油机的参数监测可以纳入低负荷任务，船舶电站的并列与解列可纳入中等负荷任务。为了模拟实际情况，也可以设计在同一段时间内完成多项任务的场景，而任务的难度分类需要由专业轮机人员确定。在确定任务分类后，应将所有的工作场景及其操作步骤存储在数据存储模块中。

（2）数据采集模块

按照步骤（1）所述工作场景，令轮机员在模拟智能机舱中完成各项任务的操作，在操作过程中获取轮机员的主观与客观数据。

客观数据采集：

轮机员开始操作时，需要先在集控台的人机交互界面选择工作任务，在选定任务时，设备即开始计时，直到轮机员操作结束方停止计时，系统记录下这两个时间节点。

对于轮机员眼动数据的收集，通过本发明所提出的一体化设备来实现。屏下附着的遥测式红外眼动仪，通过对操作人员的眼睛发射光线，造成反射，并通过摄像机采集带有反射效果的眼部图像，根据这些眼部图像来识别光源在角膜和瞳孔上的反射，如此来计算出眼动的向量，然后将此向量的方向与其他反射的几何特征结合计算出视线的方向。视线停留超过1s时，即判定为一次注视。

此外，通过摄像机摄制的图片，一并记录轮机员的眨眼行为。

对于轮机员主观量数据的收集，即在完成相应操作之后，让被试者在人机交互界面填写NASA-TLX量表，得到轮机员的各项打分。

（3）数据处理模块

收集数据之后，被传送到数据处理模块中进行分析处理。对于客观数据：

首先，根据眨眼次数与时间计算出轮机员的眨眼频率。

其次，计算操作过程中轮机员发生注视行为的总次数与总注视时间。

最后，根据任务开始与结束的时间节点计算得到轮机员的任务完成时间。

对于主观数据：

对轮机员的NASA-TLX量表评估结果进行加权计算，得到主观评价的负荷值。

在进行数据提取之后，根据K-means聚类算法来建立评估模型。

（4）数据存储模块

将建立的轮机员工作场景库以及训练好的模型按分布式数据库进行存储。

实际航行评估的具体步骤如下：

（1）数据采集模块

在实际航行过程中，由一体化电子设备采集轮机员各项数据。

（2）数据处理模块

如前文所述，对收集到的各项数据进行分析处理。

（3）辅助决策模块

系统将处理好的数据输入进已训练好的评估模型中进行聚类，并得到聚类结果。若模型输出为“负荷过低”，则辅助决策模块建议给轮机员增加一些类似数据监测，设备检查的低难度任务；若输出为“负荷正常”，则辅助决策模块建议驾驶员保持当前工作状态；若输出为“负荷过高”，则辅助决策模块建议轮机员尽快交班休息。

（4）显示模块

辅助决策模块将评估结果与工作调整建议输入至人机交互界面的显示模块中，反馈给轮机员。

（5）数据存储模块

将迭代后新的评估模型进行存储。在数据存储模块中每位轮机员建立一个专属的数据库，用于存储他们个人的工作数据，并进行迭代聚类。轮机员在以后在此进行评估时，就可以调用由其个人历史数据得到的评估模型。

相对于现有技术的有益效果：

（1）提出了一种包含多个模块的一体化电子设备，主要通过红外技术和图像识别技术来解决轮机员在智能机舱中工作时的眼部数据采集问题。

（2）对于所提出的这个一体化设备，在完善其部分功能后（如显示屏），它同样有承担人机交互功能的能力，如此一来就不必再通过独立的实验设备来进行数据采集，优化了机舱的空间。

（3）基于智能机舱中以人机界面交互为主的工作环境，提出了通过轮机员的眼动数据与主观负荷感受来综合评估轮机员的脑力负荷，同时考虑的轮机员的操作时间，是一种融合了多种负荷测量手段的，且较为符合智能机舱实际工作情况的方法。

（4）通过K-means聚类算法来建立轮机员脑力负荷综合评估模型，在实验场景以及样本数据有限的情况下，通过不断地迭代最终得到一个较为准确的聚类模型。

（5）为了降低个体差异对评估结果的影响，提出为每位轮机员建立一个专属数据库，通过与轮机员自身的历史数据模型进行聚类，能提高评估的准确度。

附图说明

图1为本发明评估模型的建立示意图；

图2为本发明实际评估流程示意图；

图3为本发明评估实例中机舱轮机员的评估结果图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

实施例1，参照附图1-2，一种适用于智能船舶机舱轮机员（以下简称轮机员）的脑力负荷评估系统，实现工作时对轮机员脑力负荷的进行实时监测与评估。

整个方案包括：工作场景库模块、数据采集模块、数据处理模块、数据存储模块、辅助决策模块以及显示模块，分为建立评估模型和实际航行评估两个大步骤。

具体技术方案是该方法与系统，包括：

（1）基于不同难度的实验任务，获得轮机员在模拟机舱中操作时的主观与客观数据；

（2）对所述轮机员的主、客观数据进行数据处理获得脑力负荷评估模型的训练数据；

（3）将上述训练数据输入集成学习模型进行训练；

（4）利用训练得到的模型对轮机员实际工作时的脑力负荷进行实时评估；

（5）系统根据评估结果对轮机员的工作状态给出调整建议。

该方案中数据采集模块、数据存储模块、数据处理模块、辅助决策模块以及显示模块构成一体化电子设备。这种设备可用于智能船舶机舱，设置于集控台，可依附于集控台的显示屏下，主要用于：

（1）存储工作场景库内所有任务的详细操作步骤，用于指引轮机员完成监测、维护、检修等工作；

（2）带有屏下摄像头，负责对轮机员的眼部数据进行采集；

（3）屏下附有一种遥测式红外眼动仪；

（4）对收集到的数据进行计算与特征提取；

所述轮机员的主观数据包括在每次模拟机舱操作结束后获取的轮机员的NASA-TLX主观量表数据；所述轮机员的客观数据包括在模拟操作中轮机员的眨眼频率、注视次数、注视时长以及轮机员完成每项任务的操作时间。

NASA—TLX量表是由美国航空航天局开发的，是一个多维脑力负荷评价量表。其涉及到六个负荷因素，分别是心理需求、体力需求、时间需求、作业绩效需求、努力程度和挫折程度。其评价方法分为两步：

首先，标记单项负荷水平，除业绩水平外，其他5条目从左至右均为负荷逐渐增加，业绩水平从左至右为由好到差；

其次，采用两两比较的方法，将6个条目进行两两配对，共做成15个对子，要求研究对象选出每个对子中与脑力负荷关联更为密切的那一条目，最终根据每一条目被选中的次数来确定该条目对总脑力负荷的权重，脑力负荷值即为6个条目的加权平均值。

建立评估模型的具体步骤如下：

（1）工作场景库模块

工作场景库模块，负责根据轮机员在工作时可能遇见的各种任务和工况，建立一个智能船舶机舱轮机员工作场景库。

所述各种任务，应当包括了轮机员在实际工作中可能遇到的高、中、低各类难度的任务。例如船舶主柴油机的参数监测可以纳入低负荷任务，船舶电站的并列与解列可纳入中等负荷任务。为了模拟实际情况，也可以设计在同一段时间内完成多项任务的场景，而任务的难度分类需要由专业轮机人员确定。在确定任务分类后，应将所有的工作场景及其操作步骤存储在数据存储模块中。

（2）数据采集模块

按照步骤（1）所述工作场景，令轮机员在模拟智能机舱中完成各项任务的操作，在操作过程中获取轮机员的主观与客观数据。

客观数据采集：

轮机员开始操作时，需要先在集控台的人机交互界面选择工作任务，在选定任务时，设备即开始计时，直到轮机员操作结束方停止计时，系统记录下这两个时间节点。

对于轮机员眼动数据的收集，通过本发明所提出的一体化设备来实现。屏下附着的遥测式红外眼动仪，通过对操作人员的眼睛发射光线，造成反射，并通过摄像机采集带有反射效果的眼部图像，根据这些眼部图像来识别光源在角膜和瞳孔上的反射，如此来计算出眼动的向量，然后将此向量的方向与其他反射的几何特征结合计算出视线的方向。视线停留超过1s时，即判定为一次注视。

此外，通过摄像机摄制的图片，一并记录轮机员的眨眼行为。

对于轮机员主观量数据的收集，即在完成相应操作之后，让被试者在人机交互界面填写NASA-TLX量表，得到轮机员的各项打分。

（3）数据处理模块

收集数据之后，被传送到数据处理模块中进行分析处理。对于客观数据：

首先，根据眨眼次数与时间计算出轮机员的眨眼频率。

其次，计算操作过程中轮机员发生注视行为的总次数与总注视时间。

最后，根据任务开始与结束的时间节点计算得到轮机员的任务完成时间。

对于主观数据：

对轮机员的NASA-TLX量表评估结果进行加权计算，得到主观评价的负荷值。

在进行数据提取之后，根据K-means聚类算法来建立评估模型。

K-means算法是一种常用的聚类算法，其主要思想是：在给定K值和K个初始类簇中心点的情况下，把每个点(即代表数据记录)分到离其最近的类簇中心点所代表的类簇中。当所有点分配完毕之后，根据一个类簇内的所有点重新计算该类簇的中心点(取平均值)，然后再迭代地进行分配点和更新类簇中心点的步骤。反复如此，直至类簇中心点的变化很小，或者达到指定的迭代次数。

假设给定数据样本X，其中包含有ｎ个对象Ｘ＝｛

对于K-means，首先需要初始化

其中，

依次比较每一个对象到每一个聚类中心的距离，将对象分配到距离最近的聚类中心的类簇中，得到

类簇的中心就是类簇内所有对象在各个维度的均值，计算公式如式（2）：

式（2）中，

在本发明中，对于三类场景下收集到的4个维度的数据，相应地应该有三个聚类中心，分别代表负荷较低，负荷正常与负荷较高。可根据NASA-TLX量表得到的负荷值结果，分别在低负荷和高负荷场景中取负荷值最小、和最大的两次数据作为低负荷簇与高负荷簇的聚类中心，在剩下数据中，按负荷值中位数选取数据作为负荷正常簇的聚类中心。

确定聚类中心后，将样本中的所有对象数据输入，依次比较每一个对象到每一个聚类中心的距离，并将对象分配到距离最近的聚类中心的类簇中，最终得到3个类簇。在这三个初始类簇的基础上，继续进行迭代，直到簇类的中心点基本不变。如此，则算法模型基本训练完毕。

（4）数据存储模块

将建立的轮机员工作场景库以及训练好的模型按分布式数据库进行存储。

实际航行评估的具体步骤如下：

（1）数据采集模块

在实际航行过程中，由一体化电子设备采集轮机员各项数据。

（2）数据处理模块

如前文所述，对收集到的各项数据进行分析处理。

（3）辅助决策模块

系统将处理好的数据输入进已训练好的评估模型中进行聚类，并得到聚类结果。若模型输出为“负荷过低”，则辅助决策模块建议给轮机员增加一些类似数据监测，设备检查的低难度任务；若输出为“负荷正常”，则辅助决策模块建议驾驶员保持当前工作状态；若输出为“负荷过高”，则辅助决策模块建议轮机员尽快交班休息。

（4）显示模块

辅助决策模块将评估结果与工作调整建议输入至人机交互界面的显示模块中，反馈给轮机员。

（5）数据存储模块

将迭代后新的评估模型进行存储。同时，考虑到操作者的工作经验对其脑力负荷亦有影响，可以在数据存储模块中每位轮机员建立一个专属的数据库，用于存储他们个人的工作数据，并进行迭代聚类。轮机员在工作时先进行账户登录，这样轮机员在以后在此进行评估时，就可以调用由它个人历史数据得到的评估模型，这样在一定程度上能够减少个体差异性造成的脑力负荷评价的误差。

实施例2，在实施例1的基础上，进行实际航行评估，将数据采集模块采集到轮机员的数据，输入给数据处理模块，再将处理后的数据输入给辅助决策模块，辅助决策模块的建议等信息反馈到显示屏上。最终将显示模块上的数据汇集呈表，如图3所示。

以上，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

本发明未涉及部分均采用现有技术得以实现。