● 摘要
在飞机座舱中，80％以上的信息是由视觉获得的，对飞行员视觉行为的研究一直是航空工效人员研究的重点。眼动研究是研究飞行员视觉行为的最有效手段，国外从20世纪40年代末就开始了对飞行员眼动数据的测量，但是国内航空领域的眼动研究基本还是空白。本论文对此进行了探索性研究，希望能为国内航空工效领域的眼动研究提供支持。本论文基于眼动实验和理论分析，首先研究了专家级飞行员和新手的扫视模式差异，得到了专家和新手在6个眼动指标方面的定量化差异；其次对专家级飞行员的注意力分配进行了定量测量和研究，得到了飞行员在三个典型任务阶段注意力分配的定量化数据；最后将眼动数据应用于飞行绩效的评价，得到了可行的技术路线和方法。主要工作包括以下三个个部分：（1）专家和新手模拟飞行的扫视模式差异。研究时把被试者分为专家和新手两个人群，实验记录了他们模拟飞行时的眼动数据和飞行参数数据，对他们的飞行绩效数据和眼动数据进行了对比。研究结果发现，专家和新手不仅在飞行绩效上存在着差异，在扫视模式上也存在着显著差异。根据实验结果，研究首次明确了扫视模式和飞行绩效之间的相关性关系，得到了专家和新手在6个眼动指标方面的定量化差异。研究表明，扫视模式和飞行绩效水平相关，高效的扫视模式与好的飞行绩效相关，因此在飞行训练中，眼动扫视差异可以作为一种评价飞行员绩效水平的手段。（2）专家模拟飞行的注意力定量分配特征。通过对专家模拟飞行的眼动实验研究，首次得到了飞行员在三种典型任务阶段的注意力定量分配数据。研究结果表明，按照视觉飞行规则操纵时，不同的任务阶段，飞行员对座舱内部仪表和外部视景有不同的注意力分配特征。在降落阶段飞行员对座舱内部和外景的注意力分配比例是1：9，在平飞和爬升阶段为2：8。研究结果可以指导飞行员训练时正确地分配注意力，也可以作为鉴别飞行员飞行技术的参考。（3）基于眼动数据和神经网络模型的飞行绩效预测和评价。基于上述研究结果，将神经网络理论引入眼动研究，首次利用眼动数据对不同水平飞行员的飞行绩效做了预测和评价研究。利用实验得到的眼动数据建立了三层BP神经网络模型。基于Matlab6.5的神经网络工具箱函数对BP神经网络模型进行了结构设计、算法优化、训练学习和测试仿真，成功地对专家和新手的飞行绩效进行了预测和评价。在已有实验数据基础上，应用随机插值法，补充了中间水平飞行员的眼动数据，使神经网络模型能在三个水平上对飞行绩效预测和评价。应用权值谱分析法初步确定了6个眼动输入变量对网络模型的贡献性大小。研究表明，利用眼动数据，引入神经网络理论进行建模，实现对飞行员飞行绩效的预测和评价是可行的；基于Matlab神经网络工具箱函数的建模技术具有快速、方便和高效的特性。