目的基于空间定向飞行模拟状态下飞行员的视觉注视行为,初步提出一种实时评估飞行员情景意识能力的方法。方法通过抽签法随机抽取符合标准的歼击机飞行员。采用眼动仪收集飞行模拟器中飞行员的眼动踪迹特征数据,利用轻量级的YOLOv8n模...目的基于空间定向飞行模拟状态下飞行员的视觉注视行为,初步提出一种实时评估飞行员情景意识能力的方法。方法通过抽签法随机抽取符合标准的歼击机飞行员。采用眼动仪收集飞行模拟器中飞行员的眼动踪迹特征数据,利用轻量级的YOLOv8n模型对训练中的感兴趣区域(area of interest,AOI)进行检测,构建AOI注视序列特征数据。记录飞行员的错觉体验和复杂状况改出结果,通过情景意识综合评估方法打分得到3个情景意识划分等级——优秀、良好、一般,作为标签数据。开发一种转换器与启发式模块融合的态势感知(transformer and inception module fusion situation awareness,Ti-SA)模型,用于提取和学习眼动踪迹时序数据与AOI注视时序数据的特征,并与其他多维时序分类领域的常用模型进行比较。结果共纳入歼击机飞行员30名,均为男性,年龄23~38岁,飞行时间300~2200 h。通过眼动仪共获取飞行员眼动踪迹的19个时序特征,飞行员的情景意识划分等级:优秀等级的12名,良好等级的15名,一般等级的3名。Ti-SA模型用于所得数据集,准确率为92.18%,精确率为92.95%,召回率为95.49%,F1分数为94.20%,优于其他多维时序分类领域的常用模型。结论研究表明,所提出的数据集构造方法和Ti-SA模型能够有效评估飞行员在空间定向飞行模拟状态下的情景意识水平。展开更多
文摘目的基于空间定向飞行模拟状态下飞行员的视觉注视行为,初步提出一种实时评估飞行员情景意识能力的方法。方法通过抽签法随机抽取符合标准的歼击机飞行员。采用眼动仪收集飞行模拟器中飞行员的眼动踪迹特征数据,利用轻量级的YOLOv8n模型对训练中的感兴趣区域(area of interest,AOI)进行检测,构建AOI注视序列特征数据。记录飞行员的错觉体验和复杂状况改出结果,通过情景意识综合评估方法打分得到3个情景意识划分等级——优秀、良好、一般,作为标签数据。开发一种转换器与启发式模块融合的态势感知(transformer and inception module fusion situation awareness,Ti-SA)模型,用于提取和学习眼动踪迹时序数据与AOI注视时序数据的特征,并与其他多维时序分类领域的常用模型进行比较。结果共纳入歼击机飞行员30名,均为男性,年龄23~38岁,飞行时间300~2200 h。通过眼动仪共获取飞行员眼动踪迹的19个时序特征,飞行员的情景意识划分等级:优秀等级的12名,良好等级的15名,一般等级的3名。Ti-SA模型用于所得数据集,准确率为92.18%,精确率为92.95%,召回率为95.49%,F1分数为94.20%,优于其他多维时序分类领域的常用模型。结论研究表明,所提出的数据集构造方法和Ti-SA模型能够有效评估飞行员在空间定向飞行模拟状态下的情景意识水平。
