XiaoMi-AI文件搜索系统
World File Search SystemCockpit
手势对驾驶舱中的相互意识有何影响？通过图形表示公开交互
摘要 本文介绍了一种使用触摸式交互来确保客机飞行员相互了解的方法。事实上，触摸屏正在进入驾驶舱，但基于触摸的手势不如物理控制上的手势有效，而且出于效率和安全原因，它们在飞机上的使用受到限制。为了让其他飞行员有更安全的感知，我们建议用图形表示来补充对所执行手势的感知。我们的假设是，表示手势的效果比表示手势本身更重要。我们介绍了基于活动和图形符号学分析构建相互意识表示的设计选择。我们报告了从客机飞行员的设计演练中收集的结果。这些结果证实，表示手势的效果是相互意识的有效手段。我们的工作展示了飞行员如何理解手势的效果，既是结果，也是印象。
检查飞行员在信息丰富的驾驶舱中的决策
飞行员需要根据一系列不同的信息源做出决策。飞行员经常面临的一个挑战是信息源之间相互冲突的信息。这项工作通过对 13 名飞行员（包括 7 名航空公司飞行员、3 名企业飞行员和 3 名 GA 飞行员）进行结构化访谈，研究了飞行员在面对相互冲突的信息时做出的决策。飞行员被问及他们在驾驶舱或驾驶舱中面对相互冲突的天气、交通和导航信息源的经历。此外，他们还被要求描述他们如何应对信息冲突，包括他们信任哪个信息源、他们最终采取了哪个信息源的行动以及他们为什么采取该信息源的行动。本文介绍了方法、结果以及对商用和军用航空的影响。
根据事件日志进行过程感知数字孪生驾驶舱合成
摘要 — 由于系统的复杂性以及工程过程中需要来自不同学科的信息，因此数字孪生及其具有明确流程的用户交互部分（即流程感知数字孪生驾驶舱 (PADTC)）的工程具有挑战性。因此，研究如何通过使用现有数据（即事件日志）并减少工程中的手动步骤来促进其工程是很有趣的。尽管在流程挖掘和软件工程领域已经存在一些有用的技术，但当前的研究缺乏系统的自动化方法来推导流程感知的数字孪生驾驶舱。在本文中，我们提出了一种低代码开发方法，该方法减少了所需的手写代码量并使用流程挖掘技术来推导 PADTC。我们描述了可以从事件日志数据中推导出哪些模型，PADTC 的工程需要哪些生成步骤，以及如何将流程挖掘纳入到最终的应用程序中。使用 MIMIC III 数据集评估此过程，以创建自动化医院运输系统的 PADTC 原型。此方法可用于 PADTC 的早期原型设计，因为它首先不需要手写代码，但仍允许应用程序的迭代发展。这使领域专家能够创建他们的 PADTC 原型。索引术语 — 流程感知数字孪生驾驶舱、低代码开发方法、传感器数据、事件日志、流程挖掘、流程感知
模拟玻璃驾驶舱环境中眼球运动和疲劳的多模态分析
摘要：飞行员疲劳是与人为错误有关的航空事故的一个重要原因。如果可以利用飞行员的眼球运动测量来预测疲劳，那么与人有关的事故可能会减少。眼动追踪是一种非侵入式的可行方法，不需要飞行员暂停当前任务，并且设备不需要与飞行员直接接触。在本研究中，研究了心理运动警觉测试 (PVT) 测量（即反应时间、误报次数和失误次数）与眼球运动测量（即瞳孔大小、眼球注视次数、眼球注视持续时间、视觉熵）之间的正相关或负相关。然后，开发了疲劳预测模型，使用通过前向和后向逐步回归确定的眼球运动测量来预测疲劳。所提出的方法已在涉及新手和专家飞行员的模拟短途多阶段飞行任务中实施。结果表明，测量值之间的相关性因专业知识而异（即新手与专家）；因此，据此开发了两个预测模型。此外，回归结果表明，单个或部分眼球运动测量值可能足以预测疲劳。结果显示了使用非侵入式眼球运动作为疲劳预测指标的前景，并为我们更接近开发近乎实时的预警系统以防止重大事故奠定了基础。
基于布局设计原则的民用飞机座舱布局评估方法
摘要：随着科技的不断飞跃和创新的不断推进，民用飞机的系统日益精密复杂，座舱内飞行员需要处理的信息量也随之增加，认知负担也随之加重，对飞行安全构成极大威胁。为此，设计人员基于人机工程学，制定了重要性、使用频率、功能分组、操作顺序等座舱布局原则，可以有效减轻飞行员的认知负担。某机型座舱布局对四大设计原则的符合程度可以体现其人机工程学设计水平。本文依据上述四大座舱布局原则的概念，提出了座舱布局对四大设计原则符合性的评价方法。该方法以实际机型在正常飞行任务中使用的座舱系统控件操作顺序为评价数据源，采用加权累积法得到座舱布局总体评价结果。最后以A320系列和B737NG系列民航客机驾驶舱为例，阐述了民航客机驾驶舱布局的评估流程，并根据最终评估结果验证了所提评估方法的可行性和有效性。
利用脑电信号识别座舱内飞行员心理负荷
摘要：商用飞机驾驶舱是一个自然的多任务工作环境，其中经常以各种形式出现中断，在许多情况下导致航空事故报告。自动表征飞行员的工作负荷对于防止此类事故至关重要。此外，尽可能最小化生理传感器网络仍然是一项挑战和要求。脑电图 (EEG) 信号与特定的认知和心理状态（例如工作负荷）显示出高度相关性。但是，文献中没有足够的证据来验证模型在新的受试者执行与模型训练期间的工作负荷相似的任务的情况下的泛化能力。在本文中，我们提出了一个卷积神经网络，用于在连续性能任务测试中对不同心理负荷的 EEG 特征进行分类，该测试部分测量工作记忆和工作记忆容量。我们的模型在一般人群层面有效，并且能够将任务学习转移到模拟作战环境中的飞行员心理工作量识别。
飞行员对驾驶舱内人工智能的态度
摘要 — 随着航空业积极致力于将人工智能应用于空中交通，利益相关者一致认为需要采取以人为本的方法。然而，自动化设计往往以用户为中心，而开发实际上是以技术为中心的。这可以归因于系统设计人员的观点与实际使用复杂性之间的差异。目前在人工智能应用中也可以观察到同样的情况，大多数设计工作都集中在人与人工智能之间的界面上，而整个系统设计都是建立在先入为主的假设之上的。为了从用户的角度了解人工智能驱动的驾驶舱辅助系统的潜在可用性问题，我们采访了四名经验丰富的飞行员。虽然我们的参与者确实讨论了界面问题，但他们更担心如果操作复杂性超出其能力，自主系统可能会成为负担。除了常见的人机界面问题之外，我们的研究结果还指出，需要在系统设计层面更多地考虑操作复杂性。索引词 — 访谈、主题分析、智能驾驶舱辅助系统、人机交互、不完善的人工智能
推荐引用 推荐引用 Bahner，Christopher Michael，“使用高级驾驶舱模拟评估战术机组人员工作量及其对 EA-18G 飞机设计的影响。 “硕士论文，田纳西大学，2006 年。https://trace.tennessee.edu/utk_gradthes/1494
ICAP II 调查结果 ................................................................................................ 36 ICAP III 调查结果 ................................................................................................ 36 DAG 2 级别 1 ........................................................................................................ 38 DAG 2 级别 2 ........................................................................................................ 38 DAG 3 级别 1 ........................................................................................................ 40 DAG 3 级别 2 ........................................................................................................ 40 DAG 4 级别 1 和 2 ............................................................................................. 42 干扰平均工作量 ............................................................................................. 42 ECMO 工作量分析 ............................................................................................. 44 飞行员工作量分析 ............................................................................................. 46 常见任务 ............................................................................................................. 48
推荐引用 推荐引用 Bahner，Christopher Michael，“使用高级驾驶舱模拟评估战术机组人员工作量及其对 EA-18G 飞机设计的影响。” 硕士论文，田纳西大学，2006 年。https://trace.tennessee.edu/utk_gradthes/1494
ICAP II 调查结果 ................................................................................................ 36 ICAP III 调查结果 ................................................................................................ 36 DAG 2 级别 1 ........................................................................................................ 38 DAG 2 级别 2 ........................................................................................................ 38 DAG 3 级别 1 ........................................................................................................ 40 DAG 3 级别 2 ........................................................................................................ 40 DAG 4 级别 1 和 2 ............................................................................................. 42 干扰平均工作量 ............................................................................................. 42 ECMO 工作量分析 ............................................................................................. 44 飞行员工作量分析 ............................................................................................. 46 常见任务 ............................................................................................................. 48