民航西南空管局终端管制室 四川成都 610041
摘要:随着我国航空运输业的快速发展以及军航现代化建设的加快,空中环境将日趋复杂,飞行空域更加拥挤,这将给管制工作带来更高的工作要求。已有研究证明,管制员疲劳状态会导致认知能力和警觉水平的下降,进一步造成管制员决策差错、记忆遗漏、违章操作等不安全行为以及易怒、焦虑等不良情绪,影响班组成员之间的协作配合。
关键词:空中交通管制;管制员;疲劳监测
1 引言
目前空中交通管制岗位通常具有心理负荷重、执勤时间长、轮班等特点,这些都是引起管制员疲劳的重要诱因,所以说管制员疲劳现象具有一定的普遍性,特别是我国航空运输业蓬勃发展,航空器及飞行架次数量都在飞速增长,管制岗位工作负荷也随之增加,如果培养的管制员数量不能满足行业发展需求,那么在岗管制员的疲劳问题将会日趋凸显,并将在短期内持续。
2 基于面部特征识别的空中交通管制员疲劳状态实时监测方法
通过对疲劳监测方法的比较发现,疲劳的主观监测评定方法往往缺乏实时性和准确性,而很多通过生理指标监测判定疲劳的方法由于会对被试者产生侵入式干扰,其可应用性往往较差。本文结合空管岗位的工作特性,选择面部特征及状态识别作为管制员疲劳监测的方法,因为在所有动态变化的人脸特征中,眼睛、嘴巴具有最为显著的特征,通过试验可获得基于眼睛和嘴部状态变化的疲劳判定指标及其阈值,根据这些指标可评估管制员的疲劳状态。
2.1 眼睛状态与疲劳判定一个人每分钟要眨眼10次左右,每次眨眼要用0.3~0.4s,每两次之间相隔约2.8~4s。对于空中交通管制员来说,需要长时间的高度集中精力,所以其眨眼频率相对会少一些,正常情况下每分钟大约5~10次,但是在疲劳状态出现或在和疲劳作斗争时,眨眼次数会明显增加。人在疲劳状态出现时,连续闭眼的时间会相应地延长,而且眨眼的时间间隔不稳定,要么是在短时间内频繁眨眼,要么是在长时间内持续睁眼不眨眼。
2.2 嘴部状态与疲劳判定
眼睛的状态可以很好地反映作业者是否疲劳,因此多数疲劳的研究基于眼部的特征,但眼部特征并不是唯一可以反映作业者疲劳的信息,嘴部哈欠状态也是疲劳的一个显著特征,人在疲劳犯困时都会打哈欠。医学研究也表明,打哈欠是脑部缺氧的表现,对人体是一种保护性适应。人体通过打哈欠的深呼吸运动使血液中增加氧气,排出更多的二氧化碳,从而使人精力更加充沛。当人体睡眠不足或劳累过度时,会接二连三地打哈欠,这是警告人们大脑和各器官已经疲劳,要我们赶快睡觉,得到休息。
由于打哈欠时嘴部状态变化很大,从模式识别和图像处理的技术角度来看,它也是一个易测、可靠的面部变化特征,因此本研究初步考虑将打哈欠作为一个疲劳监测指标,同时设计了打哈欠的测试试验,目的是测试个体在疲劳状态下是否存在打哈欠的现象。为此本研究选定十名志愿者,在为期一周的时间里进行两次数据采集,其中一次选择在白天上午精力充沛的时刻,被试者自感非常清醒无疲劳,自述评语记录为“打哈欠”或者“无哈欠”;另外一次则选择在被测者正常生活中的睡眠时刻,被试者自感非常困倦,自述评语记录为“打哈欠”、“哈欠频繁”、“无哈欠”。测试结果表明将打哈欠作为疲劳监测判定指标是可靠、有效的。
期刊文章分类查询,尽在期刊图书馆
基于嘴部特征状态的疲劳监测指标有两个:一是哈欠频率,即单位时间内被试者打哈欠的次数,该数值越大则表明被测者越疲劳;二是哈欠持续时间,即被试者嘴部张开最大状态的持续时间,时间越长则表明被测者越疲劳。但考虑到哈欠持续时间往往存在较大的个体差异,因此确定将打哈欠频率作为管制员疲劳监测的一个重要面部状态识别指标,并通过进一步睡眠剥夺试验确定其判定阈值。
2.3 疲劳判定指标确定
试验为了进一步确定基于面部特征识别的疲劳监测指标阈值,本研究设计了睡眠剥夺的疲劳测试试验。试验选取6名在校研究生(年龄22.8±1.8岁)作为被测试者,男性及女性各3人,视力或矫正视力正常,采用36h睡眠剥夺迫使被试者产生疲劳感,即试验过程从第一天上午8:00持续到第二天晚上20:00,剥夺睡眠过程中允许被试者上网、阅读等正常工作学习活动,禁止任何形式睡眠,禁止其他剧烈运动、桥牌等娱乐活动,禁止饮用咖啡、浓茶等引起神经系统兴奋的饮料。结语对疲劳实施系统风险管理是解决管制员疲劳问题的有效途径,其中对管制员疲劳状态进行实时监测是疲劳风险管理的重要组成部分,但是目前国内针对管制员疲劳状态进行实时、客观、定量的监测判定方法方面的研究较少,可应用的成果更少,鉴于此本文在综合对比大量疲劳监测方法的基础上,提出了基于面部特征识别的疲劳状态实时监测方法,讨论了其原理和实现流程,并在后续研究中初步开发设计了功能完善的管制员疲劳状态实时监测与告警原型系统,验证了该方法的可行性与可靠性,相信该系统应用后将可为监控管制员疲劳、系统化疲劳风险管理及改善空管安全发挥积极的作用。
3 方法的实现
3.1 实现流程
在通过试验得到疲劳判定的面部特征指标后,本研究应用机器视觉技术开发设计了一套管制员疲劳状态实时监测与告警原型系统来实现上述方法,其中关键技术包括人脸识别算法及其实现、眼睛的定位与状态判断算法及其实现、嘴部的定位与状态判断算法及其实现。
3.2 原型系统设计本研究开发设计的空中交通管制员疲劳状态实时监测与告警原型系统界面,界面主要分为控制区、显示区、数据显示区、绘图区和疲劳程度显示区5个部分,分别完成相应功能。
(1)控制区:主要完成系统所有用户操作功能,包括系统设置、参数设置、启动视频、检测、定帧、退出系统功能。
(2)显示区:主要用于显示输入信号以及定帧图像处理的效果。其中,左侧输出窗口用于显示输入信号和脸部定位、眼部定位以及嘴部定位的效果;右侧输出窗口用于定帧,并显示图像预处理的效果。
(3)绘图区:通过数值曲线变化显示特定参数随时间的变化,主要显示PERCLOS值、平均闭眼时长、打哈欠频率3个疲劳判定指标参数随时间的变化。
(4)数据显示区:通过数值显示PERCLOS值、平均闭眼时长和打哈欠频率3个疲劳判定指标参数值,该区域显示的数值随着相应数值的变化而变化。
(5)疲劳程度显示区:用颜色显示被测者的疲劳程度,且颜色越深,疲劳程度越高。初步确定用红色显示严重疲劳、粉红显示中度疲劳、橙色显示轻度疲劳、绿色代表不疲劳。
鉴于此本文提出了基于面部特征识别的疲劳状态实时监测方法,讨论了其原理和实现流程,并在后续研究中初步开发设计了功能完善的管制员疲劳状态实时监测与告警原型系统,验证了该方法的可行性与可靠性,相信该系统应用后将可为监控管制员疲劳、系统化疲劳风险管理及改善空管安全发挥积极的作用。
4 结语
在综合比较已有疲劳监测方法的基础上,结合空中交通管制岗位的特性,提出了基于面部特征识别的空中交通管制员疲劳状态实时监测方法,并讨论了其实现过程。研究结果表明将基于面部特征识别的疲劳状态实时监测方法应用于空中交通管制岗位是适用、可行的,在此基础上进一步开发的疲劳监测系统将可为空中交通疲劳风险管理提供有力的支持。
参考文献:
[1]孙涛,陈宇.空中交通管制的疲劳管理和预防[J].空中交通管理,2005,(5):4-10.
[2]李津强.脑力疲劳检测方法的实验性研究[D].西安:第四军医大学,硕士学位论文,2008.[18].
[3]王黎,于涛,闻邦椿.基于脑电α波的非线性参数人体疲劳状态判定[J].东北大学学报,2005,26(12):1174-1177.
论文作者:许扬
论文发表刊物:《防护工程》2017年第21期
论文发表时间:2017/12/26
标签:疲劳论文; 管制论文; 状态论文; 被试者论文; 方法论文; 特征论文; 实时论文; 《防护工程》2017年第21期论文;