Optimization Design of Interface Layout of High-Speed Railway Control Console Based on Attention Distribution
-
摘要:
为了研究驾驶员在高铁操纵台界面的注意力分配情况,以达到优化高铁操纵台界面布局设计的目的,采用CRH380D列车仿真平台,通过模拟驾驶实验的形式测定成都机务段动车运用车间14名驾驶员的注意力分配情况. 首先,将驾驶员的值乘过程分为发车准备、正线行驶、停车制动3个任务;其次,从视觉层、行为层、心理层3个维度出发,分别采集被试在3个任务中的眼动数据、操作轨迹、NASA-TLX量表主观工作负荷;最后,结合与被试的深度访谈,得出驾驶员对CRH380D列车操纵台界面的注意力分配情况. 研究结果表明:在CRH380D列车操纵台目前的界面布局设计中,驾驶员在执行驾驶任务时注意力分配最高的为ATP,其次为TCMS1;水平操纵面上21个开关按钮中,占用注意力较多的为开车门、停放制动和升弓、降弓按钮;眼动轨迹图与操作轨迹图比较复杂,驾驶员的主观工作负荷相对较高;根据实验结果总结出高铁操纵台界面布局设计的4条原则及一些相应的设计建议,并以CRH380D列车为例,得出其操纵台界面布局优化设计方案.
Abstract:In order to study the drivers’ attention allocation on the interface of high-speed railway control console, and finally achieve the purpose of optimizing the interface layout design of high-speed railway control console, the CRH380D train simulation platform was adopted, and the attention allocation of 14 drivers in the Chengdu locomotive depot high-speed train application workshop was measured by simulated driving experiment. Firstly, the driver’s on duty process was divided into three tasks: departure preparation, main line driving, and parking braking. Secondly, eye movement data, operation trajectory, and NASA-TLX subjective workload of the tested subjects in the three tasks were collected from the visual, behavioral, and psychological layers respectively. Finally, combined with the in-depth interview with the tested subjects, the attention allocation of the drivers to the CRH380D train control console interface was obtained. The results show that, in the current interface layout design of CRH380D train control console, ATP is the highest concentration distribution, followed by TCMS1. Among the 21 switch buttons on the horizontal control surface, the ones that attract more attention are the driving door, the parking brake, and the lifting/lowering buttons. Driver’s eye movement trajectory map and operation trajectory map are more complex, and driver's subjective workload is relatively high. According to the experimental results, four principles of interface layout design for high-speed railway control console and some corresponding design suggestions are summarized. Taking CRH380D train as an example, the optimal design scheme of high-speed railway control console interface layout is obtained.
-
高速列车驾驶室作为司机获取信息、作出决策、对有关系统进行指令控制并驾驶列车完成各种任务的工作场所,同时也是保证列车安全最重要的作业场所[1]. 操纵台界面布局设计情况将直接影响到列车行驶的安全、效率[2-3]. 因此对操纵台界面进行合理的人机分析和研究,以达到较佳的人机匹配度,给司机提供一个方便舒适的操作空间,可以减少司机体力、心理疲劳,降低人为误操作带来的安全隐患,更好地保证列车行驶安全[4-5].
国内外学者对操纵台界面布局设计一直存在着广泛的关注和高度的重视. 早期的人机界面设计采用二维或三维的物理人体模型,如美国福特公司按照人在驾驶过程中的身体姿态制成关节可以活动的二维人体模板,分析产品尺寸特性与人体尺度的相合性[6]. 随着计算机技术的迅速发展与普及,Bonney等[7]提出了根据设计标准的相对重要性进行布局设计的CAPABLE (controls and panel arrangement by logical evaluation)模型;Pulat等[8]研究了一个采用人体工程学进行大型控制面板布局设计的计算机辅助设计程序LAYGEN (layout generator)模型;Jung等[9]提出了一种结合人体工程学原理和设计约束的交互式迭代控制面板布局方法CSP (corporate social performance)模型;陈德钧等[10]利用RULA (rapid upper limb assessment)姿势负荷评价方法将司机驾驶作业动作因素定量化,提出了一种基于人因素和几何位置匹配因素的操纵台布局优化设计模型;支锦亦等[11]梳理了不同驾驶显示界面布局类型及元素编码,及其对用户搜索策略、识别效率、注意力和认知负荷影响的研究现状;詹自翔[12]引入高速列车司机信息处理模型,基于VACP理论提出了基于驾驶任务的高速列车驾驶界面布局与适配性评价方法. 综上,较多研究侧重从理论的角度出发,结合人机工程学进行人机界面布局设计,以最大化地实现人体尺度相合性和操作便捷性. 本文从实验的角度出发,采用模拟驾驶系统,通过分析驾驶员注意力分配情况进行高铁操纵台界面布局优化设计,为驾驶员提供更好的驾驶体验,同时为今后的设计提供原则及参考.
1. 研究思路
1.1 高铁操纵台界面的信息构成
高铁操纵台是驾驶员对列车进行整体控制、落实并完成各项任务的作业空间,具有空间狭小、操作显示设备多的特点,是人机关系最复杂、最核心的区域之一[13]. 以CRH380D列车模拟驾驶台为例,其操纵台界面的信息主要分为3类,结构分析如图1所示(“撒砂”按钮只在模拟驾驶台上有,实车上没有).
为了分析驾驶员在CRH380D模拟驾驶台的注意力分配情况,将其人机界面划分为多个不同兴趣区(AOI):AOI1~AOI5为竖直操作面上的各系统显示屏,以系统显示屏简称;AOI6为控制手柄;水平操作面上的各开关按钮按其功能分组,分为AOI7~AOI15,以开关按钮简称,如图1所示.
1.2 注意力分配研究路线
将驾驶员在驾驶过程中的注意力分配情况划分为3个维度:视觉层、行为层、心理层,并通过模拟驾驶实验进行测定,如图2所示. 视觉层的注意力分配情况主要通过眼动追踪实验采集,行为层通过驾驶员的操作轨迹进行分析,心理层采用NASA-TLX量表[14](美国航空航天局任务负荷指数量表)进行评估. 结合与驾驶员的访谈,总结出高铁操纵台界面布局优化设计的原则,并得出设计方案.
2. 实 验
2.1 实验平台与仪器
本实验测试地点为成都铁路局成都机务段的动车运用车间,实验所采用的仿真平台为成都机务段驾驶员平时用来练习和培训的,与实车比例1∶1的CRH380D列车模拟驾驶台,可以使驾驶员在虚拟环境实现真实的驾驶操作. 驾驶员在实验过程中的驾驶行为特性通过眼动仪设备进行采集和分析,实验所用的仪器为Tobii Pro Glasses 2可穿戴式眼动仪,其配备有Tobii Pro Lab数据分析软件.
2.2 被 试
选取成都铁路局成都机务段动车运用车间14名驾驶员,全部男性,年龄27.0~42.0岁,平均31.3岁,驾龄0.5~8.0年不等,受教育程度均为大专及以上水平. 正式实验前,被试需要保证8 h的充分休息,配合完成眼动仪设备的调试,并接受实验任务介绍.
2.3 实验设计
本实验基于眼动追踪技术,对CRH380D列车模拟驾驶台的人机界面布局进行分析,结合NASA-TLX量表评估驾驶员对操作任务的主观工作负荷. 模拟路段选取“成都东站—简阳南站”,将驾驶过程分为发车准备、正线行驶、停车制动3个任务. 实验分为3个环节:1) 实验前:向被试介绍实验任务,穿戴并调试眼动仪设备;2) 实验中:被试先按照自己在真实驾驶环境下的操作习惯依次完成操作任务,随后填写NASA量表,此过程全程录像;3) 实验后:引导被试进入访谈室,对被试进行访谈,填写从“成都东—简阳南”整个驾驶过程的NASA量表,同时记录整个实验过程.
2.4 指标选择
根据研究需要,拟选择注视时间、注视点数量、热点图、眼动轨迹图、NASA-TLX量表分数作为分析指标,各指标具体含义如[15]下:1) 注视时间表示落在AOI的所有注视点的时间总和;2) 注视点数量是指落在AOI的所有注视点数量;3) 热点图,用以反映注视点具体的空间分布情况,采用颜色深浅程度反映注视时间的长短;4) 眼动轨迹图用以反映被试的眼跳情况,是度量界面布局合理性的重要指标;5) NASA-TLX量表是一种主观的工作量评估工具,主要用途是对操作各种人机系统的操作人员进行主观的工作量评估:由脑力需求、体力需求、时间需求、业绩水平、努力程度、受挫程度6个维度组成,是迄今使用最为广泛的主观工作负荷评估工具之一,能有效评估主观心理负荷,具有较高的信效度.
3. 结果与讨论
根据以上实验设计,选取了14名被试进行眼动数据采集,实验现场图如图3所示. 其中,有效数据12个,将有效数据导入到Tobii Pro Lab软件中进行分析.
3.1 AOI数据分析
经软件分析,驾驶员在执行发车准备、正线行驶、停车制动3个任务时,其在各AOI内的平均注视时间、注视时间占比、注视点数量如表1所示. 由表1可以看到:
1) 系统显示屏方面,发车准备任务时的注视时间和注视点数量 AOI3 (ATP)>AOI4 (TCMS1)
$\gg $ AOI1 (CIR)>AOI2 (TCMS2);正线行驶和停车制动任务时AOI3 (ATP)$\gg $ AOI4 (TCMS1)> AOI2 (TCMS2)> AOI1 (CIR),其中AOI5作为ATP备用屏,在实验过程中未被使用,因此不计入分析. 由此可得:① 3个任务中,AOI3 (ATP)在注视时间和注视点数量方面都是以绝对的占比优势占据第一位,可以理解为在整个驾驶过程中注意力分配最高;② AOI4 (TCMS1)的注视时间和注视点数量远大于AOI2 (TCMS2),经与驾驶员访谈得知,TCMS2与TCMS1为同一系统,一个为主一个为辅,发车准备和停车制动时,驾驶员可以根据自己的使用习惯选择使用其中一个或两个,正线行驶过程中一般要求主屏幕显示列车状态、辅屏幕显示激活界面.表 1 AOI数据Table 1. AOI data任务 指标 系统显示屏 手柄 开关按钮 AOI1 AOI2 AOI3 AOI4 AOI5 AOI6 AOI7 AOI8 A0I9 AOI10 AOI11 AOI12 AOI13 AOI14 AOI15 发车
准备注视时间/s 10.41 4.94 54.44 50.19 0.36 2.25 0 0.37 4.00 0.40 0.10 1.00 0.05 0.04 0 占比/% 7.90 3.85 42.44 39.13 0.29 1.75 0 0.29 3.12 0.31 0.08 0.78 0.04 0.03 0 注视点数量 41.25 29.08 275.17 207.33 0.42 11.92 0 1.83 17.67 2.42 0.83 6.00 0.33 0.33 0 正线
行驶注视时间/s 0.01 3.94 73.23 26.19 0.01 0.34 0 0.01 0.05 0.01 0.59 0.88 0.02 0.02 0 占比/% 0.01 3.74 69.54 24.87 0.01 0.33 0 0.01 0.04 0.01 0.56 0.84 0.02 0.02 0 注视点数量 0.17 20.92 352.42 106.50 0.08 2.67 0 0.08 0.17 0.08 3.00 4.75 0.25 0.17 0 停车
制动注视时间/s 0.97 2.63 81.10 8.57 0.05 0.33 0 2.14 1.98 0.85 0.22 1.49 0 0 0 占比/% 0.96 2.62 80.82 8.54 0.05 0.33 0 2.14 1.97 0.84 0.22 1.49 0 0 0 注视点数量 5.50 14.00 290.25 41.42 0.25 1.75 0 10.42 8.08 4.83 1.42 7.33 0 0 0 2) 开关按钮方面,发车准备任务中,注视时间和注视点数量占比最高的为AOI9,其次为AOI12,表明驾驶员注意力在AOI9和AOI12分配比较高,这也与驾驶员上电作业中的“制动试验”和“升弓作业”相吻合;正线行驶任务中,驾驶员在AOI7~AOI15的平均注视时间皆小于1 s,注视时间占比皆小于1%,其在正线行驶任务时注意力绝大部分分配给了系统显示屏;停车制动任务中,驾驶员平均注视时间、注视时间百分比、注视点数量最高的都为AOI8 (关闭左门、打开左门、释放左门),实验任务为简阳南站左站台停车,表明开关按钮方面,“开左门”占用驾驶员注意力分配最高. 总体来说,数量众多的开关按钮相比系统显示屏来说,注意力分配并不高,甚至有些开关按钮如AOI7 (鸣笛按钮)、AOI13 (联挂/洗车旋钮、操纵模式切换)、AOI15 (隧道模式按钮)在实验过程中未被使用.
3.2 热点图
经Tobii Pro Lab软件分析,生成了发车准备、正线行驶、停车制动3个任务的热点图,为了更直观地显示结果,将模拟驾驶台底图进行了灰度处理,最终效果如图4所示. 热点图展示出了驾驶员在操纵台上的注意力分布情况:红色区域代表驾驶员的注视最集中,黄色和绿色区域的注视相对较少. 从图4(a)可以看出:驾驶员视觉注意力分配集中在ATP、TCMS1,开关按钮方面,注视最集中的是AOI9的停放制动按钮. 相比较图4(a)、(c),图4(b)中开关按钮的注视更少,视觉注意力相比更集中于系统显示屏,视觉集中点以ATP、前方视野、TCMS1上方的恒速显示器这3点呈三角形. 由图4(c)可知:驾驶员视觉注意力分配依旧集中在ATP,其他系统显示屏的注视很少,开关按钮方面,热点图多以点状分布在打开左门、释放左门、停放制动、钥匙开关、降弓按钮等开关按钮上;相比前两个任务,开关按钮使用得更多. 3个任务中ATP都是驾驶员视觉关注重点区域,这也和AOI数据相吻合,因此在布局设计中应重点考虑.
3.3 眼动轨迹图和操作轨迹图
铁路方面为确保驾驶员的工作流程合乎规范,驾驶员需接受近乎严苛的“半军事化”管理和纪律约束,每个作业环节都要达到“一次做对”. 另外,驾驶员值乘时有“手指” “眼观” “口呼”的操作规范,不仅要看着信号或指令,还必须手指着信号或指令,大声朗读复诵出来,以此确保操作全部正确. 且驾驶员需要携带《动车组关键作业提示卡控表》进行值乘任务,并严格按照表中规定的标准作业流程执行,每执行完一项都需要在表上勾画后再执行下一项. 所以驾驶员的操作流程是近乎一致的. 通过Tobii Pro Lab软件分析,进一步得到眼动轨迹图. 根据维度的不同,单一分析眼动轨迹图具有局限性,因此将视觉层的眼动轨迹图与行为层的操作轨迹图结合分析.
3.3.1 发车准备
发车准备任务的操作流程一般包括激活作业(手柄归位、插入主控钥匙、登录TCMS)—升弓作业—制动试验—ATP设置—CIR设置—状态确认6个步骤,其操作轨迹图与眼动轨迹图分别如图5(a)、(b)所示. 由图5可以看出:驾驶员的眼动轨迹与任务步骤的顺序有关,且由于驾驶员需要用眼睛确认很多信息,例如插入主控钥匙后需要确认系统显示屏启动正常,所以驾驶员视觉注意力比起行为更加复杂,集中在ATP与TCMS1. 大部分驾驶员由于右利手的关系,在发车准备任务中只使用右边的TCMS1,避免了驾驶员的视线和操作在两TCMS之间来回跳转,使其注意力更集中.
开关按钮方面,占用驾驶员注意力的有插入主控钥匙时使用的“钥匙开关”、升弓作业中使用的“升弓按钮”、制动试验中使用的“停放制动”. 一般情况下“钥匙开关”与“升弓按钮”使用1次,“停放制动按钮”需要使用2次. 从按钮的注视点来看,以“停放制动”按钮为例,其注视点没有精确地聚集,反而覆盖了从“关闭左门”到“撒砂”6个按钮,在AOI8和AOI9两个兴趣区范围内. 目前的按钮布局,驾驶员的注意力并不能精准地分配给自己所需要的按钮.
3.3.2 正线行驶
驾驶过程中,正线行驶的时长是远超发车准备和停车制动的,驾驶员在漫长的正线行驶中,如果注意力太过分散,很容易产生疲劳,甚至错过某些信息,影响行车安全. 正线行驶任务的眼动轨迹与操作轨迹如图6所示(蓝色为眼动轨迹、橙色为操作轨迹),由图6可以看到:注视核心为ATP,驾驶员的视线大多在ATP,TCMS1上方的恒速显示器、前方视野三者之间来回跳转; 控制手柄、左右TCMS、手动过分相、DSD按钮占用少部分注意力,但这是行车过程中所必须的;相较发车准备和停车制动任务,正线行驶任务的视觉注视点更为集中.
操作方面,以右手操作手柄为主,相对简单. 但是单调的动作驾驶员也比较容易走神,因此,为保证驾驶过程中驾驶员注意力的高度集中,高铁配备了“无人警惕装置”. 以CRH380D列车为例,有脚踏板和DSD按钮两种方式,要求驾驶员每隔30 s要踩一次踏板,或按一次DSD按钮. 经访谈得知,驾驶员基本都采取踩踏板的方式,主要原因是其需要驾驶很多不同型号的高铁,一些高铁内并没有按钮这种方式,从而习惯了踩踏板.
3.3.3 停车制动
停车制动任务的操作步骤包括:减速到站—手柄归位—开左门(本次实验为左站台停车)—施加停放制动—降弓作业—注销CIR—拔取主控钥匙7个步骤,其操作轨迹与眼动轨迹分别如图7(a)、(b)所示. 此任务中需要使用的按钮有:开左门时的“释放左门” “打开左门”,施加停放制动时的“停放制动按钮”,降弓作业中的“降弓按钮”和拔取主控钥匙时的“钥匙开关”,在3个任务中按钮的操作最多. 访谈中驾驶员表示占用最多注意力的为“释放左门”“打开左门”按钮,有两个特别注意点:一是怕误开,例如左站台停车需要开左门,却误开成右门,很可能威胁到乘客的生命安全,造成重大事故;另一个是怕误碰,为此在正式值乘任务前,铁路部门会给驾驶员发放“防误盖”,用来盖住“打开车门” “关闭车门” “停放制动”按钮. 要想实现左门打开,必须先按“释放左门”再按“打开左门”按钮,已经考虑到了一定的防护,但驾驶员表示为了多重防护“防误盖”是必须的. 驾驶室操纵台本来就空间小、设备多,这无疑耗费了驾驶员的注意力,加重了驾驶员的负荷.
3.4 NASA量表
14名被试完成实验任务后,立即填写单个任务的NASA量表,其得分结果如表2所示(这里省略掉权重评估部分直接计算项目得分),将其绘制成雷达图如图8所示. 由表2及图8可知:3个任务的共性是,驾驶员主观认为,脑力需求远大于体力需求,驾驶高铁更多是个“脑力活”,需要高度的注意力集中;发车准备的时间需求、努力程度、受挫程度都比较高,表明这一任务相对复杂,可以通过设计为驾驶员适当减负;停车制动这一任务的脑力需求最高,这也和驾驶员开车门时需要再三考虑有关,正线行驶的脑力需求最低,这也和热点图和轨迹图的分析相吻合.
表 2 单个任务得分Table 2. Individual task score分 任务 脑力
需求体力
需求时间
需求业绩
水平努力
程度受挫
程度发车
准备55.00 35.00 55.00 54.64 64.64 30.36 正线
行驶51.07 34.64 47.86 56.07 58.57 26.07 停车
制动64.29 33.93 45.71 56.07 60.36 20.71 驾驶任务完成后,引导被试进入访谈室,回忆从“成都东站—简阳南站”整个驾驶过程,填写NASA量表,得出总体工作量得分,具体分值如表3所示. 平均值53.48分,表明驾驶员的主观心理负荷相对较高,进而影响驾驶员注意力集中,需要对操纵台人机界面进一步优化,以减轻驾驶员的工作负荷.
表 3 整个驾驶过程的总体工作量得分Table 3. Overall workload score of the whole driving process分 被试 1 2 3 4 5 6 7 8 9 10 11 12 13 14 得分 68.00 47.33 62.33 58.67 64.33 40.00 59.00 54.67 37.33 47.00 49.00 62.00 56.67 42.33 4. 优化设计
4.1 高铁操纵台界面布局优化设计原则
1) 根据系统显示屏、开关按钮的注意力分配多少进行布局设计
根据驾驶员在3个任务中的AOI数据、热点图等可得到,高铁驾驶室操纵台上各系统显示屏、开关按钮的注意力分配情况. 例如占用最多注意力的为ATP,其次为TCMS1,TCMS1相比TCMS2占用更多注意力. 开关按钮方面,驾驶员分配较多注意力的为开车门、停放制动、升降弓按钮,应重点进行设计,使得其摆放位置更加明显,驾驶员可以更快地将其锁定,减少驾驶员的搜寻时间和努力程度.
2) 简化或缩短任务步骤的工作路径,减少驾驶员的注意力消耗
在漫长的驾驶过程中,驾驶员需要时刻保持注意力集中,但人的注意力都是有限的,可从眼动轨迹图与操作轨迹图入手,简化或缩短驾驶员的眼动轨迹与操作轨迹,减轻驾驶员的路径,减少注意力消耗;例如,漫长的列车行驶过程中,驾驶员需不断地确认ATP、恒速、前方视野信息,三角形的视线轨迹,很容易造成肩颈疲劳,可通过设计适当简化驾驶员的动作.
3) 避免误操作,最大程度保证行车安全
保障行车安全作为驾驶员工作的重中之重,也是操纵台界面布局设计的重点. 为避免误操作,驾驶员需时刻保持高度的注意力和警觉性. 驾驶员方面可能会造成的误操作有误碰按钮、按错按钮等, 解决误操作问题可以从以下着手:一方面需要做好按钮的防护,另一方面需要提高按钮的可识别性,此外还可以设计一些辅助手段,例如开车门步骤中,如需开左门,“释放左门”与“打开左门”按钮以发光的形式辅助驾驶员确认,可以减少驾驶员的心理负荷. 保证行车安全最需要的还是驾驶员保持高度的注意力集中,目前的“无人警惕装置”,无论踏板还是按钮都是机械重复的动作,有一定的局限性,未来可以采用脑电波来监测驾驶员的注意力分散情况.
4) 人性关怀设计,减少驾驶员的注意力分散
高铁驾驶中,驾驶员除需要携带防误盖之外,还需要携带对讲机、GSMR手持机、手账、点牌、卡牌、卡控表等上车,然后按自己的习惯摆放在操纵台空闲位置上,让本来狭小的操纵台面更加拥挤,设备、文件增多会增加操纵台的凌乱感,从而分散驾驶员的注意力. 可以通过人性化的布局设计,帮助驾驶员更合理地规划物品的摆放,使其摆放更加有条理,从而使得驾驶员的注意力更加集中.
4.2 优化设计方案
根据以上设计原则,对CRH380D驾驶室操纵台界面进行优化设计,采用Rhino建模、Keyshot渲染,得到设计方案如图9所示.
4.2.1 系统显示屏
1) 在ATP上面加一个恒速显示,ATP、恒速、前方视野三点一线,可以极大简化正线行驶中驾驶员的眼动轨迹,如图9中绿色轨迹所示,相比原布局简化了眼动轨迹,使得注意点更加集中.
2) 将原TCMS2与ATP备用屏调换,TCMS2与TCMS1本为同一系统,驾驶员根据自己的使用习惯选择使用其中一个或两个,大部分驾驶员由于右利手的关系在发车准备和停车制动时只使用TCMS1屏,实验也证明驾驶员在TCMS1的注意力分配远大于TCMS2. ATP作为整个驾驶过程中注意力分配最多的设备,一旦出现故障,原布局中ATP备用屏在最右方,驾驶员眼动轨迹便是钝角三角形,不利于驾驶. 因此将原TCMS2与ATP备用屏调换.
4.2.2 开关按钮
1) 将在驾驶过程中禁止使用,只在高铁停车场偶尔使用的“汽笛”按钮从水平操纵台去掉,改到CIR系统旁,减少操纵台上的按钮数量;
2) 驾驶员为防止误开门酿成重大事故,在开关门上投入了大量的注意力,因此将 “关闭左门”“打开左门” “释放左门”按钮下沉设计,起到多重防护的作用,可省去驾驶员自带“防误盖”将其盖住. “关闭右门” “打开右门” “释放右门”同理. 到站停车后,开门侧的按钮槽内会闪光提醒,使得驾驶员操作更加简单直接,最大程度地避免开错门;
3) 将驾驶过程中占用部分注意力的“DSD按钮”与平时不使用的“旁路旋钮”位置调换,使得“DSD按钮”位于这一组按钮的最右面,更方便驾驶员辨认使用;
4) 将升弓、降弓两个按钮合为一个,向上推即为升弓,向下推即为降弓,更直观易操作,可省去驾驶员辨认按钮的时间,减少注意力消耗;
5) 将“保持制动”与“停放制动”按钮改到TCMS1的下方. “停放制动”按钮与TCMS、升降弓按钮、手柄操作比较密切. 以发车准备为例,“升弓作业”中TCMS显示受电弓升起后,就需要在“制动试验”中施加“停放制动”、TCMS显示制动试验完成后、手柄归位后,便需要缓解“停放制动”,完整的发车准备操作轨迹如图9(a)中橙色轨迹所示,相比图5(a)中原操作轨迹缩短许多、集中许多,有利于驾驶员注意力集中;
6) 将原操作台最后边的“隧道模式”按钮,移到与联挂/洗车、操作模式切换成一组,使得按钮更加集中,也使得最右面占用更多注意力的“关闭右门”“打开右门”“释放右门”组更加突出.
4.2.3 人性化设计
在操纵台驾驶员正前方设计固定纸张的夹子,操纵台下设计可以挂住对讲机、GSMR手持机的小篮子,里面可以放一些纸巾等私人物品. 此设计可以实现物品更规律地摆放,还给驾驶员更大的操作空间,避免驾驶员因操纵台上物品太多,从而分散注意力的情况.
5. 结 论
本文以驾驶员的注意力分配为切入点,通过模拟驾驶实验的形式,结合与驾驶员的访谈,从视觉层、行为层、心理层3个维度分析出驾驶员在CRH380D列车模拟驾驶台界面的注意力分配情况. 总结出高铁操纵台界面布局设计的原则,并以CRH380D列车为例,得到其布局优化设计方案. 本研究结果可为高铁操纵台界面布局设计提供原则及参考,有助于优化驾驶员的驾驶体验、提升其工作效率、保障行车安全,具有非常重要的社会意义和应用价值.
-
表 1 AOI数据
Table 1. AOI data
任务 指标 系统显示屏 手柄 开关按钮 AOI1 AOI2 AOI3 AOI4 AOI5 AOI6 AOI7 AOI8 A0I9 AOI10 AOI11 AOI12 AOI13 AOI14 AOI15 发车
准备注视时间/s 10.41 4.94 54.44 50.19 0.36 2.25 0 0.37 4.00 0.40 0.10 1.00 0.05 0.04 0 占比/% 7.90 3.85 42.44 39.13 0.29 1.75 0 0.29 3.12 0.31 0.08 0.78 0.04 0.03 0 注视点数量 41.25 29.08 275.17 207.33 0.42 11.92 0 1.83 17.67 2.42 0.83 6.00 0.33 0.33 0 正线
行驶注视时间/s 0.01 3.94 73.23 26.19 0.01 0.34 0 0.01 0.05 0.01 0.59 0.88 0.02 0.02 0 占比/% 0.01 3.74 69.54 24.87 0.01 0.33 0 0.01 0.04 0.01 0.56 0.84 0.02 0.02 0 注视点数量 0.17 20.92 352.42 106.50 0.08 2.67 0 0.08 0.17 0.08 3.00 4.75 0.25 0.17 0 停车
制动注视时间/s 0.97 2.63 81.10 8.57 0.05 0.33 0 2.14 1.98 0.85 0.22 1.49 0 0 0 占比/% 0.96 2.62 80.82 8.54 0.05 0.33 0 2.14 1.97 0.84 0.22 1.49 0 0 0 注视点数量 5.50 14.00 290.25 41.42 0.25 1.75 0 10.42 8.08 4.83 1.42 7.33 0 0 0 表 2 单个任务得分
Table 2. Individual task score
分 任务 脑力
需求体力
需求时间
需求业绩
水平努力
程度受挫
程度发车
准备55.00 35.00 55.00 54.64 64.64 30.36 正线
行驶51.07 34.64 47.86 56.07 58.57 26.07 停车
制动64.29 33.93 45.71 56.07 60.36 20.71 表 3 整个驾驶过程的总体工作量得分
Table 3. Overall workload score of the whole driving process
分 被试 1 2 3 4 5 6 7 8 9 10 11 12 13 14 得分 68.00 47.33 62.33 58.67 64.33 40.00 59.00 54.67 37.33 47.00 49.00 62.00 56.67 42.33 -
[1] 冀丽俊. 国内轨道交通驾驶室人机工程设计研究[D]. 武汉: 武汉理工大学, 2014. [2] 胥川,郭启明,王雪松. 疲劳预警分级提示下的驾驶行为响应特征[J]. 西南交通大学学报,2019,54(1): 189-195.XU Chuan, GUO Qiming, WANG Xuesong. Driver behavior response to drowsiness alarming at different levels[J]. Journal of Southwest Jiaotong University, 2019, 54(1): 189-195. [3] 朱彤,吴玲,路巧珍. 车载信息对驾驶人眨眼特性及负荷的影响规律[J]. 西南交通大学学报,2015,50(3): 504-510. doi: 10.3969/j.issn.0258-2724.2015.03.019ZHU Tong, WU Ling, LU Qiaozhen. Effects of in-vehicle information on driver eye blink duration and workload[J]. Journal of Southwest Jiaotong University, 2015, 50(3): 504-510. doi: 10.3969/j.issn.0258-2724.2015.03.019 [4] 王洪宝,王金,支锦亦,等. 基于RAMSIS仿真的高速列车驾驶界面人机工效评估[J]. 机械设计,2020,37(1): 128-134.WANG Hongbao, WANG Jin, ZHI Jinyi, et al. Ergonomic evaluation of high-speed train driving interface based on RAMSIS simulation[J]. Journal of Machine Design, 2020, 37(1): 128-134. [5] 郭北苑. 高速列车驾驶界面人因适配性设计理论与方法研究[D]. 北京: 北京交通大学, 2010. [6] 钟玮. 汽车驾驶室人机界面概略评价研究[D]. 秦皇岛: 燕山大学, 2012. [7] BONNEY M C, WILLIAMS R W. CAPABLE. A computer program to layout controls and panels[J]. Ergonomics, 1977, 20(3): 297-316. doi: 10.1080/00140137708931629 [8] PULAT B M, AYOUB M A. A computer-aided panel layout procedure for process control jobs-LAYGEN[J]. IIE Transactions, 1985, 17(1): 84-93. doi: 10.1080/07408178508975275 [9] JUNG E S, PARK S, CHANG S Y. A CSP technique-based interactive control panel layout[J]. Ergonomics, 1995, 38(9): 1884-1893. doi: 10.1080/00140139508925236 [10] 陈德钧,方卫宁,秦永贞,等. 轨道车辆司机操纵台人机界面布局优化模型与算法[J]. 铁道学报,2014,36(11): 40-47. doi: 10.3969/j.issn.1001-8360.2014.11.009CHEN Dejun, FANG Weining, QIN Yongzhen, et al. Optimizing model and algorithm for human-machine interface layout of metro train driver's desk[J]. Journal of the China Railway Society, 2014, 36(11): 40-47. doi: 10.3969/j.issn.1001-8360.2014.11.009 [11] 支锦亦,杜洋,冯纾,等. 车载信息系统界面图文设计及其视认知特性研究综述[J]. 包装工程,2020,41(10): 62-70.ZHI Jinyi, DU Yang, FENG Shu. Review on the graphic design and perceptual characteristics of automobile system interface[J]. Packaging Engineering, 2020, 41(10): 62-70. [12] 詹自翔. 高速列车驾驶界面布局与适配性评价方法[D]. 北京: 北京交通大学, 2015. [13] 张亮,张继业,李田,等. 高速列车头型多目标气动优化设计[J]. 西南交通大学学报,2016,51(6): 1055-1063. doi: 10.3969/j.issn.0258-2724.2016.06.003ZHANG Liang, ZHANG Jiye, LI Tian, et al. Multi-objective aerodynamic optimization design for head shape of high-speed trains[J]. Journal of Southwest Jiaotong University, 2016, 51(6): 1055-1063. doi: 10.3969/j.issn.0258-2724.2016.06.003 [14] AFRIDI A H, MENGASH H A. NASA-TLX-based workload assessment for academic resource recommender system[J]. Personal and Ubiquitous Computing, 2020: 1-19. [15] 刘青,薛澄岐,FALK H. 基于眼动跟踪技术的界面可用性评估[J]. 东南大学学报(自然科学版),2010,40(2): 331-334.LIU Qing, XUE Chengqi, FALK H. Interface usability evaluation based on eye-tracking technology[J]. Journal of Southeast University (Natural Science Edition), 2010, 40(2): 331-334. 期刊类型引用(14)
1. 于志威,庞靖,黄胜操,郭志强,杨子涵. 沉浸式三维交互技术在收获机驾驶室人机工程设计中的应用研究. 拖拉机与农用运输车. 2025(01): 17-25 . 百度学术
2. 黄颖捷,张浩南,汤浩,陶东旭. 基于手部动线观察法的救护车布局设计. 包装工程. 2025(02): 60-70 . 百度学术
3. 李博,宣金鸽,薛艳敏,余隋怀,王娟. 基于视觉因素的地铁调度人机界面优化设计评价. 图学学报. 2025(01): 200-210 . 百度学术
4. 范沁红,孙馨阳,徐宁,蔺科维. 基于差分进化的挖掘机显示装置布局分析. 工程机械. 2025(03): 83-88+10 . 百度学术
5. 冯汉禹. 数字孪生系统交互界面设计研究进展. 机电产品开发与创新. 2025(02): 171-174 . 百度学术
6. 王婵婧. 视觉传达下舰船智能导航系统交互界面优化方法. 舰船科学技术. 2024(19): 157-160 . 百度学术
7. 裴卉宁,温志强,黄雪芹,谭昭芸,张新新. 融合视觉认知特征的虚拟博物馆界面布局美度评价方法. 图学学报. 2023(02): 389-398 . 百度学术
8. 石元伍,张怡晶. 基于注意力分配的儿童教育类APP界面布局优化策略研究. 包装工程. 2023(16): 121-131 . 百度学术
9. 刘丞均. 船舶舱室内推进监控显控台界面布局优化设计. 舰船科学技术. 2023(18): 139-142 . 百度学术
10. 兰永霞,叶浩航,向泽锐. 基于虚拟仿真技术的高速列车司机室操纵台人机尺寸探析. 工业设计. 2023(12): 153-156 . 百度学术
11. 陈磊,吕健,潘伟杰,刘翔. 融合认知负荷的用户界面布局优化. 计算机系统应用. 2022(07): 307-315 . 百度学术
12. 侯士江,侯英,冯希,王兆琦. 图像视点预测模型及设计图的注意力影响因素研究. 设计. 2022(14): 134-136 . 百度学术
13. 梁惠萍,陈亚君,赵天雨,刘颖平. 基于人机工程的矿山绳锯机交互设计. 机械设计与研究. 2022(03): 163-168 . 百度学术
14. 周橙旻,黄婷,罗欣,Jake Kaner. 基于老年用户感知能力的人机界面视觉匹配研究. 包装工程. 2022(20): 179-186 . 百度学术
其他类型引用(12)
-