本發(fā)明涉及自動控制技術領域，特別涉及一種調度員能力測試系統(tǒng)。

背景技術：

一般而言，對飛行員、賽車手、機場塔臺空中交通管制員、高鐵行車調度員等特定專業(yè)人員需要具備高度的綜合能力，以保證關鍵任務的執(zhí)行控制及時間的精準性。如綜合能力包括注意力等?，F有的測試方法大多不夠科學而且比較片面，如現有的注意力訓練方案中，其適用對象通常是針對于特定的人群，如公開號為cn205127306u和cn203838907u的專利文獻各公開了一種面向少兒的注意力訓練器具。這類裝置是基于人的某一體感通道而設計出的結構簡單、成本低廉的識圖拼圖游戲。此外，國內外也有一些面向注意力缺陷的老年人而設計的動作視頻游戲。這類裝置也是基于人的某一體感通道而設計出的訓練系統(tǒng)，只是涉及的體感通道更多，對注意力調用的程度更大。

因此，亟待開發(fā)一種用于訓練或者考核調度員綜合能力的方案，以便根據需求多方位自動化測試調度員能力。

技術實現要素：

有鑒于此，本發(fā)明旨在提供一種用于調度員能力測試系統(tǒng)，以便自動化測試調度員能力。

具體而言，本發(fā)明的調度員能力測試系統(tǒng)包括：測試內容顯示裝置，用于顯示調度員的模擬任務環(huán)境；人機交互裝置，用于調度員的人機交互操控；眼動數據記錄裝置，用于獲取調度員測試時的眼動數據；行為記錄裝置，用于獲取調度員測試時的行為數據；心電數據記錄裝置，用于獲取調度員測試時的心電數據；腦電信號收集裝置，用于獲取調度員測試時的腦電數據；數據處理及測試裝置，包括視覺搜索能力測試單元、注意廣度測試單元、注意力測試單元、空間工作記憶更新能力測試單元、工作記憶能力測試單元、任務切換能力測試單元、持續(xù)性注意力測試單元、前瞻性記憶能力測試單元、行為監(jiān)控能力測試單元、日常工作組織效率測試單元、推理能力測試單元中的至少兩個；其中，所述視覺搜索能力測試單元，用于利用softmax分類器，根據所述眼動數據及行為數據確定調度員的視覺搜索能力的測試結果；所述注意廣度測試單元，用于根據所述眼動數據中的眼睛焦點位置，得到調度員的注意廣度水平的測試結果；所述注意力測試單元，用于采用pcvm概率分類算法，對所述腦電數據、眼動數據及行為數據進行處理，得到評測結果；所述空間工作記憶更新能力測試單元，用于利用神經網絡，對所述腦電數據及行為數據進行處理，得到評測結果；所述工作記憶能力測試單元，用于根據所述行為數據和所述腦電數據，采用學習矢量量化算法進行網絡訓練，得到記憶能力水平輸出；所述任務切換能力測試單元，用于根據所述眼動數據及行為數據確定調度員的任務切換能力的測試結果；所述持續(xù)性注意力測試單元，用于利用神經網絡，對所述腦電數據、眼動數據及行為數據進行處理，得到評測結果；所述前瞻性記憶能力測試單元，用于根據所述腦電數據及行為數據進行處理，得到評測結果；所述行為監(jiān)控能力測試單元，用于利用softmax分類器，對所述腦電數據及行為數據進行處理，得到評測結果；所述日常工作組織效率測試單元，用于根據獲取的任務完成度、列車平均旅速、平均開行列數、移動車數、調度命令完整度確定測評結果；所述推理能力測試單元，用于利用機器學習，對所述腦電數據及行為數據進行處理，得到評測結果。

進一步地，所述數據處理及測試裝置包括視覺搜索能力測試單元時，所述測試內容顯示裝置，用于向調度員隨機或按預設顯示順序顯示整齊排列的第一類刺激矩陣或第二類刺激矩陣；所述第一類刺激矩陣中所有刺激元均相同，所述第二類刺激矩陣中至少有一個刺激元與其所在的刺激矩陣中的其它刺激元不同；所述眼動數據記錄裝置，用于在測試過程中持續(xù)地實時采集調度員的眼動數據；所述行為記錄裝置，用于當調度員根據所顯示的刺激矩陣進行相應的按鍵操作時，持續(xù)地實時采集調度員的行為數據；所述視覺搜索能力測試單元，用于在測試過程結束之后，對所采集的眼動數據和行為數據進行標準化以及一致化操作；根據標準化以及一致化操作后的眼動數據和行為數據，采用卷積神經網絡算法進行處理，得到結果簇；所述softmax分類器，用于對所述結果簇進行分類，得到分類結果，并將所述分類結果作為調度員的視覺搜索能力的測試結果。

進一步地，所述數據處理及測試裝置包括注意廣度測試單元時，所述測試內容顯示裝置，用于向被測調度員顯示預設時長的測試畫面；所述眼動數據記錄裝置，用于實時采集被測調度員的眼動數據，并將采集到的眼動數據傳輸給所述數據處理及測試裝置；所述眼動數據包括：眼睛焦點位置、單位時窗內雙眼閉合的幀數和眼球橫向擺動振幅；所述注意廣度測試單元，用于根據所采集的眼動數據中的眼睛焦點位置，計算被測調度員在測試過程中注視測試畫面中的非安全視景區(qū)域的時間與單位時間窗的比例；根據所采集的眼動數據中的單位時窗內雙眼閉合的幀數和預設的比例閾值，計算得到被測調度員的單位時間內眼睛閉合的時長；根據所采集的眼動數據中的眼球橫向擺動振幅，計算得到被測調度員的眼睛橫向擺動方差；根據被測調度員在測試過程中注視測試畫面中的非安全視景區(qū)域的時間與單位時間窗的比例、單位時間內眼睛閉合的時長以及眼睛橫向擺動方差，得到調度員的注意廣度水平的測試結果。

進一步地，所述數據處理及測試裝置包括注意力測試單元時，所述注意力測試單元，用于對所述腦電數據進行時域到頻域的變換處理，提取腦電特征向量；對所述心電數據進行倒譜處理，提取心電信號特征向量；用于對所述行為數據進行處理，提取行為特征向量；以及用于采用pcvm概率分類算法，對所述腦電特征向量、心電特征向量和所述行為特征向量進行處理，得到評測結果。

進一步地，所述數據處理及測試裝置包括空間工作記憶更新能力測試單元，用于通過綜合評價模型將所述行為數據和所述腦電數據映射至多個考核等級中的一個；所述綜合評價模型事先通過如下方式獲得：基于預定數量的調度員在實際任務狀態(tài)下的測試數據，獲得與所述考核等級對應個數的理想評價指標表，并且在所述多個理想評價指標表的監(jiān)督下通過神經網絡學習獲得多輸入與單輸出的關系模型。

進一步地，所述工作記憶能力測試單元，用于將所述行為數據和所述腦電數據進行特征處理，取得相應的特征值；將所述行為數據的特征值和所述腦電數據的特征值作為輸入樣本，采用學習矢量量化算法進行網絡訓練，得到記憶能力水平輸出。

進一步地，所述數據處理及測試裝置包括任務切換能力測試單元時，所述眼動數據記錄裝置，用于采集調度員閱讀測試內容時的掃視時長，所述掃視時長為眼球開始掃視至結束掃視時的所需時長；所述行為記錄裝置，用于接收到任務測試題的作答結果時，記錄作答時長及當前作答的正確率；任務切換能力測試單元，用于基于全部任務測試題中每一個任務測試題對應的掃視時長、作答時長、正確率確定所述高鐵調度員任務切換能力的第一測試結果。

進一步地，所述持續(xù)性注意力測試單元，用于通過綜合評價模型將所述行為數據、所述眼動數據和所述腦電數據映射至多個考核等級中的一個；所述綜合評價模型事先通過如下方式獲得：基于預定數量的調度員在實際任務狀態(tài)下的測試數據，獲得與所述考核等級對應個數的理想評價指標表，并且在所述多個理想評價指標表的監(jiān)督下通過神經網絡學習獲得多輸入與單輸出的關系模型。

進一步地，所述數據處理及測試裝置包括前瞻性記憶能力測試單元時，測試內容顯示裝置，用于通過展示模塊對全部測試題以及所述全部測試題分別對應的預設作答規(guī)則進行展示；腦電信號收集裝置，用于結束所述展示后，通過腦電獲取模塊獲取高鐵調度員針對所述全部測試題中的其中一個測試題進行回想時預設時間段內的腦電幅值；行為記錄裝置，用于當接收到所述高鐵調度員針對所述其中一個測試題給出的作答結果時，基于所述其中一個測試題對應的預設作答規(guī)則確定所述作答結果是否正確，并記錄當前作答結果的正確率；前瞻性記憶能力測試單元，用于基于所述全部測試題的數量、全部測試題中每一個測試題對應的腦電幅值、全部測試題中每一個測試題對應的正確率，確定所述高鐵調度員前瞻性記憶能力對應的第一測試結果。

進一步地，所述數據處理及測試裝置包括行為監(jiān)控能力測試單元時，測試內容顯示裝置，用于通過顯示裝置按照隨機時間間隔向調度員顯示第一類刺激畫面或第二類刺激畫面；所述調度員被要求在顯示第一類刺激畫面時進行相應的按鍵操作，而在顯示第二類刺激畫面時不作任何反應；行為記錄裝置，用于當調度員根據所顯示的刺激畫面進行相應的按鍵操作時，持續(xù)地實時采集調度員的行為數據；行為監(jiān)控能力測試單元，用于在測試過程結束之后，根據所采集的腦電數據得到錯誤反應后產生的腦電成分ern的平均波幅值，并對ern的平均波幅值和行為數據進行標準化以及一致化操作；根據標準化以及一致化操作后的ern的平均波幅值和行為數據，采用卷積神經網絡算法進行處理，得到結果簇；所述softmax分類器，用于對所述結果簇進行分類，得到分類結果，并將所述分類結果作為調度員的行為監(jiān)控能力的測試結果。

進一步地，所述數據處理及測試裝置包括日常工作組織效率測試單元時，還包括：獲取裝置，用于獲取以下指標：任務完成度、列車平均旅速、平均開行列數、移動車數、調度命令完整度；所述日常工作組織效率測試單元，用于對所述指標進行無量綱化處理；用于確定無量綱化處理后的指標的權重；用于確定所述無量綱化處理后的指標的決策矩陣；用于依據格序相關理論，計算所述決策矩陣的正、負理想解；用于計算所述正、負理想解之間的第一歐氏距離；用于計算所述高鐵調度員分別與所述正、負理想解之間的第二歐氏距離；用于根據所述第一歐氏距離和所述第二歐氏距離，計算所述高鐵調度員的綜合差異值；用于對所述高鐵調度員的綜合差異值進行定量化，并根據定量化結果來評測所述高鐵調度員的日常工作組織效率。

進一步地，所述數據處理及測試裝置包括調度員推理能力測試單元時，測試內容顯示裝置，用于在接收到開始測試的指令后，控制顯示調車場的模擬調度畫面；腦電信號收集裝置，用于采集調度員在根據所述模擬調度畫面進行調度測試時的腦電信號；并將所述腦電信號進行頻域轉換，并提取對應的頻域特征；行為記錄裝置，用于記錄所述調度員完成調度測試的時長和對車輛的調度次數；所述推理能力測試單元，用于將所述頻域特征、所述調度員完成調度測試的時長和對車輛的調度次數作為輸入特征，輸入至概率特征選擇分類向量機得到概率預測結果，根據所述概率預測結果評價所述調度員的推理能力。

采用本發(fā)明的調度員能力測試系統(tǒng)后，能至少自動化進行以下能力測試中的兩項：視覺搜索能力測試、注意廣度測試、注意力測試、空間工作記憶更新能力測試、工作記憶能力測試、任務切換能力測試、持續(xù)性注意力測試、前瞻性記憶能力測試、行為監(jiān)控能力測試、日常工作組織效率測試、推理能力測試。

附圖說明

并入到說明書中并且構成說明書的一部分的附圖示出了本發(fā)明的實施例，并且與描述一起用于解釋本發(fā)明的原理。在這些附圖中，類似的附圖標記用于表示類似的要素。下面描述中的附圖是本發(fā)明的一些實施例，而不是全部實施例。對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，可以根據這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括視覺搜索能力測試單元時的工作流程示意圖。

圖2為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括視覺搜索能力測試單元時的結構示意圖。

圖3為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括注意廣度測試單元時的工作流程示意圖。

圖4為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括注意廣度測試單元時的結構示意圖。

圖5為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括注意力測試單元時的工作流程示意圖。

圖6為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括注意力測試單元時的結構示意圖。

圖7為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括空間工作記憶更新能力測試單元時的工作流程示意圖。

圖8為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括空間工作記憶更新能力測試單元時的結構示意圖。

圖9為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括工作記憶能力測試單元時的工作流程示意圖。

圖10為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括工作記憶能力測試單元時的結構示意圖。

圖11為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括任務切換能力測試單元時的工作流程示意圖。

圖12為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括任務切換能力測試單元時的結構示意圖。

圖13為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括持續(xù)性注意力測試單元時的工作流程示意圖。

圖14為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括持續(xù)性注意力測試單元時的結構示意圖。

圖15為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括前瞻性記憶能力測試單元時的工作流程示意圖。

圖16為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括前瞻性記憶能力測試單元時的結構示意圖。

圖17為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括行為監(jiān)控能力測試單元時的工作流程示意圖。

圖18為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括行為監(jiān)控能力測試單元時的結構示意圖。

圖19為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括日常工作組織效率測試單元時的工作流程示意圖。

圖20為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括日常工作組織效率測試單元時的結構示意圖。

圖21為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括推理能力測試單元時的工作流程示意圖。

圖22為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括推理能力測試單元時的結構示意圖。

圖23為圖22所示結果的原理圖。

具體實施方式

為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互任意組合。

本發(fā)明提出了一種調度員能力測試系統(tǒng)，該系統(tǒng)包括：測試內容顯示裝置，用于顯示調度員的模擬任務環(huán)境；人機交互裝置，用于調度員的人機交互操控；眼動數據記錄裝置，用于獲取調度員測試時的眼動數據；行為記錄裝置，用于獲取調度員測試時的行為數據；心電數據記錄裝置，用于獲取調度員測試時的心電數據；腦電信號收集裝置，用于獲取調度員測試時的腦電數據；數據處理及測試裝置，包括視覺搜索能力測試單元、注意廣度測試單元、注意力測試單元、空間工作記憶更新能力測試單元、工作記憶能力測試單元、任務切換能力測試單元、持續(xù)性注意力測試單元、前瞻性記憶能力測試單元、行為監(jiān)控能力測試單元、日常工作組織效率測試單元、推理能力測試單元中的至少兩個；其中，所述視覺搜索能力測試單元，用于利用softmax分類器，根據所述眼動數據及行為數據確定調度員的視覺搜索能力的測試結果；所述注意廣度測試單元，用于根據所述眼動數據中的眼睛焦點位置，得到調度員的注意廣度水平的測試結果；所述注意力測試單元，用于采用pcvm概率分類算法，對所述腦電數據、眼動數據及行為數據進行處理，得到評測結果；所述空間工作記憶更新能力測試單元，用于利用神經網絡，對所述腦電數據及行為數據進行處理，得到評測結果；所述工作記憶能力測試單元，用于根據所述行為數據和所述腦電數據，采用學習矢量量化算法進行網絡訓練，得到記憶能力水平輸出；所述任務切換能力測試單元，用于根據所述眼動數據及行為數據確定調度員的任務切換能力的測試結果；所述持續(xù)性注意力測試單元，用于利用神經網絡，對所述腦電數據、眼動數據及行為數據進行處理，得到評測結果；所述前瞻性記憶能力測試單元，用于根據所述腦電數據及行為數據進行處理，得到評測結果；所述行為監(jiān)控能力測試單元，用于利用softmax分類器，對所述腦電數據及行為數據進行處理，得到評測結果；所述日常工作組織效率測試單元，用于根據獲取的任務完成度、列車平均旅速、平均開行列數、移動車數、調度命令完整度確定測評結果；所述推理能力測試單元，用于利用機器學習，對所述腦電數據及行為數據進行處理，得到評測結果。

下面結合附圖詳細說明本發(fā)明調度員能力測試系統(tǒng)實施涉及的數據處理及測試裝置包括各個不同測試單元時，測試系統(tǒng)實際參與的裝置及相應的工作流程。

實施例一：

如圖1所示，本發(fā)明實施例中的調度員視覺搜索能力的測試方法主要包括如下所述的步驟：

步驟101，通過顯示裝置(即測試內容顯示裝置)向被測人員隨機或按預設顯示順序顯示整齊排列的第一類刺激矩陣或第二類刺激矩陣；所述第一類刺激矩陣中所有刺激元均相同，所述第二類刺激矩陣中至少有一個刺激元與其所在的刺激矩陣中的其它刺激元不同。

步驟102，在測試過程中，通過眼動采集裝置(即眼動數據記錄裝置)持續(xù)地實時采集被測人員的眼動數據，并當被測人員根據所顯示的刺激矩陣進行相應的按鍵操作時，通過行為采集裝置(即行為記錄裝置)持續(xù)地實時采集被測人員的行為數據。

另外，所述眼動數據可以包括：眼跳潛伏期，掃描持續(xù)時間和掃描路徑長度。所述行為數據可以包括：反應速度和反應正確率。所述被測人員可以是高鐵調度員或其他需要測試的技術人員。

步驟103，在測試過程結束之后，對所采集的眼動數據和行為數據進行標準化以及一致化操作。

在本步驟中，可以使用常用的標準化以及一致化方法將對所采集的眼動數據和行為數據進行標準化以及一致化操作，在此不再贅述。

步驟104，根據標準化以及一致化操作后的眼動數據和行為數據，采用卷積神經網絡算法進行處理，得到結果簇。

在本發(fā)明的技術方案中，可以使用多種方式來實現上述的步驟104。以下將以其中的一種具體實現方式為例，對本發(fā)明的技術方案進行介紹。

例如，較佳的，在本發(fā)明的一個具體實施例中，可以通過如下的公式計算得到結果簇：

其中，hω,b為結果簇，f為轉換函數，xi為眼動數據和行為數據，ω為隱含層的權重，b為隱含層的閾值。

步驟105，將所述結果簇通過softmax分類器進行分類，得到分類結果，并將所述分類結果作為被測人員的視覺搜索能力的測試結果。

在本發(fā)明的技術方案中，可以根據實際應用情況的需要，對分類結果的種類進行設置，從而得到被測人員的視覺搜索能力的測試結果。

例如，較佳的，在本發(fā)明的一個具體實施例中，所述分類結果可以包括如下的四類測試結果：

y(i)∈{1,2,3,4}；其中，當y(i)＝1時，測試結果為90～100分；當y(i)＝2時，測試結果為80～90分；當y(i)＝3時，測試結果為70～80分；當y(i)＝4時，測試結果為60～70分。因此，通過上述的步驟101～105，即可對當前被測試調度員的視覺搜索能力進行有效地測試，并得到最終的測試結果，給出量化的測試分數。在本發(fā)明的技術方案中，還提供了一種調度員視覺搜索能力的測試系統(tǒng)。

圖2為本發(fā)明實施例中的調度員視覺搜索能力的測試系統(tǒng)的結構示意圖。如圖2所示，本發(fā)明實施例中的調度員視覺搜索能力的測試系統(tǒng)包括：顯示裝置21、眼動采集裝置22(眼動數據記錄裝置)、行為采集裝置23、數據處理及測試裝置(包括數據處理裝置24和softmax分類器25)；所述顯示裝置21，用于向被測人員隨機或按預設顯示順序顯示整齊排列的第一類刺激矩陣或第二類刺激矩陣；所述第一類刺激矩陣中所有刺激元均相同，所述第二類刺激矩陣中至少有一個刺激元與其所在的刺激矩陣中的其它刺激元不同；所述眼動采集裝置22，用于在測試過程中持續(xù)地實時采集被測人員的眼動數據；所述行為采集裝置23，用于當被測人員根據所顯示的刺激矩陣進行相應的按鍵操作時，持續(xù)地實時采集被測人員的行為數據；所述數據處理裝置24，用于在測試過程結束之后，對所采集的眼動數據和行為數據進行標準化以及一致化操作；根據標準化以及一致化操作后的眼動數據和行為數據，采用卷積神經網絡算法進行處理，得到結果簇；所述softmax分類器25，用于對所述結果簇進行分類，得到分類結果，并將所述分類結果作為被測人員的視覺搜索能力的測試結果。

在本發(fā)明中的調度員視覺搜索能力的測試方法和系統(tǒng)中，由于先通過顯示裝置向被測人員隨機或按預設顯示順序顯示整齊排列的第一類刺激矩陣或第二類刺激矩陣，然后通過眼動采集裝置和行為采集裝置分別采集被測人員的眼動數據和行為數據，并對所采集的眼動數據和行為數據進行標準化以及一致化操作之后，采用卷積神經網絡算法進行處理，得到結果簇，最后將所述結果簇通過softmax分類器進行分類，得到分類結果，從而可對當前被測試調度員的視覺搜索能力進行有效地測試，并得到最終的測試結果，給出量化的測試分數。

實施例二

圖3為本發(fā)明實施例中的調度員的注意廣度的測試方法的流程圖。如圖3所示，本發(fā)明實施例中的調度員的注意廣度的測試方法包括如下所述步驟：

步驟301，通過顯示裝置向被測調度員顯示預設時長的測試畫面，并通過眼動儀裝置實時采集被測調度員的眼動數據。在本發(fā)明的技術方案中，首先可以在測試過程中通過顯示裝置向被測調度員顯示預設時長的測試畫面，然后可以在測試過程中實時地采集調度員的眼動數據。例如，可以通過眼動儀裝置來采集調度員在測試過程中的眼動數據。其中，所述眼動數據可以包括：眼睛焦點位置(efp)、單位時窗內雙眼閉合的幀數和眼球橫向擺動振幅等數據。

步驟302，根據所采集的眼動數據中的眼睛焦點位置，計算被測調度員在測試過程中注視測試畫面中的非安全視景區(qū)域的時間與單位時間窗的比例在本發(fā)明的技術方案中，可以根據實際情況的需要，在所述測試畫面中預先設置正常視景區(qū)域s1和與非安全視景區(qū)域s2。被測調度員在測試過程中注視測試畫面中的非安全視景區(qū)域的時間與單位時間窗的比例可以用來反映被測調度員的分心狀態(tài)。

因此，較佳的，在本發(fā)明的一個具體實施例中，可以根據所采集的眼動數據中的眼睛焦點位置，判斷被測調度員注視非安全視景區(qū)域的次數和時長，并根據時窗長度以及被測調度員注視非安全視景區(qū)域的次數和時長，計算得到被測調度員在測試過程中注視測試畫面中的非安全區(qū)域的時間與單位時間窗的比例從而可以根據該比例來衡量被測調度員的分心狀態(tài)。

另外，較佳的，在本發(fā)明的一個具體實施例中，可以通過如下所述的公式計算得到被測調度員在測試過程中注視測試畫面中的非安全視景區(qū)域的時間與單位時窗的比例

其中，n為被測調度員在單位時窗內注視非安全視景區(qū)域的總次數；ti為被測調度員第i次注視非安全視景區(qū)域的時長；ts為時窗長度。另外，較佳的，在本發(fā)明的一個具體實施例中，時窗長度可以是3秒。

步驟303，根據所采集的眼動數據中的單位時窗內雙眼閉合的幀數和預設的比例閾值，計算得到被測調度員的單位時間內眼睛閉合的時長(perclos,percentageofeyelidclosureoverthepupilovertime)?？梢酝ㄟ^如下所述的公式計算得到被測調度員的單位時間內眼睛閉合的時長pc：

其中，pc為被測調度員的單位時間內眼睛閉合的時長，c為預設的比例閾值，ηj為單位時窗內雙眼閉合的幀數；tp為單位時窗的長度；fp為視頻拍攝的幀率。當調度員在工作中產生白日夢等狀態(tài)的時候就容易產生困意，致使分心。因此，在本發(fā)明的技術方案中，可以利用pc來衡量調度員的分心狀態(tài)。

在本發(fā)明的技術方案中，perclos是指在單位時間內眼睛閉合時間所占的百分比率，可以簡稱為眼睛閉合率。而在判斷眼睛是否閉合時，需要使用比例閾值c，例如，當眼瞼遮住瞳孔的面積的百分比大于或等于c％時，即判斷眼睛否閉合。在本發(fā)明的技術方案中，可以根據實際應用環(huán)境的需要，預先設置上述比例閾值的取值。例如，較佳的，在本發(fā)明的一個具體實施例中，所述比例閾值可以為80。此時，pc＝p80。

步驟304，根據所采集的眼動數據中的眼球橫向擺動振幅，計算得到被測調度員的眼睛橫向擺動方差。當調度員處于發(fā)呆等類似狀態(tài)時，眼睛會出現長時間的零擺動狀態(tài)。因此，在本發(fā)明的技術方案中，可以根據被測調度員的視野是否改變和時窗長度，對眼球橫向擺動振幅進行分段方差處理。因此，在本發(fā)明的技術方案中，可以根據所述眼睛橫向擺動方差判斷被測調度員的視野是否發(fā)生改變。另外，較佳的，在本發(fā)明的一個具體實施例中，可以通過如下所述的公式計算得到眼睛橫向擺動方差：

其中，da為眼睛橫向擺動方差，n為單位時窗內的視頻的幀數，ai為眼球橫向擺動振幅。

步驟305，根據被測調度員在測試過程中注視測試畫面中的非安全視景區(qū)域的時間與單位時間窗的比例、單位時間內眼睛閉合的時長以及眼睛橫向擺動方差，得到被測人員的注意廣度水平的測試結果。

由于在之前的步驟302～304中，分別計算得到被測調度員在測試過程中注視測試畫面中的非安全視景區(qū)域的時間與單位時間窗的比例、單位時間內眼睛閉合的時長和眼睛橫向擺動方差，因此，在本步驟中，即可根據這三個計算結果，得到被測人員的注意廣度水平的測試結果。在本發(fā)明的技術方案，可以通過多種具體實現方式來實現上述的步驟305。以下將以其中的一種具體實現方式為例，對本發(fā)明的技術方案進行介紹。例如，較佳的，在本發(fā)明的一個具體實施例中，所述步驟305可以包括：步驟51，根據被測調度員在測試過程中注視測試畫面中的非安全視景區(qū)域的時間與單位時間窗的比例、單位時間內眼睛閉合的時長以及眼睛橫向擺動方差，分別得到對應的分數；步驟52，計算三個分數的平均值，并將所述平均值作為被測人員的注意廣度水平的測試結果。

圖4為本發(fā)明實施例中的調度員的注意廣度的測試系統(tǒng)的結構示意圖。如圖3所示，本發(fā)明實施例中的調度員的注意廣度的測試系統(tǒng)包括：顯示裝置31、眼動儀裝置32和數據處理裝置33；所述顯示裝置31，用于向被測調度員顯示預設時長的測試畫面；所述眼動儀裝置32，用于實時采集被測調度員的眼動數據，并將采集到的眼動數據傳輸給所述數據處理裝置33；所述眼動數據包括：眼睛焦點位置、單位時窗內雙眼閉合的幀數和眼球橫向擺動振幅；所述數據處理裝置33，用于根據所采集的眼動數據中的眼睛焦點位置，計算被測調度員在測試過程中注視測試畫面中的非安全視景區(qū)域的時間與單位時間窗的比例；根據所采集的眼動數據中的單位時窗內雙眼閉合的幀數和預設的比例閾值，計算得到被測調度員的單位時間內眼睛閉合的時長；根據所采集的眼動數據中的眼球橫向擺動振幅，計算得到被測調度員的眼睛橫向擺動方差；根據被測調度員在測試過程中注視測試畫面中的非安全視景區(qū)域的時間與單位時間窗的比例、單位時間內眼睛閉合的時長以及眼睛橫向擺動方差，得到被測人員的注意廣度水平的測試結果。

較佳的，在本發(fā)明的一個具體實施例中，所述數據處理裝置33還可以包括：第一計算單元331、第二計算單元332、第三計算單元333和測評單元334；所述第一計算單元331，用于根據所采集的眼動數據中的眼睛焦點位置，計算被測調度員在測試過程中注視測試畫面中的非安全視景區(qū)域的時間與單位時間窗的比例；所述第二計算單元332，用于根據所采集的眼動數據中的單位時窗內雙眼閉合的幀數和預設的比例閾值，計算得到被測調度員的單位時間內眼睛閉合的時長；所述第三計算單元333，用于根據所采集的眼動數據中的眼球橫向擺動振幅，計算得到被測調度員的眼睛橫向擺動方差；所述測評單元334，用于根據被測調度員在測試過程中注視測試畫面中的非安全視景區(qū)域的時間與單位時間窗的比例、單位時間內眼睛閉合的時長以及眼睛橫向擺動方差，得到被測人員的注意廣度水平的測試結果。

綜上所述，在本發(fā)明的技術方案中，先通過顯示裝置向被測調度員顯示預設時長的測試畫面，并通過眼動儀裝置實時采集被測調度員的眼動數據；然后再分別根據所采集的眼動數據，計算被測調度員在測試過程中注視測試畫面中的非安全視景區(qū)域的時間與單位時間窗的比例、單位時間內眼睛閉合的時長以及眼睛橫向擺動方差；最后即可根據被測調度員在測試過程中注視測試畫面中的非安全視景區(qū)域的時間與單位時間窗的比例、單位時間內眼睛閉合的時長以及眼睛橫向擺動方差，得到被測人員的注意廣度水平的測試結果。由于在本發(fā)明的技術方案中，引入了眼動數據對注意廣度水平進行評價，因此從生理指標上明確了對調度員注意廣度的測評方法，從而大大增加了對調度員注意廣度測評的準確性。

實施例三

圖5為示例性實施例示出的注意力評測方法的流程示意圖；

s200：數據采集：調度員腦電信號采集裝置、調度員心電信號采集裝置和調度員行為數據采集裝置進行數據采集。

s201：腦電預處理：濾波去除工頻、肌電干擾。

s202：心電預處理：低通濾波去除肌電干擾，帶陷濾波器濾除工頻干擾，零相位濾波器去除基線漂移。

s203：特征提取：進行腦電特征選取(腦電信號頻率功率譜幅值)、心電特征選取(倒譜數據中峰值振幅數據)和行為特征選取(正式階段操作反應時間)。

s204：指標處理：進行指標標準化和一致化，進行pcvm算法和sigmod函數(閾值函數)處理。

s205：結果輸出：量化分數至0-100分。

基于與方法實施例相同的技術構思，本發(fā)明實施例還提供一種注意力評測系統(tǒng)，應用于高鐵調度員。如圖6所示，該系統(tǒng)可以包括：獲取單元301、第一提取單元302、第二提取單元303、第三提取單元304和評測單元305。其中，獲取單元301，用于獲取腦電信號、心電信號和行為數據。第一提取單元302，用于對腦電信號進行時域到頻域的變換處理，提取腦電特征向量。第二提取單元303，用于對心電信號進行倒譜處理，提取心電信號特征向量。第三提取單元304，用于對行為數據進行處理，提取行為特征向量。評測單元305，用于采用pcvm概率分類算法，對腦電特征向量、心電特征向量和行為特征向量進行處理，得到評測結果。

在一些可選的實施例中，上述系統(tǒng)還可以包括：第一濾波單元和去除單元。其中，第一濾波單元用于對腦電信號進行濾波。去除單元用于對濾波后的信號進行眼電偽跡的去除。在一些可選的實施例中，上述系統(tǒng)還可以包括：第二濾波單元、第三濾波單元和第四濾波單元。其中，第二濾波單元用于對心電信號進行低通濾波，以濾除肌電干擾信號。第三濾波單元用于對心電信號進行帶陷濾波，以濾除工頻干擾信號。第四濾波單元用于對心電信號進行零相移濾波，以濾除基線漂移信號。在一些可選的實施例中，腦電特征向量為腦電信號平均功率譜幅值和頻域組合。在一些可選的實施例中，第二提取單元具體可以包括：第一變換模塊、對數預算模塊和第二變換模塊。其中，第一變換模塊用于對心電信號進行傅立葉變換。對數預算模塊用于對傅立葉變換后的信號進行對數運算。第二變換模塊用于對對數運算后的信號進行傅立葉反變換，得到心電信號特征向量。在一些可選的實施例中，心電信號特征向量為倒譜數據中的峰值振幅數據。在一些可選的實施例中，行為特征向量為高鐵調度員進行操作的反應時間。在一些可選的實施例中，評測單元具體可以包括：最優(yōu)化模塊和評測模塊。其中，最優(yōu)化模塊用于根據下式進行更新，得到最優(yōu)的αi和b參數：

其中，k(xt，x)表示核函數；yi表示輸入的訓練集的類標；αi表示拉格朗日乘子向量的一個分量，0＜αi＜c，c表示支持向量機中的懲罰參數；n表示輸入的訓練集的數目；評測模塊用于基于最優(yōu)的αi和b參數，并根據下式得到評測結果：

其中，x表示腦電特征向量、心電特征向量和行為特征向量的集合；wj,w0為神經網絡隱含層中的權重向量；k(x,xj)表示核函數；wx+b＝0；b表示映射的超平面劃分參數；m表示正整數。

在一些可選的實施例中，上述系統(tǒng)還可以包括：映射單元。其中，映射單元用于利用閾值函數對評測結果進行映射，得到注意力水平數值。

實施例四

圖7為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括空間工作記憶更新能力測試單元時的工作流程示意圖。

具體而言，在受測者準備完畢后，測試界面啟動，界面的隨機位置上出現一個靶刺激，隨機位置為n(可調控)宮格，靶刺激在一段時間后消失。受測者需要判斷當前刺激的位置與相鄰刺激的前一個刺激的位置是否相同。在受測者完成此任務的同時記錄受測者的反應時、正確率，并實時采集受測者與刺激相關的腦電。有關腦電的具體實現方式可以參見現有技術的相關描述，在此不再展開。反應時、正確率通常需要經過數據預處理環(huán)節(jié)，即經過標準化、一致化后才便于參與綜合評價。對經過預處理后的反應時、正確率以及腦電等指標數據進行綜合評價。具體方法如下：

由實驗所得的參與人員指標中，一般將反應時x1、正確率x2、腦電指標x3作為具有代表性的評估因子，對調度員的空間工作記憶更新能力進行劃分，劃分標準可以設定為三項：p1、p2、p3。

在進行分級之前先要制定3個的理想評價指標表(測試得到的指標需要和這個理想指標評價表進行對比，以得到最終結果)。理想評價表通過先驗分析得到，基于大量的高鐵調度員實際的測試數據分析得到。將理想評價指標映射為神經元狀態(tài)，需要對其進行編碼，如圖3所示的編碼示意圖：

模型輸入輸出關系：其中為神經元i與j的連接權值，θj為神經元j的閾值；

神經元j的當前時刻t的輸入量：uj(t)＝sj(t)；

神經元下一時刻t+1的輸出量：

當神經網絡進行適當的訓練后，連接權矩陣ωij將被確定，表明網絡已經處于準備狀態(tài)。輸入待分類的等級評價指標數據與預先設定的尺度表對比獲取dhnn編碼圖，經過多次循環(huán)后，網絡可達到穩(wěn)定狀態(tài)：v(t+1)＝v(t)，此時輸出端可得到穩(wěn)定輸出，即將處理后得到的評價指標表與理想評價指標表進行對比，此項指標大于理想評價指標的話就記為“1”，反之記為“-1”，穩(wěn)定輸出就是被測人員的考核等級。

從上述可知，采用本發(fā)明前述兩個實施例后，能夠將空間工作記憶更新能力與具體場景任務如高鐵調度的任務特征充分相融合，并且采用兩個維度的指標，從表象層面深入到機理層面，從外源因素到內源因素，建立了一種準確度更高的、更科學客觀的空間工作記憶更新能力考核方案，從而能夠更好的量化從業(yè)者的空間工作記憶更新能力水平，從而提高工作效率以及降低風險。

參見圖8所示，用于考核空間工作記憶更新能力的系統(tǒng)可以包括：測試內容顯示單元、人機交互單元、行為記錄單元、腦電信號收集單元以及空間工作記憶更新能力綜合評價單元等，其中：測試內容顯示單元用于顯示被測人員的模擬任務環(huán)境，使被測人員處于模擬任務的場景條件下；人機交互單元用于被測人員的人機交互操控；行為記錄單元、腦電信號收集單元分別用于獲取被測人員的行為指標數據和腦電指標數據；空間工作記憶更新能力綜合評價單元用于通過綜合評價模型將行為指標數據和腦電指標數據映射至多個考核等級中的一個；綜合評價模型事先通過如下方式獲得：基于預定數量的被測人員在實際任務狀態(tài)下的測試數據，獲得與考核等級對應個數的理想評價指標表，并且在多個理想評價指標表的監(jiān)督下通過神經網絡學習獲得多輸入與單輸出的關系模型。優(yōu)選地，腦電信號收集單元可以采用腦電儀。另外，該用于考核空間工作記憶更新能力的系統(tǒng)還可以包括參數調節(jié)模塊，用于調節(jié)各種參數，例如人機交互的操控參數或者測試內容的顯示節(jié)奏等，此外各個信號搜集單元上可以分別集成相應的信號處理裝置。

實施例五

圖9為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括工作記憶能力測試單元時的工作流程示意圖。

在被測人員處于模擬任務狀態(tài)下，獲取所述被測人員的行為指標數據和腦電指標數據；分別將所述行為指標數據和所述腦電指標數據進行特征處理，取得相應的特征值；將所述行為指標數據的特征值和所述腦電指標數據的特征值作為輸入樣本，采用學習矢量量化算法進行網絡訓練，得到記憶能力水平輸出。

為了能夠更好理解本發(fā)明的構思，下面結合具體場景及優(yōu)選實現方式進一步說明。

在實際考核過程中，被測人員準備完畢后，測試界面啟動，界面將產生多個(例如三個)不同難度的任務代號；當出現靶刺激時，根據屏幕之前給出的任務指示，進行符合相應規(guī)則的操作。在這個過程中，實時采集被測人員的行為指標數據和腦電指標數據，在練習結束時顯示，顯示練習階段的平均反應時、正確率、各腦電幅值指標等參數。

然后，將上述指標作為模型輸入，在腦電幅值處理中使用主成分分析與判別分析方法來直接進行降維處理，取得特征值，然后利用分類器進行分類，其中包括單類分類器、多類分類器、概率式分類器，本發(fā)明實施例利用學習矢量量化算法進行網絡訓練，由行為指標(平均反應時x1、正確率x2)與降維后腦電幅值(x3,x4,...,xn)輸入獲取記憶力水平輸出，一下為模型方法：

設置上述數據作為輸入變量x(n)＝[x1(n),x2(n),....,xn(n)]^t為訓練樣本，權值向量為wi1(n)＝[wi1(n)，wi2(n),....,win(n)]^t

通過歐式距離最小的標準來尋找獲勝的神經元，也就是迭代過程中不斷的尋找相似的樣本，權值向量大的具有更強力的“吸引力”，能將神經網絡中的其他神經元包含進來，最終將相似的樣本聚合在一起，將x(n)劃分為若干類，實現隱含層的競爭原理，這些非線性的計算都由計算機完成。

在輸出結果中形成的幾個結果簇中，根據訓練樣本中的測試者表現情況很容易分辨結果簇屬于哪一類，并且對工作記憶能力進行梯度性的評價(60-70/70-80/80-90/90-100)。

從上述可知，本發(fā)明的工作記憶能力考核的方法將受測者腦電幅值和受測者的行為指標相(平均反應時、正確率)融合，并利用了改進的算法，增強了該方法的泛化能力，將原本的長時間訓練時間大量降低，從而提高了時效性，在評判及時性上得到了提高。

參見圖10，本發(fā)明實施例中的調度員能力測試系統(tǒng)包括工作記憶能力測試單元時的結構示意圖，該系統(tǒng)可以包括：測試內容顯示單元、人機交互單元、行為記錄單元、腦電信號收集單元、特征選取處理單元以及綜合評價處理單元等，其中：測試內容顯示單元，用于顯示被測人員的模擬任務環(huán)境；人機交互單元，用于被測人員的人機交互操控；行為記錄單元、腦電信號收集單元，分別用于獲取被測人員的行為指標數據、腦電指標數據；特征選取處理單元，用于分別將所述行為指標數據和所述腦電指標數據進行特征處理，取得相應的特征值；綜合評價處理單元，用于將所述行為指標數據的特征值和所述腦電指標數據的特征值作為輸入樣本，采用學習矢量量化算法進行網絡訓練，得到記憶能力水平輸出。在具體實施時，腦電信號收集單元可以采用腦電儀。

實施例六

圖11為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括任務切換能力測試單元時的工作流程示意圖。包括如下步驟：

步驟1101：通過展示模塊對任務測試題進行展示。

步驟1102：通過眼動采集模塊采集高鐵調度員閱讀任務測試題時的掃視時長，掃視時長為眼球開始掃視至結束掃視時的所需時長。

步驟1103：通過記錄模塊記錄掃視時長。

步驟1104：接收到任務測試題的作答結果時，通過記錄模塊記錄作答時長及當前作答的正確率。

步驟1105：基于全部任務測試題中每一個任務測試題對應的掃視時長、作答時長、正確率確定高鐵調度員任務切換能力的第一測試結果。

在步驟1101中，在一實施例中，本發(fā)明可以應用在計算機、智能手機、平板電腦、智能手表等終端設備上，展示模塊為終端設備的展示界面。任務測試題的內容不定，任務測試題1例如為：在展示界面中會有正方形和數字出現在屏幕的中央，當展示界面中出現藍色邊框的正方形的時候，請高鐵調度員判斷接下來在正方形中出現的數字是奇數還是偶數，如果是偶數請又快又準用左手食指按左方向鍵，如果是奇數請又快又準用右手食指按右方向鍵；任務測試題2例如為：當出現紅色邊框的正方形的時候，請高鐵調度員判斷接下來在正方形中出現的數字是小于5還是大于等于5，如果是小于5請又快又準用左手食指按左方向鍵，如果大于等于5請又快又準用右手食指按右方向鍵。

在步驟1102中，在一實施例中，眼動采集模塊可以為終端設備上的攝像頭等可以拍攝外界物體的拍攝裝置，也可以為終端設備外接的一個獨立的拍攝設備，例如眼球儀。通過眼動采集模塊，可以將高鐵調度員在閱讀任務測試題時，眼球的運動時長進行采集，以此避免高鐵調度員未閱讀完成該任務測試題，任意填寫作答結果，導致作答結果不準確的情況發(fā)生。掃視時長為眼球開始掃視至結束掃視時的所需時長，若掃視時長過短，極有可能高鐵調度員未完成對該任務測試題的閱讀，可判定該作答結果無效。在步驟1103中，在一實施例中，通過終端設備中的記錄模塊記錄掃視時長。在步驟1104中，在一實施例中，當終端設備接收到高鐵調度員針對該任務測試題的作答結果時，終端設備通過記錄模塊記錄作答時長及當前作答的正確率。

在步驟1105中，在一實施例中，終端設備基于全部任務測試題中每一個任務測試題對應的掃視時長、作答時長、正確率確定高鐵調度員任務切換能力的第一測試結果r1。具體的，該步驟1105可以包括：

基于全部任務測試題中每一個任務測試題對應的掃視時長、作答時長、正確率，分別確定對應的第二測試結果、第三測試結果、第四測試結果；

基于第二測試結果、第三測試結果、第四測試結果及第二測試結果、第三測試結果、第四測試結果分別對應的第一預設權重、第二預設權重、第三預設權重，確定第一測試結果。其中，第二測試結果r2、第三測試結果r3、第四測試結果r4分別為高鐵調度員在掃視時長、作答時長、正確率三個方面得到的單項任務切換能力的測試結果。根據掃視時長、作答時長、正確率在高鐵調度員任務切換能力的測試中的重要程度，確定與第二測試結果r2、第三測試結果r3、第四測試結果r4分別對應的第一預設權重w1、第二預設權重w2、第三預設權重w3。

具體的，基于全部任務測試題中每一個任務測試題對應的掃視時長、作答時長、正確率，分別確定對應的第二測試結果、第三測試結果、第四測試結果包括：

對全部任務測試題中每一個任務測試題對應的掃視時長、作答時長、正確率分別進行標準化處理，得到全部任務測試題中每一個任務測試題對應的標準掃視時長、標準作答時長、標準正確率；基于全部任務測試題中每一個任務測試題對應的標準掃視時長、預設比例關系、全部任務測試題的總數量、確定第二測試結果；基于全部任務測試題中每一個任務測試題對應的標準作答時長、預設比例關系、全部任務測試題的總數量、確定第三測試結果；基于全部任務測試題中每一個任務測試題對應的標準正確率、預設比例關系、全部任務測試題的總數量、確定第三測試結果。其中，終端設備可以通過min-max標準化公式，對全部任務測試題中每一個任務測試題對應的掃視時長、作答時長、正確率分別進行標準化處理。min-max標準化公式為其中，ti、tmin、tmax針對掃視時長、作答時長、正確率分別對應的含義如下：

ti為第i個任務測試題對應的掃視時長，tmin為所有掃視時長里的最小值，tmax為所有掃視時長里的最大值；ti為第i個任務測試題對應的作答時長，tmin為所有作答時長里的最小值，tmax為所有作答時長里的最大值；ti為第i個任務測試題對應的當前作答的正確率，tmin為所有正確率里的最小值，tmax為所有正確率里的最大值?；谌咳蝿諟y試題的總數量n，通過判別函數分別得到與掃視時長、作答時長、正確率對應的s1、s2、s3；通過預設比例關系計算得到與s1、s2、s3分別對應的第二測試結果r2、第三測試結果r3、第四測試結果r4，其中，t為預設的閾值，80為便于r結果落入60分～100分區(qū)間所設定的。若r算出來小于60，則取60，若大于100，則取100。

通過公式r1＝w1·r2+w2·r3+w3·r4，計算得到第一測試結果r1，公式中包括第二測試結果r2、第三測試結果r3、第四測試結果r4，第一預設權重w1、第二預設權重w2、第三預設權重w3。

本發(fā)明實施例中，高鐵調度員任務切換能力的測試方法通過眼球眼動采集模塊采集高鐵調度員閱讀任務測試題時的掃視時長，并結合終端設備接收到任務測試題的作答結果時，通過記錄模塊記錄的作答時長及當前作答的正確率，實現了客觀地、全面地評估高鐵調度員任務切換能力，并可以對高鐵調度員任務切換的能力進行量化展示，為高鐵調度員的選拔、業(yè)績考核提供參考依據。

此外，本發(fā)明提出的高鐵調度員任務切換能力的測試方法在其它實施例中還存在以下優(yōu)選方式：

基于第一預設概率從上一任務測試題切換至任務測試題。通過設置第一預設概率，使得不同任務測試題之間按照第一預設概率進行切換。當增加較難的任務測試題的出現概率時，全部任務測試題的整體難易程度偏難，當增加較簡單的任務測試題的出現概率時，全部任務測試題的整體難易程度偏簡單。通過改變第一預設概率，可以調節(jié)全部任務測試題的難易程度，使得用戶根據自身需要，靈活調節(jié)全部任務測試題的難易程度。

圖12為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括任務切換能力測試單元時的結構示意圖。如圖12所示，該測試系統(tǒng)包括：測試題展示單元121，用于通過展示模塊對任務測試題進行展示；掃視時長采集單元122，用于通過眼動采集模塊采集高鐵調度員閱讀任務測試題時的掃視時長，掃視時長為眼球開始掃視至結束掃視時的所需時長；第一記錄單元123，用于通過記錄模塊記錄掃視時長；第二記錄單元124，用于接收到任務測試題的作答結果時，通過記錄模塊記錄作答時長及當前作答的正確率；測試結果確定單元125，用于基于全部任務測試題中每一個任務測試題對應的掃視時長、作答時長、正確率確定高鐵調度員任務切換能力的第一測試結果。優(yōu)選地，測試結果確定單元包括：

第一結果確定模塊(圖中未示出)，用于基于全部任務測試題中每一個任務測試題對應的掃視時長、作答時長、正確率，分別確定對應的第二測試結果、第三測試結果、第四測試結果；第二結果確定模塊(圖中未示出)，用于基于第二測試結果、第三測試結果、第四測試結果及第二測試結果、第三測試結果、第四測試結果分別對應的第一預設權重、第二預設權重、第三預設權重，確定第一測試結果。優(yōu)選地，第一結果確定模塊包括：標準化處理子模塊(圖中未示出)，用于對全部任務測試題中每一個任務測試題對應的掃視時長、作答時長、正確率分別進行標準化處理，得到全部任務測試題中每一個任務測試題對應的標準掃視時長、標準作答時長、標準正確率；第一確定子模塊(圖中未示出)，用于基于全部任務測試題中每一個任務測試題對應的標準掃視時長、預設比例關系、全部任務測試題的總數量、確定第二測試結果；第二確定子模塊(圖中未示出)，用于基于全部任務測試題中每一個任務測試題對應的標準作答時長、預設比例關系、全部任務測試題的總數量、確定第三測試結果；第三確定子模塊(圖中未示出)，用于基于全部任務測試題中每一個任務測試題對應的標準正確率、預設比例關系、全部任務測試題的總數量、確定第三測試結果。

優(yōu)選地，測試系統(tǒng)還可以包括：測試題切換單元126，用于基于第一預設概率從上一任務測試題切換至任務測試題。

本發(fā)明提出的高鐵調度員任務切換能力的測試系統(tǒng)的工作過程簡述如下：通過終端設備上的展示模塊對該任務測試題進行展示，高鐵調度員閱讀該任務測試題時，通過眼動采集模塊采集高鐵調度員閱讀該任務測試題時的掃視時長，該掃視時長為眼球開始掃視至結束掃視時的所需時長，眼動采集模塊將采集到的掃視時長發(fā)送到終端設備上的記錄模塊，通過記錄模塊記錄該掃視時長，終端設備接收到高鐵調度員針對任務測試題給出的作答結果時，終端設備通過記錄模塊記錄作答時長及當前作答的正確率，基于全部任務測試題中每一個任務測試題對應的掃視時長、作答時長、正確率，終端設備確定高鐵調度員任務切換能力的第一測試結果。

本實施例高鐵調度員任務切換能力的測試方法通過眼球眼動采集模塊采集高鐵調度員閱讀任務測試題時的掃視時長，并結合終端設備接收到任務測試題的作答結果時，通過記錄模塊記錄的作答時長及當前作答的正確率，實現了客觀地、全面地評估高鐵調度員任務切換能力，并可以對高鐵調度員任務切換的能力進行量化展示，為高鐵調度員的選拔、業(yè)績考核提供參考依據。

實施例七

圖13為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括持續(xù)性注意力測試單元時的工作流程示意圖。

如圖13所示：在被測人員處于模擬任務狀態(tài)下，獲取被測人員的行為指標數據、眼動指標數據和腦電指標數據；將行為指標數據、眼動指標數據和腦電指標數據作為預設綜合評價模型的輸入，綜合評價模型的輸出為多個考核等級中的一個；綜合評價模型事先通過如下方式獲得：基于預定數量的被測人員在實際任務狀態(tài)下的測試數據，獲得與考核等級對應個數的理想評價指標表，并且在多個理想評價指標表的監(jiān)督下通過神經網絡學習獲得多輸入與單輸出的關系模型。在此基礎上，在具體實施過程中，還可以采用如下至少一種優(yōu)化或實現方式：一、行為指標數據、眼動指標數據和腦電指標數據在輸入前均經過數據預處理；二、腦電指標數據的預處理可以包括：將采集的腦電信號先通過0至30hz帶寬的整體濾波器，再以長度為2s的時間窗分割，分割得到的每個窗的信號乘以漢明窗函數并進行fft變換；三、腦電指標數據包括fft變換后的腦電信號α波平均幅值、β波平均幅值、α/β、(α+β)/β；行動指標數據和所述眼動指標數據的預處理具體為數據的標準化、一致化處理，數據標準化及一致化處理可以包括數據同趨化處理和無量綱化處理兩個方面。數據同趨化處理主要解決不同性質數據問題，對不同性質指標直接加總不能正確反映不同作用力的綜合結果，須先考慮改變逆指標數據性質，使所有指標對測評方案的作用力同趨化，再加總才能得出正確結果，數據無量綱化處理主要解決數據的可比性。去除數據的單位限制，將其轉化為無量綱的純數值，便于不同單位或量級的指標能夠進行比較和加權。數據標準化的方法有很多種，常用的有“最小—最大標準化”、“z-score標準化”和“按小數定標標準化”等。經過上述標準化處理，原始數據均轉換為無量綱化指標測評值，即各指標值都處于同一個數量級別上，可以進行綜合測評分析；四、行為指標數據可以包括反應時和正確率；五、眼動指標數據可以包括瞳孔直徑、眨眼頻率、注意持續(xù)時間和掃視速度等；六、考核等級可以為三個，例如p1，p2，p3，分別對應好、量和中，以便判斷被測人員的持續(xù)性注意力水平是否達標。

具體而言，在被測人員準備完畢后，測試界面啟動，界面中央會出現一個信號機，每次出現的信號機與上次出現的信號機不同，信號機在一段時間后消失，隨之出現列車不同運行狀態(tài)，被測人員需要在出現特定信號機的時候，若下一個列車運行狀態(tài)與之匹配，則做出反應。在被測人員完成此任務的同時記錄被測人員的行為指標數據如反應時和正確率，并實時采集被測人員腦電、眼動指標數據。有關腦電及眼動指標數據的具體實現方式可以參見現有技術的相關描述，在此不再展開。反應時、正確率通常需要經過數據預處理環(huán)節(jié)，即經過標準化、一致化后才便于參與綜合評價。相應地，眼動數據也通常需要經過數據預處理環(huán)節(jié)，即經過標準化、一致化后才能參與綜合評價。

采集的腦電信號先通過0-30hz帶寬的整體濾波器，去除工頻電和部分肌電信號干擾，然后得到的信號再以長度為2s的時間窗分割，每個窗的信號再乘上同等長度漢明窗函數，之后進行快速傅里葉變換即fft，前一步驟有助于fft變換的旁瓣效應影響，相關具體公式如下：

時間窗信號：h(n)

漢明窗：

其中a+b＝1，a和b決定了窗函數的格式，a，b-般取0.5，n≈n²n為信號樣本量。

處理后信號：h(n)＝h(n)·w(n)

處理后的腦電信號再經過fft變換得到：

k＝0，1......n-1

從已變換后的信號中可以提取有用的腦電信號特征α波平均幅值、β波平均幅值、α/β、(α+β)/β，作為后續(xù)模型算法的參數輸入。對經過預處理后的反應時、正確率、眼動以及腦電等指標數據進行綜合評價。具體方法如下：

由實驗所得的參與人員指標中，一般將反應時x1、正確率x2、眼動指標xi、腦電指標xi+1作為具有代表性的評估因子，對調度員的持續(xù)性注意進行劃分，劃分標準可以設定為三項：p1、p2、p3。

在進行分級之前先要制定3個的理想評價指標表(測試得到的指標需要和這個理想指標評價表進行對比，以得到最終結果)。理想評價表通過先驗分析得到，基于大量的高鐵調度員實際的測試數據分析得到。將理想評價指標映射為神經元狀態(tài)，需要對其進行編碼

模型輸入輸出關系：其中為神經元i與j的連接權值，θj為神經元j的閾值；

神經元j的當前時刻t的輸入量：uj(t)＝sj(t)；

神經元下一時刻t+1的輸出量：

當神經網絡進行適當的訓練后，連接權矩陣ωij將被確定，表明網絡已經處于準備狀態(tài)。輸入待分類的等級評價指標數據與預先設定的尺度表對比獲取dhnn編碼圖，經過多次循環(huán)后，網絡可達到穩(wěn)定狀態(tài)：v(t+1)＝v(t)，此時輸出端可得到穩(wěn)定輸出，即將處理后得到的評價指標表與理想評價指標表進行對比，此項指標大于理想評價指標的話就記為“1”，反之記為“-1”，穩(wěn)定輸出就是被測人員的的考核等級。

從上述可知，采用本發(fā)明前述兩個實施例后，能夠將持續(xù)性注意與具體場景任務如高鐵調度的任務特征充分相融合，并且采用三個維度的指標，從表象層面深入到機理層面，從外源因素到內源因素，建立了一種準確度更高的、更科學客觀的持續(xù)性注意考核方案，從而能夠更好的量化從業(yè)者的持續(xù)注意力水平，從而提高工作效率以及降低風險。

圖14為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括持續(xù)性注意力測試單元時的結構示意圖。參見圖14所示，系統(tǒng)可以包括：測試內容顯示單元、人機交互單元、行為記錄單元、眼動信號收集單元、腦電信號收集單元以及持續(xù)注意力綜合評價單元等，其中：測試內容顯示單元用于顯示被測人員的模擬任務環(huán)境，使被測人員處于模擬任務的場景條件下；人機交互單元用于被測人員的人機交互操控；行為記錄單元、眼動信號收集單元、腦電信號收集單元分別用于獲取被測人員的行為指標數據、眼動指標數據和腦電指標數據；持續(xù)性注意力綜合評價單元用于通過綜合評價模型將行為指標數據、眼動指標數據和腦電指標數據映射至多個考核等級中的一個；綜合評價模型事先通過如下方式獲得：基于預定數量的被測人員在實際任務狀態(tài)下的測試數據，獲得與考核等級對應個數的理想評價指標表，并且在多個理想評價指標表的監(jiān)督下通過神經網絡學習獲得多輸入與單輸出的關系模型。

優(yōu)選地，眼動信號收集單元可以采用眼動儀，腦電信號收集單元可以采用腦電儀。另外，該用于持續(xù)性注意力考核的系統(tǒng)還可以包括參數調節(jié)模塊，用于調節(jié)各種參數，例如人機交互的操控參數或者測試內容的顯示節(jié)奏等，此外各個信號搜集單元上可以分別集成相應的信號處理裝置。

實施例八：

圖15為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括前瞻性記憶能力測試單元時的工作流程示意圖。包括如下步驟：

步驟1501：通過展示模塊對全部測試題以及全部測試題分別對應的預設作答規(guī)則進行展示。

步驟1502：結束展示后，通過腦電獲取模塊獲取高鐵調度員針對全部測試題中的其中一個測試題進行回想時預設時間段內的腦電幅值。

步驟1503：當接收到高鐵調度員針對其中一個測試題給出的作答結果時，基于其中一個測試題對應的預設作答規(guī)則確定作答結果是否正確，并記錄當前作答結果的正確率。

步驟1504：基于全部測試題的數量、全部測試題中每一個測試題對應的腦電幅值、全部測試題中每一個測試題對應的正確率，確定高鐵調度員前瞻性記憶能力對應的第一測試結果。

在步驟1501中，在一實施例中，本發(fā)明可以應用在計算機、智能手機、平板電腦、智能手表等終端設備上，展示模塊為終端設備的展示界面。前瞻性記憶為對將來某一時刻要做的事或任務的記憶，是相對于回顧性記憶的一種記憶。測試題具體的可以為，在完成第3個干擾試題后，在電腦桌面上建立文件名為“1”的文件夾；在完成第6個干擾試題后，在電腦桌面上建立文件名為“2”的文件夾；在完成第9個干擾試題后，在電腦桌面上建立文件名為“3”的文件夾。其中，干擾試題為針對高鐵調度員的反應能力、抗壓能力的其他測試題。終端設備通過展示模塊對全部測試題以及全部測試題分別對應的預設作答規(guī)則進行展示，此處具體的展示時間可以為終端設備預設的固定時長，例如1分鐘。也可以為高鐵調度員通過雙擊、單擊、長按等預設方式結束該展示。

在步驟1502中，在一實施例中，腦電獲取模塊為終端設備外接的腦電采集設備，例如電極帽。高鐵調度員佩戴該腦電采集設備，終端設備通過腦電采集設備獲取高鐵調度員的腦電幅值。結合步驟1501，結束展示后，終端設備可以通過展示模塊對干擾試題進行展示，當高鐵調度員完成第3個干擾試題后，高鐵調度員針對“在電腦桌面上建立文件名為“1”的文件夾”的測試題進行回想，通過腦電獲取模塊獲取高鐵調度員針對該測試題進行回想時預設時間段內的腦電幅值，該預設時間段可以為200ms～500ms，全部測試題中的每一個測試題對應的腦電幅值均采集相同預設時間段，使得采集結果統(tǒng)一化。

在步驟1503中，在一實施例中，結合步驟1502，例如，針對測試題“在完成第3個干擾試題后，在電腦桌面上建立文件名為“1”的文件夾”，當終端設備接收到高鐵調度員在完成第3個干擾試題后，在電腦桌面上建立文件名為“1”的文件夾的作答結果時，終端設備基于“在完成第3個干擾試題后，在電腦桌面上建立文件名為“1”的文件夾”的預設作答規(guī)則確定作答結果是否正確，并記錄當前作答結果的正確率。

在步驟1504中，在一實施例中，終端設備基于全部測試題的數量n、全部測試題中每一個測試題對應的腦電幅值μi、全部測試題中每一個測試題對應的正確率di，確定高鐵調度員前瞻性記憶能力對應的第一測試結果score。

本發(fā)明實施例中，通過腦電獲取模塊獲取高鐵調度員針對全部測試題中的其中一個測試題進行回想時預設時間段內的腦電幅值，并且基于全部測試題的數量、全部測試題中每一個測試題對應的腦電幅值、全部測試題中每一個測試題對應的正確率，確定高鐵調度員前瞻性記憶能力對應的第一測試結果，實現了對高鐵調度員前瞻性記憶能力的測試，并通過第一測試結果進行展示，為高鐵調度員的選拔、業(yè)績考核提供參考依據。

此外，本發(fā)明高鐵調度員前瞻性記憶能力的測試方法其它實施例中還至少存在以下優(yōu)選方式：預設作答規(guī)則包括在指定時間內進行作答和/或在指定步驟前或后進行作答，上述步驟1501針對測試題的舉例為“指定步驟后進行作答”的一種預設作答規(guī)則，通過設置不同的預設作答規(guī)則，以及將多種預設作答規(guī)則相結合的方式，可以對測試題的難易程度進行靈活調節(jié)；上述步驟1503包括：

判斷作答結果是否符合其中一個測試題對應的預設作答規(guī)則，若符合則確定作答結果正確。具體的，所述的測試方法還包括：

獲取高鐵調度員未回想測試題時的標準腦電幅值。具體的，步驟1504包括：

基于全部測試題的數量、全部測試題中每一個測試題對應的腦電幅值確定第二測試結果；基于全部測試題的數量、全部測試題中每一個測試題對應的正確率確定第三測試結果；基于全部測試題的數量、全部測試題中每一個測試題對應的腦電幅值、標準腦電幅值確定第四測試結果；基于第二測試結果、第三測試結果、第四測試結果確定高鐵調度員前瞻性記憶能力對應的第一測試結果。

其中，第二測試結果為全部測試題中每一個測試題對應的腦電幅值的平均值。例如，終端設備基于全部測試題的數量n、全部測試題中每一個測試題對應的腦電幅值μi(i為第i個測試題)，通過公式確定第二測試結果x1。

第三測試結果為全部測試題中每一個測試題對應的正確率的平均值。例如，終端設備基于全部測試題的數量n、全部測試題中每一個測試題對應的正確率di，通過公式確定第三測試結果x2。

第四測試結果為全部測試題中每一個測試題對應的腦電幅值的變化率的平均值。例如，終端設備基于全部測試題的數量n、全部測試題中每一個測試題對應的腦電幅值μi、標準腦電幅值p(μi)，通過公式確定第四測試結果x3?；趚1，x2，x3分別對應的第二測試結果、第三測試結果、第四測試結果通過公式確定高鐵調度員前瞻性記憶能力對應的第一測試結果score。其中x1，x2，x3作為輸入，k(x,xj)為核函數，wj,w0為神經網絡隱含層中的權重向量，經過網絡內部的不斷自我更新，得到y(tǒng)(x,w)作為輸出，對產生的輸出使用改變縱坐標單位變成分數值的sigmoid函數，具體的，設定橫坐標為輸出的數值，可以將其控制在某個區(qū)間內，例如[a，b]，縱坐標單位設定為能力分值，譬如[60,100]，那么不同的輸出就對應了不同的數值，比如輸出＝(a+b)/2時，能力數值對應縱坐標80分，即得到高鐵調度員前瞻性記憶能力測試的第一測試結果80分。

圖16為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括前瞻性記憶能力測試單元時的結構示意圖，其為上述各高鐵調度員前瞻性記憶能力的測試方法所示實施例對應的系統(tǒng)，上述各高鐵調度員前瞻性記憶能力的測試方法所示實施例的解釋說明適用于本實施例。如圖16所示，該測試系統(tǒng)包括：測試題展示單元1601，用于通過展示模塊對全部測試題以及所述全部測試題分別對應的預設作答規(guī)則進行展示；腦電幅值獲取單元1602，用于結束所述展示后，通過腦電獲取模塊獲取高鐵調度員針對所述全部測試題中的其中一個測試題進行回想時預設時間段內的腦電幅值；正確率記錄單元1603，用于當接收到所述高鐵調度員針對所述其中一個測試題給出的作答結果時，基于所述其中一個測試題對應的預設作答規(guī)則確定所述作答結果是否正確，并記錄當前作答結果的正確率；測試結果確定單元1604，用于基于所述全部測試題的數量、全部測試題中每一個測試題對應的腦電幅值、全部測試題中每一個測試題對應的正確率，確定所述高鐵調度員前瞻性記憶能力對應的第一測試結果。優(yōu)選地，所述正確率記錄單元包括：正確率記錄模塊(圖中未示出)，用于判斷所述作答結果是否符合所述其中一個測試題對應的預設作答規(guī)則，若符合則確定所述作答結果正確，并記錄當前作答結果的正確率，所述預設作答規(guī)則包括在指定時間內進行作答和/或在指定步驟前或后進行作答。優(yōu)選地，所述系統(tǒng)還包括：標準幅值獲取單元1605，用于獲取所述高鐵調度員未回想測試題時的標準腦電幅值。優(yōu)選地，所述測試結果確定單元包括：

第一結果確定模塊(圖中未示出)，用于基于所述全部測試題的數量、全部測試題中每一個測試題對應的腦電幅值確定第二測試結果；第二結果確定模塊(圖中未示出)，用于基于所述全部測試題的數量、全部測試題中每一個測試題對應的正確率確定第三測試結果；第三結果確定模塊(圖中未示出)，用于基于所述全部測試題的數量、全部測試題中每一個測試題對應的腦電幅值、所述標準腦電幅值確定第四測試結果；測試結果確定模塊(圖中未示出)，用于基于所述第二測試結果、所述第三測試結果、所述第四測試結果確定所述高鐵調度員前瞻性記憶能力對應的第一測試結果。

本高鐵調度員前瞻性記憶能力的測試系統(tǒng)的工作過程簡述如下：高鐵調度員佩戴好電極帽，電極帽將采集的到的高鐵調度員未作任何回想時的腦電幅值記錄為標準腦電幅值。準備工作就緒后，終端設備的展示界面中展示：在完成第3個干擾試題后，在電腦桌面上建立文件名為“1”的文件夾；在完成第6個干擾試題后，在電腦桌面上建立文件名為“2”的文件夾；在完成第9個干擾試題后，在電腦桌面上建立文件名為“3”的文件夾的三個測試題，高鐵調度員閱讀完成后，可以點擊閱讀完成的按鈕，展示界面中開始展示干擾試題，當高鐵調度員給出第3個干擾試題的作答結果后，需要開始對“在完成第3個干擾試題后，在電腦桌面上建立文件名為“1”的文件夾”的測試題進行回想，電極帽采集此時高鐵調度員的腦電幅值，終端設備獲取該腦電幅值，當高鐵調度員針對該測試題給出作答結果時，基于全部測試題的數量、全部測試題中每一個測試題對應的腦電幅值、全部測試題中每一個測試題對應的正確率，確定高鐵調度員前瞻性記憶能力對應的第一測試結果。

本發(fā)明實施例中，通過腦電獲取模塊獲取高鐵調度員針對全部測試題中的其中一個測試題進行回想時預設時間段內的腦電幅值，并且基于全部測試題的數量、全部測試題中每一個測試題對應的腦電幅值、全部測試題中每一個測試題對應的正確率，確定高鐵調度員前瞻性記憶能力對應的第一測試結果，實現了對高鐵調度員前瞻性記憶能力的測試，并通過第一測試結果進行展示，為高鐵調度員的選拔、業(yè)績考核提供參考依據。

實施例九

圖17為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括行為監(jiān)控能力測試單元時的工作流程示意圖。主要包括如下所述的步驟：

步驟1701，通過顯示裝置按照隨機時間間隔向被測人員顯示第一類刺激畫面或第二類刺激畫面；所述被測人員被要求在顯示第一類刺激畫面時進行相應的按鍵操作，而在顯示第二類刺激畫面時不作任何反應。

步驟1702，在測試過程中，通過腦電采集裝置持續(xù)地實時采集被測人員的腦電數據，并當被測人員根據所顯示的刺激畫面進行相應的按鍵操作時，通過行為采集裝置持續(xù)地實時采集被測人員的行為數據。

另外，較佳的，在本發(fā)明的一個具體實施例中，所述行為數據可以包括：對不需作任何反應的刺激的錯誤率。

另外，較佳的，在本發(fā)明的一個具體實施例中，所述被測人員可以是高鐵調度員或其他需要測試的技術人員。

步驟1703，在測試過程結束之后，根據所采集的腦電數據得到錯誤反應后產生的腦電成分(ern)的平均波幅值，并對所述ern的平均波幅值和行為數據進行標準化以及一致化操作。

例如，較佳的，在本發(fā)明的一個具體實施例中，所述根據所采集的腦電數據得到ern的平均波幅值包括：

步驟1731，通過腦電分析裝置對所采集的腦電數據進行離線分析，以單側乳突為參考電極，去除眼電數據的干擾，并采用30hz低通進行濾波處理以消除高頻信息的干擾。

步驟1732，以被測人員的錯誤反應時刻作為分析零點，設分析時程為600毫秒(例如，分析時程可以是反應前400毫秒至反應后200毫秒)，以反應前400至200毫秒進行基線校正。

步驟1733，將分析時程內的波幅大于±100μv的腦電數據視為偽跡而去除，獲得干凈的ern波形。

步驟1734，對所獲得的ern波形進行波峰探測，根據探測到的各個波峰得到對應的ern波幅值。

步驟1735，根據得到的所有ern波幅值計算得到ern的平均波幅值。

通過上述的步驟1731～1735，即可根據所采集的腦電數據得到ern的平均波幅值。

另外，在本步驟中，可以使用常用的標準化以及一致化方法將對ern的平均波幅值和所采集的行為數據進行標準化以及一致化操作，在此不再贅述。步驟1704，根據標準化以及一致化操作后的ern的平均波幅值和行為數據，采用卷積神經網絡算法進行處理，得到結果簇。在本發(fā)明的技術方案中，可以使用多種方式來實現上述的步驟1704。以下將以其中的一種具體實現方式為例，對本發(fā)明的技術方案進行介紹。例如，較佳的，在本發(fā)明的一個具體實施例中，可以通過如下的公式計算得到結果簇：

其中，hω,b為結果簇，f為轉換函數，xi為ern的平均波幅值和行為數據，ω為隱含層的權重，b為隱含層的閾值。步驟1705，將所述結果簇通過softmax分類器進行分類，得到分類結果，并將所述分類結果作為被測人員的行為監(jiān)控能力的測試結果。在本發(fā)明的技術方案中，可以根據實際應用情況的需要，對分類結果的種類進行設置，從而得到被測人員的行為監(jiān)控能力的測試結果。例如，較佳的，在本發(fā)明的一個具體實施例中，所述分類結果可以包括如下的四類測試結果：

y(i)∈{1,2,3,4}；其中，

當y(i)＝1時，測試結果為90～100分；

當y(i)＝2時，測試結果為80～90分；

當y(i)＝3時，測試結果為70～80分；

當y(i)＝4時，測試結果為60～70分。

因此，通過上述的步驟101～105，即可對當前被測試調度員的行為監(jiān)控能力進行有效地測試，并得到最終的被測人員的行為監(jiān)控能力的測試結果，給出量化的測試分數。另外，在本發(fā)明的技術方案中，還提供了一種調度員行為監(jiān)控能力的測試系統(tǒng)。

圖18為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括行為監(jiān)控能力測試單元時的結構示意圖。本發(fā)明實施例中的調度員行為監(jiān)控能力的測試系統(tǒng)包括：顯示裝置1821、腦電采集裝置1822、行為采集裝置1823、數據處理裝置1824和softmax分類器1825；所述顯示裝置1821，用于按照隨機時間間隔向被測人員顯示第一類刺激畫面或第二類刺激畫面；所述被測人員被要求在顯示第一類刺激畫面時進行相應的按鍵操作，而在顯示第二類刺激畫面時不作任何反應；所述腦電采集裝置1822，用于在測試過程中持續(xù)地實時采集被測人員的腦電數據；所述行為采集裝置1823，用于當被測人員根據所顯示的刺激畫面進行相應的按鍵操作時，持續(xù)地實時采集被測人員的行為數據；所述數據處理裝置1824，用于在測試過程結束之后，根據所采集的腦電數據得到錯誤反應后產生的腦電成分(ern)的平均波幅值，并對所述ern的平均波幅值和行為數據進行標準化以及一致化操作；根據標準化以及一致化操作后的ern的平均波幅值和行為數據，采用卷積神經網絡算法進行處理，得到結果簇；所述softmax分類器1825，用于對所述結果簇進行分類，得到分類結果，并將所述分類結果作為被測人員的行為監(jiān)控能力的測試結果。綜上可知，在本發(fā)明中的調度員的行為監(jiān)控能力的測試方法和系統(tǒng)，由于先通過顯示裝置按照隨機時間間隔向被測人員顯示第一類刺激畫面或第二類刺激畫面；然后通過腦電采集裝置和行為采集裝置分別采集被測人員的腦電數據和行為數據，并根據所采集的腦電數據得到ern的平均波幅值，并對ern的平均波幅值和行為數據進行標準化以及一致化操作之后，采用卷積神經網絡算法進行處理，得到結果簇，最后將所述結果簇通過softmax分類器進行分類，得到分類結果，并將所述分類結果作為被測人員的行為監(jiān)控能力的測試結果，從而可對當前被測試調度員的行為監(jiān)控能力進行有效地測試，并得到最終的測試結果，給出量化的測試分數。

實施例十

圖19為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括日常工作組織效率測試單元時的工作流程示意圖。

s1900：從預定的車站聯(lián)鎖表數據庫和區(qū)間參數數據庫中分別隨機挑選車站組合和區(qū)間組合，作為測試的車站和區(qū)間。

s1901：根據所挑選的車站組合和區(qū)間組合，生成運行圖，并對運行圖數據庫中實際運行圖子數據庫和計劃運行圖子數據庫進行初始化。

s1902：隨機生成模擬調度任務。

s1903：獲取高鐵調度員對運行圖終端、調度命令終端和調度電話的操作數據。

s1904：統(tǒng)計績效指標，以評判高鐵調度員日常工作組織效率；其中，該績效指標包括：任務完成度、列車平均旅速、平均開行列數、移動車數和調度命令完整度。

s1905：根據被測列車調度員對運行圖終端的操作，更新計劃圖子數據庫。

s1906：從車站聯(lián)鎖表數據庫中，選擇所選車站可排進路信息，結合計劃圖子數據庫，并根據到發(fā)各列車車次、時間、順序，模擬車站接發(fā)列車。

s1907：當列車從車站出發(fā)后，根據區(qū)間參數數據庫信息，模擬列車在區(qū)間的運行，并顯示以下事件：進路顯示、列車移動、信號機顯示。

s1908：當列車在區(qū)間運行到下一車站時，重復步驟s7，并顯示以下事件：進路顯示、列車移動、信號機顯示。

s1909：根據模擬列車接發(fā)所產生的列車在車站到發(fā)的實際數據，更新實際圖子數據庫。

本發(fā)明實施例通過采取上述技術方案，填補了國內外針對列車調度員交互式培訓仿真模擬的空白，可以自動生成仿真任務，可保證對列車調度員的培訓樣板不重樣，解決了傳統(tǒng)列車調度仿真測試系統(tǒng)測試平臺背景固定化的缺陷，車站和區(qū)間可以隨機組合，因此，測試平臺可模擬出多種多樣的測試背景；由于全方面記錄列車調度員所有操作數據，從任務完成度、列車平均旅速、平均開行列數、移動車數、調度命令完整度等多項綜合性指標對其業(yè)務績效進行量化分析，因此考核更加全面、客觀。

基于與方法實施例相同的技術構思，圖20為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括日常工作組織效率測試單元時的結構示意圖。該系統(tǒng)可以包括：獲取模塊2001，用于獲取以下指標：任務完成度、列車平均旅速、平均開行列數、移動車數、調度命令完整度；處理模塊2002，用于對指標進行無量綱化處理；第一確定模塊2003，用于確定無量綱化處理后的指標的權重；第二確定模塊2004，用于確定無量綱化處理后的指標的決策矩陣；第一計算模塊2005，用于依據格序相關理論，計算決策矩陣的正、負理想解；第二計算模塊2006，用于計算正、負理想解之間的第一歐氏距離；第三計算模塊2007，用于計算高鐵調度員分別與正、負理想解之間的第二歐氏距離；第四計算模塊2008，用于根據第一歐氏距離和第二歐氏距離，計算高鐵調度員的綜合差異值；定量化模塊2009，用于對高鐵調度員的綜合差異值進行定量化，并根據定量化結果來評測高鐵調度員的日常工作組織效率。在一些優(yōu)選的實施例中，處理模塊具體包括：處理子模塊，用于根據下式進行無量綱化處理：

其中，p′ij表示第i個被測調度員、第j項指標歸一化處理值；pij表示第i個被測調度員，第j項指標實測值；maxpj表示第j項指標最大值。

在一些優(yōu)選的實施例中，第一確定模塊具體包括：

第一確定單元，用于確定評價指標客觀離散度權向量為：

且

其中，w^*表示評價指標客觀離散度權向量；表示評價指標客觀離散度權向量的分量；

第二確定單元，用于根據下式確定第i個列車調度員的第j個評價指標與該指標其他列車調度員的離差之和：

其中，表示第i個列車調度員的第j個評價指標與該指標其他列車調度員的離差之和；

第三確定單元，用于確定在第j個評價指標下，所有列車調度員的總離差：

其中，表示在第j個評價指標下，所有列車調度員的總離差；

構造單元，用于構造以下模型，以使最大：

求解單元，用于求解構造的模型，并進行歸一化處理，得到客觀權向量；

處理單元，用于運用ahp層次分析法對專家的定性評判進行處理，得到主觀權向量；

合成單元，用于根據下式將客觀權向量與主觀權向量合成，從而確定權重：

其中，wj表示權重，且wj＝(w1,w2,......,wm)；表示客觀權向量；表示主觀權向量。

在一些優(yōu)選的實施例中，第二確定模塊具體包括：

第四確定單元，用于確定如下算子：

dij＝wj·p′ij

其中，dij表示算子；wj表示權重；p′ij表示第i個被測調度員、第j項指標歸一化處理值；

第五確定單元，用于確定決策矩陣如下：

其中，d表示決策矩陣；n、m取正整數。

在一些優(yōu)選的實施例中，第一計算模塊具體包括：

第六確定單元，用于依據格序相關理論，確定正、負理想解分別為：

其中，m⁺表示正理想解；m^-表示負理想解。

在一些優(yōu)選的實施例中，第二計算模塊具體包括：

第一計算單元，用于根據下式計算正、負理想解之間的第一歐氏距離：

其中，l表示正、負理想解之間的第一歐氏距離。

在一些優(yōu)選的實施例中，第三計算模塊具體包括：

第二計算單元，用于根據下式計算高鐵調度員分別與正、負理想解之間的第二歐氏距離：

其中，表示高鐵調度員與正理想解之間的第二歐氏距離；表示高鐵調度員與負理想解之間的第二歐氏距離；i表示高鐵調度員。在一些優(yōu)選的實施例中，第四計算模塊具體包括：第七確定單元，用于根據下式確定綜合差異值：

其中，li表示綜合差異值。

實施例十一

圖21為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括推理能力測試單元時的工作流程示意圖。其包括：

步驟2101：在接收到開始測試的指令后，控制顯示調車場的模擬調度畫面；

步驟2102：采集調度員在根據所述模擬調度畫面進行調度測試時的腦電信號；并將所述腦電信號進行頻域轉換，并提取對應的頻域特征；具體操作時，所述頻域特征包括：所述腦電信號的α波頻段功率譜平均幅值作為第一幅值；所述腦電信號的β波頻段功率譜平均幅值作為第二幅值；所述第一幅值與第二幅值的和除以第二幅值的商；以及，所述第一幅值除以所述第二幅值的商。

具體操作時，在所述將所述腦電信號進行頻域轉換的步驟之前可以包括：對所述腦電信號進行濾波處理，如利用0.5-30hz的帶通濾波器濾除工頻和肌電干染信號；并對濾波后的所述腦電信號進行眼電偽跡的去除處理，如:設置斷點，找出所有符合的眨眼信號，對眨眼信號進行平均處理，得到標準眨眼，利用scan軟件中的空間濾波器按一定比例濾除采集的腦電信號所有電極的眨眼信號，即濾除了眼電偽跡。步驟2103：記錄所述調度員完成調度測試的時長和對車輛的調度次數；步驟2104：將所述頻域特征、所述調度員完成調度測試的時長和對車輛的調度次數作為輸入特征，輸入至概率特征選擇分類向量機得到概率預測結果，根據所述概率預測結果評價所述調度員的推理能力；其中，將所述頻域特征、所述調度員完成調度測試的時長和對車輛的調度次數作為輸入特征的步驟包括：將所述頻域特征、所述調度員完成調度測試的時長和對車輛的調度次數進行標準化和一致化處理后作為輸入特征；假設共有n司機參與測試，共有m項測試指標。設第i個人的第j項測試值為xij，其中i＝1,2,…,n，j＝1,2,…,m其中，標準化處理為：記第j項測試指標的樣本均值為樣本方差為其中j為調度員推理能力的測試序號，則標準化處理后為：

一致性處理為：

其中mj＝max{yij,i＝1,2,…,n}，mj＝min{yij,i＝1,2,…,n}，j＝m1+1,m1+2,…,m1+m2。

其中，所述根據所述概率預測結果評價所述調度員的推理能力的步驟可以包括：對所述概率預測結果，使用改變縱坐標單位變成分數值的sigmoid函數(可以根據需要選擇)，可以使得一個區(qū)間的值按照一定的變換變換到另一個區(qū)間里，即值-值的映射(可稱為映射關系),得到所述調度員的推理能力的評價結果。即:通過利用sigmoid函數，將概率預測結果轉換為另一個區(qū)間的值，也就是說概率預測結果作為sigmoid函數的輸入，sigmoid函數的輸出作為最終的調度員的推理能力的評價結果。

本實施例調度員推理能力的測試方法通過結合被測試的調度員的腦電信號的頻域特征和完成調度測試的時長和對車輛的調度次數，并利用概率特征選擇分類向量機得到概率預測結果，以此評價所述調度員的推理能力，由于特征綜合帶有調度特性的行為指標和腦電信號，能提高調度員推理能力考核的準確度。

圖22為本發(fā)明實施例中的調度員能力測試系統(tǒng)包括推理能力測試單元時的結構示意圖。圖23示例性地示出了一種調度員推理能力的測試系統(tǒng)的作用原理圖。如圖22及圖23所示，該測試系統(tǒng)包括：調度測試任務顯示裝置，用于在接收到開始測試的指令后，控制顯示調車場的模擬調度畫面；腦電信號采集處理裝置，用于采集調度員在根據所述模擬調度畫面進行調度測試時的腦電信號；并將所述腦電信號進行頻域轉換，并提取對應的頻域特征；行為記錄裝置，用于記錄所述調度員完成調度測試的時長和對車輛的調度次數；機器學習分析裝置，用于將所述頻域特征、所述調度員完成調度測試的時長和對車輛的調度次數作為輸入特征，輸入至概率特征選擇分類向量機得到概率預測結果，根據所述概率預測結果評價所述調度員的推理能力。優(yōu)選地，所述的測試系統(tǒng)還包括：預處理裝置(圖中未示出)，用于將所述頻域特征、所述調度員完成調度測試的時長和對車輛的調度次數進行標準化和一致化處理后作為輸入特征優(yōu)選地。標準化和一致化處理的解釋可以參見上述說明。優(yōu)選地，所述的測試系統(tǒng)還包括：腦電信號處理裝置，用于對所述腦電信號進行濾波處理；并對濾波后的所述腦電信號進行眼電偽跡的去除處理。優(yōu)選地，所述的測試系統(tǒng)還包括：評價結果獲取裝置，用于對所述概率預測結果，使用改變縱坐標單位變成分數值的sigmoid函數，得到所述調度員的推理能力的評價結果。

本調度員推理能力的測試系統(tǒng)的工作過程簡述如下：在被試做好準備之后，測試的界面開始啟動，被試在調監(jiān)屏上能看到一個調車場，每隔一定時間到達一輛列車，被試需要將列車解體到各個股道，待新編列車湊夠滿軸后將其發(fā)出，根據被試完成任務的時間和發(fā)出的列車是否符合規(guī)定對被試進行記錄。本系統(tǒng)在評測被試的一般推理能力的方法上，綜合分析了在帶有調度特色的試驗下，被試的腦電信號(eeg)和被試在評測過程中的得到的行為參數，通過算法分類計算后得到被試更加精確穩(wěn)定的一般推理能力水平預測結果。

用以實時采集被試的腦電信號的腦電信號采集模塊和闡述的腦電信號處理模塊通信相連，通過這兩個模塊對采集的腦電信號預處理、分析并提取腦電信號的特征向量。預處理主要分為兩個部分，首先是對采集到的腦電信號進行濾波處理，隨后對濾波后信號進行眼電偽跡的去除。分析并提取腦電信號主要是對預處理后的腦電信號進行時域到頻域的變換，從中提取頻域內的特征向量：α、β四個基礎頻帶特征以及(α+β)/β、α/β、這兩個頻域組合指標。

用以實時采集被試的行為數據的行為數據采集模塊和闡述的行為數據處理模塊通信相連，特征向量主要采集的是被試正式測試階段完成操作的時間和實際對車輛調度的次數多少。最終采用pcvm概率分類算法，充分考慮先驗類別信息對模型參數的影響，能夠得到更加精確和穩(wěn)定的概率預測結果。腦電α、β四個基礎頻帶特征以及(α+β)/β、α/β、這兩個頻域組合指標分別用x1、x2、x3、x4表示；采集的操作總時間和操作總次數用x5、x6表示。

概率預測模型：其中

其中x＝{x1,x2,xx,x4,x5,x6}作為輸入，k(x,xj)為合適的核函數，wj,w0為神經網絡隱含層中的權重向量，經過網絡內部的不斷自我更新，得到y(tǒng)(x,w)作為準輸出，對產生的準輸出，使用改變縱坐標單位變成分數值的sigmoid函數，得到調度員的一般推理能力水平。

本實施例調度員推理能力的測試系統(tǒng)通過帶有調度特色的一般推理能力測試實驗，除此之外還利用了高鐵調度員實際作業(yè)的操作特征，將腦電信號和行為指標相結合分析，能夠更加精確穩(wěn)定的考核被試的一般推理能力。

本領域普通技術人員可以理解，實現上述實施例的全部或者部分步驟/單元/模塊可以通過程序指令相關的硬件來完成，前述程序可以存儲于計算機可讀取存儲介質中，該程序在執(zhí)行時，執(zhí)行包括上述實施例各單元中對應的步驟；而前述的存儲介質包括：rom、ram、磁碟或者光碟等各種可以存儲程序代碼的介質。

以上所述的具體實施例，對本發(fā)明的目的、技術方案和有益效果進行了進一步詳細說明，所應理解的是，以上所述僅為本發(fā)明的具體實施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。