基于SEEV模型的煤矿提升机司机注意力分配研究

为有效预测煤矿提升机司机注意力分配情况,从人自上而下及自下而上的信息加工机制出发,以SEEV模型思想为基础,应用主观期望效用理论,提出了基于信息突显性、努力程度及任务属性的注意力分配模型。为验证模型的有效性,开展自由监视操控任务的工效学眼动实验,将眼动实验值与模型理论值进行拟合及回归分析。结果表明,注意力分配模型理论值与眼动实验值显著相关且吻合度高,验证了模型的可用性。研究提出的注意力分配模型对煤矿提升机司机注意力培训、人机界面设计及防范人因失误具有一定指导意义。

基于SEEV注意力模型的汽车仪表界面设计

为解决汽车全液晶仪表界面中信息显示方式、信息量及驾驶员注意力等要素之间的矛盾,引入了突显性-预期性-努力-价值(Salience-Expectancy-Effort-Value,SEEV)注意力模型,并将该模型的相关需求因素转化成设计策略;通过对12位拥有3年以上驾驶经验的用户进行深入访谈,了解用户在驾驶各个阶段对仪表信息的需求;根据该设计策略和用户需求,结合眼动注视规律,设计了适用于全液晶仪表信息显示的哑铃型和中心型人机界面,为未来该领域的创新设计提供参考。

面向HUD的飞行员注意力分配影响因素量化研究

基于SEEV模型,从人类知觉信息加工的2种方式入手,开展面向平视显示器(HUD)的飞行员注意力分配影响因素量化研究。利用GL Studio软件和Vega Prime软件建立平视显示系统,从该系统的HUD界面模型中提取图像,输入到改进的ITTI模型中,以像素点灰度值作为图像突显性的度量标准,从而确定图像局部突显性。针对最终进近着陆阶段,通过分析注意力分配侧重点对各兴趣域的预期进行量化,得到的数据符合"顺序分级法";应用注意力分配侧重点分析,量化SEEV模型中的价值,并采用Beringer问卷调查数据与量化结果进行比较,结果表明根据注意力分配侧重点分析确定价值的方法简便、有效。本研究对注意力分配影响因素的量化,不仅为HUD界面设计提供科学依据,也为后续建立注意力分配模型提供了基础。