叉车操作员人类视点建模与分析

### 叉车操作员人类视点建模与分析 #### 1. 人类视点建模 在叉车操作中，操作员的视点建模是理解其注意力分布的关键。通过特定方法来表示和分析操作员的视点，有助于开发更智能的叉车操作支持系统。 - **视点表示**：叉车操作员的共同视点用公式（1）中的 \(G(s)\) 表示，它由每个工作上下文的 \(s\) 组 3D 凝视质心 \(g\) 组成，\(N_s\) 表示第 \(s\) 个工作上下文的质心总数（即凝视注视的聚类数）。所有凝视点都以叉车货叉的原点为参考，因为货叉是叉车的移动部件，容易吸引操作员的注意力，这种定义在货物搬运操作中尤为有用。 \[ G(s) = \begin{cases} \{g_1, g_2, \ldots, g_{N_1}\}, & s = 1 \\ \{g_1, g_2, \ldots, g_{N_2}\}, & s = 2 \\ \vdots \\ \{g_1, g_2, \ldots, g_{N_{14}}\}, & s = 14 \end{cases} \] - **工作上下文定义**：之前的研究定义了 6 种基本工作上下文，但该模型不能代表工作场所常见的所有基本工作上下文，例如未区分前进和后退操作。本研究将工作上下文扩展到 14 种，考虑了先前模型的局限性和工厂、仓库等工作场所的典型工作条件。 - **凝视模式分割**：由于凝视注视通常表示信息获取和处理，而凝视扫视倾向于表示不同注视点之间的注意力移动，因此本研究将凝视注视和扫视区分开来，并使用前者来建模人类视点。通过计算一系列凝视点的相对距离 \(d\)、速度 \(v\)、加速度 \(a\) 以及凝视向量之间的角度 \(h\) 及其角速度 \(x\) 等参数，利用 K - 均值聚类对 \(u = (d, v, a, x)\) 进行聚类，将凝视参数区分为扫视和注视。凝视注视被定义为具有最小平均 \(d\)、\(v\)、\(a\) 和 \(x\) 值的聚类。 \[ h = \cos^{-1} \left( \frac{\vec{P} \cdot \vec{Q}}{\vert\vec{P}\vert \vert\vec{Q}\vert} \right) \] - **凝视注视聚类**：使用凝视注视点进行 K - 均值聚类以识别球形自然聚类。由于缺乏关于叉车操作员注意力的先前研究，通过轮廓图和肘部方法选择最优的 \(K\) 值。肘部方法通过选择能解释至少 90% 方差的 \(K\) 来估计最优值，轮廓图则通过图形表示 \(K\) 个聚类中每个点的轮廓值进行交叉检查。 - **共同视点**：为了使基于操作员视点开发的系统适用于不同类型的用户，需要找到代表叉车操作总体注意力的共同视点。使用层次聚类方法，以所有类别操作员在每个工作上下文的凝视质心为基础，以两个凝视质心之间的欧几里得距离的均值为阈值，得到每个工作上下文的一组凝视质心，代表叉车操作的共同视点。 以下是处理凝视数据的流程： ```mermaid graph TD; A[获取凝视数据] --> B[区分扫视和注视]; B --> C[将注视点转换到货叉局部坐标系]; C --> D[K - 均值聚类确定最优K]; D --> E[得到各操作员类别在各工作状态的视点]; E --> F[层次聚类得到共同视点]; ``` #### 2. 人类视点的空间分析 对从上述建模过程得到的视点进行空间分析，主要有两个目标：一是评估公式（1）中提出的共同视点模型对每个类别操作员视点的描述程度；二是比较每个工作上下文的视点模型。 - **交叉最近邻距离计算**：给定两组点 \(P_A\) 和 \(P_B\)，通过公式（3）计算交叉最近邻距离的均值 \(r_A\)，以评估它们之间的空间影响。 \[ r_A = \frac{1}{m_A + m_B} \left[ \sum_{i = 1}^