馮青 范丁力 楊惠珺 趙思伊
摘 要：針對操作者受制于視覺認知壓力，在復雜的交互界面中進行任務時操作效率降低，產生操作失誤次數增多的問題，提出基于認知負荷理論的界面優化方法。通過分析現有智慧礦山信息交互界面，建立界面優化模型，利用信度系數權重評價方法確定界面中信息類型的分布方式，建立AHP分層模型總結界面優化內容表，交叉組合生成備選界面方案，最后通過眼動實驗將備選界面方案和原方案進行比對分析，優化后的方案反應時和注視點個數明顯下降，界面的操作效率顯著提升。基于認知負荷理論的交互界面優化方法，能有效降低操作者的認知負荷，提高操作效率，為智慧礦山信息交互界面的設計與優化提供借鑒。關鍵詞：交互設計；
認知負荷；
界面優化；
層次分析法；
智慧礦山 中圖分類號：TD 76
文獻標志碼：A
文章編號：1672-9315（2022）05-1028-09
DOI：10.13800/j.cnki.xakjd**b.2022.0523開放科學（資源服務）標識碼（OSID）：
Optimization of intelligent mine information interaction interface based on cognitive load
FENG Qing，FAN Dingli，YANG Huijun，ZHAO Siyi
（College of Arts，Xi’an University of Science and Technology，Xi’an 710054，China）
Abstract：To solve the problem that operators are constrained by the visual cognitive load when operating in complex interactive interfaces，which leads to low efficiency and incremental errors in operation search，an interface optimization method based on the cognitive load theory is proposed.An interface optimization model was established through the analysis of cognitive load and intelligent mine information interaction interface，the interface distribution method was determined by the reliability coefficient weight assessment method，and the optimization content table was generated according to the AHP hierarchical model，with some interface option schemes generated.Finally，an eye movement experiment was designed to analyze the original scheme and alternative interface schemes.The response time of optimized scheme and the number of fixation points was greatly reduced，the operation efficiency of the interface was significantly improved.The optimization method of interaction interface based on cognitive load theory can effectively reduce the cognitive load of operators and improve operation search efficiency，which is a reference for the design and optimization of intelligent mine management and information interaction interface.
Key words：interactive design；
cognitive load；
interface optimization；
analytic hierarchy process；
intelligence mine
0 引 言
互聯網與人工智能技術的發展，為傳統礦山工業領域帶來顛覆性的變革，在礦山智能化不斷深入的同時智慧礦山也在此背景下快速發展起來。智慧礦山系統是在智能礦山的基礎上對生產、安全、技術等方面進行主動感知，自行分析然后快速處理的系統平臺。在“機械化換人，自動化減人”的生產理念引導下，礦山智能化走向智慧化的同時，以智能礦山為基礎的交互界面正朝著更全面、更復雜、更智慧的方向更迭；
以人工操作方式為主的交互方式，也逐漸向智能控制、智能輔助人工操作的方式轉變。在人員成本節省與工作效率提升的同時，越來越復雜的信息交互界面使操作員的認知壓力相應增加。
在認知理論與智慧礦山信息交互界面領域，相關學者已展開深入研究。李紅霞等總結智慧礦山中人因失誤的影響因素分層模型，利用層次分析法和DEMATEL對智慧礦山中人工失誤的影響因素指標進行詳細研究，認為機械設備因素是造成智慧礦山人工操作失誤的重要指標，其中人機匹配度是機械設備中造成工人失誤的最關鍵因素。孫林輝等利用眼動實驗設備研究礦山系統交互界面中人眼對中英名稱的搜索規律，發現人在不同任務下對名稱呈現方式的交互具有差異，為交互界面的名稱呈現方式提供合理建議。李晶等開展針對復雜交互界面的形狀編碼研究，證實圖形形狀的差異對人的認知效率具有相關性，認為圖形的鄰接狀態是影響圖形形狀差異的最大因素，且弧形對人視覺反應較為強烈。張寧等運用認知負荷理論提出自助服務終端交互界面設計方法，通過實驗分析驗證認知負荷情況與人員操作效率具有顯著相關性的猜想，說明該方法能夠顯著提高操作者的使用效率。戴立操等將注視熵的概念引入到主控室操作員認知負荷的研究中，研究計算機屏幕操作員的認知負荷與注視熵之間的關系，得出注視熵顯著正向影響認知負荷的結論，為認知負荷的評價方法提供一項有效指標。
以智能礦山為基礎的智慧礦山，是未來礦山工業領域發展的方向。雖然智慧礦山信息交互界面正以智能礦山為基礎不斷得到完善，但是在面對復雜的交互界面時，如何通過制定科學的交互界面優化方案和設計策略，提高操作者的操作效率還欠缺可靠的科學研究。
1 認知負荷與智慧礦山信息交互界面
1.1 認知負荷理論
認知負荷理論屬于心理學科的一部分，1988年由John Sweller首次提出。認知負荷是學習者在執行目標任務時，被附帶在認知系統中的多維結構負荷。該結構由交互產生的原因、心理負荷、心理努力和績效等方面的評估組成。
人在學習工作中的總認知負荷可分為內在認知負荷、相關認知負荷、外在認知負荷，他們共同影響人的學習工作效率。3種認知負荷對學習工作效率的影響如圖1所示。內在認知負荷指元素之間互相影響形成的負擔；
外部認知負荷是除內部認知負荷所指元素以外而產生的額外負荷；
相關認知負荷指能引起學習者心理努力和促進圖示自反應的負荷。所以在學習和工作中應直接或間接地降低內、外認知負荷，增加相關認知負荷。
1.2 智慧礦山與智慧礦山信息交互界面
智慧礦山是在智能礦山發展到一定程度的條件下實現的。智慧礦山是在通過實現礦山的數字化、信息化的基礎上，對生產、安全、技術、后勤等方面進行主動感知、自動分析、快速處理而創建的系統平臺，其最終目的是為了建設安全、無人、高效、清潔的礦山。國家為推動智慧礦山發展，先后發布《智慧礦山信息系統通用技術規范》和《關于加快煤礦智能化發展的指導意見》，并提出到2025年基本實現大型煤礦和災害嚴重煤礦智能化等要求。智慧礦山的建設不僅受礦山智能化程度的影響，還面臨信號傳輸和人機交互的實現問題。前者已被華為研發的5G技術解決，后者則通過資源模型和受限應用協議（CoAP）的信息交互方法使交互界面成為人與智慧礦山溝通的媒介。目前智慧礦山已在窩兔溝煤礦和寶日希勒煤礦等數十個礦區進行試點。華為、優諾等企業更是已經提出智慧礦山解決方案，上線智慧礦山相關的可視化平臺等產品，通過系統平臺連接智能設備和機械，并在交互界面上進行監控和操作。因此操作者與界面的交互過程尤為關鍵，操作者與界面的交互流程如圖2所示。
在界面操作方面，智慧礦山系統會請求自動控制的權限，操作者主要負責監督，在危急情況下，系統異常報警提示會被激活，系統依照設置的權限會請求操作者是否進行自動操作，期間系統會記錄全部人工或自動的操作過程。在輔助層不足以恢復系統正常工作的情況下，操作者會接管系統的自動調試工作進行手動操作，但是手動操作可能會伴隨強大的時間和心理壓力，因此不良的交互界面會給操作者帶來巨大的認知負荷，從而導致操作失誤，操作超時等一系列嚴重后果。
2 認知負荷下的智慧礦山信息交互界面分層模型
2.1 AHP智慧礦山界面分層模型
智慧礦山系統中，信息交互界面是其重要組成部分，在系統中負責智能設備的操控和調試。智慧礦山信息交互界面中不同設計元素的組合可以表達不同的交互層次，以現有某智慧礦山信息交互界面為例，如圖3所示。圖3中智慧礦山信息交互界面包含有：導航信息、菜單信息、搜索欄、時間、天氣、名稱、賬戶、設備詳細數據、參數調節、參數名稱、設備運行狀態、啟動開關、設備圖示、操作記錄、任務內容、異常報告等。其中以信息表達內容為標準可分為：層級信息、基本信息、設備參數信息、設備狀態信息、任務信息5大類。
對學習過程中認知負荷的分類也同樣適用于交互界面認知負荷，因為交互過程和學習過程都是人腦獲取與處理信息的過程。在交互過程中，操作者通過視覺和聽覺對界面中的文本、圖片、聲音、影像等信息在記憶中進行短暫留存和處理，產生認知負荷。當界面過于復雜或易使人引起不適時，操作者所感受的認知負荷就會過高，導致信息處理能力下降，操作效率下降甚至失誤率的上升。依據對界面信息的分類和對交互界面中認知負荷的分類，建立基于認知負荷下的信息交互界面AHP分層模型，提出交互界面認知負荷的8個組成部分。如圖4所示，外在認知負荷主要包括界面信息的組織方式和呈現方式（內在認知負荷主要受界面的復雜程度與相關圖示所影響）；
相關認知負荷主要由操作者的自身因素所影響。5種信息類型分別通過不同體現方式反應著不同類型的認知負荷。
組織方式在礦山類界面中具體是指層級設計與層級操作的位置要符合行為邏輯；
呈現方式主要是界面中設備信息呈現的方式，以及設備信息顏色的區分方式；
復雜性在界面中體現為可交互的信息數量和交互過程的任務量；
相關圖示指界面中顯示信息的圖標，圖標能引起操作者自身進行圖示自反應，從而提高反應速度。例如“”
人們會馬上聯想到與電相關的知識；
心理因素在界面中常常被交互反饋所影響，如打字撥號時的聲音或圖標的改變會引起操作者的積極狀態；
動機反應人在操作時的心理努力程度，在界面中一般由時間等限制性信息體現。
2.2 智慧礦山信息交互界面優化流程
基于認知負荷理論的智慧礦山信息交互界面優化具體流程如圖5所示。
圖5中現有界面和引入認知負荷這2步是優化方法的理論基礎，后續步驟則是界面的優化。界面的優化具體分為2大步，一是對界面內信息的布局調整，二是對信息的呈現方式進行優化。在布局調整中，利用認知負荷理論對目標原界面進行信息分類，形成大小不同的區塊，然后根據計算得出權重，確定各區塊的分布；
在此基礎上提出界面優化內容表，依據表中的界面優化方式自由組合生成16種基于認知負荷的備選方案，最后通過實驗篩選操作效率最高的方案，完成界面優化。
3 優化方案生成
3.1 智慧礦山信息交互界面信息權重
權重一般用于產業評價指標，也用來表示各指標的重要性。信息的顯示受限于屏幕的大小，界面中信息之間的不同比例關系會影響操作者的操作效率，所以越重要的信息，在界面內的顯示面積理應越大。雖然信息面積占比一般難以精確，但信息面積占比的大小順序可以確定，因此該研究依據信息的權重值同比轉化為面積占比，來確定界面的分布。
信度系數權重評價法是AHP與灰色關聯分析法的結合。根據上文對界面信息的分層，邀請專家對界面信息類型進行兩兩對比，構建評價指標表，再將一般層次分析法得出的多專家指標權重用來構建信度評判矩陣，使用灰色關聯分析出各專家的信度系數進一步得到綜合權重。
邀請20名具有智慧礦山信息交互界面設計經驗和界面操作經驗的專家參與評價。將專家分為5組進行組內討論，通過AHP層次分析法得出5組專家的權重向量分別為
W′1=（0.04，0.075，0.114，0.311，0.459）
W′2=（0.04，0.114，0.075，0.311，0.459）
W′3=（0.055，0.092，0.184，0.334，0.334）
W′4=（0.04，0.075，0.114，0.459，0.311）
W′5=（0.061，0.059，0.123，0.394，0.363）
一致性檢驗得出CR1=0.047＜0.1，CR2=0.047＜0.1，CR3=0.008＜0.1，CR4=0.047＜0.1，CR5=0.033＜0.1，說明數據均符合一致性檢驗要求，通過均值化生成法構建規范化的信度判斷矩陣得到
將矩陣帶入灰色關聯度計算公式
式中 ρ為分辨系數，取0.5；
k為第k組專家且1≤k≤m；
i為第i個元素；
m為分組總數，Y=（0.2，0.2，0.2，0.2，0.2）。得出灰色關聯系數矩陣為
帶入關聯度計算公式
計算得出r=0.693，r=0.545，r=0.633，r=0.661，r=0.714，歸一化計算得出各組專家的信度系數分別為δ=0.214，δ=0.168，δ=0.495，δ=0.204，δ=0.220。
最終修正得到，綜合權重向量W=（0.048，0.081，0.123，0.364，0.383）。按權重值同比轉化為信息面積占比，將各信息類型的面積占比由小到大排列見表1。
3.2 基于認知負荷的界面優化設計
界面優化過程中，依據操作者接收信息的通道和處理信息的方式對20種智能或智慧礦山軟件交互界面中采用的交互手段進行取舍。通過視覺對層級分布方式、信息顯示方式、顏色呈現方式、圖形呈現方式的顏色、形狀、位置等信息進行分辨；
以聽覺或視聽交互對界面的交互反饋和心理努力情況進行區分。共獲取層級分布方式4種；
信息顯示方式2種，其中平鋪式占80%，卡片式占20%；
顏色呈現方式2種，區分設備狀態的顏色使用方式占60%，區分設備之間信息內容關系為主的占40%；
圖形呈現方式中寫實形式的圖形占75%，抽象簡化的方式占25%；
具有明顯交互反饋的界面占50%，剩余50%則不帶交互反饋或不明顯；
有20%的界面使用計時顯示增加操作者的心理努力，80%的界面無計時顯示；
信息數量會因同一軟件中的不同界面而改變，任務量也會根據操作者的實際使用需求而不確定，因而信息數量和任務量不便分類。
界面優化內容的選擇其實是對認知負荷在界面中的組成和各組成部分優化方式的選擇，信息數量和任務量受限于設計手段和交互方式，不便得出具體方案故不作討論；
層級分布方式、交互反饋兩方面已有具體研究成果故無需選擇。列舉出界面優化內容的已選擇和待選擇方案并給出圖例和解釋，見表2。
1）層級的不同顯示位置會使操作者在任務中的目標注視數量和反應時發生變化，同理會改變操作者的外在認知負荷。礦山類信息界面多由三層級組成，層級在屏幕四周的不同位置分布會產生多種分布方案，根據已有研究選擇一二層級在屏幕左側，三層級在上方的最優層級分布方式。
2）現有的界面信息呈現方式分為2種：a平鋪式：通過簡單分割排布等方式，直接將信息平鋪于背景之上；
a卡片式：將信息通過分組，似卡片的形式排布于背景之上，類似窗口化呈現方式。
3）顏色是具有語義的，目前主流的界面中信息部分顏色的使用方式分為2種。用于區分設備狀態的顏色分類方式b和為區分設備之間信息內容的方式b（字符類型與字符之間的色彩匹配對認知負荷無明顯影響）。
4）界面中的圖形呈現方式能不同程度地使人進行聯想。界面中圖形分為寫實類c與抽象簡化類c，后續將對2種圖形的選擇進行研究。
5）利用視覺或聽覺的交互反饋，將會明顯提升用戶在使用界面時的體驗，應選用有交互反饋的界面滿足操作者的心理，增加相關認知負荷。
6）操作者的心理努力程度與操作環境息息相關，為模擬真實操作心理，界面將嘗試使用計時顯示界面。含計時顯示界面記為d，否則記為d。
3.3 界面方案
界面優化方案的生成是各種優化方式（交互手段）的綜合，為研究界面優化方式與認知情況的關系，需根據界面優化內容表，按圖6方式對原始界面進行優化組合，得出方案f（x）=（a，b，c，d）。
4 基于眼動儀的界面操作實驗驗證
4.1 實驗程序與準備
受試者選取30名在校研究生，年齡在22～25歲之間，且保證其心理努力程度相當。
實驗場景如圖8所示。實驗選用iViewX RED桌面式測量系統，屏幕面板為27英寸顯示器，屏幕延遲1 ms，鼠標使用羅技GPW，延遲1 ms，靈敏度為800 DPI，確保被試者操作的準確性。實驗環境選擇在自然光線條件下安靜封閉的室內空間，室內溫度為26 ℃，調節座椅及屏幕高度，使被試者始終直視屏幕，保持人體視覺舒適距離在50～60 cm之間，確保被試人員不被環境因素干擾。
具體實驗過程如圖9所示，受試者依次在16種優化界面和原界面內進行操作。首先閱讀任務欄獲取隨機的操作任務，然后搜索點擊規定區域，再完成不同層級界面的任務，單人耗時約半小時。
共收集樣本510個，以3倍絕對中位差為標準排除反應時和注視點個數異常數據共計15個。
4.2 多因素方差分析
將待研究方案a，b，c，d視為自變量，反應時和注視點個數為因變量，實驗數據使用SPSS，得出多因素方差分析。由表3可知，顯著性小于0.05說明當該數值對應的自變量改變時能顯著影響操作效率；
效應量表示各對應的自變量因素分別對反應時和注視點個數的影響程度，效應量越大，表示該因素的選擇對結果的影響程度越大。
由表3可知單個自變量對反應時長和注視點個數均有顯著性影響（0.00＜0.05），這說明不同優化方式（交互手段）對認知的效能是有影響的。其中對a1與a22種不同的優化方式進行選擇，能顯著影響操作效率，其反應時效應量為0.999，注視點個數效應量為0.996；
對b1與b22種不同優化方式的選擇造成操作效率的影響最強，反應時和注視點個數的效應量分別為1.000，0.999；
對c1與c22種不同優化方式的選擇也會影響操作效率，但略弱于前兩者，效應量分別為0.995，0.980；
d1與d22種不同優化方式的選擇對操作效率的影響最弱，分別為0.901，0.910。
4種自變量的綜合因素對反應時有顯著性影響（0.005＜0.05），綜合因素對注視點個數同樣有顯著性影響（0.013＜0.05）。其中a信息呈現方式與b顏色分類方式影響效果很強烈，d計時情況的效應量最低，是其中最弱因素。
4.3 布局方案績效分析
將某智慧礦山信息交互界面定為原方案f（17），根據認知負荷理論所提出的界面優化方案與原方案f（17）（共17種）在注視點個數和反應時方面的效率情況如圖10，圖11所示。
反應時是完成任務的時間，注視點個數是眼動儀記錄任務過程中人眼注視的信息總量，二者是組成操作效率的關鍵部分，反應時越短，注視點個數越少，則認為操作效率越高。以顏色分類方式的不同將數據分為f（1-4，9-12）、f（5-8，13-16）2組，可以看出反應時長與注視點個數差異均最顯著，這表示b狀態顏色分類方式在效率反應上明顯優于b參數關聯顏色分類方式，同時驗證了方差分析中顏色分類方式為最顯著影響因素。同理，a卡片式信息呈現方式在操作效率上明顯優于a平鋪式信息呈現方式；
c抽象圖形呈現方式效率明顯優于c寫實圖形呈現方式；
d無計時顯示方案明顯優于d含計時顯示方案。
在單個方案效率情況方面，f（5）的反應時最多為12.32 s，注視點高達45.78，而f（12）方案的反應時和注視點數均最少，分別為7.69 s和24.13，對比f（5）方案在時間上縮短約38%，注視點個數減少約47%，操作效率明顯優于其他方案，因此f（12）方案為備選方案中的最優方案。所以優化方式應首先選擇卡片式信息呈現方式、狀態顏色分類方式、抽象圖形呈現方式、無計時顯示方案。計時顯示雖然會增加相關認知負荷，但同時會分散操作者的注意力，導致操作效率降低。
對比原方案f（17），最優方案f（12）在操作效率方面明顯優于原方案，其中反應時長較原方案縮短23%，注視點個數減少37%。同理，因開篇說明綜合認知負荷與工作效率成負相關，故方案f（12）的認知負荷情況明顯優于原方案f（17），證明優化方法有效。
5 結 論
1）智慧礦山信息交互界面中信息類型的重要程度由大到小為：設備狀態信息＞設備參數信息＞任務信息＞層級信息＞基本信息。
2）實驗表明，信息顯示方式、顏色呈現方式、圖形呈現方式、計時顯示界面都能顯著影響操作效率，且信息顯示、顏色呈現方式的影響較強。經實驗分析篩選的界面優化內容組合為：a卡片式信息呈現方式、b狀態顏色呈現方式、c抽象圖形呈現方式、d無計時顯示界面。
3）實驗結果分析表明，優化方案f（12）對比原始界面在反應時長和注視點個數上分別減少23%和37%，說明通過認知負荷理論對智慧礦山信息交互界面進行優化的方法是可行有效的。在實驗中未考慮到具體交互行為的其他因素，例如界面權重與面積的對應轉化難以精確，操作者點擊行為的延遲、色彩對比度等等，還需繼續進行更為深入的研究。
參考文獻（References）：
[1]王國法，王虹，任懷偉，等.智慧煤礦2025情景目標和發展路徑[J].煤炭學報，2018，43（2）：295-305.WANG Guofa，WANG Hong，REN Huaiwei，et al.2025 scenarios and development path of intelligent coal mine[J].Journal of China Coal Society，2018，43（2）：295-305.
[2]張旭輝，楊文娟，薛旭升，等.煤礦遠程智能掘進面臨的挑戰與研究進展[J].煤炭學報，2022，47（1）：579-597.ZHANG Xuhui，YANG Wenjuan，XUE Xusheng，et al.Challenges and developing of the intelligent remote controlon roadheaders in coal mine[J].Journal of China Coal Society，2022，47（1）：579-597.
[3]李紅霞，樊恒子，張嘉琦，等.智慧礦山工人人因失誤影響因素研究[J].西安科技大學學報，2021，41（6）：1090-1097.LI Hongxia，FAN Hengzi，ZHANG Jiaqi，et al.Influencing factors of human error in Smart Mines[J].Journal of Xi’an University of science and technology，2021，41（6）：1090-1097.
[4]孫林輝，韓貝貝，袁曉芳.礦山瓦斯監測系統中界面參數名稱呈現方式的眼動研究[J].人類工效學，2020，26（2）：1-7，18.SUN Linhui，HAN Beibei，YUAN Xiaofang.Eye movement research on the presentation mode of interface parameter names in mine gas monitoring system[J].Chinese Journal of Ergonomics，2020，26（2）：1-7，18.
[5]李晶，郁舒蘭，吳曉莉.人機界面形狀特征編碼對視覺認知績效的影響[J].計算機輔助設計與圖形學學報，2018，30（1）：163-172，179.LI Jing，YU Shulan，WU Xiaoli.Effect of shape character encodings in the human-computer interface on visual cognitive performance[J].Journal of Computer-Aided Design & Computer，2018，30（1）：163-172，179.
[6]張寧，劉正捷.基于用戶認知能力的自助服務終端界面交互設計方法[J].計算機應用研究，2013，30（8）：2455-2460.ZANG Ning，LIU Zhengjie.Self-service terminal interface design method based on users’ cognitive skills[J].Application Research of Computers，2013，30（8）：2455-2460.
[7]戴立操，張美慧，李宇，等.基于注視熵的核電廠數字化主控室操縱員認知負荷研究[J/OL].安全與環境學報，2021，24（3）：1009-1094.DAI Licao，ZHANG Meihui，LI Yu，et al.Research on cognitive load of operators in digital main control room of nuclear power plant based on gaze entropy[J/OL].Journal of Safety and Environment，2021，24（3）：1009-1094.
[8]SWELLER J.Cognitive load during problem solving：effects on learning[J].Cognitive Science，1988，12（2）：257-285.
[9]SWELLER J，AYRES P，KALYUGA S.Cognitive load theory[M].New York：Springer，2011.
[10]呂鵬飛，何敏，陳曉晶，等.智慧礦山發展與展望[J].工礦自動化，2018，44（9）：84-88.LV Pengfei，HE Min，CHEN Xiaojing，et al.Development and prospect of wisdom mine[J].Industry and Mine Automation，2018，44（9）：84-88.
[11]胡文濤，卓敏敏，趙立廠，等.一種智慧礦山信息交互方法[J].工礦自動化，2020，46（10）：55-60.HU Wentao，ZHUO Minmin，ZHAO Lichang，et al.An information interaction method for smart mine[J].Industry and Mine Automation，2020，46（10）：55-60.
[12]HARTSON H R.Cognitive，physical，sensory，and functional affordances in interaction design[J].Behaviour & Information Technology，2003，22（5）：315-338.
[13]賀孝梅，李劍鈺.人機交互中認知負荷的成因分析與設計策略研究[J].包裝工程，2020，41（10）：24-30.HE Xiaomei，LI Jianyu.Cause analysis and design strategies of cognitive load in human-computer interaction[J].Packaging Engineering，2020，41（10）：24-30.
[14]顧立平.個性化交互設計的研究綜述[J].數據分析與知識發現，2010（11）：10-16.GU Liping.Review of personalized interaction design[J].Data Analysis and Knowledge Discovery，2010（11）：10-16.
[15]馮青，武智靈.基于QFD的應急通信車公理化設計與評價研究[J].湖南包裝，2019，34（2）：67-71.FENG Qing，WU Zhiling.Research for axiomatic design and evaluation of emergency communication vehicle based on QFD[J].Hunan Packaging，2019，34（2）：67-71.
[16]夏春艷，蔣鯤.基于信度系數的人機界面評價指標權重分配[J].沈陽工業大學學報，2013，35（1）：53-57.XIA Chunyan，JIANG Kun.Weight assignment of evaluation indexes for human-machine interface based on reliability coefficient[J].Journal of Shenyang University of Technology，2013，35（1）：53-57.
[17]CHATZIMOURATIDIS A I，PILAVACHI P A.Multicriteria evaluation of power plants impact on the living standardusing the analytic hierarchy process[J].Energy Policy，2008，36（3）：1074-1089.
[18]DAGDEVIREN M，YAVUZ S，KILINC N.Weapon selection using the AHP and TOPSIS methods under fuzzy environment[J].Expert Systems with Applications，2009，36（4）：8143-8151.
[19]YANG CL，CHUANG S P，HUANG R H.Manufacturing evaluation system based on AHP/ANP approach for wafer fabricating industry[J].Expert Systems with Applications，2009 36（8）：11369-11377.
[20]沈張帆，李瑞，牛亞峰.復雜系統數字界面的多層級導航布局實驗研究[J].包裝工程，2021，42（4）：70-76.SHEN Zhangfan，LI Rui，NIU Yafeng.Experimental study on multilevel navigation layout of digital interface in complex systems[J].Packaging Engineering，2021，42（4）：70-76.
[21]馮青，吳夢迪，余隋懷，等.基于BP神經網絡的罐式車輛配色與評價方法研究[J].機械設計，2019，36（1）：118-123.FENG Qing，WU Mengdi，Yu Suihuai，et al.Research of tank vehicle colour matching and evaluation method based on BP neural network[J].Journal of Machine Design，2019，36（1）：118-123.
[22]楊景，李培林，王崴，等.指控艙顯控界面字符顯示對認知負荷的影響[J].計算機工程與設計，2015，36（12）：3306-3310，3323.YANG Jing，LI Peilin，WANG Wei，et al.Influence of character display of command and control cabin display interface on cognitive load[J].Computer Engineering and Design，2015，36（12）：3306-3310，3323.
[23]李鐵萌，李勇，秦憲剛.視覺反饋對虛擬環境中徒手抓取交互的影響研究[J].計算機輔助設計與圖形學學報，2019，31（10）：1711-1718.LI Tiemeng，LI Yong，Qin Xiangang.Study on the influence of visual feedback on freehand grasping performance in virtual environment[J].Journal of Computer-Aided Design ＆ Computer Graphics，2019，31（10）：1711-1718.
猜你喜歡注視點操作者礦山眼動儀技術在里院建筑特色分析中的應用智能建筑與智慧城市(2022年9期)2022-09-28基于超復數小波和圖像空域的卷積網絡融合注視點預測算法蘭州理工大學學報(2021年5期)2021-11-02四大“礦山修復”方法河北地質(2021年2期)2021-08-21在礦山里耕耘(國畫)神劍(2021年3期)2021-08-14智能化礦山建設在中小型礦山的應用探討昆鋼科技(2021年2期)2021-07-22我國礦企海外十大礦山簡介礦產勘查(2020年7期)2020-12-25操作者框架在車輛傳動系旋轉耐久試驗中的研究與應用無線互聯科技(2018年20期)2018-12-27射擊運動員的反向眼跳研究體育時空(2017年6期)2017-07-14操作者因素對Lenstar測量眼軸長度可重復性的影響溫州醫科大學學報(2016年9期)2016-10-31基于中央凹圖像顯著性和掃視傾向的注視點轉移預測模型復旦學報（自然科學版）(2016年4期)2016-09-21