Портал психологических изданий PsyJournals.ru
Каталог изданий 126Рубрики 53Авторы 9656Новости 1895Ключевые слова 5095 Правила публикацииВебинарыRSS RSS
Экспериментальная психология - №1 / 2021 | Перейти к описанию
Web of Science СС

Включен в Web of Science СС (ESCI)

ВАК

РИНЦ

Рейтинг Science Index РИНЦ 2019

36 место — направление «Психология»

0,323 — показатель журнала в рейтинге SCIENCE INDEX

0,829 — двухлетний импакт-фактор

CrossRef

Экспериментальная психология

Издатель: Московский государственный психолого-педагогический университет

ISSN (печатная версия): 2072-7593

ISSN (online): 2311-7036

DOI: https://doi.org/10.17759/exppsy

Лицензия: CC BY-NC 4.0

Издается с 2008 года

Периодичность: 4 номера в год

Доступ к электронным архивам: открытый

 

Оценка действий экипажа самолёта по данным видеоокулографии 76

|

Куравский Л.С.
доктор технических наук, декан факультета информационных технологий, Московский государственный психолого-педагогический университет, Москва, Россия
ORCID: https://orcid.org/0000-0002-3375-8446
e-mail: l.s.kuravsky@gmail.com

Юрьев Г.А.
кандидат физико-математических наук, доцент, заведующий научной лабораторией, Московский государственный психолого-педагогический университет, Москва, Россия
ORCID: https://orcid.org/0000-0002-2960-6562
e-mail: g.a.yuryev@gmail.com

Златомрежев В.И.
заведующий лаборатории, Государственный научно-исследовательский институт авиационных систем («ГосНИИАС»), Москва, Россия
ORCID: https://orcid.org/0000-0003-1776-6881
e-mail: vizlatomr@2100.gosniias.ru

Грешников И.И.
ведущий инженер, Государственный научно-исследовательский институт авиационных систем (ФГУП «ГосНИИАС»), Москва, Россия
ORCID: https://orcid.org/0000-0001-5474-3094
e-mail: vvanes@mail.ru

Поляков Б.Ю.
Аспирант, ФГБОУ ВО МГППУ, Москва, Россия
ORCID: https://orcid.org/0000-0002-6457-9520
e-mail: deslion@yandex.ru

Аннотация

Представлены математические модели и методы оценки уровня подготовки экипажа на основе данных видеоокулографии. Полученные результаты опираются на сравнения исследуемых фрагментов глазодвигательной активности пилотов с сопоставимыми паттернами данных видеоокулографии различных типов и качества исполнения, содержащимися в заранее сформированной специализированной базе данных. Для получения оценок применяется сложная комбинация методов анализа случайных процессов и многомерного статистического анализа. «Интеллект» диагностических средств содержится в эмпирических данных и может гибко изменяться по мере их накопления. Рассмотренный пример определения режима полета и квалификации пилота по данным видеоокулографии позволяет говорить о возможности значимой дискриминации траекторий движения взора пилотов на разных фазах полета и значимой дискриминации траекторий движения взора опытных и неопытных пилотов на определенных фазах полета. Важным новым компонентом представленных результатов является дискриминантный анализ для решения задачи классификации лётных упражнений, построенный на принципах квантовых вычислений. Область применения рассмотренного подхода не ограничивается авиационными приложениями и может быть распространена на близкие по содержанию задачи.

Ссылка для цитирования

Финансирование

Эта работа выполнена как часть проекта «SAFEMODE» (грант № 814961) при финансовой поддержке Министерства науки и высшего образования Российской Федерации (проект UID RFMEFI62819X0014).

Литература
  1. Барабанщиков В.А., Жегалло А.В. Регистрация и анализ направленности взора человека. М.: Изд- во «Институт психологии РАН», 2013. 316 с.
  2. Желтов С.Ю., Федосов Е.А., Чуянов Г.А., Златомрежев В.И., Грешников И.И. и др. Патент № 101331 Комплекс оборудования (стенд) прототипирования интерфейса кабины воздушного судна / Правообладатель ФГУП «ГосНИИАС» (Россия). Заявка № 2016500077; Заяв. 15.01.2016; Зарегистр. 15.12.2016. (РОСПАТЕНТ).
  3. Красильщиков М.Н., Евдокименков В.Н., Базлев Д.А. Индивидуально-адаптированные бортовые системы контроля технического состояния самолета и поддержки управляющих действий летчика. М.: Изд-во МАИ, 2011. 438 с.
  4. Куравский Л.С., Юрьев Г.А. Свидетельство о государственной регистрации программы для ЭВМ № 2018660358 Intelligent System for Flight Analysis v1.0 (ISFA#1.0) / Правообладатели: Куравский Л.С., Юрьев Г.А. (Россия). Заявка № 2018617617; Заяв. 18.07.2018; Зарегистр. 22.08.2018.— (РОСПАТЕНТ).
  5. Отчет о прикладных научных исследованиях по теме «Разработка моделей рисков человеческого фактора и рекомендаций по созданию человеко-машинного интерфейса кабины экипажа воздушного судна» (промежуточный), этап 1, Государственная программа Российской Федерации «Развитие авиационной промышленности на 2013—2025 годы», соглашение о предоставлении субсидии от 21.10.2019г. № 075-11-2019-018, № госрегистрации RFMEFI62819X0014.
  6. Отчет о прикладных научных исследованиях по теме «Разработка моделей рисков человеческого фактора и рекомендаций по созданию человеко-машинного интерфейса кабины экипажа воздушного судна» (итоговый), этап 2, Государственная программа Российской Федерации «Развитие авиационной промышленности на 2013-2025 годы», соглашение о предоставлении субсидии от 21.10.2019г. № 075-11-2019-018, № госрегистрации RFMEFI62819X0014.
  7. Kuravsky L.S., Yuryev G.A. A novel approach for recognizing abnormal activities of operators of complex technical systems: three non-standard metrics for comparing performance patterns [Электронный ресурс] // International Journal of Advanced Research in Engineering and Technology (IJARET). 2020. 11 (4). P. 119—136, http://www.iaeme.com/IJARET/issues.asp?JType=IJARET&VType=11&IType=4. (Accessed 20.11.2020)
  8. Kuravsky L.S. Discriminant Analysis Based on the Approaches of Quantum Computing // Lobachevskii Journal of Mathematics. 2020. Vol. 41. № 12. P. 2338—2344.
  9. Kuravsky L.S., Yuryev G.A. The intelligent system to support condition monitoring for activities of operators of complex technical systems. In: Proc. 16th International Conference on Condition Monitoring and Asset Management. Glasgow, UK, June 2019. 17 p. DOI: 10.1784/cm.2019.108
  10. Kuravsky L.S., Yuryev G.A. Detecting Abnormal Activities of Operators of Complex Technical Systems and their Causes Basing on Wavelet Representations [Электронный ресурс] // International Journal of Civil Engineering and Technology (IJCIET). 2019. 10(2). P. 724—742. http://www.iaeme.com/IJCIET/ issues.asp?JType=IJCIET&VType=10&IType=2
  11. Kuravsky L.S., Yuryev G.A., Zlatomrezhev V.I. New approaches for assessing the activities of operators of complex technical systems // Eksperimental’naya psikhologiya = Experimental psychology (Russia). 2019. Vol. 12. № 4. P. 27—49. DOI:10.17759/exppsy.2019120403
  12. Kuravsky L.S., Yuryev G.A., Zlatomrezhev V.I., Yuryeva N.E. Assessing the Aircraft Crew Actions with the Aid of a Human Factor Risk Model // Eksperimental’naya psikhologiya = Experimental Psychology (Russia). 2020. Vol. 13. № 2. P. 153—181. DOI: https://doi.org/10.17759/exppsy.2020130211
  13. Aircraft trajectory clustering techniques using circular statistics. Yellowstone Conference Center, Big Sky. Montana, 2016. IEEE.
  14. Bastani V., Marcenaro L., Regazzoni C. Unsupervised trajectory pattern classification using hierarchical Dirichlet Process Mixture hidden Markov model // 2014 IEEE International Workshop on Machine Learning for Signal Processing (MLSP) / IEEE. 2014. P. 1—6.
  15. Enriquez M. Identifying temporally persistent flows in the terminal airspace via spectral clustering // Tenth USA/Europe Air Traffic Management Research and Development Seminar (ATM2013) / Federal Aviation Administration (FAA) and EUROCONTROL. Chicago, IL, USA, 2013. June 10—13.
  16. Enriquez M., Kurcz C. A Simple and Robust Flow Detection Algorithm Based on Spectral Clustering // International Conference on Research in Air Transportation (ICRAT) / Federal Aviation Administration (FAA) and EUROCONTROL. Berkeley, CA, USA, 2012. May 22—25.
  17. Faure C., Bardet J.M., Olteanu M., Lacaille J. Using Self-Organizing Maps for Clustering and Labelling Aircraft Engine Data Phases. In: WSOM (2017): 96—103.
  18. Gaffney S., Smyth P. Joint probabilistic curve clustering and alignment // Advances in Neural Information Processing Systems. Cambridge, MA: MIT Press, 2005. Vol. 17. P. 473—480.
  19. Gaffney S., Smyth P. Trajectory clustering with mixtures of regression models // Proceedings of the fifth ACM SIGKDD international conference on Knowledge discovery and data mining. 1999. P. 63—72.
  20. Laxhammar R., Falkman G. Online learning and sequential anomaly detection in trajectories // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2014. Vol. 36. № 6. P. 1158—1173.
  21. Rintoul M., Wilson A. Trajectory analysis via a geometric feature space approach // Statistical Analysis and Data Mining: The ASA Data Science Journal. 2015.
  22. Wilson A., Rintoul M., Valicka C. Exploratory Trajectory Clustering with Distance Geometry // International Conference on Augmented Cognition. 2016. Springer. P. 263—274.
Статьи по теме
 
О проекте PsyJournals.ru

© 2007–2021 Портал психологических изданий PsyJournals.ru  Все права защищены

Свидетельство регистрации СМИ Эл № ФС77-66447 от 14 июля 2016 г.

Издатель: ФГБОУ ВО МГППУ

Creative Commons License Репозиторий открытого доступа     Рейтинг репозиториев Webometrics

Яндекс.Метрика