[发明专利]一种人机信息交互风险场景自动识别方法

说明书

本发明提供一种人机信息交互风险场景自动识别方法，步骤如下：一：开展人机信息交互任务分析，明确各决策点所需信息，分析情景意识建立过程，识别系统异常状态；二：开展异常态下人机交互操作任务分析，明确特情处置流程、操作任务和可能出现的人误模式；三：以主体为基本单元进行交互行为建模，明确各个主体之间的交互关系，建立人主体的情景意识模型和人机系统安全性模型；四：基于多主体安全性模型，采用深度优先遍历方法对人机系统安全性进行定性仿真，自动识别所有可能的风险场景。本发明解决了传统安全性分析方法存在的风险场景想不全和识别效率低的问题，自动识别出所有可能的风险场景；方法科学，工艺性好，具有广阔推广应用价值。

技术领域

本发明提供一种人机信息交互风险场景自动识别方法，它基于多主体建模技术并结合深度优先遍历算法，实现了人机系统信息交互过程中风险场景的自动识别，它属于认知科学与安全科学交叉技术领域的人机系统安全性定性分析方法，注重解决传统安全性分析方法存在的风险场景想不全和识别效率低的问题。

背景技术

随着系统自动化水平不断提高，人机交互的要求越来越高而且主要体现在信息层次，并且设备软硬件可靠性越来越高，人机交互失误已成为了人机系统整体安全性的薄弱环节，尤其是信息层次的认知失误。据统计，航空事故70％与人误相关，其中认知失误占比达72％。事实上，认知失误受到人、机、环等因素及异常事件耦合的影响。当出现故障或者环境扰动时，人机交互任务进程受到影响，人需要同时完成若干任务，处理人机界面所提供的大量信息，可能导致信息关系复杂或者关键信息缺失的情况，这些都可能使操作者无法建立正确情景意识，从而出现认知失误，最终形成人机信息交互风险场景。风险场景是指由设备故障或环境扰动构成初因事件后，在异常事件处置的人机交互过程中出现操作或认知失误，最终导致事故的动态演化事件序列。

目前常用的人机交互风险场景分析技术，主要有事件逻辑方法和仿真方法。事件逻辑方法主要包括过程失效模型及影响分析(Process Failure Mode and EffectsAnalysis,PFMEA)、故障树分析(Fault Tree Analysis,FTA)、事件树分析(Event TreeAnalysis,ETA)和动态流图方法(Dynamic Flowgraph Methodology,DFM)等，该方法主要考察事件的线性因果逻辑关系，没有深入到人机交互失误的认知机理层次，而且难以处理时序相关逻辑，因而对人机动态交互特性描述不充分；同时在人机信息交互过程中，人和系统状态、环境条件以及任务场景等因素存在复杂的耦合影响，该方法往往存在异常事件组合想不全和可能后果想不清的问题，难以支持风险场景构建、推演和识别。

随着计算机技术的发展，利用仿真技术分析人机交互失误成为一个重要的研究方向，其通过虚拟任务、虚拟环境和虚拟人员来模拟实际任务进程中系统风险场景。一般地，当人机交互关系过于复杂，难以利用现有逻辑关系来描述和分析时，就需要借助仿真分析方法对系统动态行为进行建模，同时自动获取系统的风险场景，降低分析人员的负担。仿真方法基于人的信息处理过程，需要对人机系统各要素构建细节丰富的子模型，并借助于各子模型的接口来充当人机交互耦合的桥梁，从而详细刻画人机交互过程。常用的仿真分析方法主要包括离散动态事件树(Discrete Dynamic Event Tree,DDET)仿真、蒙特卡洛(Monte Carlo,MC)仿真、多主体仿真等。其中，DDET和MC对人机交互建模的基本思路一致，均采用自上而下的控制反馈方式，难以描述复杂人机系统的非线性、强关联性和涌现性等特点；基于多主体的建模仿真方法，对于交互性、动态性和认知特性的描述能力强大，是研究复杂人机交互系统安全性的有效途径，可以与情景意识模型结合，进行人机交互系统信息层次安全性建模分析。然而目前该模型往往通过MC仿真模拟每一个系统轨迹以提取风险场景，存在风险场景识别不全和仿真低效的问题。

对此，本发明提出了一种基于多主体技术和深度优先遍历算法的人机信息交互风险场景自动识别方法。该方法基于多主体技术考虑了人机信息交互过程中的人机环耦合影响和涌现性，解决了风险场景想不全的问题；基于深度优先遍历方法排查并识别风险场景，解决了仿真低效的问题。

发明内容