JoVE Logo
发表
联系我们

登录

需要订阅 JoVE 才能查看此. 登录或开始免费试用。

本文内容

  • 摘要
  • 摘要
  • 引言
  • 研究方案
  • 结果
  • 讨论
  • 披露声明
  • 致谢
  • 材料
  • 参考文献
  • 转载和许可

摘要

构建了一种新的虚拟现实飞行模拟器，可以高效、低成本地评估飞行性能和眼球运动模式。它还为人体工程学和其他研究提供了一个高潜力的研究工具。

摘要

对飞行员进行高效、经济的绩效评估已成为航空业的关键。随着虚拟现实（VR）的发展和眼动追踪技术的结合，满足这些需求的解决方案正在成为现实。以前的研究已经探索了基于VR的飞行模拟器，主要集中在技术验证和飞行训练上。目前的研究开发了一种新的VR飞行模拟器，根据3D沉浸式场景中的眼球运动和飞行指标来评估飞行员的飞行表现。在实验过程中，招募了46名参与者:23名专业飞行员和23名没有飞行经验的大学生。实验结果显示，有飞行经验和无飞行经验的参与者在飞行表现上存在显著差异，前者高于后者。相比之下，那些有飞行经验的人表现出更有条理和更有效的眼球运动模式。这些飞行性能差异化结果证明了当前VR飞行模拟器作为一种飞行性能评估方法的有效性。不同的眼球运动模式与飞行经验相结合，为未来的飞行选择提供了依据。然而，与传统的飞行模拟器相比，这种基于VR的飞行模拟器存在运动反馈等缺点。这种飞行模拟器平台除了明显的低成本外，还具有高度的灵活性。它可以满足研究人员的多样化需求（例如，通过添加相关量表来测量态势感知、VR 疾病和工作量）。

引言

欧洲航空安全局（2012 年）将飞行模拟器分为培训设施、飞行和导航程序训练器、飞行训练设备和完整的飞行模拟器1.迄今为止，有一系列飞行模拟器可供训练，从低级桌面系统到高度复杂的基于运动的全飞行模拟器2。传统模拟器包括飞行动力学模型、系统仿真、硬件驾驶舱、外部可视化和可选的运动仿真3。

这些传统的飞行模拟器作为有效的飞行训练设备具有一些优点。然而，它们的成本高且对环境不友好，因为每个系统的驱动器都需要大量的电能，尤其是全飞行模拟器，它需要高温和高压流体或气压，消耗大量电力并产生大量噪音4.

然而，一个简单的桌面模拟器系统是灵活和低成本的，与完整的飞行模拟器相比，具有更低的浸入感和更少的交互2。因此，开发结合桌面系统和全飞行模拟器优点的新型飞行模拟器至关重要（换句话说，桌面模拟的灵活性以及接近全飞行模拟器的沉浸感和交互水平）。

随着计算机技术特别是虚拟现实（VR）技术的发展，一种基于新兴VR技术的新型飞行模拟器正在成为现实。基于 VR 的飞行模拟器灵活、便携、低成本，并且比传统飞行模拟器5 空间要求更小。在过去的 20 年里，研究人员基于 VR 技术创建了飞行模拟器 6,7,8,9,10,11;然而，这些VR飞行模拟器主要用于飞行训练，很少有用于飞行员选择的。尽管如此，随着成本的降低和技术的改进，基于VR的模拟器正在发生变化，并变得可用于个人选择。一些研究使用基于VR的模拟器进行不同领域的个人选择:Schijven等人12使用虚拟现实模拟器选择了外科实习生。Huang等13开发了一种基于虚拟现实技术的心理选择工具，用于空军飞行员招募。Wojciechowski 和 Wojtowicz14 评估了候选人作为基于 VR 技术的无人机 （UAV） 飞行员的能力。鉴于飞行员的选择对航空业至关重要，因此迫切需要开发一种新的基于VR的飞行模拟器，重点关注飞行员的选择，因为大规模的飞行员选择容易受到模拟器的成本和便携性模拟器系统的需求的影响。

眼球运动为飞行员的表现提供了线索。不同的研究发现，眼部扫描模式可以区分专家飞行员和新手飞行员的表现。通过比较专家和新手的扫描模式，可以区分出专家高效且结构化的眼动行为与初学者扫描方法的不足。几项航空研究发现，飞行员的眼球扫描策略与专业水平高度相关 15,16,17,18,19,20,21,22,23,24。根据Bellenkes等人25的研究，专家们注视乐器的持续时间更短，他们对乐器的注视频率高于新手。Kasarskis等人26得出了几乎相同的结论，他们发现专家飞行员比新手有更多的注视点和更短的持续时间，这表明专家飞行员比新手具有更好的视觉模式。在另一项研究中，Lorenz 等人。27 发现，与新手相比，专家花在驾驶舱外观察的时间更多。这些结果对新移民的选拔具有很大的实用价值。

飞行性能评估是飞行员选拔的另一个关键因素。然而，飞行员飞行性能评估存在以下问题:专家意见相互冲突、选拔规范较多、选拔理论统一。在驾驶领域，Horrey等28比较了不同实验条件下车道偏离中心线的绝对值，以评估驾驶性能。回到航空领域，飞行快速访问记录仪（QAR）记录了飞行29过程中的各种飞行员操纵参数、飞机参数、环境和警告信息。更具体地说，作为QAR指标，俯仰角是飞机30左右轴线的旋转角度，参考线（或中心参考线）正好位于红线和绿线28的中间;这两个飞行参数用于评估有或没有当前研究经验的参与者的飞行性能。这些QAR数据可用于评估飞行性能，但据我们所知，它们很少用于科学研究中的个人训练和选拔31,32。

眼球运动模式的测量可用于评估和预测飞行性能，并指导飞行员的培训和选择。Gerathewohl33 表示，眼睛是飞行员最重要的感觉器官，处理80%的飞行信息。飞行员必须从驾驶舱内的仪表获取视觉信息，并将其整合到一个连贯的图像中，以管理飞行22。此外，最佳的扫描行为对于实现更好的飞行性能至关重要15.然而，目前还没有一种经济实惠的飞行模拟器集成了眼动仪来促进眼球运动与飞行性能之间关系的定量研究。

目前的研究开发了一种新的VR飞行模拟器，以评估有飞行经验的参与者是否比没有飞行经验的参与者具有更好的飞行表现。VR飞行模拟器集成了眼动追踪和飞行动力学系统，可以进行眼动模式分析和飞行性能评估。特别值得一提的是，VR飞行模拟器使用VR眼动仪34，而不是类似眼镜或桌面的眼动仪，来分析基于感兴趣区域（AOI）的眼球运动，而无需耗时的帧计数。

最后，目前的工作可以为未来的飞行员选择提供综合测量，从眼部扫描路径到客观飞行性能数据。借助虚拟飞行模拟器，将大大降低航班选择成本，并且可以在广泛的数据收集的基础上形成飞行员的规范。这项工作填补了传统模拟器和桌面模拟器之间的空白，以满足航班选择需求。

研究方案

本文所述的所有方法均已获得清华大学机构审查委员会（IRB）的批准，并获得了所有参与者的知情同意。完成后，所有参与者都获得了 12 美元（或等值的礼物）。

1. 参与者选择

  1. 根据先前使用 G*Power 软件35 进行功效分析的研究（参见 材料表）招募参与者，以确保参与者数量满足 G*Power 给出的预期样本量，即 21。
    注意:G*Power 给出的预期样本量是指根据指定的效应量、显着性水平和使用的统计检验，研究需要估计的参与者人数才能达到所需的统计功效水平。预期的样本量是研究计划中的一个重要考虑因素。它帮助研究人员确定其研究设计的可行性和成本效益，并确保研究具有足够的统计能力来检测有意义的影响。
  2. 确保没有参与者有癫痫、心脏或脑部疾病、近期内分泌或精神科药物或严重皮肤过敏的病史。
  3. 使用 Snellen 视力表（使用公制 6/6）36 确认参与者的视力正常或矫正为正常，并且他们没有任何视力障碍，如色盲或色弱。
  4. 确保参与者在过去 24 小时内没有饮酒或服用过可能影响他们飞行能力的药物。
  5. 确保参与者在实验前睡眠不少于 6 小时并且精神状况良好。

2.飞行模拟器硬件

  1. 检查飞行模拟器的所有硬件是否完整。根据其功能，该硬件分为三个模块（表 1）（参见 材料表）。
    注意: 研究人员在接触设备之前需要触摸金属棒，以避免静电感应带来的风险。
    1. 借助 表 2 检查 VR、HMD（头戴式显示器）和眼动追踪模块的组件。
    2. 确保所有飞行模拟器 PC 模块组件满足以下最低要求:3.6G Hz 处理器、4G 内存、64 位操作系统和显卡。该系统将支持所有飞行控制器。
    3. 检查飞控模块的组成情况，确保设备的参数配置与 表3一致。
  2. 根据 图1中的布局安装飞行模拟器的硬件。 图 2 显示了硬件的连接方式。
    1. 物理地加入油门和控制面板，并将它们视为一个整体。
    2. 通过 USB 将油门、操纵杆和踏板连接到飞行模拟器 PC 模块。
    3. 通过串流盒将 HMD 连接到飞行模拟器 PC 模块。
    4. 通过 PC 上的 VR 软件将基站和 VR 控制器连接到 HMD。
VR头戴式显示器（HMD）和眼动追踪模块1. 基站
2. VR头戴式显示器
飞行模拟器PC模块3.飞行模拟器电脑
飞行控制模块4.飞行油门
5. 飞行操纵杆
6. 飞行踏板

表 1:飞行模拟器硬件的三个模块的组件。

主要成分辅料
VR头戴式显示器耳机线（已连接）
面部靠垫（附）
抹布
耳机孔盖 × 2
串流盒电源适配器
DisplayPort 电缆
USB 3.0 数据线
安装垫
控制器 （2018） × 2电源适配器 × 2
挂绳 × 2
Micro-USB 线缆 × 2
基站 2.0 × 2电源适配器 × 2
安装套件（2 个支架、4 个螺钉和 4 个墙锚）

表 2:VR 头戴式显示器和眼动追踪模块的组件列表。

装置参数配置
飞行操纵杆19个动作按钮
一顶 8 向"观点"帽子
多个 3D 磁传感器
一个 5 螺旋弹簧系统
一个 16 位分辨率（65536 x 65536 值）。
飞行控制面板15 个操作按钮
一个 TRIM 轮
5 个可编程 LED
飞行油门17 个动作按钮
一顶带按钮的鼠标帽
一顶 8 向"观点"帽子
多个 3D 磁传感器
两个 14 位分辨率
飞行踏板张力在 2.5 kg 和 5 kg 之间
角度介于 35° 和 75° 之间

表3:飞控模块设备参数配置。

figure-protocol-3701
图 1:VR 飞行模拟器硬件的布局。 请点击这里查看此图的较大版本.

figure-protocol-4033
图 2:飞行模拟器硬件的连接。 （A） 飞行控制模块。油门和控制面板以物理方式连接并作为一个单元处理。如果本研究中使用术语"油门"，则它既指油门又指控制面板。（B） 飞行模拟器PC模块。满足步骤 2.2 中概述的要求的计算机。（C）头戴式显示器和眼动追踪模块。用于眼动追踪的软件开发套件 （SDK） 和 3D 引擎安装在同一台计算机上时保持同步。因此，眼动追踪功能和操作系统会相互作用并协同工作。 请点击这里查看此图的较大版本.

3.飞行模拟器软件

  1. 确保在实验开始之前已安装所有软件（参见 材料表）。实验中使用的所有软件的信息如 表4所示。
名字描述
VR软件一种广泛使用的工具，用于在硬件上体验 VR 内容。
VR应用商店用于虚拟现实的应用商店，客户可以在其中探索、创建、连接和体验他们喜欢和需要的内容。
眼动追踪软件研究团队通过眼动追踪和3D引擎SDK开发的眼动追踪软件。
飞行模拟器飞行模拟器软件的主要程序，由研究团队开发。
屏幕录制软件用于视频录制和直播的免费开源软件。

表 4:有关实验中使用的所有软件的信息。

4. 启动飞行模拟器前的准备工作

注意:如果这是第一次运行眼动追踪程序，请根据 图 3 执行其他步骤。眼动追踪程序将在初次运行后自动激活。

figure-protocol-5603
图 3:首次运行眼动追踪程序时的额外步骤。 请点击这里查看此图的较大版本.

  1. 确保 HMD 已打开并连接到计算机。
  2. 将基站对角线放置，以确保 HMD 始终位于基站的监控范围内。保持基站固定，以保持稳定的VR环境。
  3. 根据电脑上VR软件给出的提示，设置一个仅限站立的游玩区。
    注意: 提示允许房间规模的区域或设置仅站立的游戏区域。仅站立模式通常用于体验不需要步行的 VR 场景，并且可以在用户活动空间有限时选择。因此，在这个实验中，设置一个仅限站立的游戏区。
  4. 设置眼动追踪校准。每次切换参与者时，都必须重新校准眼动追踪系统。
    1. 确认参与者没有使用隐形眼镜，这会导致眼动追踪故障。
    2. 使用 VR 控制器打开眼动追踪校准程序（参见 材料表）。
    3. 根据系统的指示调整设备高度、瞳距 （IDP） 和注视点。
    4. 让参与者的眼睛按顺时针方向照亮每个点 2 秒，以验证眼动追踪校准的有效性。
  5. 将调谐后的飞行控制模块和大屏幕显示器（即至少 27 英寸显示器）连接到与 VR HMD 相同的计算机。该屏幕允许实验者同时查看 VR HMD 中发生的情况。

5.实验步骤

注:实验分为四个步骤:"收集信息"、"介绍任务和操作"、"实验前练习"和"进行正式实验"。实验过程总结于 图4。

figure-protocol-6656
图 4:实验流程图。 请点击这里查看此图的较大版本.

  1. 从参与者那里收集信息（15 分钟）。
    1. 在付款明细表中填写参与者的付款信息。
    2. 告知参与者阅读知情同意书并签字。
  2. 向参与者介绍任务和模拟器操作（5 分钟）。
    1. 向参与者解释交通模式和地图（图5）。
    2. 指导参与者如何使用 VR 飞行模拟器。
    3. 告诉参与者，如果他们在模拟飞行时感到不适，他们可以离开实验。
  3. 要求参与者使用 VR 飞行模拟器进行练习（15 分钟）。
    1. 将 VR HMD 与参与者安装并校准眼球运动。按照系统的指示调整 设备高度、瞳距 （IDP） 和 注视点 。
    2. 打开 录屏软件。
    3. 启动 FlySimulator程序 ，帮助参与者进行飞行训练。
    4. 指导参与者协同使用飞行踏板、操纵杆和油门，使飞机尽可能靠近飞行参考线（图 5）。
    5. 退出FlySimulator程序后重置飞行油门和发动机开关按钮，并在受试者完成练习后停止录制屏幕。
  4. 进行正式的飞行实验（20分钟）。
    1. 为参与者戴上 VR 头戴式显示器，然后运行 OBS Studio 开始录制屏幕。
    2. 启动 FlySimulator 程序，选择一个 适合的视角，启动 发动机，松开 驻车制动器，然后将 飞行油门调到最大。
    3. 退出 FlySimulator 程序，然后重置 飞行油门 和 发动机开关 按钮。停止录制屏幕。

figure-protocol-8064
图 5:VR 飞行模拟器的交通模式。 俯仰角是围绕飞行器左右轴线的旋转角度，参考线（或中心参考线）正好位于红线和绿线的中间。 请点击这里查看此图的较大版本.

6. 数据分析

  1. 分析眼球运动数据。
    1. 在本研究中划分五个感兴趣区域 （AOI） 区域;有关AOI计算的更多信息，请参见 图6，该图基于与飞行驾驶舱仪器对应的飞行驾驶舱实际面板（图7）。
    2. 鉴于本研究中使用的 VR 动眼神经的设备特性，使用 AOI 区域37 中的停留时间百分比计算 AOI 差异测试。
      注意:停留时间的平均百分比是在 AOI 内寻找所花费的累积百分比除以总注视时间，并在参与者之间取平均值。
  2. 使用 Python 3.10 使用定制开发的编程脚本分析飞行性能数据。性能指标的核心算法改编自 QAR 分析方法，灵感来自美国国家航空航天局 （NASA）38 提供的 35 架 BAE-146 飞机 QAR 数据。
    注:本研究的飞行性能指标:总飞行时间（每个参与者从起飞到降落的总时间长度，以秒为单位）、着陆前 1 秒的俯仰角（飞机的俯仰角 1 秒，从原始数据中获得，以度为单位）、到参考线的平均距离（飞行过程中飞机与参考线之间的空间距离的平均误差， 以米为单位）和到参考线的距离标准差（飞行过程中飞机与参考线之间的空间距离的标准差，以米为单位）。
  3. 进行统计分析。
    1. 使用 Shapiro-Wilk 检验39 确认数据的正态性。
    2. 使用统计软件（见 材料表）进行描述性统计、Mann-Whitney U 检验和学生 t 检验。
    3. 描绘小提琴图以更好地指示数据分布的形状40.
      注意:使用 Cohen's d 测量的效应大小的解释如下:0.1 表示非常小，0.2 表示小，0.5 表示中等，0.8 表示大，1.2 表示非常大，2.0 表示巨大41,42。显著性水平设定为p < 0.05。

figure-protocol-9553
图 6:AOI 预处理和计算流程。 第 1 至 4 部分描述了本研究如何处理飞行员的眼球运动数据，直至独立样本 t 检验。 请点击这里查看此图的较大版本.

figure-protocol-9937
图7:飞行仪表AOI分割示意图。 仪表的功能: （A） 空速指示器指示飞机相对于空气的速度。（B） 高度指示器显示飞机的俯仰和滚动高度。（C） 垂直速度指示器指示飞机的上升或下降速度。（D） 高度指示器指示飞机的气压高度。（E） 发动机转速指示器指示飞机发动机的速度。 请点击这里查看此图的较大版本.

结果

本次实验选取了23名有飞行经验的专家和23名没有飞行经验的新手。受试者年龄在25至58岁之间（专家: M = 32.52岁， SD = 7.28岁;新手: M = 29.57岁， SD = 5.74岁）。所有受试者的性别均为男性。所有新人均从清华大学招聘（学生或教师），所有专家均来自中国东方航空公司。

眼球运动
根据 Shapiro-Wilk 检验（所有 p 值 <0.05），仪器 AOI、?...

讨论

目前的研究评估了在基于VR的飞行模拟器中，有飞行经验的参与者是否比没有飞行经验的参与者具有更好的飞行表现。更重要的是，它评估了是否可以在这些参与者中找到更优化的眼球运动模式，这些参与者的飞行表现更好。在三个关键飞行QAR指标上，有和没有飞行经验的参与者之间的结果存在显着差异:着陆前1秒的俯仰角，到参考线的平均距离，以及到参考线的距离的标准差（图...

披露声明

提交人声明没有财务披露或利益冲突。

致谢

笔者非常感谢李燕先生在招募试点学员方面提供的帮助，并感谢卜玲云女士在绘画方面所做的工作。该研究得到了国家自然科学基金（批准号T2192931、72071185）、国家脑计划项目（批准号STI2030-重大专项2022ZD0208500）、人因工程国家重点实验室项目（批准号SYFD062003）、人因工程国家重点实验室项目（批准号6142222210201）和2022年度军事后勤研究补助金重大专项和空军装备综合重点项目的支持研究（授权号KJ2022A000415）。

材料

NameCompanyCatalog NumberComments
3D engine SDKEpic GamesUnreal Engine 4
GameAnalytics Unreal SDK		This SDK is a powerful yet flexible free analytics tool designed for games.
CPUIntelIntelCore i9One of the most powerful CPU on the mainstream market.
Eye tracking SDKTobiiTobii XR SDKThis SDK provide device agnostic access to eye tracking data to allow development for headsets from many different hardware vendors and is not limited to devices using Tobii Eye Tracking hardware.
Eye tracking softwareDeveloped by the research teamA program that tracks the movement of a person's eyes while they are using a virtual reality HMD.
FlySimulator programDeveloped by the research teamA software that simulates flying experiences in a virtual environment, using VR HMD and hand-held controllers.
Graphics cardNVIDIAGeForce RTX 3090
10496 NVIDIA CUDA Cores
1.70 GHz Boost Clock  
24 GB Memory Size
GDDR6X Memory Type		One of the most powerful graphics card on the mainstream market.
Operating system (OS)MicrosoftWindows XPAn operating system (OS) developed and exclusively distributed by Microsoft Corporation
Replica control panelTHRUSTMASTER2960720 2971004 2962072 2960748 2960769U.S. Air Force A-10C attack aircraft HOTAS
Replica joystickTHRUSTMASTER2960720U.S. Air Force A-10C attack aircraft HOTAS
Replica pedalTHRUSTMASTERTPR pendular rudder
Replica throttleTHRUSTMASTERU.S. Air Force A-10C attack aircraft HOTAS
Screen connected to PCRedmiRMMNT27NF, 27-inch, 1920 X 1080 resolution ratioScreen allows the experimenter to simultaneously view what is happening in the VR HMD
Screen recording softwareOBS ProjectOBS Studio Version 28.0A free and open source software for video recording and live streaming
Statistical power analysis softwareOpen-SourceG*power Version 3.1.9.6A free and user-friendly tool for estimating statistical power and sample size.
Statistical softwareIBMSPSS Version 24.0A powerful statistical software platform
Versatile statistics toolGraphPad SoftwareGraphPad Prism Version 9.4.0A versatile statistics tool purpose-built for scientists-not statisticians
VR app storeHTC CorporationVIVE Software 2.0.17.6 / 2.1.17.6An app store for virtual reality where customers can explore, create, connect, and experience the content they love and need.
VR head-mounted display (HMD)HTC CorporationVIVE Pro EyeA VR headset with precision eye tracking
VR softwareSteamSteam VR Version 1.23A tool for experiencing VR content on the hardware

参考文献

  1. Oberhauser, M., Dreyer, D., Braunstingl, R., Koglbauer, I. What's real about virtual reality flight simulation. Aviation Psychology and Applied Human Factors. 8 (1), 22-34 (2018).
  2. Oberhauser, M., Dreyer, D. A virtual reality flight simulator for human factors engineering. Cognition, Technology & Work. 19 (2-3), 263-277 (2017).
  3. Rolfe, J. M., Staples, K. J. . Flight Simulation. , (1986).
  4. Robinson, A., Mania, K., Perey, P. Flight simulation: Research challenges and user assessments of fidelity. Proceedings of the 2004 ACM SIGGRAPH International Conference on Virtual Reality Continuum and its Applications in Industry. , 261-268 (2004).
  5. Moroney, W. F., Moreney, B. W. Flight Simulation. Handbook of Aviation Human Factors. , 261-268 (1999).
  6. McCarty, W. D., Sheasby, S., Amburn, P., Stytz, M. R., Switzer, C. A virtual cockpit for a distributed interactive simulation. IEEE Computer Graphics and Applications. 14 (1), 49-54 (1994).
  7. Dorr, K. U., Schiefel, J., Kubbat, I. Virtual cockpit simulation for pilot training. In . The Hague, The Netherlands. What is Essential for Virtual Reality Systems to Meet Military Human Performance Goals? RTO human factors and medicine panel (HEM) workshop. , (2001).
  8. Bauer, M., Klingauf, U. Virtual-reality as a future training medium for civilian flight procedure training. AIAA Modeling and Simulation Technologies Conference and Exhibit. , 18-21 (2008).
  9. Yavrucuk, I., Kubali, E., Tarimci, O. A low cost flight simulator using virtual reality tools. IEEE Aerospace and Electronic Systems Magazine. 26 (4), 10-14 (2011).
  10. Aslandere, T., Dreyer, D., Pankratz, F., Schubotz, R. A generic virtual reality flight simulator. Virtuelle und Erweiterte Realität, 11. Workshop der GI-Fachgruppe VR/AR. , 1-13 (2014).
  11. Joyce, R. D., Robinson, S. K. The rapidly reconfigurable research cockpit. AIAA Modeling and Simulation Technologies Conference. , 22-26 (2015).
  12. Schijven, M. P., Jakimowicz, J. J., Carter, F. J. How to select aspirant laparoscopic surgical trainees: Establishing concurrent validity comparing Xitact LS500 index performance scores with standardized psychomotor aptitude test battery scores. The Journal of Surgical Research. 121 (1), 112-119 (2004).
  13. Huang, P., Zhu, X., Liu, X., Xiao, W., Wu, S. . Psychology selecting device for air force pilot recruitment based on virtual reality technology, has industrial personal computer connected with memory, where industrial control computer is connected with image display device. , (2020).
  14. Wojciechowski, P., Wojtowicz, K. Simulator sickness and cybersickness as significant indicators in a primary selection of candidates for FPV drone piloting. 2022 IEEE 9th International Workshop on Metrology for AeroSpace (MetroAeroSpace). , (2022).
  15. Ziv, G. Gaze behavior and visual attention: A review of eye tracking studies in aviation. The International Journal of Aviation Psychology. 26 (3-4), 75-104 (2016).
  16. Lai, M. L., et al. A review of using eye-tracking technology in exploring learning from 2000 to 2012. Educational Research Review. 10, 90-115 (2013).
  17. Robinski, M., Stein, M. Tracking visual scanning techniques in training simulation for helicopter landing. Journal of Eye Movement Research. 6 (2), 1-17 (2013).
  18. Yang, J. H., Kennedy, Q., Sullivan, J., Fricker, R. D. Pilot performance: Assessing how scan patterns & navigational assessments vary by flight expertise. Aviation Space and Environmental Medecine. 84 (2), 116-124 (2013).
  19. Yu, C. S., Wang, E. M. Y., Li, W. C., Braithwaite, G., Greaves, M. Pilots' visual scan patterns and attention distribution during the pursuit of a dynamic target. Aerospace Medicine and Human Performance. 87 (1), 40-47 (2016).
  20. Haslbeck, A., Zhang, B. I spy with my little eye: Analysis of airline pilots' gaze patterns in a manual instrument flight scenario. Applied Ergonomics. 63, 62-71 (2017).
  21. Brams, S., et al. Does effective gaze behavior lead to enhanced performance in a complex error-detection cockpit task. PLoS One. 13 (11), e0207439 (2018).
  22. Peißl, S., Wickens, C. D., Baruah, R. Eye-tracking measures in aviation: A selective literature review. The International Journal of Aerospace Psychology. 28 (3-4), 98-112 (2018).
  23. Jin, H., et al. Study on how expert and novice pilots can distribute their visual attention to improve flight performance. IEEE Access. 9, 44757-44769 (2021).
  24. Lounis, C., Peysakhovich, V., Causse, M. Visual scanning strategies in the cockpit are modulated by pilots' expertise: A flight simulator study. PLoS One. 16 (2), e0247061 (2021).
  25. Bellenkes, A. H., Wickens, C. D., Kramer, A. F. Visual scanning and pilot expertise: The role of attentional flexibility and mental model development. Aviation Space and Environmental. 68 (7), 569-579 (1997).
  26. Kasarskis, P., Stehwien, J., Hickox, J., Aretz, A., Wickens, C. Comparison of expert and novice scan behaviors during VFR flight. Proceedings of the 11th International Symposium on Aviation Psychology. , (2001).
  27. Lorenz, B., et al. Performance, situation awareness, and visual scanning of pilots receiving onboard taxi navigation support during simulated airport surface operation. Human Factors and Aerospace Safety. 6 (2), 135-154 (2006).
  28. Horrey, W. J., Alexander, A. L., Wickens, C. D. Does workload modulate the effects of in-vehicle display location on concurrent driving and side task performance. Driving Simulator Conference North America Proceedings. , (2013).
  29. Wang, L., Ren, Y., Sun, H., Dong, C. A landing operation performance evaluation method and device based on flight data. In Engineering Psychology and Cognitive Ergonomics: Cognition and Design. , 297-305 (2017).
  30. Wang, L., Ren, Y., Wu, C. Effects of flare operation on landing safety: A study based on ANOVA of real flight data. Safety Science. 102, 14-25 (2018).
  31. Huang, R., Sun, H., Wu, C., Wang, C., Lu, B. Estimating eddy dissipation rate with QAR flight big data. Applied Sciences. 9 (23), 5192 (2019).
  32. Wang, L., Zhang, J., Dong, C., Sun, H., Ren, Y. A method of applying flight data to evaluate landing operation performance. Ergonomics. 62 (2), 171-180 (2019).
  33. Gerathewohl, S. J. Leitfaden der Militärischen Flugpsychologie. Verlag für Wehrwissenschaften. , (1987).
  34. Ugwitz, P., Kvarda, O., Juříková, Z., Šašinka, &. #. 2. 6. 8. ;., Tamm, S. Eye-tracking in interactive virtual environments: implementation and evaluation. Applied Sciences. 12 (3), 1027 (2022).
  35. Faul, F., Erdfelder, E., Lang, A. -. G., Buchner, A. G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods. 39 (2), 175-191 (2007).
  36. Boslaugh, S. E. . Snellen Chart. , (2018).
  37. He, J., Becic, E., Lee, Y. -. C., McCarley, J. S. Mind wandering behind the wheel. Human Factors: The Journal of the Human Factors and Ergonomics Society. 53 (1), 13-21 (2011).
  38. Tanveer Alam, . GitHub - tanvcodes/qar_analytics: Scripts for working with publicly available Quick Access Recorder (QAR) data from a fleet of 35 BAE-146 aircraft. GitHub. , (2022).
  39. Shapiro, S. S., Wilk, M. B. An analysis of variance test for normality (complete samples). Biometrika. 52 (3-4), 591-611 (1965).
  40. Hintze, J. L., Nelson, R. D. Violin plots: A box plot-density trace synergism. The American Statistician. 52 (2), 181-184 (1998).
  41. Cohen, J. . Statistical Power Analysis for the Behavioral Sciences (2nd ed.). , (1988).
  42. Sawilowsky, S. S. New effect size rules of thumb. Journal of Modern Applied Statistical Methods. 8 (2), 26 (2009).
  43. Bateman, T. S., Crant, J. M. The proactive component of organizational behavior: A measure and correlates. Journal of Organizational Behavior. 14 (2), 103-118 (1993).
  44. Endsley, M. R. Measurement of situation awareness in dynamic systems. Human Factors. 37 (1), 65-84 (1995).
  45. Hunter, D. R. Measuring general aviation pilot judgment using a situational judgment technique. The International Journal of Aviation Psychology. 13 (4), 373-386 (2003).
  46. Kim, H. K., Park, J., Choi, Y., Choe, M. Virtual reality sickness questionnaire (VRSQ): Motion sickness measurement index in a virtual reality environment. Applied Ergonomics. 69, 66-73 (2018).
  47. Hart, S. G. . NASA Task Load Index (TLX). , (1986).

转载和许可

请求许可使用此 JoVE 文章的文本或图形

请求许可

探索更多文章

VR

This article has been published

Video Coming Soon

JoVE Logo

政策

使用条款

隐私

联系我们

向图书馆推荐

JoVE 新闻简报

科研

教育

发表

图书馆员

关于 JoVE

版权所属 © 2025 MyJoVE 公司版权所有，本公司不涉及任何医疗业务和医疗服务。