编辑推荐：
针对 GoA2 模式地铁列车驾驶人机界面中，驾驶员需限时完成设备状态感知、静态凝视熵（SGE）与凝视转移熵（GTE）存在矛盾的问题，研究人员结合眼动实验，构建了界面可理解性计算方法与认知负荷平衡点模型。发现特定可理解性界面存在 SGE 与 GTE 平衡点，对应最小搜索时间，为界面优化提供依据。
在地铁列车驾驶的复杂场景中，自动化技术的应用虽提升了效率，却也带来人机交互的新挑战。以 GoA2 模式（自动化等级 2 级，又称半自动列车运行模式）为例，驾驶员需在有限时间内快速搜索并感知人机界面（Human-Machine Interface, HMI）上所有设备的运行状态。然而，传统用于分析认知负荷的静态凝视熵（Static Gaze Entropy, SGE）与凝视转移熵（Gaze Transition Entropy, GTE）指标在此模式下面临矛盾：密集的图形符号要求驾驶员视线高度集中（与 SGE 所需的凝视点集中性相悖），而时间压力又会推高 GTE，导致认知负荷失衡。如何在有限时间内实现界面信息的高效理解与认知负荷的合理调控，成为保障地铁安全运行的关键科学问题。
为破解这一难题，研究人员围绕 GoA2 模式下地铁列车驾驶人机界面展开深入研究。通过眼动追踪实验，结合界面可理解性与认知负荷的动态关联分析，揭示了时间压力下两者的平衡机制。相关成果发表于《Displays》，为优化地铁人机界面设计提供了重要科学依据。
关键技术方法
研究主要采用眼动追踪技术，对 GoA2 模式下驾驶员在不同时间压力下的视觉搜索行为进行量化分析。通过设计包含正常与故障图形符号的实验界面，招募 20 名受试者（8 女 12 男，24-30 岁）参与实验，记录其眼动数据。同时，基于操作维度、设计维度与体验维度构建人机界面图形符号可理解性计算方法，并建立 SGE 与 GTE 的认知负荷平衡点计算模型，通过数据处理分析不同界面可理解性值下的认知负荷变化规律。
研究结果
1. 界面可理解性的多维度构建
从操作维度（安全层、效率层、体验层）、设计维度（本能层、行为层、反思层）与体验维度出发，分析 GoA2 驾驶模式下的语义表达，提出人机界面图形符号可理解性的计算方法。其中，设计维度的本能层关注几何特征表达，行为层聚焦可用性（可理解性与易用性），反思层侧重用户感知；操作维度的安全层关注设备与人身安全，效率层涉及认知负荷带来的反应时间与错误频率，体验层聚焦操作感受。
2. 时间压力下的认知负荷单调性与平衡点
针对可理解性相同的实验界面，眼动实验表明：静态凝视熵与凝视转移熵在不同时间压力下呈现一定单调性。进一步对不同故障图形符号组合的界面进行实验发现，每个具有特定可理解性值的界面，在不同时间压力下均存在 SGE 与 GTE 的认知负荷平衡点，且该平衡点对应的时间压力即为该界面的最小视觉搜索时间。
3. 可理解性对认知负荷的优化作用
实验数据显示，提升界面图形符号的可理解性可有效降低驾驶员的认知负荷，缩短视觉搜索时间。通过平衡 SGE（反映凝视点集中程度）与 GTE（反映凝视点转移频率），能够在 GoA2 模式的时间约束下实现信息感知效率的最大化，为界面设计中图形符号的优化提供了量化依据。
结论与意义
本研究揭示了 GoA2 模式下地铁驾驶人机界面视觉搜索的独特规律，证实了界面可理解性、时间压力与认知负荷之间的动态平衡关系。研究发现的认知负荷平衡点不仅为量化界面设计效果提供了科学指标，更通过最小视觉搜索时间的确定，直接服务于地铁驾驶安全性的提升。未来，该成果可进一步应用于自动化程度更高的人机界面设计，为构建更安全、高效的人机交互系统奠定理论基础。研究中建立的多维度可理解性计算模型与眼动实验方法，亦为其他高时效性交互场景（如工业控制、医疗设备）的认知负荷研究提供了方法论参考。
