《Frontiers in Neuroergonomics》：Vigilance decrements in air traffic control as an aviation safety risk: a systematic review of modeling and prediction approaches
编辑推荐：
引言：空中交通管制（ATC）中的警惕性下降是神经工效学（neuroergonomics）的一个持续问题：人类认知表现必须在长时间的值班轮换中保持可靠，而失误会带来严重后果。持续注意力失败与冲突检测能力下降、对关键事件反应变慢以及空域管理错误相关。损伤是双向的：
引言：空中交通管制（ATC）中的警惕性下降是神经工效学（neuroergonomics）的一个持续问题：人类认知表现必须在长时间的值班轮换中保持可靠，而失误会带来严重后果。持续注意力失败与冲突检测能力下降、对关键事件反应变慢以及空域管理错误相关。损伤是双向的：负荷不足的管制员会脱离，而负荷过重的管制员会失去分辨率，当前的监控系统无法可靠地区分这两种状态。方法：本论文报告了一项关于ATC中警惕性建模与预测的系统综述，涵盖了来自三个主要数据库（PubMed、Scopus、Web of Science；初始检索为2025年1月，前向引文更新至2026年2月）的34篇文章，这些文章根据PRISMA 2020指南的预定义纳入标准进行筛选。结果：该综述探讨了生理和行为预测因子、机器学习检测模型以及多模态融合方法用于警惕性预测。任务需求、在岗时间、昼夜节律阶段以及自动化诱导的被动性均在实际操作中影响警惕性，且没有哪个因素独立作用；现有的预测框架未能很好地捕捉这一结构。讨论：每种方法均根据实时部署的约束条件进行评估，受控实验室发现与可用于操作现场的工具之间的差距仍然很大。
本研究对空中交通管制（ATC）中警惕性下降的建模与预测方法进行了系统综述。论文主体部分包括以下内容：
**1 引言**
在ATC中，持续注意力是核心任务。管制员失去警惕性会导致冲突遗漏、空域动态误读以及对时间关键事件反应迟缓，这些失误在事件和事故记录中频繁出现。产生这些失误的条件各不相同：疲劳、单调、昼夜节律失调和高认知负荷均可能降低表现，有时管制员或主管都未能察觉。操作环境本身并不有利：在高密度扇区，管制员同时跟踪雷达回波、监控飞机轨迹、管理飞行员通信、整合气象数据并与相邻扇区协调，这种持续的并行需求使得警惕性更难维持，失误更难检测。ATC中的注意力失败有多种形式：低交通量期间的警觉性下降、工作量峰值下的处理能力下降、自动化处理常规任务时的反应变慢，以及时间压力下的协调错误。操作环境在物理上是静态的，但认知负荷在持续超过6小时的轮班中保持着。警惕性文献一致表明，这种低身体需求与持续注意力要求相结合的特征，会导致检测性能的可靠下降。警惕性失败对安全调查提出了特定问题：它不留下任何痕迹——没有日志偏差，通信记录中无异常，没有以可恢复形式幸存下来的事件痕迹。事件报告和ATC日志记录了结果，但无法重建近碰撞前几秒内管制员的注意力去向。实时监控可以改变这一点，但尚未以任何系统方式整合到操作安全系统中。警惕性、工作量和疲劳经常互换使用，但区分它们对测量至关重要。警惕性涉及持续信号检测，即长时间监控后捕捉相关事件；工作量是任务在特定时刻施加的认知需求；疲劳是生理或认知能力的累积性下降，会降低两者。本综述以警惕性为组织构念，原因有三：首先，持续信号检测是ATC中的主要认知任务；其次，警惕性是实时生理监测最易处理的目标，其下降会产生可测量的特征；第三，警惕性失败与ATC事件记录中记录的检测缺口和延迟反应直接相关。警惕性测量依赖三类证据：主观评分、表现指标和生理信号，其中生理信号（EEG、ECG、皮电活动、眨眼率、瞳孔扩张）对连续监测最有用。机器学习模型比传统统计方法更有效地从这些信号中提取结构，尤其是结合多传感器数据时。本综述有四个目标：绘制用于研究ATC中警惕性的实验设计、模拟设置和任务范式；比较主观、行为、生理和多模态测量方法的敏感性和实际部署性；评估机器学习与深度学习方法在警惕性预测方面的表现，特别关注在受控实验室环境之外测试的模型；以及确定实时、非侵入性监控系统在活操作中所需满足的方法学要求。
**2 材料与方法**
**2.1 研究问题与PICOS框架** 本综述围绕以下问题构建：哪些生理、行为和计算方法已被用于建模和预测ATC中的警惕性下降，以及这些方法在多大程度上满足实时操作部署的要求？研究问题采用PICOS框架定义：人群（Population）为专业ATC管制员和受训管制员，在模拟或真实ATC环境中操作；干预（Interventions）为针对警惕性或持续注意力的测量与建模方法，包括神经生理信号采集（EEG、ECG、HRV）、眼动与行为监测（眼动追踪、反应时间、面部分析）及计算预测模型（统计方法、机器学习、深度学习、多模态融合）；比较（Comparators）未指定单一主动比较器，而是跨测量模态、模型架构和实验设置进行比较；结果（Outcomes）主要结局为警惕性分类准确率、检测敏感性和跨参与者和操作环境的泛化能力，次要结局包括传感器实际部署性、个体校准需求及闭环或干预就绪系统设计的存在；研究设计（Study designs）包括同行评审的实验模拟、观察性轮班研究和计算模型开发研究。
**2.2 文献检索策略** 检索了三个数据库：PubMed、Scopus和Web of Science Core Collection，因其对生物医学、工程和人为因素文献的互补覆盖。检索词围绕三个轴心：警惕性构念（vigilance, sustained attention, alertness, attention decrement）、操作环境（air traffic control, ATC, air traffic controller, aviation, airspace management）以及测量或预测方法（physio**, EEG, electroencephalogram, ECG, heart rate, HRV, eye tracking, pupil, blink, performance, reaction time, machine learning, deep learning, prediction）。初始数据库检索于2025年1月进行；在写作和修订期间，通过数据库提醒功能和手动引文追踪进行了前向引文更新至2026年2月。提供了完整的、针对数据库的检索字符串。
**2.3 流程与纳入标准** 研究选择遵循PRISMA 2020指南。数据库检索返回850条记录，去重后剩余550条。前向引文更新识别出47条新候选记录，去重后保留12条，其中8条进入全文审查。标题和摘要筛选排除501条记录，剩余57篇全文文章根据标准评估，排除23篇，最终纳入34篇研究。提供了纳入和排除标准表。标题和摘要筛选由第一作者（MA）进行，20%随机样本由第三作者（AM）独立筛选，分歧通过与第二作者（JEA）讨论解决。全文审查由MA和JEA独立进行，所有分歧通过共识解决。标题/摘要阶段的20%样本评分者间信度κ=0.81。
**2.4 质量评估与偏倚风险评估** 对所有34篇纳入研究采用领域适应性检查表进行质量评估，涵盖六个领域：D1目标与研究问题、D2参与者选择与样本特征、D3ATC任务或模拟描述、D4警惕性或工作量测量效度、D5模型开发与验证程序、D6局限性与泛化能力报告。每个领域评分为是（Y）、部分（P）、否（N）或不适用（NA）。在五个或六个领域获Y的研究归类为高质量，三或四个Y为中等，少于三个Y为低质量。提供了完整的检查表和各领域子项。34篇研究中，17篇为高质量，15篇为中等，2篇为低质量。
**2.5 数据提取** 使用结构化表格对所有34篇研究进行统一数据提取，记录研究参数、参与者特征、任务设置与时长、实验范式、警惕性操作方法、测量模态、提取特征、建模方法、验证策略、设置以及表现指标。
**2.6 透明度与开放性** 本综述遵循TOP指南和PRISMA 2020报告标准。检索策略、纳入排除标准、选择流程、质量评估检查表及研究评价均已记录。未在数据收集前在PROSPERO注册，作者承认这是一个方法论局限，可能增加结果报告偏倚风险。
**2.7 发表趋势与文章类别** 约30%的纳入文章发表于2025-2026年，58.8%的文献可追溯至2023年以后，少数（11.8%）早于2019年。EEG和眼动追踪是最常见的测量模态（分别占58.8%和50.0%），相当一部分研究结合了多源信号。中国和意大利贡献了大部分深度学习研究。约65%的研究招募了专业ATC管制员。
**3 结果**
**3.1 实验范式与ATC环境**
**3.1.1 参与者特征** 样本量从2人到57人不等，多数研究招募10-30人。约65%的研究使用专业ATC管制员，其余为学员或受训管制员。
**3.1.2 ATC任务设置** 多数研究在模拟环境中进行，四项研究使用真实轮班或操作现实性数据，但无一在实时操作数据上验证预测模型。航路雷达监视是最常见的任务设置，六项研究涉及远程数字塔台（RDT）环境。
**3.1.3 警惕性与工作量操作** 最常见的是通过任务时间操作：在模拟或真实操作设置中延长持续监控时间。少数研究通过睡眠剥夺或与轮班安排相关的昼夜节律紊乱诱导疲劳。
**3.2 测量模态与传感器集成**
**3.2.1 神经生理与心血管设备** EEG是最常见的模态，用于超过50%的研究。一项研究使用MEG。十项研究通过ECG或HRV记录心血管信号。
**3.2.2 眼动追踪与计算机视觉系统** 眼动追踪用于约50%的研究。三项研究使用基于摄像头的计算机视觉，其中一项应用FF-YOLO算法，另一项使用视觉语言模型（VLMs），第三项结合面部图像与无线电通话音频于双流网络。基于摄像头的系统可安装而不需在管制员身上附着传感器，而可穿戴眼动追踪器则需佩戴设备。
**3.2.3 参考警惕性与工作量测量** 三项研究使用NASA-TLX评估主观工作量，四项研究通过KSS或SSS测量困倦，四项研究使用PVT-B作为行为基线。
**3.3 特征工程与警惕性指数** 26项研究发现生理信号随警惕性水平或任务时间发生可测量变化。EEG频谱特征最常见：theta和alpha功率随警惕性下降而增加，beta和gamma活性与更高警觉性相关。注视特征出现在17项研究中，HR或HRV出现在10项研究中。眼动和心脏指标的发现不如EEG一致：注视时长、扫视动态、眨眼率和瞳孔直径是最常被提取的眼动特征，但方向、幅度或阈值方面的共识较少。心脏特征报告较少，且变化方向不一致。
**3.4 计算建模与预测表现** 20项研究开发了机器学习或深度学习模型用于分类或预测警惕性和工作量状态。报告的分类准确率从64%到100%不等。使用CNN-LSTM架构、时空图或多模态融合的模型倾向于更高准确率，但样本量小，验证多为受试者内设计，且不同研究间指标不可直接比较。
**4 讨论**
**4.1 跨研究综合与对航空安全的主要启示** 预测准确率通常很高，但产生这些结果的条件严重限制了可得出结论的范围。EEG、眼动追踪、HRV、面部特征和多模态融合均显示出预测信号，但其可靠性取决于样本量、任务真实性、标准真值定义、验证设计和传感器质量。研究通过两层视角解读：第一层为概念验证检测研究，即小样本、受试者内、基于模拟器的实验，证明在受控条件下的可行性，多数研究属于此层；第二层为具有更强外部效度的研究，包括使用跨受试者验证、现场轮班数据或操作相关指标。三项研究最初被标记为候选第二层，但经检查无一项使用实时操作数据，因此一项被重新归类为第一层，另两项仅凭跨受试者验证保留为第二层。因此，没有纳入研究同时提供现场和跨受试者证据。操作部署性结论应仅从第二层研究得出，且这些研究仍基于数据集或模拟数据。同一问题反复出现：模型在小样本上获得高准确率、实验室最佳传感器不适用于现场轮班、标准真值定义不一致。一个可部署的警惕性检测系统至少应满足以下标准：跨受试者验证、现场验证、报告敏感性和误报率、闭环设计。本综述中无研究同时满足所有四项标准。
**4.2 小样本量、统计功效与过拟合风险** 小样本量是重复性局限。统计功效基准显示，多数研究（样本量10-20，受试者内验证）对检测自身样本内生理变化具有足够功效，但不足以支持跨受试者泛化声明。需要更大且更多样化的招募、重复测量设计以及跨设施验证。
**4.3 模拟器保真度与真实世界ATC操作** 绝大多数研究使用模拟器环境，无法复制真实操作中的问责压力、环境噪声和系统相互依赖。模拟与真实ATC环境之间最可能影响模型迁移的差异包括：认知与情感背景（真实操作中的问责压力改变生理基线）、环境噪声（影响EEG信号质量）、交通密度与事件时序（真实操作中不可预测）、技术与界面差异（影响注视行为）、疲劳累积（真实轮班跨越数天，而多数模拟研究仅单次诱发）。传感器在真实设施中的部署还需考虑监管要求、卫生要求、操作连续性以及数据治理框架。
**4.4 测量技术的演变** 凝胶基EEG仍是最常用的神经生理模态。眼动追踪已从头戴式转向远程配置，至少一项研究利用深度学习进行无接触疲劳检测，另一项结合非接触面部视频和无线电通话音频，避免在管制员身上附着传感器。然而，干电极EEG在ATC条件下仍存在信号质量权衡问题，未来研究应明确比较干、湿电极在警惕性特征上的分类表现。
**4.5 未来考量：从检测到事故预防** 当前模型分类警惕性状态，但更困难的问题是系统在检测到下降时应采取何种行动。闭环系统（如实时分类器驱动自动化或监督响应）已在相邻领域得到展示，但在ATC中仍基本缺失。可解释AI技术（如SHAP值、注意力图）应从设计之初就纳入。警惕性特征在管制员间差异很大，个体校准是设计需求。无研究在真实轮班条件下验证模型，现场验证需要协调操作设施、监管参与和全面研究设计。从研究原型到认证操作工具涉及监管要求，包括与ATC设备的不干扰、工位卫生、数据保护法规和职业健康兼容性，应在研究阶段尽早与监管机构合作。
**5 局限性**
本综述存在若干局限性。仅检索了PubMed、Scopus和Web of Science，未纳入IEEE Xplore和ACM Digital Library，可能低估了工程和人机交互贡献。仅纳入英文文章，可能低估非英语国家研究，尤其考虑到中国在ATC警惕性研究中的大量成果。模拟器研究的主导地位和标准真值定义的异质性使得跨研究比较困难，并排除了元分析。本综述未在数据收集前在PROSPERO注册，存在结果报告偏倚风险。
**6 结论**
34项研究表明，ATC中的警惕性可通过生理和行为信号测量，机器学习模型在受控条件下能以有希望的准确率预测下降，但缺乏元分析以及小样本、受试者内、基于模拟器的设计主导限制了这些准确率数字的泛化程度。三项观察结果被描述为描述性模式而非确认效应：RDT环境引入的负荷不足和脱离环路风险未得到现有监测方法充分解决；UAM（城市空中交通）背景代表了尚不存在于警惕性监测文献中的新兴操作领域；个体研究中，多模态融合或先进架构（如时空图网络和CNN-LSTM）有时与更高报告准确率相关，但这不构成跨文献的普遍优势证据。这些结果与操作部署之间的距离仍然很大。概念验证检测与可操作部署监控系统之间的区别在文献中未得到一致维持。弥合这一差距需要个体校准、闭环干预设计、可解释的输出、大规模现场验证以及监管参与，并行推进而非顺序进行。
