GAMM 拆解远程塔台管制员疲劳演化：8 项眼动特征里只有一半真的”动”了

疲劳的生理指标会随任务时长漂移，而绝大多数疲劳检测模型把特征当成静止的分布来学——这是 Scientific Reports 2026 年 3 月一篇远程塔台（Remote Tower Operation, RTO）管制员眼动研究指向的核心矛盾。民航飞行大学的团队让 13 名见习管制员在模拟塔台上分别以清醒和疲劳状态执行同样的管制任务，用 60 Hz 眼动仪记录 8 项眼动特征，再用广义可加混合模型（GAMM）把”疲劳状态效应”和”任务时长效应”拆开：结果 8 项特征里只有 6 项对疲劳显著，其中随时间演化的形态还各不相同——扫视速度线性上升、瞳孔直径线性下降、注视/扫视计数呈 2–3 分钟的周期性波动（Yin et al., 2026）。

为什么汽车座舱工程师要关心一篇塔台论文？因为它的方法论恰好击中 DMS 疲劳检测的两个量产痛点：一是特征选择高度依赖任务类型——论文明确指出，在驾驶场景里敏感的最大扫视速度，在管制任务里完全不敏感（p = 0.589）；二是被试间差异足以压垮跨个体模型——同一团队去年发表的融合检测模型，混合评估 85.2% 准确率，留一被试交叉验证下召回率掉到约 23%（Song et al., 2026）。GAMM 的”状态 × 时长 × 个体”三元分解，正好是解决这两个痛点可以借鉴的统计工具。

本文为 A 型（论文深读型）。实验与数字全部来自论文原文（开放获取，DOI: 10.1038/s41598-026-42161-3）；第四部分的跨域对比和第五部分的可执行清单是给 IMS 团队的产出。相关背景可先读本站早前的 航空塔台眼动+ECG 双流疲劳检测 与 铁路司机多传感器疲劳监测。

背景：它解决的问题

远程塔台是管制员通过摄像头全景视频（而非舷窗目视）为机场提供塔台服务的新型运行模式， ICAO 与欧洲多国已在推进部署。对疲劳监控而言它是比驾驶更极端的”被动警戒”场景：管制员长时间盯着几乎不变的全景画面，警觉度下降的过程是渐进的、且没有方向盘和车道线这类行为锚点可以借用——这与汽车 DMS 依赖的”车道偏离/转向修正”等行为旁证恰好相反。

这篇论文的定位是一个研究系列的”现象层”：同一团队（民航飞行大学 Pan Weijun 组）此前已经做了特征级的检测模型——36 名管制员的注视熵 + HRV 12 维特征、代价敏感 XGBoost，混合评估良好但 LOSO 明显下滑、需个性化校准缓解（Pan et al., Sensors 2026）；又做了眼动+ECG 双流融合的 MFD-Net，混合评估 85.2%、LOSO 召回仅约 23%（Song et al., Bioengineering 2026）。检测模型反复暴露”跨个体泛化差”之后，这篇 Sci Rep 转回头回答一个更基础的问题：疲劳到底改变了眼动的哪些维度、随时间怎么变、个体差异有多大。脉络与 Frontiers in Neuroergonomics 2026 年那篇 34 篇文献的系统综述结论一致：ATC 警觉性研究在实验室与可部署工具之间存在巨大鸿沟，瓶颈不在分类器而在对现象的理解（Aich et al., 2026）。

图 1：该研究团队系列工作的脉络——先有检测模型、暴露泛化问题，再用 GAMM 回到现象层（本文），最后反哺特征工程。来源：据 Yin et al. 2026 与 Song et al. 2026、Pan et al. 2026 整理。

核心机制：实验设计与 GAMM 分解

实验设计

设计要素 具体内容（论文原文）
被试 招募 18 名中国民航飞行大学（CAFUC）见习管制员，剔除 5 名（2 人未达训练认证要求、3 人散光显著），n = 13（12 男 1 女）；纳入条件：年龄 ≥20 岁、ATC 课程 ≥1000 学时、持管制基础训练合格证
任务 高保真远程塔台模拟器（”汉沙机场”，参照武汉天河 ZHHH 与长沙黄花 ZGHA 建模）：单跑道（16L 进近 / 16R 离场），6 架进场 + 6 架离场 + 30 个机位；任务含着陆引导、滑行监控、机位分配、放行排序
时长与状态诱导 每次约 30 分钟；清醒组上午 9:00 采集，疲劳组在一整天常规工作后采集（自然累积疲劳，非睡眠剥夺）
疲劳标定 Samn–Perelli 7 点量表（1=完全清醒，7=完全耗竭）；清醒 session 得分 1–3，疲劳 session 4–6，且疲劳数据仅收录主观评分 ≥4 的样本
控制条件 前 24 h 禁酒禁咖啡因；恒定人工照明的封闭房间；两状态任务结构完全一致
设备与特征 Dikablis Glasses 3（Ergoneers）穿戴式眼动仪，60 Hz，I-VT 速度阈值算法（D-Lab 处理）；8 项特征：平均/最大扫视速度、平均注视时长、平均眨眼时长、注视/扫视/眨眼计数、平均瞳孔直径
数据量 1 分钟滑动窗平均后得 512 个有效观测（清醒 243，疲劳 269）

表 1：实验设计要素。来源：Yin et al., 2026，Sci Rep 16:12636。

注意两个容易误读的设计点。其一，疲劳不是通宵睡眠剥夺造成的，而是”一整天工作后的累积疲劳”——论文在局限性里专门强调这一点：它研究的是班次累积型疲劳，与时间累积（time-on-task）或睡眠剥夺型疲劳不是同一种东西，结论不能直接外推到长途驾驶场景。其二，8 项特征全部取 1 分钟滑动窗平均，这意味着论文的”时间演化”结论是分钟级分辨率的——比 PERCLOS 常用的秒级窗口粗，但换来的是每个观测点上更低的特征方差。

GAMM 为什么适合这个问题

传统做法是拿 t 检验或线性混合模型比较两状态的均值，但这会把”疲劳效应”和”任务时长效应”搅在一起：如果疲劳组的扫视速度恰好随时间上升得更快，均值差里既有状态差也有时间差。GAMM 的做法是为每个状态拟合一条独立的关于任务时长的非线性平滑曲线（状态专属 smooth term），把状态作为固定效应，再给每个被试加随机平滑项（random smooths），用 REML 估计惩罚样条（R 4.5.1 的 mgcv 包）：

图 2：GAMM 把疲劳效应拆成三个正交成分。一阶导数分析用来定位特征在任务中”开始变化”的时间窗口。来源：据 Yin et al. 2026 方法节整理。

对 IMS 团队来说这个分解结构的可借鉴之处不在统计软件，而在建模意识：任何上线跑长时任务的疲劳特征，都同时受”状态”和”在岗时长”驱动，且每个人的基线不同。把这三件事分开建模，才谈得上”特征漂移补偿”和”个人基线校准”——这两点后面第五部分展开。

实验与证据：8 项特征的逐一判决

先给结论总表，再挑差异最大的特征展开：

特征 疲劳状态效应 随任务时长的演化 判决
平均扫视速度 显著升高 +5.788°/s（p<0.001），清醒基线 120.467°/s 疲劳态线性上升（F=22.399, p<0.001）；清醒态无时间效应（p=0.345） ✅ 状态+时长双敏感
平均眨眼时长 显著延长（p=0.003），清醒基线 0.111 s 两状态均无显著时间效应 ✅ 仅状态敏感
注视计数 显著下降约 11.4%（p<0.001），清醒基线约 111.2 次/分 两状态均显著非线性（清醒 F=29.13 / 疲劳 F=36.99, p<0.001）：2–3 分钟周期波动，疲劳态振幅更小、频率更高 ✅ 状态+非线性时长
扫视计数 显著下降约 16.3%（p<0.001），清醒基线约 226.4 次/分 两状态显著非线性（F=57.48 / 82.73, p<0.001） ✅ 状态+非线性时长
眨眼计数 显著上升约 9.45%（p<0.001），清醒基线约 9.83 次/分 先升后降（任务早期上升、临结束回落），两状态非线性显著（F=11.56 / 11） ✅ 状态+非线性时长
平均瞳孔直径 显著缩小 −0.062 mm（p<0.001），清醒基线 3.361 mm 两状态方向相反：清醒线性增大 +0.0059 mm/min（p=0.003），疲劳线性减小 −0.0048 mm/min（p=0.005） ✅ 状态+方向反转
最大扫视速度 无显著差异（p=0.589），清醒基线 736.830°/s 两状态均无时间效应 ❌ 本任务中不敏感
平均注视时长 无显著差异（p=0.758），清醒基线 0.358 s 疲劳态 p=0.053（未过显著线），清醒态 p=0.913 ❌ 本任务中不敏感

表 2：8 项特征的完整判决。所有数字来自论文原文（Yin et al., 2026）结果节；计数类”次/分”由论文给出的对数基线换算（exp(4.719)≈111.2、exp(5.423)≈226.4、exp(2.288)≈9.83）。作者列为”判决”一栏是本文归纳。

三个值得放大看的发现：

1. 平均扫视速度升、最大扫视速度不变。 疲劳让扫视整体变”快”，但分布的顶端没动——论文的解读是疲劳提高了扫视速度的平均水平而非峰值。这提示特征工程上，均值类特征比极值类特征更早、更稳定地反映疲劳累积；汽车场景文献里最大扫视速度被报告为敏感特征，而论文明确指出它在管制任务中不敏感，并把差异归因于任务性质（后面第四部分展开）。

2. 瞳孔直径的”剪刀差”。 清醒态瞳孔随任务缓慢放大（可能与持续的认知投入或光照微适应有关），疲劳态反向缓慢缩小，两条线的差距从状态截距差的 0.062 mm，按斜率差 0.0107 mm/min 估算，到 30 分钟时拉大到约 0.38 mm（此为本文按论文参数的线性估算）；且两个斜率方向在 p<0.005 水平上稳定相反。这意味着瞳孔直径作为疲劳特征时，“相对个人基线的斜率”比”绝对值”更有信息量——绝对值受光照和个体差异影响太大。

3. 注视/扫视计数的 2–3 分钟周期波动。 两状态下计数都呈非线性周期起伏，疲劳态振幅更小、频率更高。论文没有给出生理机理解释（作者在局限性里承认眼动追踪无法触达神经生理机制，建议未来结合 EEG），但这个时间尺度对检测系统的窗口长度选择是硬约束：用比 2–3 分钟更长的平滑窗，会把周期波动抹掉；用秒级窗，则分不清波动与噪声。

作者最后给出的 6 项候选特征清单：平均扫视速度、平均眨眼时长、注视计数、扫视计数、眨眼计数、瞳孔直径——即表 2 中全部 ✅ 项，供远程塔台疲劳检测系统集成使用（Yin et al., 2026）。

与已有方案的关系：任务类型决定哪些特征”活着”

把这篇论文放回更大的文献坐标系，最刺眼的信号是同一个特征在不同监控对象上的敏感性不一致：

特征/维度 汽车驾驶疲劳（文献主流） 远程塔台管制（本文） 差异归因
最大扫视速度 有报告为敏感特征（论文引言综述） 不敏感（p=0.589） 论文归因：主动操作 vs 被动警戒的任务性质差异
注视时长/PERCLOS 族 汽车疲劳检测的事实标准（眨眼与眼睑行为，见 El Sahmarany et al., 2026 综述） 不敏感（p=0.758） 被动警戒下注视时长本来就不受任务切换驱动
平均扫视速度 次要特征 最强信号（双敏感 + 线性） 同上，任务依赖
瞳孔直径 少用于车载（光照干扰大） 显著且方向反转 塔台恒定人工照明恰好控制了最大混杂
个体泛化 跨被试模型普遍掉点（车载 LOSO 是公认难题） 同组检测模型 LOSO 召回约 23%（Song et al., 2026） 两域共同瓶颈

表 3：跨域特征敏感性对比。”汽车驾驶疲劳”一栏的定位描述引自论文引言综述与 El Sahmarany et al. 2026 综述，非本文独立验证。

同一团队三个工作放在一起看，规律更清楚：

图 3：系列工作时间线。检测模型反复遇到 LOSO 崩塌，本文的 GAMM 分解（被试随机效应显著）从数据层面解释了为什么——个体间基线差异本身就是最大的方差来源之一。来源：据各论文摘要与本文全文整理。

另外两条独立文献也指向同一结论。Friedman 与 Komogortsev 用 322 名被试证明注视漂移（fixation drift）随时间累积任务显著增大，且在 100 秒的短任务里就能观测到（PLoS One 2025）——“时长效应”不是长任务特有的噪声，而是普遍存在的信号。而 Aich 等对 34 篇 ATC 警觉性研究的系统综述则指出，实验室发现与可部署工具之间存在巨大鸿沟（Frontiers in Neuroergonomics 2026）——GAMM 这类”现象层”工作正是填这道沟的中间层。

对 IMS 团队的启示

从塔台到驾驶舱，跨域的可迁移物不是”特征清单”（表 3 已说明清单不可迁移），而是四个工程决策：

1. 把”在岗时长”显式纳入疲劳模型。 本文最直接的方法论输出：疲劳特征 = 状态效应 + 时长效应 + 个体基线。车载落地形态可以很朴素——为每项眼动特征维护”相对该驾驶员本次行程开始后第 t 分钟的个人基线”，而不是全局阈值。论文里瞳孔直径 0.062 mm 的组间效应量级，远小于典型个体间差异，全局阈值几乎必然失效（这一点在汽车域同样被反复观察到，即上文 LOSO 问题）。

2. 特征选择必须按任务画像做，警惕”汽车域结论直接上车”的反向陷阱。 论文的教训是双向的：塔台域不能照抄驾驶域的最大扫视速度，驾驶域同样不能照抄塔台域的平均扫视速度。对 IMS 团队的可执行动作：在新车型/新 HMI 形态（如不同自动驾驶等级下的主动/被动监控切换）上线前，先做一次类似本文的”特征敏感性体检”——用 GAMM 或简单的分段回归，确认候选特征在该任务画像下对状态和时间敏感，再决定放进特征向量。

3. 滑动窗长度要尊重特征的时间结构。 本文 1 分钟窗 + 分钟级周期波动（2–3 min）的组合给了一个参考量级：疲劳检测窗口既不能短到把周期波动当噪声（<1 min），也不宜长到跨周期平均（>3–5 min）。这与秒级 PERCLOS 窗并不矛盾——PERCLOS 检测的是急性嗜睡事件，本文针对的是缓变疲劳状态，两者本就应该是不同时间常数的两级检测（这一点是本文推测，论文未讨论分层检测架构）。

4. 用 GAMM 做离线数据分析，而不是在线检测。 GAMM 拟合 512 个观测的代价在车端算力下不现实（论文未报告拟合耗时，此为合理推断），它的正确位置是数据闭环的离线分析工具：车队回传的眼动数据按本结构分解，量化每个特征在真实驾驶分布里的状态/时长/个体效应，再据此决定在线模型用哪些特征、怎么设计个性化层。相比直接堆一个更深的时序网络，这条路对标注量的要求低得多——本文 512 个观测就足以支撑结论，而深度时序模型在这个数据量下不可训练（推断，非论文原话）。

5.（限定）疲劳类型的边界要写进需求文档。 本文研究的是”整天工作后的累积疲劳”，作者明确说不能直接外推到睡眠剥夺或纯 time-on-task 疲劳。IMS 团队如果把”疲劳”写进 PRD，至少要区分：班次累积型（本文/运营车辆排班相关）、任务时长型（长途驾驶）、急性嗜睡（PERCLOS 主战场）。三者的特征表现不同，混在一个阈值里检测是常见的设计错误。

一句话路线判断：被动警戒场景（塔台、L3+ 监控接管态）的眼动疲劳特征与主动驾驶场景差异大到必须分开选型和标定；把时长效应和个体基线显式建模，是比更换分类器更划算的下一步投入。

参考

  1. Yin Z, Pan W, Wang A, Fu Q, Yang Z, Ni S. The evolution of fatigue in remote tower controllers: evidence from eye-tracking analysis. Scientific Reports 16:12636 (2026). DOI: 10.1038/s41598-026-42161-3（开放获取，本文实验数字全部出自此文）
  2. Song D, Pan W, Gamboa H, Yin Z, Wang S. Dual-Stream Fusion of Eye-Tracking and ECG Signals for Fatigue Detection in Remote Tower Air Traffic Controllers. Bioengineering 13(7):717 (2026). DOI: 10.3390/bioengineering13070717
  3. Pan W, Song D, Liang R, Yin Z, Han B. Remote Tower Air Traffic Controller Multimodal Fatigue Detection. Sensors 26(6):1856 (2026). DOI: 10.3390/s26061856
  4. Aich M, El Aoufi J, Moussa A. Vigilance decrements in air traffic control as an aviation safety risk: a systematic review. Frontiers in Neuroergonomics (2026). DOI: 10.3389/fnrgo.2026.1874304
  5. Friedman L, Komogortsev OV. Fixation drift increases as a function of time-on-task in a brief saccade tracking study. PLoS One (2025). DOI: 10.1371/journal.pone.0310619
  6. El Sahmarany L, Alkhaldi M, Alzahrani SI. Sensing Technologies and Physiological Parameters for Real-Time Driver Drowsiness Detection: A Comprehensive Review. Sensors 26(11):3333 (2026). DOI: 10.3390/s26113333

站内相关：航空塔台眼动+ECG 双流疲劳检测（MFD-Net） · 铁路司机多传感器疲劳监测 · 跨域座舱监控：航空/铁路/海事