34 篇空管警觉性预测研究、无一通过四条可部署性判据:PRISMA 系统综述给 DMS/IMS 算法验收的镜像清单

先给一句可以被引用的论断:2026 年 8 月发表的空管（ATC）警觉性下降建模系统综述(PRISMA 2020,34 篇入组)给出的判决是——警觉性”技术上可测”、机器学习精度最高报到 100%,但 34 篇研究没有一篇同时满足跨被试验证、现场验证、工作阈值下灵敏度/误报率报告、闭环设计这四条最低可部署性判据;实验室里 98% 的精度和可部署系统之间隔着整整两级验证台阶(Aich, El Aoufi & Moussa, 2026)。

这不是航空独有的困境,而是所有”驾驶员状态预测”类算法的共性病历。把四条判据里的”空中交通管制员”换成”驾驶员”,几乎逐字适用于 DMS 疲劳/分心检测的开发现状:小样本、被试内校准、仿真器数据、只报总体精度不报误报端指标。对 IMS 团队,这篇综述最值钱的不是它的结论,而是它给出了一个可以直接搬进内部评审的四关验收清单——尤其在 UN R182 已经开始把 Specificity/PPV 写进法规性能框架的当下(站内关联:UN R182 01 系列修订拆解),”只报 accuracy”的算法报告很快会在法规层就过不了关。

本文为 A 型(论文深读)。信源:综述全文(Frontiers in Neuroergonomics,开放获取,本文分四段精读约 11.8 万字符全文)、闭环标杆论文 Di Flumeri et al. 2019 全文(Front. Hum. Neurosci.)、跨域证据 PLoS One 2025 注视漂移论文全文、Europe PMC 书目数据库核证(Aricò 2016 条目)。文中所有数字均来自上述原文,标注来源;Aricò 2016 的入组细节(N=12)转引自综述原文并已注明。

背景:它解决的问题

ATC 是自动化程度最高、人的可用性最关键的岗位之一:雷达显示自动化处理绝大多数冲突,管制员长期处于”监控者”位置,警觉性(vigilance)随在位时长、任务需求、昼夜节律与”自动化诱发的被动性”共同衰减。与汽车 DMS 的区别在于监管姿态:航空没有任何”疲劳告警”强制法规,警觉性建模是纯研究推动;而汽车侧 DDAW 已经型式认证化。这意味着航空研究没有法规指标兜底,恰恰暴露了汽车研究将来要补的原始短板——在没有法规强制指标的地方,这个领域自然长成的样子,就是”64%–100% 的精度数字 + 无法比较的实验设计”。

这篇综述要回答的 PICOS 问题:生理、行为与计算方法对 ATC 警觉性下降的建模与预测,证据到底走到了哪一步。检索 PubMed(320 条)、Scopus(250 条)、Web of Science(280 条)共 850 条记录(2025-01 检索,前向引文追踪至 2026-02),去重筛选后 57 篇全文评审、23 篇排除,34 篇入组;质量评估采用改编的六域清单,17 篇高、15 篇中、2 篇低(评审者间 κ = 0.76)。作者自己也点了两处硬伤:未在 PROSPERO 预注册;检索漏掉 IEEE Xplore 和 ACM 数字图书馆,工程与 HCI 侧的工作可能被低估(综述第 5 节)。

核心机制:34 篇研究长什么样

4.1 模态分布:EEG 和眼动双垄断

(表源:综述 Table 3,Front. Neuroergonomics 7:1874304)

注意计算机视觉只有 3 篇——这与汽车 DMS 的格局恰好互补:汽车侧视觉方案因法规与成本成了主流,而航空侧把深度放在 EEG 特征一致性上。综述指出的特征层面共识值得抄给任何做生理状态检测的团队:“提取哪些特征”各研究高度一致(注视时长、扫视、眨眼率、瞳孔直径、注视熵;HRV 侧 SDNN/RMSSD/LF/HF),“方向与阈值”却严重分裂——同一特征在不同研究里随警觉性下降可升可降,阈值没有可比性。这意味着跨研究复用”特征→阈值”的经验基本不可行,个体校准不是优化项而是前提项。

4.2 精度区间:64% 到 100% 的陷阱

20 篇研究构建了 ML/DL 模型,报告精度从 64%(Kamrud et al. 2021,平衡精度)到 100%(Li et al. 2024,小样本被试内)横跨 36 个百分点。综述点名的高分样本:Xu et al. 2024 双流融合 98.03% 对音频单流 62.88%;Li et al. 2025 报了 80% 精确率(少数报误报端指标者);Kamrud et al. 2021 报 AUROC 0.71。原因并不神秘——样本小、被试内验证、ground truth 定义互不兼容(NASA-TLX 3 篇、KSS/SSS 4 篇、PVT-B 4 篇,其余各用各的),导致 meta 分析根本做不了。综述原话:一个定义下训练的模型”可能无法迁移到另一个定义”。

flowchart TD
    A["Tier 1<br/>被试内 + 仿真器<br/>34 篇中的绝大多数"] -->|少数| B["Tier 2<br/>跨被试验证<br/>仅 2 篇:Guo & Guan 2025;Han 2026"]
    B -->|无一| C["现场验证<br/>真实班次数据<br/>0 篇"]
    C -->|无一| D["闭环设计<br/>检测触发干预<br/>仅 2 篇部分达标<br/>Aricò 2016;Di Flumeri 2019"]
    style A fill:#e8f0fe
    style B fill:#fff4e5
    style C fill:#fde8e8
    style D fill:#fde8e8

(图源:据综述第 4.1/4.5 节整理;Tier 划分、篇数为综述原文数字)

验证层级是这篇综述最有迁移价值的框架:34 篇里只有 2 篇(Tier 2)做了跨被试验证,其中 Han et al. 2026 在留一被试(LOSO)设置下性能”明显下降”——这个”跨被试即掉点”的结果,和本站此前拆解的车型间/驾驶员间基线漂移问题完全同构(站内关联:Koning 方差分解与个体基线)。零篇使用真实班次运行数据。

4.3 四条最低可部署性判据

综述第 4.1 节给出的四条判据,原文措辞直接可作评审清单:

(表源:判据与达标情况为综述原文;第三列为本文对照判断)

**没有一篇同时满足四条。**综述的结论措辞很克制但很硬:”这些结果与运营部署之间的距离仍然很大”。

实验与证据:唯一走完闭环的样本长什么样

Di Flumeri et al. 2019(EU H2020 SESAR MINIMA 项目)是 34 篇中唯一完整落地”EEG 检测→自动降级自动化→重新卷入”的论文,值得单独拆,因为它回答了”闭环到底闭环在哪”:

结果(全部为原文数字):基线(固定高自动化)组警觉指数 0.42 ± 0.17,自适应组 0.51 ± 0.14(p = 0.0023);处于”低警觉”状态的时间占比 0.60 ± 0.26% 对 0.39 ± 0.22%(p = 0.002);基线组警觉全程下降约 49.9%,自适应组约 21.4%。眼动侧:自适应组对新出现飞机的首注视时间更短(F = 5.27, p = 0.045);基线组每秒注视次数反而更高(4.6 ± 2.2 对 4.3 ± 1.8, p = 0.034),作者解读为”更碎、加工更浅的注视”。NASA-TLX 总负荷自适应组略高(38 ± 7 对 43 ± 6,不显著),但挫败感更低、自评绩效更好——与”重新卷入”的意图一致。

但按四条判据打分,这篇标杆论文只满足第 4 条:被试内校准(违反第 1 条)、仿真器(违反第 2 条)、未报告分类器灵敏度/误报率(违反第 3 条,论文报的是组间指数差异而非 held-out 分类指标)。Aricò et al. 2016(据综述转述,N = 12,同为 asSWLDA 家族)处境相同。这就是航空侧 40 年神经人因工程积累的真实水位:闭环都做出来了,验证方法学还停在 Tier 1。

跨域证据:警觉衰减是秒级现象,不是小时级

另一条对汽车侧有用的证据来自更底层的眼动生理:Friedman & Komogortsev(PLoS One, 2025)用 GazeBase 首轮 322 名被试、1125 段眼动记录(EyeLink 1000,1000 Hz)证明,在一个只有 100 秒的随机扫视任务里,注视漂移(注视点线性回归斜率、低通滤波位置速度)就已显著随时间增大——五个 20 秒分段逐段变差,且约 20 分钟后的第二段会话的漂移起点就接近第一段会话的末段水平(22 项会话效应检验中 19 项在校正后显著),提示疲劳携带效应。这把此前 Di Stasi et al. 2013”两小时 ATC 任务、12 人”的漂移结论推广到了 100 秒尺度和其他漂移度量。对 IMS 的含义:如果注视微结构漂移在百秒尺度就可见,那么 DMS 疲劳特征引擎的”基线漂移补偿”不能按分钟级窗口设计,而且座舱摄像头帧率(通常 30–60 fps)能否稳定测出这一漂移本身就是个待验证问题——这是本文的推测,PLoS 论文用的是 1000 Hz 实验室眼动仪。

与已有方案的关系

(表源:航空列为综述与 Di Flumeri 2019 原文;汽车列为本文对照,站内法规文佐证)

对 IMS 团队的启示:四关验收清单 + 三条工程决策

把四条判据翻译成内部评审动作(本文建议,判据本身出自综述):

1. 第 1 关(跨被试):任何疲劳/分心模型在汇报被试内精度前,先给 LOSO 结果;LOSO 掉点幅度本身就是要汇报的指标,不是丢人的事——Han 2026 的诚实报告反而进了综述正例。
2. 第 2 关(现场):仿真器/封闭道路数据的模型,报告里必须声明”未含现场验证”;影子模式数据的标签管线(谁打的标、什么定义)要和模型一起评审。
3. 第 3 关(误报端):评审模板从”accuracy/AUC”改为”在告警阈值处的灵敏度 × 特异性 × PPV 三元组”;这是 R182 01 系列已经预告的法规方向,早改比晚改便宜。
4. 第 4 关(闭环):每个检测模型配一份”触发什么动作”的规格——不是告警文案,而是动作-响应假设(几秒内驾驶员应出现什么行为变化,如何验证)。

三条工程决策判断(本文判断,给依据):

• **个体基线校准预算要前置。**特征方向不一致(同一特征跨研究可升可降)意味着群体先验不可靠;本站此前拆解的方差分解路线(站内 Koning 文)与综述结论指向同一工程答案:标定采集设计(像 VAC 的 15 分钟校准场景)应进整车出厂流程,而不是算作”个性化增值功能”。
• **ground truth 定义先于数据采集冻结。**综述显示 KSS/性能测试/主观量表训练出的模型互不迁移;在采集下一批疲劳数据前先回答”标签是 KSS≥7 还是车道偏离事件还是微睡眠事件”,三个标签训练出的模型不是三个版本而是三个产品。
• **可解释性从第一天进入特征工程,不要事后补 SHAP。**综述将可解释输出列为部署前置条件,理由是告警必须可向运营方解释;汽车侧对应的压力源是 EU AI Act 高风险义务(站内关联:EU AI Act 舱内 AI 合规),时间线同样在 2027-2028 收口。

路线判断

我认为航空侧的验证方法学会在 3 年内以”可部署性分级”的形式标准化——综述给出的四判据框架已经是事实上的草案,而且它与汽车法规侧(Specificity/PPV 进框架)正在收敛到同一个指标集合;谁先在自己内部跑通”跨被试 + 误报端指标 + 闭环规格”的完整证据链,谁就在 2027-2028 的法规与评级竞争中不用补课。反过来,只打磨”实验室精度数字”的工作,无论 99% 还是 100%,在这条收敛线上都不再是资产。

还有一个综述作者自己也标注的空白值得盯:UAM(城市空中交通)场景在 34 篇里零出现,而 UAM 座舱的单人监控负荷结构与汽车 L3 高度相似——如果 2027 年后有人把 ATC 警觉性建模搬到 UAM 驾驶舱,其验证经验将同时反哺汽车侧,这个交叉点目前没有玩家占位。

参考

1. Aich M, El Aoufi J, Moussa A. Vigilance decrements in air traffic control as an aviation safety risk: a systematic review of modeling and prediction approaches. Frontiers in Neuroergonomics 7:1874304, 2026-08-13. https://doi.org/10.3389/fnrgo.2026.1874304
2. Di Flumeri G, De Crescenzio F, Berberian B, et al. Brain–Computer Interface-Based Adaptive Automation to Prevent Out-Of-The-Loop Phenomenon in Air Traffic Controllers Dealing With Highly Automated Systems. Frontiers in Human Neuroscience 13:296, 2019. https://doi.org/10.3389/fnhum.2019.00296
3. Friedman L, Komogortsev OV. Fixation drift increases as a function of time-on-task in a brief saccade tracking study. PLOS ONE 20(6): e0310619, 2025-06-05. https://doi.org/10.1371/journal.pone.0310619
4. Aricò P, Borghini G, Di Flumeri G, et al. Adaptive Automation Triggered by EEG-Based Mental Workload Index: A Passive Brain-Computer Interface Application in Realistic Air Traffic Control Environment. Frontiers in Human Neuroscience 10:539, 2016. https://doi.org/10.3389/fnhum.2016.00539(本文未直接精读全文,入组细节转引自参考文献 1)
5. Europe PMC 书目核证(Di Flumeri 2019 / Aricò 2016 条目): https://europepmc.org/