【摘要】为解决复杂业务流程可视化展示时信息量大、结构层次混乱等问题，文中提出一种基于信息元结构编码的层级可视化方法。以轨道交通中触网失电处置流程为例展开分析，首先构建信息元网络拓扑结构，将“操作任务－信息图元”之间的关系转化为“信息图元－信息图元”关联的量化数据，建立信息图元网络节点综合重要度评价指标，实现对复杂业务流程关键信息的显示层级划分，并对划分结果设计眼动实验。实验表明，基于信息元结构分级的界面搜索效率更高，可降低用户认知负荷，提高任务操作绩效，验证了所提方法的合理性与有效性。
【关键词】城市轨道交通,复杂网络,信息层级,信息可视化
随着轨道交通数字化的发展，地铁调度指挥也正经历着智慧化、集中化的建设历程。地铁调度工作不仅要求监控和决策能力，还需调度员为复杂任务制定调度计划和策略，同时对列车运行中的不可预见变化做出实时、适时反应[1]。一方面，基于对轨道交通车辆、信号设备、车站客流的监控与感知，远端数据的整合使得传送至调度中心的信息量大幅增加。另一方面，目前地铁调度员日常需要时刻关注ATS系统；应急处置时还须在信息发布系统、CIOS系统、客流监控CCTV等生产系统界面间切换。大量信息的涌入导致调度员对于关键信息的搜寻效率降低；同时，各生产系统显控模块多且界面设计存在不一致性，这也对调度员的认知资源造成了浪费。人机界面可支持性及人机界面布局合理性是影响行车调度系统人误的重要因素[2]。
因此，如何从信息结构层级的角度研究地铁调度生产信息系统交互界面信息元素的布局优化，成为迫切需要解决的问题。面对信息量庞大、业务流程复杂的交互界面，信息层级的有效划分和合理布局显得至关重要。近年来，有学者通过挖掘人机交互信息元或各显控装置之间的内隐逻辑关系，将复杂网络理论引入人机交互相关研究中。例如，吴昊[3]以复杂网络理论为基础，提出了适用于一般态势界面的多重视觉信息编码优化设计方法。郑冬英[4]通过构建人机交互信息网络，探究网络拓扑特性，从而提出复杂人机交互系统界面布局优化方案。王卉等[5]提出一种基于复杂网络的人机交互信息重要度评估方法。黄颖宜[6]建立了视觉秩序与信息层级之间的联系，量化了信息层级的可视化过程。
为客观地评价信息可视化的合理性与科学性，国内外许多学者将眼动、脑电、肌电等生理测量方法应用到人机界面信息交互的认知决策研究中[7],其中眼动追踪技术为最常用的客观生理测量方法[8]。Ohm C等[9]通过对比眼动数据探究了界面特征对导航性能的影响，得出简化抽象的界面是较优的导航设计方案。Blasheck T等[10]通过提取被试眼动数据、互动日志、视频记录，发现了交互可视化功能的探索策略。
触网失电故障是轨道交通运营中的典型事故案例，处置过程涉及岗位多，处置环节复杂，调度员需在多个生产系统中获取有关处置过程的实时数据，因此，本文选取触网失电故障为研究案例，对处置流程进行分析和分解，通过构建网络拓扑结构，将“操作任务－信息图元”之间的关系转化为“信息图元－信息图元”关联的量化数据；并基于复杂网络理论，建立界面信息层次结构，对不同层次信息依据关联性进行布局，最终实现对复杂业务流程信息元的布局设计。
1触网失电处置流程结构化分析
触网失电故障处置流程共有七个阶段，分别是故障触发、触网试送、短电缆试送、线路中断、区间疏散、故障抢修和故障恢复。
因处置各阶段存在不同的处置目标和处置任务，为理清全流程操作任务与界面交互信息元的关联，需要将触网失电总任务进行合理分类和拆解。基于HTA层次任务分析法[11],将触网失电故障处置作为总目标，对不同处置阶段的任务进行分析，根据任务内容和任务特性进行分类，将总目标分解得到四个一级目标，分别为故障触发、信息联动、应急处置和应急恢复。进一步对一级目标进行分解，得到二级目标，如表1所示。
以图标和控件作为人机界面显示的单位信息图元，共归纳总结出116个信息图元，针对触网失电故障处置操作任务，进一步在信息图元与二级目标间建立联系。分析二级目标任务与界面信息图元之间的功能逻辑关系，细分每个二级目标任务下的三级目标操作及对应的界面信息图元，故障触发一级目标下的三级操作任务与信息图元关系和任务流程如图1所示。
对故障触发任务相关信息图元进行整理，确定所有层级的目标任务和操作后，得出不同目标任务下所对应的信息图元，如表2所示。
同样对信息联动、应急处置和应急恢复三个一级目标进行流程和信息图元梳理。通过归纳总结，共有4个一级目标，16个二级目标和38个三级目标，并建立每个三级目标与信息图元的关系。
2基于网络拓扑结构的信息图元重要度计算方法
2.1网络拓扑构造及统计分析
为探究界面信息元之间的内隐逻辑关系，构建基于任务目标的界面信息图元网络，通过对该网络的相关统计特性的分析计算得出界面可视化信息元素的重要度排序以及它们之间的逻辑关联，据此构建界面信息层次结构。将基于复杂业务流程的可视化界面系统抽象为一个复杂网络，设定界面信息图元为节点，信息图元之间的关联为边，选取平均度值、平均路径长度、网络直径、平均聚类系数和社团个数为统计指标[12],分析网络特性和内部元素之间的关联。
基于上文的任务分解结果，由于三级目标划分最细，每个目标任务中均包含1-5个操作步骤，符合人的记忆容量特点，因此基于三级目标构建人机界面信息图元网络。基于三级任务目标的网络构建数据分析中，“任务—信息图元”关联矩阵定义为C,C=(cij)38×116,其中行代表38个三级目标任务，列代表116个信息图元。在基于三级目标任务层级的“任务—信息图元”关联矩阵中，如果i信息图元属于j任务阶段，则视为这个信息图元与这个任务阶段存在关联，即c ij=1,否则c ij=0。
矩阵C与C的转置矩阵相乘得到邻接矩阵C′,将邻接矩阵导入Gephi中，生成基于三级目标任务层级的信息图元网络C,如图2所示。
通过Gephi软件计算出基于三级目标任务的AIS信息服务平台人机界面信息图元网络C的平均度值为11.556,该网络中平均与每个节点相连的边的数目为11.556条。平均路径长度为2.287,直径为5,表明两个信息图元平均要经过差不多2.3个媒介建立联系，最多要通过5个信息图元媒介。平均聚类系数为0.808,社团个数为8个。综合来看，平均路径长度较小，聚类系数较高，社团内部的连边数量显著高于社团外部，呈现出小世界特性，因此该网络是一个小世界网络。
2.2信息图元网络节点综合重要度评价
节点中心性[13]的相关指标反映了节点在网络中处于关键地位的程度。节点中心性的衡量指标通常有4个，分别为度值、紧密中心性、中介中心性和特征向量中心性。网络中节点度值表示与该节点相连的其他节点个数，一个节点的节点度越大意味着该节点的度中心性越高，在网络中就越重要。紧密中心性表示网络中某一节点与其他节点之间的接近程度，如果一个节点离其他的节点都很近，那么传递信息的时候就不需要依赖其他的节点，说明这个节点很重要。中介中心性以经过某个节点的最短路径数目来刻画节点的重要性指标。特征向量中心性不仅取决于该节点的度，也取决于其邻居节点的重要性。与之相连的邻居节点越重要，则该节点就越重要。
选取排名前15的节点分别按度值、紧密中心性、中介中心性和特征向量中心性进行排序，排序结果如表3所示。从表中可以看出，使用度值、中介中心性和特征向量中心性排序的节点非常接近，均包含72、82、50、5、73等节点，而使用紧密中心性排序的节点与其他三个大不相同，且这些节点均位于网络的边缘位置，因此不适合作为重要度评价指标。
选取度值、中介中心性和特征向量中心性为评价指标构建综合重要度评价模型，首先将三个指标数据进行Z-Score标准化，然后采用熵权法确定三个指标权值分别为0.323、0.496和0.181,进行加权计算后得出节点的综合重要度并进行排序，排序结果如表4所示。
选取前20%的节点进行K-means聚类分析，划分重要度等级，等级划分结果如表5所示。
3基于信息层级结构的界面可视化设计
3.1信息显示层级划分
运用金字塔原理[14],结合信息图元综合重要度划分结果表征智慧调度平台界面信息层次结构。信息重要性由塔顶到塔底依次降低，同时信息量从塔顶到塔底依次升高，表征结果符合信息图元综合重要度划分结果，即重要性很高的信息数量最少，位于金字塔尖，随着信息重要性降低，信息图元数量持续增加。重要性一般且信息图元数量最多的信息层次位于塔底。
根据信息元重要度等级对界面布局进行调整，如图3所示。将信息元72“流程节点”作为一级重要度节点，放在界面中间靠上位置，且位于界面显示图层最上方；二级重要度信息元处于一级重要度信息元显示图层下方，且分布位置更加处于界面边缘位置。同理，三级重要度信息元处于二级重要度显示图层下方，该图层信息元大多需要通过操作二级重要度信息元显示出来，例如，三级重要度信息元“快捷工具列表”需要点击二级重要度信息元“快捷工具”进行显示；三级重要度信息元“车站标记”“车辆标记”和“无线对讲”的显示由二级重要度信息元“图层切换”进行控制。
3.2界面可视化设计
通过现场调研和资料查阅，总结当前建设中的智慧调度指挥平台的主界面设计现状，归纳总结出三大主要功能界面的信息元布局规律和特点，绘制原型图。基于信息显示层级重要度对界面信息元可视化布局进行设计，得到如图4所示的不同图层的主界面，记为界面一。
界面一中信息元按显示层级进行布局，通过切换“行车”“客流”“设备”三个图层，实现对线路显示内容的控制，按层级结构划分后的界面节约出更多的空间。对显示元素进行进一步优化，将二级重要度信息元“作业提示、消息提醒和重要内容提示”等信息添加到主界面中；同时，将快捷工具菜单栏中常用的功能选项移出到界面右上方，如图4(a)所示。
4方法验证
通过设计眼动实验探究基于节点综合重要度评价的界面信息图元信息层级和布局设计是否可以有效降低搜索效率和认知负荷，并提高用户的任务操作绩效。
选取注视点个数和注视时长为眼动指标，注视点个数可反映信息的搜索效率，在搜索任务中，注视点个数越多，表明目标越难以确定，搜索效率越低；注视时长可反映界面使用的认知特性，注视时间越长，表明提取信息越困难，认知负荷越大。除眼动指标外，实验还将任务完成时长和任务完成正确率作为操作绩效指标。
分别记录两组实验的任务绩效指标和眼动指标，如表6所示。
4.1实验方案
实验设备采用眼镜式眼动仪Tobii Glasses,选取10名相关专业研究生作为被试人员，男女比例1∶1,被试人群无色弱或色盲现象。实验材料呈现在16英寸的电脑屏幕上，显示屏的分辨率为2560×1600,亮度为92cd/m2。
除界面一外，实验团队基于现有调度生产系统界面特征，开发对照实验界面二，以及实验任务所需要的数字预案界面和数字调令界面，如图5所示。
实验中被试人员按提示分别在界面一和界面二中依次完成搜索任务和操作任务，如表7所示。
实验共分为两组，界面一为实验组，界面二为对照组，为保证实验结果的客观性，对界面二的任务顺序以及搜索目标的位置进行调整，保证两界面图标颜色和大小相同。
4.2数据分析
①搜索效率。
通过分析注视点个数探究界面信息的搜索效率变化，发现注视点个数越多，搜索效率越低。分别对界面一和界面二划分兴趣区域(AOI),统计各个兴趣区域不同任务的注视点数目，对10名被试人员在两界面中的操作任务与搜索任务数据进行分析，注视点个数对比如图6所示。
从图6中可以看出，除第五名和第七名被试人员外，其他8名被试人员的界面一操作任务和搜索任务注视点个数均比界面二要低，且第五名和第七名被试人员在界面一与界面二的差值不大，表明界面一的信息目标更易确定，搜索效率更高。
将眼动仪记录的数据导入SPSS中，对10名被试人员分别在界面一与界面二不同任务的总注视点个数进行单因素方差分析，分析结果如表8所示。界面一与界面二两组数据组间显著性值为0.002,小于0.005,表明两个界面的总注视点个数存在显著差异。
进一步对10名被试人员的各个分任务的平均注视点数进行分析，如图7所示。
从图7中可以看出，界面一的8项子任务的注视点数均低于界面二的注视点数。其中，搜索任务三（搜索曲线站台）、搜索任务四（搜索换乘站）、搜索任务六（搜索文字信息）与操作任务二（查看作业提示并同步信息）的变化较为显著，搜索任务三与搜索任务四的搜索目标数量较多，且相似类型干扰因素也较多，表明界面一信息布局可有效提高多目标搜索效率。搜索任务六与操作任务一由于信息层级的优化，在搜索和操作任务时减少了界面的切换次数和鼠标点击次数，大大减少了兴趣区的注视点数，提高了信息的搜索效率。
②认知负荷。
通过分析注视时长探究认知负荷的变化，发现注视时长越长，认知负荷越大。统计各个兴趣区域不同任务的注视时长，10名被试人员的界面一与界面二搜索任务与操作任务注视时长对比如图8。
从图8中可以看出，除第五名和第七名被试人员外，其他8名被试人员的界面一操作任务和搜索任务注视时长均比界面二要低，且第五名和第七名被试人员界面一与界面二的差值不大，表明界面一的信息获取更加容易，认知负荷降低。
对10名被试人员分别在界面一与界面二不同任务的总注视时长进行单因素方差分析，分析结果如表9所示。界面一与界面二两组数据组间显著性值小于0.001,表明两个界面的总注视时长存在极显著差异。
进一步对10名被试人员的各个分任务的注视点时长进行分析，如图9所示。
从图9中可以看出，界面一的8项子任务的注视点数均低于界面二的注视点数，其中，搜索任务一（搜索列车图标）、搜索任务三（搜索曲线站台）、搜索任务四（搜索换乘站）、搜索任务六（搜索文字信息）、操作任务一（下发调令）与操作任务二（查看作业提示并同步信息）的差异较为显著，搜索任务一、搜索任务三与搜索任务四的搜索目标数量多，且相似类型干扰因素也较多，表明界面一比界面二更易提取信息，可有效降低认知负荷。对搜索任务六与操作任务二中界面一的信息元显示层级的合理划分，减少了实验任务中界面的切换次数和鼠标点击次数，提高了信息的处置效率；界面一操作任务一中的“数字调令”信息元放在了比界面二更显著的位置，方便调度员查找并点击，大大降低了兴趣区域的注视时长。
③任务绩效对比。
验证实验中搜索任务与操作任务连续进行，全部完成时长视为总完成时长，将未完全搜索目标、点击错误图标、切换错误界面等操作视为失误行为，分别记录10名被试人员界面一与界面二两组实验的总完成时长和正确率，如图10所示。
从图10中可以明显看出，10名被试人员在界面二中完成任务的时间均低于界面一；界面二中只有1名被试人员出现失误，而界面一中有6名被试人员出现失误，界面一的正确率明显高于界面二。
对10名被试人员界面一与界面二两组实验的总完成时长和正确率进行显著性检验，分析结果如表10和表11所示，总完成时长的显著性值为0,表明两组实验具有极显著差异；正确率显著性值为0.002,小于0.005,表明两界面的正确率同样具有明显差异。
实验可以得出，界面一能够有效提高用户的任务操作绩效。
5结论
本文以城市轨道交通调度指挥应急业务流程为研究对象，以触网失电处置流程为例提出基于信息显示层级结构的复杂业务流程可视化方法。本文基于复杂网络理论，对触网失电处置流程进行结构化分解，构造信息元网络拓扑结构，构建节点重要度评价指标，根据信息元重要度等级划分信息层级结构。并通过眼动实验对方法进行验证，实验结果表明，划分层级结构的可视化界面与传统界面相比，能够有效降低信息搜索效率和认知负荷，并提高用户的任务操作绩效。
本文所提基于信息元网络节点重要度的显示层级划分方法，是对基于用户主观评估的信息重要度的客观补充，以信息元间内在的逻辑关系为重点进行分析，为复杂业务流程和大量显示信息元的界面提供了基于信息层级结构的可视化方法。
［参考文献］
[1]李彦洁，方卫宁，王健新，等．动态照明对疲劳调度员神经行为反应的影响[J/OL].哈尔滨工业大学学报：1-8[2024-01-17].
[2]王洁，方卫宁，张嬿．地铁行车调度系统人误影响因素识别及评定研究[J].中国安全科学学报，2011,21(08):74-79.
[3]吴昊．基于复杂网络理论的态势界面多重视觉信息编码研究[D].南京：东南大学，2021.
[4]郑冬英．复杂任务环境下的人机交互信息网络拓扑结构研究[D].南京：东南大学，2020.
[5]王卉，余隋怀，陈登凯，等．面向任务的载人深潜人机交互信息重要度评估[J/OL].计算机集成制造系统：1-18[2024-01-25].
[6]黄颖宜．手机界面信息层级可视化设计的秩序[J].包装工程，2018,39(04):59-64.
[7]薛澄岐，王琳琳．智能人机系统的人机融合交互研究综述[J].包装工程，2021,42(20):112-124+14.
[8]贺孝梅，何世杰，邵将．认知负荷在人机交互中的研究现状与发展趋势[J].计算机集成制造系统，2023,29(04):1069-1081.
[9]Ohm C,Manuel M,Ludwig B.Evaluating indoor pedestrian navigation interfaces using mobile eye tracking[J].Spatial Cognition&Computation,2017,17(1-2):89-120.
[10]Blasheck T,Vermeulen L M,Vermeulen J,et al.Exploration strategies for discovery of interactivity in visualizations[J].IEEE Transactions on Visualization and Computer Graphics,2019,25(2):1407-1420.
[11]杨蒙.HTA应用研究及其多通道工具的设计实现[D].西安：西北大学，2008.
[12]Costa L D,Rodrigues F A,Travieso G,et al.Characterization of complex networks:A survey of measurements[J].Advances in Physics,2007(1/2):56.
[13]王林，张婧婧．复杂网络的中心化[J].复杂系统与复杂性科学，2006(01):13-20.
[14]巴巴拉明托．金字塔原理[M].王德忠，张珣，译．北京：民主与建设出版社，2002.
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/guanlilunwen/79454.html
