1.2.2 人机工程

人机工程是研究人、机器和环境间的相互作用及联系，使设计的机器和环境系统适合人的生理及心理特点，达到在生产中提高效率、安全、健康和舒适目的的一门科学。其中，人是作业者或使用者；机器包括人操作与使用的一切产品和工程系统；环境是指人们工作和生活的噪声、照明与气温等因素。传统人机工程研究中的研究测试只能测量客观的人体数据等外部生理信号，不能预测人的主观感受（如舒适性、心理状态等）。随着生理计算领域的技术发展，各类生理信号在人机工程的研究中发挥重要作用，采集相关的生理信号（如脑电信号、肌电信号等）并分析获取对应的信号特征（如频域、时域特征等），可以作为产品设计、使用评估等过程中的一种客观评价指标。本节主要从产品设计中的人机工程分析、人机工程生理测评和人机工程心理测评几个方面进行介绍。

1.产品设计中的人机工程分析

传统产品设计中的人机工程分析主要包括人体测量学、生物力学、劳动生理学、环境生理学、工程心理学以及时间与工作研究学六个方面。产品设计主要体现在对人体数据、环境等方面内容的分析，此类研究通过分析特定场景下用户使用产品、从事相关活动时的人机工学给出设计建议。Xu等(2021)通过分析鼻内窥镜颅底外科手术中外科医生操作手术时的人机工学模型，提供了手术室及设备的安装布局建议，以减轻医生操作时的疲劳度；Tan等(2015)在其对旋钮设计的人机工程学研究分析的综述中回顾分析了各类旋钮设计的案例，并从旋钮的类型、造型、位置、表面纹理等多个角度对其操作效率与使用的舒适性进行探究，提出了一种工业设计中的旋钮设计规范。

不同于传统的人机工程设计研究，基于生理信号的人机工程设计通过采集生理数据进行相应的设计测评以获得符合人体工程学的产品设计方案，作为一种客观的设计依据来评估人机工程学的规范性。Pham 等(2015)通过采集隐式生理信号（光电容积扫描），对慕课(massive open online coursesas, MOOC)的学习效率与状态进行监测式评估，发现了生理信号与用户对学习材料的理解程度、学习效率等指标的映射关系。类似地，Tian 等(2017)通过测量心电信号、呼吸信号以及皮肤电信号，对玩家在接收不同难度游戏时的生理活动状态进行评估，结果表明，高难度的游戏内容会导致明显的呼吸速率加快、呼吸深沉、心率加快。这种映射关系也可以作为一种游戏设计的指标，帮助开发者对游戏难度等要素进行设计评估。

从传统的人机工程分析到基于生理信号的评估，相比于主观感受，易表达、高精度、客观的数据越来越多地被作为一种必要的测量指标（结合主观反馈）成为设计参考，为产品设计中的人机工程分析提供了更坚实的基础。

2.人机工程生理测评

随着人体信号传感技术与相关处理算法的发展，越来越多的生理信号（如脑电信号、肌电信号、心电信号等）测评进入人机工程设计研究领域。

人机工程的一个重要应用领域是作业环境或使用机器的疲劳和舒适度检测，这种基于生理信号的人机工程监测方法由于其准确性与客观性，在设计与产品评测等相关领域被广泛采用。Liu等(2019)在其研究中利用可穿戴的传感器测量生理参数，分析用户对于温度舒适度的评估模型，降低了研究过程中个体耐热性、偏好等主观差异对温度的舒适度评估影响。扈静等(2019)利用肌电信号测量和生物力学理论计算的方式获取驾驶状态时的肌肉和关节负荷，从深层次理解驾驶操纵的不舒适性。Li等(2012)探究了皮肤与不同外表面摩擦时的舒适感评估与生理参数（如皮肤电导、皮肤温度和脑电信号）的关系。Dillen 等(2020)采集皮肤电信号分析自动驾驶过程中乘客的舒适度和焦虑感，以此对自动驾驶过程中驾驶风格、加速度等参数进行动态调整。这类研究采用生理信号对用户的主观感受进行分析，可以在实际应用中进行用户安全评估、优化交互体验等任务，如图1.4所示。如德州仪器(Texas Instruments)公司研发的驾驶安全辅助传感器通过毫米波检测驾驶员的胸口起伏情况，结合相应算法获得驾驶员的心率情况与呼吸信号，并与车联网应用结合去判断驾驶员的驾驶状态，进行安全警告和辅助驾驶，以保证驾驶过程中的安全性。

这类信号的研究不仅作为一种人机工程设计评估的指标被采用，在应用领域的探究也愈发深入。健康监测与测评是较多直接应用生理测评技术的领域，通常运用不同的采集方式采集相应的生理数据，并实时分析反馈用户的生理状态。这种技术在专业的医疗康复过程中能帮助医生和患者对康复状态进行测评，如 Ali等(2020)针对监视心脏病患者的活动开发了一种多模态生理信号识别模型，这种模型结合特征融合算法，可以对过程中相关的多种生理信号综合性地进行采集、分析与识别，高效实现在治疗过程中对病人进行动态的生理状态监测。随着技术门槛降低，这种技术逐步家用化。如Dey等(2017)开发了一种利用心电信号进行医疗保健监控的家用无线传感器网络，通过连续实时无线采集家庭成员的心电信号，处理反馈给医护人员用以监测用户日常生活中的心电信号情况，并通过数据学习对潜在的风险进行评估预测。类似的应用也逐步尝试移动化监测技术，如美国麻省理工学院媒体实验室的衍生公司Empatica在2018年提出一款在神经病学领域应用的智能手表，如图1.5所示。该款设备可以通过收集心电信号等相关信号实现癫痫等病状检测。设备通过蓝牙与智能手机配对，可以在感受到用户压力指标上升或即将上升时发出警报，提醒癫痫患者（或护理人员）停止工作，提前进行呼吸练习或冥想来减轻压力，尽量避免癫痫发作。

图1.4 生理信号在驾驶中应用的场景

图1.5 智能手表产品

图片来源：https://wiimages.condecdn.net/image/gj9JnRxQJVQ/crop/1020/f/embracealert.jpg.

不仅如此，基于生理测试的应用还可以应用于人机工程中的交互行为，如微软公司发明了一种基于肌电信号的可佩戴控制器，多个肌电信号传感器通过用户肌肉移动生成的电信号与计算系统和附属设备交互进行有线或无线接入。在初始自动化自校准和位置定位后，可佩戴控制器通过对肌电信号传感器信号的采样实现对由肌肉产生的电信号的测量和解释。在操作过程中，基于肌电信号的可佩戴控制器被用户穿戴，并放在皮肤表面近似的位置上，然后向用户提供自动化提示或指令以微调该基于肌电信号的可佩戴控制器的放置。基于肌电信号的可佩戴控制器包括具有多个集成的基于肌电信号的传感器节点和相关电子设备的臂带、手表、服装物品等。

3.人机工程心理测评

研究基于生理信号的人机工程不仅能解决系统中人的效能，更能对人的心理感受问题提供科学的理论与方法。通过基于生理信号的人机工程的心理测评，可以更加准确客观地分析使用者的心理状态，这种应用对设计评价方法、用户心理研究以及人们的健康生活都会产生重要影响。张显奎等(2008)根据感知色彩时人的生理与心理综合变化，得到色彩属性与生理信号之间的关系，并且从人机工程角度提出基于眼动信号的色彩客观评价算法，为产品的设计和使用提供用户心理感受层面的客观评价指标，改善产品的销售、使用和安全等。陈斯琪(2017)在其计算机辅助色彩研究中给出了一种应用眼动追踪技术从生理信号的层面结合心理学研究来量化色彩语义的解读。该研究通过处理原始的眼动信号，基于人工神经网络完成色彩所隐含的心理感受与语义值之间的映射关系。成功的色彩设计可以使用户获得良好的感知体验。不同于以往设计过程中主观、感性的色彩设计，这种基于生理信号的心理测评方式，可以获得更精确的用户体验并用以辅助设计开发过程。

这种基于生理信号的心理测评也可应用于对用户心理状态、情绪等进行的检测，并依据检测技术更广泛地在安全驾驶、医疗健康、社会保障等领域中应用。Fernandes等(2014)分别对皮肤电信号、心率、血压、心电信号、呼吸信号等多种生理信号在用户压力、焦虑感检测方面进行准确性与效率分析。研究表明，基于这两类生理信号的识别模型，可以快速准确地对用户的心理状态（压力大小）进行反馈，并在一定程度上预测用户的压力变化趋势。这种算法的实用性也在实时应用中检测有效。人机工程中基于生理信号的心理测评也可以更客观地分析用户的主观感受。Khanal等(2018)创建了一种基于情绪识别的老人护理产品界面设计的评估方法，该方法通过相关的生理信号接口采集与分析信号，识别和预测老人在护理产品界面测试中的情绪体验，不仅考虑到产品中的健康问题，也通过实时的情绪识别使用户有更好的心理体验。由类似的研究可以发现，基于生理信号的分析手段在产品设计的心理测评中是一种十分准确可靠的技术。