一种考虑视觉感知负荷的运维界面设计优化方法
本发明涉及运维界面设计,尤其涉及一种考虑视觉感知负荷的运维界面设计优化方法。
背景技术:
1、在如高端数控机床、航空航天器、大型能源设施等复杂装备的远程运维实践中,运维监控界面作为人机协同决策的核心载体,其信息呈现质量直接关系到故障识别效率与操作安全性。
2、当前,随着物联网与边缘计算技术的普及,运维系统需实时处理振动频谱、温度场分布、压力波动等多物理量、高频率、异构化的传感数据流。然而,现有界面设计方法暴露出系统性缺陷:一方面,界面元素布局与可视化策略高度依赖设计师经验,缺乏对运维参数内在属性与人眼视觉感知机制的量化建模,导致关键信息识别路径冗长、交互反馈延迟,显著制约人机信息传递效率;另一方面,海量动态数据未经智能筛选与分组即全量堆叠呈现,高频刷新的冗余信息持续冲击运维人员视觉通道,极易诱发视觉疲劳、注意力分散乃至误判误操作,埋下严重安全隐患。实践中,运维人员常因界面信息过载而在紧急工况下遗漏关键异常征兆,此类由认知超载引发的操作风险已成为行业痛点。
3、深入剖析现有技术瓶颈,其成因具有多维复杂性:首先,运维参数间隐含物料清单树层级、物理量纲耦合等语义关联及时序波动互信息等动态数据关联,传统界面设计仅作孤立参数罗列,未能构建参数关联度的融合计算模型,致使逻辑相关的参数被割裂展示,破坏运维人员心智模型的连贯性;其次,视觉负荷量化缺失,现有方法未将香农熵理论、视锥细胞敏感度分布、菲茨定律等感知与交互原理转化为可计算的设计约束,导致可视化模态混杂、重要组件偏离高感知区域、色彩冲突加剧认知负担;再者,刷新策略与数据特性脱节,未依据参数更新频率动态配置渲染资源,造成高频参数刷新不足或低频参数过度渲染,进一步浪费视觉注意力资源;更为关键的是,上述问题涉及信息论、人因工程学、图优化与多目标决策的深度交叉,需在保障信息完整性的同时协同优化分组结构、空间布局与动态行为,而现有技术缺乏贯通数据特征—感知负荷—交互效能的端到端优化框架,各环节优化目标相互掣肘,求解过程计算复杂度高且工程落地难度大。
4、因此,怎样才能使运维界面实现关键信息的精准聚焦与高效传递,在显著降低运维人员视觉感知负荷的同时,有效提升异常识别速度与操作决策可靠性,成为目前亟待解决的问题。
技术实现思路
1、针对现有技术存在的上述不足,本发明的目的在于,提供一种考虑视觉感知负荷的运维界面设计优化方法,能够使运维界面实现关键信息的精准聚焦与高效传递,在显著降低运维人员视觉感知负荷的同时,有效提升异常识别速度与操作决策可靠性。
2、为了解决上述技术问题,本发明采用的技术方案是这样的:
3、一种考虑视觉感知负荷的运维界面设计优化方法,包括以下步骤:
4、s1、获取n个运维参数,基于预设的评价指标确定每个运维参数的综合重要度,并将每个运维参数映射为对应的可视化模态;
5、s2、根据每个运维参数的基于物料清单树层级关系和物理量纲关系的语义关联度,以及基于历史时序波动的互信息的数据关联度,计算任意两个运维参数之间的综合关联度,并构建综合关联度矩阵;
6、s3、使用s1确定的可视化模态和s2构建的综合关联度矩阵,将n个运维参数转化为以综合关联度为边权重的无向加权图,并采用多目标优化算法对所述无向加权图进行优化求解,得到将n个运维参数划分为k个信息组块的分配方案及各运维参数的渲染刷新频率配置;
7、所述多目标优化的目标函数包括最小化归一化切割值、最小化全局模态冲突度和最小化全局信息折损度;全局模态冲突度基于各信息组块内可视化模态的基于香农熵理论量化的混杂程度确定;全局信息折损度基于所述综合重要度和各运维参数的渲染刷新频率相对于其理想刷新频率的偏差确定,所述理想刷新频率基于其数据更新频率确定;
8、s4、基于视锥理论构建视觉注意力分布区模型;将s3得到的k个信息组块实例化为k个视觉组件,并提取每个视觉组件的综合视觉权重、动态视觉通量、最小面积需求和色彩属性;构建界面布局优化的多目标指标体系,所述多目标指标体系包括位置匹配度、空间失衡度和色彩适宜度;
9、其中,位置匹配度基于信息感知度和交互舒适度计算;所述信息感知度基于所述综合视觉权重和所在位置的视觉感知系数计算,所述视觉感知系数基于所述视觉注意力分布区模型确定;所述交互舒适度基于马尔可夫转移概率和菲茨定律计算;采用多目标优化算法对每个视觉组件的位置、尺寸以及色彩修饰变量进行求解,得到各视觉组件在界面上的最优位置、最优尺寸和最优色彩配置;
10、s5、根据s4得到的所述最优位置、最优尺寸和最优色彩配置,生成并输出低视觉感知负荷的运维界面设计方案。
11、与现有技术相比,本发明具有如下优点:
12、1. 实现了运维参数重要性的量化评估与可视化模态的智能匹配。传统界面设计中,参数重要性评估多依赖设计师主观经验,缺乏科学量化依据,导致关键信息识别困难。本方法通过预设评价指标对运维参数进行综合重要度评估,并基于重要度智能映射可视化模态,确保高重要度参数采用高辨识度的可视化方式,显著提升关键信息的识别效率,避免了传统方法中重要信息被淹没的问题。
13、2. 构建了融合语义关联与数据关联的参数关系模型。现有技术通常仅考虑参数的表面关系或完全忽略参数间的内在联系,导致相关参数被分散展示,破坏运维人员的认知连贯性。本方法创新性地融合物料清单树层级、物理量纲等语义关联与历史时序波动互信息等数据关联,构建综合关联度矩阵,为后续信息分组提供科学依据,实现了逻辑相关参数的智能聚合,大幅降低认知负荷。
14、3. 实现了信息分组与刷新策略的协同优化。传统界面设计中,信息分组随意且刷新策略单一,无法适应不同参数的特性需求。本方法将运维参数转化为无向加权图,采用多目标优化算法同时优化归一化切割值、全局模态冲突度和全局信息折损度,得到科学的信息组块划分方案和个性化的渲染刷新频率配置,既保证了信息的逻辑完整性,又实现了计算资源的合理分配。
15、4. 构建了基于视觉感知理论的界面布局优化模型。现有界面布局多依赖美学原则或经验规则,缺乏对人眼视觉感知机制的深入考虑。本方法基于视锥理论构建视觉注意力分布区模型,综合考虑信息感知度、交互舒适度、空间平衡度和色彩适宜度等多维度指标,采用多目标优化算法求解视觉组件的最优位置、尺寸和色彩配置,使界面布局符合人眼视觉特性,显著提升信息获取效率和交互舒适度。
16、5. 传统方法各环节独立优化,难以实现整体效果的最优化。本方法从参数评估、关联分析、信息分组到界面布局,构建了完整的优化链条,各环节相互协同、层层递进,最终生成的运维界面设计方案在保证信息完整性的同时,最大限度降低了视觉感知负荷,实现了人机交互效能的整体提升。
17、综上,本方法可以使运维界面实现关键信息的精准聚焦与高效传递,在显著降低运维人员视觉感知负荷的同时,有效提升异常识别速度与操作决策可靠性。
18、优选地,s1中,所述可视化模态包括level 1、level 2、level 3、level 4四个等级,各可视化模态等级分别对应预设的记忆资源开销系数;其中,level 1为静态文本模态,level 2为状态指示模态,level 3为实时数值模态,level 4为动态图表模态;
19、所述评价指标包括故障指示度、故障连锁风险、设备安全影响度、生产质量关联度、状态突变敏感度和人工干预依赖度。
20、优选地,s2中,所述语义关联度的计算包括:
21、对于任意两个参数和,依据其在装备物料清单树中的层级关系,采用离散量化标度对结构关联度进行赋值:
22、;
23、依据参数所代表的物理量纲进行物理关联度量化赋值:
24、;
25、将结构关联度与物理关联度进行加权融合,得到两参数的综合语义关联度sij:
26、;
27、其中,和分别为结构关联与物理关联的子维度权重;
28、所述数据关联度;
29、其中,为互信息;、分别为和的信息参数熵;
30、;
31、;
32、其中,为对应的离散状态集合,为其中一个状态;为的边缘概率分布;为参数处于的频次;t为时间窗口内的采样点数量;与的计算方式相同;
33、;
34、;
35、;
36、其中,为的离散状态集合,为其中一个状态;为的边缘概率分布;为参数处于的频次;为和并发出现的联合频次;
37、所述综合关联度;
38、其中,、为权重系数且二者之和为1,当涉及离散状态参数时为0。
39、这样的设置,实现了工程语义、物理本质与数据动态三重关联的可计算、可融合、可适配的统一建模。
40、优选地,s3中,所述归一化切割值的计算包括:
41、将运维参数转化为无向加权图,其中,节点集合表示包含n个运维参数的节点集;集合e代表为连接各个参数节点的边集;矩阵为构建的综合关联度矩阵;
42、定义的度;
43、将v划分为k个互不相交的子集;
44、定义子集的体积;
45、通过如下归一化切割函数计算归一化切割值:
46、;
47、其中,为子集与其补集之间的切割集权重;
48、;
49、所述全局模态冲突度为:
50、;
51、;
52、;
53、;
54、;
55、其中,为第k个视觉区块的模态信息熵;为全局模态集合;为第k个视觉区块内模态m所占的相对比例;为第k个区块内包含的参数总数;为第k个区块内呈现为特定模态m的参数数量;为模态指示变量,该变量为布尔型变量,当且仅当参数pi的默认呈现形式属于相应等级的模态时取值为1,否则取值为0。
56、这样的设置,本方法通过引入模态熵项作为正则化约束,强制优化过程倾向于生成模态同质化的信息组块,例如关键报警参数集中采用状态指示模态,避免与数值/图表混排,从而在源头上抑制视觉通道过载。同时,归一化切割的归一化特性保障了不同规模子块间的公平比较,避免大块主导优化结果,使划分结果更符合人眼对均衡信息密度的感知偏好。
57、优选地,s3中,所述全局信息折损度为:
58、;
59、其中,为实际是渲染刷新频率;为理想刷新频率;为综合重要度;
60、所述多目标优化的约束条件包括:每个运维参数仅属于一个信息组块,每个信息组块的记忆资源消耗不超过预设上限,每个信息组块的感知通量不超过预设上限,每个运维参数的渲染刷新频率不低于其最低保真频率。
61、这样的设置,相较于传统界面设计中统一设定刷新率或仅按数据更新频率静态分配的方式,本方法通过重要度加权的平方误差损失函数,确保高风险、高敏感参数即使在资源受限时仍维持接近理想的刷新频率,从而显著降低因信息滞后或失真引发的误判风险。
62、优选地,s4中,所述视觉注意力分布区模型以视线中心为圆心,按照1°、5°、9°和13°节点划分四个向外扩张的环状区域,分别标定为i、ii、iii、iv等级;将所述环状区域映射至正方形栅格系统,定义离散区域基准权重:
63、;
64、其中,、、、分别为i 区、ii 区、iii 区、iv 区的离散区域基准权重值;且>>>;
65、定义屏幕绝对中心为视觉焦点,栅格位置的视觉感知系数为:
66、;
67、其中,、为视觉注意力的弥散半径,为平衡系数。
68、这样的设置,依据人眼中央凹分辨率衰减规律,将工程化的注意力区域分级与界面语义功能分区进行显式解耦与融合建模,使视觉感知负荷计算既符合生理认知特性,又适配运维任务逻辑。通过环域分级赋权,结合可配置的-,使能精准反映位置与功能双重影响下的实际注意分配强度,从而在布局优化阶段有效引导高重要度参数向高区域聚集,避免关键信息落入低注意区域被忽略,显著提升界面信息获取效率与操作可靠性
69、优选地,s4中,每个视觉组件的综合视觉权重为该组件内所有运维参数的综合重要度之和;每个视觉组件的动态视觉通量为该组件内所有运维参数的渲染刷新频率之和;每个视觉组件的最小面积需求,为该组件内所有运维参数的可视化模态对应的基础栅格数之和加上预设的边界留白栅格数;每个视觉组件的色彩属性通过模糊c均值聚类算法提取组件像素在hsl空间中的主色调得到,并以色相旋转量、饱和度调节量和明度调节量作为视觉修饰决策变量对所述主色调进行调整。
70、这样的设置,实现了从参数级重要性到组件级视觉呈现的端到端一致性映射,使界面元素的尺寸、动态强度与色彩风格均严格服从任务关键性与认知负荷约束,避免了传统设计中重要参数被小图标弱化或高频刷新导致视觉闪烁干扰等典型人机失配问题。
71、优选地,s4中,所述交互舒适度基于交互跳跃代价确定,所述交互跳跃代价的计算方式为:
72、对于任意两个视觉组件mu与mv,计算该两个视觉组件所包含的全部跨组件运维参数对的综合关联度的平均值,将所述平均值在全局范围内归一化后作为注意力转移概率;
73、基于所述转移概率、该两个视觉组件之间的物理距离以及目标视觉组件的对角线长度,依据菲茨定律计算交互跳跃代价:
74、;
75、其中,为运维人员注意力从mu转移至mv的先验交互概率;为mu与mv之间的物理欧氏距离;为组件mv的有效视觉捕获尺寸,定义为其对角线长度;
76、;
77、;
78、其中,与分别表示组件mu与mv所包含的参数总数;和为参数;为综合关联度;
79、所述交互舒适度与所述交互跳跃代价负相关,所述交互跳跃代价越小则交互舒适度越高。
80、这样的设置,将认知层面的注意力转移意愿与感知运动层面的视觉搜索成本统一建模为可优化的交互代价指标,使界面布局优化不仅能减少物理移动距离,更能主动引导注意力流沿高关联、低认知阻抗路径流动,从而显著降低操作中的无意跳转与注意力分散风险。该交互跳跃代价模型实现了从物理可达性到认知可达性的跃升,为构建符合人类注意力动态特性的智能界面布局提供了严谨且可计算的优化依据。
81、优选地,s4中,所述空间失衡度根据以下公式计算:
82、;
83、其中,为视觉重心偏移率,基于各视觉组件的视觉重量与几何中心坐标计算;为通量重心偏移率,基于各视觉组件的动态视觉通量与几何中心坐标计算;为各视觉组件信息密度的标准差;、、为预设权重系数;
84、所述色彩适宜度根据以下公式计算:
85、;
86、其中,为视觉清晰度,基于各视觉组件的明度对比度与预设阈值比较确定;为色彩和谐度,基于常规组件的色相与系统主题色偏差以及警戒组件的色彩显著度确定;、为预设权重系数。
87、这样的设置,将传统主观经验驱动的界面美观/均衡评价转化为可计算、可分解、可优化的多维客观指标体系,使界面设计能系统性规避视觉重心偏移导致操作偏倚、高通量区域信息过载、关键告警色被主题色淹没等典型人因缺陷。
88、优选地,s4中的多目标优化算法为基于梯度推挤修复的多目标遗传模拟退火算法;当检测到任意两个视觉组件mu与mv发生空间干涉时,计算干涉组件的几何中心坐标与侵入深度,沿最小位移补偿方向对发生干涉的组件施加位移补偿量进行推挤修复,使其脱离干涉状态;
89、所述位移补偿量计算过程如下:
90、计算横向与纵向的干涉侵入深度与;
91、;
92、其中,为使mu与mv恰好脱离干涉所需的横向理论最小安全距离;为使mu与mv恰好脱离干涉所需的纵向理论最小安全距离;与分别为mu与mv的几何中心与在横纵坐标轴上的绝对距离;
93、若,则判定沿横向进行推离为最优修复路径,组件mu与mv施加符号相反的水平位移补偿量与:
94、;
95、若,则判定沿纵向进行推离为最优修复路径,组件mu与mv施加符号相反的纵向位移补偿量与:
96、。
97、这样的设置,在保障布局修正严格无干涉的前提下,实现了位移补偿的最小化、方向自适应性与人因友好性三者统一。既避免了传统固定方向推开导致的全局布局震荡,又通过符号函数保留原始相对位置关系、ceil函数保证整栅格对齐,使修复后组件仍符合界面网格规范与操作直觉。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com