Human factors flight trial analysis for 2D situation awareness and 3D synthetic vision displays
Notice bibliographique
Résumé
This article describes the human factor analysis from flight trials performed in Reno, NV. Flight trials were conducted with a Cheyenne 1 from Marinvent. Thirteen pilots flew the Cheyenne in seventy-two approaches to the Reno airfield. All pilots flew completely randomized settings. Three different display configurations: 1) Elec. Flight Information System (EFIS), 2) EFIS and 2D moving map, and 3) 3D SVS Primary Flight Display (PFD) and 2D moving map were evaluated. They included normal/abnormal procedure evaluation for: 1) Steep turns and reversals, 2) Unusual attitude recovery, 3) Radar vector guidance towards terrain, 4) Non-precision approaches, 5) En-route alternate for non-IFR rated pilots encountering IMC, and 6) Taxiing on complex taxi-routes. The flight trial goal was to evaluate the objective performance of pilots for the different display configurations. As dependent variables, positional and time data were measured. Analysis was performed by an ANOVA test. In parallel, all pilots answered subjective NASA Task Load Index, Cooper-Harper, Situation Awareness Rating Technique (SART), and questionnaires. The result shows that pilots flying 2D/3D SVS perform no worse than pilots with conventional systems. In addition, 3D SVS flying pilots have significantly better terrain awareness, more stable 180°deg turns, and enhanced positional awareness while taxiing on the ground. Finally, even non-IFR rated pilots are able to fly non-precision approaches under IMC with a 3D SVS.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».