空中交通管制员应急处置能力评测

为提高空中交通管制员的应急处置能力,保证航空器在各种紧急情况下的安全运行,基于"洋葱模型",结合管制员的工作特点,通过引入管制员个人特质和意识2个指标,建立"管制员洋葱模型".依据空中交通管制应急处置过程,构建由知识、技能、意识、个人特质4个一级指标和16个二级指标组成的管制员应急处置能力评测指标集,并利用层次分析法得到各指标的权重.运用模糊综合评价模型对某空管单位的管制员应急处置能力进行评测,得出其应急处置能力分数为3.689,即应急处置能力等级为中等.管制员应急处置能力的定量化评测,能够客观评价其应急处置能力.      

管制员工作负荷回归模型及应用

根据空中交通管制员工作的特点,以时间为度量量化了管制员工作负荷,并分析了进离场飞行架次对于管制员工作负荷的影响。以进离场飞行架次为自变量,管制员工作时间为因变量,首次采用神经网络建立管制员工作负荷非线性回归模型;针对BP算法的缺点,提出了改进的BP算法;最后应用回归模型,结合DORATASK方法实现了对昆明终端区空域的容量评估。     

采用HEART方法分析管制员调配飞行冲突的人为差错概率的研究

调配飞行冲突是空中交通管制员的一项重要工作内容,一旦其在改在该项工作中出现差错将会造成非常严重的后果,保证其调配飞行冲突的可靠性是非常必要的,在对管制员调配飞行冲突的人为差错率开展分析的过程中,HEART是一种有效的分析方法,本文就主要对此HEART方法在管制员调配飞行冲突人为差错概率分析中的应用予以简单分析。     

空中交通管制员的人为差错与航空安全

大部分空管不安全事件与管制员人为差错有关,研究空中交通管制员的人为差错,预防管制员在工作中的人为差错对于预防空管不安全事件具有十分重要的意义.文中讨论了管制员人为差错的促成因素、常见的管制员人为差错、差错发生的原因以及减少差错的方法4个问题.采取积极的措施抓紧管制员思想教育、加强安全管理、改变管理制度、提高管制员专业技术水平是空管人员在工作中减少人为差错的良好途径.     

模拟退火遗传算法在飞行冲突解脱中的应用

由于空中交通流量的增加，我国的空中交通管理系统面临着越来越严重的航线拥挤问题，自由飞行可以有效地解决这一问题，自由飞行允许飞行员选择最适合自己的飞行航线和飞行速度，但同时却给管制员的工作增加了难度。采用模拟退火遗传算法对自由飞行条件下的飞行冲突进行探测与解脱，与标准遗传算法相比，模拟退火遗传算法具有解的质量更优、鲁棒性更强、初值敏感度更低等优点。     

基于加权灰色关联度的空中交通管制员工作负荷影响因素分析

定量分析影响管制员工作负荷的因素对于实现管制员工作负荷的精确评价具有重要意义。综合考虑扇区交通运行情况以及管制员工作表现,确定了14个影响管制员工作负荷的因素指标。利用灰色关联熵确定指标权重,建立了基于加权灰色关联度的管制员工作负荷影响因素分析方法,并对分辨系数的取值进行了优化。用北京01/19区域管制扇区的雷达模拟机数据对上述方法进行验证。结果表明,陆空通话次数、设备操作次数、扇区进出指数分别是影响管制员工作负荷最重要的3个因素,其加权灰色关联度分别为0.8440,0.7961,0.6935。同时,加权灰色关联度的排序结果与层次分析法得出的管制员主观排序结果基本一致。采用加权灰色关联度对管制员工作负荷影响因素进行分析能够揭示各影响因素的重要程度。      

基于小波优化GRU-ARMA模型的空中交通流量短时预测方法

空中交通流量短时预测是空中交通管理的基础,是有效缓解交通拥堵问题的前提。为提高空中交通流量短时预测的精度,减小空中交通管制员的工作压力,提出了基于小波优化GRU-ARMA的空中交通流量短时预测方法。在传统预测方法的基础上,通过小波变换对原始流量数据进行多尺度分解,提取不同频率交通流量的细节特征,对原始流量数据进行预处理。同时,根据小波变换,在低频处将频率细分作为趋势项,高频处将时间细分作为噪声项。其中,趋势项反映了空中交通流量随时间演化的整体趋势性,噪声项反映了随机因素对空中交通流量的综合影响。使用门控循环单元（GRU）神经网络模型预测趋势项,自回归滑动平均模型（ARMA）模型预测噪声项;将趋势项和噪声项的预测值叠加,得到最终的短时流量预测值。误差分析表明,该方法在每个预测点上的误差保持在2%左右,预测效果稳定;而直接采用原始流量数据进行预测的GRU、BiLSTM、CNN-LSTM神经网络模型及单一的ARMA模型,每个点的预测误差在5%~37.14%之间。与GRU、BiLSTM、CNN-LSTM神经网络模型相比,该模型的预测精度分别提高了3.02%,5.39%,5.05%。      

恶劣天气下多航空器改航路径的仿真优化算法

针对恶劣天气下区域管制区内，多航空器改航路径规划中缺乏降低管制员工作总负荷的考虑。以贵阳区域管制区为例，研究了恶劣天气下多航空器改航路径的仿真优化算法。采用灰色模型预测飞行受限区的动态影响范围；利用几何算法预先规划可供选择的改航路径；改进离散粒子群优化算法的运算规则；以整个区域管制区内改航总路径最短和管制员工作总负荷最低为目标，结合预测的飞行受限区、预先规划的改航路径、改进离散粒子群优化算法和全空域与机场模型实现恶劣天气下多航空器改航路径的仿真优化算法。结果表明，该仿真优化算法经过多次迭代，获得了改航优化方案；与采用传统粒子群算法的仿真优化算法相比，管制员工作总负荷下降了7.52%，改航总路径距离减少了4.48%；与采用多目标粒子群算法和非支配排序遗传算法-II的改航路径算法相比，其改航路径距离略长，但考虑了管制员工作负荷的影响。该仿真优化算法能在减少改航路径距离的同时有效降低管制员工作负荷，对实际改航规划具有借鉴意义。      

基于熵权和 DEMATEL 的管制员疲劳风险因素分析

为了定量分析管制员疲劳风险因素,找出导致管制员疲劳的主要原因,进而有针对性地采取缓解疲劳的措施,从个人因素、环境因素、管理因素3个方面建立管制员疲劳风险指标体系.结合熵权法和决策实验与评价实验室方法(DEMATEL),构造熵权和 DEMATEL 模型,通过熵权法计算出各个指标对疲劳产生影响的熵权值,然后利用 DEMATEL 方法所确定的指标间的影响程度值来修正熵权值,求得组合权重,确定导致管制员疲劳的关键指标.同时根据 DEMATEL 方法归类原因因子和结果因子.结果表明,工作负荷、健康状况、睡眠状况和排班制度4个指标的组合权重值较大,为该管制单位的主要疲劳致因,其组合权重值分别为0.2042,0.1520,0.1469,0.1103;其中排班制度为结果因子,而工作负荷、健康状况以及睡眠状况为原因因子.熵权和 DEMATEL 模型为定量分析管制员的疲劳风险提供了参考价值,同时也为管制单位实施疲劳风险管理提供了方向.      

指纹识别技术在民航空中交通管制运行管理系统中的应用

本文通过将活体指纹识别仪器和指纹识别技术应用到该系统中去,实现了系统登录和席位登录的自动化管理。通过指纹自动识别,实名制录入,杜绝了管制员在输入时误操作的可能,提高了安全机制和运行效率。该项技术使得管制运行信息管理系统在建设中体现出了先进性、可靠性、安全性、可扩展可维护等原则,实现了较好的安全效益。