CN106548294A - 一种基于飞行数据的着陆操作绩效评价方法及装置 - Google Patents

Abstract

本发明公开了一种基于飞行数据的着陆操作绩效评价方法及装置，该方法包括：通过QAR系统采集某一机型在某一历史周期内多次航班的接地距离、接地载荷和接地仰角数据，进行参数分布预测；计算远接地、重着陆和擦机尾这三类异常着陆事件发生的风险值；根据三类异常着陆事件风险值及各自权重建立着陆操作绩效评价模型；利用评价模型计算某次航班的着陆操作绩效评价值，最终根据着陆操作绩效等级的划分标准，输出着陆操作绩效水平的评价结果。本发明能够对单次航班的着陆操作绩效进行综合评估，也可预测单次航班或某段时期内的着陆事件风险，还可对机队及航空公司整体的着陆绩效进行评估和比较。此外，还提供了一种基于飞行数据的着陆操作绩效评价装置。

Description

一种基于飞行数据的着陆操作绩效评价方法及装置

技术领域

本发明属于飞行品质监控技术领域，特别是涉及一种基于飞行数据的着陆操作绩效评价方法及装置。

背景技术

飞行事故统计表明着陆是民机飞行中最危险的阶段，事故及不安全事件的发生率明显高于其它飞行阶段，因为在着陆过程中，飞行员需要面对更多的操作任务及其带来的工作负荷。飞行员的操作与着陆安全紧密相关，因此准确评价飞行员操作绩效水平能够为评估飞行队伍的操作风险及整体安全水平提供直接依据，为改善飞行操作及培训提供重要参考。

但如何准确评估飞行员操作绩效对于航空公司来说一直是一个难题，目前我国大多数航空公司仅限于通过QAR超限事件发生的等级与次数来监控航班及评估飞行员绩效，QAR数据分析人员在航班航后提取飞机的QAR数据，根据各个超限事件的“软、硬”监控标准来考核飞行员的驾驶绩效水平。但大多数航空公司则放弃了对正常数据的研究，忽视了日常数据所蕴含的安全价值，从某种意义上来说是对飞机运行风险的忽视。

如果将飞行员、机队在一段时期内所有的与着陆操作相关的QAR数据(正常数据以及超限数据)作为一个整体样本空间，结合统计学原理研究出飞机或飞行员在某一飞行节点数据参数的分布规律后，再根据相对应的概率密度函数就可以预测超限事件、事故征候等异常事件的发生风险，从而对飞行员的着陆操作绩效水平进行客观、准确地评价。但目前尚缺少这样的方法及装置。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于飞行数据的着陆操作绩效评价方法及装置，以提高着陆操作绩效评价的客观性和准确性。

为了达到上述目的，本发明提供的基于飞行数据的着陆操作绩效评价方法包括按顺序进行的下列步骤：

步骤1)通过航空公司的QAR系统采集某一机型在某一历史周期内多次航班的接地距离、接地载荷和接地仰角数据，然后进行这些参数的分布预测；

步骤2)在步骤1)的基础上计算着陆后远接地、重着陆和擦机尾这三类异常着陆事件发生的风险值；

步骤3)根据上述三类异常着陆事件的风险值及各自的权重建立着陆操作绩效评价模型；

步骤4)利用上述着陆操作绩效评价模型计算出某次航班的着陆操作绩效评价值，并将着陆操作绩效水平划分成多个等级，然后将上述评价值转换成着陆操作绩效水平等级，最终输出着陆操作绩效评价结果。

在步骤1)中，所述的通过航空公司的QAR系统采集某一机型在某一历史周期内多次航班的接地距离、接地载荷和接地仰角数据，然后进行这些参数的分布预测的方法包括以下步骤：

1.1)通过航空公司的QAR系统采集某一机型在某一历史周期内n次航班的接地距离、接地载荷和接地仰角数据，每一个数据作为一个样本，每种数据的所有样本组成一个样本集，然后分别计算上述每个样本集中样本的均值与方差；

X_i代表每个样本值，每个样本集中样本的均值和方差S²分别按下式计算：

1.2)根据上述样本的方差S²对上述样本进行正态检验，若样本分布不符合正态分布，剔除数据为负或者远远超出参数分布区间的异常数据后重新计算样本的均值与方差；若样本分布符合正态分布，再对样本的方差S²进行偏差修正，得到总体方差的无偏估计量σ²：

1.3)根据上述无偏估计量σ²和样本的均值得到该航班接地距离、接地载荷、接地仰角的正态分布密度函数，均表示为：

其中：α表示每次航班的接地距离或接地载荷或接地仰角数据，μ表示接地距离或接地载荷或接地仰角数据总体分布的期望值，

在步骤2)中，所述的在步骤1)的基础上计算着陆后远接地、重着陆和擦机尾这三类异常着陆事件发生的风险值的方法包括以下步骤：

2.1)根据上述接地距离、接地载荷、接地仰角的正态分布密度函数分别计算着陆后远接地、重着陆、擦机尾这三类着陆异常事件发生的概率性；

远接地概率性P_TD的计算公式如下：

重着陆概率性P_VA与擦机尾概率性P_PA的计算公式如下：

其中，α₁、α₂、α₃分别表示每次航班的接地距离、接地载荷、接地仰角数据；μ₁、μ₂、μ₃分别为接地距离、接地载荷、接地仰角三个数据总体分布的期望值，σ₁ ²、σ₂ ²、σ₃ ²分别为接地距离、接地载荷、接地仰角数据总体分布的方差，σ₁、σ₂、σ₃分别为接地距离、接地载荷、接地仰角数据总体分布的标准差。

2.2)分别计算远接地、重着陆、擦机尾三类着陆异常事件发生的严重度；

远接地、重着陆、擦机尾严重度S_TD、S_VA、S_PA的计算公式如下所示：

2.3)根据上述概率性和严重度分别计算远接地、重着陆、擦机尾三类着陆异常事件发生的风险值；

按照如下公式分别计算远接地、重着陆、擦机尾三类着陆异常事件的风险值R_TD、R_VA、R_PA：

在步骤3)中，所述的根据上述三类异常着陆事件的风险值及各自的权重建立着陆操作绩效评价模型如下：

P_landing为着陆操作绩效评价值；ω₁、ω₂、ω₃分别为远接地、重着陆、擦机尾三类异常着陆事件的权重，该权重通过着陆异常事件统计数据或专家法确定，或由航空公司飞行安全监管部门依据安全形式监控策略确定或调整。

在步骤4)中，所述的利用上述着陆操作绩效评价模型计算出某次航班的着陆操作绩效评价值，并根据预先划分的着陆操作绩效标准将上述评价值转换成着陆操作绩效等级，最终输出着陆操作绩效评价结果的方法是：

对着陆操作绩效水平按如下标准进行划分，如表1所示，然后将步骤3)中计算出的某次航班的着陆操作绩效评价值P_landing对照表1而得出最终的着陆操作绩效评价结果；

表1着陆操作绩效标准

本发明提供的基于飞行数据的着陆操作绩效评价装置包括：

数据采集单元，用于通过航空公司的QAR系统采集某一机型在某一历史周期内n次航班的接地距离、接地载荷、接地仰角数据；

数据处理单元，用于根据获得的QAR数据的样本统计，得出各参数的正态分布密度函数；

获得单元，用于获得着陆操作绩效评价模型；

结果计算单元，用于根据所述着陆操作绩效评价模型计算三类异常着陆事件发生的风险值，并结合三类异常着陆事件的权重得出着陆操作绩效评价值，最终得到着陆操作绩效评价结果。

所述的数据处理处理单元包括：

第一处理子单元，用于计算某一机型在某一历史周期内的n次航班的接地距离、接地载荷、接地仰角数据所构成的样本的均值μ和方差S²；

正态检验子单元，用于对样本进行正态检验，若样本分布不符合正态分布，剔除数据为负或者远远超出参数分布区间的异常数据后重新计算样本均值与方差；若样本分布符合正态分布，再对样本方差进行偏差修正，得到总体方差的无偏估计量σ²；

第二处理子单元，用于得到该航班的接地距离、接地载荷、接地仰角的正态分布密度函数。

所述的结果计算单元包括：

概率性计算模块，用于计算远接地、重着陆、擦机尾三类着陆异常事件发生的概率性；

严重度计算模块，用于计算远接地、重着陆、擦机尾三类着陆异常事件发生的严重度；

风险值计算模块，用于计算远接地、重着陆、擦机尾三类着陆异常事件发生的风险值；

绩效值计算模块，用于利用获得的着陆操作绩效评价模型计算某次航班的着陆操作绩效评价值；

输出结果模块，用于将计算出的着陆操作绩效值转化为着陆操作绩效等级，输出着陆操作绩效评价结果。

本发明提供的基于飞行数据的着陆操作绩效评价方法及装置具有如下效果：能够对单次航班的着陆操作绩效进行综合评估，也可对单次航班或某段时期内的着陆事件风险进行预测，还可以对机队及航空公司整体的着陆绩效进行评估和比较。该方法克服了传统安全绩效评估中仅考虑某一类超限事件及其超限值的缺点，综合考虑着陆超限事件及其带来的风险，提高了着陆操作绩效评价的客观性和准确性。

附图说明

图1是本发明提供的基于飞行数据的着陆操作绩效评价方法流程图；

图2是本发明提供的基于飞行数据的着陆操作绩效评价方法中着陆异常事件的概率性及严重度计算示意图；

图3是本发明提供的基于飞行数据的着陆操作绩效评价装置结构框图；

图4是本发明提供的基于飞行数据的着陆操作绩效评价装置中数据采集单元的一种数据采集示意图；

图5是本发明提供的基于飞行数据的着陆操作绩效评价装置中数据处理单元的一种实现结构框图；

图6是本发明提供的基于飞行数据的着陆操作绩效评价装置中结果计算单元的一种实现结构框图；

具体实施方式

下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术工作人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明提供的基于飞行数据的着陆操作绩效评价方法包括按顺序进行的下列步骤：

步骤1)通过航空公司的QAR系统采集某一机型在某一历史周期内多次航班的接地距离、接地载荷和接地仰角这三个参数的数据，然后进行这些参数的分布预测；

具体步骤如下：

1.1)通过航空公司的QAR系统采集某一机型在某一历史周期内n次航班的接地距离、接地载荷和接地仰角数据，这些数据既可以是飞行员模拟机的飞行数据，也可以是真实飞机的飞行数据，每一个数据作为一个样本，每种数据的所有样本组成一个样本集，然后分别计算上述每个样本集中样本的均值与方差；

X_i代表每个样本值，每个样本集中样本的均值和方差S²分别按下式计算：

1.2)根据上述样本的方差S²对上述样本进行正态检验，若样本分布不符合正态分布，剔除数据为负或者远远超出参数分布区间的异常数据后重新计算样本的均值与方差；若样本分布符合正态分布，再对样本的方差S²进行偏差修正，得到总体方差的无偏估计量σ²：

1.3)根据上述无偏估计量σ²和样本的均值得到该航班接地距离、接地载荷、接地仰角的正态分布密度函数，均表示为：

其中：α表示每次航班的接地距离或接地载荷或接地仰角数据，μ表示接地距离或接地载荷或接地仰角数据总体分布的期望值，

步骤2)在步骤1)的基础上计算着陆后远接地、重着陆和擦机尾这三类异常着陆事件发生的风险值；

具体步骤如下：

2.1)根据上述接地距离、接地载荷、接地仰角的正态分布密度函数分别计算着陆后远接地、重着陆、擦机尾这三类着陆异常事件发生的概率性；

P_TD、P_VA、P_PA分别为远接地、重着陆、擦机尾这三类着陆异常事件的概率性，以远接地概率性P_TD为例，对于给定机型的远接地正态分布密度函数G(x)，如果某次航班的接地距离α₁越靠近接地距离总体分布的期望值μ₁，那么远接地发生的可能性越低，因此本发明以分布密度函数均值为对称轴、接地距离α₁为距的区域概率P(x∈[2μ-α₁,α₁])来表征远接地概率性P_TD，如图2所示。

同时如果接地距离α₁小于接地距离总体分布的期望值μ₁，则排除远接地发生的可能性，因此远接地概率性P_TD的计算公式如下：

同理可得到重着陆概率性P_VA与擦机尾概率性P_PA的计算公式：

其中，α₁、α₂、α₃分别表示每次航班的接地距离、接地载荷、接地仰角数据；μ₁、μ₂、μ₃分别为接地距离、接地载荷、接地仰角三个数据总体分布的期望值，σ₁ ²、σ₂ ²、σ₃ ²分别为接地距离、接地载荷、接地仰角数据总体分布的方差，σ₁、σ₂、σ₃分别为接地距离、接地载荷、接地仰角数据总体分布的标准差。

2.2)分别计算远接地、重着陆、擦机尾三类着陆异常事件发生的严重度；

本发明以样本数据偏离总体分布的期望值μ的程度来表征着陆异常事件的严重程度，离总体分布的期望值μ越远则严重度越高，远接地、重着陆、擦机尾严重度S_TD、S_VA、S_PA的计算公式如下所示：

2.3)根据上述概率性和严重度分别计算远接地、重着陆、擦机尾三类着陆异常事件发生的风险值；

在得到远接地、重着陆、擦机尾三类着陆异常事件发生的概率性及严重度后，按照如下公式分别计算远接地、重着陆、擦机尾三类着陆异常事件的风险值R_TD、R_VA、R_PA：

步骤3)根据上述三类异常着陆事件的风险值及各自的权重建立着陆操作绩效评价模型；

将上述远接地、重着陆、擦机尾三类异常着陆事件的风险值作为着陆操作绩效评价的指标，建立着陆操作绩效评价模型如下：

P_landing为着陆操作绩效评价值；ω₁、ω₂、ω₃分别为远接地、重着陆、擦机尾三类异常着陆事件的权重，可以通过着陆异常事件统计数据或专家法确定，或由航空公司飞行安全监管部门依据安全形式监控策略确定或调整。

步骤4)利用上述着陆操作绩效评价模型计算出某次航班的着陆操作绩效评价值，并根据预先划分的着陆操作绩效标准将上述评价值转换成着陆操作绩效等级，最终输出着陆操作绩效评价结果。

因远接地、重着陆、擦机尾三类着陆异常事件的概率性P_TD、P_VA、P_PA取值范围在0到1的区间，同时由正态分布的特性可知：99％以上的数据分布在期望值的3个标准差以内，所以远接地、重着陆、擦机尾严重度S_TD、S_VA、S_PA相应的大部分取值也在0到3之间，三类着陆异常事件风险值的值域为[0,+∞]。故对着陆操作绩效水平按如下标准进行划分，如表1所示，然后将步骤3)中计算出的某次航班的着陆操作绩效评价值P_landing对照表1而得出最终的着陆操作绩效评价结果。

表1着陆操作绩效标准

当然，在实际运用当中，航空公司可根据自身需求对着陆操作绩效等级进行自主划分，如可将着陆操作绩效等级划分为优秀、较好、良好、一般、差、较差、很差等。

如图3所示，本发明提供的基于飞行数据的着陆操作绩效评价装置包括：

数据采集单元310，用于通过航空公司的QAR系统采集某一机型在某一历史周期内n次航班的接地距离、接地载荷、接地仰角数据；

数据处理单元320，用于根据获得的QAR数据的样本统计，得出各参数的正态分布密度函数；

获得单元330，用于获得着陆操作绩效评价模型；

结果计算单元340，用于根据所述着陆操作绩效评价模型计算三类异常着陆事件发生的风险值，并结合三类异常着陆事件的权重得出着陆操作绩效评价值，最终得到着陆操作绩效评价结果。

图4是本发明实施例提供的基于飞行数据的着陆操作绩效评价装置中数据采集单元320的数据采集示意图，所述数据采集是指通过航空公司的QAR系统采集与异常着陆事件相对应的QAR参数的过程。目前国内航空公司使用的QAR设备普遍都是MO光盘或PCMCIA卡等储存介质类型的，需要每天航后由维护人员拆换储存介质，再交由译码部门进行译码分析，未来几年内中国的民航飞机将全部实现无线快速存取记录器(WQAR)，WQAR会将数据存储在内部的PCMCIA卡上，飞机落地发动机关车后，WQAR首先对数据进行压缩和加密，再通过GSM网络，自动发送数据到航空公司的无线QAR地面基站(WGBS)，再自动转到航空公司服务器上，服务器会将数据再传输到译码服务器，由译码人员将二进制的语言转化为可读数据。本装置的数据采集单元以航空公司译码服务器作为接口，对译码得出的众多QAR参数进行筛选，得到每次航班的接地距离、接地载荷、接地仰角数据，再对这些数据进行处理。

如图5所示，所述数据处理处理330单元包括：

第一处理子单元3301，用于计算某一机型在某一历史周期内的n次航班的接地距离、接地载荷、接地仰角数据所构成的样本的均值μ和方差S²；

正态检验子单元3302，用于对样本进行正态检验，若样本分布不符合正态分布，剔除数据为负或者远远超出参数分布区间的异常数据后重新计算样本均值与方差；若样本分布符合正态分布，再对样本方差进行偏差修正，得到总体方差的无偏估计量σ²；

第二处理子单元3303，用于得到该航班的接地距离、接地载荷、接地仰角的正态分布密度函数。

如图6所示，所述结果计算单元340包括：

概率性计算模块3401，用于计算远接地、重着陆、擦机尾三类着陆异常事件发生的概率性；

严重度计算模块3402，用于计算远接地、重着陆、擦机尾三类着陆异常事件发生的严重度；

风险值计算模块3403，用于计算远接地、重着陆、擦机尾三类着陆异常事件发生的风险值；

绩效值计算模块3404，用于利用获得的着陆操作绩效评价模型计算某次航班的着陆操作绩效评价值；

输出结果模块3405，用于将计算出的着陆操作绩效值转化为着陆操作绩效等级，输出着陆操作绩效评价结果。

尽管已参照优选实施例描述了本发明的精神和原理，但本领域的技术人员应理解，上述实施例仅供说明本发明之用，而并非是对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明范围的情况下，做出的各种变化、变型、修改、替换、改进等技术方案，均应属于本发明公开的范畴。

Claims (8)

1.一种基于飞行数据的着陆操作绩效评价方法，其特征在于：所述的方法包括按顺序进行的下列步骤：

步骤1)通过航空公司的QAR系统采集某一机型在某一历史周期内多次航班的接地距离、接地载荷和接地仰角数据，然后进行这些参数的分布预测；

步骤2)在步骤1)的基础上计算着陆后远接地、重着陆和擦机尾这三类异常着陆事件发生的风险值；

步骤3)根据上述三类异常着陆事件的风险值及各自的权重建立着陆操作绩效评价模型；

步骤4)利用上述着陆操作绩效评价模型计算出某次航班的着陆操作绩效评价值，并将着陆操作绩效水平划分成多个等级，然后将上述评价值转换成着陆操作绩效水平等级，最终输出着陆操作绩效评价结果。

2.根据权利要求1所述的方法，其特征在于：在步骤1)中，所述的通过航空公司的QAR系统采集某一机型在某一历史周期内多次航班的接地距离、接地载荷和接地仰角数据，然后进行这些参数的分布预测的方法包括以下步骤：

1.1)通过航空公司的QAR系统采集某一机型在某一历史周期内n次航班的接地距离、接地载荷和接地仰角数据，每一个数据作为一个样本，每种数据的所有样本组成一个样本集，然后分别计算上述每个样本集中样本的均值与方差；

X_i代表每个样本值，每个样本集中样本的均值和方差S²分别按下式计算：

$\stackrel{\‾}{X}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{X}_i,i\∈\[1,n\]$

$S^2=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{(X_i-\stackrel{\‾}{X})}^2,i\∈\[1,n\]$

1.2)根据上述样本的方差S²对上述样本进行正态检验，若样本分布不符合正态分布，剔除数据为负或者远远超出参数分布区间的异常数据后重新计算样本的均值与方差；若样本分布符合正态分布，再对样本的方差S²进行偏差修正，得到总体方差的无偏估计量σ²：

${\mathrm{\σ}}^2=\frac{n}{n-1}{S}^2=\frac{n}{n-1}\underset{i=1}{\overset{n}{\Σ}}{(X_i-\stackrel{\‾}{X})}^2,i\∈\[1,n\]$

1.3)根据上述无偏估计量σ²和样本的均值得到该航班接地距离、接地载荷、接地仰角的正态分布密度函数，均表示为：

$G\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp \frac{-{(\mathrm{\α}-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}$

其中：α表示每次航班的接地距离或接地载荷或接地仰角数据，μ表示接地距离或接地载荷或接地仰角数据总体分布的期望值，

3.根据权利要求1所述的方法，其特征在于：在步骤2)中，所述的在步骤1)的基础上计算着陆后远接地、重着陆和擦机尾这三类异常着陆事件发生的风险值的方法包括以下步骤：

2.1)根据上述接地距离、接地载荷、接地仰角的正态分布密度函数分别计算着陆后远接地、重着陆、擦机尾这三类着陆异常事件发生的概率性；

远接地概率性P_TD的计算公式如下：

$\left\{\begin{array}{c}{P}_{TD}=\left(\frac{2}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_1}{\∫}_{-\mathrm{\∞}}^{{\mathrm{\α}}_1}{e}^{\frac{-{(x-{\mathrm{\μ}}_1)}^2}{2{\mathrm{\σ}}_1^2}}dx\right)-1,{\mathrm{\α}}_1\≥{\mathrm{\μ}}_1,\\ P_{TD}=0,{\mathrm{\α}}_1\≤{\mathrm{\μ}}_1\end{array}\right.0\≤P_{TD}\≤1$

重着陆概率性P_VA与擦机尾概率性P_PA的计算公式如下：

$\left\{\begin{array}{c}{P}_{VA}=\left(\frac{2}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_2}{\∫}_{-\mathrm{\∞}}^{{\mathrm{\α}}_2}{e}^{\frac{-{(x-{\mathrm{\μ}}_2)}^2}{2{\mathrm{\σ}}_2^2}}dx\right)-1,{\mathrm{\α}}_2\≥{\mathrm{\μ}}_2,\\ P_{VA}=0,{\mathrm{\α}}_2\≤{\mathrm{\μ}}_2\end{array}\right.0\≤P_{VA}\≤1$

$\left\{\begin{array}{c}{P}_{PA}=\left(\frac{2}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_3}{\∫}_{-\mathrm{\∞}}^{{\mathrm{\α}}_3}{e}^{\frac{-{(x-{\mathrm{\μ}}_3)}^2}{2{\mathrm{\σ}}_3^2}}dx\right)-1,{\mathrm{\α}}_3\≥{\mathrm{\μ}}_3,\\ P_{PA}=0,{\mathrm{\α}}_3\≤{\mathrm{\μ}}_3\end{array}\right.0\≤P_{PA}\≤1$

其中，α₁、α₂、α₃分别表示每次航班的接地距离、接地载荷、接地仰角数据；μ₁、μ₂、μ₃分别为接地距离、接地载荷、接地仰角三个数据总体分布的期望值，σ₁ ²、σ₂ ²、σ₃ ²分别为接地距离、接地载荷、接地仰角数据总体分布的方差，σ₁、σ₂、σ₃分别为接地距离、接地载荷、接地仰角数据总体分布的标准差。

2.2)分别计算远接地、重着陆、擦机尾三类着陆异常事件发生的严重度；

远接地、重着陆、擦机尾严重度S_TD、S_VA、S_PA的计算公式如下所示：

$\left\{\begin{array}{c}{S}_{TD}=\frac{{\mathrm{\α}}_1-{\mathrm{\μ}}_1}{{\mathrm{\σ}}_1},{\mathrm{\α}}_1\≥{\mathrm{\μ}}_1\\ S_{TD}=0,{\mathrm{\α}}_1\≤{\mathrm{\μ}}_1\end{array}\right.,S_{TD}\≥0$

$\left\{\begin{array}{c}{S}_{VA}=\frac{{\mathrm{\α}}_2-{\mathrm{\μ}}_2}{{\mathrm{\σ}}_2},{\mathrm{\α}}_2\≥{\mathrm{\μ}}_2\\ S_{VA}=0,{\mathrm{\α}}_2\≤{\mathrm{\μ}}_2\end{array}\right.,S_{VA}\≥0$

$\left\{\begin{array}{c}{S}_{PA}=\frac{{\mathrm{\α}}_3-{\mathrm{\μ}}_3}{{\mathrm{\σ}}_3},{\mathrm{\α}}_3\≥{\mathrm{\μ}}_3\\ S_{PA}=0,{\mathrm{\α}}_3\≤{\mathrm{\μ}}_3\end{array}\right.,S_{PA}\≥0$

2.3)根据上述概率性和严重度分别计算远接地、重着陆、擦机尾三类着陆异常事件发生的风险值；

按照如下公式分别计算远接地、重着陆、擦机尾三类着陆异常事件的风险值R_TD、R_VA、R_PA：

$\left\{\begin{array}{c}{R}_{TD}=P_{TD}\×S_{TD}\\ R_{VA}=P_{VA}\×S_{VA}\\ R_{PA}=P_{PA}\×S_{PA}\end{array}\right..$

4.根据权利要求1所述的方法，其特征在于：在步骤3)中，所述的根据上述三类异常着陆事件的风险值及各自的权重建立着陆操作绩效评价模型如下：

$\left\{\begin{array}{c}{P}_{landing}={\mathrm{\ω}}_1.R_{TD}+{\mathrm{\ω}}_2.R_{VA}+{\mathrm{\ω}}_3.R_{PA}\\ {\mathrm{\ω}}_1+{\mathrm{\ω}}_2+{\mathrm{\ω}}_3=1\end{array}\right.$

P_landing为着陆操作绩效评价值；ω₁、ω₂、ω₃分别为远接地、重着陆、擦机尾三类异常着陆事件的权重，该权重通过着陆异常事件统计数据或专家法确定，或由航空公司飞行安全监管部门依据安全形式监控策略确定或调整。

5.根据权利要求1所述的方法，其特征在于：在步骤4)中，所述的利用上述着陆操作绩效评价模型计算出某次航班的着陆操作绩效评价值，并根据预先划分的着陆操作绩效标准将上述评价值转换成着陆操作绩效等级，最终输出着陆操作绩效评价结果的方法是：

对着陆操作绩效水平按如下标准进行划分，如表1所示，然后将步骤3)中计算出的某次航班的着陆操作绩效评价值P_landing对照表1而得出最终的着陆操作绩效评价结果；

表1着陆操作绩效标准

6.一种采用权利要求1所述方法的基于飞行数据的着陆操作绩效评价装置，其特征在于：所述的装置包括：

数据采集单元，用于通过航空公司的QAR系统采集某一机型在某一历史周期内n次航班的接地距离、接地载荷、接地仰角数据；

数据处理单元，用于根据获得的QAR数据的样本统计，得出各参数的正态分布密度函数；

获得单元，用于获得着陆操作绩效评价模型；

结果计算单元，用于根据所述着陆操作绩效评价模型计算三类异常着陆事件发生的风险值，并结合三类异常着陆事件的权重得出着陆操作绩效评价值，最终得到着陆操作绩效评价结果。

7.根据权利要求6所述的装置，其特征在于：所述的数据处理处理单元包括：

第一处理子单元，用于计算某一机型在某一历史周期内的n次航班的接地距离、接地载荷、接地仰角数据所构成的样本的均值μ和方差S²；

正态检验子单元，用于对样本进行正态检验，若样本分布不符合正态分布，剔除数据为负或者远远超出参数分布区间的异常数据后重新计算样本均值与方差；若样本分布符合正态分布，再对样本方差进行偏差修正，得到总体方差的无偏估计量σ²；

第二处理子单元，用于得到该航班的接地距离、接地载荷、接地仰角的正态分布密度函数。

8.根据权利要求6所述的装置，其特征在于：所述的结果计算单元包括：

概率性计算模块，用于计算远接地、重着陆、擦机尾三类着陆异常事件发生的概率性；

严重度计算模块，用于计算远接地、重着陆、擦机尾三类着陆异常事件发生的严重度；

风险值计算模块，用于计算远接地、重着陆、擦机尾三类着陆异常事件发生的风险值；

绩效值计算模块，用于利用获得的着陆操作绩效评价模型计算某次航班的着陆操作绩效评价值；

输出结果模块，用于将计算出的着陆操作绩效值转化为着陆操作绩效等级，输出着陆操作绩效评价结果。