CN113298431A - 基于航空qar大数据的飞行员胜任能力画像方法及系统 - Google Patents
基于航空qar大数据的飞行员胜任能力画像方法及系统 Download PDFInfo
- Publication number
- CN113298431A CN113298431A CN202110683842.1A CN202110683842A CN113298431A CN 113298431 A CN113298431 A CN 113298431A CN 202110683842 A CN202110683842 A CN 202110683842A CN 113298431 A CN113298431 A CN 113298431A
- Authority
- CN
- China
- Prior art keywords
- flight
- pilot
- technical
- level
- calculating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000011156 evaluation Methods 0.000 claims abstract description 109
- 238000013507 mapping Methods 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000004140 cleaning Methods 0.000 claims abstract description 9
- 238000005516 engineering process Methods 0.000 claims description 57
- 230000006870 function Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 27
- 230000007812 deficiency Effects 0.000 claims description 24
- 238000010606 normalization Methods 0.000 claims description 24
- 230000000007 visual effect Effects 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 12
- 238000013459 approach Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 5
- 238000013139 quantization Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000036626 alertness Effects 0.000 claims description 3
- 230000003340 mental effect Effects 0.000 claims description 3
- 230000004630 mental health Effects 0.000 claims description 3
- 238000013215 result calculation Methods 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims 1
- 238000012800 visualization Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006735 deficit Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008450 motivation Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 241000408710 Hansa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Fuzzy Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
Abstract
本发明涉及一种基于航空QAR大数据的飞行员胜任能力画像方法及系统。该方法包括：清洗航空QAR大数据；标定规定标准值和统计标准值，依据标准值将飞行参数划分模糊集并计算隶属度函数，评定技术等级；将技术等级分级量化，利用全局权重计算各飞行参数的单项评分，生成单次飞行任务的技术评分；将飞行参数作为三级技术指标，计算同一飞行员参与全部飞行任务的技术评分、技术等级风险和技术稳定性风险；建立技术‑能力‑胜任力指标的映射关系，构建飞行员层级综合评估指标体系；利用局部权重计算二级能力评分及一级胜任力评分；可视化画像结果，确定飞行员的综合技术能力，反馈和监控飞行品质。本发明可视化监控飞行品质，量化飞行员技能短板。
Description
技术领域
本发明涉及航空飞行与大数据分析的交叉技术领域，特别是涉及一种基于航空QAR大数据的飞行员胜任能力画像方法及系统。
背景技术
快速存取记录器(QAR，Quick Access Recorder)用于航空飞行监控，记录整个飞行阶段的状态、位置、操作、环境条件等二百余个参数。相对于早期应用的飞行数据记录器(Flight Data Recorder，FDR)，QAR具有其突出的优点，它能够连续记录长达100～600h的原始飞行数据，采集频率高达16Hz，进行长时间大存储记录。QAR是实现飞行品质监控(Flight Operations Quality Assurance，FOQA)的关键技术基础，国际民航组织从2005年起要求各成员国从事国际航空运输的公司必须开展FOQA工作，这项工作对于保证航空安全意义重大。为此，发达国家的民航业已经广泛深入地开展了FOQA，例如法航、汉莎航空、英航等。亚洲知名的几家航空公司如大韩航空和全日空开展FOQA也已经有数十年之久。中国民航在这方面起步晚、起点高、见效快。为提高航空安全水平，从1997年开始，中国民航总局在所有航空运输承运人中推行基于QAR数据分析的飞行品质监控工程，规定在中国境内注册并营运的运输飞机应当安装快速存取记录器QAR或其他等效设备。目前，QAR数据已被各个航空公司或部门广泛应用于飞行过程仿真重现、飞行品质监控与改善、飞行技术评价、飞机维修维护、安全品质评估、油耗评测与节能技术的改进、事故因素调查等工作，并发挥了重要的作用。
中国民航总局公布的数据显示，近十年来，全国民航运输总周转量、旅客周转量、可提供客公里等指标，基本都保持在每年10％以上的高位增长。民航业面临高速增长的同时，民用航空安全管理的水平也应当与时俱进。然而，当前针对QAR数据的处理多采用超限即告警，未超限不告警的处理方法，造成大量未超限信息被浪费，并且只有当超限事件发生后才能进行事后分析，这时往往已经无法避免严重事故的发生，而对飞行系统日常运行的健康状态和潜在风险因素缺少判断和预见。由此可见，应用QAR数据开展飞行品质监控工作已经具备了充分的硬件条件基础和广泛的市场需求，但在QAR处理分析等的技术层面暴露出很大的技术短板和逻辑性漏洞，这就迫切地需要提出适用于飞行品质监控工程的专业创新方法。
人为因素是导致飞行安全事故的主要原因，相关研究结果显示，70％以上的航空飞行事故的发生都与飞行员有直接的关系，飞行员的操作行为与航空安全关系最紧密、最复杂。随着飞机控制系统的高度自动化，飞行员越来越成为影响飞行安全最不稳定的因素。目前，基于QAR数据的飞行员评估方法主要集中在事先人为筛选少数几个或十几个主观认为影响飞行品质比较重要的参数，其次针对单个危险事件，比如重着陆、长着陆等，开展统计关联性分析或时间序列趋势推断，识别出影响飞行品质的关联性较大的参数，并将未来可能出现的超限事件作为评分项用以评估飞行员的操作技术。这种当前评估方法的缺点在于无法避免评估人员主观经验的偏差影响，所使用的QAR参数仍然是少量和局部的，对于某些操作参数间的相互影响很少考虑在内，也不能形成一套较为完备的飞行员综合评估标准，无法准确评估出飞行员的操作技术水平，因此，无法及时发现飞行员的操作技术短板，致使无法提前对飞行员的这些主观风险因素进行关注、规避和复训，以及录用、培训和选拔技术能力和安全水平高的飞行员，而无法克服技术短板的飞行员会导致飞行品质差，可能会造成飞行事故。
发明内容
本发明的目的是提供一种基于航空QAR大数据的飞行员胜任能力画像方法及系统，以解决飞行员操作技术水平评估精度低，导致无法克服技术短板的飞行员飞行品质差，易造成飞行事故的问题。
为实现上述目的，本发明提供了如下方案：
一种基于航空QAR大数据的飞行员胜任能力画像方法，包括：
对航空QAR数据进行数据清洗，获取目标QAR数据集；所述目标QAR数据集包括航空飞行员执行飞行任务的飞行参数；所述飞行参数包括飞行操作、飞行位置、飞行状态以及飞行环境；
标定所述飞行参数的标准值，依据所述标准值将所述飞行参数划分为模糊集并计算隶属度函数，评定各项所述飞行参数的技术等级；所述标准值包括规定标准值和统计标准值；所述技术等级包括严重欠缺等级、轻微欠缺等级、规范操作等级、轻微超限等级以及严重超限等级；
计算各个所述飞行参数的权重，并将任一所述技术等级所对应的模糊集分级量化，利用所述飞行参数的权重计算各个所述飞行参数的单项评分，生成单次飞行任务的技术评分；
根据所述单次飞行任务的技术评分，计算同一飞行员参与全部飞行任务的三级技术评估结果；所述三级技术评估结果包括综合技术评分、技术等级风险以及技术稳定性风险；
按照所述飞行任务的时序对所述飞行参数划分阶段，按照所述飞行任务的事件对所述飞行参数划分属性，建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系；所述阶段包括地面运行阶段、起飞阶段、巡航阶段、进近阶段以及着陆阶段；所述事件属性包括程序应用、通信联络、边界管理、人工控制、空情决策、条件创造和危机应对；所述技术是指飞行员专业操作技术符合飞行安全平稳运行的标准；所述能力是指飞行员在尽可能多的任务情景下满足飞行安全平稳运行的程度；所述胜任力是指飞行员技术的和非技术的技能、知识、态度、价值观、特质、动机和自我形象的深层认知特征。
基于所述飞行员层级综合评估指标体系，计算同一层级内评估指标的局部权重，依次计算飞行员的二级能力评分结果以及一级胜任力评分结果；
绘制所述三级技术评估结果、所述二级能力评分结果以及所述一级胜任力评分结果的可视化图表，直观呈现飞行员的综合技术能力，以反馈和监控飞行品质。可选的，所述标定所述飞行参数的标准值，依据所述标准值将所述飞行参数划分为模糊集并计算隶属度函数，评定各项所述飞行参数的技术等级，具体包括：
参考航空飞行管理文件，确定所述飞行参数的规定标准值以及统计标准值；所述航空飞行管理文件为民航局、航空运行管理部门或航空公司实施航空飞行管理的官方正式文件；所述规定标准值为所述航空飞行管理文件中已经具有明文标示的飞行参数的规定值；所述统计标准值为所述航空飞行管理文件中尚未形成明文标示，但根据所述目标QAR数据集中数据的离散情况得到的飞行参数的期望值；
将所述飞行参数相对于所述规定标准值以及所述统计标准值的偏差分布情况界定五个模糊集；
计算所述飞行参数属于各个所述模糊集的隶属度函数；
基于所述隶属度函数，依据最大隶属度准则，确定所述飞行参数所属的唯一模糊集，并根据所述偏差分布情况从小到大依次评定各项所述飞行参数的技术等级。
可选的，所述计算各个所述飞行参数的权重，并将任一所述技术等级所对应的模糊集分级量化，利用所述飞行参数的权重计算各个所述飞行参数的单项评分，生成单次飞行任务的技术评分，具体包括：
对所述飞机参数进行归一化处理，确定归一化处理后的飞机参数；
计算所述归一化处理后的飞机参数的信息熵，取各个所述飞机参数的信息熵在所述飞机参数整体中的相对比值作为所述飞机参数的权重；
将所述技术等级所在的模糊集分级量化，生成技术等级值；
计算所述技术等级值与所述技术等级对应的隶属度的点积，确定各个所述飞行参数的单项评分；
计算所述单项评分与所述权重的点积，确定单次飞行任务的技术评分。
可选的，所述根据所述单次飞行任务的技术评分，计算同一飞行员参与全部飞行任务的三级技术评估结果，具体包括：
根据所述单次飞行任务的技术评分，将所述飞行任务按照飞行员的参与情况分组，确定每位所述飞行员参与的全部飞行任务子组；
计算各个所述飞行任务子组内的所述飞行参数的单项评分的均值以及所有所述飞行参数的整体评分的均值，确定综合技术评分；所述综合技术评分包括飞行员的单项评分以及整体评分，所述飞行参数的单项评分的均值为所述飞行员的单项评分，所有所述飞行参数的整体评分的均值为所述飞行员的整体评分；
计算各个所述飞行任务子组内的所述飞行参数的技术等级的非标准事件，将所述飞行参数的技术等级的异常计数作为所述技术等级风险；
计算各个所述飞行任务子组内的所述飞行参数的单项评分的标准差以及所有所述飞行参数的整体评分的标准差，确定技术稳定性风险；所述技术稳定性风险包括飞行员的单项稳定性风险以及整体稳定性风险，所述飞行参数的单项评分的标准差为所述飞行员的单项稳定性风险，所有所述飞行参数的整体评分的标准差为所述飞行员的整体稳定性风险。
可选的，所述按照所述飞行任务的时序对所述飞行参数划分阶段，按照所述飞行任务的事件对所述飞行参数划分属性，建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系，具体包括：
将所述飞行参数定义为三级技术指标；
按照所述飞行任务的时序对所述飞行参数划分阶段，根据阶段划分结果确定所述飞行员将所述飞行参数按照所述阶段进行分类的第一分类能力；
按照所述飞行任务的事件对所述飞行参数划分属性，根据属性划分结果确定所述飞行员将所述飞行参数按照所述属性进行分类的第二分类能力；
根据所述第一分类能力以及所述第二分类能力确定二级能力指标；所述二级能力指标反映所述飞行员在飞行阶段以及事件属性两个维度的能力特征；
根据所述二级能力指标划分一级胜任力指标，建立从技术到能力、从能力到胜任力的参数映射关系；所述一级胜任力指标包括核心胜任力指标、心理胜任力指标以及作风胜任力指标；所述核心胜任力指标由包括程序应用、通信联络、人工控制和空情决策的反映技术和非技术的知识、技能和态度的能力指标构成；所述心理胜任力指标由包括危机应对的反映心理健康状态和职业适应性心理的能力指标构成；所述作风胜任力指标由包括边界管理和条件创造的反映正向安全态度、责任感、自律性、警觉性、预见性、容忍度、认可度、敬业度的职业素养和职业提升进步的价值观的能力指标构成；
根据所述参数映射关系建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系。
可选的，所述基于所述飞行员层级综合评估指标体系，计算同一层级内评估指标的局部权重，依次计算飞行员的二级能力评分结果以及一级胜任力评分结果，具体包括：
基于所述飞行员层级综合评估指标体系，将分类后的飞行参数相对于类内的飞行参数进行归一化处理，逐层计算高一层级内评估指标相较于低一层级的局部权重；
计算所述飞行参数的单项评分与所述局部权重的点积，确定所述飞行员各项能力指标的评分，并根据各项所述能力指标的评分确定所述飞行员执行各个阶段不同属性的飞行任务的二级能力评分结果；
计算所述能力指标的评分与所述局部权重的点积，确定各项胜任力指标的评分，并根据各项所述胜任力指标的评分确定所述飞行员执行各个阶段不同类型的飞行任务的一级胜任力评分结果。
可选的，所述绘制所述三级技术评估结果、所述二级能力评分结果以及所述一级胜任力评分结果的可视化图表，直观呈现飞行员的综合技术能力，以反馈和监控飞行品质，具体包括：
利用雷达图的形式绘制所述三级技术评估结果、所述二级能力评分结果以及所述一级胜任力评分结果的可视化图表，直观呈现飞行员的综合技术能力，以反馈和监控飞行品质。
一种基于航空QAR大数据的飞行员胜任能力画像系统，包括：
目标QAR数据集获取模块，用于对航空QAR数据进行数据清洗，获取目标QAR数据集；所述目标QAR数据集包括航空飞行员执行飞行任务的飞行参数；所述飞行参数包括飞行操作、飞行位置、飞行状态以及飞行环境；
技术等级评定模块，用于标定所述飞行参数的标准值，依据所述标准值将所述飞行参数划分为模糊集并计算隶属度函数，评定各项所述飞行参数的技术等级；所述标准值包括规定标准值和统计标准值；所述技术等级包括严重欠缺等级、轻微欠缺等级、规范操作等级、轻微超限等级以及严重超限等级；
单次飞行任务的技术评分生成模块，用于计算各个所述飞行参数的权重，并将任一所述技术等级所对应的模糊集分级量化，利用所述飞行参数的权重计算各个所述飞行参数的单项评分，生成单次飞行任务的技术评分；
三级技术评估结果计算模块，用于根据所述单次飞行任务的技术评分，计算同一飞行员参与全部飞行任务的三级技术评估结果；所述三级技术评估结果包括综合技术评分、技术等级风险以及技术稳定性风险；
飞行员层级综合评估指标体系建立模块，用于按照所述飞行任务的时序对所述飞行参数划分阶段，按照所述飞行任务的事件对所述飞行参数划分属性，建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系；所述阶段包括地面运行阶段、起飞阶段、巡航阶段、进近阶段以及着陆阶段；所述事件属性包括程序应用、通信联络、边界管理、人工控制、空情决策、条件创造和危机应对；
二级能力评分结果以及一级胜任力评分结果计算模块，用于基于所述飞行员层级综合评估指标体系，计算同一层级内评估指标的局部权重，依次计算飞行员的二级能力评分结果以及一级胜任力评分结果；
可视化显示及监控模块，用于绘制所述三级技术评估结果、所述二级能力评分结果以及所述一级胜任力评分结果的可视化图表，直观呈现飞行员的综合技术能力，以反馈和监控飞行品质。
可选的，所述技术等级评定模块，具体包括：
规定标准值以及统计标准值确定单元，用于参考航空飞行管理文件，确定所述飞行参数的规定标准值以及统计标准值；所述航空飞行管理文件为民航局、航空运行管理部门或航空公司实施航空飞行管理的官方正式文件；所述规定标准值为所述航空飞行管理文件中已经具有明文标示的飞行参数的规定值；所述统计标准值为所述航空飞行管理文件中尚未形成明文标示，但根据所述目标QAR数据集中数据的离散情况得到的飞行参数的期望值；
模糊集界定单元，用于将所述飞行参数相对于所述规定标准值以及所述统计标准值的偏差分布情况界定五个模糊集；
隶属度函数计算单元，用于计算所述飞行参数属于各个所述模糊集的隶属度函数；
技术等级评定单元，用于基于所述隶属度函数，依据最大隶属度准则，确定所述飞行参数所属的唯一模糊集，并根据所述偏差分布情况从小到大依次评定各项所述飞行参数的技术等级。
可选的，所述单次飞行任务的技术评分生成模块，具体包括：
归一化处理单元，用于对所述飞机参数进行归一化处理，确定归一化处理后的飞机参数；
权重计算单元，用于计算所述归一化处理后的飞机参数的信息熵，取各个所述飞机参数的信息熵在所述飞机参数整体中的相对比值作为所述飞机参数的权重；
技术等级值生成单元，用于将所述技术等级所在的模糊集分级量化，生成技术等级值；
飞行参数的单项评分确定单元，用于计算所述技术等级值与所述技术等级对应的隶属度的点积，确定各个所述飞行参数的单项评分；
单次飞行任务的技术评分确定单元，用于计算所述单项评分与所述权重的点积，确定单次飞行任务的技术评分。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供了一种基于航空QAR大数据的飞行员胜任能力画像方法及系统，有效地提取航空QAR数据中的人因信息，考虑飞行员操作行为间的关联性，建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系，逐级评估飞行员的操作技术水平和个人核心能力，提高对飞行员操作技术水平的评估精度，对日常的飞行数据形成量化的评估结果，可视化显示评估结果，即三级技术评估结果、二级能力评分结果以及一级胜任力评分结果，确定飞行员的综合技术能力，以监控飞行品质。同时，本发明通过评估发现飞行员的技术超差或能力短板，提前对这些风险因素进行关注、规避和复训，以及录用、培训和选拔技术能力和安全水平高的飞行员。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的基于航空QAR大数据的飞行员胜任能力画像方法流程图；
图2为本发明所提供的基于航空QAR大数据的飞行员胜任能力画像方法应用于实际中的方法流程图；
图3为本发明所提供的飞行员层级综合评估指标体系示意图；
图4为本发明所提供的飞行员可视化评估结果的示意图；
图5为本发明所提供的基于航空QAR大数据的飞行员胜任能力画像系统结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
从特征上来说，QAR数据就是一种大数据。大数据泛指巨量的数据集，一般大数据有四个特点，即“4V”：Volume(规模性)、Velocity(高速性)、Variety(多样性)、Value(价值性)。顾名思义，大数据分析是指对规模巨大的数据进行分析。面对航空QAR大数据开展飞行员评估，不能只瞄准一个或几个参数，不能局限于单个或局部危险事件，而是应当进行从大数据到信息，再从信息到知识的过程，挖掘数据背后反映飞行员的实质性技术能力。为此，本发明将大数据分析应用于飞行员的技术能力评估，提出了一种基于航空QAR大数据的飞行员胜任能力画像方法及系统，形成了一套飞行员综合评估指标体系，实现对飞行员的各等级飞行能力做出评分。这项方法通过精准、系统的飞行员评估能够及早定位和预防人因环节导致的严重飞行事故，提高飞行品质监控的效果。
图1为本发明所提供的基于航空QAR大数据的飞行员胜任能力画像方法流程图，如图1所示，一种基于航空QAR大数据的飞行员胜任能力画像方法，包括：
步骤101：对航空QAR数据进行数据清洗，获取目标QAR数据集；所述目标QAR数据集包括航空飞行员执行飞行任务的飞行参数；所述飞行参数包括飞行操作、飞行位置、飞行状态以及飞行环境。
步骤102：标定所述飞行参数的标准值，依据所述标准值将所述飞行参数划分为模糊集并计算隶属度函数，评定各项所述飞行参数的技术等级；所述标准值包括规定标准值和统计标准值；所述技术等级包括严重欠缺等级、轻微欠缺等级、规范操作等级、轻微超限等级以及严重超限等级。
在实际应用中，所述步骤102具体包括：参考航空飞行管理文件，确定所述飞行参数的规定标准值以及统计标准值；所述航空飞行管理文件为民航局、航空运行管理部门或航空公司实施航空飞行管理的官方正式文件；所述规定标准值为所述航空飞行管理文件中已经具有明文标示的飞行参数的规定值；所述统计标准值为所述航空飞行管理文件中尚未形成明文标示，但根据所述目标QAR数据集中数据的离散情况得到的飞行参数的期望值；将所述飞行参数相对于所述规定标准值以及所述统计标准值的偏差分布情况界定五个模糊集；计算所述飞行参数属于各个所述模糊集的隶属度函数；基于所述隶属度函数，依据最大隶属度准则，确定所述飞行参数所属的唯一模糊集，并根据所述偏差分布情况从小到大依次评定各项所述飞行参数的技术等级。
步骤103：计算各个所述飞行参数的权重，并将任一所述技术等级所对应的模糊集分级量化，利用所述飞行参数的权重计算各个所述飞行参数的单项评分，生成单次飞行任务的技术评分。
所述步骤103具体包括：对所述飞机参数进行归一化处理，确定归一化处理后的飞机参数；计算所述归一化处理后的飞机参数的信息熵，取各个所述飞机参数的信息熵在所述飞机参数整体中的相对比值作为所述飞机参数的权重；将所述技术等级所在的模糊集分级量化，生成技术等级值；计算所述技术等级值与所述技术等级对应的隶属度的点积，确定各个所述飞行参数的单项评分；计算所述单项评分与所述权重的点积，确定单次飞行任务的技术评分。
步骤104：根据所述单次飞行任务的技术评分，计算同一飞行员参与全部飞行任务的三级技术评估结果；所述三级技术评估结果包括综合技术评分、技术等级风险以及技术稳定性风险。
所述步骤104具体包括：根据所述单次飞行任务的技术评分，将所述飞行任务按照飞行员的参与情况分组，确定每位所述飞行员参与的全部飞行任务子组；计算各个所述飞行任务子组内的所述飞行参数的单项评分的均值以及所有所述飞行参数的整体评分的均值，确定综合技术评分；所述综合技术评分包括飞行员的单项评分以及整体评分，所述飞行参数的单项评分的均值为所述飞行员的单项评分，所有所述飞行参数的整体评分的均值为所述飞行员的整体评分；计算各个所述飞行任务子组内的所述飞行参数的技术等级的非标准事件，将所述飞行参数的技术等级的异常计数作为所述技术等级风险；计算各个所述飞行任务子组内的所述飞行参数的单项评分的标准差以及所有所述飞行参数的整体评分的标准差，确定技术稳定性风险；所述技术稳定性风险包括飞行员的单项稳定性风险以及整体稳定性风险，所述飞行参数的单项评分的标准差为所述飞行员的单项稳定性风险，所有所述飞行参数的整体评分的标准差为所述飞行员的整体稳定性风险。
步骤105：按照所述飞行任务的时序对所述飞行参数划分阶段，按照所述飞行任务的事件对所述飞行参数划分属性，建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系；所述阶段包括地面运行阶段、起飞阶段、巡航阶段、进近阶段以及着陆阶段；所述事件属性包括程序应用、通信联络、边界管理、人工控制、空情决策、条件创造和危机应对。
所述步骤105具体包括：将所述飞行参数定义为三级技术指标；按照所述飞行任务的时序对所述飞行参数划分阶段，根据阶段划分结果确定所述飞行员将所述飞行参数按照所述阶段进行分类的第一分类能力；按照所述飞行任务的事件对所述飞行参数划分属性，根据属性划分结果确定所述飞行员将所述飞行参数按照所述属性进行分类的第二分类能力；根据所述第一分类能力以及所述第二分类能力确定二级能力指标；所述二级能力指标反映所述飞行员在飞行阶段以及事件属性两个维度的能力特征；根据所述二级能力指标划分一级胜任力指标，建立从技术到能力、从能力到胜任力的参数映射关系；所述一级胜任力指标包括核心胜任力指标、心理胜任力指标以及作风胜任力指标；所述核心胜任力指标由包括程序应用、通信联络、人工控制和空情决策的反映技术和非技术的知识、技能和态度的能力指标构成；所述心理胜任力指标由包括危机应对的反映心理健康状态和职业适应性心理的能力指标构成；所述作风胜任力指标由包括边界管理和条件创造的反映正向安全态度、责任感、自律性、警觉性、预见性、容忍度、认可度、敬业度的职业素养和职业提升进步的价值观的能力指标构成；根据所述参数映射关系建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系。
步骤106：基于所述飞行员层级综合评估指标体系，计算同一层级内评估指标的局部权重，依次计算飞行员的二级能力评分结果以及一级胜任力评分结果。
所述步骤106具体包括：基于所述飞行员层级综合评估指标体系，将分类后的飞行参数相对于类内的飞行参数进行归一化处理，逐层计算高一层级内评估指标相较于低一层级的局部权重；计算所述飞行参数的单项评分与所述局部权重的点积，确定所述飞行员各项能力指标的评分，并根据各项所述能力指标的评分确定所述飞行员执行各个阶段不同属性的飞行任务的二级能力评分结果；计算所述能力指标的评分与所述局部权重的点积，确定各项胜任力指标的评分，并根据各项所述胜任力指标的评分确定所述飞行员执行各个阶段不同属性的飞行任务的一级胜任力评分结果。
步骤107：绘制所述三级技术评估结果、所述二级能力评分结果以及所述一级胜任力评分结果的可视化图表，直观呈现飞行员的综合技术能力，以反馈和监控飞行品质。
所述步骤107具体包括：利用雷达图的形式绘制所述三级技术评估结果、所述二级能力评分结果以及所述一级胜任力评分结果的可视化图表，直观呈现飞行员的综合技术能力，以反馈和监控飞行品质。
以某段时期导出的航空QAR数据集作为实施例，该QAR数据集包括21010条飞行任务记录，256个包括状态、位置、操作在内的飞行参数。基于该QAR数据集实施本发明所提供的一种基于航空QAR大数据的飞行员胜任能力画像方法，如图2所示，具体步骤如下：
步骤一：对航空QAR数据进行数据清洗，获取正确有效的目标QAR数据集。
在步骤一中所述的数据清洗是指发现和纠正原始导出的QAR数据中可识别的错误，其做法为检查数据一致性，处理缺失值和无效值。在步骤一中所述的目标QAR数据集是指经过数据清洗后达到格式正确、记录有效的要求，并能够应用于大数据计算分析的目标数据集合，它包括飞行参数和飞行任务两个维度的数据。在本实例中步骤一的具体实施方式为，将原始QAR数据集导入计算机，删除NAN值个数大于5，以及数据格式不满足规定格式要求的无效任务记录，并删除日期、时间、文件号等与飞行操作无关的参数记录，得到21000个飞行任务×242个飞行参数的目标QAR数据集，作为评估使用的数据对象。
本发明将大数据分析和飞行员评估结合起来，减少了传统评估方法的数据浪费，有效提取大数据所蕴含的信息，输出量化的评分结果和可视化结果，实施飞行员的数字化管理。
步骤二：对于QAR数据集的飞行参数维度，参考航空飞行管理文件，确定飞行参数的规定标准值和统计标准值。
在步骤二中所述的飞行参数指的是QAR数据集中历次飞行任务的各项参数记录，它包括飞行状态、操作、位置和环境在内不同类型的飞行参数。在步骤二中所述的航空飞行管理文件是指民航局、航空运行管理部门或航空公司等实施航空飞行管理的官方正式文件。在步骤二中所述的规定标准值是指航空飞行管理文件中已经具有明文标示的飞行参数的规定值；所述的统计标准值是指航空飞行管理文件中尚未形成明文标示，而是根据数据的离散情况得到的飞行参数的期望值。在本实例中步骤二的具体实施方式为，根据航空公司飞行训练手册的要求，以标准区间的形式标定飞行参数的规定标准值，在本实例中这部分飞行参数包括50-vapp、PITCH_MAX_LD、ROLL_MAX_BL100、IVV_MAX_BL50、SLOPEMAX等共9个；对于飞行手册中尚未明文规定的大部分参数服从正态分布，计算参数均值作为统计标准值。
步骤三：依据标准值，确定隶属度函数，将飞行参数数据划分为模糊集，评定各项飞行参数的技术等级。
在步骤三中所述的标准值是指在步骤二中得到的规定标准值和统计标准值，统称为标准值。在步骤三中所述的隶属度函数是指模糊评价理论中的概念，它是一个模糊集中的元素属于该模糊集的真实程度的度量。在步骤三中所述的模糊集是指模糊数学中的概念，它是区间到值映射的元素集合；所述的“将飞行参数数据划分为模糊集”，其做法如下：将飞行参数相对于标准值的偏差分布情况界定为五个模糊集，分别位于标准值正中区间和正负向偏差区间各两个，并计算参数数据属于各模糊集的隶属度。在步骤三中所述的“评定各项参数的技术等级”，其做法如下：依据最大隶属度准则，确定参数数据所属的唯一模糊集，并根据相对标准值的偏差分布情况从小到大依次评定为“严重欠缺(BadDeficiency)”、“轻微欠缺(SlightDeficiency)”、“规范操作(Great)”、“轻微超限(SlightExcess)”、“严重超限(Bad Excess)”共五级技术等级。在本实例中步骤三的具体实施方式为，选用三角形式的隶属度函数(Triangular Membership Function)，将飞行参数相对于标准值的偏差分布情况界定为五个模糊集，表1为本发明参照技术等级的安全风险设定的等级值示意表，如表1所示，计算隶属度函数的值作为参数数据属于各个模糊集的隶属度。然后依据最大隶属度准则，确定参数数据所属的唯一模糊集评定为相应的技术等级，并根据等级大小依次将其命名为“严重欠缺(Bad Deficiency)”、“轻微欠缺(SlightDeficiency)”、“规范操作(Great)”、“轻微超限(Slight Excess)”、“严重超限(BadExcess)”共五级技术等级。
表1
| 技术等级 | 定义 | 安全值 |
| 1 | 严重欠缺(Bad Deficiency) | 0.5 |
| 2 | 轻微欠缺(Slight Deficiency) | 0.8 |
| 3 | 规范操作(Great) | 1 |
| 4 | 轻微超限(Slight E×cess) | 0.8 |
| 5 | 严重超限(Bad Excess) | 0.5 |
本发明结合模糊数学实现了飞行员技术水平的分级，创新性地提出了“严重欠缺(Bad Deficiency)”、“轻微欠缺(Slight Deficiency)”、“规范操作(Great)”、“轻微超限(Slight Excess)”、“严重超限(Bad Excess)”的五级技术等级，飞行员个人及管理部门能够直观地读取技术操作情况，使得评估结果定位明确，易于理解。
步骤四：应用熵权法，计算各飞行参数的权重。
在步骤四中所述的熵权法是指根据一组数据所反映的信息量大小来确定该组数据在整体中所占权重的方法，信息量越大相应的权重就越大，它完全由数据本身的性质决定；在步骤四中所述的“计算各飞行参数的权重”，其做法如下：首先对飞行参数进行归一化，以消除量纲的影响；其次计算飞行参数的信息熵，取各参数的信息熵在参数整体中的相对比值作为权重，它反映了各飞行参数对飞行员评价的影响大小。在本实例中步骤四的具体实施方式为，将所有242个飞行参数进行归一化，即：
其中xij是指第i条飞行任务记录中第j个飞行参数的值，min(xj)是指j个飞行参数的最小值，max(xj)是指j个飞行参数的最大值，x′ij是指归一化后的飞行参数的值。其次，计算飞行参数的信息熵ej，信息熵是参数所包含信息量的期望，即：
其中，
其中m是目标QAR数据集中的总飞行任务数量。然后，计算得到各飞行参数的权重，即：
步骤五：将飞行参数所在的模糊集分级量化，应用熵权法得到的权重，计算飞行参数的技术评分。
在步骤五中所述的分级量化是将技术等级所在的模糊集处理为一个具体值的过程，它赋予各项技术等级一个更加直观、利于定量比较的技术等级值，如表1所示。在步骤五中所述的“计算飞行参数的技术评分”，其做法如下：首先计算技术等级值与技术等级隶属度的点积，得到各飞行参数的评分；其次计算飞行参数评分与权重的点积，即加权和，得到单次飞行任务的技术评分。在本实例中步骤五的具体实施方式为，将技术等级所在的模糊集参照技术等级的安全风险处理为表1所示的安全值，计算技术等级安全值Hl与技术等级隶属度rtqnl的点积，得到飞行参数n的单项评分Rtqn，n＝1,2,3....，即：
应用熵权法得到的权重Wtq，计算飞行参数评分与权重的点积，得到单次飞行任务的技术评分Ttq，即：
步骤六：对于QAR数据集的飞行任务维度，计算同一飞行员参与全部飞行任务的综合技术评分、技术等级风险及技术稳定性风险。
在步骤六中所述的综合技术评分是指飞行员综合数次飞行任务的平均表现，它既包括各项飞行参数的单项评分，也包括考虑全部飞行参数在内的整体评分；所述的技术等级风险是指飞行员参与数次飞行任务其技术等级的超限情况；所述的稳定性风险是指飞行员参与数次飞行任务其飞行表现的稳定性变化，它既包括各项飞行参数的单项稳定性风险，也包括考虑全部飞行参数在内的整体稳定性风险。在步骤六中所述的“计算同一飞行员参与全部飞行任务的综合技术评分、技术等级风险及技术稳定性风险”，其做法如下：将飞行任务按照飞行员的参与情况分组，得到每位飞行员参与的全部飞行任务子组，然后在各子组内计算飞行参数评分的均值，将飞行参数的单项均值和整体均值分别作为飞行员的单项评分和整体评分；在各子组内计数飞行参数的技术等级的非标准事件，作为飞行员的技术等级风险；在各子组内计算飞行参数评分的标准差，将飞行参数的单项标准差和整体标准差分别作为飞行员的单项稳定性风险和整体稳定性风险。在本实例中步骤六的具体实施方式为，将飞行任务按照主操作资质ID分组，即：
其中，∑pmp＝m为目标QAR数据集中的总飞行任务数量。在子组
内计算Rtqn和Ttq的均值，作为飞行员p的单项技术评分RStqn和整体技术评分TStq，即：
然后，在子组
内计算各项飞行参数的技术等级Ln处于非标准映射模糊集的计数，作为飞行员p的技术等级风险riskLL和riskHL，即：
最后，在子组
内计算Rtq和Ttq的标准差，分别作为飞行员p的单项技术稳定性风险
和整体技术稳定性风险riskT，即：
步骤七：按照飞行任务时序对飞行参数划分阶段，按照飞行任务事件对飞行参数划分属性，建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系。
在步骤七中所述的“按照飞行任务时序对飞行参数划分阶段”，其做法如下：按照飞行任务执行的时间顺序，包括但不限于地面运行、起飞、巡航、进近和着陆，将飞行参数按照不同阶段分类。在步骤七中所述的“按照飞行任务事件对飞行参数划分属性”，其做法如下：按照飞行任务事件的属性，包括但不限于程序应用、通信联络、边界管理、人工控制、空情决策、条件创造和危机应对，按照事件属性提取各个阶段的飞行参数作为另一个分类。在步骤七中所述的“建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系”，其做法如下：将飞行参数直接定义为三级技术指标；然后将飞行参数按照飞行阶段的分类作为生成能力指标的其中一个维度，将飞行参数按照任务属性的分类作为生成能力指标的另一个维度，计算参数类的乘积作为二级能力指标；最后根据能力指标的特征划分以及胜任力指标，建立从技术到能力、从能力到胜任力的参数映射关系，如图3所示，形成技术-能力-胜任力的层级结构指标体系。在本实例中步骤七的具体实施方式为，首先，将飞行参数直接作为三级技术指标。其次，提取参数名称的关键字，将飞行参数按照地面运行、起飞、巡航、进近和着陆的关键字所标记的飞行阶段分类，作为生成二级能力指标的其中一个维度，记为P＝[p1 p2 ... px]T，在本实例中x＝5；然后将飞行参数按照程序应用、通信联络、边界管理、人工控制、空情决策、条件创造和危机应对的关键字所标记的事件属性分类，作为生成二级能力指标的另一个维度，记为I＝[i1 i2 ... iy]T，在本实例中y＝7；在此基础上，计算参数类的乘积作为二级能力指标，即：
由此建立一级技术指标和二级能力指标的映射关系，二级能力指标能够同时反映飞行员评估所关注的飞行阶段和任务属性两个维度的能力特征。最后，在二级能力指标之上划分胜任力指标，在本实例中将其中包括程序应用、通信联络、人工控制和空情决策的能力指标划分为核心胜任力指标，将其中包括危机应对的能力指标划分为心理胜任力指标，将其中包括边界管理和条件创造的能力指标划分为作风胜任力指标，建立二级能力指标和一级胜任力指标的映射关系，一级核心胜任力指标能够反映飞行员评估所关注的技术的和非技术的技能、知识、态度、价值观、特质、动机和自我形象的深层认知特征。通过建立从技术到能力、从能力到胜任力的参数映射关系，如图3所示，形成飞行员层级综合评估指标体系，即技术-能力-胜任力的综合评估指标体系。
本发明构建飞行员的飞行员层级综合评估指标体系，实现飞行员评估的“纵深”，通过挖掘飞行参数间的关联性，对飞行员的技术能力进行由外到内、由底层到上层、由表象到本质的评估。
步骤八：应用熵权法得到的各层级指标的局部权重，逐层计算飞行员的能力评分和胜任力评分。
在步骤八中所述的局部权重是指将飞行参数分类后相对于同一类内的飞行参数进行归一化得到的权重。在步骤八中所述的“逐层计算飞行员的能力评分和胜任力评分”，其做法如下：计算飞行参数与局部权重的点积，得到飞行员各项能力指标的得分；在获得各项能力指标评分的基础上，再次计算飞行能力指标与局部权重的点积，得到飞行员各项胜任力指标的得分。在本实例中步骤八的具体实施方式为，分别根据能力指标的分类和胜任力指标的映射关系计算局部权重，计算飞行参数与第一局部权重Wtq'的点积，得到飞行员任一项能力指标的评分Atq，q＝1,2,3,...；At为任一项胜任力指标下各项能力指标的评分，t＝1,2,3,...，例如：
为第一项胜任力指标A1下各项能力指标的评分；
为同一飞行员参与全部飞行任务的各项能力指标的评分的平均值，即：
然后计算飞行能力指标与第二局部权重Wt的点积，得到飞行员任一项胜任力指标的得分Ct，C为各项胜任力指标的得分，即：
其中，t是一级胜任力指标的总数，q是二级能力指标的总数，n是三级技术指标的总数，l是技术等级数。
步骤九：输出三层指标体系综合评估结果和可视化结果，至此完成飞行员综合评估的全部内容。
在步骤九中所述的三层指标体系综合评估结果是指飞行员的三级技术评估结果，包括技术评分、技术等级风险及技术稳定性风险，以及二级能力评估和一级胜任力评估结果；所述的可视化结果是指技术、能力和胜任力维度的雷达图。在本实例中步骤九的具体实施方式为，输出飞行员的三级技术评估结果，包括技术评分、技术等级风险及技术稳定性风险，以及二级能力评估和一级胜任力评估结果，如图4所示，以雷达图的形式对综合评估结果进行可视化。
本发明从不止一个维度上对飞行员的综合技术能力进行刻画，实现飞行员评估的“横宽”，使得对飞行员的评估结果既包括单项飞行操作的评分，也包括整体飞行表现的评分，从而能够准确地把握飞行员的薄弱项目和突出优势，实行针对性地训练指导。
本发明搭建基于数据的飞行员评估的系统框架，将易于获取的航空QAR数据处理为有直接利用价值的评估结果，从而能够直接转化为自动化评估系统，适用于商业航空公司、民航管理部门等多种场景的决策管理。
图5为本发明所提供的基于航空QAR大数据的飞行员胜任能力画像系统结构图，如图5所示，一种基于航空QAR大数据的飞行员胜任能力画像系统，包括：
目标QAR数据集获取模块501，用于对航空QAR数据进行数据清洗，获取目标QAR数据集；所述目标QAR数据集包括航空飞行员执行飞行任务的飞行参数；所述飞行参数包括飞行操作、飞行位置、飞行状态以及飞行环境。
技术等级评定模块502，用于标定所述飞行参数的标准值，依据所述标准值将所述飞行参数划分为模糊集并计算隶属度函数，评定各项所述飞行参数的技术等级；所述标准值包括规定标准值和统计标准值；所述技术等级包括严重欠缺等级、轻微欠缺等级、规范操作等级、轻微超限等级以及严重超限等级。
所述技术等级评定模块502，具体包括：规定标准值以及统计标准值确定单元，用于参考航空飞行管理文件，确定所述飞行参数的规定标准值以及统计标准值；所述航空飞行管理文件为民航局、航空运行管理部门或航空公司实施航空飞行管理的官方正式文件；所述规定标准值为所述航空飞行管理文件中已经具有明文标示的飞行参数的规定值；所述统计标准值为所述航空飞行管理文件中尚未形成明文标示，但根据所述目标QAR数据集中数据的离散情况得到的飞行参数的期望值；模糊集界定单元，用于将所述飞行参数相对于所述规定标准值以及所述统计标准值的偏差分布情况界定五个模糊集；隶属度函数计算单元，用于计算所述飞行参数属于各个所述模糊集的隶属度函数；技术等级评定单元，用于基于所述隶属度函数，依据最大隶属度准则，确定所述飞行参数所属的唯一模糊集，并根据所述偏差分布情况从小到大依次评定各项所述飞行参数的技术等级。
单次飞行任务的技术评分生成模块503，用于计算各个所述飞行参数的权重，并将任一所述技术等级所对应的模糊集分级量化，利用所述飞行参数的权重计算各个所述飞行参数的单项评分，生成单次飞行任务的技术评分。
所述单次飞行任务的技术评分生成模块503，具体包括：归一化处理单元，用于对所述飞机参数进行归一化处理，确定归一化处理后的飞机参数；权重计算单元，用于计算所述归一化处理后的飞机参数的信息熵，取各个所述飞机参数的信息熵在所述飞机参数整体中的相对比值作为所述飞机参数的权重；技术等级值生成单元，用于将所述技术等级所在的模糊集分级量化，生成技术等级值；飞行参数的单项评分确定单元，用于计算所述技术等级值与所述技术等级对应的隶属度的点积，确定各个所述飞行参数的单项评分；单次飞行任务的技术评分确定单元，用于计算所述单项评分与所述权重的点积，确定单次飞行任务的技术评分。
三级技术评估结果计算模块504，用于根据所述单次飞行任务的技术评分，计算同一飞行员参与全部飞行任务的三级技术评估结果；所述三级技术评估结果包括综合技术评分、技术等级风险以及技术稳定性风险。
飞行员层级综合评估指标体系建立模块505，用于按照所述飞行任务的时序对所述飞行参数划分阶段，按照所述飞行任务的事件对所述飞行参数划分属性，建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系；所述阶段包括地面运行阶段、起飞阶段、巡航阶段、进近阶段以及着陆阶段；所述事件属性包括程序应用、通信联络、边界管理、人工控制、空情决策、条件创造和危机应对。
二级能力评分结果以及一级胜任力评分结果计算模块506，用于基于所述飞行员层级综合评估指标体系，计算同一层级内评估指标的局部权重，依次计算飞行员的二级能力评分结果以及一级胜任力评分结果。
可视化显示及监控模块507，用于绘制所述三级技术评估结果、所述二级能力评分结果以及所述一级胜任力评分结果的可视化图表，直观呈现飞行员的综合技术能力，以反馈和监控飞行品质。
本发明将国际民航组织(ICAO)、民航局等的有关航空飞行指导意见和管理要求作为整个评估标准的参考值，使得飞行员的综合评估首先立足于运行管理实际，满足航空公司关于进一步加强飞行品质监控的需求，并且能够随着新的管理要求而更新标准，具有广阔的应用前景。
综上，本发明能够实现多维化、层次化、标准化、系统化地量化评估飞行员的技术能力，监控飞行品质，弥补了现有方法的不足；本发明的方法或系统科学，操作性好，具有广阔的推广应用价值。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于航空QAR大数据的飞行员胜任能力画像方法，其特征在于，包括：
对航空QAR数据进行数据清洗，获取目标QAR数据集；所述目标QAR数据集包括航空飞行员执行飞行任务的飞行参数；所述飞行参数包括飞行操作、飞行位置、飞行状态以及飞行环境；
标定所述飞行参数的标准值，依据所述标准值将所述飞行参数划分为模糊集并计算隶属度函数，评定各项所述飞行参数的技术等级；所述标准值包括规定标准值和统计标准值；所述技术等级包括严重欠缺等级、轻微欠缺等级、规范操作等级、轻微超限等级以及严重超限等级；
计算各个所述飞行参数的权重，并将任一所述技术等级所对应的模糊集分级量化，利用所述飞行参数的权重计算各个所述飞行参数的单项评分，生成单次飞行任务的技术评分；
根据所述单次飞行任务的技术评分，计算同一飞行员参与全部飞行任务的三级技术评估结果；所述三级技术评估结果包括综合技术评分、技术等级风险以及技术稳定性风险；
按照所述飞行任务的时序对所述飞行参数划分阶段，按照所述飞行任务的事件对所述飞行参数划分属性，建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系；所述阶段包括地面运行阶段、起飞阶段、巡航阶段、进近阶段以及着陆阶段；所述事件属性包括程序应用、通信联络、边界管理、人工控制、空情决策、条件创造和危机应对；
基于所述飞行员层级综合评估指标体系，计算同一层级内评估指标的局部权重，依次计算飞行员的二级能力评分结果以及一级胜任力评分结果；
绘制所述三级技术评估结果、所述二级能力评分结果以及所述一级胜任力评分结果的可视化图表，直观呈现飞行员的综合技术能力，以反馈和监控飞行品质。
2.根据权利要求1所述的基于航空QAR大数据的飞行员胜任能力画像方法，其特征在于，所述标定所述飞行参数的标准值，依据所述标准值将所述飞行参数划分为模糊集并计算隶属度函数，评定各项所述飞行参数的技术等级，具体包括：
参考航空飞行管理文件，确定所述飞行参数的规定标准值以及统计标准值；所述航空飞行管理文件为民航局、航空运行管理部门或航空公司实施航空飞行管理的官方正式文件；所述规定标准值为所述航空飞行管理文件中已经具有明文标示的飞行参数的规定值；所述统计标准值为所述航空飞行管理文件中尚未形成明文标示，但根据所述目标QAR数据集中数据的离散情况得到的飞行参数的期望值；
将所述飞行参数相对于所述规定标准值以及所述统计标准值的偏差分布情况界定五个模糊集；
计算所述飞行参数属于各个所述模糊集的隶属度函数；
基于所述隶属度函数，依据最大隶属度准则，确定所述飞行参数所属的唯一模糊集，并根据所述偏差分布情况从小到大依次评定各项所述飞行参数的技术等级。
3.根据权利要求1所述的基于航空QAR大数据的飞行员胜任能力画像方法，其特征在于，所述计算各个所述飞行参数的权重，并将任一所述技术等级所对应的模糊集分级量化，利用所述飞行参数的权重计算各个所述飞行参数的单项评分，生成单次飞行任务的技术评分，具体包括：
对所述飞机参数进行归一化处理，确定归一化处理后的飞机参数；
计算所述归一化处理后的飞机参数的信息熵，取各个所述飞机参数的信息熵在所述飞机参数整体中的相对比值作为所述飞机参数的权重；
将所述技术等级所在的模糊集分级量化，生成技术等级值；
计算所述技术等级值与所述技术等级对应的隶属度的点积，确定各个所述飞行参数的单项评分；
计算所述单项评分与所述权重的点积，确定单次飞行任务的技术评分。
4.根据权利要求3所述的基于航空QAR大数据的飞行员胜任能力画像方法，其特征在于，所述根据所述单次飞行任务的技术评分，计算同一飞行员参与全部飞行任务的三级技术评估结果，具体包括：
根据所述单次飞行任务的技术评分，将所述飞行任务按照飞行员的参与情况分组，确定每位所述飞行员参与的全部飞行任务子组；
计算各个所述飞行任务子组内的所述飞行参数的单项评分的均值以及所有所述飞行参数的整体评分的均值，确定综合技术评分；所述综合技术评分包括飞行员的单项评分以及整体评分，所述飞行参数的单项评分的均值为所述飞行员的单项评分，所有所述飞行参数的整体评分的均值为所述飞行员的整体评分；
计算各个所述飞行任务子组内的所述飞行参数的技术等级的超标情况，将所述飞行参数的技术等级的异常计数作为所述技术等级风险；
计算各个所述飞行任务子组内的所述飞行参数的单项评分的标准差以及所有所述飞行参数的整体评分的标准差，确定技术稳定性风险；所述技术稳定性风险包括飞行员的单项稳定性风险以及整体稳定性风险，所述飞行参数的单项评分的标准差为所述飞行员的单项稳定性风险，所有所述飞行参数的整体评分的标准差为所述飞行员的整体稳定性风险。
5.根据权利要求4所述的基于航空QAR大数据的飞行员胜任能力画像方法，其特征在于，所述按照所述飞行任务的时序对所述飞行参数划分阶段，按照所述飞行任务的事件对所述飞行参数划分属性，建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系，具体包括：
将所述飞行参数作为三级技术指标；
按照所述飞行任务的时序对所述飞行参数划分阶段，根据阶段划分结果确定所述飞行员将所述飞行参数按照所述阶段进行分类的第一分类能力；
按照所述飞行任务的事件对所述飞行参数划分属性，根据属性划分结果确定所述飞行员将所述飞行参数按照所述属性进行分类的第二分类能力；
根据所述第一分类能力以及所述第二分类能力确定二级能力指标；所述二级能力指标反映所述飞行员在飞行阶段以及事件属性两个维度的能力特征；
根据所述二级能力指标划分一级胜任力指标，建立从技术到能力、从能力到胜任力的参数映射关系；所述一级胜任力指标包括核心胜任力指标、心理胜任力指标以及作风胜任力指标；所述核心胜任力指标由包括程序应用、通信联络、人工控制和空情决策的反映技术和非技术的知识、技能和态度的能力指标构成；所述心理胜任力指标由包括危机应对的反映心理健康状态和职业适应性心理的能力指标构成；所述作风胜任力指标由包括边界管理和条件创造的反映正向安全态度、责任感、自律性、警觉性、预见性、容忍度、认可度、敬业度的职业素养和职业提升进步的价值观的能力指标构成；
根据所述参数映射关系建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系。
6.根据权利要求5所述的基于航空QAR大数据的飞行员胜任能力画像方法，其特征在于，所述基于所述飞行员层级综合评估指标体系，计算同一层级内评估指标的局部权重，依次计算飞行员的二级能力评分结果以及一级胜任力评分结果，具体包括：
基于所述飞行员层级综合评估指标体系，将分类后的飞行参数相对于类内的飞行参数进行归一化处理，逐层计算高一层级内评估指标相较于低一层级的局部权重；
计算所述飞行参数的单项评分与所述局部权重的点积，确定飞行员各项能力指标的评分，并根据各项所述能力指标的评分确定所述飞行员执行各个阶段不同属性的飞行任务的二级能力评分结果；
计算所述能力指标的评分与所述局部权重的点积，确定飞行员各项胜任力指标的评分，并根据各项所述胜任力指标的评分确定所述飞行员执行各个阶段不同属性的飞行任务的一级胜任力评分结果。
7.根据权利要求6所述的基于航空QAR大数据的飞行员胜任能力画像方法，其特征在于，所述绘制所述三级技术评估结果、所述二级能力评分结果以及所述一级胜任力评分结果的可视化图表，直观呈现飞行员的综合技术能力，以反馈和监控飞行品质，具体包括：
利用雷达图的形式绘制所述三级技术评估结果、所述二级能力评分结果以及所述一级胜任力评分结果的可视化图表，直观呈现飞行员的综合技术能力，以反馈和监控飞行品质。
8.一种基于航空QAR大数据的飞行员胜任能力画像系统，其特征在于，包括：
目标QAR数据集获取模块，用于对航空QAR数据进行数据清洗，获取目标QAR数据集；所述目标QAR数据集包括航空飞行员执行飞行任务的飞行参数；所述飞行参数包括飞行操作、飞行位置、飞行状态以及飞行环境；
技术等级评定模块，用于标定所述飞行参数的标准值，依据所述标准值将所述飞行参数划分为模糊集并计算隶属度函数，评定各项所述飞行参数的技术等级；所述标准值包括规定标准值和统计标准值；所述技术等级包括严重欠缺等级、轻微欠缺等级、规范操作等级、轻微超限等级以及严重超限等级；
单次飞行任务的技术评分生成模块，用于计算各个所述飞行参数的权重，并将任一所述技术等级所对应的模糊集分级量化，利用所述飞行参数的权重计算各个所述飞行参数的单项评分，生成单次飞行任务的技术评分；
三级技术评估结果计算模块，用于根据所述单次飞行任务的技术评分，计算同一飞行员参与全部飞行任务的三级技术评估结果；所述三级技术评估结果包括综合技术评分、技术等级风险以及技术稳定性风险；
飞行员层级综合评估指标体系建立模块，用于按照所述飞行任务的时序对所述飞行参数划分阶段，按照所述飞行任务的事件对所述飞行参数划分属性，建立技术-能力-胜任力指标的映射关系，构建飞行员层级综合评估指标体系；所述阶段包括地面运行阶段、起飞阶段、巡航阶段、进近阶段以及着陆阶段；所述事件属性包括程序应用、通信联络、边界管理、人工控制、空情决策、条件创造和危机应对；
二级能力评分结果以及一级胜任力评分结果计算模块，用于基于所述飞行员层级综合评估指标体系，计算同一层级内评估指标的局部权重，依次计算飞行员的二级能力评分结果以及一级胜任力评分结果；
可视化显示及监控模块，用于绘制所述三级技术评估结果、所述二级能力评分结果以及所述一级胜任力评分结果的可视化图表，直观呈现飞行员的综合技术能力，以反馈和监控飞行品质。
9.根据权利要求8所述的基于航空QAR大数据的飞行员胜任能力画像系统，其特征在于，所述技术等级评定模块，具体包括：
规定标准值以及统计标准值确定单元，用于参考航空飞行管理文件，确定所述飞行参数的规定标准值以及统计标准值；所述航空飞行管理文件为民航局、航空运行管理部门或航空公司实施航空飞行管理的官方正式文件；所述规定标准值为所述航空飞行管理文件中已经具有明文标示的飞行参数的规定值；所述统计标准值为所述航空飞行管理文件中尚未形成明文标示，但根据所述目标QAR数据集中数据的离散情况得到的飞行参数的期望值；
模糊集界定单元，用于将所述飞行参数相对于所述规定标准值以及所述统计标准值的偏差分布情况界定五个模糊集；
隶属度函数计算单元，用于计算所述飞行参数属于各个所述模糊集的隶属度函数；
技术等级评定单元，用于基于所述隶属度函数，依据最大隶属度准则，确定所述飞行参数所属的唯一模糊集，并根据所述偏差分布情况从小到大依次评定各项所述飞行参数的技术等级。
10.根据权利要求8所述的基于航空QAR大数据的飞行员胜任能力画像系统，其特征在于，所述单次飞行任务的技术评分生成模块，具体包括：
归一化处理单元，用于对所述飞机参数进行归一化处理，确定归一化处理后的飞机参数；
权重计算单元，用于计算所述归一化处理后的飞机参数的信息熵，取各个所述飞机参数的信息熵在所述飞机参数整体中的相对比值作为所述飞机参数的权重；
技术等级值生成单元，用于将所述技术等级所在的模糊集分级量化，生成技术等级值；
飞行参数的单项评分确定单元，用于计算所述技术等级值与所述技术等级对应的隶属度的点积，确定各个所述飞行参数的单项评分；
单次飞行任务的技术评分确定单元，用于计算所述单项评分与所述权重的点积，确定单次飞行任务的技术评分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110683842.1A CN113298431B (zh) | 2021-06-21 | 2021-06-21 | 基于航空qar大数据的飞行员胜任能力画像方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110683842.1A CN113298431B (zh) | 2021-06-21 | 2021-06-21 | 基于航空qar大数据的飞行员胜任能力画像方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113298431A true CN113298431A (zh) | 2021-08-24 |
| CN113298431B CN113298431B (zh) | 2023-04-21 |
Family
ID=77328825
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110683842.1A Active CN113298431B (zh) | 2021-06-21 | 2021-06-21 | 基于航空qar大数据的飞行员胜任能力画像方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113298431B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114219302A (zh) * | 2021-12-13 | 2022-03-22 | 中国民用航空飞行学院 | 面向飞行技能全生命周期的飞行员作风胜任力画像方法 |
| CN114241852A (zh) * | 2021-12-30 | 2022-03-25 | 中国民航科学技术研究院 | 基于多源数据融合在研机型飞行模拟训练评估系统及方法 |
| CN114611945A (zh) * | 2022-03-15 | 2022-06-10 | 中国民用航空飞行学院 | 一种基于多维数据的飞行学员胜任力画像方法 |
| CN115587693A (zh) * | 2022-09-23 | 2023-01-10 | 中国民用航空飞行学院 | 一种基于可观察行为的飞行训练质量评级的方法 |
| CN115952694A (zh) * | 2023-03-13 | 2023-04-11 | 中国民用航空飞行学院 | 基于qar数据的进近阶段风切变运行操纵品质评价方法 |
| CN116663969A (zh) * | 2023-05-11 | 2023-08-29 | 中国民用航空飞行学院 | 一种运输航空飞行员安全绩效非线形动力学测量方法 |
| CN117786375A (zh) * | 2023-12-01 | 2024-03-29 | 中国民用航空飞行学院 | 一种仪表飞行模式下指引跟随飞行操纵品质评估方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521901A (zh) * | 2011-11-29 | 2012-06-27 | 珠海翔翼航空技术有限公司 | 一种飞行员飞行品质自动评估实现方法 |
| US20160027336A1 (en) * | 2012-04-23 | 2016-01-28 | The Boeing Company | Methods for Evaluating Human Performance in Aviation |
| CN110008442A (zh) * | 2019-03-21 | 2019-07-12 | 上海工程技术大学 | 一种基于飞行员综合能力评价的飞行员训练控制方法 |
| CN111340388A (zh) * | 2020-03-13 | 2020-06-26 | 中国民航大学 | 一种基于航班qar数据的飞行员操作品质评价方法 |
| CN111639864A (zh) * | 2020-06-02 | 2020-09-08 | 交通运输部天津水运工程科学研究所 | 一种用于港口作业人员岗位安全胜任力定量评估方法 |
-
2021
- 2021-06-21 CN CN202110683842.1A patent/CN113298431B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521901A (zh) * | 2011-11-29 | 2012-06-27 | 珠海翔翼航空技术有限公司 | 一种飞行员飞行品质自动评估实现方法 |
| US20160027336A1 (en) * | 2012-04-23 | 2016-01-28 | The Boeing Company | Methods for Evaluating Human Performance in Aviation |
| CN110008442A (zh) * | 2019-03-21 | 2019-07-12 | 上海工程技术大学 | 一种基于飞行员综合能力评价的飞行员训练控制方法 |
| CN111340388A (zh) * | 2020-03-13 | 2020-06-26 | 中国民航大学 | 一种基于航班qar数据的飞行员操作品质评价方法 |
| CN111639864A (zh) * | 2020-06-02 | 2020-09-08 | 交通运输部天津水运工程科学研究所 | 一种用于港口作业人员岗位安全胜任力定量评估方法 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114219302A (zh) * | 2021-12-13 | 2022-03-22 | 中国民用航空飞行学院 | 面向飞行技能全生命周期的飞行员作风胜任力画像方法 |
| CN114219302B (zh) * | 2021-12-13 | 2023-04-07 | 中国民用航空飞行学院 | 面向飞行技能全生命周期的飞行员作风胜任力画像方法 |
| CN114241852A (zh) * | 2021-12-30 | 2022-03-25 | 中国民航科学技术研究院 | 基于多源数据融合在研机型飞行模拟训练评估系统及方法 |
| CN114241852B (zh) * | 2021-12-30 | 2022-06-21 | 中国民航科学技术研究院 | 基于多源数据融合在研机型飞行模拟训练评估系统及方法 |
| CN114611945A (zh) * | 2022-03-15 | 2022-06-10 | 中国民用航空飞行学院 | 一种基于多维数据的飞行学员胜任力画像方法 |
| CN114611945B (zh) * | 2022-03-15 | 2024-02-02 | 中国民用航空飞行学院 | 一种基于多维数据的飞行学员胜任力画像方法 |
| CN115587693A (zh) * | 2022-09-23 | 2023-01-10 | 中国民用航空飞行学院 | 一种基于可观察行为的飞行训练质量评级的方法 |
| CN115587693B (zh) * | 2022-09-23 | 2023-08-11 | 中国民用航空飞行学院 | 一种基于可观察行为的飞行训练质量评级的方法 |
| CN115952694A (zh) * | 2023-03-13 | 2023-04-11 | 中国民用航空飞行学院 | 基于qar数据的进近阶段风切变运行操纵品质评价方法 |
| CN115952694B (zh) * | 2023-03-13 | 2023-06-30 | 中国民用航空飞行学院 | 基于qar数据的进近阶段风切变运行操纵品质评价方法 |
| CN116663969A (zh) * | 2023-05-11 | 2023-08-29 | 中国民用航空飞行学院 | 一种运输航空飞行员安全绩效非线形动力学测量方法 |
| CN117786375A (zh) * | 2023-12-01 | 2024-03-29 | 中国民用航空飞行学院 | 一种仪表飞行模式下指引跟随飞行操纵品质评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113298431B (zh) | 2023-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113298431B (zh) | 基于航空qar大数据的飞行员胜任能力画像方法及系统 | |
| Wang et al. | A method of applying flight data to evaluate landing operation performance | |
| Shmelova et al. | Socio-Technical Decision Support in Air Navigation Systems: Emerging Research and Opportunities: Emerging Research and Opportunities | |
| CN110443521A (zh) | 航班运行风险获取方法、系统和计算机设备 | |
| Aliyari et al. | Hazards identification and risk assessment for UAV–assisted bridge inspections | |
| CN113344425B (zh) | 一种基于qar数据的飞行品质监控方法及系统 | |
| CN111415039B (zh) | 一种基于非负张量分解的航班延误模式分析方法 | |
| CN106651088A (zh) | 一种基于时态gis的飞行品质监控方法 | |
| CN116257681B (zh) | 一种基于画像技术的民用航空事件调查员推荐方法 | |
| Shmelova et al. | Machine learning and text analysis in an artificial intelligent system for the training of air traffic controllers | |
| Xiong et al. | Application of text mining and coupling theory to depth cognition of aviation safety risk | |
| CN113793047A (zh) | 一种飞行员合作交流能力测评方法和装置 | |
| Baugh | Predicting general aviation accidents using machine learning algorithms | |
| Plotnikov | Civil aviation flight safety: pilot properties soft computing | |
| Bugayko et al. | DETERMINING POSSIBILITIES FOR APPLYING THEORETICAL PRINCIPLES OF SITUATIONAL RISK MANAGEMENT IN THE AVIATION SAFETY SYSTEM. | |
| CN114398769A (zh) | 一种无人直升机飞行控制系统评分自动获取方法 | |
| Su et al. | The construction of an ontology-based knowledge management model for departure procedures | |
| Zhang et al. | Research on quantitative evaluation method of test flight risk based on fuzzy theory | |
| Shmelova et al. | Socio-Technical Approaches for Optimal Organizational Performance: Air Navigation Systems as Sociotechnical Systems | |
| Falconer | Attitudes to safety and organisational culture in Australian military aviation | |
| Andrade et al. | Natural-Language-Processing-Enabled Quantitative Risk Analysis of Aerial Wildfire Operations | |
| Statler | The aviation system monitoring and modeling (ASMM) project: A documentation of its History and Accomplishments: 1999-2005 | |
| Shmelova et al. | Analysis of Decision-Making of Operators in Socio-Technical Systems | |
| Haiyun et al. | Research on English proficiency of hotel employees in Sanya based on hierarchical clustering algorithm | |
| Chen | Safety Risk Assessment of Test Based on AHP/EVM Model Study |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |