CN115936369A - 一种基于任务信息的航班串疲劳等级评定方法及系统 - Google Patents

一种基于任务信息的航班串疲劳等级评定方法及系统 Download PDF

Info

Publication number
CN115936369A
CN115936369A CN202211569304.0A CN202211569304A CN115936369A CN 115936369 A CN115936369 A CN 115936369A CN 202211569304 A CN202211569304 A CN 202211569304A CN 115936369 A CN115936369 A CN 115936369A
Authority
CN
China
Prior art keywords
fatigue
flight
factor
task information
duty
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.)
Pending
Application number
CN202211569304.0A
Other languages
English (en)
Inventor
李敬强
刘安南
张焕晰
吴雪梅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Civil Aviation University of China
Original Assignee
Civil Aviation University of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Civil Aviation University of China filed Critical Civil Aviation University of China
Priority to CN202211569304.0A priority Critical patent/CN115936369A/zh
Publication of CN115936369A publication Critical patent/CN115936369A/zh
Priority to US18/523,500 priority patent/US20240193508A1/en
Pending legal-status Critical Current

Links

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063118—Staff planning in a project environment
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063116—Schedule adjustment for a person or group
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于任务信息的航班串疲劳等级评定方法及系统，包括：采集航班串的任务信息，基于任务信息提取影响航班串疲劳程度的第一因素；基于第一因素构建指标评价体系，并计算每个第一因素的权重系数；对任务信息进行分段处理，得到值勤期分段；对每个第一因素进行量化表征，得到值勤期分段的因子强度；基于权重系数和因子强度，计算值勤期分段的第一疲劳值；基于第一疲劳值，计算出整个航班串的第二疲劳值；并基于第二疲劳值确定航班串的疲劳等级。本发明可与航司排班工具结合，在提升航班串疲劳评估效率的同时，可作为排班人员进行航班串与飞行员搭配的参考工具，方便进行航班串和飞行员之间更均衡的搭配，从而降低疲劳风险。

Description

一种基于任务信息的航班串疲劳等级评定方法及系统
技术领域
本发明属于民航排班数据处理技术领域，具体涉及一种基于任务信息的航班串疲劳等级评定方法及系统。
背景技术
疲劳是因脑力或体力活动过重而导致人的绩效表现降低的一种生理状态，这种状态会损害人的警觉能力，相应的症状可能包括短期记忆下降、注意力不集中、无法保持情境意识等。对民航运行来说，不恰当工作安排会导致飞行员疲劳，危害飞行员身心健康，更严重会影响飞行操作的可靠性以及履行与安全相关的运行职责的能力，疲劳在当今也被认为是飞行人为差错的头号原因。疲劳是两个主要的生物学因素共同作用的结果，即睡眠的稳态驱动过程和昼夜节律过程共同的作用，鉴于此，当前对飞行机组成员的疲劳风险管理主要是通过对飞行时间、值勤时间和休息进行限制和要求为主。但现实世界中疲劳的影响机理十分复杂，它与觉醒时间、一天中的时间、工作负荷、工作环境和昼夜节律等一切外界影响都可能有关，航空公司对飞行员疲劳的管理措施符合民航的相关规章标准，但是这些民航规章往往只有总体要求即时间总量的要求，并没有考虑更多实地的疲劳影响因素，这导致飞行员任务难度分配可能会不均衡，产生飞行疲劳隐患。
航班串是航空公司根据其确定的航班集合要求制订飞机员要执行的任务路线,由各种飞行任务按时间顺序前后衔接构成，包含一个或多个值勤期。航班串制定好后，将由排班人员将其分配给合适的飞行员。航班串的前后序关系，大幅提高了飞行资源的利用效率。然而，一旦航班串某一节点受到不确定因素的影响，将可能出现前序航班的不正常运行直接或间接向后序航班传递的动力学过程。
综上，疲劳作为一个影响航空安全的严重因素，在航班串的生成和分配过程中理应考虑到疲劳的影响作用，如何利用排班计划中能够确定的时间安排、任务环境和负荷等因素评定出航班串的致疲劳等级具有重大意义。目前利用任务信息量化或评定疲劳的研究已经相当广泛，但在实际落地上仍存在很多不足之处：
其一：当前对于疲劳的评定大多数是利用疲劳的生物数学模型(Biomathematicalmodels，BMM)，但BMM是以人为评定对象，利用人的排班计划信息预测人的疲劳，因此要待排班人员完成航班串与飞行员的分配之后才能利用BMM评定人的疲劳，不能仅针对航班串的任务安排提前做出航班串疲劳程度的评定。
其二：航班串的制定仅按照规章规定的时间相关限制和要求进行，未考虑复杂的疲劳致因；在进行航班串分配时，对航班串致疲劳程度的评定大多是依靠排班人员的工作经验，缺乏一个客观的评定工具，受排班人员能力水平的限制，航班串可能难以实现致疲劳程度上的均衡分配。
发明内容
本发明的目的在于提供一种基于任务信息的航班串疲劳等级评定方法及系统，从航班串设计与分配的角度出发，针对航班串的任务安排，考虑众多疲劳影响因素的影响，通过建立合理全面的评估指标体系和精确可靠的指标量化计算模型，定量求得航班串疲劳程度并判定疲劳等级。
为实现上述目的，本发明提供了如下方案：
一种基于任务信息的航班串疲劳等级评定方法，包括：
采集航班串的任务信息，基于所述任务信息提取影响航班串疲劳程度的第一因素；
基于所述第一因素构建指标评价体系，并计算每个所述第一因素的权重系数；
对所述任务信息进行分段处理，得到值勤期分段；对每个所述第一因素进行量化表征，得到所述值勤期分段的因子强度；
基于所述权重系数和所述因子强度，计算所述值勤期分段的第一疲劳值；
基于所述第一疲劳值，计算出整个航班串的第二疲劳值；并基于所述第二疲劳值确定航班串的疲劳等级。
优选地，所述第一因素包括：值勤时长、值勤开始时间、值勤结束时间、起降时间、过站时长、飞行方向与跨时区、机场难度、前序值勤与休息、航段数和定员。
优选地，构建所述指标评价体系的方法包括：
对所述第一因素进行分类，得到一级指标；
将所述一级指标包含的所述第一因素作为二级指标；
基于所述一级指标和所述二级指标，构建所述指标评价体系。
优选地，所述一级指标包括：
时间计划类因素、环境类因素和工作负荷类因素。
优选地，得到所述因子强度的方法包括：
对所述第一因素进行量化表征，对量化表征非归一化的所述第一因素，设置量化表征结果对值勤期疲劳影响的上限ftop和下限fdown；
对量化后的所述第一因素进行归一化处理，得到每个所述第一因素的因子强度。
优选地，所述归一化处理计算方法如下：
Figure BDA0003987336450000041
式中，Q表示因子强度，f表示表征结果。
本发明还提供一种基于任务信息的航班串疲劳等级评定系统，包括：采集模块、体系构建模块、处理模块、计算模块和分析模块；
所述采集模块用于采集航班串的任务信息，并基于所述任务信息提取影响航班串疲劳程度的第一因素；
体系构建模块用于基于所述第一因素构建指标评价体系，并计算每个所述第一因素的权重系数；
处理模块用于对所述任务信息进行分段处理，得到值勤期分段；并对每个所述第一因素进行量化表征，得到所述值勤期分段的因子强度；
计算模块用于基于所述权重系数和所述因子强度，计算所述值勤期分段的第一疲劳值；
分析模块用于基于所述第一疲劳值，计算出整个航班串的第二疲劳值；并基于所述第二疲劳值确定航班串的疲劳等级。
优选地，所述体系构建模块构建所述评价指标的方法包括：
对所述第一因素进行分类，得到一级指标；
将所述一级指标包含的所述第一因素作为二级指标；
基于所述一级指标和所述二级指标，构建所述指标评价体系。
优选地，所述处理模块得到所述因子强度的方法包括：
对所述第一因素进行量化表征，对量化表征非归一化的所述第一因素，设置量化表征结果对值勤期疲劳影响的上限ftop和下限fdown；
对量化后的所述第一因素进行归一化处理，得到每个所述第一因素的因子强度。
优选地，所述归一化处理计算方法如下：
Figure BDA0003987336450000051
式中，Q表示因子强度，f表示表征结果。
本发明的有益效果为：
本发明提供的基于任务信息的航班串疲劳等级评定方法及系统，从航班串设计与分配的角度出发，针对航班串的任务安排，考虑众多疲劳影响因素的影响，通过建立合理全面的评估指标体系和精确可靠的指标量化计算模型，定量求得航班串疲劳程度并判定疲劳等级，相较于传统方式上航班串设计和排班人员的主观判定，本发明可以更全面和客观的对航班串的疲劳等级进行判定。本发明可与航司排班工具结合，在提升航班串疲劳评估效率的同时，可作为排班人员进行航班串与飞行员搭配的参考工具，方便进行航班串和飞行员之间更均衡的搭配，从而降低疲劳风险。
附图说明
为了更清楚地说明本发明的技术方案，下面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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例基于任务信息的航班串疲劳等级评定方法流程示意图；
图2为本发明实施例基于任务信息的航班串疲劳等级评定系统结构示意图。
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。
实施例一
如图1所示，为本发明基于任务信息的航班串疲劳等级评定方法流程示意图，包括如下步骤：
S1、采集航班串的任务信息，基于任务信息提取影响航班串疲劳程度的第一因素；
在本实施例中，影响航班串疲劳程度的第一因素包括：值勤时长、值勤开始时间、值勤结束时间、起降时间、过站时长、飞行方向与跨时区、机场难度、前序值勤与休息、航段数和定员。
S2、基于第一因素构建指标评价体系，并计算每个第一因素的权重系数；
构建指标评价体系的方法包括：
S21、对第一因素进行分类，得到一级指标；
在本实施例中，一级指标为航班串疲劳影响因素的归类；将上述第一因素进行分类，得到一级指标包括：时间计划类因素、环境类因素和工作负荷类因素。
S22、将一级指标包含的第一因素作为二级指标；
其中，时间计划类因素包括：值勤时长、值勤开始时间、值勤结束时间、起降时间和过站时长等二级指标；环境类因素包括：飞行方向与跨时区和机场难度等二级指标；工作负荷类因素包括：前序值勤与休息、航段数和定员等二级指标。
S23、基于一级指标和二级指标，构建指标评价体系。如表1所示，其中，表1中()内的字符表示各个指标的权重。
表1
Figure BDA0003987336450000081
计算每个第一因素的权重系数的方法包括：在本实施例中，通过1-9比率标度法确定出的各指标权重，指标权重满足如下关系：A+B+C＝1；a1+a2+a3+a4+a5＝1；b1+b2＝1；c1+c2+c3＝1；各个第一因素的权重系数为：Wa1＝A×a1，Wa2＝A×a2，Wa3＝A×a3，Wa4＝A×a4，Wa5＝A×a5，Wb1＝B×b1，Wb2＝B×b2，Wc1＝C×c1，Wc2＝C×c2，Wc3＝C×c3。
本实施中，确定的指标评价体系、第一因素权重系数如表2所示：
表2
Figure BDA0003987336450000082
S3、对任务信息进行分段处理，得到值勤期分段；对每个第一因素进行量化表征，得到值勤期分段的因子强度；
本实施例的航班串任务信息如表3所示，将任务信息分为3个值勤段：
表3
Figure BDA0003987336450000091
首先，对第1个值勤段求取各个第一因素的量化表征并进行归一化，归一化结束后，对于量化表征非归一化的第一因素，设置量化表征结果对值勤期疲劳影响的上限ftop和下限fdown；对量化后的第一因素进行归一化处理，计算得到每个第一因素的因子强度：
归一化处理计算方法如下：
Figure BDA0003987336450000092
式中，Q表示因子强度，f表示表征结果。
在第1个值勤段，对于“值勤时长”：使用一种稳态函数表征值勤时长与疲劳程度的关系，量化表达式如下：
Figure BDA0003987336450000101
式中，t表示值勤时长，τ表示值勤时长与疲劳程度关系的函数表达式中的常数。在本实施例中，t＝10.13小时，τ＝8；值勤时长量化表征对值勤段疲劳影响的上限ftop＝f(t＝17)≈7.04，下限fdown＝f(t＝3)≈2.5；值勤时长量化表征f(t＝10.13)≈5.74介于上下限之间，故使用归一化公式进行归一化后作为值勤时长的因子强度。
对于“值勤开始时间”和“值勤结束时间”：在这两个第一因素起作用的范围内，使用一种简易昼夜节律函数表征值勤开始时间/值勤结束时间与疲劳程度的关系，量化表达式如下：
Figure BDA0003987336450000102
式中，td表示值勤开始/结束的时间点；tdl1点至tdl2点之间开始或者结束的值勤对疲劳有影响作用，tdh开始或结束的值勤对疲劳有最强影响；当td在tdl1点至tdl2点之外时，量化表征取值为0。
对于“值勤开始时间”，本实施例中，td＝9.5点，tdl1＝20点，tdl2＝6点(+1天)，tdh＝1点，值勤开始时间量化表征结果对值勤期疲劳影响的上限ftop＝f(td＝1)＝1，下限fdown＝f(td＝20)≈0.63；实施例中值勤开始时间量化表征f(td＝9.5)≤fdown，故其因子强度为0。
对于“值勤结束时间”，本实施例中，td＝20.63点，tdl1＝22点，tdl2＝8点(+1天)，tdh＝3点，值勤结束时间量化表征结果对值勤期疲劳影响的上限ftop＝f(td＝3)＝1，下限fdown＝f(td＝22)≈0.63；实施例中值勤开始时间量化表征f(td＝20.63)≤fdown，故其因子强度为0。
对于“起降时间”：在该第一因素起作用范围以内，一次值勤内飞行任务的起降时间对整段值勤疲劳的影响，量化表达式如下：
Figure BDA0003987336450000111
其中，tf1、tf2、…、tfnf是位于tfl1之后且tfl2之前的nf次飞行任务起降时间点；tfl1点至tfl2点之间起降对疲劳有影响作用，tfh点起降对疲劳有最强影响；本实施例中，tfl1＝0点，tfl2＝6点，tfh＝3点，有两次飞行任务，共4次起降，时间点分别是10.5点、10.83点、13.83点、19.63点；起降时间量化表征结果对值勤期疲劳影响的上限ftop＝f(tf＝{3，3，3})＝3，下限fdown＝0；实施例中起降时间量化表征f(tf＝{10.5，10.83，13.83，19.63})≤fdown，故其因子强度为0。
对于“过站时长”：在该第一因素起作用范围内，一次值勤内的过站时长对整个值勤疲劳的影响，量化表达式如下：
Figure BDA0003987336450000112
其中，tw1、tw2、…、twnw是位于twl1之后且twl2之前的nw次过站的时长；过站时长介于twl1至twl2之间对疲劳有影响作用；twh表示按照计划应当安排宾休的临界过站时长，过站时长为twh时对疲劳有最强影响；本实施例中，twl1＝1h，twl2＝8h，twh＝3h，有一次过站，时长为3小时；过站时长量化表征结果对值勤期疲劳影响的上限ftop＝f(tw＝{3，3})＝2，下限fdown＝0；实施例中过站时长量化表征f(tw＝{3})＝1，介于上下限之间，故使用归一化公式进行归一化后作为值勤时长的因子强度。
对于“飞行方向与跨时区”：一次值勤内的nz次跨越时区对整个值勤疲劳的影响，量化表达式如下：
Figure BDA0003987336450000121
其中，tz1、tz2、…、tznz是nz次任务跨越的经纬度时区数；dir1、dir2、…、dirp表示飞行方向与航班串疲劳的作用系数，若跨时区数在疲劳的作用下限以内，则dir＝0；跨时区数对疲劳起作用情况下，西飞时dir＝1，东飞时dir＝dir’，dir’表示东飞航线与西飞航线的总体疲劳比率。本实施例中，设跨越3时区为跨越时区数对疲劳的作用下限，dir’＝1.1，第1段值勤两次飞行任务(厦门XMN-郑州CGO，郑州CGO-曼谷BKK)，跨越时区数分别为0，1(西飞)，即dir＝{0，0}、tz＝{0，1}；飞行方向与跨时区量化表征结果对值勤期疲劳影响的上限ftop＝f(dir＝{1.1，1.0},tz＝{10，10})＝21，下限fdown＝0；实施例中飞行方向与跨时区量化表征f(dir＝{0，0},tz＝{0，1})≤fdown，故其因子强度为0。
对于“机场难度”：一次值勤内的np次飞行任务降落的机场难度对整个值勤疲劳的影响，量化表达式如下：
Figure BDA0003987336450000122
其中，p1、p2、…、pnp分别表示np个降落机场的难度赋分；根据机场海拔、地形、侧风和降落程序等将机场难度进行分类并赋分，分类与赋分依靠飞行员的评价打分。本实施例中将需要特殊机长资格的机场划分为甲类，需要特殊机长资格的高高原机场划分为乙类。依靠飞行员的评价打分，除甲类、乙类外的机场赋分为0，甲类、乙类机场分别赋分为2.5，5.6；机场难度量化表征结果对值勤期疲劳影响的上限ftop＝f(p＝{5.6，2.5})＝8.1，下限fdown＝0；实施例中机场难度量化表征f(p＝{0，0})≤fdown，故其因子强度为0。
对于“前序值勤与休息”：在该第一因素起作用范围内的量化表达式如下：
Figure BDA0003987336450000131
其中，sco表示前序值勤的赋分值，tb表示本次值勤与前序值勤的间隔小时数；对于航班串中第一次值勤或间隔小时数tb高于充分休息临界时间tbh的情况，其对本次值勤疲劳不产生影响作用，即量化表征等于0。本实施例中前序值勤与休息量化表征结果对值勤期疲劳影响的上限ftop＝f(sco＝50，tb＝10)＝5，下限fdown＝f(sco＝10，tb＝20)＝0.5；本实施例中值勤为第一次值勤，前序值勤与休息量化表征f≤fdown，故其因子强度为0。
对于“航段数”：其量化表达式即为航段数本身。本实施例中航段数量化表征结果对值勤期疲劳影响的上限ftop＝6，下限fdown＝2，航段数为2，前序值勤与休息量化表征f＝2，介于上下限之间，故使用归一化公式进行归一化后作为值勤时长的因子强度。
对于“定员”：其量化表达式如下：
f＝ca+fo·ab1+so·ab2
其中，ca、fo、so分别是机长、第一副驾驶、第二副驾驶的数量；ab1、ab2分别是第一副驾驶和第二副驾驶与机长的飞行实力比值，具体比值通过对飞行员的调研打分获得。本实施例中ab1＝0.75，ab2＝0.5；航段数量化表征结果对值勤期疲劳影响的上限ftop＝f(ca＝3，fo＝0，so＝3)＝4.5，下限fdown＝f(ca＝1，fo＝0，so＝0)＝1，实施例中定员量化表征f(ca＝1，fo＝1，so＝0，ab1＝0.75，ab2＝0.5)＝1.75，介于上下限之间，故使用归一化公式进行归一化后作为值勤时长的因子强度。
第1值勤段中各个第一因素量化表征及因子强度如表4所示：
表4
Figure BDA0003987336450000141
S4、基于权重系数和因子强度，计算值勤期分段的第一疲劳值；
通过上述的权重系数W和因子强度Q，计算各个值勤段的第一疲劳值F，具体计算方法如下：
Figure BDA0003987336450000142
式中，α表示调节系数，用来修正模型输出范围；m表示影响航班串疲劳的第一因素的数量；Qi、Wi分别是第i个第一因素的因子强度和权重系数。本实施例中α＝100，代表输出范围为0～100；
航班串中其他各个值勤段的第一疲劳值如表5所示：
表5
Figure BDA0003987336450000151
S5、基于第一疲劳值，计算出整个航班串的第二疲劳值；并基于第二疲劳值确定航班串的疲劳等级。
计算整个航班串的第二疲劳值的方法如下：
首先，将各个值勤段的第一疲劳值F取平均值，获得整个航班串下值勤的疲劳程度平均量化值
Figure BDA0003987336450000152
计算公式如下：
Figure BDA0003987336450000153
式中，n表示航班串下的值勤段数量；
然后，根据每个值勤段的疲劳程度量化值Fi与整个航班串下的疲劳程度平均量化值
Figure BDA0003987336450000154
计算出航班串下n个值勤段疲劳程度的标准差σ，公式如下：
Figure BDA0003987336450000161
之后根据每段值勤的疲劳程度量化值Fi以及整个航班串下的疲劳程度平均量化值
Figure BDA0003987336450000162
和标准差σ，计算出航班串下n个值勤段疲劳程度的偏度系数S，公式如下：
Figure BDA0003987336450000163
最后依据航班串下n个值勤段的疲劳程度平均量化值
Figure BDA0003987336450000164
和偏度系数S，计算出代表整个航班串第二疲劳值TF，公式如下：
Figure BDA0003987336450000165
本实施例中，航班串下值勤的疲劳程度平均量化值
Figure BDA0003987336450000166
标准差σ＝2.93，偏度系数S＝1.73，代表整个航班串疲劳程度的量化值TF＝10.13。
基于第二疲劳值确定航班串的疲劳等级的方法包括：
当：TF>80时疲劳等级为Ⅳ级；
80≥TF>50时疲劳等级为Ⅲ级；
50≥TF>20时疲劳等级为Ⅱ级；
TF≤20时疲劳等级为Ⅰ级；
其中，疲劳等级Ⅳ级表示航班串任务安排会使人极度疲劳；其中疲劳等级Ⅲ级表示航班串任务安排会使人高度疲劳；其中疲劳等级Ⅱ级表示航班串任务安排会使人一般疲劳；其中疲劳等级Ⅰ级表示航班串任务安排会使人适度疲劳(或不疲劳)。
实施例二
如图2所示，为本发明一种基于任务信息的航班串疲劳等级评定系统结构示意图，包括：采集模块、体系构建模块、处理模块、计算模块和分析模块；
采集模块用于采集航班串的任务信息，并基于任务信息提取影响航班串疲劳程度的第一因素；
在本实施例中，采集模块提取的影响航班串疲劳程度的第一因素包括：值勤时长、值勤开始时间、值勤结束时间、起降时间、过站时长、飞行方向与跨时区、机场难度、前序值勤与休息、航段数和定员。
体系构建模块用于基于第一因素构建指标评价体系，并计算每个第一因素的权重系数；
体系构建模块块构建指标评价体系的方法包括：
(1)对第一因素进行分类，得到一级指标；
在本实施例中，一级指标为航班串疲劳影响因素的归类；将上述第一因素进行分类，得到一级指标包括：时间计划类因素、环境类因素和工作负荷类因素。
(2)将一级指标包含的第一因素作为二级指标；
其中，时间计划类因素包括：值勤时长、值勤开始时间、值勤结束时间、起降时间和过站时长等二级指标；环境类因素包括：飞行方向与跨时区和机场难度等二级指标；工作负荷类因素包括：前序值勤与休息、航段数和定员等二级指标。
(3)基于一级指标和二级指标，构建指标评价体系。
计算每个第一因素的权重系数的方法包括：在本实施例中，通过1-9比率标度法确定出的各指标权重。
处理模块用于对任务信息进行分段处理，得到值勤期分段；并对每个第一因素进行量化表征，得到值勤期分段的因子强度；
本实施例中将任务信息分为3个值勤段：
以第1个值勤段为例，处理模块得到因子强度的方法包括：
首先，对第1个值勤段求取各个第一因素的量化表征并进行归一化，归一化结束后，对于量化表征非归一化的第一因素，设置量化表征结果对值勤期疲劳影响的上限ftop和下限fdown；对量化后的第一因素进行归一化处理，计算得到每个第一因素的因子强度：
归一化处理计算方法如下：
Figure BDA0003987336450000181
式中，Q表示因子强度，f表示表征结果。
在第1个值勤段，对于“值勤时长”：使用一种稳态函数表征值勤时长与疲劳程度的关系，量化表达式如下：
Figure BDA0003987336450000182
式中，t表示值勤时长，τ表示值勤时长与疲劳程度关系的函数表达式中的常数。
对于“值勤开始时间”和“值勤结束时间”：在这两个第一因素起作用的范围内，使用一种简易昼夜节律函数表征值勤开始时间/值勤结束时间与疲劳程度的关系，量化表达式如下：
Figure BDA0003987336450000191
式中，td表示值勤开始/结束的时间点；tdl1点至tdl2点之间开始或者结束的值勤对疲劳有影响作用，tdh开始或结束的值勤对疲劳有最强影响；当td在tdl1点至tdl2点之外时，量化表征取值为0。
对于“起降时间”：在该第一因素起作用范围以内，一次值勤内飞行任务的起降时间对整段值勤疲劳的影响，量化表达式如下：
Figure BDA0003987336450000192
其中，tf1、tf2、…、tfnf是位于tfl1之后且tfl2之前的nf次飞行任务起降时间点；tfl1点至tfl2点之间起降对疲劳有影响作用，tfh点起降对疲劳有最强影响。
对于“过站时长”：在该第一因素起作用范围内，一次值勤内的过站时长对整个值勤疲劳的影响，量化表达式如下：
Figure BDA0003987336450000193
其中，tw1、tw2、…、twnw是位于twl1之后且twl2之前的nw次过站的时长；过站时长介于twl1至twl2之间对疲劳有影响作用；twh表示按照计划应当安排宾休的临界过站时长，过站时长为twh时对疲劳有最强影响。
对于“飞行方向与跨时区”：一次值勤内的nz次跨越时区对整个值勤疲劳的影响，量化表达式如下：
Figure BDA0003987336450000201
其中，tz1、tz2、…、tznz是nz次任务跨越的经纬度时区数；dir1、dir2、…、dirp表示飞行方向与航班串疲劳的作用系数，若跨时区数在疲劳的作用下限以内，则dir＝0；跨时区数对疲劳起作用情况下，西飞时dir＝1，东飞时dir＝dir’，dir’表示东飞航线与西飞航线的总体疲劳比率。
对于“机场难度”：一次值勤内的np次飞行任务降落的机场难度对整个值勤疲劳的影响，量化表达式如下：
Figure BDA0003987336450000202
其中，p1、p2、…、pnp分别表示np个降落机场的难度赋分；根据机场海拔、地形、侧风和降落程序等将机场难度进行分类并赋分，分类与赋分依靠飞行员的评价打分。
对于“前序值勤与休息”：在该第一因素起作用范围内的量化表达式如下：
Figure BDA0003987336450000203
其中，sco表示前序值勤的赋分值，tb表示本次值勤与前序值勤的间隔小时数；对于航班串中第一次值勤或间隔小时数tb高于充分休息临界时间tbh的情况，其对本次值勤疲劳不产生影响作用，即量化表征等于0。
对于“航段数”：其量化表达式即为航段数本身。
对于“定员”：其量化表达式如下：
f＝ca+fo·ab1+so·ab2
其中，ca、fo、so分别是机长、第一副驾驶、第二副驾驶的数量；ab1、ab2分别是第一副驾驶和第二副驾驶与机长的飞行实力比值，具体比值通过对飞行员的调研打分获得。
计算模块用于基于权重系数和因子强度，计算值勤期分段的第一疲劳值；具体工作过程包括：
通过上述的权重系数W和因子强度Q，计算各个值勤段的第一疲劳值F，具体计算方法如下：
Figure BDA0003987336450000211
式中，α表示调节系数，用来修正模型输出范围；m表示影响航班串疲劳的第一因素的数量；Qi、Wi分别是第i个第一因素的因子强度和权重系数。
分析模块用于基于第一疲劳值，计算出整个航班串的第二疲劳值；并基于第二疲劳值确定航班串的疲劳等级。
分析模块计算整个航班串的第二疲劳值的方法如下：
首先，将各个值勤段的第一疲劳值F取平均值，获得整个航班串下值勤的疲劳程度平均量化值
Figure BDA0003987336450000212
计算公式如下：
Figure BDA0003987336450000213
式中，n表示航班串下的值勤段数量；
然后，根据每个值勤段的疲劳程度量化值Fi与整个航班串下的疲劳程度平均量化值
Figure BDA0003987336450000214
计算出航班串下n个值勤段疲劳程度的标
准差σ，公式如下：
Figure BDA0003987336450000221
之后根据每段值勤的疲劳程度量化值Fi以及整个航班串下的疲劳程度平均量化值
Figure BDA0003987336450000222
和标准差σ，计算出航班串下n个值勤段疲劳程度的偏度系数S，公式如下：
Figure BDA0003987336450000223
最后依据航班串下n个值勤段的疲劳程度平均量化值
Figure BDA0003987336450000224
和偏度系数S，计算出代表整个航班串第二疲劳值TF，公式如下：
Figure BDA0003987336450000225
基于第二疲劳值确定航班串的疲劳等级的方法包括：
当：TF>80时疲劳等级为Ⅳ级；
80≥TF>50时疲劳等级为Ⅲ级；
50≥TF>20时疲劳等级为Ⅱ级；
TF≤20时疲劳等级为Ⅰ级；
其中，疲劳等级Ⅳ级表示航班串任务安排会使人极度疲劳；其中疲劳等级Ⅲ级表示航班串任务安排会使人高度疲劳；其中疲劳等级Ⅱ级表示航班串任务安排会使人一般疲劳；其中疲劳等级Ⅰ级表示航班串任务安排会使人适度疲劳(或不疲劳)。
以上所述的实施例仅是对本发明优选方式进行的描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (10)

1.一种基于任务信息的航班串疲劳等级评定方法，其特征在于，包括：
采集航班串的任务信息，基于所述任务信息提取影响航班串疲劳程度的第一因素；
基于所述第一因素构建指标评价体系，并计算每个所述第一因素的权重系数；
对所述任务信息进行分段处理，得到值勤期分段；对每个所述第一因素进行量化表征，得到所述值勤期分段的因子强度；
基于所述权重系数和所述因子强度，计算所述值勤期分段的第一疲劳值；
基于所述第一疲劳值，计算出整个航班串的第二疲劳值；并基于所述第二疲劳值确定航班串的疲劳等级。
2.根据权利要求1所述基于任务信息的航班串疲劳等级评定方法，其特征在于，所述第一因素包括：值勤时长、值勤开始时间、值勤结束时间、起降时间、过站时长、飞行方向与跨时区、机场难度、前序值勤与休息、航段数和定员。
3.根据权利要求1所述基于任务信息的航班串疲劳等级评定方法，其特征在于，构建所述指标评价体系的方法包括：
对所述第一因素进行分类，得到一级指标；
将所述一级指标包含的所述第一因素作为二级指标；
基于所述一级指标和所述二级指标，构建所述指标评价体系。
4.根据权利要求3所述基于任务信息的航班串疲劳等级评定方法，其特征在于，所述一级指标包括：
时间计划类因素、环境类因素和工作负荷类因素。
5.根据权利要求1所述基于任务信息的航班串疲劳等级评定方法，其特征在于，得到所述因子强度的方法包括：
对所述第一因素进行量化表征，对量化表征非归一化的所述第一因素，设置量化表征结果对值勤期疲劳影响的上限ftop和下限fdown；
对量化后的所述第一因素进行归一化处理，得到每个所述第一因素的因子强度。
6.根据权利要求5所述基于任务信息的航班串疲劳等级评定方法，其特征在于，所述归一化处理计算方法如下：
Figure FDA0003987336440000021
式中，Q表示因子强度，f表示表征结果。
7.一种基于任务信息的航班串疲劳等级评定系统，其特征在于，包括：采集模块、体系构建模块、处理模块、计算模块和分析模块；
所述采集模块用于采集航班串的任务信息，并基于所述任务信息提取影响航班串疲劳程度的第一因素；
体系构建模块用于基于所述第一因素构建指标评价体系，并计算每个所述第一因素的权重系数；
处理模块用于对所述任务信息进行分段处理，得到值勤期分段；并对每个所述第一因素进行量化表征，得到所述值勤期分段的因子强度；
计算模块用于基于所述权重系数和所述因子强度，计算所述值勤期分段的第一疲劳值；
分析模块用于基于所述第一疲劳值，计算出整个航班串的第二疲劳值；并基于所述第二疲劳值确定航班串的疲劳等级。
8.根据权利要求7所述基于任务信息的航班串疲劳等级评定系统，其特征在于，所述体系构建模块构建所述评价指标的方法包括：
对所述第一因素进行分类，得到一级指标；
将所述一级指标包含的所述第一因素作为二级指标；
基于所述一级指标和所述二级指标，构建所述指标评价体系。
9.根据权利要求7所述基于任务信息的航班串疲劳等级评定系统，其特征在于，所述处理模块得到所述因子强度的方法包括：
对所述第一因素进行量化表征，对量化表征非归一化的所述第一因素，设置量化表征结果对值勤期疲劳影响的上限ftop和下限fdown；
对量化后的所述第一因素进行归一化处理，得到每个所述第一因素的因子强度。
10.根据权利要求9所述基于任务信息的航班串疲劳等级评定系统，其特征在于，所述归一化处理计算方法如下：
Figure FDA0003987336440000031
式中，Q表示因子强度，f表示表征结果。
CN202211569304.0A 2022-12-08 2022-12-08 一种基于任务信息的航班串疲劳等级评定方法及系统 Pending CN115936369A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211569304.0A CN115936369A (zh) 2022-12-08 2022-12-08 一种基于任务信息的航班串疲劳等级评定方法及系统
US18/523,500 US20240193508A1 (en) 2022-12-08 2023-11-29 Method and system for evaluating flight string fatigue grade based on task information

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211569304.0A CN115936369A (zh) 2022-12-08 2022-12-08 一种基于任务信息的航班串疲劳等级评定方法及系统

Publications (1)

Publication Number Publication Date
CN115936369A true CN115936369A (zh) 2023-04-07

Family

ID=86697246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211569304.0A Pending CN115936369A (zh) 2022-12-08 2022-12-08 一种基于任务信息的航班串疲劳等级评定方法及系统

Country Status (2)

Country Link
US (1) US20240193508A1 (zh)
CN (1) CN115936369A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116484614A (zh) * 2023-04-24 2023-07-25 中国民航大学 一种飞行员疲劳系数计算方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100235108A1 (en) * 2009-03-16 2010-09-16 Adams David O Usage monitor reliability factor using an advanced fatigue reliability assessment model
CN111387996A (zh) * 2020-02-28 2020-07-10 中国民航大学 民航飞行员执勤前多指标疲劳检测仪
CN114446008A (zh) * 2022-01-28 2022-05-06 中国商用飞机有限责任公司 机组疲劳预警方法、装置、电子设备及可读存储介质
CN114595921A (zh) * 2021-12-30 2022-06-07 中国民航管理干部学院 一种海上作业直升机飞行员疲劳综合评估系统及方法
KR20220133359A (ko) * 2021-03-24 2022-10-05 한국항공우주연구원 비행 전 조종사의 피로도 체크 방법 및 피로도 체크 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100235108A1 (en) * 2009-03-16 2010-09-16 Adams David O Usage monitor reliability factor using an advanced fatigue reliability assessment model
CN111387996A (zh) * 2020-02-28 2020-07-10 中国民航大学 民航飞行员执勤前多指标疲劳检测仪
KR20220133359A (ko) * 2021-03-24 2022-10-05 한국항공우주연구원 비행 전 조종사의 피로도 체크 방법 및 피로도 체크 시스템
CN114595921A (zh) * 2021-12-30 2022-06-07 中国民航管理干部学院 一种海上作业直升机飞行员疲劳综合评估系统及方法
CN114446008A (zh) * 2022-01-28 2022-05-06 中国商用飞机有限责任公司 机组疲劳预警方法、装置、电子设备及可读存储介质

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
孙殿阁;盖文妹;段炼;熊康昊;: "基于生物数学模型的飞行疲劳预测建模与仿真", 中国安全生产科学技术, no. 03, 30 March 2016 (2016-03-30), pages 165 - 168 *
沈学桢主编: "《数据分析技术》", 31 January 2005, 立信会计出版社, pages: 29 - 30 *
类淑菊;孙佳;李彤;蒋仲安;: "基于G_1法的飞行疲劳风险模糊综合评判方法研究", 安全与环境学报, no. 04, 25 August 2013 (2013-08-25), pages 244 - 248 *
胡静, 朱锋利: "防患于未然", 中国民用航空, no. 12, 20 December 2004 (2004-12-20), pages 49 - 50 *
郝兵;: "飞行疲劳的成因及应对措施", 中国民用航空, no. 11, 20 November 2011 (2011-11-20), pages 44 - 46 *
郭奕，黄永茂编著: "《Python工程应用 数据分析基础与实践》", 31 January 2021, 西安电子科学技术大学出版社, pages: 159 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116484614A (zh) * 2023-04-24 2023-07-25 中国民航大学 一种飞行员疲劳系数计算方法及系统
CN116484614B (zh) * 2023-04-24 2024-04-12 中国民航大学 一种飞行员疲劳系数计算方法及系统

Also Published As

Publication number Publication date
US20240193508A1 (en) 2024-06-13

Similar Documents

Publication Publication Date Title
Majumdar et al. Factors affecting air traffic controller workload: Multivariate analysis based on simulation modeling of controller workload
Wang et al. Evaluation of customer perceptions on airline service quality in uncertainty
US20240193508A1 (en) Method and system for evaluating flight string fatigue grade based on task information
CN110717616A (zh) 一种民航机组人力资源预测方法、电子设备及存储介质
CN112330186A (zh) 一种场地面运行保障能力评估方法
CN106707991A (zh) 基于模糊层次分析的多目标作业调度中瓶颈设备识别方法
Yilmaz et al. Aircraft selection process with technique for order preference by similarity to ideal solution and AHP integration
Stephens et al. Empirical analysis of the contribution of the aviation industry to the Nigerian economy
CN113793047A (zh) 一种飞行员合作交流能力测评方法和装置
CN114398769B (zh) 一种无人直升机飞行控制系统评分自动获取方法
Zhou et al. The UAV landing quality evaluation research based on combined weight and VIKOR algorithm
Dong et al. Evaluation for Trainee Pilot Workload Management Competency During Approach Phase Based on Flight Training Data
Čokorilo et al. Multi attribute decision making: Assessing the technological and operational parameters of an aircraft
Su et al. Robust modeling for fleet assignment problem based on GASVR forecast
Sailauov et al. AIR TRAFFIC FORECASTING USING OPTIMIZATION FOR ECONOMETRIC MODELS.
Sun et al. Research on human reliability of the high-speed railway intelligent dispatching centralized traffic control system
Li A cabin crew fatigue risk comprehensive evaluation model
Zhang et al. Research on quantitative evaluation method of test flight risk based on fuzzy theory
Wang et al. ATC System Operation Safety Assessment Based on Fuzzy Matter Element Analysis
Chen et al. Knowledge Graph of Civil Aircraft Approach and Landing Flight Safety Research Based on Citespace Sustainability Analysis
Xiao-yu et al. Decision model of flight safety based on flight event
Sanfaris et al. Implementation in Profile Matching Techniques Avsec (Aviation Security) Career Development
Yoo et al. A Study on Pilots' Behavior on Decision of Maneuvering Aircraft for Fuel Efficient Flight Operation
Yurdusevimli et al. Choosing the best training aircraft for a flight training organization by multi criteria decision making methods
Raman et al. Machine Learning Models for Aircraft Tail Performance & Degradation Predictions

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