基于信息加工模型的飞行员差错分析与分类

建立了飞行员信息加工模型。基于该模型,飞行员人为差错可按照认知行为过程分为信息感知差错、信息处理差错、决断差错、行为操作差错,并结合差错模式分类框架进行更详细地分类;影响飞行员认知和行为的情境条件可分为外部差错影响因素和内部差错影响因素。对以往飞行人为差错的分析表明,在信息加工层面分类的人为差错更宜于确定差错的心理机制。基于该理论模型的差错分类系统可以提高人为差错分析的有效性和一致性,从而提高差错管理的有效性。     

管制员人为差错影响因素及指标权重分析

根据SHELL模型,将影响管制员人为差错的因素从内部因素和外部因素进行分析,内部因素包括管制员生理因素、心理因素、管制员业务技能三个部分;外部因素包括管制员与管制员班组之间、管制员与管制设备之间、管制员与管制程序等软件之间。通过分析和专家咨询,建立了影响管制员人为差错的影响因素指标体系,在模糊层次分析法的基础之上引入0.1-0.9标度法的三角模糊数,通过对各影响因素进行对比分析,得出了影响管制员人为差错的三级指标的重要度排序,排在前八位的因素依次为酒精及药物影响、形势意识、班组人员性格搭配、班组人员能力搭配、疲劳、人机界面、外界压力、情绪状态。为管制员培训和管理层进行安全检查提供了基础理论依据。     

基于云模型的管制员岗位工效学评价

通过对现有中国民航管制员岗位的工效学评价,减少管制员的人为差错,保障民航的安全运行,结合管制员岗位人机界面的特点,从人机界面构成要素和工效学角度,综合考虑各种影响管制员工作的因素,建立了管制员岗位工效学评价指标体系。基于云模型和模糊综合评价法构建了管制员岗位工效学评价模型,并应用该模型对某机场塔台管制员岗位的工效学现状进行了评价。该模型具有量化分析,评价结果直观的特点,能够反映出系统人机界面中存在的不足,为改进人机界面设计和减少管制员差错提供理论基础。     

管制移交人误本体建模及BN诊断研究

为管控人为差错导致的空中交通管制(ATM)移交风险,提高空管运行安全,基于空管人误分类模型(HERA-JANUS)构建领域本体模型,并借助BNTab插件和Netica J接口将领域本体转化为贝叶斯网络(BN)模型,通过软件Netica对管制移交人误进行可视化诊断;利用Netica训练美国航空安全报告系统(ASRS)中的统计数据,修正先验概率,以实际案例验证模型的有效性,并得出关键差错行为。结果表明:BN诊断可实现管制移交人误关键因素的识别,信息发送不正确、管制员误判、较晚和(或)没有发现目标等3种内部差错行为显著影响信息传输、行为选择和行为时间。     

航空人为差错事故/事件分析(ECAR)模型研究

为深入研究航空人为差错事故/事件的影响因素,以人为差错相关理论为基础,对比分析几种典型的人为差错分析模型;通过借鉴ECCAIRS分析框架,并在基元事件分析(EEAM)逻辑和CCAR396部的分类方法基础上,构建航空人为差错事故/事件分析(ECAR)模型,它从事件层、描述层、原因层和组织因素与改进建议层,分析航空事故和不安全事件的人为差错。此外,还将组织因素概念引入该模型。     

空中交通管制员人因可靠性分析方法

为有效评价空中交通管制员作业可靠性,以人为差错评价和规避方法(HEART)为基础,开发面向管制员的人因可靠性分析(HRA)方法。首先分析管制员的工作任务,确定管制员通用任务场景(GTT);然后采用几何平均法、采样法对多源的基本人为差错概率(NHEP)进行融合;按照人-机-环-管的思路,结合已有方法的差错诱发条件(EPC)或绩效形成因子(PSF),综合确定管制员EPC,并结合德尔菲法,利用贝叶斯网络(BN)计算得到EPC的最大影响值;最后以管制员调配飞行冲突为例,运用文中所提方法计算人为差错概率(HEP)。结果表明:与传统单纯使用HEART方法和认知可靠性差错分析方法(CREAM)的计算结果相比,文中所提计算结果更为合理。     

基于信息处理和事故链原理的结构化飞行员差错模型

为了对民航飞行员人为差错进行系统分析,研究民航业中常见人为差错的分析方法,指出其局限性。基于信息处理过程和事故链原理,从微观的认知过程和宏观的HFACS框架2个层面构建一种新的飞行员人为差错分析模型,并对模型中的情景分析、差错模式与分类、认知机理、差错恢复、差错成因、反馈机制和防御机制等几大核心模块进行阐述,重点介绍认知机理在差错形成中产生的关键影响因素,提出结构化差错分析方法的思路与步骤。该模型为民航飞行员人为差错的产生机理、差错分类和差错成因的分析提供一种新思路,但模型的进一步应用还有待于通过案例分析来验证。     

基于HERA-JANUS模型的空管人误认知分析

空管人误分类分析是空管人误研究的基础。为了对管制员人误进行系统的分类研究,结合空管业务知识和认知心理学理论,对欧洲航空安全局和美国联邦航空局合作开发的HERA-JANUS模型的工作原理和流程进行较详细地分析。运用该方法模型,对我国一起空管不安全事件案例进行分析后得到3个由管制员所产生的人误差错,并对这3个人误差错分别从人误类型、人误认知、相关因素3方面进行详尽的分析研究,最后得出该不安全事件的21项人误结果。结果表明,HERA-JANUS模型能较全面地从深层次分析管制员的人误,其分类形式也便于开展空管人误统计。     

空管威胁、差错与意外状态的贝叶斯模型分析研究

为准确理解民航空中交通管理中各类人为差错数据的可靠性和相关性,为安全决策提供量化依据,对空管威胁、差错和意外状态数据进行贝叶斯模型分析。该方法在先验概率基础上,通过研究空中意外状态发生条件下威胁与差错各自发生的后验概率,获得上述3类安全信息的相关性大小排序。针对收集到的625起数据样本进行了研究,结果表明:与空中意外状态的发生相关性最大的3类差错依次为:管制员对机组的通讯差错、信息差错以及管制员对管制员的通讯差错;与空中意外状态的发生相关性最大的3类威胁依次为:程序威胁、相邻单位威胁和空中交通威胁。空管运行单位的安全管控应重点关注管制员/机组间的通讯差错,并针对各种可能出现的威胁预先制定应对程序。     

基于TRACEr的管制员差错风险量化分析

为准确辨识管制员(ATCO)的人为差错风险,量化预测不同认知领域的差错发生概率,根据认知差错回溯与预测分析(TRACEr)中的认知功能框架定义管制差错类型,分析心理差错机制的致因因素,将其作为根节点建立空中交通管理(ATM)不安全事件的贝叶斯网络;引入加权距离计算网络节点的条件概率,分析我国近10年的空管人误数据,以挖掘差错风险因素。研究结果表明:管制员的人为差错产生于各个认知领域,由此导致的不安全事件发生概率为0.040 7;警觉性失效、未充分学习、忽略危险、沟通误解和信息传输不清晰是主要风险因素,产生判断差错和信息传输差错的概率较大。     

基于CREAM和贝叶斯网络的空管人误概率预测方法

针对研究管制人因可靠性时存在的模糊性和片面性问题，采用认知可靠性与失误分析方法（CREAM）中的扩展预测法，计算10项管制通用任务的人误概率；在此基础上，以管制行为形成因子作为根节点构建贝叶斯网络，建立其与情景控制模式的不确定关系模型，对管制员在多任务中的人误概率进行预测。研究结果表明:在由相同评判者给出行为形成因子影响效应的前提下，由CREAM扩展预测法和构建贝叶斯网络的方法预测得到的多数任务的人误概率差异较大，从方法的客观性、合理性和适用性角度分析，贝叶斯网络在研究该问题时更具优势。     

民航人因失误分类框架

人因失误分类是否系统、完整及对人误描述是否一致直接影响人误分析的结果。本文对民航中主要几种人误分析方法进行了详细评述，指出其在考虑人的认知过程和行为外在表现形式方面的不足。在对现有人误理论模型和人误分类方法详细分析的基础上，提出了民航人误分类框架。框架由人的行为过程的四个阶段“获取信息-分析处理信息-决策／计划-执行”和八类人误模式及相应的子模式构成。行为阶段与人误模式可针对具体活动进行组合，框架的使用具有灵活性。框架对保证民航中人误辨识结果的规范性和准确性具有重要意义。     

基于人差错纠正能力的人因可靠性模型研究

根据人-机系统中人的操作行为具有时序性和差错可纠正性的特点,结合船舶舱室行为形成主因子,开展船舶舱室人因可靠性研究。以人因失误的时序性和差错纠正参数为基础,建立人-机系统中操作者行为模式和人因失误事件树模型。通过对人的差错纠正能力的分析,开展人因可靠性量化模型纠正理论研究。最后,以船舶舱室操作台的监控任务人因可靠性为例进行量化计算,定量评估操作人员执行任务的可靠度。     

Estimation of air traffic longitudinal conflict probability based on the reaction time of controllers

To estimate air traffic longitudinal conflict probability influenced by human factors, an analytic model considering the reaction time of controllers is proposed. In the model, the decelerating process of two close flights is described, and the reaction time of controllers is considered a stochastic variable. Then one hundred data of the controller reaction time are collected and analysed. Maximum likelihood estimate is used for parameter estimation. The Anderson–Darling Goodness of Fit test is used for significance test. The results show that the reaction time of controllers fits lognormal distribution at levels of significance 0.05, 0.025, 0.01 and 0.005 respectively. Case study is then performed to certify the rationality of the model, and the impact of the controller reaction time on air traffic longitudinal conflict probability is shown.     

基于流程图的机场管制塔台风险因素辨识

在对空中交通管制风险模型分析的基础上,确定辨识空管运行过程中风险因素的3条途径。基于运行分析方法建立机场管制塔台航空器放行流程图,结合流程图简表对地面管制准备阶段的风险因素进行分析,提出把鱼刺图与流程图相结合辨识航空器放行过程的风险识别方法。最后,应用上述方法从人-机-环-管方面辨识出机场管制塔台运行过程中的65个风险因素,其中包括40个管制员因素、10个设备因素、9个环境因素和6个管理因素。     

管制员认知偏差测评量表的编制与应用

利用信息加工模型,结合管制工作的特殊性,编制出管制员认知偏差测评量表。利用该量表对管制员认知偏差进行测量,结果表明管制员管制过程中存在较大的认知偏差;不同性别及年龄的管制员在认知偏差方面存在显著差异。     

基于视频分析的空管员违规行为识别方法*

为利用视频数据对空管员违规行为进行智能化分析,降低不安全事件发生率,提出2阶段的违规行为识别模型（AR-ResNeXt）,基于实地调研构建空管员视频数据集,利用最小化动态多实例学习损失函数和中心损失函数,获得违规行为检测的判别特征表示,结合异常回归网络和ResNeXt网络,完成对空管员违规行为的时序区间检测与动作分类。研究结果表明:AR-ResNeXt模型在自制数据集中,其帧级AUC达到82.9%,分类准确率达到87.8%,可准确识别空管员发生违规行为的时序区间并进行分类,研究结果可为保障空中交通安全奠定基础。     

空中交通管制员职业素质模糊综合评价

提出一种管制员综合素质的评价方法;构建管制员综合素质评价指标体系和模糊综合评价模型;应用专家打分法确定指标的权重判断矩阵数据和隶属度数据;采用层次分析法对判断矩阵进行处理得到指标权重数据;按照评价模型的程序对权重数据和隶属度数据进行处理,最终得到管制员综合素质的评价值,根据评价结果提出了提高管制员综合素质的对策。