论文部分内容阅读
空中交通管制员是保障航空器安全运行的关键成员,承担着防止航空器相撞,维护空中交通秩序,提升运行效率的重要责任。研究表明约20%的管制员在执行管制任务时一直存在疲劳感,在空管不安全事件中与管制员疲劳相关的工作差错约占18%,管制员疲劳已成为国内外空管人为因素研究领域的热点问题。本文设计了管制员疲劳致因和疲劳程度调查问卷,利用克朗巴哈系数检验出问卷的信效度满足研究要求,通过层次分析法(AHP)得出了各致因的权重。以国内某三个空管单位的183名管制员为研究对象,将睡眠质量指数、工作负荷度、警觉度作为管制员疲劳状态的识别因子,构建了基于BP神经网络的管制员疲劳状态识别模型,设计了网络的结构和训练过程,利用MATLAB程序对模型进行验证。结果表明,网络训练得到的管制员疲劳值误差介于?0.2之间,样本总体回归系数R=0.99996,模型的识别精度较高。基于管制员的疲劳值和近10年疲劳不安全事件统计结果,利用极值理论和阈值(POT)模型以及Q-Q图分析出样本趋于厚尾分布,综合Hill图和平均超限函数(MEF)图得到了POT模型的阈值和管制员疲劳超阈值样本随机变量,以广义帕累托(GP)分布逼近随机变量的分布情况,得到了管制员疲劳超阈值样本的分布函数。通过极大似然估计法求出分布的参数,得到管制员疲劳状态与风险概率之间的函数关系,建立了管制员疲劳风险概率评估模型,运行MATLAB程序计算出不同疲劳值所导致风险的累积概率,再利用K-S方法对分布进行了拟合优度检验。结果表明,管制员疲劳超阈值样本服从形状参数?=0.0798,尺度因子?1=1.108,位置参数?9=0.438的GP分布,样本总体的损失分布函数能够很好的估计管制员疲劳风险发生的概率。通过界定风险后果的严重程度得到了管制员疲劳风险指数(FRI),建立了管制员疲劳风险等级评定参考依据,通过统计不同空管单位的年飞行保障量和人均架次比,对比分析了不同空管单位、不同管制部门、不同执勤时间段的平均疲劳风险指数,最后提出了疲劳风险防控措施。结果表明,人均架次比越大的单位其管制员的平均FRI值越高(FRI=0.81);不同管制部门中区域管制室管制员的平均FRI值最高(FRI=0.76);在22:00—07:00(次日)时间段内执勤的管制员平均FRI最高(FRI=0.82)。