一种基于QAR数据的飞行员飞行技能画像方法及系统

摘要

本发明涉及一种基于QAR数据的飞行员飞行技能画像方法及系统，包括：获取设定机型在设定周期内的多次飞行任务数据；根据所述多次飞行任务数据确定有效数据；对所述有效数据进行筛选，构建飞行员飞行技能画像指标体系；根据所述飞行员飞行技能画像指标体系利用灰色关联度法对飞行员的飞行技能维度进行评分，构建飞行技能的画像模型；根据所述画像模型构建飞行员的多维飞行技能画像雷达图。本发明能够提高对飞行员画像的全面性和针对性。

说明书

技术领域

本发明涉及飞行品质监控管理技术领域，特别是涉及一种基于QAR数据的飞行员飞行技能画像方法及系统。

背景技术

据民航事故统计表明，人的因素被认为是目前飞行事故中的最主要原因。飞行员作为飞机的直接操纵者，其操作行为及技能水平直接影响到飞机的运行安全，如果操作失误，就会带来难以估量的损失。因此，全面且有针对性地对飞行员的飞行技能和操作特征进行评定，及时识别未达要求的飞行技能或有风险倾向的操作行为，并匹配相应的训练和管理方案，是避免和减少飞行事故及不安全事件发生的重要途径。

在评定飞行员飞行技能及飞行操作特征方面，国内外学者已开展了许多研究，目前的研究主要基于QAR(Quick Access Recorder，快速存取记录仪)数据，通过分析飞行员在飞行过程中的各项操作指标来刻画飞行员的飞行能力。但是现有的研究方法仍有一些不足。一方面，构建的飞行技能维度较为片面。现有研究方法在建立飞行技能维度时，主要以人为筛选飞行关键点指标的方式，将单项指标作为衡量某一飞行技能的维度，通过确定超限事件来对飞行能力做出评价。然而，这种“以点覆面”的分析方法显然不能较为充分地衡量各项飞行技能的综合水平。事实上，某一飞行技能一般与多项指标有关，如飞行员飞行过程中的升降率控制能力，需要综合考量不同高度时飞机的升降率指标，甚至需要进一步挖掘并结合与升降率相关的其他指标。另一方面，飞行技能画像模型过于简单。飞行过程的不同阶段，飞行操纵密度差异较大，对技术难度的要求也有很大差别，现有的针对飞行员能力画像的方法多以专家打分结合描述性统计等较为单一的评定方法为主，主要通过分析飞行员是否存在超限事件、超限事件频率以及超限程度来对飞行员的飞行技能进行粗略评级，少有研究能够针对不同的飞行技能标准来建立一套较为精确的能力评分模型，这使得构建出的能力画像较为宏观、简单，缺少对飞行员关于操作技术特点方面的有针对性的分析。

发明内容

本发明的目的是提供一种基于QAR数据的飞行员飞行技能画像方法及系统，以提高对飞行员画像的全面性和针对性。

为实现上述目的，本发明提供了如下方案：

一种基于QAR数据的飞行员飞行技能画像方法，包括：

获取设定机型在设定周期内的多次飞行任务数据；

根据所述多次飞行任务数据确定有效数据；

对所述有效数据进行筛选，构建飞行员飞行技能画像指标体系；

根据所述飞行员飞行技能画像指标体系利用灰色关联度法对飞行员的飞行技能维度进行评分，构建飞行技能的画像模型；

根据所述画像模型构建飞行员的多维飞行技能画像雷达图。

可选的，所述根据所述多次飞行任务数据确定有效数据，具体包括：

对所述飞行任务数据进行预处理，确定有效数据；所述预处理包括异常值处理和缺失值处理。

可选的，所述对所述有效数据进行筛选，构建飞行员飞行技能画像指标体系，具体包括：

根据所述有效数据的方差对所述有效数据进行筛选，确定有效评价数据集；所述有效评价数据集包括原始指标；

对所述有效评价数据集进行标准化处理，得到标准化后的数据集；

利用主成分分析法对所述标准化后的数据集中的指标进行聚类，确定新指标；

根据线性变换关系对所述新指标进行筛选，确定飞行技能维度；所述线性变换关系为所述原始指标和所述新指标之间的线性变换关系；

根据所述有效评价数据集和所述飞行技能维度构建飞行员飞行技能画像指标体系。

可选的，所述利用主成分分析法对所述标准化后的数据集中的指标进行聚类，确定新指标，具体包括：

根据所述标准化后的数据集计算指标相关性，得到相关系数矩阵；

利用雅克比法确定所述相关系数矩阵的特征值；

根据所述特征值确定单位特征向量和信息贡献率；

根据所述单位特征向量和所述信息贡献率对所述标准化后的数据集中的指标进行聚类，确定新指标。

可选的，所述根据所述飞行员飞行技能画像指标体系利用灰色关联度法对飞行员的飞行技能维度进行评分，构建飞行技能的画像模型，具体包括：

根据所述原始指标的理想值利用所述线性变换关系确定所述原始指标的理想值对应新指标的理想值；

根据所述新指标的理想值确定绝对差值；所述绝对差值为所述新指标的理想值与所述新指标的实际值之间的差值；

根据所述绝对差值确定关联系数；所述关联系数为所述新指标的理想值与所述新指标的实际值之间的关联系数；

根据所述关联系数确定飞行员飞行技能维度得分，得到飞行技能的画像模型。

可选的，所述根据所述画像模型构建飞行员的多维飞行技能画像雷达图，具体包括：

根据所述画像模型中的飞行员飞行技能维度得分，利用可视化应用程序包构建飞行员的多维飞行技能画像雷达图。

一种基于QAR数据的飞行员飞行技能画像系统，包括：

获取模块，用于获取设定机型在设定周期内的多次飞行任务数据；

有效数据确定模块，用于根据所述多次飞行任务数据确定有效数据；

有效数据筛选模块，用于对所述有效数据进行筛选，构建飞行员飞行技能画像指标体系；

评分模块，用于根据所述飞行员飞行技能画像指标体系利用灰色关联度法对飞行员的飞行技能维度进行评分，构建飞行技能的画像模型；

多维飞行技能画像雷达图构建模块，用于根据所述画像模型构建飞行员的多维飞行技能画像雷达图。

可选的，所述有效数据筛选模块，具体包括：

有效数据筛选单元，用于根据所述有效数据的方差对所述有效数据进行筛选，确定有效评价数据集；所述有效评价数据集包括原始指标；

标准化处理单元，用于对所述有效评价数据集进行标准化处理，得到标准化后的数据集；

新指标确定单元，用于利用主成分分析法对所述标准化后的数据集中的指标进行聚类，确定新指标；

飞行技能维度确定单元，用于根据线性变换关系对所述新指标进行筛选，确定飞行技能维度；所述线性变换关系为所述原始指标和所述新指标之间的线性变换关系；

飞行员飞行技能画像指标体系构建单元，用于根据所述有效评价数据集和所述飞行技能维度构建飞行员飞行技能画像指标体系。

可选的，所述新指标确定单元，具体包括：

相关系数矩阵确定子单元，用于根据所述标准化后的数据集计算指标相关性，得到相关系数矩阵；

特征值确定子单元，用于利用雅克比法确定所述相关系数矩阵的特征值；

单位特征向量和信息贡献率确定子单元，用于根据所述特征值确定单位特征向量和信息贡献率；

新指标确定子单元，用于根据所述单位特征向量和所述信息贡献率对所述标准化后的数据集中的指标进行聚类，确定新指标。

可选的，所述评分模块，具体包括：

原始指标的理想值对应新指标的理想值确定单元，用于根据所述原始指标的理想值利用所述线性变换关系确定所述原始指标的理想值对应新指标的理想值；

绝对差值确定单元，用于根据所述新指标的理想值确定绝对差值；所述绝对差值为所述新指标的理想值与所述新指标的实际值之间的差值；

关联系数确定单元，用于根据所述绝对差值确定关联系数；所述关联系数为所述新指标的理想值与所述新指标的实际值之间的关联系数；

画像模型确定单元，用于根据所述关联系数确定飞行员飞行技能维度得分，得到飞行技能的画像模型。

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：

本发明提供的一种基于QAR数据的飞行员飞行技能画像方法及系统，通过大数据的思想，对飞行任务数据进行筛选，从而构建飞行员飞行技能画像指标体系，另外，利用灰色关联度法对飞行员的飞行技能维度进行评分，构建飞行技能的画像模型，能够确定飞行员个维度能力的倾向水平，从而提高对飞行员画像的全面性和针对性。

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为本发明基于QAR数据的飞行员飞行技能画像方法流程图；

图2为本发明基于QAR数据的飞行员飞行技能画像方法简易流程图；

图3为飞行员着陆过程中飞行技能画像六维雷达图；

图4为本发明基于QAR数据的飞行员飞行技能画像系统示意图。

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。

本发明的目的是提供一种基于QAR数据的飞行员飞行技能画像方法及系统，以提高对飞行员画像的全面性和针对性。

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。

如图1-2所示，本发明提供的一种基于QAR数据的飞行员飞行技能画像方法，包括：

步骤101：获取设定机型在设定周期内的多次飞行任务数据。

步骤102：根据所述多次飞行任务数据确定有效数据。其中，步骤102，具体包括：对所述飞行任务数据进行预处理，确定有效数据；所述预处理包括异常值处理和缺失值处理。通过航空公司QAR系统采集某一机型在某一周期内多次飞行任务的数据，采用四分位法删除QAR数据集中偏差较大的异常值，剔除含有缺失值的数据，得到有效数据集。

步骤103：对所述有效数据进行筛选，构建飞行员飞行技能画像指标体系。

结合专家经验和指标数值的特性，筛选出对飞行技能有评估价值的指标，并根据指标间的相关关系，对多维QAR数据指标进行降维、聚类，进一步依据专家意见，确定能反映飞行员飞行技能的有代表性的维度，为接下来的画像工作提供支撑。

其中，步骤103，具体包括：

根据所述有效数据的方差对所述有效数据进行筛选，确定有效评价数据集；所述有效评价数据集包括原始指标。

对所述有效评价数据集进行标准化处理，得到标准化后的数据集。

利用主成分分析法对所述标准化后的数据集中的指标进行聚类，确定新指标；所述利用主成分分析法对所述标准化后的数据集中的指标进行聚类，确定新指标，具体包括根据所述标准化后的数据集计算指标相关性，得到相关系数矩阵。利用雅克比法确定所述相关系数矩阵的特征值。根据所述特征值确定单位特征向量和信息贡献率。根据所述单位特征向量和所述信息贡献率对所述标准化后的数据集中的指标进行聚类，确定新指标。

根据线性变换关系对所述新指标进行筛选，确定飞行技能维度；所述线性变换关系为所述原始指标和所述新指标之间的线性变换关系。

根据所述有效评价数据集和所述飞行技能维度构建飞行员飞行技能画像指标体系。

步骤104：根据所述飞行员飞行技能画像指标体系利用灰色关联度法对飞行员的飞行技能维度进行评分，构建飞行技能的画像模型。

其中，步骤104，具体包括：

根据所述原始指标的理想值利用所述线性变换关系确定所述原始指标的理想值对应新指标的理想值。

根据所述新指标的理想值确定绝对差值；所述绝对差值为所述新指标的理想值与所述新指标的实际值之间的差值。

根据所述绝对差值确定关联系数；所述关联系数为所述新指标的理想值与所述新指标的实际值之间的关联系数。

根据所述关联系数确定飞行员飞行技能维度得分，得到飞行技能的画像模型。

步骤105：根据所述画像模型构建飞行员的多维飞行技能画像雷达图。

其中，步骤105，具体包括：

根据所述画像模型中的飞行员飞行技能维度得分，利用可视化应用程序包构建飞行员的多维飞行技能画像雷达图。

如图2所示，本发明还提供了一种基于QAR数据的飞行员飞行技能画像方法在实际应用中的具体流程，步骤如下：

步骤A：数据预处理；通过航空公司QAR系统采集某一机型在某一周期内多次飞行任务的数据，对数据进行异常值、缺失值处理，得到有效数据。具体为采用四分位法删除QAR数据集中偏差较大的异常值，剔除含有缺失值的数据，得到有效数据。

步骤B：构建飞行员飞行技能画像指标体系；结合专家经验和指标数值的特性，对有效数据进行筛选，筛选出对飞行技能有评估价值的指标，并根据指标间的相关关系，对多维QAR数据指标进行降维、聚类，进一步依据专家意见，确定能反映飞行员飞行技能的有代表性的维度，为接下来的画像工作提供支撑。包括以下步骤：

步骤B1：指标筛选；结合专家经验和指标数值的特性，删除对飞行技能评估价值较小的指标，得到最终的有效数据集。

其具体做法如下：①删除数值全部相同的指标(无效指标)；②通过航空公司专家采样N

步骤B2：确定飞行技能维度；基于主成分分析的方法，通过挖掘指标间的相关关系实现对飞行操作指标的聚类，进一步结合聚类结果和专家经验，确定能够表征特定飞行技能的画像维度。

其具体做法如下：①对有效评价数据集X＝(x

其中X’

步骤C：建立飞行员飞行技能画像模型；基于步骤B所建立的飞行员飞行技能画像指标体系，采用灰色关联度法对飞行员各个飞行技能维度进行评分，构建能反映飞行技能的画像模型。

其具体含义为：基于步骤B所建立的飞行员飞行技能画像指标体系，采用灰色关联度法对飞行员各个飞行技能维度进行评分，画像指标体系是由步骤B1筛选出的指标和步骤B2确立的飞行技能维度构成。具体包括以下步骤：①根据各原始指标的理想值X’

步骤D：构建飞行员飞行技能画像雷达图；基于步骤C所计算得到的飞行员各个飞行技能维度的评分值，通过R(计算机程序设计)软件中的plotly(可视化应用程序包)工具构建飞行员的多维飞行技能画像雷达图。

如图3所示，本实施例根据着陆过程中的QAR数据所确定的飞行技能维度，可以将飞行员飞行技能画像以六维雷达图形式呈现，随着飞行员某些时序动态操作数据的变化，其能力得分也发生改变。通过对飞行技能雷达图的横向对比分析，可以发现飞行员的能力倾向水平和薄弱环节，进而以数据为理论依据有针对性地调整训练方案；通过对飞行技能雷达图的纵向对比分析，可以对整个飞行机队进行综合评价，为航空公司的管理和培训提供理论支持。

如图4所示，本发明提供的一种基于QAR数据的飞行员飞行技能画像系统，包括：

获取模块401，用于获取设定机型在设定周期内的多次飞行任务数据。

有效数据确定模块402，用于根据所述多次飞行任务数据确定有效数据。

有效数据筛选模块403，用于对所述有效数据进行筛选，构建飞行员飞行技能画像指标体系。

评分模块404，用于根据所述飞行员飞行技能画像指标体系利用灰色关联度法对飞行员的飞行技能维度进行评分，构建飞行技能的画像模型。

多维飞行技能画像雷达图构建模块405，用于根据所述画像模型构建飞行员的多维飞行技能画像雷达图。

在实际应用中，所述有效数据筛选模块403，具体包括：

有效数据筛选单元，用于根据所述有效数据的方差对所述有效数据进行筛选，确定有效评价数据集；所述有效评价数据集包括原始指标。

标准化处理单元，用于对所述有效评价数据集进行标准化处理，得到标准化后的数据集。

新指标确定单元，用于利用主成分分析法对所述标准化后的数据集中的指标进行聚类，确定新指标。其中，所述新指标确定单元，具体包括：相关系数矩阵确定子单元，用于根据所述标准化后的数据集计算指标相关性，得到相关系数矩阵；特征值确定子单元，用于利用雅克比法确定所述相关系数矩阵的特征值。单位特征向量和信息贡献率确定子单元，用于根据所述特征值确定单位特征向量和信息贡献率。新指标确定子单元，用于根据所述单位特征向量和所述信息贡献率对所述标准化后的数据集中的指标进行聚类，确定新指标。

飞行技能维度确定单元，用于根据线性变换关系对所述新指标进行筛选，确定飞行技能维度；所述线性变换关系为所述原始指标和所述新指标之间的线性变换关系。

飞行员飞行技能画像指标体系构建单元，用于根据所述有效评价数据集和所述飞行技能维度构建飞行员飞行技能画像指标体系。

在实际应用中，所述评分模块404，具体包括：

原始指标的理想值对应新指标的理想值确定单元，用于根据所述原始指标的理想值利用所述线性变换关系确定所述原始指标的理想值对应新指标的理想值。

绝对差值确定单元，用于根据所述新指标的理想值确定绝对差值；所述绝对差值为所述新指标的理想值与所述新指标的实际值之间的差值。

关联系数确定单元，用于根据所述绝对差值确定关联系数；所述关联系数为所述新指标的理想值与所述新指标的实际值之间的关联系数。

画像模型确定单元，用于根据所述关联系数确定飞行员飞行技能维度得分，得到飞行技能的画像模型。

本发明针对以上的问题，提出了一种基于QAR数据的飞行员飞行技能画像方法，一方面，运用大数据的思想，通过挖掘QAR数据中指标间的相关关系来构建更为综合的多维飞行技能维度，提高数据的利用率；另一方面，建立科学的飞行技能评分模型，针对飞行员构建可视化多维能力画像，并根据各维度能力的倾向水平，有针对性地对飞行员匹配相应的技术操作特点说明。本方案对于挖掘、评定飞行员飞行技术特征，有针对性地制定、调整飞行员培训计划具有重要现实意义。

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。