一種基于gabp神經(jīng)網(wǎng)絡(luò)的管制員工作負(fù)荷的預(yù)測(cè)方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及航空領(lǐng)域，尤指一種管制員工作負(fù)荷的預(yù)測(cè)方法及系統(tǒng)。
【背景技術(shù)】
[0002] 伴隨著航空運(yùn)輸業(yè)的發(fā)展，為了保證各類飛行活動(dòng)的安全和有序，空中交通管制 服務(wù)應(yīng)運(yùn)而生并不斷得到發(fā)展完善，至20世紀(jì)80年代趨于成熟。現(xiàn)代空中交通管制服務(wù) 的主要內(nèi)容是：空中交通管制員（簡(jiǎn)稱為"管制員"，下同）依托現(xiàn)代通信、導(dǎo)航、監(jiān)視技術(shù)， 對(duì)所轄航空器實(shí)施管理和控制，協(xié)調(diào)和指導(dǎo)其運(yùn)動(dòng)路徑和模式，以防止空中航空器與航空 器相撞及在機(jī)場(chǎng)機(jī)動(dòng)區(qū)內(nèi)航空器與障礙物相撞，維護(hù)和加快空中交通的有序流動(dòng)。管制員 主要工作是通過(guò)雷達(dá)顯示的實(shí)時(shí)信息，密切監(jiān)控飛行動(dòng)態(tài)，并通過(guò)無(wú)線電通信設(shè)備向機(jī)組 發(fā)布各種指令，是一個(gè)集眼、手、嘴等多感官共同協(xié)調(diào)的工作。管制員的工作與航空器的飛 行安全息息相關(guān)。
[0003] 比如，公開(kāi)號(hào)為CN104332073A的專利文獻(xiàn)在2015-02-04公開(kāi)了一種智能空中交 通管制系統(tǒng)，包括數(shù)據(jù)接收接口模塊、數(shù)據(jù)處理中心、應(yīng)急超控模塊、電子飛行計(jì)劃顯示模 塊、航班監(jiān)控顯示模塊和航班控制指令發(fā)送模塊。通過(guò)接收飛機(jī)準(zhǔn)確的實(shí)時(shí)飛行信息，數(shù)據(jù) 處理中心即可展開(kāi)飛行計(jì)劃的精確計(jì)算，并優(yōu)化整個(gè)飛行隊(duì)列，如縮短飛機(jī)間距，合理調(diào)配 對(duì)應(yīng)跑道的起降順序，實(shí)時(shí)更改著陸角，曲線進(jìn)近等，有效提高整個(gè)飛行隊(duì)列的效率，加強(qiáng) 安全性。最終，整個(gè)飛行計(jì)劃將顯示在管制員的監(jiān)控顯示器上。航空管制員可以隨時(shí)通過(guò) 顯示器觀察飛行隊(duì)列起飛著陸的優(yōu)先順序，并通過(guò)更改飛機(jī)起飛/著陸航跡，航速等參數(shù)， 調(diào)整隊(duì)列順序。從而提尚機(jī)場(chǎng)通勤率，提尚管制員的工作效率。
[0004] 但即便如此，在最繁忙時(shí)段，個(gè)體管制員仍可能需要同時(shí)管制十幾架航空器，因 此，管制員腦力勞動(dòng)強(qiáng)度大、工作負(fù)荷高，經(jīng)常需要倒班，容易出現(xiàn)不同水平的疲勞狀態(tài)，對(duì) 管制員工作負(fù)荷進(jìn)行預(yù)測(cè)并對(duì)可能產(chǎn)生超負(fù)荷的時(shí)段進(jìn)行干預(yù)，可以有效避免疲勞狀態(tài)的 產(chǎn)生。
[0005] 因此，關(guān)于管制員工作負(fù)荷預(yù)測(cè)的研究也逐漸被各國(guó)所重視，目前主要體現(xiàn)在 管制員工作負(fù)荷的測(cè)評(píng)技術(shù)上，自20世紀(jì)70年代以來(lái)陸續(xù)演化出了三類管制員工作 負(fù)荷測(cè)評(píng)方法，即：（1)根據(jù)管制員生理、行為特征分析，得出管制工作負(fù)荷強(qiáng)度。測(cè)量 的生理指標(biāo)包括電擊皮膚的反應(yīng)、心率、心電圖、血壓、體液等，行為指標(biāo)包括設(shè)備操作 次數(shù)、陸空通話時(shí)間記錄等；（2)采取觀察和問(wèn)卷形式的主觀測(cè)評(píng)方法，如ATWIT技術(shù) (air traffic workload input technique，美國(guó)聯(lián)邦航空局的空中交通負(fù)荷輸入技術(shù)）、 NASA-TLX量表（task load index，美國(guó)國(guó)家航空航天局的任務(wù)負(fù)荷量表）、SWAT量表 (subjective workload analysis technique，主觀工作負(fù)荷分析技術(shù)）和MCH法（modified cooper-harper ratings，庫(kù)柏-哈柏修正法）等；（3)將管制員工作進(jìn)行細(xì)分，對(duì)于看得見(jiàn) 的工作測(cè)計(jì)所消耗的時(shí)間，對(duì)于看不見(jiàn)的工作轉(zhuǎn)化為時(shí)間上的消耗，以時(shí)間度量方式實(shí)現(xiàn) 對(duì)管制員工作負(fù)荷的定量評(píng)估。此類方法包括ICAO推薦的D0RATASK法（Directorate of Operation Research and Analysis of the United Kingdom，英國(guó)運(yùn)籌研究與分析理事會(huì) 提出）和MBB法（Messerschmidt, Bglkow and Blohm of Germany，德國(guó)梅塞施密特、特爾科 和布盧姆提出），以及 RAMS 法（Re-organized ATC Mathematical Simulator，歐洲空管實(shí) 驗(yàn)中心提出）。
[0006] 例如，公開(kāi)號(hào)為CN104636890A的專利文獻(xiàn)在2015-05-20公開(kāi)了一種空中交通管 制員工作負(fù)荷測(cè)量方法，包括：步驟A :確定管制負(fù)荷測(cè)量指標(biāo)，該管制負(fù)荷測(cè)量指標(biāo)包括 眼動(dòng)指標(biāo)和語(yǔ)音指標(biāo)；步驟B :實(shí)時(shí)記錄各眼動(dòng)指標(biāo)對(duì)應(yīng)的眼動(dòng)指標(biāo)數(shù)據(jù)，以及各語(yǔ)音指標(biāo) 對(duì)應(yīng)的語(yǔ)音指標(biāo)數(shù)據(jù)；步驟C :對(duì)記錄的眼動(dòng)指標(biāo)數(shù)據(jù)進(jìn)行因子分析，計(jì)算出眼動(dòng)指標(biāo)數(shù)據(jù) 的眼動(dòng)綜合因子；步驟D :以眼動(dòng)綜合因子和語(yǔ)音指標(biāo)為輸入因素，管制工作負(fù)荷值為輸出 因素，建立管制負(fù)荷回歸模型。該方法能夠?qū)崟r(shí)、無(wú)干擾的測(cè)量管制員的工作負(fù)荷，實(shí)用性 強(qiáng)。
[0007] 但該方法參考的數(shù)據(jù)比較局限，指標(biāo)維度單一，不夠全面、綜合，存在一定的局限 性，預(yù)測(cè)可靠度不高。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明提供一種可以提高管制員工作負(fù)荷預(yù)測(cè)結(jié)果的可靠性的管制員工作負(fù)荷 預(yù)測(cè)方法和系統(tǒng)。
[0009] 本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的：
[0010] 一種管制員工作負(fù)荷的預(yù)測(cè)方法，包括步驟：
[0011] 步驟1 :確定BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，采集不同時(shí)段的扇區(qū)交通流態(tài)勢(shì)指標(biāo)樣本、建 立樣本集；
[0012] 步驟2:利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，進(jìn)行網(wǎng)絡(luò)訓(xùn)練，輸出優(yōu)化后 的BP神經(jīng)網(wǎng)絡(luò)；
[0013] 步驟3 :根據(jù)輸入的扇區(qū)交通流態(tài)勢(shì)指標(biāo)實(shí)時(shí)數(shù)據(jù)，通過(guò)步驟2優(yōu)化的BP神經(jīng)網(wǎng) 絡(luò)預(yù)測(cè)管制員工作負(fù)荷指數(shù)；
[0014] 步驟4:若測(cè)管制員工作負(fù)荷指數(shù)的結(jié)果符合預(yù)設(shè)條件，則響應(yīng)警告。
[0015] 優(yōu)選的，所述步驟1包括如下過(guò)程：
[0016] 步驟I. 1確定網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)；
[0017] 步驟1.2建立樣本集。
[0018] 優(yōu)選的，所述步驟1. 2中的樣本集包括不同時(shí)段的扇區(qū)交通流態(tài)勢(shì)指標(biāo)，及其對(duì) 應(yīng)的管制員工作負(fù)荷指標(biāo)；所述扇區(qū)交通流態(tài)勢(shì)指標(biāo)包括扇區(qū)通行性檢測(cè)指標(biāo)、扇區(qū)復(fù)雜 性檢測(cè)指標(biāo)、扇區(qū)安全性檢測(cè)指標(biāo)、扇區(qū)經(jīng)濟(jì)性檢測(cè)指標(biāo)。
[0019] 優(yōu)選的，所述扇區(qū)通行性檢測(cè)指標(biāo)為扇區(qū)流量、扇區(qū)航行里程、扇區(qū)航行時(shí)間和扇 區(qū)交通流密度；
[0020] 扇區(qū)復(fù)雜性檢測(cè)指標(biāo)為扇區(qū)航空器爬升次數(shù)、扇區(qū)航空器下降次數(shù)、扇區(qū)航空器 改速次數(shù)、扇區(qū)航空器改航次數(shù)；
[0021] 扇區(qū)安全性檢測(cè)指標(biāo)為扇區(qū)短期沖突告警頻率和扇區(qū)最低安全高度告警頻率；
[0022] 扇區(qū)經(jīng)濟(jì)性檢測(cè)指標(biāo)為扇區(qū)飽和度、扇區(qū)排隊(duì)長(zhǎng)度、扇區(qū)航空器延誤架次率、扇區(qū) 航空器延誤時(shí)間、扇區(qū)航空器平均延誤時(shí)間。
[0023] 優(yōu)選的，步驟2包括如下步驟：
[0024] 步驟2. 1使用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值；
[0025] 步驟2. 2以最優(yōu)初始化權(quán)值和閾值，對(duì)扇區(qū)交通流態(tài)勢(shì)指標(biāo)樣本進(jìn)行BP神經(jīng)網(wǎng)絡(luò) 訓(xùn)練，輸出優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)。
[0026] 優(yōu)選的，所述步驟2. 1包括：
[0027] 步驟2. I. 1隨機(jī)初始化BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值，對(duì)權(quán)值和閾值進(jìn)行編碼，形成個(gè) 體及種群；
[0028] 步驟2. L 2構(gòu)造個(gè)體適應(yīng)度函數(shù)；
[0029] 步驟2. L 3選擇操作；
[0030] 步驟2. 1. 4交叉操作；
[0031] 步驟2. L 5變異操作；
[0032] 步驟2. 1. 6根據(jù)遺傳算法結(jié)束條件，選取適應(yīng)度值最大的個(gè)體基因編碼，作為BP 神經(jīng)網(wǎng)絡(luò)的最優(yōu)初始化權(quán)值和閾值。
[0033] 優(yōu)選的，所述步驟2. L 1包括：
[0034] 個(gè)體的編碼采用實(shí)數(shù)編碼方式，每個(gè)個(gè)體由輸入層與隱含層連接權(quán)值、隱含層閾 值、隱含層與輸出層連接權(quán)值以及輸出層閾值構(gòu)成。
[0035] 優(yōu)選的，所述步驟2. 1. 2包括：
[0036] 將不同時(shí)段的扇區(qū)交通流態(tài)勢(shì)指標(biāo)樣本數(shù)據(jù)歸一化處理后作為網(wǎng)絡(luò)輸入數(shù)據(jù)，將 對(duì)應(yīng)的扇區(qū)性能綜合指數(shù)作為網(wǎng)絡(luò)期望輸出，以種群中第1(1 = 1，2, ...，L)個(gè)個(gè)體作為 BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值，L表示種群規(guī)模，并以訓(xùn)練輸出與期望輸出之間誤差（絕對(duì)值）之 和的倒數(shù)，作為在第d次迭代后的適應(yīng)度值F 1, d:
[0037]
[0038] 其中，分別表示在第d次迭代時(shí)，第j(j = 1，2，...，N)組樣本數(shù)據(jù)所對(duì)應(yīng) 的BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練輸出與期望輸出；V)。、可取1，2,3,4,5，分別表示扇區(qū)運(yùn)行性能 為最好、較好、一般、較差、最差。
[0039] 優(yōu)選的，所述步驟2. 1. 3包括：
[0040] 通過(guò)選擇操作處理個(gè)體適應(yīng)度值，選擇輸出部分個(gè)體適應(yīng)度值對(duì)應(yīng)的個(gè)體；個(gè)體 1在第d次迭代時(shí)的選擇概率為：
[0041 ]
[0042] 優(yōu)選的，所述步驟2. 1. 4包括：
[0043] 使用交叉操作對(duì)選擇輸出的個(gè)體進(jìn)行處理，并輸出交叉操作結(jié)果。第1個(gè)個(gè)體和 第1'個(gè)個(gè)體在m位進(jìn)行基因交叉操作方法為：
[0044]
[0045] 其中：gujP g1( ,",d分別表示第1個(gè)個(gè)體和第1'個(gè)個(gè)體在m位的基因，g' 1>n,d 和f W分別表示第1個(gè)個(gè)體和第1'個(gè)個(gè)體對(duì)m位的基因進(jìn)行交叉操作之后的基因，r 是[0, 1]間的隨機(jī)數(shù)。
[0046] 優(yōu)選的，所述步驟2. 1 · 5包括：
[0047] 使用變異操作對(duì)交叉操作結(jié)果進(jìn)行處理，得到變異操作結(jié)果：
[0048]
[0049] 其中， g_、g_分別為基因g' 取值的上界和下界，f(d) =b(l-d/D_)2,其中 a和b是[0, 1]間的隨機(jī)數(shù)，d為當(dāng)前的迭代次數(shù)，D_為最大迭代次數(shù)。
[0050] 優(yōu)選的，所述步驟2. 1 · 6包括：
[0051] 根據(jù)最大迭代次數(shù)，判斷是否滿足遺傳算法結(jié)束條件，如達(dá)到最大迭代次數(shù)，結(jié)束 遺傳算法計(jì)算，選取適應(yīng)度值最大的個(gè)體基因編碼，作為BP神經(jīng)網(wǎng)絡(luò)的最優(yōu)初始化權(quán)值和 閾值；若不滿足算法結(jié)束條件，則返回步驟2. 1. 3。
[0052] 優(yōu)選的，所述步驟2. 2包括：
[0053] 步驟2. 2. 1基于遺傳算法輸出BP神經(jīng)網(wǎng)絡(luò)的最優(yōu)初始化權(quán)值和閾值，進(jìn)行網(wǎng)絡(luò)訓(xùn) 練，得到訓(xùn)練輸出值，計(jì)算訓(xùn)練輸出與期望輸出之間的誤差；
[0054] 步驟2. 2. 2根據(jù)計(jì)算出的誤差，更新網(wǎng)絡(luò)的權(quán)值和閾值；
[0055] 步驟2. 2. 3輸出優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)。
[0056] 優(yōu)選的，所述步驟2. 2. 3包括：
[0057] 以誤差收斂精度、訓(xùn)練步長(zhǎng)以及確認(rèn)檢查的次數(shù)，設(shè)定網(wǎng)絡(luò)訓(xùn)練結(jié)束條件；判斷 是否滿足網(wǎng)絡(luò)訓(xùn)練結(jié)束條件，若滿足，則輸出優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)；若不滿足，則將步驟 2. 2. 2更新后的權(quán)值和閾值作為初始化權(quán)值和閾值，執(zhí)行步驟2. 2. 1。
[0058] 優(yōu)選的，在根據(jù)對(duì)對(duì)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)之前，先對(duì)樣本數(shù)據(jù)對(duì)進(jìn)行歸一化處理；
[0059] 在輸入扇區(qū)交通流態(tài)勢(shì)指標(biāo)實(shí)時(shí)數(shù)據(jù)預(yù)測(cè)管制員工作負(fù)荷之前，先對(duì)扇區(qū)交通流 態(tài)勢(shì)指標(biāo)實(shí)時(shí)數(shù)據(jù)進(jìn)行歸一化處理；所述樣本數(shù)據(jù)對(duì)進(jìn)行歸一化處理的函數(shù)表示為：
[0060]
[0061] 所述扇區(qū)交通流態(tài)勢(shì)指標(biāo)實(shí)時(shí)數(shù)據(jù)xt,i，經(jīng)過(guò)歸一化處理得到X' t>1為：
[0062]
〇
[0063] -種管制員工作負(fù)荷預(yù)測(cè)系統(tǒng)，包括：BP神經(jīng)網(wǎng)絡(luò)模塊、遺傳算法模塊和預(yù)測(cè)模 塊；
[0064] BP神經(jīng)網(wǎng)絡(luò)模塊：用于確定BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng) 絡(luò)的權(quán)值和閾值，根據(jù)樣本數(shù)據(jù)對(duì)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)；預(yù)測(cè)模塊：輸入扇區(qū)交通流態(tài)勢(shì)指標(biāo) 數(shù)據(jù)預(yù)測(cè)管制員工作負(fù)荷。
[0065] 優(yōu)選的，所述BP神經(jīng)網(wǎng)絡(luò)模塊還包括遺傳算法單元和BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練單元；所述 遺傳算法單元通過(guò)對(duì)輸入的個(gè)體適應(yīng)度值進(jìn)行選擇操作、交叉操作和變異操作處理得到最 優(yōu)適應(yīng)度值對(duì)應(yīng)的個(gè)體，判斷所述最優(yōu)適應(yīng)度值對(duì)應(yīng)的個(gè)體是否滿足預(yù)設(shè)條件，若是，則根 據(jù)所述最優(yōu)適應(yīng)度值對(duì)應(yīng)的個(gè)體輸出最優(yōu)初始化權(quán)值和閾值，若否，則返回執(zhí)行選擇操作、 交叉操作和變異操作處理；所述BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練單元基于最優(yōu)初始化權(quán)值和閾值進(jìn)行網(wǎng) 絡(luò)訓(xùn)練，輸出優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)。
[0066] 優(yōu)選的，所述管制員工作負(fù)荷預(yù)測(cè)系統(tǒng)還包括警告模