基于模擬機(jī)的空中交通管制復(fù)雜度預(yù)測模型

朱承元, 惠雅婷, 王毅鵬

(中國民航大學(xué)空中交通管理學(xué)院, 天津 300300)

管制員超負(fù)荷工作會對扇區(qū)的運(yùn)行安全構(gòu)成極大威脅?？罩薪煌ü苤茝?fù)雜度(下文簡稱“管制復(fù)雜度”)度量了管制員工作負(fù)荷。如何科學(xué)建立管制復(fù)雜度與相關(guān)復(fù)雜因子之間的內(nèi)在關(guān)系,已成為空中交通管制領(lǐng)域的一個研究難點(diǎn)。

基于影響空中交通復(fù)雜度的諸要素,研究學(xué)者們建立了多類復(fù)雜系統(tǒng)模型,并應(yīng)用于負(fù)荷評估領(lǐng)域。Neal等[1]首次根據(jù)15個扇區(qū)復(fù)雜性指標(biāo),將多層次模型用于負(fù)荷預(yù)測,但其部分指標(biāo)對管制員實際管制工作負(fù)荷的影響關(guān)系和程度并不明確；葉博嘉等[2]提出了基于距離與交叉沖突因素的兩類復(fù)雜因子,建立了基于空中交通結(jié)構(gòu)復(fù)雜性的模型,但其模型驗證是基于雷達(dá)數(shù)據(jù),不能夠直觀全面地反映實際管制工作狀況；王紅勇等[3]創(chuàng)新性地提出以接近度、接近率等為指標(biāo)的基于扇區(qū)復(fù)雜度的負(fù)荷評估模型,考慮了航空器間復(fù)雜的非線性影響,但就實際管制情況而言,該方法缺少可操作性和可實現(xiàn)性；夏正洪[4]首次較為詳細(xì)地介紹了由高校人員進(jìn)行的雷達(dá)模擬機(jī)實驗過程,并通過對管制指令的統(tǒng)計分析進(jìn)行負(fù)荷評估,但缺少對管制員動作負(fù)荷及不可觀測負(fù)荷的評估,其在實驗流程的完整性和樣本處理的可靠性方面存在不足。

由此可見,大多數(shù)管制負(fù)荷評估或預(yù)測研究都是以管制員指令或扇區(qū)復(fù)雜度[5]為指標(biāo),建立計算機(jī)仿真模型或數(shù)學(xué)模型。但各類模型在復(fù)雜性指標(biāo)對管制員實際工作負(fù)荷的影響方面缺少可解釋性,在將管制員的主觀感受與客觀指標(biāo)的結(jié)合方面存在不足,不夠貼合實際管制工作。事實上,從產(chǎn)生負(fù)荷的原因的角度可知,管制復(fù)雜度就表征了管制負(fù)荷的大小,兩者之間為正相關(guān)關(guān)系。用管制復(fù)雜度作為評估對象,能夠更加直觀、準(zhǔn)確、綜合地體現(xiàn)管制員的工作負(fù)荷大小。

現(xiàn)從實際管制角度出發(fā),用管制負(fù)荷達(dá)到管制員管制能力上限的程度來定義管制復(fù)雜度,并構(gòu)建相關(guān)復(fù)雜因子體系；組織各難度級別下的多組模擬機(jī)實驗[6],并進(jìn)行實驗視頻和音頻采集；邀請資深管制專家對每組實驗的視頻場景進(jìn)行管制復(fù)雜度的定性評價,并利用MATLAB進(jìn)行移動時間窗的數(shù)據(jù)處理,獲得相應(yīng)的復(fù)雜因子,從而得到相對應(yīng)的樣本集合；建立了基于BP(back propagation)神經(jīng)網(wǎng)絡(luò)的復(fù)雜因子與管制復(fù)雜度之間的非線性模型,并驗證了模型預(yù)測精度。

1 空中交通管制復(fù)雜度分析

通?？蓪⒐苤曝?fù)荷分為可觀測負(fù)荷和不可觀測負(fù)荷。其中,可觀測負(fù)荷指在管制工作過程中,能夠被觀察員統(tǒng)計和計時的工作,而不可觀測負(fù)荷則指管制員在短時間內(nèi)處理飛機(jī)信息的“心理能量”的水平,是管制員個人的主觀感受或主觀的認(rèn)知理解。綜合其他相關(guān)研究[7-11],可將影響管制員工作負(fù)荷種的主觀因素總結(jié)為專業(yè)知識的熟練程度、工作經(jīng)驗、工作技巧、個人性格、心理素質(zhì)、壓力程度、疲勞程度等,這些主觀因素制約了管制員的個人管制能力上限,即制約該扇區(qū)的最大管制負(fù)荷,但上述因素在實際管制工作中,是難以量化或由除管制員本人外的評估方進(jìn)行客觀評估。

針對主觀因素不可量化的特點(diǎn),本文提出了空中交通管制復(fù)雜度。定義第i個扇區(qū)管制負(fù)荷(Wi)與扇區(qū)管制負(fù)荷閾值(Mi)兩者之間的比值為空中交通管制復(fù)雜度(φi),如式(1)所示：

(1)

式(1)中:Wi為扇區(qū)管制負(fù)荷；Wai為可觀測負(fù)荷；Wbi為不可觀測負(fù)荷；Mi為管制負(fù)荷閾值,表示第i個扇區(qū)的管制負(fù)荷上限。

通過模擬機(jī)實驗,采用客觀評定法以采集可觀測負(fù)荷指標(biāo)數(shù)據(jù)的同時,采用主觀評定法得到管制員對管制復(fù)雜度的定性評估結(jié)果,該結(jié)果包含了管制員對自身主觀因素,即不可觀測負(fù)荷的全面考慮。故以管制復(fù)雜度作為評估目標(biāo)的優(yōu)勢可總結(jié)如下。

(1)由管制負(fù)荷閾值(Mi)引入了管制員的個人主觀評估標(biāo)準(zhǔn),管制負(fù)荷閾值一定程度上表征了不可觀測負(fù)荷的大小。

(2)在只需測定可觀測負(fù)荷,而無需具體量化不可觀測負(fù)荷的前提下,基于主客觀相作用的復(fù)雜性,將可觀測負(fù)荷與不可觀測負(fù)荷都考慮在內(nèi),其結(jié)果更具科學(xué)性和可靠性。

基于此,為表征可觀測負(fù)荷,可通過DEMATEL系統(tǒng)要素分析方法,使得復(fù)雜系統(tǒng)通過全面有效地分析決策后進(jìn)一步精煉為簡單結(jié)構(gòu)[12]。管制工作的目的是根據(jù)雷達(dá)所顯示的空中交通狀況,通過管制指令使航空器達(dá)到某種飛行狀態(tài),根據(jù)工作任務(wù)可將管制員的管制工作分為監(jiān)視管制工作、沖突處理工作和協(xié)調(diào)移交工作[13]。而雷達(dá)屏幕顯示的飛行數(shù)據(jù)可直接反映出管制員的主要管制任務(wù)的客觀復(fù)雜程度。參考相關(guān)研究并收集管制專家意見,建立扇區(qū)管制復(fù)雜度的客觀影響因素體系,設(shè)有ω個影響因子,記為G=[g1,g2,…,gω]。參考DEMATEL方法的研究結(jié)果,扇區(qū)內(nèi)航空器數(shù)量、航空器高度變化、扇區(qū)內(nèi)沖突狀況以及相鄰扇區(qū)流量變化這4各因素的中心度均大于3,被確定為扇區(qū)管制復(fù)雜度的關(guān)鍵影響因素。

根據(jù)上述客觀影響因素的具體定義,并考慮到模擬機(jī)實驗數(shù)據(jù)采集的可操作性、可實現(xiàn)性及可靠性,將δτ(τ=1,2,3,4)個管制復(fù)雜度客觀影響因素具體細(xì)分為χη(η=1,2,…,6)個可采集的復(fù)雜因子,如圖1所示。

圖1 空中交通管制復(fù)雜度的客觀復(fù)雜因子

其中,服務(wù)架次(χ1)是指某段時間開始時,扇區(qū)內(nèi)滯留航空器數(shù)量與往后這段時間內(nèi)進(jìn)入扇區(qū)的航空器數(shù)量之和。

2 管制模擬實驗的設(shè)計與實施

2.1 實驗扇區(qū)環(huán)境及人員配備

實驗設(shè)備采用空中交通管制員雷達(dá)管制模擬訓(xùn)練系統(tǒng)。邀請貴州、甘肅空管分局的一線管制員及管制專家參與管制運(yùn)行模擬實驗,分別于蘭州、貴陽進(jìn)行。其中,蘭州實驗組對進(jìn)近1扇、進(jìn)近2扇、進(jìn)近4扇、進(jìn)近5扇、進(jìn)近高扇和進(jìn)近低扇進(jìn)行了6組 實驗；貴陽實驗組對進(jìn)近1扇、進(jìn)近2扇、進(jìn)近3扇、進(jìn)近4扇進(jìn)行了4 組實驗。

每組模擬機(jī)的測試時長約3 h,需要兩名負(fù)責(zé)管制席位的管制員,一名負(fù)責(zé)機(jī)長席位的管制員和兩位管制專家參與實驗。管制員級別對于實驗的管制復(fù)雜度調(diào)查也存在一定影響,因此實驗邀請了二至五級的管制員共50人,并對實驗人員進(jìn)行合理分組,使得每個扇區(qū)的管制工作由兩名不同級別管制員輪換負(fù)責(zé),每人各進(jìn)行1.5 h的管制模擬實驗,以保證數(shù)據(jù)可靠性和實驗連續(xù)性。如圖2(a)、圖2(b)分別為蘭州和貴陽的某一扇區(qū)模擬機(jī)管制實驗場景,縮比尺為1∶650 000。

圖2 管制模擬機(jī)實驗場景圖

2.2 實驗任務(wù)

(1)實驗采集設(shè)備。在整個模擬實驗的過程中,每個扇區(qū)實驗組需要架設(shè)1 臺DV攝像機(jī)和2 個微型麥克,用以采集管制扇區(qū)的屏幕信息和管制員通話信息。

(2)訓(xùn)練計劃編制。為使得樣本范圍覆蓋全面,得到各管制復(fù)雜度級別下的實驗數(shù)據(jù),在編制訓(xùn)練計劃時,遵循從簡單到復(fù)雜的原則,保證場景采集的全面性。

(3)管制復(fù)雜度評分。負(fù)責(zé)管制席位的兩位管制員及兩位管制專家,通過實驗參與及視頻回放,對每組3 h的扇區(qū)實驗,以10 min為間隔,1 h為時間片,分別對每個扇區(qū)的13 個時間片下的管制場景,以5%為單位進(jìn)行管制員管制復(fù)雜度的人工主觀評估。

3 管制模擬實驗數(shù)據(jù)的處理分析

模擬機(jī)實驗數(shù)據(jù)的處理主要分為兩個部分,一是對管制員聲音、動作負(fù)荷的統(tǒng)計,其目的是用于驗證和校正專家及管制員對各場景下的管制復(fù)雜度評估分?jǐn)?shù),保證數(shù)據(jù)有效性；二是對各復(fù)雜因子的數(shù)據(jù)統(tǒng)計和分析,以獲得BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練參數(shù)。

3.1 基于MATLAB的數(shù)據(jù)提取方法

為了改進(jìn)以往完全人工的統(tǒng)計方式,增強(qiáng)數(shù)據(jù)可靠性和負(fù)荷可觀性,本文實驗的數(shù)據(jù)處理基于MATLAB平臺,改進(jìn)了基于管制模擬機(jī)的扇區(qū)管制負(fù)荷工具ATMworkload。

3.1.1 數(shù)據(jù)的初步處理

在實際管制工作中,管制員工作負(fù)荷主要體現(xiàn)在聲音負(fù)荷和動作負(fù)荷兩個方面。聲音負(fù)荷是總工作負(fù)荷最主要的組成部分,通常以管制員發(fā)出指令時長(TC)和飛行員請求及復(fù)誦時長TP之和表征聲音負(fù)荷(WV)的大小,如式(2)所示：

Wv=Tc+Tp

(2)

對所有通話聲音文件進(jìn)行一次性處理,形成1 s時間間隔的“0”“1”時間序列文件?！?”表示該秒無通話,通話0 s；“1”表示該秒有通話,通話1 s,并設(shè)置波形提取門限以剔除通話噪音。圖3為其中一組實驗聲音文件處理得到的波形曲線。

圖3 聲音負(fù)荷波形

在雷達(dá)屏幕操作過程中,主要的操作項目包括鼠標(biāo)操作,頻道選擇等。統(tǒng)計各個操作項目的總時間,作為雷達(dá)屏幕操作時間(TRS)用以表征動作負(fù)荷(Wm)的大小,如式(3)所示:

Wm=TRS

(3)

采用人工方法統(tǒng)計屏幕攝像數(shù)據(jù)包。觀察每張圖片顯示的管制員有效操作動作,形成動作時間序列文件,將所有數(shù)據(jù)包合并后輸出相應(yīng)的動作時間序操作界面如圖4所示。

圖4 動作時間界面

3.1.2 數(shù)據(jù)的時間片處理

根據(jù)需要的時間片時間間隔長度,提取時間片時間序列數(shù)據(jù)。為采集樣本的完整性和多樣性，應(yīng)在視頻時間前后各增加1 h的統(tǒng)計時間，基于RLprocess軟件,得到每個扇區(qū)的60 min時間片序列圖,結(jié)果如圖5～圖8所示。

圖5 聲音工作負(fù)荷

圖6 動作工作負(fù)荷

圖7 進(jìn)出扇區(qū)飛機(jī)數(shù)

圖8 服務(wù)架次

3.2 管制復(fù)雜度評估分值有效性檢驗

如2.2節(jié)所述,模擬機(jī)實驗共獲得130 組管制復(fù)雜度評分值,每個扇區(qū)每輪實驗的分值由專家1、專家2和管制員三方評分組成。為保證數(shù)據(jù)有效性,校正主觀差異,需根據(jù)MATLAB處理出的聲音、動作負(fù)荷,對管制復(fù)雜度的原始評分值進(jìn)行有效性驗證。

具體來講,傳統(tǒng)“DORATASK”方法認(rèn)為以管制通話時間量化下的可觀測負(fù)荷應(yīng)占總負(fù)荷的一半以上,但該方法存在一定局限性,可加上鼠標(biāo)點(diǎn)擊雷達(dá)屏幕等動作的工作負(fù)荷,即以管制員在對扇區(qū)每架航空器所消耗總通話指令時間和總動作操作時間之和,來量化部分可觀測的管制工作負(fù)荷,從而在可接受的誤差范圍內(nèi),以該和值來進(jìn)行管制復(fù)雜度的有效性檢驗。根據(jù)參與模擬機(jī)實驗的管制員及管制專家的反饋結(jié)果及以往相關(guān)研究[14]統(tǒng)計可知,聲音動作工作負(fù)荷占總工作負(fù)荷的70%～80%,取3 600 s的70%作為聲音動作小時負(fù)荷閾值,在可接受的誤差范圍±5%內(nèi),第i個實驗場景中,管制員的聲音動作負(fù)荷與管制復(fù)雜度之間的驗證關(guān)系可總結(jié)如式(4)和式(5)所示：

αxi=[(Wvi+Wmi)](1+ξ)]/3 600，

25%≤ξ≤40%

(4)

式(4)中:Wvi為管制員的聲音工作負(fù)荷；Wmi為管制員的動作工作負(fù)荷；αxi為第x位評估者對管制復(fù)雜度的評分；ξ為驗證余度。

剔除不合格數(shù)據(jù)后,根據(jù)群決策中專家權(quán)重確定方法[15-16],隨機(jī)選取本模擬機(jī)實驗中的25個場景下,專家1、專家2、和管制員對管制復(fù)雜度的評分值,構(gòu)成3個判斷矩陣,綜合主客觀后計算的可信度權(quán)值為λ1=0.392 3；λ2=0.382 2；λ3=0.223 4。由此,可將每組實驗場景專家1、專家2和管制員的三方評分a1i、a2i、a3i,按照下式加權(quán)計算得到管制復(fù)雜度的綜合值φi,即為該場景的管制復(fù)雜度最終評分值。

φi=0.4a1i+0.4a2i+0.2a3i

(5)

3.3 實驗數(shù)據(jù)分析

復(fù)雜因子(χη)的60 min時間片數(shù)據(jù),一部分通過MATLAB軟件處理得到,另一部分通過管制實驗視頻和錄音的回放,人工統(tǒng)計得到。將其按照時間序列進(jìn)行匹配,獲得130 組樣本數(shù)據(jù),如表1所示。復(fù)雜因子(χ1～χ6)與管制復(fù)雜度的分布關(guān)系分別如圖9(a)～圖9(f)所示。

表1 樣本數(shù)據(jù)匯總

由圖9可以看出各復(fù)雜因子(χη)與管制復(fù)雜度(φi)之間并非是線性關(guān)系,從圖9(a)中可知服務(wù)架次χ1與管制復(fù)雜度的總體變化趨勢大致相似,但并非完全的線性關(guān)系,尤其在管制復(fù)雜度較大的場景中,服務(wù)架次與其的數(shù)學(xué)關(guān)系更不明顯；從圖9(e)中可看出扇區(qū)內(nèi)沖突次數(shù)(χ5) 與管制復(fù)雜度為明顯的非線性關(guān)系。因此,為進(jìn)一步探究管制復(fù)雜度的復(fù)雜因子與管制復(fù)雜度之間的數(shù)學(xué)關(guān)系,考慮構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行非線性擬合。

圖9 各復(fù)雜因子與管制復(fù)雜度間的分布關(guān)系

4 基于BP神經(jīng)網(wǎng)絡(luò)的管制復(fù)雜度預(yù)測模型

4.1 管制復(fù)雜度模型構(gòu)建

為更好地表征復(fù)雜因子與管制復(fù)雜度之間的關(guān)系,構(gòu)建一個含輸入層、隱含層、輸出層的三層BP神經(jīng)網(wǎng)絡(luò),進(jìn)行非線性擬合[17-18]。

(1)為提高BP神經(jīng)網(wǎng)絡(luò)準(zhǔn)確性,需要將所有的數(shù)據(jù)X都轉(zhuǎn)化為[-1,1]之間的歸一化后的數(shù)值Z,如式(6)所示：

(6)

式(6)中:X為未歸一化后的數(shù)值；Xmin和Xmax為未歸一化數(shù)據(jù)的最小值和最大值；Zmin為歸一化之后的最小值,即為-1；Zmax歸一化之后的最大值,即為1。

輸入量為復(fù)雜因子χη(i=1,2,…,6),輸出量是管制復(fù)雜度φi。給定輸入層、隱含層、輸出層之間的連接權(quán)值Ui0j0和Vj0k0,初始化輸入層和輸出層的閾值aj0和bk0。

(2)采用經(jīng)驗公式法確定隱含層節(jié)點(diǎn)數(shù),公式主要有兩種:

(7)

ρ=log2m0

(8)

式中:H為1～10之間的整數(shù)；m0為輸入層節(jié)點(diǎn)數(shù)；n0為輸出層節(jié)點(diǎn)數(shù)；ρ為隱含層節(jié)點(diǎn)數(shù)。

可得本模型的隱含層節(jié)點(diǎn)數(shù)范圍為2～13。BP神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)選用非線性變換函數(shù)Sigmoid:

(9)

(3)計算隱含層輸出值Oj0為

j0=1,2,…,ρ

(10)

式(10)中:Ui0j0為隱含層和輸出層之間的連接權(quán)值。

(4)輸出層輸出值Yk0為

j0=1,2,…,ρ

(11)

式(11)中:Vj0k0為隱含層和輸出層之間的連接權(quán)值。

(5)計算目標(biāo)輸出值誤差ek0。

ek0=Zk0-Yk0，k0=1,2,…,n0

(12)

(6)根據(jù)誤差更新連接權(quán)值Ui0j0和Vj0k0:

(13)

Vj0k0=Vj0k0+ηOj0ek0，i0=1,2,…,m0，

k0=1,2,…,n0，j0=1,2,…,p

(14)

式中:η為學(xué)習(xí)速率。

(7)根據(jù)誤差更新閾值a′j0和b′k0:

(15)

b′k0=bk0+ek0，j0=1,2,…,ρ，

k0=1,2,…,n0

(16)

判斷迭代是否結(jié)束,若沒有結(jié)束,則返回第(3)步。

4.2 模型精度分析

隨機(jī)選擇100個訓(xùn)練樣本建立BP神經(jīng)網(wǎng)絡(luò)模型,利用MATLAB對隱含層節(jié)點(diǎn)數(shù),BP神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行不斷調(diào)試,得到當(dāng)隱含層節(jié)點(diǎn)數(shù)為10時,經(jīng)過824 次迭代網(wǎng)絡(luò)收斂達(dá)到了預(yù)設(shè)精度,BP神經(jīng)網(wǎng)絡(luò)的建模完成。訓(xùn)練誤差曲線如圖10所示。

圖10 BP神經(jīng)網(wǎng)絡(luò)均方誤差曲線

另30 組數(shù)據(jù)組作為測試樣本分析模型精度,將輸出值進(jìn)行反歸一化處理,得到預(yù)測值。圖11為真實值與預(yù)測值的對比圖。從30 個測試樣本的真實值與預(yù)測值的對比可以看到,真實值與預(yù)測值的走勢是基本一致的,測試樣本的真實值與預(yù)測值的擬合程度較高。

圖11 測試樣本真實值與預(yù)測值變化曲線

根據(jù)式(18)和式(19)計算每個樣本的絕對誤差EA與絕對百分誤差ER。

EA=y*-y

(17)

(18)

式中:y*為預(yù)測值；y為真實值。

圖12為真實值與預(yù)測值之間的絕對誤差和絕對百分誤差的分布。

由圖12可知,30 個測試樣本的絕對百分誤差分布都在±10%,絕大部分樣本的絕對百分誤差在±5%之內(nèi)。計算得到管制復(fù)雜度預(yù)測值偏離真實值的均值(平均絕對誤差)為0.025,偏離程度(平均絕對百分誤差)為3.75%。從對測試樣本絕對誤差和絕對百分誤差的分析結(jié)果可以看出,建立的BP神經(jīng)網(wǎng)絡(luò)模型誤差在預(yù)期范圍之內(nèi),能夠較準(zhǔn)確地表征復(fù)雜因子與管制復(fù)雜度之間的關(guān)系。

圖12 測試樣本絕對誤差和絕對百分誤差分布圖

5 總結(jié)

通過研究空中交通管制復(fù)雜度與相關(guān)復(fù)雜因子之間的映射關(guān)系,得到以下結(jié)論。

(1)從基本定義出發(fā),基于主客觀因素相互作用的復(fù)雜性,提出了空中交通管制復(fù)雜度作為評估對象,綜合考慮了可觀測負(fù)荷及不可觀測負(fù)荷對管制員工作帶來的影響。

(2)在科學(xué)合理的實驗設(shè)計下,以大量的管制模擬機(jī)實驗和完整的數(shù)據(jù)統(tǒng)計為基礎(chǔ),建立的基于BP神經(jīng)網(wǎng)絡(luò)的空中交通管制復(fù)雜度預(yù)測模型更貼合實際管制工作,從而在客觀物理量與管制員的主觀感受之間建立了可靠聯(lián)系。

(3)本文研究為空域規(guī)劃管理提供了科學(xué)的理論支持,對降低扇區(qū)運(yùn)行風(fēng)險和保障飛行安全具有重要意義。

(4)未來可考慮采用管制員在相關(guān)仿真軟件中進(jìn)行實時操作指揮的方法,利用軟件統(tǒng)計提高處理實驗數(shù)據(jù)的效率。