飞行员心理风险因素识别与评估方法研究.pdf

摘要

摘要

对飞行员的心理风险因素进行识别与评估是提高训练效能、保障飞行安全的

重要手段。特别是利用人工智能方法，在飞行过程中采集生理信号实时识别飞行

员的心理风险因素，可以实现飞行过程中的风险预警，进一步更具针对性地定制

训练方案，这对民航飞行具有重要的意义和价值。但是，心理风险因素实时识别

与评估存在蕴含心理风险因素的数据样本不均衡、多个心理风险因素分别识别准

确率低、评估结果是否有效三大挑战。针对上述问题，本文主要进行了以下工作：

1.针对蕴含飞行员心理风险因素的数据分布呈现样本不均衡，导致模型识别

高风险因素准确率低的问题，本文提出在样本不均衡条件下的心理风险因素识别

（PsychologicalRiskFactorsRecognitionunderLong-tailedConditions，PRFR-LT）算

法，将心电样本依据心理风险相关性划分为高信息段和低信息段，通过将高风险

因素样本与不同低信息段组合进行数据增强，实现训练样本的重均衡。实验结果

表明，在自采飞行员数据集PPRFDIII和公开数据集AMIGOS，相比经典的长尾学

习算法，PRFR-LT在高风险因素识别任务上分别提高了11.86%和9.79%。

2.针对实际场景需要同时识别多个心理风险因素，但分别识别多个心理风险

因素存在模型准确率低的问题，本文提出多个心理风险因素同时识别（Multiple

PsychologicalRiskFactorsSimultaneousRecognition，MFSR）算法，在利用多任务

框架学习不同心理风险因素共性特征的基础上，引入损失对数变换策略防止损失

规模大的任务淹没模型对其他心理风险因素任务的学习，同时将任务冲突严重的

网络层转化为任务特定参数层达到心理风险因素间共性特征和因素私有特征的

平衡。实验结果表明，在自采飞行员数据集PPRFDII和公开数据集AMIGOS上，

MFSR相比分别识别各因素平均相对提升了2.76%和3.27%。

3.为了验证心理风险因素识别与评估方法在保障飞行安全上的有效性，本文

提出了模拟飞行场景下的知识数据融合驱动验证框架。课题组与中国民用航空飞

行学院合作，采集了飞行学员在真实模拟飞行训练程序下的心电信号、心理风险

相关信息和驾驶绩效相关数据，融合专家的飞行先验知识和记录的飞行过程数据，

量化评价飞行驾驶绩效，实现了对心理风险识别与评估结果的有效性验证，说明

了所提方法可以用于飞行风险预警，这对飞行训练指导具有实际应用价值。

关键词：飞行安全，心电信号，心理风险因素，样本不均衡，多任务学习

I

ABSTRACT

ABSTRACT

Recognizingandevaluatingpilots’psychologicalriskfactorsisacrucialmeansto

enhancetrainingeffectivenessandensureflightsafety.Particularly,theuseofartificial

intelligencemethodstorecognizepilots’psychologicalriskfactorsbasedonphysiological

signalsinrealtimeenablesin-flightriskwarningandfurthercustomizetrainingprocedure

moretargeted,whichholdssignificantimportanceandvalueforcivilaviation.However,

therearethreechallengesinreal-timerecognitionandevaluationofpsychologicalrisk

factors:imbalanceddistributionofpsychologicalriskfactorsamples,lowaccuracyin

separate