管制員模擬訓練評估規(guī)則的建立算法

譚龍輝

(華北計算技術(shù)研究所，北京 100083)

管制員模擬訓練評估規(guī)則的建立算法

譚龍輝

(華北計算技術(shù)研究所，北京 100083)

空中交通管制員肩負著指揮飛行器飛行、保障空中交通安全的重要職責，由于管制員工作的特殊性，使模擬訓練成為培訓管制員的重要手段，但在評估模擬訓練結(jié)果時，往往以人力評估為主，較為主觀且工作量大，難以準確反映管制員的訓練情況，為此，本文基于免疫算法設計了一種評估規(guī)則的建立算法，使訓練系統(tǒng)可s根據(jù)建立的評估規(guī)則對管制員訓練結(jié)果進行自動評估，得出比較客觀、公正的評估結(jié)果。

模擬訓練；遺傳算法；評估規(guī)則；自動評估

0 引言

管制員是空中交通管制的重要組成部分，他肩負著保障飛機飛行安全的重任，由于工作的特殊性，管制員不能依靠實際飛行管制進行訓練，因此，為了達到訓練的目的，模擬訓練系統(tǒng)已經(jīng)被廣泛使用在管制員訓練中，現(xiàn)有的管制員模擬訓練系統(tǒng)已經(jīng)具有很高的仿真能力，基本能夠覆蓋到管制員日常工作的方方面面，確保了管制員訓練的質(zhì)量。

但是已有的管制員訓練系統(tǒng)評估方式主要依賴于教員的評價，教員現(xiàn)場觀察管制員的表現(xiàn)，對管制員進行評分，這樣的評估方式存在著主觀性強、工作量大等問題，難以完全客觀反映管制員的訓練情況，而且很多對管制員訓練評估起指導作用的訓練數(shù)據(jù)存儲在系統(tǒng)中沒有使用，未能完全發(fā)揮出數(shù)據(jù)的潛力[3]。

為了使評估結(jié)果更加客觀，本文將著重研究模擬訓練中評估規(guī)則的建立方法，基于大量已有的評估數(shù)據(jù), 借鑒免疫算法中的一些思想，設計評估規(guī)則建立算法，讓系統(tǒng)能夠根據(jù)評估規(guī)則對管制員訓練情況進行評估，實現(xiàn)評估的自動化、客觀化。

1 評估指標的選取方法

在管制員的訓練過程中，涉及到的指標有100多個，但不是所有的指標都能夠非常直接的反映出管制員的訓練水平，比如管制員指揮時的語速、語音的清晰程度等，比如下指令的習慣，有的管制員習慣調(diào)整方向來達到目的，而有的管制員習慣通過調(diào)整高度來達到目的，這類與管制員習慣相關(guān)性較強的指標將不納入評估規(guī)則的指標中。

本文所選取的評估指標[6]一般指通過管制員指揮，而造成某種現(xiàn)象或結(jié)果的數(shù)據(jù)，比如告警次數(shù)、延誤飛機架次、錯誤指令次數(shù)等。

與此同時，對于不同的訓練科目，有不同的側(cè)重點，比如訓練航線飛行指揮時就不會考慮飛機延誤情況、復飛次數(shù)等，所以需要根據(jù)不同的訓練科目劃分訓練指標集。

綜上所述，評估指標的選取必須滿足以下三個條件：

第一，評估指標盡量與管制員操作習慣關(guān)聯(lián)性較小；

第二，評估指標須可量化[2]，具有可比性，同時能夠反映某種現(xiàn)實情況；

第三，評估指標必須與特定訓練科目緊密聯(lián)系，排除無關(guān)指標。

2 評估規(guī)則的建立

由于管制員訓練涉及很多科目，不同科目可作為一個獨立的體系進行考慮，因此后續(xù)將以飛行過程指揮為例討論評估指標的建立。

在建立評估規(guī)則之前，需要將指標分為兩類討論：

1）具有決定性作用的指標，即如果發(fā)生或者不發(fā)生能夠得到確定結(jié)果的指標，如發(fā)生飛行器相撞情況直接判不及格，這里稱為開關(guān)指標；

2）具有一定變化區(qū)間，不存在固定值的指標，如告警時長等，這里稱為變化指標；

2.1 評估指標的過濾

對于變化指標，需要進行指標的過濾，因為有的指標在每一次訓練中都十分穩(wěn)定，如果將這些指標納入評估規(guī)則的建立過程中，首先對評估結(jié)果影響較小，其次增加了運算的成本，因此在建立評估規(guī)則時將過濾這些指標[8]。

為了過濾這些指標，本文將使用比較方差的方法進行過濾[1]：

現(xiàn)有某項訓練指標對應的訓練數(shù)據(jù)共N條，分別為：

定義一個閾值δ（可根據(jù)需要自定義其大?。扔嬎氵@N條數(shù)據(jù)的平均值：

然后計算方差，為了比較方便，將所有指標的方法做歸一化處理，即除以A：

如果計算的方差S＜δ時，就認為該指標屬于較穩(wěn)定的指標，將不再考慮。

2.2 開關(guān)指標評估規(guī)則的建立

對于開關(guān)指標，由于它能直接決定成績，建立評估規(guī)則時，可以根據(jù)專家系統(tǒng)將開關(guān)指標提取出來單獨考慮。

在飛行過程指揮科目中常見的開關(guān)指標如表1所示：

表1 飛行過程指揮開關(guān)指標Tab.1 Decisive indicator in the process of flight command

開關(guān)指標評估規(guī)則建立必須在變化指標的前面，因為在變化指標體系評估規(guī)則的建立過程中需要使用到開關(guān)指標來對某些樣本進行篩選。

變化指標評估規(guī)則的建立

在飛行過程指揮訓練科目中，經(jīng)過濾后涉及到的變化指標如下表所示：

表2 飛行過程指揮變化指標Tab.2 Uncertainty indicator in the process of flight command

對于此類指標的評估規(guī)則可由以往的訓練數(shù)據(jù)（大量的數(shù)據(jù)）得出[7]，規(guī)則生成算法需要設置以下前提條件：

設現(xiàn)有N條實際訓練數(shù)據(jù)，包含對應的訓練成績（δ1,…,δN），其中每條訓練數(shù)據(jù)中有變化指標n個，分別為(a1,…,an)，有開關(guān)指標m個，分別為（b1,…,bm），可將第x條訓練數(shù)據(jù)表示如下：

（22）經(jīng)農(nóng)業(yè)部批準，“中國綠色食品’97廣州宣傳展銷會”將于1997年12月13日—16日在廣州市中國出口產(chǎn)品交易會館舉行。（1997·《人民日報》）

(ax1,…,axn,bx1,…,bxm,δx)

對于變化指標，每一個變化指標ai對應一個區(qū)間：

分別表示該變化指標的下限min(ai)和上限min(ai)，在第x條訓練數(shù)據(jù)中，用wxi來表示它的第i個指標axi與區(qū)間[min(ai)，min(ai)]之間的距離，表達式如下：

對于開關(guān)指標，如果發(fā)生則使用二進制0表示，反之使用1表示。

在N組訓練數(shù)據(jù)樣本中，設定某個分值δ，如果分數(shù)大于等于δ則視為正樣本，反之為反樣本。

免疫算法通過求解抗原（目標函數(shù)）和抗體（優(yōu)化解）之間的親和度，保留親和度高的抗體，將親和度低的抗體進行交叉變異等操作產(chǎn)生新抗體，再次循環(huán)求解親和度，直到產(chǎn)生符合的抗體（優(yōu)化解）為止[5]。由于在管制員訓練評估過程中，會存在效率優(yōu)先或安全優(yōu)先等不同考慮方式，單一規(guī)則無法滿足管制員的評價，所以本文將借鑒免疫算法中求親和度的思想設計評估規(guī)則的生成算法，如下：

（1）將反樣本集中的樣本逐個取出，對開關(guān)指標進行編碼，只要有一個開關(guān)指標的編碼為0，那么將這個樣本從反樣本集中除去（因為這樣的樣本無論其它指標如何，一定為不合格）。

（3）對選中的正樣本中每一個指標，選取一個μ ，μ∈（0,1），使：

可以得到如下規(guī)則：

（4）對所有正樣本和反樣本的每個變化指標計算距離，得到距離集合，如第x條樣本的距離集合為：

然后計算該樣本與（3）中建立的規(guī)則之間的距離：

（5）計算所有樣本與（3）建立規(guī)則的距離，得到各正樣本的距離和各反樣本的距離最小值Dmin，如果Dmin=0（即該反樣本完全符合選中的規(guī)則），那么取一個更小的μ：

跳轉(zhuǎn)到（3）繼續(xù)運算。否則選取所有距離比Dmin小的正樣本，然后將這些樣本從原有正樣本集中除去，并將這條規(guī)則加入到規(guī)則集Ru（ x）中，規(guī)則集中每條規(guī)則的格式如下：Ru（ ID）={

如果樣本集為空，那么停止運算，否者繼續(xù)（2）。

（6）得到的規(guī)則集中可能存在相互包含的規(guī)則，即如果某規(guī)則中每一個指標取值都包含另一規(guī)則每一個指標的取值，那么合并。

3 算法驗證與分析

為了驗證評估規(guī)則建立方法的可行性，以飛行過程指揮科目為例進行驗證，使用的指標如下表所示：

表3 飛行過程指揮指標列表Tab.3 List of indicators in the process of flight command

選取訓練數(shù)據(jù)樣本50條，其中30條記錄用于生成規(guī)則集，剩下的20條記錄作為對照組用于測試算法的準確率。

依據(jù)以往管制員訓練采用百分制進行評分的方式，本文算法驗證也以百分制為例，為了驗證算法，選取分值80分為界，大于等于80分的為正樣本，小于80分的為反樣本，然后進行以下步驟：

（1）在30條記錄中，將不滿足開關(guān)變量的記錄剔除，剩下27條記錄；

（2）將剩余的27條記錄進行劃分，其中正樣本18條，反樣本9條，然后使用本文中的算法，產(chǎn)生規(guī)則集Ru(x)，規(guī)則集中有規(guī)則4條，各包含的樣本數(shù)和反樣本距離最小值如下表所示：

表4 規(guī)則表Tab.4 the table of rules

用剩下的20條記錄來驗證產(chǎn)生的規(guī)則集，已知20條記錄中除去不滿足開關(guān)變量的記錄，還剩余18條記錄，其中正樣本13條，反樣本5條。

計算各記錄與各規(guī)則之間的距離，如果求出的距離小于等于對應的Dmin則大于等于80分，否則小于80分。

最終得出大于等于80分的記錄有12條，這12條記錄中正樣本有11條，反樣本1條；小于80分的記錄有6條，其中正樣本2條，反樣本4條，結(jié)果如下圖所示：

圖1 對照組試驗結(jié)果

可以得出判定正樣本的準確率為：

而判定反樣本的準確率為：

使用本算法得出大于等于80分的記錄中，包含一條反樣本，并且遺漏兩條正樣本，將這些數(shù)據(jù)取出分析。

對于評估錯誤的反樣本，發(fā)現(xiàn)這條反樣本符合規(guī)則Ru(2)，將這條反樣本和規(guī)則Ru(2)中包含的正樣本交給空管專家評價，得出兩條樣本得分都應該小于80分的結(jié)論。

分析出現(xiàn)這種情況的原因：

因為生成規(guī)則集所使用的樣本是人為打分所得，這樣就難以避免發(fā)生主觀判斷出現(xiàn)誤差的問題。

一般打分出現(xiàn)誤差的情況發(fā)生可能性較小，所以規(guī)則集中，如果出現(xiàn)某規(guī)則對應的樣本數(shù)較少，就將這條規(guī)則單獨討論，由教員再次進行評估確認。

對于遺漏的正樣本，發(fā)現(xiàn)它們與規(guī)則Ru（ 3）之間的距離最相近，同時發(fā)現(xiàn)規(guī)則Ru（ 3）中告警持續(xù)時長指標與這兩條正樣本中告警持續(xù)時長相差十分微小，如果將規(guī)則Ru（ 3）中的告警時長指標取值范圍略微放大，正好包含這兩條正樣本，可以得出Ru（ 3）依然排斥所有反樣本，同時包含了被遺漏的正樣本。

分析出現(xiàn)這種情況的原因：

由于在產(chǎn)生規(guī)則中各指標的范圍時，使用的μ值過小且ε值過大導致，可以適當放大μ值來增大初始的指標范圍，并減小ε值以降低指標范圍的收斂速度，盡管這樣會使產(chǎn)生規(guī)則時迭代次數(shù)增多，但得到的規(guī)則會更加準確。

本文所使用的算法是對管制員評估自動化建設的初步嘗試，由于外部條件的限制，可能還存在數(shù)據(jù)取值誤差、少量數(shù)據(jù)不夠客觀等問題，但是，本文所建立的評估規(guī)則已經(jīng)具有較高的評估準確率。

4 結(jié)束語

本文提出的管制員模擬訓練評估規(guī)則的建立算法借鑒了免疫算法中求親和度的思想，加以改進，使用到本文評估規(guī)則的建立過程中，通過算法的實現(xiàn)和驗證，已經(jīng)達到較高的準確率。

管制員模擬訓練評估規(guī)則的建立是一個較為復雜的工作，人力難以得出數(shù)據(jù)之間的規(guī)律和關(guān)系，并且很難進行定量分析，采用本文設計的算法能夠在一定程度上反映出各指標數(shù)據(jù)之間的關(guān)系，可以比較客觀的對管制員的訓練情況進行評價。

[1] 徐肖豪, 樊偉. 三維塔臺管制模擬訓練系統(tǒng)的設計與開發(fā)[J]. 中國民航學院學報, 2001, 03: 4-8.

[2] 李雪飛, 孫永侃, 熊正祥. 艦艇作戰(zhàn)模擬訓練評估技術(shù)需求研究[J]. 指揮控制與仿真, 2012, 04: 107-111.

[3] 熊正祥, 孫永侃, 王立強. 艦艇模擬訓練中指揮員的成績評估研究[J]. 計算機仿真, 2011, 04: 30-33+42.

[4] 戰(zhàn)金玉. 模擬機飛行訓練自動評估系統(tǒng)設計與實現(xiàn)[D].南京航空航天大學, 2014.

[5] 趙辰吟, 姚文斌. 基于一種改進免疫算法的云計算任務調(diào)度策略研究[J]. 軟件, 2015, 36(12): 149-153.

[6] 王尚廣, 孫其博, 楊放春. Web服務選擇中信譽度評估方法研究. 軟件學報, 2012, 23(6): 1350-1367.

[7] 葛春燕. 數(shù)據(jù)挖掘技術(shù)在保險公司客戶評估中的應用研究[J]. 軟件, 2013, 34(1): 116-118.

[8] 張冉, 楊小軍, 孫丹輝, 等. 電子對抗指控系統(tǒng)行進間指揮效能評估方法研究[J]. 軟件, 2015, 36(5): 77-80.

An Algorithm for Establishing Evaluation Rules in Air-traffic Controller Simulation Training

Tan Lon-gui
(CETC 15 Institute, Beijing 100083, China)

Air-traffic controller takes the important duties in commanding the aircraft flying and guaranteeing the safety of air traffic. Due to the special features of air-traffic controller, simulation training becomes an important approach in training controllers. However, when it evaluates the simulation training results, manual evaluation always plays the major role, which leads to the relatively subjective result and heavy workload. Therefore, it could hardly reflect the training status of controllers accurately. To improve such a status, this paper designs a setup algorithm based on immune algorithm, which enables the system to automatically evaluate the training results of controller in accordance with the established evaluation standards and thus generate objective and fair evaluation results.

Simulation training; Genetic algorithm; Training results; Automatic evaluation

TP18

A

10.3969/j.issn.1003-6970.2016.10.024

譚龍輝(1991年-)，男，碩士研究生，研究方向：航空應用技術(shù)研究

本文著錄格式：譚龍輝. 管制員模擬訓練評估規(guī)則的建立算法[J]. 軟件，2016，37（10）：109-112