[發(fā)明專利]一種空中交通管制員培訓效果智能評價方法及裝置

在審

• 申請?zhí)枺?/td>: 202011199912.8
• 申請日: 2020-10-30
• 公開（公告）號: CN112330133A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設計）人: 沈志遠;馮錚;陳章齊
• 申請（專利權(quán)）人: 南京航空航天大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/20;G06N3/08;G06N3/04
• 代理公司: 南京九致知識產(chǎn)權(quán)代理事務所(普通合伙) 32307
• 代理人: 嚴巧巧

1.一種空中交通管制員培訓效果智能評價方法，其特征在于：

建立第一神經(jīng)網(wǎng)絡，所述第一神經(jīng)網(wǎng)絡的輸入層包括N個輸入節(jié)點和5個輸出節(jié)點；

所述每個輸入節(jié)點與每個二級指標一一對應；所述二級指標是指用于評價管制工作操作的指標，管制工作中任一操作與所有二級指標中至少一個二級指標對應；所述二級指標為從多個地區(qū)空管局的考核指標中利用德菲爾法篩選出來的且滿足可計算機代碼化、可量化的指標；

所述每個輸出節(jié)點與每個一級指標一一對應，所述一級指標包括5個，分別為規(guī)則、通話、安全、效率、人機界面；

獲得管制員在模擬機上的實驗數(shù)據(jù)，并獲得實驗數(shù)據(jù)對應的每個二級指標的數(shù)量，作為第一神經(jīng)網(wǎng)絡的輸入層，利用第一神經(jīng)網(wǎng)絡計算獲得5個輸出值分別對應5個一級指標的打分；

利用模糊數(shù)學方法，將上述第一神經(jīng)網(wǎng)絡的5個輸出值和其對應的第一權(quán)重求積獲得5個模糊數(shù)學系統(tǒng)的輸入數(shù)據(jù)，根據(jù)模糊運算規(guī)則獲得模糊數(shù)學系統(tǒng)的輸出值，將輸出值去模糊化獲得評分；

判斷是否采納上述評分，若采納，則輸出評分結(jié)果；反之，人工重新對5個一級指標進行打分，并將對應的實驗數(shù)據(jù)與重新打分后的結(jié)果作為一組訓練數(shù)據(jù)更新上述第一神經(jīng)網(wǎng)絡。

2.根據(jù)權(quán)利要求1所述的空中交通管制員培訓效果智能評價方法，其特征在于：所述第一權(quán)重通過層次分析法獲得。

3.根據(jù)權(quán)利要求2所述的空中交通管制員培訓效果智能評價方法，其特征在于：所述第一神經(jīng)網(wǎng)絡按照如下方式建立：

獲取m組實驗數(shù)據(jù)，每組實驗數(shù)據(jù)為管制員在模擬機上的操作以及評分，所述評分根據(jù)操作產(chǎn)生的與上述二級指標中的每個二級指標的數(shù)量結(jié)合其對應的第二權(quán)重獲得；所述第二權(quán)重通過層次分析法獲得；

將m組實驗數(shù)據(jù)劃分為訓練集、測試集和開發(fā)集，利用訓練集訓練N個不同結(jié)構(gòu)的神經(jīng)網(wǎng)絡，所述每個神經(jīng)網(wǎng)絡的輸入層節(jié)點數(shù)量為上述二級指標的指標數(shù)量，每個神經(jīng)網(wǎng)絡的輸出層節(jié)點有5個，在輸入層與輸出層之間設置n個隱藏層，所述每個隱藏層均設置有5個神經(jīng)節(jié)點；利用測試集在N個神經(jīng)網(wǎng)絡中進行優(yōu)勢篩選，利用開發(fā)集評價優(yōu)勢神經(jīng)網(wǎng)絡的預測效果，最終確定第一神經(jīng)網(wǎng)絡。

4.根據(jù)權(quán)利要求3所述的空中交通管制員培訓效果智能評價方法，其特征在于：所述第一神經(jīng)網(wǎng)絡在訓練時，采用的激活函數(shù)為ReLU函數(shù)，采用的損失函數(shù)為均方誤差MES，采用的優(yōu)勢篩選方法為包含正則化的梯度下降。

5.根據(jù)權(quán)利要求1至4中所述的空中交通管制員培訓效果智能評價方法，其特征在于：所述第一神經(jīng)網(wǎng)絡的隱藏層為2層。

6.根據(jù)權(quán)利要求1至5任意一項所述的空中交通管制員培訓效果智能評價方法，其特征在于：所述管制員在模擬機上進行如下3種不同區(qū)域的管制：

進近管制、塔臺管制和區(qū)域管制；

每一類均獨立利用上述方法進行評價。