[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN116644988B - 航班疲劳值计算方法、装置、电子设备及存储介质 - Google Patents

航班疲劳值计算方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116644988B
CN116644988B CN202310507764.9A CN202310507764A CN116644988B CN 116644988 B CN116644988 B CN 116644988B CN 202310507764 A CN202310507764 A CN 202310507764A CN 116644988 B CN116644988 B CN 116644988B
Authority
CN
China
Prior art keywords
flight
fatigue
pilot
time
length
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310507764.9A
Other languages
English (en)
Other versions
CN116644988A (zh
Inventor
荀向东
刘星俞
张元�
王旭辉
陈京松
乔静
田先卉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Academy of Civil Aviation Science and Technology
Original Assignee
China Academy of Civil Aviation Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Academy of Civil Aviation Science and Technology filed Critical China Academy of Civil Aviation Science and Technology
Priority to CN202310507764.9A priority Critical patent/CN116644988B/zh
Publication of CN116644988A publication Critical patent/CN116644988A/zh
Application granted granted Critical
Publication of CN116644988B publication Critical patent/CN116644988B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398—Performance of employee with respect to a job function
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Fuzzy Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种航班疲劳值计算方法、装置、电子设备及存储介质，其方法包括：S1、获取待飞航班飞行机组的排班信息，获取待飞航班飞行员睡眠日志，构建以昼夜节律与稳态两个过程的生物数据模型，将排班信息输入生物数据模型中得到飞行员在航班期间内的疲劳值序列；S2、从初始疲劳加权系数数据库中对应采集机长的初始疲劳加权系数为P机长、副驾驶初始疲劳加权系数为P副驾驶；S3、计算得到机长疲劳加权系数Q机长、副驾驶疲劳加权系数Q副驾驶；S4、计算得到待飞航班的航班疲劳值序列。本发明能够同步输出飞行员在航班期间内的疲劳值序列及航班疲劳值序列，便于航空公司运行控制部门和机组排班部门进行决策考量及合理排班。

Description

航班疲劳值计算方法、装置、电子设备及存储介质
技术领域
本发明涉及民航安全排班监管领域，尤其涉及一种航班疲劳值计算方法、装置、电子设备及存储介质。
背景技术
当前国内多家航空公司依据《CCAR-121-R7大型飞机公共航空运输承运人运行合格审定规则》和《AC-121-FS-014CCAR121部合格证持有人的疲劳管理要求》建立了疲劳风险管理要求，目前，对于疲劳风险管理国际上比较认可的科学分析方法是生物数学模型，基于不同的疲劳理论模型，预测人体疲劳即警觉性的变化趋势，提供了预测运行中飞行员个体潜在疲劳风险可能。目前被广泛运用的生物数学模型有：疲劳评估工具(FAID)、波音警觉性模型(BAM)、机组人员疲劳评估系统(SAFE)等；其中前两种模型基于三过程模型实现，已知用于疲劳预测的三过程模型公开于例如如下文献中：Michael Ingre，Wessel VanLeeuwen，Tomas Klemets，Christer U1lvetter，Stephen Hough，Kecklund，David Karlss，/>“Validating and Extending the ThreeProcess Model of Alertness in Airline Operations”(PLoS One，第9卷，第10期，2014)。该模型考虑了三个主要分量，第一分量是昼夜节律过程，描述了警觉性的昼夜变化(C)；第二分量是稳态过程，描述了随着清醒时间的警觉性的下降和随着睡眠时间的恢复(S)；第三分量是睡眠惯性过程，其描述了醒来后警觉性恢复之前的延迟(W)。由于睡眠惯性过程在清醒后半个小时后影响很小，且飞行员不是在清醒后马上上作，所以一般在飞行员的生物数学模型中可以不考虑。这种方法的一个问题是其假设人们有规律的睡眠时间表，例如每周朝九晚五的工作，而飞行员的工作是在满足规章要求下的全天24h的任何时段都有可能，飞行员之间由于遗传和后天的生活方式所形成的睡眠习惯不同决定了昼夜节律的峰值会有个体差异，需要在模型中加以考虑，国内航空公司的飞行员一般是飞四休二，在飞行后的两天休息日获得充分的生理和心理的恢复，可以利用休息期的睡眠情况获得相位峰值，另外在设计模型时应考虑在工作日和休息日不同条件下的睡眠时长需求值，还需要考虑不同的飞行员在清醒时的疲劳速率与睡眠时长的关系，从而形成适合于飞行员的生物数学模型。
在通过生物数学模型得到飞行员个体疲劳预测值的基础上，航空公司运行控制部门和机组排班部门在运行管理中急需进一步掌握待飞航班的疲劳情况，如何实现科学评价不同机组人员安排下航班的疲劳值，进而提升航空公司运行安全水平(若待飞航班的疲劳值较高，则航空公司需要警觉并及时作出合理安排)，是目前急需解决的技术难题，现有技术中没有航班疲劳值的计算方法及系统。
发明内容
本发明的目的在于解决背景技术所指出的技术问题，提供一种航班疲劳值计算方法、装置、电子设备及存储介质，通过生物数学模型得到飞行员疲劳预测值，进而科学量化计算得到航班疲劳值序列，实现科学评价不同机组人员安排下航班的航班疲劳值，提升了航空公司运行安全水平，若待飞航班的疲劳值较高，则航空公司需要警觉并及时作出合理安排。
本发明的目的通过下述技术方案实现：
一种航班疲劳值计算方法，其方法包括：
S1、获取待飞航班飞行机组的排班信息，排班信息包括飞行员工号、飞行员、飞行员工作开始时刻及航班号、飞行工作结束时刻及航班号，飞行员包括机长与副驾驶；获取待飞航班飞行机组飞行员在飞行员工作开始时刻前至少两个完整自然日的睡眠日志，睡眠日志包括入睡时刻、出睡时刻、睡眠效率，构建以昼夜节律与稳态两个过程的生物数学模型并进行模型训练，将排班信息输入训练后的生物数学模型中得到飞行员在航班期间内的疲劳值序列，其中机长的疲劳值序列为F机长(1…n)，副驾驶的疲劳值序列为F副驾驶(1…n)，n表示飞行员工作开始时刻之后增加的分钟数；
S2、获取待飞航班飞行机组的机长、副驾驶所累积的飞行经历时间，得到待飞航班的机长飞行经历时间T机长及待飞航班副驾驶的飞行经历时间T副驾驶，构建设定有初始疲劳加权系数数据库，初始疲劳加权系数数据库包括机长飞行经历时间与初始疲劳加权系数对应关系、副驾驶飞行经历时间与初始疲劳加权系数对应关系，根据机长飞行经历时间T机长、副驾驶飞行经历时间T副驾驶从初始疲劳加权系数数据库中对应采集机长的初始疲劳加权系数为P机长、副驾驶初始疲劳加权系数为P副架驶；
S3、按照如下公式计算得到机长的疲劳加权系数Q机长、副驾驶的疲劳加权系数Q副驾驶：
Q机长＝0.5+0.5xP机长/(P机长+P副驾驶)；
Q副驾驶＝0.5xP副驾驶/(P机长+P副驾驶)；
S4、按照如下公式计算得到待飞航班飞行机组的航班疲劳值序列：
航班疲劳值序列F航班(1...n)＝F机长(1…n)xQ机长+F副驾驶(1…n)xQ副驾驶。
为了更好地实现本发明航班疲劳值计算方法，生物数学模型中疲劳值序列计算方法如下：
S11、采集睡眠日志中在飞行员工作开始时刻前两个完整自然日的第一日的入睡时刻t1入睡、出睡时刻t1出睡、睡眠效率sq1，在飞行员工作开始时刻前两个完整自然日的第二日的入睡时刻t2入睡、出睡时刻t2出睡、睡眠效率sq2；昼夜节律计算方法如下：
飞行员生理需要的睡眠时长B＝0.5*(t1出睡-t1入睡)*sq1+0.5*(t2出睡-t2入睡)*sq2；
飞行员昼夜节律峰值时刻t峰值＝t2出睡+12-0.5*B；
昼夜节律C＝2.5*cos((π/12)*(t-t峰值))，其中t为所需计算疲劳值时刻；
清醒状态时的稳态S＝S2＝2.4+(sw-2.4)*exp(-0.0353*taw*Pw)，其中Sw为觉醒开始时的稳态值，taw为清醒状态从觉醒开始时刻的计时值，疲劳调节因子Pw＝(24-B)/16；
S12、按照如下公式计算原始疲劳值D：
D＝S+C；
根据原始疲劳值D计算飞行员的疲劳值F，F＝k*D+b，其中，k为系数，b为常数；
按照步骤S11、S12依次计算飞行员在航班期间内的疲劳值序列，疲劳值序列按时间顺序排列。
本发明航班疲劳值计算方法优选的技术方案是：步骤S1中两个完整自然日为待飞航班飞行机组飞行员在飞行员工作开始时刻前至少包含夜间睡眠区间机会的自然日，夜间睡眠区间为晚0点至早6点的时间区间。
本发明航班疲劳值计算方法进一步优选的技术方案是：初始疲劳加权系数数据库中机长飞行经历时间与初始疲劳加权系数对应关系如下：
机长飞行经历时间T机长≤500，则P机长＝0.2；
机长飞行经历时间T机长∈(500，2000)，则P机长＝0.3；
机长飞行经历时间T机长≥2000，则P机长＝0.6。
本发明航班疲劳值计算方法进一步优选的技术方案是：初始疲劳加权系数数据库中副驾驶飞行经历时间与初始疲劳加权系数对应关系如下：
副驾驶飞行经历时间T副驾驶≤1000，则P副驾驶＝0.1；
副驾驶飞行经历时间T副驾驶∈(1000，2600)，则P副驾驶＝0.2；
副驾驶飞行经历时间T副驾驶≥2600，则P副驾驶＝0.4。
一种航班疲劳值计算装置，包括：
数据接入模块，用于获取待飞航班飞行机组的排班信息及基础信息，排班信息包括飞行员工号、飞行员、飞行员工作开始时刻及航班号、飞行工作结束时刻及航班号，飞行员包括机长与副驾驶；还用于获取待飞航班飞行机组飞行员在飞行员工作开始时刻前至少两个完整自然日的睡眠日志，睡眠日志包括入睡时刻、出睡时刻、睡眠效率；还用于获取待飞航班飞行机组的机长、副驾驶所累积的飞行经历时间，得到待飞航班的机长飞行经历时间T机长及待飞航班副驾驶的飞行经历时间T副驾驶；
疲劳值序列计算处理模块内部构建有以昼夜节律与稳态两个过程的生物数学模型，将排班信息输入生物数学模型中得到飞行员在航班期间内的疲劳值序列，其中机长的疲劳值序列为F机长(1…n)，副驾驶的疲劳值序列为F副驾驶(1…n)，n表示飞行员工作开始时刻之后增加的分钟数；
航班疲劳值计算模块内部构建有初始疲劳加权系数数据库，初始疲劳加权系数数据库包括机长飞行经历时间与初始疲劳加权系数对应关系、副驾驶飞行经历时间与初始疲劳加权系数对应关系，根据机长飞行经历时间T机长、副驾驶飞行经历时间T副驾驶从初始疲劳加权系数数据库中对应采集机长的初始疲劳加权系数为P机长、副驾驶初始疲劳加权系数为P副驾驶；根据机长的初始疲劳加权系数为P机长、副驾驶初始疲劳加权系数为P副驾驶计算得到机长的疲劳加权系数Q机长、副驾驶的疲劳加权系数Q副驾驶，接着计算得到待飞航班飞行机组的航班疲劳值序列；
航班疲劳值输出模块，用于将飞行员工号、飞行员、飞行员工作开始时刻及航班号、飞行工作结束时刻及航班号、飞行员在航班期间内的疲劳值序列、航班疲劳值序列汇总输出。
一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行本发明航班疲劳值计算方法的步骤。
一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本发明航班疲劳值计算方法的步骤。
本发明较现有技术相比，具有以下优点及有益效果：
本发明通过生物数学模型得到飞行员疲劳预测值，进而科学量化计算得到航班疲劳值序列(即包括机长和副驾驶的双人飞行机组安排下航班的疲劳值水平或疲劳情况)，实现科学评价不同机组人员安排下航班的航班疲劳值，提升了航空公司运行安全水平，若待飞航班的疲劳值较高，则航空公司需要警觉并及时作出合理安排。本发明能够同步输出飞行员在航班期间内的疲劳值序列及航班疲劳值序列，便于航空公司运行控制部门和机组排班部门进行决策考量。
附图说明
图1为本发明航班疲劳值计算方法的方法流程示意图；
图2为实施例中生物数学模型举例计算得到的飞行员疲劳值曲线；
图3为实施例举例输出飞行员在航班期间内的疲劳值序列数据表；
图4为本发明航班疲劳值计算装置的原理结构框图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明：
实施例一
如图1～图3所示，一种航班疲劳值计算方法，其方法包括：
S1、获取待飞航班飞行机组的排班信息，排班信息包括飞行员工号、飞行员、飞行员工作开始时刻及航班号、飞行工作结束时刻及航班号，飞行员包括机长与副驾驶；获取待飞航班飞行机组飞行员在飞行员工作开始时刻前至少两个完整自然日的睡眠日志(为了更好地适配生物数学模型，两个完整自然日为待飞航班飞行机组飞行员在飞行员工作开始时刻前至少包含夜间睡眠区间机会的自然日，夜间睡眠区间为晚0点至早6点的时间区间，夜间睡眠区间即从凌晨0点开始至早上6点的时间段。)，睡眠日志包括入睡时刻、出睡时刻、睡眠效率(睡眠效率的取值是0到100的百分数)。本实施例举例如下表：
构建以昼夜节律与稳态两个过程的生物数学模型并进行模型训练，将排班信息输入训练后的生物数学模型中得到飞行员在航班期间内的疲劳值序列，其中机长的疲劳值序列为F机长(1…n)，副驾驶的疲劳值序列为F副驾驶(1…n)，n表示飞行员工作开始时刻之后增加的分钟数，如图3所示，待飞航班预计在2023年5月5日12:30起飞，2023年5月5日12:30就是飞行员工作开始时刻，从飞行员工作开始时刻就会关联得到机长的疲劳值序列F机长(1…n)，副驾驶的疲劳值序列F副驾驶(1…n)，直到待飞航班结束(也即飞行工作结束时刻)，本实施例提供图2所示的飞行员疲劳值曲线，机长的疲劳值序列F机长(1…n)、副驾驶的疲劳值序列F副驾驶(1…n)在坐标系上进行曲线表示，其中曲线中A部分(浅灰色曲线部分)表示飞行员未驾驶飞机时间的疲劳值，曲线中B部分(深灰色曲线部分)表示飞行员驾驶飞机时间(即飞行员飞行工作时间)的疲劳值。本发明最好地应用或最理想的应用是要安排飞行员在飞行员疲劳值相对最低的情况下来组成待飞航班的机组人员，当然国内国际航班都比较繁忙，待飞航班机组的飞行员包括机长和副驾驶，从民航运行经济决策实际应用来看，航空公司更希望看重待飞航班机组的航班疲劳值F航班(1…n)，本发明能够科学量化航班疲劳值序列，便于航空公司运行控制部门和机组排班部门进行决策考量。当然，本发明也可以按照图2的方式根据航班疲劳值序列绘制出航班疲劳值曲线，便于直观查看。
在一些实施例中，生物数学模型中疲劳值序列计算方法如下：
S11、采集睡眠日志中在飞行员工作开始时刻前两个完整自然日的第一日的入睡时刻t1入睡、出睡时刻t1出睡、睡眠效率sq1，在飞行员工作开始时刻前两个完整自然日的第二日的入睡时刻t2入睡、出睡时刻t2出睡、睡眠效率sq2；昼夜节律计算方法如下：
飞行员生理需要的睡眠时长B＝0.5*(t1出睡-t1入睡)*sq1+0.5*(t2出睡-t2入睡)*sq2；
飞行员昼夜节律峰值时刻t峰值＝t2出睡+12-0.5*B；
昼夜节律C＝2.5*cos((π/12)*(t-t峰值))，其中t为所需计算疲劳值时刻，t不早于飞行员工作开始时刻，t一般选取航班期间的时间段，实现对整个航班期间的计算。本发明中涉及到的时间(包括t1出睡、t1入睡、t2出、t2入睡、t等参与数学运算的时间)均按照24小时制进行数字化换算，例如：A1小时A2分钟(A1：A2)，则数字化换算为举例如下：6:30(数字化换算为：6.5)，20:15(数字化换算为：20.25)。
例如：基于睡眠日志示例，可算得睡眠时长B＝7.97小时，昼夜节律峰值时刻t峰值＝15.02。
清醒状态时的稳态S＝S2＝2.4+(sw-2.4)*exp(-0.0353*taw*Pw)，其中sw为觉醒开始时的稳态值，taw为清醒状态从觉醒开始时刻的计时值，疲劳调节因子Pw＝(24-B)/16(例如基于睡眠日志示例，Pw＝16.03/16)。
在一些实施例中，生物数学模型中构建有稳态训练模型并进行训练，步骤S11中的稳态由睡眠时稳态、清醒时稳态循环连接组成，睡眠时稳态S1分为两个阶段，其计算公式包括：
当S1≤12.2时，S1＝ss+0.80073x tas， (1)
当S1＞12.2时，先计算中间变量bt＝(12.2-ss)/0.80073；再计算S1＝14.3-2.1*exp(-0.3813*(tas-bt))； (2)
其中SS为睡眠开始时的稳态值，tas为睡眠状态中从睡眠开始时刻的计时值，在飞行员休息日(飞行员一般是飞四休二，休息日为“休二”中的日期)，tas预测的最大值为Max((t1出睡-t1入睡)x sq1，(t1出睡-t1入睡)*sq2)，在飞行员工作日(飞行员一般是飞四休二，上作日为“飞四”中的日期)，tas预测的最大值为飞行员生理需要的睡眠时长B。
睡眠时稳态S1先以睡眠开始时的稳态值ss作为初始值选择适配的公式(1)、公式(2)进行计算，计算得到睡眠时稳态S1再选择适配的公式(1)、公式(2)进行计算。
例如基于睡眠日志示例，在休息日，tas的最大值为8.33小时，在上作日tas的最大值为7.96小时。
清醒状态时的稳态S＝S2＝2.4+(sw-2.4)*exp(-0.0353*taw*Pw)，其中sw为觉醒开始时的稳态值，taw为清醒状态从觉醒开始时刻的计时值，疲劳调节因子Pw＝(24-B)/16。睡眠状态时，稳态S＝S1，清醒状态时，稳态S＝S2；由于飞行员工作是在清醒状态时，故本发明采用清醒状态时的稳态S2。
S12、按照如下公式计算原始疲劳值D：
D＝S+C；当D＞11.7时为清醒状态，当D≤7.5为睡眠状态。
根据原始疲劳值D计算飞行员的疲劳值F，F＝k*D+b，其中，k为系数，b为常数；基于科学研究，取k＝-0.6，b＝10.2。
按照步骤S11、S12依次计算飞行员在航班期间内的疲劳值序列，疲劳值序列按时间顺序排列。
S2、获取待飞航班飞行机组的机长、副驾驶所累积的飞行经历时间，得到待飞航班的机长飞行经历时间T机长及待飞航班副驾驶的飞行经历时间T副驾驶，构建设定有初始疲劳加权系数数据库，初始疲劳加权系数数据库包括机长飞行经历时间与初始疲劳加权系数对应关系、副驾驶飞行经历时间与初始疲劳加权系数对应关系。
在一些实施例中，初始疲劳加权系数数据库中机长飞行经历时间与初始疲劳加权系数对应关系如下：
机长飞行经历时间T机长≤500，则P机长＝0.2；
机长飞行经历时间T机长∈(500，2000)，则P机长＝0.3；
机长飞行经历时间T机长≥2000，则P机长＝0.6。
在一些实施例中，初始疲劳加权系数数据库中副驾驶飞行经历时间与初始疲劳加权系数对应关系如下：
副驾驶飞行经历时间T副驾驶≤1000，则P副驾驶＝0.1；
副驾驶飞行经历时间T副驾驶∈(1000，2600)，则P副驾驶＝0.2；
副驾驶飞行经历时间T副驾驶≥2600，则P副驾驶＝0.4。
根据机长飞行经历时间T机长、副驾驶飞行经历时间T副驾驶从初始疲劳加权系数数据库中对应采集机长的初始疲劳加权系数为P机长、副驾驶初始疲劳加权系数为P副驾驶。
S3、按照如下公式计算得到机长的疲劳加权系数Q机长、副驾驶的疲劳加权系数Q副驾驶：
Q机长＝0.5+0.5x P机长/(P机长+P副驾驶)；
Q副驾驶＝0.5x P副驾驶/(P机长+P副驾驶)；
S4、按照如下公式计算得到待飞航班飞行机组的航班疲劳值序列：
航班疲劳值序列F航班(1…n)＝F机长(1…n)x Q机长+F副驾驶(1…n)x Q副驾驶。本实施例能够科学量化航班疲劳值序列(图3给出按时间序列的航班疲劳值，即航班疲劳值序列，图3按照分钟数的时间序列排列航班疲劳值)，便于航空公司运行控制部门和机组排班部门进行决策考量。
实施例二
一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行实施例一所述航班疲劳值计算方法的步骤。
实施例三
一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现实施例一所述航班疲劳值计算方法的步骤。
实施例四
如图4所示，一种航班疲劳值计算装置，包括：
数据接入模块，用于获取待飞航班飞行机组的排班信息及基础信息，排班信息包括飞行员工号、飞行员、飞行员上作开始时刻及航班号、飞行工作结束时刻及航班号，飞行员包括机长与副驾驶；还用于获取待飞航班飞行机组飞行员在飞行员工作开始时刻前至少两个完整自然日的睡眠日志，睡眠日志包括入睡时刻、出睡时刻、睡眠效率。采集睡眠日志中在飞行员工作开始时刻前两个完整自然日的第一日的入睡时刻t1入睡、出睡时刻t1出睡、睡眠效率sq1，在飞行员工作开始时刻前两个完整自然日的第一日的入睡时刻t2入睡、出睡时刻t2出睡、睡眠效率sq2；昼夜节律计算方法(详细按照实施例一的方法计算)如下：
飞行员生理需要的睡眠时长B＝0.5x(t1出睡-t1入睡)*sq1+0.5*(t2出睡-t2入睡)*sq2；
飞行员昼夜节律峰值时刻t峰值＝t2出睡+12-0.5x B；
昼夜节律C＝2.5x cos((π/12)x(t-t峰值))，其中t为所需计算疲劳值时刻，t不早于飞行员工作开始时刻；
清醒状态时的稳态S＝S2＝2.4+(sw-2.4)x exp(-0.0353*taw*Pw)，其中sw为觉醒开始时的稳态值，taw为清醒状态从觉醒开始时刻的计时值，疲劳调节因子Pw＝(24-B)/16；
S12、按照如下公式计算原始疲劳值D：
D＝S+C；
根据原始疲劳值D计算飞行员的疲劳值F，F＝k*D+b，其中，k为系数，b为常数；
按照步骤S11、S12依次计算飞行员在航班期间内的疲劳值序列，疲劳值序列按时间顺序排列。
数据接入模块还用于获取待飞航班飞行机组的机长、副驾驶所累积的飞行经历时间，得到待飞航班的机长飞行经历时间T机长及待飞航班副驾驶的飞行经历时间T副驾驶。
疲劳值序列计算处理模块内部构建有以昼夜节律与稳态两个过程的生物数学模型，将排班信息输入生物数学模型中得到飞行员在航班期间内的疲劳值序列，其中机长的疲劳值序列为F机长(1…n)，副驾驶的疲劳值序列为F副驾驶(1…n)，n表示飞行员工作开始时刻之后增加的分钟数；
航班疲劳值计算模块内部构建有初始疲劳加权系数数据库，初始疲劳加权系数数据库包括机长飞行经历时间与初始疲劳加权系数对应关系、副驾驶飞行经历时间与初始疲劳加权系数对应关系，根据机长飞行经历时间T机长、副驾驶飞行经历时间T副驾驶从初始疲劳加权系数数据库中对应采集机长的初始疲劳加权系数为P机长、副驾驶初始疲劳加权系数为P副驾驶；根据机长的初始疲劳加权系数为P机长、副驾驶初始疲劳加权系数为P副驾驶按照实施例一的公式方法计算得到机长的疲劳加权系数Q机长、副驾驶的疲劳加权系数Q副驾驶。按照如下公式计算得到机长的疲劳加权系数Q机长、副驾驶的疲劳加权系数Q副驾驶：
Q机长＝0.5+0.5x P机长/(P机长+P副驾驶)；
Q副驾驶＝0.5x P副驾驶/(P机长+P副驾驶)。
接着按照实施例一的公式方法计算得到待飞航班飞行机组的航班疲劳值序列；按照如下公式计算得到待飞航班飞行机组的航班疲劳值：
航班疲劳值F航班(1…n)＝F机长(1…n)x Q机长+F副驾驶(1…n)x Q副驾驶。
航班疲劳值输出模块，用于将飞行员工号、飞行员、飞行员工作开始时刻及航班号、飞行工作结束时刻及航班号、飞行员在航班期间内的疲劳值序列、航班疲劳值序列(图3给出按时间序列的航班疲劳值，即航班疲劳值序列)汇总输出；如图3所示，本实施例能够科学量化航班疲劳值序列，同时也同步输出飞行员(包括机长和副驾驶)在航班期间内的疲劳值序列，便于航空公司运行控制部门和机组排班部门进行决策考量。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种航班疲劳值计算方法，其特征在于：其方法包括：
S1、获取待飞航班飞行机组的排班信息，排班信息包括飞行员工号、飞行员、飞行员工作开始时刻及航班号、飞行工作结束时刻，飞行员包括机长与副驾驶；获取待飞航班飞行机组飞行员在飞行员工作开始时刻前至少两个完整自然日的睡眠日志，睡眠日志包括入睡时刻、出睡时刻、睡眠效率，构建以昼夜节律与稳态两个过程的生物数学模型并进行模型训练，将排班信息输入训练后的生物数学模型中得到飞行员在航班期间内的疲劳值序列，其中机长的疲劳值序列为F机长(1…n)，副驾驶的疲劳值序列为F副驾驶(1…n)，n表示飞行员工作开始时刻之后增加的分钟数；
S2、获取待飞航班飞行机组的机长、副驾驶所累积的飞行经历时间，得到待飞航班的机长飞行经历时间T机长及待飞航班副驾驶的飞行经历时间T副驾驶，构建设定有初始疲劳加权系数数据库，初始疲劳加权系数数据库包括机长飞行经历时间与初始疲劳加权系数对应关系、副驾驶飞行经历时间与初始疲劳加权系数对应关系，根据机长飞行经历时间T机长、副驾驶飞行经历时间T副驾驶从初始疲劳加权系数数据库中对应采集机长的初始疲劳加权系数为P机长、副驾驶初始疲劳加权系数为P副驾驶；
S3、按照如下公式计算得到机长的疲劳加权系数Q机长、副驾驶的疲劳加权系数Q副驾驶：
Q机长＝0.5+0.5x P机长/(P机长+P副驾驶)；
Q副驾驶＝0.5x P副驾驶/(P机长+P副驾驶)；
S4、按照如下公式计算得到待飞航班飞行机组的航班疲劳值序列：
航班疲劳值序列F航班(1…n)＝F机长(1…n)x Q机长+F副驾驶(1…n)x Q副驾驶。
2.按照权利要求1所述的航班疲劳值计算方法，其特征在于：生物数学模型中疲劳值序列计算方法如下：
S11、采集睡眠日志中在飞行员工作开始时刻前两个完整自然日的第一日的入睡时刻t1入睡、出睡时刻t1出睡、睡眠效率sq1，在飞行员工作开始时刻前两个完整自然日的第二日的入睡时刻t2入睡、出睡时刻t2出睡、睡眠效率sq2；昼夜节律计算方法如下：
飞行员生理需要的睡眠时长B＝0.5*(t1出睡-t1入睡)*sq1+0.5*(t2出睡-t2入睡)*sq2；
飞行员昼夜节律峰值时刻t峰值＝t2出睡+12-0.5*B；
昼夜节律C＝2.5*cos((π/12)*(t-t峰值))，其中t为所需计算疲劳值时刻；
清醒状态时的稳态S＝S2＝2.4+(Sw-2.4)*exp(-0.0353*taw*Pw)，其中sw为觉醒开始时的稳态值，taw为清醒状态从觉醒开始时刻的计时值，疲劳调节因子Pw＝(24-B)/16；
S12、按照如下公式计算原始疲劳值D：
D＝S+C；
根据原始疲劳值D计算飞行员的疲劳值F，F＝k*D+b，其中，k为系数，b为常数；
按照步骤S11、S12依次计算飞行员在航班期间内的疲劳值序列，疲劳值序列按时间顺序排列。
3.按照权利要求1或2所述的航班疲劳值计算方法，其特征在于：步骤S1中两个完整自然日为待飞航班飞行机组飞行员在飞行员工作开始时刻前至少包含夜间睡眠区间机会的自然日，夜间睡眠区间为晚0点至早6点的时间区间。
4.按照权利要求1所述的航班疲劳值计算方法，其特征在于：初始疲劳加权系数数据库中机长飞行经历时间与初始疲劳加权系数对应关系如下：
机长飞行经历时间T机长≤500，则P机长＝0.2；
机长飞行经历时间T机长∈(500，2000)，则P机长＝0.3；
机长飞行经历时间T机长≥2000，则P机长＝0.6。
5.按照权利要求1所述的航班疲劳值计算方法，其特征在于：初始疲劳加权系数数据库中副驾驶飞行经历时间与初始疲劳加权系数对应关系如下：
副驾驶飞行经历时间T副驾驶≤1000，则P副驾驶＝0.1；
副驾驶飞行经历时间T副驾驶∈(1000，2600)，则P副驾驶＝0.2；
副驾驶飞行经历时间T副驾驶≥2600，则P副驾驶＝0.4。
6.一种航班疲劳值计算装置，其特征在于：包括：
数据接入模块，用于获取待飞航班飞行机组的排班信息及基础信息，排班信息包括飞行员工号、飞行员、飞行员工作开始时刻及航班号、飞行工作结束时刻，飞行员包括机长与副驾驶；还用于获取待飞航班飞行机组飞行员在飞行员工作开始时刻前至少两个完整自然日的睡眠日志，睡眠日志包括入睡时刻、出睡时刻、睡眠效率；还用于获取待飞航班飞行机组的机长、副驾驶所累积的飞行经历时间，得到待飞航班的机长飞行经历时间T机长及待飞航班副驾驶的飞行经历时间T副驾驶；
疲劳值序列计算处理模块内部构建有以昼夜节律与稳态两个过程的生物数学模型，将排班信息输入生物数学模型中得到飞行员在航班期间内的疲劳值序列，其中机长的疲劳值序列为F机长(1…n)，副驾驶的疲劳值序列为F副驾驶(1…n)，n表示飞行员工作开始时刻之后增加的分钟数；
航班疲劳值计算模块内部构建有初始疲劳加权系数数据库，初始疲劳加权系数数据库包括机长飞行经历时间与初始疲劳加权系数对应关系、副驾驶飞行经历时间与初始疲劳加权系数对应关系，根据机长飞行经历时间T机长、副驾驶飞行经历时间T副驾驶从初始疲劳加权系数数据库中对应采集机长的初始疲劳加权系数为P机长、副驾驶初始疲劳加权系数为P副驾驶；根据机长的初始疲劳加权系数为P机长、副驾驶初始疲劳加权系数为P副驾驶计算得到机长的疲劳加权系数Q机长、副驾驶的疲劳加权系数Q副驾驶，接着计算得到待飞航班飞行机组的航班疲劳值序列；
航班疲劳值序列F航班(1…n)＝F机长(1…n)x Q机长+F副驾驶(1…n)x Q副驾驶；
航班疲劳值输出模块，用于将飞行员工号、飞行员、飞行员工作开始时刻及航班号、飞行工作结束时刻及航班号、飞行员在航班期间内的疲劳值序列、航班疲劳值序列汇总输出。
7.一种电子设备，其特征在于：包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-5任一所述的方法的步骤。
8.一种存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的方法的步骤。
CN202310507764.9A 2023-05-08 2023-05-08 航班疲劳值计算方法、装置、电子设备及存储介质 Active CN116644988B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310507764.9A CN116644988B (zh) 2023-05-08 2023-05-08 航班疲劳值计算方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310507764.9A CN116644988B (zh) 2023-05-08 2023-05-08 航班疲劳值计算方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN116644988A CN116644988A (zh) 2023-08-25
CN116644988B true CN116644988B (zh) 2023-10-17

Family

ID=87639057

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310507764.9A Active CN116644988B (zh) 2023-05-08 2023-05-08 航班疲劳值计算方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116644988B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117257234B (zh) * 2023-09-22 2024-04-12 中国民航科学技术研究院 飞行机组联合参数疲劳评测方法、系统及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009059164A2 (en) * 2007-10-31 2009-05-07 Intrago Corporation User-distributed shared vehicle system
CN109492912A (zh) * 2018-11-13 2019-03-19 中国民航科学技术研究院 一种飞行风险提示方法、用户终端及服务器
WO2020186160A2 (en) * 2019-03-13 2020-09-17 Federal Express Corporation Mitigating operational risk in aircraft
CN113807610A (zh) * 2021-10-09 2021-12-17 中国民航科学技术研究院 一种飞行疲劳预测方法和系统
CN114037346A (zh) * 2021-11-25 2022-02-11 杭州优迈科思信息科技有限责任公司 一种智能飞行机组组环的生成方法及设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110071873A1 (en) * 2009-09-01 2011-03-24 Edward Vaughan Method and apparatus for mitigating aviation risk by analyzing and modeling air crew fatigue
US10878365B2 (en) * 2016-09-28 2020-12-29 Federal Express Corporation Aerial drone-based systems and methods for adaptively providing an aerial relocatable communication hub within a delivery vehicle

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009059164A2 (en) * 2007-10-31 2009-05-07 Intrago Corporation User-distributed shared vehicle system
CN109492912A (zh) * 2018-11-13 2019-03-19 中国民航科学技术研究院 一种飞行风险提示方法、用户终端及服务器
WO2020186160A2 (en) * 2019-03-13 2020-09-17 Federal Express Corporation Mitigating operational risk in aircraft
CN113807610A (zh) * 2021-10-09 2021-12-17 中国民航科学技术研究院 一种飞行疲劳预测方法和系统
CN114037346A (zh) * 2021-11-25 2022-02-11 杭州优迈科思信息科技有限责任公司 一种智能飞行机组组环的生成方法及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙殿阁 ; 盖文妹 ; 段炼 ; 熊康昊 ; .基于生物数学模型的飞行疲劳预测建模与仿真.中国安全生产科学技术.2016,(第03期),全文. *

Also Published As

Publication number Publication date
CN116644988A (zh) 2023-08-25

Similar Documents

Publication Publication Date Title
US5433223A (en) Method for predicting alertness and bio-compatibility of work schedule of an individual
CN116644988B (zh) 航班疲劳值计算方法、装置、电子设备及存储介质
Gurney et al. Nicholson's blowflies revisited
CN110151166B (zh) 一种基于双模态生物电信号与生理数据的疲劳度评估系统及评估方法
WO2016201008A1 (en) Method and system for measuring, predicting and optimizing human cognitive performance
WO2012015383A1 (en) Method and apparatus for mitigating aviation risk by analyzing and modeling air crew fatigue
CN103763437A (zh) 具有健康提示功能的移动终端实现方法、系统及移动终端
CN111568380A (zh) 基于睡醒时间预测的闹钟设定方法、装置和设备
CN111657855B (zh) 睡眠评估和睡眠唤醒方法及装置和电子设备
US10342474B2 (en) System for the analysis of the daily heart rhythm autonomic nervous system balance
CN113440122B (zh) 一种基于生命体征的情绪波动监测识别大数据预警系统
Papatsimpa et al. Human centric iot lighting control based on personalized biological clock estimations
Minors et al. The role of naps in alleviating sleepiness during an irregular sleep-wake schedule
CN105396221A (zh) 食物口感模拟方法及系统
JPH0515595A (ja) 生体リズム制御システム
CN113413171B (zh) 一种通过穿戴设备采集数据预测排卵日的方法
Thor “Time perspective” and time of day
CN109360628A (zh) 一种基于人工智能的健康膳食营养指导方法及系统
Alzuhair et al. A 216 nW/channel DSP engine for triggering theta phase-locked brain stimulation
CN108720804A (zh) 人体周期提醒方法、装置以及系统
CN116484614B (zh) 一种飞行员疲劳系数计算方法及系统
CN117257234B (zh) 飞行机组联合参数疲劳评测方法、系统及电子设备
Funtova et al. Noninvasive investigation of the body functional state during night sleep in microgravity
Meier-Koll et al. Basic rest activity cycle and stereotyped behavior of a mentally defective child
US20240078287A1 (en) Method To Minimize The Cost of Entraining A Target Limit Cycle

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant