一、空中交通管制人员心理选拔的历史及现状（论文文献综述）
陈睿[1]（2021）在《GY空中交通管制员胜任力模型构建研究》文中研究指明
郭九霞[2]（2021）在《新一代民航运输系统安全韧性理论与方法研究》文中进行了进一步梳理随着空中交通的持续高速增长,新一代民航运输系统作为一个高分布、软件密集型、安全性为关键的社会技术系统,其复杂性和耦合性日益增加。云计算、大数据、人工智能等新一代信息技术在民航行业深化应用,尤其是空中交通控制系统,需要利用这些新技术解决复杂运行环境下安全、高效的保障服务难题。新技术的引入可能给空中交通控制系统带来新的事故致因,以组件故障模式为主导的传统安全分析方法在分析复杂的人为决策、软件错误、系统事故以及组织风险等因素时有很大局限性。运用安全韧性的系统思维方法解决复杂系统安全性问题,对提高新一代民航运输系统运行的安全和效率具有重要的意义。因此,本文主要研究在复杂运行环境下新一代民航运输系统安全韧性问题,构建新一代民航运输系统安全韧性体系概念框架,利用安全韧性事前分析方法对空中交通控制系统面对故障和/或中断时的承受能力、学习能力的韧性功能进行深入研究,利用自然语言处理算法实现对空中交通控制系统危险源自动分类,最后,利用安全韧性事后分析方法对大规模突发事件下民航运输网络的承受、吸收和优化能力的韧性功能度量问题进行研究。本文的主要研究内容有:1.针对新一代民航运输系统安全韧性理论,首先对韧性、韧性工程和安全韧性评估方法以及系统性事故模型进行了详细的探究;接着在公共安全三角形模型和系统安全体系塑造框架基础上,结合新一代民航运输系统的特点,提出了民航运输系统的安全韧性定义、系统安全韧性体系概念模型以及安全韧性评估方法。最后,本文构建了空中交通控制系统的安全韧性分析框架。2.针对空中交通控制系统安全韧性分析框架中新型的危险源识别及控制问题。首先,构建了空中交通控制系统运行控制过程中的不同管制席位的Petri网模型,采用形式化方法对仿真模型进行验证;其次,结合CPN模型,采用STPA危险分析方法,进行实例验证,通过识别系统级危险以及安全约束,使用状态空间可达图追踪系统的不安全控制原因,从而提高了STPA方法的适用性。3.针对空中交通控制系统安全韧性分析框架中危险源自动分类问题。首先,搭建基于改进HFACS模型的空中交通控制系统危险源分类指标体系,并构建空中交通控制系统安全领域专业词库。其次,提出改进TFIDF-Text Rank关键词提取的文本分类方法,解决了空中交通控制系统危险源文本数据少标签、小样本以及样本不均衡问题。然后,使用基于模型的文本分类方法进行对比实验,实验结果表明,面向空中交通控制系统,基于关键词提取的半监督学习文本分类方法效果优于基于模型的有监督学习文本分类方法。4.针对大规模突发事件下民航运输网络的安全韧性定量分析问题。首先,构建中国机场的复杂网络,并分析机场网络的基本结构特征。接着,构建机场网络韧性度量模型,基于拓扑和数据驱动的方法对机场网络韧性进行评估。最后,对中国和欧洲机场网络节点强度进行韧性评估,结果表明,实施不同的预防与控制策略,网络恢复的情况差异显着,机场网络的安全韧性能力也有很大区别。
张仁涛[3]（2021）在《浅谈管制员心理胜任力模型构建和应用》文中研究指明空中交通管制员在民航安全生产中扮演着重要的角色。在实际运行过程中,空中交通管制员需要针对飞行状况做出迅速、合理的判断,并对飞行状况及时、有效地进行处置。特别是近年来航班架次高速增长,管制指挥压力和难度骤增,这不仅要求空中管制员具有丰富的工作经验和良好的职业技能,更要有过硬的心理素质。因此,建立管制员心理胜任力模型,将心理选拔纳入到管制员选拔过程中显得尤为重要。
周阳[4]（2020）在《我国空中交通管制员流失原因分析及对策研究 ——以H局为例》文中研究说明空中交通管制员是民航系统中最具有代表性的职业之一,在我国民航系统各个岗位中处于核心地位,他们在工作中也承担着巨大的安全责任。近些年来,我国社会主义市场经济不断深入发展,带来了我国民航事业的腾飞,民航运输总量屡创新高,但是我国民航空中交通管制员数量并没有迎来想象中的大幅增长,完全不能满足行业内运行的需求,这与我国民航事业的快速发展并不相符,其主要问题就是空中交通管制员的大量流失。本文以H局为例,深入探讨了我国空中交通管制员的流失现状、流失特点和流失原因。作者通过对基于普莱斯模型下的人才流失原因分析以及对H局人力资源负责人和已离职核心管制员的深度访谈进行管制员流失原因的探索性分析。在根据探索性分析结果初步了解影响因素后,通过对H局在职管制员进行问卷调查来进行实证分析,从而总结管制员流失原因并给出解决方案。本文通过理论和实际研究相结合,借鉴国外人才流失模型和激励理论,利用探索性分析和实证分析找到了空中交通管制员流失的核心原因,对我国管制员流失的原因进行了分类、细化研究。经过归纳提炼得出影响空中交通管制员流失的主要原因有四点,分别为:个人发展受限、工作负荷重、薪酬福利体系不完善、管理机制不科学。在对策和措施方面,提出了科学规划职业生涯、降低工作负荷、优化改进薪酬福利体系、提高单位管理精细化水平等建议来治理管制员流失,最终达到为管制单位留住管制员的目的。
张慧[5]（2020）在《基于管制员个体特征的中国民航空管安全风险管理研究》文中提出空中交通管制Air Traffic Control（以下简称空管）具有高度的风险性和复杂性,其核心是“安全（Safety）”,空管的安全风险管理是空管管理的主要内容。空中交通管制员Air Traffic Controller（以下简称管制员）是空管的实施主体,空管安全管理需要考虑管制员的个人特征。本文在梳理了安全风险管理有关理论的基础上,围绕中国空管安全风险的特点及研究现状,从人、机、环、管等方面系统分析了空管安全风险可能发生的原因。结合组织行为学和心理学相关研究成果,在SHEL模型基础上进行了拓展,融入组织管理（Organization）与激励（Inspiration）因素,创建SHELIO模型,以此分析组织管理因素和激励手段对管制员空管安全风险的影响。首次尝试将HFACS（人因分析与分类系统）与SHELIO模型相结合,构建了可用于空管安全风险管理的HFACS—SHELIO模型,对空管系统安全风险因素中管制员个体特征因素进行了较为全面的分析。本文以建立的理论模型为基础,以上海地区塔台、进近及区域空中交通管制员为访问对象,采用问卷的形式调查了管制员空管安全风险情况及影响因素。建立了二元选择模型（Probit模型和Logit模型）分析管制员的个人特征与安全风险发生的可能性之间的关系。研究发现:首先,管制员个体特征对空管安全影响显着——在同等条件下,安全风险的可能性在管制员的年龄、性别、政治面貌上表现出了明显的差异性,管制员工作责任心强,在指挥过程中注意力分配得当等,有助于降低空管安全风险发生的可能性;其次,安全管理中的组织和管理因素对空管安全风险有着显着的影响——管制员感知到的安全绩效奖惩公平合理,充分的安全教育与业务培训和管制部门间良好的沟通协调,也有利于降低空管安全风险的可能性;再次,激励因素也对空管安全风险产生显着影响——提高管制员薪酬福利满意度,也有利于降低空管安全风险的可能性。本文的研究结论表明:在诸多影响安全风险的因素中,首先要重视管制员个体因素,例如在招聘过程中优先选择具有责任心强、心理素质高和反应快速等特质的人员,平时工作中要多加强对管制员安全意识、工作责任心的培养等;其次,要加强组织和管理方面的安全监控,制定科学的安全决策,理顺管制部门之间的协调关系,建立公平合理的安全奖惩机制和绩效管理办法,加强安全教育和业务培训,全面提升管制人员安全素养;最后,要善用对管制员的有效激励,提高工作满意度,让员工形成为安全目标而努力的内在动力。此外,在充分重视人的因素之外,还需要运用先进的技术手段和设施设备来增加安全冗余度,建立完善的安全管理系统SMS,提高空管安全和运行效率。希望研究对提高我国民航空管安全管理效能,提升民航空管安全率和运行效率起到积极的促进作用。
韩娜[6]（2020）在《管制扇区运行亚健康状态识别及预测研究》文中认为持续增长的交通流量、纷繁多变的空域限制,导致当前管制运行服务的复杂性增强、安全压力加大,管制员长时间处于超负荷工作。虽然我国民航安全运行平稳可控,但由空管原因引起的不安全事件数量增长,警示出管制运行中存在潜在性隐患,即管制运行处于亚健康状态。因此,对管制运行亚健康状态进行有效的识别和预测,使安全预防关口前移,为管制健康运行提供有力保障。本文以扇区空域单元为研究对象,利用雷达数据对管制运行亚健康状态进行识别和预测。首先,分析空中交通流特性及参数,探讨管制运行过程及管制工作负荷,然后借鉴亚健康理论,从空中交通流层面对管制扇区运行亚健康状态进行定义,并提出5项管制扇区运行亚健康评估指标。其次,利用组合赋权法确定亚健康指标权重,依据亚健康识别的不确定性和模糊性,建立了基于灰色聚类的管制扇区运行亚健康状态识别方法。再次,结合无监督学习和监督学习算法的优势,构建了基于Kmeans-AdaBoost的管制扇区运行亚健康状态识别方法,并比较了以上两种识别方法的优劣性。最后,根据交通流变化的长期周期性和短期不确定性特征,选择求和自回归移动平均模型和误差反向传播神经网络模型,建立了基于模糊软集合的管制扇区运行亚健康评估指标组合预测方法,且实例验证结果表明预测准确率较高、泛化能力强。从交通流角度进行管制扇区运行亚健康状态的识别及预测研究,利用厦门01号扇区的运行数据验证了所建识别及预测方法的可行性。本文所提方法可确定管制运行处于何种亚健康状态,能够全面把握空中交通运行情况,对评估流量负荷、管制员负荷提供了理论依据。
李保燊[7]（2020）在《面向空管自动化系统的人为差错分析研究》文中提出空管自动化系统等自动化设备的广泛运行,空中交通管制手段地不断发展,使得管制员的角色随之发生转变,同时也引入了新的失误模式。为防范自动化环境下的空管人为差错风险,保障航班运行安全,提出面向空管自动化系统的人为差错分析研究。为分析管制员与空管自动化系统的人机交互过程,基于信息处理过程和情景意识分析构建了管制员的心理模型,开展管制员的认知过程分析;结合STPA方法,建立了空管自动化系统的人机交互模型。参考HFACS模型和HERA-JANUS模型,结合空管自动化系统的人机交互模型构建基于STPA的空管自动化系统相关人为差错识别模型,开展人为差错的辨识;将自动化相关人为差错分为执行差错、感知差错、记忆差错、决策差错和期望差错五类;基于模糊BN开展自动化相关人为差错的概率量化分析。在分析历史上与空管人为差错相关不安全事件的基础上,利用SHEL模型初步辨识与空管自动化相关人为差错的影响因素,并通过德尔菲法对影响因素进行重要度评价,筛选出人为差错的主要影响因素,采用网络层次分析法对自动化相关人为差错主要影响因素进行权重评价,并针对性地提出了人为差错规避建议。以空管自动化系统的AIDC移交为例,参照AIDC移交人为差错诊断推理框架展开空管人为差错辨识,研究分析结果表明,AIDC移交失败时系统无告警是管制移交过程中的重要人为差错风险源;当目标事件发生时,管制员“注意力分散”、“忘记监控”、“注意力不集中”和“警觉性降低”4种差错行为发生的概率占比较高,是造成管制移交时航空器小于安全间隔的关键差错行为。
刘玉婷[8]（2020）在《基于认知变化的管制员疲劳检测系统的研究》文中指出近年来,随着空域流量的增加,管制员的工作量也随之增加,管制员疲劳检测技术的研究日益重要。管制员作为空中交通管理的决策主体,需要通过视觉观察和语音通话感知扇区内飞机的运行信息,经过大脑整合理解管制扇区的动态情况,利用甚高频对讲机向飞行员发布管制指令,与各部门进行协调,填写进程单等。每一步工作都需要管制员的认知能力协同完成,因此融合管制员认知能力建立疲劳检测系统对管制员疲劳风险管理具有重要意义。首先,论文研究总结了管制员规章制度、胜任特征以及工作要求,结合认知能力通过词频分析方法,初步建立了管制员的认知能力维度,共7个层面,分别为记忆力、注意力、运算能力、空间能力、推理能力、感知觉能力和理解能力。再通过两轮调查问卷的编制与施测,确定了疲劳状态下影响管制员工作的认知能力,共有4个层面,分别为记忆力、注意力、运算能力以及空间能力。其次,根据提取的疲劳状态下影响管制员工作的认知能力,结合神经行为认知状态测试和神经行为核心测试设计了基于认知变化的管制员疲劳检测系统。与此同时,为了诱导被试出现疲劳状态,本研究基于n-back任务设计了疲劳诱导实验,两者均通过Javascript、Html编程语言完成开发。要求被试在疲劳诱导实验过程中进行基于认知变化的疲劳水平检测和精神疲劳（RSME）量表打分,从而获得实验数据进行分析。最后以RSME量表为校标验证了管制员疲劳检测系统的可行性,建立管制员疲劳的4等级风险预警系统。并且通过疲劳诱导实验还发现疲劳变化呈现了一定的规律性,为日后疲劳的研究提供了一定的理论依据。通过对基于认知变化的管制员疲劳系统的研究,证明了该检测方法短时且高效,避免了传统生理测量法设备庞大便携性低以及量表检测方法客观性低等问题。因此,该检测系统可以嵌入到管制员实际工作中去,能够实时的对管制员疲劳风险进行测量评估。
马学鹏[9]（2020）在《基于数据挖掘的管制员心理倾向性研究》文中研究指明根据民航空管局的统计分析,2019年世界上己经发生十几起航班事故,多年的事故分析显示,四分之三的民航事故是人为因素引起的。空中交通管制员是管制单位空管系统的指挥者,万一管制员指挥欠佳,则会引起指挥错乱、危险事故等后果,对航班的安全运行有直接关系。因此,研究管制员个性心理倾向性、岗位倾向,对空管单位的管制员选拔、岗位匹配提供理论依据。（1）论文分析了安全心理学、微表情心理学、心理倾向性的定义等相关理论,重点介绍了微表情心理学的应用、微表情识别系统的设计、表情识别曲线与心理特征的对应关系以及对管制员表情识别曲线做了分析,并把情绪识别图作为心理评估的条件。对空中交通管制不安全事件、管制事故进行研究,应用安全心理学知识对发生人因失误的管制员进行分析。（2）通过对管制员工作特点的分析以及类比不同高危行业心理评估模型,采用“抽取类别,交叉对应”的指标选取方法初步构建管制员心理倾向性评价指标。设计管制员心理倾向性指标重要程度问卷,用SPSS软件对指标重要性问卷进行探索性因素分析,对心理倾向性指标进行分析检验,用AHP计算指标权重系数,构建管制员个性心理指标和个性心理胜任力总分判断标准,进行比较判断是否符合岗位要求。（3）搭建实验环境,实现对管制员心理倾向的主客观测量,通过收集的数据利用数据挖掘关联规则Apriori算法分析心理倾向性指标因素与管制员属性、各评价指标之间存在的关系;用BP神经网络评价空中交通管制员岗位倾向、匹配度进行了分析,为空管局选拔管制员提供新思路和新方法。（4）设计管制员个性心理测评工具,进而实现对管制员的个性心理的在线测评,得到个性心理测评报告,从而为培训单位培训管制学员、空管局选拔管制员和评估在岗管制员的个性心理提供有效依据和手段,为筛选个性心理存在缺陷的管制员提供工具支持。
赖桂瑾[10]（2020）在《基于胜任力模型的管制员培训综合评价体系研究》文中认为培养优秀的空中交通管制员是民航事业发展的基础性工作之一,我国每年需要培养大量的管制人员投入一线管制单位工作。管制员培训评价工作是管制员培训过程中的重要工作,作为培训过程中教与学的沟通桥梁实现师生之间教学互动,促进培训工作开展和教学实施调整。本文针对管制员培训评价问题,分析现管制员培训评价的问题和不足,建立基于胜任力模型的管制员培训评价体系,用于实现管制员培训的综合评价与数据分析。首先,本文基于空中交通管制工作分析与行业发展需求,结合各行业成熟体系模型以及专家学者对管制员胜任特征研究成果,通过管制工作胜任重要指标调查分析,建立了管制员胜任能力指标体系,确立了管制员胜任能力指标体系的维度划分和具体指标。其次,对培训与考核评价过程展开分析,梳理考核要素相关设计与标准规范,总结确立了考核要素指标集。通过教员专家意见研究分析考核要素与能力指标关联性,实现培训评价考核记录到能力评价转换,利用熵权法确定考核要素与能力指标关联权重。最后,考核评价体系应用与实例分析。对培训练习与考核评价过程展开介绍,运用本文管制员培训能力评价方法进行练习过程评价记录与数据分析。研究确立阶段考核设计与标准规范,利用层次分析法确定考核要素权重,进行相应考核表设计与练习评价应用。以多样本群组分析和单人样本数据为例进行评价记录数据分析,通过评价体系关联方法实现能力评价反馈与指导。本文针对管制员培训评价与分析问题,进行了较为深入、系统的研究。基于本文所建立的评价方法可以实现培训评价的动态化发展性评价,结合培训过程实现评价反馈与教学调整融合发展,利于管制学员实现行业能力有效提升和全面发展。
二、空中交通管制人员心理选拔的历史及现状（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、空中交通管制人员心理选拔的历史及现状（论文提纲范文）
（2）新一代民航运输系统安全韧性理论与方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 传统安全管理方法的研究现状 |
| 1.2.2 安全韧性方法的研究现状 |
| 1.3 本文的主要贡献 |
| 1.4 本文的结构安排 |
| 第二章 新一代民航运输系统安全韧性理论研究 |
| 2.1 新一代民航运输系统安全韧性模型 |
| 2.1.1 新一代民航运输系统的特点 |
| 2.1.2 新一代民航运输系统安全韧性定义 |
| 2.1.3 新一代民航运输系统安全韧性模型 |
| 2.2 新一代民航运输系统安全韧性评估 |
| 2.2.1 民航运输系统安全韧性评估方法 |
| 2.2.2 民航运输系统安全韧性评估原则 |
| 2.2.3 安全韧性的相关事故致因模型 |
| 2.3 新一代空管系统安全韧性分析框架 |
| 2.4 本章小结 |
| 第三章 基于CPN-STPA的空管系统危险分析方法研究 |
| 3.1 研究现状及问题形成 |
| 3.2 空中交通运行控制过程基本网络模型 |
| 3.2.1 空中交通运行控制过程建模要求 |
| 3.2.2 基本网模型定义与生成规则 |
| 3.2.3 扩展着色Petri网模型 |
| 3.2.4 管制席位Petri网建模 |
| 3.2.5 基本网络模型的替代规则 |
| 3.2.6 管制席位的离散化规则 |
| 3.3 空中交通运行控制过程PETRI网建模 |
| 3.3.1 空中交通运行控制过程 |
| 3.3.2 空中交通运行控制过程的顶层网络建模 |
| 3.3.3 实例验证 |
| 3.3.4 建模仿真与分析 |
| 3.4 基于CPN-STPA的空管系统危险分析方法 |
| 3.4.1 空管系统CPN控制结构模型 |
| 3.4.2 空管系统危险分析方法 |
| 3.4.3 验证与分析 |
| 3.5 本章小结 |
| 第四章 基于自然语言处理的空管系统危险源自动分类方法研究 |
| 4.1 研究现状及问题形成 |
| 4.2 基于改进的HFACS模型空管系统危险因素分类指标体系 |
| 4.2.1 空管系统危险源分类指标体系 |
| 4.2.2 空管系统危险源语料库 |
| 4.2.3 空管系统危险源初始关键词库 |
| 4.3 面向空管系统危险源的文本分类方法 |
| 4.3.1 基于改进的TFIDF-Text Rank关键词提取的文本分类方法 |
| 4.3.2 基于深度学习模型的文本分类方法 |
| 4.3.3 空管系统危险源的文本分类方法 |
| 4.4 实验与分析 |
| 4.4.1 数据集 |
| 4.4.2 评估指标 |
| 4.4.3 基于关键词提取的文本分类方法验证与分析 |
| 4.4.4 基于CNN模型的文本分类方法验证与分析 |
| 4.4.5 基于BERT模型的文本分类方法验证与分析 |
| 4.4.6 三种方法结果对比分析 |
| 4.5 本章小结 |
| 第五章 突发事件下机场网络韧性评估方法研究 |
| 5.1 研究现状及问题形成 |
| 5.2 机场网络结构特征分析 |
| 5.2.1 机场网络基本定义 |
| 5.2.2 机场网络的基本特征参数 |
| 5.2.3 机场网络结构特征 |
| 5.3 机场网络韧性评估方法 |
| 5.3.1 机场网络韧性概念 |
| 5.3.2 机场网络韧性度量方法 |
| 5.3.3 机场网络韧性评估流程 |
| 5.4 突发事件下机场网络韧性评估方法的验证与分析 |
| 5.4.1 预防与控制策略 |
| 5.4.2 数据集 |
| 5.4.3 韧性评估方法验证与分析 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录1 离场管制和进场管制运行控制过程示意图 |
| 附录2 基于改进HFACS模型的空管系统危险源分类指标体系 |
| 附录3 2020 年中国和欧洲机场的航班起降架次 |
| 攻读博士学位期间取得的成果 |
（3）浅谈管制员心理胜任力模型构建和应用（论文提纲范文）
| 国内外管制员选拔系统或方法对比 |
| 胜任力理论模型研究及应用 |
（4）我国空中交通管制员流失原因分析及对策研究 ——以H局为例（论文提纲范文）
| 摘要 |
| abstract |
| 绪论 |
| 第一节 研究的背景和意义 |
| 一、研究的背景 |
| 二、研究的意义 |
| 第二节 文献综述 |
| 第三节 、研究思路、内容和方法 |
| 一、研究思路 |
| 二、研究内容 |
| 三、研究方法 |
| 第四节 主要创新点 |
| 第一章 相关概念界定和理论基础 |
| 第一节 相关概念界定 |
| 一、空中交通管制员 |
| 二、流失 |
| 第二节 理论研究基础 |
| 一、马奇和西蒙模型 |
| 二、普莱斯模型 |
| 第二章 我国空中交通管制员流失现状与危害 |
| 第一节 我国空中交通管制员流失概况 |
| 一、我国空管发展现状 |
| 二、我国空中交通管制员流失现状 |
| 第二节 H局空中交通管制员流失现状 |
| 一、H局基本情况 |
| 二、H局空中交通管制员工作简介 |
| 三、H局空中交通管制员流失现状 |
| 第三节 空中交通管制员流失的危害 |
| 一、不利于管制员人才队伍建设 |
| 二、不利于民航运行的效益和安全性 |
| 三、增加管制单位的培养成本 |
| 四、不利于管制单位对人才的吸引 |
| 第三章 空中交通管制员流失原因分析——以H局为例 |
| 第一节 空中交通管制员流失原因探索性分析 |
| 一、普莱斯模型视角下管制员流失原因分析 |
| 二、对人力资源负责人的访谈分析 |
| 三、对已离职管制员的访谈分析 |
| 四、探索性分析的基本结论 |
| 第二节 空中交通管制员流失原因的实证分析 |
| 一、变量的产生 |
| 二、问卷的信度和效度检验 |
| 三、调查问卷的编制与发放 |
| 四、调查结果数据分析 |
| 五、实证分析结论 |
| 第三节 空中交通管制员流失原因分析 |
| 一、个人发展受限 |
| 二、工作负荷重 |
| 三、薪酬福利体系不完善 |
| 四、管理机制不科学 |
| 第四章 空中交通管制员流失问题解决对策及建议 |
| 第一节 科学规划空中交通管制员职业生涯 |
| 一、提高单位的引导作用 |
| 二、构建多元化培训方式 |
| 三、创新现有激励模式 |
| 四、打通管制员晋升通道 |
| 第二节 切实降低空中交通管制员工作负荷 |
| 一、舒缓空中交通管制员的工作压力 |
| 二、合理控制空中交通管制员的工作时间 |
| 第三节 、优化改进薪酬福利体系 |
| 一、保持薪酬具有行业竞争力 |
| 二、保证内部薪酬公平性 |
| 第四节 提高单位管理精细化水平 |
| 一、改变管理理念 |
| 二、创新管理方法与手段 |
| 三、切实增进组织文化认同 |
| 四、进行离职前沟通 |
| 第五章 结论 |
| 参考文献 |
| 附录 |
| 附录一 H局人力资源负责人访谈提纲 |
| 附录二 离职空中交通管制员访谈提纲 |
| 附录三 空中交通管制员工作满意度调查 |
| 后记 |
（5）基于管制员个体特征的中国民航空管安全风险管理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究提出的背景及意义 |
| 1.2 研究思路和方法 |
| 1.3 文章的创新之处 |
| 第二章 安全风险管理的理论与模型综述 |
| 2.1 安全风险管理的理论综述 |
| 2.1.1 事故致因理论 |
| 2.1.2 系统安全理论 |
| 2.1.3 国内研究综述 |
| 2.2 安全风险人为因素分析模型 |
| 2.2.1 SHEL模型 |
| 2.2.2 Reason模型 |
| 2.2.3 HFACS模型 |
| 第三章 中国空管安全风险管理研究 |
| 3.1 空管安全风险的定义及等级划分 |
| 3.2 空管安全风险的常见原因 |
| 3.2.1 空管安全风险的常见原因 |
| 3.2.2 空管安全风险管理的研究现状 |
| 3.3 我国民航空管系统人为因素研究 |
| 3.3.1 空管安全风险SHELIO模型 |
| 3.3.2 空管安全风险HFACS—SHELIO模型 |
| 第四章 空管系统安全风险因素调研 |
| 4.1 管制员不安全行为的影响因素 |
| 4.1.1 管制员不安全行为 |
| 4.1.2 管制员不安全行为的影响因素 |
| 4.2 调研问卷的设计 |
| 4.3 调查问卷结果的统计与分析 |
| 4.3.1 调查问卷基本情况 |
| 4.3.2 调查问卷结果统计分析 |
| 第五章 空管安全风险因素的实证分析 |
| 5.1 研究假设的提出 |
| 5.2 实证分析 |
| 5.2.1 模型选择 |
| 5.2.2 实证分析 |
| 第六章 研究结论与对策建议 |
| 6.1 研究结论 |
| 6.2 启示和建议 |
| 参考文献 |
| 附录一 空管安全风险影响因素调查 |
| 致谢 |
（6）管制扇区运行亚健康状态识别及预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 管制运行风险 |
| 1.2.2 交通流参数 |
| 1.2.3 管制工作负荷 |
| 1.3 研究思路与章节安排 |
| 1.3.1 研究思路 |
| 1.3.2 章节安排 |
| 第二章 基于扇区的管制运行状态分析及指标描述 |
| 2.1 空中交通流 |
| 2.1.1 空中交通流特性 |
| 2.1.2 交通流三参数 |
| 2.1.3 交通流状态描述 |
| 2.2 空中交通管制 |
| 2.2.1 管制运行概述 |
| 2.2.2 管制工作负荷 |
| 2.3 管制扇区运行状态指标 |
| 2.3.1 运行风险指标 |
| 2.3.2 运行效率指标 |
| 2.3.3 交通拥挤指标 |
| 2.3.4 管制工作负荷指标 |
| 2.4 本章小结 |
| 第三章 管制扇区运行亚健康评估指标及数据处理 |
| 3.1 管制扇区运行亚健康状态定义 |
| 3.2 管制扇区运行亚健康评估指标 |
| 3.3 数据处理 |
| 3.4 本章小结 |
| 第四章 基于灰色聚类的管制扇区运行亚健康识别方法 |
| 4.1 概述 |
| 4.2 基于灰色聚类的管制运行亚健康识别模型 |
| 4.2.1 基于灰色聚类的管制运行亚健康识别步骤 |
| 4.2.2 确定亚健康评估指标权重 |
| 4.2.3 确定白化权函数 |
| 4.3 实例分析 |
| 4.4 本章小结 |
| 第五章 基于Kmeans-Ada Boost的管制扇区运行亚健康识别方法 |
| 5.1 概述 |
| 5.2 基于Kmeans-Ada Boost的管制运行亚健康识别模型 |
| 5.2.1 K-means聚类 |
| 5.2.2 Ada Boost算法 |
| 5.2.3 Kmeans—Ada Boost识别模型 |
| 5.3 实例分析 |
| 5.3.1 基于Kmeans聚类的亚健康状态划分 |
| 5.3.2 Ada Boost识别模型性能评价 |
| 5.3.3 两种识别方法对比 |
| 5.4 本章小结 |
| 第六章 基于模糊软集合的管制扇区运行亚健康预测方法 |
| 6.1 概述 |
| 6.2 基于模糊软集合的管制运行亚健康预测方法 |
| 6.2.1 组合预测模型 |
| 6.2.2 单项预测方法 |
| 6.2.3 组合预测方法求解步骤 |
| 6.3 实例分析 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（7）面向空管自动化系统的人为差错分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 空管人为差错研究现状 |
| 1.2.2 空管自动化系统相关的人为差错 |
| 1.3 主要工作及内容安排 |
| 1.3.1 主要工作 |
| 1.3.2 技术流程 |
| 1.3.3 论文结构 |
| 第二章 面向空管自动化系统的人机交互过程分析 |
| 2.1 空管自动化系统 |
| 2.1.1 系统总体结构 |
| 2.1.2 雷达数据处理 |
| 2.1.3 人机界面 |
| 2.2 管制员认知过程分析 |
| 2.2.1 常用认知模型研究 |
| 2.2.2 管制员心理模型 |
| 2.3 空管自动化系统自动化环境下人机交互模型 |
| 2.3.1 STPA方法 |
| 2.3.2 空管自动化系统人机交互模型 |
| 2.4 本章小结 |
| 第三章 空管自动化系统相关人为差错分类与量化分析方法 |
| 3.1 空管自动化系统相关人为差错分类 |
| 3.1.1 常用空管人为差错分类方法研究 |
| 3.1.2 基于交互模型的空管自动化相关人为差错分类分析 |
| 3.2 空管自动化相关人为差错辨识流程 |
| 3.3 空管自动化系统相关人为差错概率量化方法 |
| 3.3.1 贝叶斯网络理论基础 |
| 3.3.2 贝叶斯网络建模工具 |
| 3.3.3 模糊化处理专家语言 |
| 3.3.4 模糊数的求解 |
| 3.3.5 子节点条件概率分析 |
| 3.4 本章小结 |
| 第四章 空管自动化系统相关人为差错影响因素评价 |
| 4.1 基于SHEL模型的空管自动化系统相关人为差错影响因素辨识 |
| 4.2 空管自动化系统相关人为差错影响因素分析 |
| 4.2.1 基于Delphi法的人为差错影响因素重要度评价 |
| 4.2.2 空管自动化系统相关人为差错主要影响因素筛选 |
| 4.3 基于ANP的空管自动化系统相关人为差错影响因素评价 |
| 4.3.1 ANP权重计算方法 |
| 4.3.2 空管自动化系统相关人为差错影响因素权重计算 |
| 4.4 空管自动化系统相关人为差错影响因素风险对策 |
| 4.4.1 管制员 |
| 4.4.2 管制单位 |
| 4.4.3 空管自动化系统厂家 |
| 4.5 本章小结 |
| 第五章 空管自动化系统相关人为差错案例分析 |
| 5.1 空管自动化系统的AIDC移交 |
| 5.1.1 AIDC移交问题概述 |
| 5.1.2 AIDC移交人为差错诊断推理框架设计 |
| 5.2 AIDC移交过程的STPA分析 |
| 5.2.1 确定系统级事故 |
| 5.2.2 确定系统级危险 |
| 5.2.3 不安全控制行为 |
| 5.2.4 不安全控制行为致因因素 |
| 5.2.5 AIDC移交过程关键人为差错致因 |
| 5.3 AIDC移交人为差错诊断BN模型 |
| 5.3.1 构建BN模型 |
| 5.3.2 模糊化处理专家语言 |
| 5.3.3 模糊数的求解 |
| 5.3.4 子节点条件概率分析 |
| 5.4 试验仿真分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究总结 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录A 历史上与空管人为差错相关的部分不安全事件或事故征候 |
| 附录B 空管自动化系统相关人为差错影响因素调查问卷 |
| 附录C ANP网络权重计算两两比较矩阵 |
| 作者简介 |
（8）基于认知变化的管制员疲劳检测系统的研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第一章 :绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外相关研究 |
| 1.2.1 管制员疲劳主观检测技术 |
| 1.2.2 管制员疲劳客观检测技术 |
| 1.3 论文研究内容、技术路线及创新点 |
| 1.3.1 论文研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 拟解决的问题 |
| 1.3.4 研究创新点 |
| 1.4 本章小结 |
| 第二章 :管制员认知能力维度的初步构建 |
| 2.1 认知能力 |
| 2.1.1 认知能力的发展与定义 |
| 2.1.2 认知能力测试 |
| 2.2 管制员的规章制度 |
| 2.3 管制员胜任特征 |
| 2.4 词频分析 |
| 2.5 管制员工作要求 |
| 2.6 维度的初步构建 |
| 2.7 本章小结 |
| 第三章 :问卷的编制与测试 |
| 3.1 问卷编制策略 |
| 3.1.1 问卷编制的理论依据 |
| 3.2 构造问卷条目 |
| 3.3 问卷的编制过程 |
| 3.4 问卷的施测过程 |
| 3.4.1 疲劳状态对管制员工作能力的影响 |
| 3.4.2 疲劳状态下管制员工作能力调查 |
| 3.5 本章小结 |
| 第四章 :量表的数据与结果分析 |
| 4.1 管制员认知维度问卷的结果分析 |
| 4.1.1 建立数据集 |
| 4.1.2 数据分析方法 |
| 4.1.3 维度的筛选标准 |
| 4.1.4 SPSS分析结果 |
| 4.1.5 结论 |
| 4.2 管制员疲劳状态下工作能力调查问卷的结果分析 |
| 4.2.1 建立数据集 |
| 4.2.2 数据分析方法 |
| 4.2.3 信度分析 |
| 4.2.4 项目分析 |
| 4.2.5 探索性因子分析 |
| 4.2.6 结构方程模型 |
| 4.2.7 结论 |
| 4.3 .本章小结 |
| 第五章 :疲劳诱导实验 |
| 5.1 疲劳诱导实验理论研究 |
| 5.1.1 疲劳对认知能力的影响 |
| 5.1.2 n-back任务 |
| 5.1.3 精神疲劳量表RSME |
| 5.2 实验的设计 |
| 5.2.1 实验被试 |
| 5.2.2 实验时间 |
| 5.2.3 实验内容 |
| 5.3 编程与实践 |
| 5.3.1 可行性分析 |
| 5.3.2 需求分析 |
| 5.3.3 系统模块设计 |
| 5.3.4 后台实现 |
| 5.4 数据分析 |
| 5.4.1 建立数据集 |
| 5.4.2 获取疲劳诱导实验反应时 |
| 5.4.3 反应时与疲劳的相关性分析 |
| 5.5 本章小结 |
| 第六章 :管制员疲劳检测系统的设计与实现 |
| 6.1 理论依据 |
| 6.2 系统设计 |
| 6.2.1 基于认知能力的检测疲劳水平 |
| 6.2.2 基于认知变化的疲劳检测系统使用说明 |
| 6.3 编程与实践 |
| 6.3.1 需求分析 |
| 6.3.2 系统模块设计 |
| 6.3.3 后台实现 |
| 6.4 数据分析 |
| 6.4.1 建立数据集 |
| 6.4.2 管制员疲劳检测系统的验证 |
| 6.4.3 管制员疲劳的风险分析 |
| 6.5 本章小结 |
| 结论 |
| 1 结论 |
| 2 展望 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（9）基于数据挖掘的管制员心理倾向性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 论文研究内容 |
| 1.4 研究技术路线 |
| 1.5 论文创新点 |
| 第二章 管制员心理倾向性相关理论研究 |
| 2.1 心理评估相关概述 |
| 2.1.1 心理倾向性 |
| 2.1.2 管制员评估模型 |
| 2.2 心理现象与安全 |
| 2.2.1 心理过程 |
| 2.2.2 个性心理 |
| 2.3 微表情心理学 |
| 2.4 管制员表情识别的具体实现 |
| 2.4.1 前期准备 |
| 2.4.2 识别系统展示 |
| 2.4.3 识别结果 |
| 2.5 本章小节 |
| 第三章 管制员心理倾向性评价模型构建 |
| 3.1 空管不安全事件分析 |
| 3.2 管制员安全心理分析 |
| 3.2.1 管制员心理过程分析 |
| 3.2.2 管制员个性心理分析 |
| 3.3 心理倾向性指标提取 |
| 3.3.1 不同高危行业心理指标类比分析 |
| 3.3.2 问卷编制 |
| 3.3.3 被试 |
| 3.4 结果与分析 |
| 3.5 应用AHP分析心理倾向性指标体系 |
| 3.6 个性心理评估标准的确定 |
| 3.7 个性心理胜任力评分 |
| 3.7.1 个性心理胜任标准 |
| 3.7.2 个性心理评分分析 |
| 3.8 管制员个性心理测评系统 |
| 3.9 本章小节 |
| 第四章 基于关联规则的管制员个性心理研究 |
| 4.1 关联规则挖掘 |
| 4.1.1 关联规则方法的选择依据 |
| 4.1.2 关联规则分析 |
| 4.1.3 关联规则的定义 |
| 4.2 APRIORI算法的应用 |
| 4.2.1 Apriori算法 |
| 4.2.2 数据来源 |
| 4.2.3 Apriori算法实例分析应用 |
| 4.3 本章小结 |
| 第五章 基于BP神经网络的管制员岗位倾向匹配研究 |
| 5.1 神经网络的理论概述 |
| 5.1.1 人工神经网络的概念 |
| 5.1.2 BP神经网络原理 |
| 5.1.3 BP神经网络学习算法 |
| 5.2 管制员岗位倾向匹配测算模型的建立 |
| 5.2.1 BP神经网络模型建立的思路 |
| 5.2.2 BP神经网络的构造 |
| 5.3 BP神经网络的管制员岗位倾向测评模型 |
| 5.3.1 样本选取及处理 |
| 5.3.2 样本数据训练 |
| 5.3.3 管制员岗位倾向匹配评价模型的训练与仿真 |
| 5.3.4 误差分析 |
| 5.3.5 样本的验证与结果分析 |
| 5.4 管制员岗位倾向案例的评价 |
| 5.4.1 案例概况 |
| 5.4.2 模糊综合评价 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读硕士期间取得的成果 |
| 致谢 |
（10）基于胜任力模型的管制员培训综合评价体系研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 研究内容与技术路线 |
| 1.2.1 研究内容 |
| 1.2.2 技术路线与实施方案 |
| 1.3 论文章节安排 |
| 1.4 本章小结 |
| 第二章 管制工作及胜任力理论 |
| 2.1 空中交通管制工作发展动态 |
| 2.1.1 空中交通管制工作概述 |
| 2.1.2 管制员工作分析 |
| 2.1.3 管制员培训发展动态 |
| 2.2 胜任力模型理论研究与发展 |
| 2.2.1 胜任力理论概述 |
| 2.2.2 胜任力模型相关研究与发展 |
| 2.3 管制员胜任力模型研究动态 |
| 2.4 本章小结 |
| 第三章 管制员胜任能力指标体系构建 |
| 3.1 管制员培训评价概念 |
| 3.1.1 空中交通管制员培训 |
| 3.1.2 培训评估分类及流程 |
| 3.2 胜任能力指标体系构建思路 |
| 3.3 能力指标体系构建原则 |
| 3.4 指标参考库的建立及维度划分 |
| 3.5 能力指标选取与优化 |
| 3.5.1 主成分分析法 |
| 3.5.2 指标选取与优化 |
| 3.6 胜任能力指标体系确立 |
| 3.7 本章小结 |
| 第四章 管制员培训与评价分析方法 |
| 4.1 管制员培训与考核关系分析 |
| 4.2 考核相关设计与标准 |
| 4.2.1 考核要素设计与分析 |
| 4.2.2 考核标准规范原则 |
| 4.3 能力指标与考核要素的关联性分析方法 |
| 4.3.1 熵权法简要介绍 |
| 4.3.2 熵权法应用过程 |
| 4.3.3 熵权法确定关联权重 |
| 4.4 考核要素权重确定 |
| 4.4.1 层次分析法介绍 |
| 4.4.2 层次分析法确定考核指标权重 |
| 4.5 基于能力的培训与评价 |
| 4.6 本章小结 |
| 第五章 评价体系模型验证与实例分析 |
| 5.1 评价体系模型验证 |
| 5.1.1 指标维度划分验证 |
| 5.1.2 指标相关性分析 |
| 5.2 培训练习与考核评价 |
| 5.2.1 培训练习设置 |
| 5.2.2 考核设计与标准确立 |
| 5.2.3 练习评价过程 |
| 5.3 数据记录分析与能力评价 |
| 5.3.1 多样本群组分析 |
| 5.3.2 单人样本分析 |
| 5.3.3 评价反馈与指导 |
| 5.4 评价系统设计与显示 |
| 5.4.1 评价系统设计原则 |
| 5.4.2 评价系统功能需求与模块设计 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 附录一 :问卷指标项目设计初始表格 |
| 附录二 :管制员胜任能力指标重要性调查 |
| 附录三 :管制员胜任能力指标与考核要素类别关联性调查 |
| 附录四 :考核表设计示例 |
| 附录五 :熵权法数据处理部分程序 |
| 攻读硕士期间取得的成果 |
| 致谢 |
四、空中交通管制人员心理选拔的历史及现状（论文参考文献）
- [1]GY空中交通管制员胜任力模型构建研究[D]. 陈睿. 贵州财经大学, 2021
- [2]新一代民航运输系统安全韧性理论与方法研究[D]. 郭九霞. 电子科技大学, 2021(01)
- [3]浅谈管制员心理胜任力模型构建和应用[J]. 张仁涛. 民航管理, 2021(01)
- [4]我国空中交通管制员流失原因分析及对策研究 ——以H局为例[D]. 周阳. 华东政法大学, 2020(04)
- [5]基于管制员个体特征的中国民航空管安全风险管理研究[D]. 张慧. 上海社会科学院, 2020(04)
- [6]管制扇区运行亚健康状态识别及预测研究[D]. 韩娜. 中国民航大学, 2020(01)
- [7]面向空管自动化系统的人为差错分析研究[D]. 李保燊. 中国民航大学, 2020(01)
- [8]基于认知变化的管制员疲劳检测系统的研究[D]. 刘玉婷. 中国民用航空飞行学院, 2020(11)
- [9]基于数据挖掘的管制员心理倾向性研究[D]. 马学鹏. 中国民用航空飞行学院, 2020(09)
- [10]基于胜任力模型的管制员培训综合评价体系研究[D]. 赖桂瑾. 中国民用航空飞行学院, 2020(09)
标签：系统评价论文;