构建飞行员画像模型，实现航班运行人岗匹配

taotao_2016 2023-01-02 发布于江西

展开全文

　　摘要：航空运行中产生了海量的数据，这些数据来自LOSA分析报告、不安全事件分析报告、QAR运行数据、以及模拟机训练数据等等。本文主要探讨如何挖掘飞行数据，提炼风险点，形成风险层标签，再对其进行梳理得出训练层标签，最后进行赋权形成飞行员画像模型，并针对如何将模型用于科学评估飞行员综合能力，实现人岗匹配，进而提升航空公司机队安全运行水平给出合理化建议。

一、飞行员画像的意义

　　人物画像，又名用户画像，也叫用户信息标签化。构建用户画像的核心工作即是给用户贴“标签”，而标签是通过对用户大量信息分析而来的高度精炼的特征标识。

　　画像的核心是标签，而基础则是数据。大数据时代，企业规模、资金、生产技术作为衡量标准还远远不够，品牌也离不开大数据的支撑。获取数据、分析处理数据、挖掘数据价值的能力将成为企业的立身之本。在这样一个时代，只有建立在大数据之上的企业、能够充分利用大数据服务的企业，按照大数据时代的商业法则深入数据应用场景开发运营的企业，才会获得更好的生存与发展机会。

　　航空运输企业也需要借助大数据的手段进行自我提升。虽然航空公司在运行和训练中积累了大量飞行数据，这些数据来自LOSA分析报告、不安全事件的分析报告、QAR数据和模拟机数据等等，但是时至今日，飞行员作为航司的核心资产，却迟迟找不到准确的定义手段。航司对飞行员的运行和训练管理仍是粗放式的：运行中严格按照资质授权进行排班，训练中遵循相对固化的训练大纲进行无差别训练和检查，出了任何安全事故差错则设计相似科目进行全员排查，仍然延续着头痛医头脚痛医脚、一人生病全员吃药的传统管理模式。

　　为实现飞行员的精细化管理，在训练中实现因材施教，在运行中做到人岗匹配，本文提出的解决方案是建立飞行员画像。飞行员画像项目运用建模和统计分析工具对飞行大数据所对应的飞行行为和飞行员能力进行分析，形成对每个飞行员各项能力直观、量化的评价，从而精准识别目标人的能力缺陷。

二、飞行员画像介绍

　　参考用户画像构建的基本步骤，本文设计飞行员画像的主要步骤如下：

　　l 确定飞行员画像目标

　　l 数据收集与处理

　　l 建立飞行员画像标签

　　l 构建画像模型

（一）确定飞行员画像目标

　　不同的画像目标，所需的标签体系不同。本文中飞行员画像目标是全面了解飞行员综合飞行能力，进而实现飞行运行全流程风险管控，飞行训练因材施教，航班运行中人岗匹配。

（二）数据收集与处理

　　确定画像的目标后，为了实现对不同场景的画像刻画，需要对数据源进行梳理，不同数据源的数据整合尤为重要。通过对飞行数据进行综合盘点和治理，打破数据壁垒，构建飞行数据仓库，包含飞行操纵、飞行排班、飞行资质、飞行训练、不安全事件分析报告等等，在此基础上进行提炼，构建飞行员画像，并定期利用数据仓库中的数据运行模型，以更新飞行员各级标签。

（三）建立飞行员画像标签

　　飞行员画像的核心是通过分析飞行员的飞行数据并进行提炼，最终为每个飞行员打上标签，并赋予各标签相应的权重。其中标签表征内容，指的是飞行员能力与之相关，每个标签都给我们提供一个观察和认识飞行员的角度；权重表征指数，指的是能力和标签二者之间的相关性。标签建模的方法主要包括人工建模和机器建模。其中人工建模凭借经验建立标签，机器建模通过样本数据利用机器学习建立标签，本文考虑到飞行数据的繁杂性与实效性等特性，采用人工建模方法。

　　飞行员画像标签模型的建立参考电子商务客户画像建模,为了使飞行员画像既有具象化又有指导性，需要构建分层级的画像标签体系，使用底层标签来实现具象化，使用高层标签来体现指导性。依据飞行员数据内容将标签分为几个大类，底层的标签经过处理得到高层标签，按照此思路，构建层级化的标签体系，其中从低到高分别是风险层、训练层和决策层，见下图。

企业微信截图_c1581fc2-d3c9-4d8e-af57-c0142e56249f

　　图2-1 飞行员画像标签

　　风险层由基于运行和训练原始数据以及LOSA和不安全事件分析报告提炼总结出来的风险点组成，通过对飞行数据进行梳理和治理，我们提炼出以下风险点：简令差错、标准喊话差错、检查单差错、交叉检查差错、文件工作差错、任务责任区差错、程序执行错忘漏、驾驶舱秩序差错、自动化使用的差错，人工操纵差错，系统、无线电、设备使用差错等，其中每一个项目，又可以由多个子项目组成，比如人工操纵差错可以包含QAR日常监控中使用的各项指标，比如离地姿态、低空下降率、拉平时的坡度、接地姿态和接地G值、空中触发的某个警告等。

　　训练层标签在风险层的基础上进一步总结得出，是飞行员的核心胜任力，涵盖理论知识、程序应用、沟通交流、自动飞行、人工操纵、情景意识、工作负荷管理、问题解决和决策、领导力和团队合作等，构成决策层的参考依据。

　　决策层是在训练层标签的基础上赋权，从而构建出完整的飞行员画像，从实际运行出发全面评价飞行员的行为状态，为实现人岗匹配提供参考。

（四）构建画像模型

　　如果说建立飞行员画像标签是飞行员画像的关键步骤，那么给标签赋予权重则是飞行员画像核心中的核心。

　　为了保障画像的重要性和实用性，体现飞行员画像的特点，在风险层，根据数据源的权重和类别，使用相关性分析等方法确认数据源的聚类，在训练层，使用主客观结合赋权算法计算飞行对象的重要性，只展现权重高的标签，。根据各类数据源的数据量大小，综合采用主观赋权法和客观赋权法。其中主观赋权法是根据专家从主观上确定各标签的重要程度，主要有：专家讨论法、层次分析法、优序图法等。

　　主观赋权法的优点是可以结合工作实际和专家经验合理确定标签的权重排序，缺点是过分依赖专家的专业程度，有较强随意性。客观赋权法是根据各标签的关联程度，或各标签提供的信息量确定各标签的重要程度，常见的客观赋权法有：主成份分析法和熵值法等。本文将主观与客观赋权法结合起来，集成两种方法的优点。

　　飞行员画像的训练层标签主要有9个，经过对训练层标签进行分析，可以分为三个维度，也可以认为是三个子画像，分别是：（1）操纵画像：包括人工飞行和自动驾驶能力；（2）程序画像：包括SOP和法规执行能力；（3）CRM画像：包括领导力、团队合作、工作负荷管理、沟通与决策、情景意识。针对不同的画像运用不同的方法建模：例如操纵画像的专家讨论法，依据专家团队的经验，选择合适的监控项目，然后科学赋权，体现项目之间重要性的差异，从而实现飞行操纵的科学监控；程序画像则通过定性分析法，针对不同SOP项目类型，制定不同的监控标准与方法，从而实现程序监控的合理性与科学；CRM画像则通过问卷调查与循证训练的方法，确定不同子项目的关注目标，拟定画像下不同标签的数据与权重，进而实现画像的客观性与可行性。标签是画像的具体呈现，而画像是标签的宏观总结，因此，科学梳理画像下的标签构成，是飞行员画像实施的关键。

　　我们可以通过构建3个子画像，最后进一步对子画像进行赋权，从而得出完整的飞行员画像。下面以飞行员人工操纵标签对应的子画像“飞行员操纵画像”为例，探讨如何构建飞行员画像模型。

（五）飞行员操纵画像举例

1．飞行员操纵画像目标

　　对飞行员在航班运行中体现出来的人工飞行操纵能力进行量化。

2．数据收集与处理

　　对QAR数据中的原始参数整理，经过飞行专家组结合实际飞行技术特点，明确操纵画像按照实际飞行阶段进行划分，重点从滑行、起飞、进近、着陆、着陆滑跑共计5个阶段中选择重点监控风险点，运用测量值的监控手段从QAR原始数据中筛选出28个重点监控小项。

3．飞行员操纵画像包含的风险层标签

　　飞行员操纵画像项目的风险标签层，具体明细如下表所示。

　　表2-1飞行员操纵画像监控项目

4．赋权方法

　　首先，针对每个监控项目，从技术性和稳定性两个维度进行评价，保证数据的高效利用；其次，针对飞行操纵特性，从不同飞行阶段的重要性和监控项目的差异性等角度，科学赋予权重，从而保证整个飞行项目监控的完整性。

　　由于飞行操纵具有规范性和标准性，因此项目监控的标准通过手册与实际运行中的整体情况相结合，从而保障评价体系的合理性与科学性，如下表所示，针对不同的监控项目，科学制定其监控标准。

　　表2-2部分监控项目手册参考标准

WechatIMG46

　　表2-3部分参数参考标准

　　其次，对五个飞行阶段按照风险级别划分出不同的权重，进近和着陆阶段风险较大给予较高的权重；其次，应用相同的思路，对各个阶段的操纵动作和程序进行分解，选择了不同监控项目的技术参数，并根据其对应风险的情况对这些参数确定了不同权重；再次，对具体测量值小项进行技术性和稳定性两个方面的评分，各占50%；最后，由各个项目的技术分和稳定分得到测量小项得分，飞行阶段的小项汇总后得到该飞行阶段的得分，汇总各个飞行阶段的得分最后得到总分，满分为100分。

　　最后，鉴于不同测量项目数据的差异，结合实际监控项目的分布规律，有针对性的制定不同项目的监控曲线，例如，速度类的线性分段函数，载荷类的二次函数，偏差类的非线性函数，通过不同的函数关系，结合监控项目的特性，制定合适的监控标准，从而保障数据的真实性。

5．飞行员操纵模型展示

　　飞行员操纵画像模型结果就是综合数据的输出与分析，一方面，借助信息系统的构建，通过构建完善的飞行员数据分析系统，立足模型管理与可视化的需求，从应用和展示两方面体现。系统应用层面而言，通过灵活的筛选条件和规则实现基于不同场景的人员数据对比，其主要流程如下图所示：

4df76eb647f08173dfe4ea08fb831dc 图2-2 飞行员画像应用流程

　　就展示层面而言，借助最新的BI工具，从便捷性与实用性层面体现数据的差异，如下图所示，实现数据的快速呈现，便于飞行操纵能力的快速分析。

飞行员画像看板-2 图2-3 飞行员操纵画像数据看版

三、政策建议

　　随着航空业的快速发展，粗放式“一把抓”安全管理理念已逐渐落后，越来越多的场景需要通过数据驱动来实现精细化管理。对于如何进一步完善飞行员画像，借助大数据完善飞行安全管理机制，笔者给出以下几点建议。

（一）完善风险层标签，提高安全风险防控能力

　　建议民航业建立并完善标准统一的风险标签层，提高各航司的安全风险管控水平。飞行员画像的风险层是风险管理的重要落脚点。通过不断完善模型项目衍生风险数据库，例如开展LOSA、对QAR数据进行大数据分析，构建灵活的异常提醒与风险防控查询机制，实现风险及时提醒与风险快速查询的智能人工应用，推动灵活、高效、智能的风险管控工具的落地，从而将安全风险扼杀在摇篮之中。

（二）开发训练层标签，提高训练效率和质量

　　建议民航局飞标司在业内收集并统一训练标签层，为各航司提供训练依据，从而提高训练效率和质量。飞行员画像的训练层标签是构建训练科目库和场景库的新思路，是因材施教的依据。一方面，针对新机型、新岗位飞行员，可以通过不同标签对应的训练科目库进行针对性训练；另一方面，针对成熟飞行员，可通过构建完善的场景库，训练场景与训练层标签形成映射关系，让飞行训练领域的因材施教成为可能。飞行员画像思维是飞行训练领域变革下的一次尝试，通过“双三基”和“双轨训练”纲领，坚持问题导向、目标导向，强化源头管控、过程管控，以飞行员画像建设为契机，引领训练领域的变革，形成行业可借鉴、可实行的方案。

（三）细化运行标签层，做好“人岗匹配”

　　细化运行标签层，进一步提升航班运行人岗匹配度。实现飞行安全的关键是具备相应能力的人运行相适应的航班，随着民航业的发展，机场与航线的不断扩充，飞行员需要面对的飞行场景愈加复杂，因此，需要结合飞行员的自身特点，“量体裁衣”地安排运行航班，从而最大限度确保运行安全。

　　借助不断完善的飞行员画像，一方面，以更加开阔的视角考虑飞行数据的利用效率，科学制定监控逻辑与标准，保障数据的有效性与一致性，形成行业先进的管理思维；另一方面，运用先进的测量工具与方法，保障数据利用的科学性与准确性，实现由点及面的风险管理思维意识。飞行员画像在运行中的作用，就是以科学的视角制定统领飞行员飞行技能的方法，真正实现人岗匹配。

（四）统一飞行数据标准，保障飞行数据质量

　　统一飞行数据标准，建成飞行数据规范化仓库。中国民航在几十年的运行和训练中沉淀了大量的数据，由于数据规范性、透明性不足，大数据分析能力有限等原因，这些数据一直都没有得到很好的应用。要做好这项工作，核心就是做好数据治理，让数据像自来水一样，干净无害、随用随取，实现有数可用、有数敢用、有数会用，做好数据数量与质量的平衡。

　　就飞行画像而言，需要用到大量的QAR数据、运行数据、训练数据、LOSA分析报告、不安全事件分析报告等等，需要考虑特殊飞行场景下数据真实性与特殊项的差异，保证飞行大数据的准确性。正如民航基站建设一样，数据基数越来越大，如何更好的保障数据的使用率，行业需要更加规范的数据校验机制和监管工具，从源头控制数据质量，才能保障飞行员画像的可实施性。

（五）构建飞行数据中台，激发飞行数据潜能s

　　局方应大力推进航司构建飞行数据中台，激活飞行数据潜能。飞行员画像是飞行数据综合治理的成果体现，构建飞行数据中台是未来民航技术发展的新的风向标。从互联网企业数据中台概念的快速演变，到民航数据中台的雏形，再到航企数据中台的实现，究其本质是一个0-1、1-N的持续演进过程。飞行数据中台是涵盖技术和规则先进性的综合体现，立足行业新领域，演化新标准，形成新规则，这就是飞行数据中台建设的初衷，这是民航集大成建设成果的体现，将会引领民航进入新的发展新阶段，不仅有助于行业标准监管政策的落地，也有助于航企做到针对行业标准有据可依，科学制定符合自身发展的风险防控机制，激活飞行数据潜能。

　　千里之行始于足下，从飞行员操纵子画像入手到最终建立完整的飞行员画像，还需要全民航付出很多努力，包括建立统一的飞行数据标准、完善的飞行数据体系等等，这也是中国民航数字化升级的重要组成部分。我们有理由相信，一个全面、客观、可靠的飞行员画像模型，将在未来助力中国民航飞得更高、更远、更稳。（作者：刘化宝）