一种空管指挥人机协同安全监控系统及方法技术方案

本发明专利技术公开了一种空管指挥人机协同安全监控系统及方法，系统包括：AI监督员单元，包括：第一监督模块与第二监督模块，第一监督模块用于基于获取到的当前管制员生理数据对管制员进行管制效能评估，生成并呈现效能评估结果；第二监督模块用于基于当前空管态势数据生成机器决策方案，输出至空管指挥单元；空管指挥单元：用于基于当前设定的人机交互模式，结合机器决策方案与管制员输入的决策方案，进行空管指挥。本系统能够依据管制员生理数据对管制员进行管制效能评估，保证了管制员在空管指挥中的安全性，同时基于当前空管态势并提供机器决策方案，设定人机交互模式进行空管指挥管制员与AI共同决策，降低了管制员的负荷，限制了机器的参与度。了机器的参与度。了机器的参与度。

【技术实现步骤摘要】
一种空管指挥人机协同安全监控系统及方法


[0001]本专利技术涉及民用航空空中交通管理
，特别涉及一种空管指挥人机协同安全监控系统及方法。

技术介绍

[0002]空管安全是国家空域安全的基石，是确保空防安全、航空运输安全高效和防止重特大人民生命与财产损失的重要保障，管制指挥是空管安全的关键。运输航空和通用航空管制环境日益复杂，给空管安全带来极大隐患。其复杂性主要表现为：(1)运输航空飞行量持续快速增长；(2)以无人机为代表的低空航空器数量快速增长，低空安全监管面临新的挑战；(3)空域资源结构性矛盾和空域用户多元化灵活性使用的冲突；(4)复杂多变的气象条件；(5)管制员管制行为及与物理系统的交互构成了复杂的人机系统。
[0003]为了提高管制安全保障水平，空管指挥时多采用“双岗制”，在区域、进近、塔台管制室安排管制人员值班时，每一管制席位在值班时间内不得少于两名正式管制员。由于管制指挥席工作任务繁重，无法完全保证指令正确需要管制助理席协助检查发出的管制指令和航空器飞行动态，发现问题时迅速提醒管制指挥席并予以指正，但是由于管制助理席同时承担协调、管制移交等非管制指挥工作，容易对航空器飞行动态了解不深入，监控工作不到位，检查力度不够，容易发生管制差错。而现有空管系统自动化程度不高，为管制员提供的辅助决策有限，高度依赖管制员的决策，系统不能监控管制员的操作，预防操作失误，对管制员人为因素的实时安全防范技术手段缺乏。空管系统是典型的“人在回路”关键使命系统，高度依赖管制员的决策，以深度学习为代表的人工智能方法多是黑盒模型，存在解释性不足的问题，且可能与管制员的判断存在差异。
[0004]近年来，人工智能技术在各行业得到快速应用，计算机视觉、语音识别、自然语言处理、人机博弈等技术取得突破性进展并迅速产业化。一些学者研究了语音识别技术、深度学习模型等在空管冲突探测与解脱、航迹预测等方面的应用。由于人工智能的可解释性、主动学习等问题尚未完全解决。空管指挥属于“重大使命、实时”任务，因涉及重大安全，在复杂运行环境中无法用智能系统完全取代。

技术实现思路

[0005]本专利技术的目的在于克服现在技术中空管系统自动化程度不高、为管制员提供的辅助决策有限，而完全基于深度学习的智能决策方法存在解释性不足的问题，提供一种空管指挥人机协同安全监控方法。
[0006]为了实现上述专利技术目的，本专利技术提供了以下技术方案：
[0007]一种空管指挥人机协同安全监控系统，包括：
[0008]AI监督员单元，包括：第一监督模块与第二监督模块，所述第一监督模块用于基于获取到的当前管制员生理数据对管制员进行管制效能评估，生成效能评估结果，呈现所述效能评估结果；
[0009]所述第二监督模块用于基于当前空管态势数据生成机器决策方案，输出至空管指挥单元；
[0010]空管指挥单元：用于基于当前设定的人机交互模式，结合所述机器决策方案与管制员输入的决策方案，进行空管指挥。
[0011]优选地，所述人机交互模式包括无交互模式、半交互模式和全自动模式；
[0012]当设定为无交互模式时，空管指挥单元被配置为：计算所述机器决策方案与管制员输入的决策方案的差值，生成样本，返回至所述第二监督模块；
[0013]当设定为半交互模式时，空管指挥单元用于向管制员呈现所述机器决策方案，以在管制员确认使用所述机器决策方案时，基于所述机器决策方案进行空管指挥；
[0014]当设定为全自动模式时，空管指挥单元用于直接基于所述机器决策方案进行管制指挥。
[0015]优选地，所述人机交互模式当设定为全自动模式时，空管指挥单元被进一步配置为：计算所述机器决策方案与管制员输入的决策方案的差值，生成样本，返回至所述第二监督模块。
[0016]优选地，所述机器决策方案基于飞行冲突解脱规则库生成。
[0017]优选地，所述第二监督模块基于AI空管安全决策模型，进行空管态势管制，认知推理，管制决策。
[0018]优选地，所述空管态势数据包括监视数据、飞行计划、气象数据和空域限制。
[0019]优选地，所述监控系统还包括：
[0020]采集单元，用于采集管制员生理数据，并输出至所述AI监督员单元；
[0021]所述采集单元包括：空管自动化系统、遥测式眼动追踪设备、话音采集设备、操作设备、摄像头、心率采集设备、皮电采集设备。
[0022]优选地，所述第一监督模块基于ACT
‑
R模型进行管制效能评估，所述管制效能评估包括管制员管制能力评估、指令安全性评估和管制工作安全性评估，并得到评估结果。
[0023]优选地，所述评估结果达到安全阈值时，系统告警。
[0024]本专利技术的另一方面，提供一种空管指挥人机协同安全监控方法，包括：采用上述空管指挥人机协同安全监控系统进行空管指挥。
[0025]与现有技术相比，本专利技术的有益效果：
[0026]本专利技术提供的一种空管指挥人机协同安全监控系统，依据管制员生理数据对管制员进行管制效能评估，保证了管制员在空管指挥中的安全性；基于当前空管态势并提供机器决策方案，提高了机器辅助决策的使用性；设定人机交互模式进行空管指挥管制员与AI共同决策，在为管制员提供决策依据的同时，降低了管制员的负荷，限制了机器的参与度，提升空管决策的安全性。
附图说明
[0027]图1为空管指挥人机协同安全监控模型框架。
[0028]图2为基于多模态管制行为数据的管制效能评估流程图。
[0029]图3为管制员信息加工过程示意图。
[0030]图4为管制员眼动数据采集流程图。
[0031]图5为眼动仪采集的管制员眼动行为信息。
[0032]图6为管制员效能评估多任务深度学习模型示意图。
[0033]图7为机器认知推理决策树模型。
[0034]图8为同航迹冲突解脱决策树模型。
[0035]图9为交叉航迹冲突解脱决策树模型。
[0036]图10为本逆向航迹冲突解脱决策树模型。
[0037]图11为人机决策方法区别示意图。
[0038]图12为基于多智能体强化学习的冲突解脱模型示意图。
[0039]图13为人机协同模式选择示意图。
具体实施方式
[0040]下面结合试验例及具体实施方式对本专利技术作进一步的详细描述。但不应将此理解为本专利技术上述主题的范围仅限于以下的实施例，凡基于本
技术实现思路
所实现的技术均属于本专利技术的范围。
[0041]实施例1
[0042]本专利技术提供的一种空管指挥人机协同安全监控系统，
[0043]AI监督员单元，包括：第一监督模块，其基于ACT
‑
R模型，用于基于获取到的当前管制员生理数据对管制员进行管制效能评估，生成效能评估结果，呈现所述效能评估结果，所述管制效能评估包括管制员管制能力评估、指令安全性评估和管制工作安全性评估。当所述评估结果达到安全阈值时，监控系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种空管指挥人机协同安全监控系统，其特征在于，包括：AI监督员单元，包括：第一监督模块与第二监督模块，所述第一监督模块用于基于获取到的当前管制员生理数据对管制员进行管制效能评估，生成效能评估结果，呈现所述效能评估结果；所述第二监督模块用于基于当前空管态势数据生成机器决策方案，输出至空管指挥单元；空管指挥单元：用于基于当前设定的人机交互模式，结合所述机器决策方案与管制员输入的决策方案，进行空管指挥。2.根据权利要求1所述的一种空管指挥人机协同安全监控系统，其特征在于，所述人机交互模式包括无交互模式，半交互模式和全自动模式；当设定为无交互模式时，空管指挥单元被配置为：计算所述机器决策方案与管制员输入的决策方案的差值，生成样本，返回至所述第二监督模块；当设定为半交互模式时，空管指挥单元用于向管制员呈现所述机器决策方案，以在管制员确认使用所述机器决策方案时，基于所述机器决策方案进行空管指挥；当设定为全自动模式时，空管指挥单元用于直接基于所述机器决策方案进行管制指挥。3.根据权利要求2所述的一种空管指挥人机协同安全监控系统，其特征在于，所述人机交互模式当设定为全自动模式时，空管指挥单元被进一步配置为：计算所述机器决策方案与管制员输入的决策方案的差值，生成样本，返回至所述第二监督模块。4.根据权利要求1所述的一种空管指挥人机协同安...

【专利技术属性】
技术研发人员：武喜萍，杨红雨，杨波，吴郑源，
申请(专利权)人：四川大学，
类型：发明
国别省市：