基于TRACEr的管制员差错风险量化分析

为准确辨识管制员(ATCO)的人为差错风险,量化预测不同认知领域的差错发生概率,根据认知差错回溯与预测分析(TRACEr)中的认知功能框架定义管制差错类型,分析心理差错机制的致因因素,将其作为根节点建立空中交通管理(ATM)不安全事件的贝叶斯网络;引入加权距离计算网络节点的条件概率,分析我国近10年的空管人误数据,以挖掘差错风险因素。研究结果表明:管制员的人为差错产生于各个认知领域,由此导致的不安全事件发生概率为0.0407;警觉性失效、未充分学习、忽略危险、沟通误解和信息传输不清晰是主要风险因素,产生判断差错和信息传输差错的概率较大。

国外空管不安全事件中的人误风险分析

以近20年国外空管(ATM)不安全事件的调查报告为数据样本,研究导致管制员人为差错的风险因素。首先基于认知差错回溯分析(TRACEr)方法,在感知、记忆、计划决策和响应执行4个认知层面,划分管制员人误类型及差错根因类别;然后采用基于粗糙集理论(RST)的数据挖掘方法和贝叶斯网络(BN)的逆向推理方法计算各认知领域的差错风险表征值。研究结果表明:警觉性失效、信息处理失误、环境干扰和信息传输不清晰是引发不安全事件的高风险因素。边界视野局限、视觉识别失误、期望倾向、注意力未全局化等视觉感知差错根因在地面不安全事件中占主要影响;而记忆障碍、未充分学习、风险辨识失效、负作用影响等记忆和计划决策差错根因在空中不安全事件中占主要影响。经RST挖掘得到的视觉感知差错和信息传输差错是主要人误类型;而由BN分析得出的结论中,判断差错成为影响程度仅次于视觉感知差错的重要人误类型。