【无标题】

在本研究中，我们开发并验证了一个新的模拟练习复杂度评估方法，专门用于机场空中交通管制。此方法依托于系统定义的多层次评估体系，结合了层次分析法（AHP）和模糊逻辑，以确保在航空器数量、操作中的冲突强度、工作负荷等多维度因素的全面考虑下，对管制模拟练习的复杂度进行精准评估。
通过这一评估方法，我们设定了四个复杂度等级，并针对各等级定义了详细的评价标准。评估模型在实际的模拟练习数据上进行了验证，涵盖了简单到较难的多种练习情景。这些练习的分析不仅证实了评估方法的有效性，也展示了其在实际应用中的适用性和可靠性。此外，所得的评估结果与教学目标进行了对比，进一步验证了评估体系的实用性和科学性。
本研究的重要贡献在于为机场管制员的训练提供了一个科学、系统的评估工具，有助于提高训练质量和效果。随着数据科技的发展，尤其是大数据和云计算的应用，本评估方法预计将进一步优化，使得机场管制员训练更为高效和目标导向，为确保航空安全和推动民航业的持续发展提供坚实的支持。

关键词：机场管制模拟训练；复杂性建模；复杂度评价；冲突强度

Research on the quantization of simulator practice complexity based on system data
AUTHOR: LUN WEN GONG CHANG
TUTOR: LUN WEN GONG CHANG
ABSTRACT
In this study, we develop and validate a new simulation exercise complexity assessment methodology specifically for airport air traffic control. This method relies on a systematically defined multilevel assessment system that combines the Analytical Hierarchy Process (AHP) and fuzzy logic to ensure an accurate assessment of the complexity of control simulation exercises under the comprehensive consideration of multidimensional factors such as the number of aircraft, the intensity of conflicts in the operation, and the workload.
Through this assessment method, we set four complexity levels and define detailed evaluation criteria for each level. The assessment model was validated on actual simulation exercise data, covering a wide range of exercise scenarios from simple to more difficult. The analysis of these exercises not only confirms the validity of the assessment methodology, but also demonstrates its applicability and reliability in practical applications. In addition, the obtained assessment results were compared with the teaching objectives to further validate the practicality and scientific validity of the assessment system.
The important contribution of this study is to provide a scientific and systematic assessment tool for the training of airport controllers, which helps to improve the quality and effectiveness of training. With the development of data science and technology, especially the application of big data and cloud computing, this assessment method is expected to be further optimized, making airport controller training more efficient and goal-oriented, and providing solid support for ensuring aviation safety and promoting the sustainable development of the civil aviation industry.
Keywords: Airport Control Simulation Training; Complexity Modeling; Complexity Evaluation; Conflict Intensity

图1-1 技术路线图
2.民航管制员实践培训现状分析
2.1机场管制模拟仿真系统架构与功能
机场管制是空管工作的核心环节，对于实践能力的提升，主要依靠机场管制模拟机进行训练，这种模拟机也常被称作“塔台管制模拟机”。这种模拟机以高度真实的方式复现了机场管制的实际运行环境，并与实际工作环境的操作平台无缝衔接，构建了一个融合虚拟与现实的先进仿真实验系统，也就是现在的机场管制模拟仿真系统，该系统综合应用了虚拟现实、系统仿真、人机交互、数据库及网络通讯等尖端技术，可以精确地模拟出包括多种飞机类型、多种地面车辆以及多变的气象条件等在内的复杂机场管制环境[3]。这一创新解决方案有效地克服了传统机场管制培训中由于安全规定和资质限制，学员无法在真实的机场管制环境中进行实战训练的问题。
机场管制模拟仿真系统是一款专为培训塔台管制员设计的尖端工具，它能精准地模拟飞行起降与进近全过程的管制情境，为管制员提供一个高度逼真的实践环境和一个高度仿真、直观性强的训练平台。通过这一系统，管制员可以在模拟的环境中熟悉并掌握实际工作中的各种操作和技能，从而提高他们的业务水平和应对突发情况的能力。机场管制模拟仿真系统的组成非常完善，包括多个核心组件。其中，数据库服务器负责存储和管理大量的飞行数据、管制规则以及模拟场景等信息，为系统提供强大的数据支持。数据准备与分析终端则用于对训练数据进行准备和分析，帮助教员制定科学合理的训练计划。系统运行控制终端是系统的核心控制部分，它负责整个模拟仿真过程的运行和管理[8]。飞行运行仿真计算软件在这一部分发挥着关键作用，它能够模拟出真实的飞行过程，包括起飞、降落、进近等各个阶段，为管制员提供逼真的训练环境。模拟飞行员操控终端则模拟了飞行员的操作，使得管制员能够在模拟过程中与“飞行员”进行交互，进一步提高模拟的真实性。这一终端包括模拟内话客户端软件和航空器操纵软件，使管制员能够像在真实工作中一样与飞行员进行通信，并监控飞机的运行状态。塔台视景模拟终端则负责为管制员提供视觉上的模拟环境。通过视景模型库和视景生成管理软件，系统能够生成高度逼真的机场和飞行场景，使管制员仿佛置身于真实的塔台之中。这种视觉上的模拟有助于增强管制员的沉浸感和真实感，进一步提高训练效果。保障信息模拟终端则是系统的重要组成部分，它模拟了实际工作中的各种保障信息，如雷达显示、气象信息、场面监视等。这些信息的模拟使得管制员能够在训练中熟悉并掌握各种保障设备的操作和使用方法，提高他们在实际工作中的应对能力。
2.2机场管制模拟机培训要求
对于管制模拟机培训的内容和方式主要依据和参考了《中国民用航空空中交通管制岗位培训管理规则》、ICAO 052规章（AERODROME CONTROL）以及《空中交通管制岗位培训大纲――机场管制》等规定，并需要结合实际工作需要。整体培训结构严谨，内容丰富，旨在确保培训人员能够全面掌握机场管制的相关知识和技能。
2.2.1训练目的
在理论模块方面，培训内容需涵盖了机场管制的基础知识、一般程序、复杂气象条件下的管制方法、特殊情况处置以及跑道入侵基础知识等[9]。同时，还应强调与机场管制紧密相关的气象基础知识，包括各种气象要素对航空的影响、气象报文解读、低空风切变的影响以及气象雷达解读等。雷达模拟机培训实践为管制学员提供了一个仿真的训练环境，使他们能够深化对所学理论知识的理解，并熟练掌握实用的调配技巧。通过模拟训练，学员们能够熟悉常用的无线电通话术语，规范地填写飞行进程表，以及熟练掌握各种流程。这样的培训旨在提升学员们运用雷达管制系统提供空中交通管制服务的能力，以满足考取进近雷达管制执照的要求。
管制模拟机培训的内容包括：1）熟悉程序、进近程序管制员的职责，确保学员明确了解自己在管制过程中的角色和责任。2）掌握管制单位之间的管制移交、协调，以提高协同工作的效率。3）熟练掌握程序、进近程序管制的各种间隔标准，确保航空器之间的安全间隔。4）掌握飞机仪表进近、等待程序的管制方法，以便在复杂情况下提供准确的管制指令。5）熟悉飞行情报服务程序，确保信息的及时传递和处理。6）掌握复杂气象条件下的运行方法，提高应对恶劣天气的能力。7）学习特殊情况下的管制及处理程序，包括相似航班号的处置方法、目视条件下的间隔标准及管制程序等。
8）熟练掌握正常飞行冲突的航空器调配技巧和管制方法，以及大流量情况下的管制指挥方法。9）学习航空器无线电失效、座舱释压、飞行能力受损等紧急情况下的管制指挥方法。10）掌握航空器TCAS告警和低油量的处置方法，确保航空器的安全运行等。
这些内容的学习有助于培训人员更好地理解和应对实际工作中的各种情况。机场管制基础模拟机培训的重点在于模拟机练习的编制和实施。在练习场景设置上应该选择具有代表性和通用性的机场场景，以便安排各种机场交通活动和设置各种类型冲突。同时，还需要注意场面构型的复杂程度适中，以符合基础培训的要求。
 
3.模拟练习复杂度因素分析
3.1模拟练习复杂度影响因素分析
机场管制员的安全能力评估是一个关键性任务，确保航空安全和顺利的飞行运营。在选择评估指标时，需要遵循以下原则：(1)系统性原则：各评估指标之间应有联系，形成分层的指标体系，确保完整性和系统性。(2)科学性原则：评估指标的选择、权重确定、数据采集和公式推导都需要科学理论支持。定性和定量指标的结合有助于客观地反映安全能力。(3)动静相结合原则：评估体系应具备动态调整的能力，以适应实际运行中的问题。稳定性也是关键，确保长期有效性。(4)可操作性原则：评估指标应基于客观事实，数据采集要简便可靠，便于理解和应用。
机场管制模拟练习的复杂度主要受两大关键因素影响：一是冲突强度，它反映了模拟练习中潜在的风险和紧急程度；二是工作负荷，即管制员在模拟环境中需要处理的任务数量和难度。这两个要素共同决定了模拟练习的复杂程度。换句话说，当我们在进行模拟练习时，如果观察到其中的冲突程度较高，同时管制员的工作负担也较为沉重，那么就可以判断这个模拟练习的复杂度是相对较高的。反之，如果冲突强度较低，工作负荷也较轻，那么该模拟练习的复杂度就相对较低。因此，冲突强度和工作负荷是评估机场管制模拟练习复杂度的重要标准。
3.1.1冲突强度
冲突强度是指模拟练习中潜在的风险和紧急程度，它受到多种因素的影响。而塔台管制员的核心使命在于为飞行员精确传达至关重要的气象数据和飞行活动信息，以维护航空器在复杂空域中的安全航行。他们肩负着预防航空器间、以及与地面车辆、人员和障碍物之间潜在碰撞的重要责任。在这一过程中，冲突强度成为了衡量管制工作复杂程度的关键因素，而这一强度又受到多种因素的交织影响。这些因素包括航空器和地面车辆活动的混合程度，即不同交通方式在机场的交错情况；滑行路线交叉点的数量，这会直接影响航空器的地面运行安全性；尾流间隔约束，即飞机起飞或降落时需要考虑的气流影响；放行间隔约束，指的是飞机之间必须保持的安全距离和时间间隔；航线网络或机场交通的繁忙程度，这会影响管制员的工作量和决策速度；以及复杂航空器排序的数量，比如专机或参与抢险救灾任务的飞机，这些特殊飞行任务通常需要更高的管制精度和优先级。这些因素共同决定了冲突强度，进而影响了管制工作的复杂度[11]。
3.2.2工作负荷
管制员的工作负荷不仅源于航空器活动所带来的密集且多变的实际任务需求，还包括在紧张的工作环境中迅速做出决策的要求。在执行这些复杂且关键的任务时，管制员必须保持高度的专注力和应变能力，以应对可能出现的突发情况。这种持续的高度紧张工作状态，使得管制员承受着巨大的身体和精神压力。因此，优秀的管制员不仅需要具备扎实的业务知识和精湛的技术水平，还需要有过硬的心理素质，以应对这一高负荷工作的挑战。为了应对这些压力并完成既定的任务，管制员需要投入相应的时间，这个时间消耗正是衡量他们工作负荷的关键指标。值得注意的是，工作负荷既不能过低也不能过高，因为这两种情况都可能对管制工作造成不利影响。在机场管制过程中，有几个主要因素会对管制员的负荷产生显著影响。首先，同时需要管制的航空器数量越多，管制员的工作负荷就越大。其次，管制范围的大小也会直接影响工作负荷，范围越大，需要关注和处理的信息就越多。与其他部门或团队的协调次数也是一个重要因素，协调次数越多，意味着需要投入更多的时间和精力来确保信息的准确传递和任务的顺利完成。同时，天气状况对航空器的运行有着直接的影响，恶劣的天气条件会增加管制员的工作难度和负荷。最后，流量控制等限制措施也会对管制员的工作负荷产生影响，因为这些措施可能会改变航空器的起降顺序或速度，从而增加管制员的工作量和复杂度。因此，理解和控制这些影响因素，对于提高管制员的工作效率和保障航空安全具有重要意义。
3.2基于控制变量的复杂度量化分析
在中小机场管制员的安全能力评估中，建立一个科学、全面、客观且可靠的评估体系是至关重要的。此体系应充分考虑机场的具体运营状况，从而确保评估结果的精确性和实用性。设计这样一个评估体系时，应从中小机场的基本设施、运行情况及管制员的具体安全能力等多个方面进行细化分析。此过程中，现有的管制员评估考核表和安全检查表提供了宝贵的参考信息，可以从中筛选和提炼出关键的安全能力评估指标。此外，通过借鉴先前研究中提出的管制员安全能力，并结合国内经验丰富的专家意见，对这些指标进行进一步的梳理和优化。
根据上述理论和实践基础，中小机场管制员安全能力的评估指标被划分为定性和定量两大类，涵盖五个主要维度：
定性指标：（1）管制知识与技能：此维度包括核心专业知识、管制技术应用、预判能力、特殊情况处理以及学习能力。（2）个人特质与认知：涵盖责任心、安全意识、分析决策能力、空间思维能力以及全局观念。（3）社会关系及行动：包括团队合作、沟通表达能力、协调能力、成就导向及信息收集能力。
定量指标：（1）管制单位运行数据与工作负荷：包括航班增长率与管制人员数量增量率比值、近三年空管不安全事件发生率（万架次率）、人均年指挥架次、管制员疲劳程度级别、复杂气象条件下的日航班保障量。（2）单位人员配置：涉及管制持证人数、日均值班班组数、日均值班每班组人数、管制员年均培训次数、通过ICAO 4 的管制员占比。

最终获取的评价指标如表3-1
表3-1 复杂度量化分析
评分 2 4 6 8 10
航空器总数 1-6 7-10 11-14 15-18 18
同时管制数量 3 4 5 6 7+
放行间隔限制数及以上连续落地间隔与起飞占用跑道时间差 0 1-2 3-4 5-6 7+
滑行路线交叉数 1 2 3 4 5
平均滑行时间 0-2 2-2.5 2.5-3 3-3.5 3.5+
3.3本章小结
本章详细探讨了机场管制模拟练习复杂度的关键影响因素，特别是冲突强度和工作负荷两大维度。我们从系统性、科学性、动静相结合的原则和可操作性四个原则出发，明确了评估指标的选择标准，并通过具体实例分析了这些指标在实际操作中的应用。首先，本章对冲突强度进行了深入分析，强调了管制员在保障飞行安全中的核心作用，以及多种因素如航空器和地面车辆的活动混合程度、滑行路线的交叉点数量、尾流间隔和放行间隔的约束、航线网络的繁忙程度及特殊航空器排序的复杂性对冲突强度的影响。随后，我们讨论了工作负荷的构成，包括航空器活动的密集度、管制范围的广泛性、与其他部门的协调次数、恶劣天气条件下的操作难度，以及流量控制措施等因素如何增加管制员的责任和压力。此外，本章还介绍了基于控制变量的复杂度量化分析方法，这一方法依据中小机场的具体运营状况，综合运用了定性和定量指标，为建立一个科学、全面、客观且可靠的安全能力评估体系提供了理论和实践基础。最终，通过专家调查问卷的方式，收集并分析了来自鄂尔多斯伊金霍洛国际机场经验丰富的专家对模拟练习复杂度的量化评估，确保了评估体系的实用性和准确性。这一章节的深入分析不仅为理解和控制影响机场管制模拟练习复杂度的因素提供了有力的支持，也为未来的管制员训练和评估工作提供了可靠的参考依据。
 
4.基于层次分析法/模糊分析法的模拟机练习复杂度量化模型
4.1 层次分析法概述
层次分析法（Analytic Hierarchy Process, AHP）是一种广泛用于决策分析的方法，由美国运筹学家托马斯·L·萨亚提（Thomas L. Saaty）在20世纪70年代初开发。这种方法通过将复杂的决策问题分解成更小、更易于分析的部分，建立层次结构，然后进行定量分析来帮助决策者做出选择。层次分析法特别适用于那些难以完全依靠定量数据做决策的问题。
层次分析法的基本步骤包括：（1）定义问题和确定目标：首先明确决策的目的，定义决策问题，并确定需要解决的主要目标。（2）构建层次结构：将决策问题分解成多个层次，包括最上层的目标层、中间层的准则层和最下层的方案层或替代方案层。例如，如果决策问题是选择最佳投资方案，顶层是投资成功，中间层可能包括成本、回报、风险等准则，底层是各个具体的投资选项。（3）构造成对比较矩阵：在每一个准则层，决策者需要对各元素进行成对比较，判断它们对上一层准则的相对重要性。这些比较通常基于一个标度（如1到9的标度，由Saaty提出），其中1表示两个元素同等重要，而9表示一个元素相对于另一个极为重要。（4）计算权重和一致性检验：利用成对比较矩阵计算准则和方案的相对权重。这通常涉及到计算矩阵的特征值和特征向量。完成这一步后，还需要进行一致性检验，以确定成对比较的逻辑一致性。如果一致性比率（CR）小于0.1，通常认为成对比较的一致性是可以接受的。（5）合成总排序：根据各层次之间的相对权重，合成最底层（方案层）的元素对顶层目标的影响，以此来对所有选项进行排序。（6）做出决策：根据合成的总排序结果，选择最佳方案或进行进一步的分析和讨论。为了更精确地把握各项指标之间的相对重要性，我们精心设计了一份调查问卷，并将其分发给18位具有丰富经验的空中交通管制专业人士，收回15份，这其中包括雷达管制教员、空中交通管制安全监察员等从业5年以上的专家。我们诚挚地邀请他们对各项评价指标的相对重要性进行了两两比较，并请他们根据自身的专业判断填写了评判表。通过这一严谨的过程，我们期望能够更全面地评估模拟机训练的实际效果，进而对我们的评价指标体系进行有针对性的优化，以提升整体评价的准确性和有效性。
对每位专家的比较判断评定表进行整理汇总， 并分层列写判断矩阵。为了评估练习复杂度（C），我们采用层次分析法来量化各个评价指标对上一级指标的影响。基于复杂度的影响因素分析，我们构建了一个包含四个一级指标和多个二级指标的指标集。指标集如下： 这四个一级指标分别是：
1.航空器数量C1，它包含三个二级指标：C11：航空器总数；C12：进离港航空器比例；C13：同时出现的航空器的数量。
2.间隔C2，它包含三个二级指标：C21：连续起飞的尾流间隔；C22：放行间隔；C23：交叉数量。
3.滑行冲突C3，它包含五个二级指标：C31：滑行路线冲突；C32：相邻停机位推出；C33：平均滑行时间；C34：滑行路线经过盲区；C35：滑行限制。
4.非常规情况C4，它包含两个二级指标：C41：低能见度；C42：航空器特情。表4.1便是依据此构建的准则层判断矩阵。

表4.1 准则层判断矩阵

Cn C1 C2 C3 C4
C1 1 2/3 1/2 2
C2 3/2 1 3/4 3
C3 2 4/3 1 4
C4 1/2 1/3 1/4 1

.2权重计算
通过 n 个要素分别进行两两比较后得到相对重要度矩阵 A ，
， （4.1）
其中的 , （4.2）
则，AW=nW （4.3）
若A为一致性矩阵，则n是A的特征值，W是A的特征向量
所以：AW=lW, , （4.4）
(1) 构造的矩阵如下
（4.5）
（2）按列归一化得：
， （4.6）
（4.6.1）
（3）按行求和得：
， （4.7）
(4) 归一化得：
（4.8）
（5）计算一致性指标CI
（4.9）
（4.10）
（6）一致性检验
查找平均随机一致性指标RI，1-9阶来判断矩阵RI值，如表4.2所示。

表4.2 平均随机一致性指标 RI

阶数 1 2 3 4 5 6 7 8 9
RI 0 0 0.58 0.9 1.12 1.24 1.32 1.1 1.45

（7）计算一致性检验
查表可得出 RI=0.9,CR=CI/RI=0.076<0.1，故矩阵具有可接受的一致性。所以同理也可计算出 C1i,C2i,C3i,C4i 4 个判断矩阵得出如表 4.3 权重值。

表 4.3 各指标对应的权重值表

Cn 权重值 Cn 权重值
C1 0.254 C31 0.208
C11 0.188 C32 0.162
C12 0.264 C33 0.224
C13 0.546 C34 0.196
C2 0.233 C35 0.208
C21 0.228 C4 0.088
C22 0.294 C41 0.832
C23 0.474 C42 0.166
C3 0.424

4.3 模糊分析法
模糊分析法，也常被称为模糊逻辑或模糊集理论，是由洛特菲·A·扎德（Lotfi A. Zadeh）于1965年提出的。这一理论基于“模糊集合”的概念，与传统的二值逻辑（事物只能归为是或不是，黑或白）不同，模糊逻辑允许事物属于某一集合的程度有不同的可能值，介于0到1之间，从而更加贴近真实世界的不确定性和复杂性。
模糊逻辑在处理具有不确定性和模糊性的系统时尤为有效，如语言处理、控制系统、决策支持系统等领域。使用模糊逻辑，我们可以根据事物的特征定义模糊集合，并应用一系列的模糊规则来处理数据，从而得到更符合人类思维方式的结果。
在进行指标的综合评价时，面对指标之间的不可公度性是一个常见的挑战。这种不可公度性主要表现在两个方面：首先是指标的度量单位（量纲）可能不同，直接相加可能导致结果难以解释；其次是指标属性的差异，包括正指标（数值越大越好）、逆指标（数值越小越好）和适度指标（存在一个最佳值或范围）。为了克服这些问题，我们可以采用模糊分析法中的技术来转化和评价这些指标。
模糊分析法通过以下步骤处理这种不可公度性：
定义模糊集合和隶属函数：首先，为每个评价指标定义相应的模糊集合。对于不同类型的指标（正指标、逆指标、适度指标），设计不同的隶属函数。隶属函数用于表示一个具体的指标值属于某个模糊集合的程度，其值通常介于0到1之间。
标准化处理：将所有指标值通过模糊化标准化处理，消除量纲影响，使得不同的指标可以在同一尺度上比较。例如，可以为每个指标构造一个线性或非线性的隶属函数，将原始数据映射到[0,1]区间内，表达其对于理想性能的贴近程度。
构建模糊规则：根据评价的需求和专家知识，建立一系列的模糊规则。这些规则形如“如果指标A属于高优集合且指标B属于低优集合，则总评为优”等，用于描述不同指标组合下的综合评价结果。
模糊推理：应用模糊逻辑推理，根据输入指标的隶属度和定义好的模糊规则，进行模糊推理，合成最终的模糊输出。
去模糊化：通过去模糊化过程将模糊推理的结果转化为一个具体的数值或决策建议，常用的去模糊化方法包括质心法、最大隶属度法等。
通过上述步骤，模糊分析法允许我们将具有不同量纲和属性的多个评价指标转化为可以直接进行比较和综合的形式，从而实现了对复杂决策问题的科学和系统化处理。这种方法的应用提高了决策的灵活性和适应性，特别适用于处理含有大量不确定和模糊信息的评价问题。
正指标： （4.10）
逆指标： （4.11）
适度指标：（a）最佳值型
（4.12）
式子中x*为该指标的最佳值
（b）最佳区间型
（4.13）
式中，［g1，g2］为第 j 个指标的最佳区间， 和 分别表示该指标的最小值和最大值。
4.4管制模拟机练习复杂度评分的计算公式
本文的指标体系中共有17个指标，其中C1，C11，C13，C23，C3，C31，C32，C34，C35共计9个指标属于正指标，适用公式（4.10），其中C2，C22，C21，C33，C41共计5个属于逆指标，适用公式（4.11），其中C12，C4，C42共计3个适用于适度指标，适用公式（4.12）。确定各指标的最大值、最小值以及最佳区间值有两种主要方法。第一种是针对硬性指标，这些指标的极限值是明确的数值，因此相对容易确定。而对于非硬性指标，其极限值的确定则不那么直接。为了确定这些非硬性指标的参数，本文采用了鄂尔多斯伊金霍洛国际机场管制员的模拟练习数据作为样本，通过对比分析这些数据，最终确定了相关的参数值。简单来说，就是对于硬性指标，我们可以直接得到其极限值；而对于非硬性指标，我们则需要通过实际数据的对比分析来得出其相关参数。表4.4为鄂尔多斯机场目前在用的模拟机练习复杂度专家评估表。
表4.4 模拟机练习复杂度专家评估表

影响因素
复杂度得分 2 4 6 8 10
滑行路线交叉数量 0-2次 3-5次 6-9次 10-15次 15次及以上
相邻机位推出冲突 1对 2对 3对 4对 5对及以上
平均滑行时间 （0，2] （2，2.5] (2.5,3] (3,3.5] 3.5及以上
滑行盲区经过次数 0-1 2—3 4—5 6—7 8及以上
滑行受限数量 1—2 3—4 5—6 7—8 9及以上
低能见度航空器特情 RVR小于550米
有航空器遭遇特情
连续落地间隔与起飞占用跑道时间差 20以上 （15，20] (10,15] (5,10] (0,5]
放行间隔限制数 0 1—2 3—4 5—6 7及以上
离港航空器类型数量 重型，中型，
轻型中的两种 重型，中型，轻
型中的三种 A380，轻型
和中型 A380，其他
重型机 A380，其他
重型机，中型
同时管制的航空器数量 3 4 5 6 7及以上
进离港航班数量差 7及以上且非
纯进（离）港 5—6 3—4 1—2 0
航空器总数 1—4 5—7 8—10 10—12

根据以上的分析计算，我们可以得到各个指标的权重值Wi （i=1，2，…,m）,还有各个评价指标的效用值Iij（i=1，2，…，n；j=1，2，…，m），模拟练习复杂度的评估值可以通过以下公式来计算：
（4.14）
其中：Zj 为模拟练习j的复杂度评估值，Wi 为各个指标的权重值，Iij 为 模拟练习j的各个评价指标的效用值，本文建立的管制模拟机练习复杂度评估指标体系中共有 17 个指标，即 n＝17。
4.5本章小结
本章详细探讨了层次分析法（AHP）的理论基础和应用流程，特别是在空中交通管制领域中模拟练习复杂度的评估。我们通过与空中交通管制领域的专业人士合作，进行了一系列的问卷调查，收集了关于不同评价指标重要性的数据，为构建成对比较矩阵提供了实证基础。此外，为处理指标间的不可公度性，本章还引入了模糊分析法，通过定义模糊集合和隶属函数，标准化处理各指标，使得结果更具有操作性和实际应用价值。整个分析过程不仅提升了评估的科学性和客观性，也为专业人员提供了一个明确和有效的决策支持工具。

5.2 复杂度评价结果
为了计算模拟练习的复杂度得分，我们首先定义了一组一级和二级指标，并为每个指标分配了一个权重。这些权重反映了各指标在评估模型中的相对重要性。每个指标的得分乘以其对应的权重，然后所有这些乘积加总得到总得分。这一计算过程可以用以下公式表达：
(5-1)
其中：
• wi 代表第 i个指标的权重。
• si代表第 i个指标的得分。
• n为评估使用的总指标数量。
示例
以01号练习为例，我们有如下的一级和二级指标及其权重和得分：
• C1: 航空器数量
o C11: 航空器总数
 权重: 4.9%
 得分: 4
o C12: 进离港航空器比例
 权重: 6.9%
 得分: 10
o C13: 同时出现的航空器数量
 权重: 14.1%
 得分: 2
以此类推，计算01号练习的总得分如下：
4.9%×4+6.9%×10+…+1.6%×0=2.807
基于本文所设计的评估方法，我们对每个评估指标都逐一进行了细致的评分工作。在完成详尽的计算和综合评估之后，然后需要计算出总得分，即将练习的各指标所得的分数与比重的积相加（如01号练习的总得分：）。这样我们就可以得出三个样本练习的复杂度，详细数据参见表5.1。
表5.1 样本练习复杂度评价表

一级指标 二级指标 比重 01号练习得分 02号练习得分 03号练习得分

C1 C11 4.9% 4 6 10
C12 6.9% 10 8 6
C13 14.1% 2 8 10

C2 C21 5.5% 0 8 8
C22 6.8% 0 4 10
C23 11.2% 2.76 2 2.2

C3 C31 8.8% 4 10 10
C32 6.9% 0 0 0
C33 9.5% 4 4 6
C34 8.3% 6 8 10
C35 8.9% 0 2 2

C4 C41 7.3% 0 0 0
C42 1.6% 0 0 0
总得分 2.8 5.1 7.7

图5.1
5.3 本章小结
本章详细介绍了针对机场管制模拟练习复杂度的评估方法，并通过实际数据验证了该方法的有效性。我们基于系统定义的指标体系，利用层次分析法和模糊逻辑对不同复杂度的管制模拟练习进行了细致的评估。这些评估不仅涵盖了航班数量和类型的多样性，还包括了操作中的冲突强度和工作负荷等因素，确保了评估结果的全面性和实用性。首先，我们确定了评估模拟练习复杂度的四个等级，并通过实际的模拟练习数据，对每个级别的练习进行了详尽的量化分析。这些分析依据预设的指标和权重计算出每个练习的总得分，并据此划分复杂度等级。通过这一过程，我们不仅验证了评估模型的科学性和操作性，也确保了评估结果能够真实反映练习的实际复杂度。进一步地，我们对选取的三个具体练习样本进行了深入分析。这些样本的选择覆盖了从简单到较难的不同复杂度，确保了评估方法的广泛适用性。每个样本的评估都基于详实的数据和计算，确保了评价结果的准确性和可靠性。此外，这些样本的评估结果与教学目标的对比验证了评估方法的实用性，证明了它能够有效地指导教学和训练计划的优化。最后，本章的研究不仅强调了复杂度评估在提高管制员训练效果中的关键作用，也展示了大数据和云计算技术在航空管制训练领域的应用潜力。未来，通过对更多样本数据的分析和更精细的指标调整，我们的评估方法有望进一步优化，从而为机场管制员提供更高效、更针对性的训练支持，确保航空安全并促进民航业的持续发展。

6 总结与展望
6.1总结
在本研究中，我们深入探讨了机场管制模拟练习复杂度的评估框架，重点采用层次分析法（AHP）和模糊分析法来细致分析模拟练习的复杂性及其核心影响因素。通过这一方法，研究首先识别了影响模拟练习复杂度的主要因素：冲突强度和工作负荷，这两个因素在提升模拟训练的真实感和挑战性方面起着决定性作用。我们构建了一个多层次的评估模型，该模型不仅系统地量化了各种训练场景的复杂度，还通过定量方法为训练模拟提供了科学依据，以确保训练的针对性和有效性。
此外，考虑到评估过程中存在的不可公度性问题，如指标的量纲不一致以及评价标准的模糊性，本研究引入了模糊分析法。这种分析方法的引入极大增强了评估模型的灵活性和适应性，使得评估过程能够在含糊和不确定的信息条件下仍然有效。模糊分析法允许我们将定性和定量数据整合，通过模糊集合和隶属函数来处理数据，进一步提升了评估的精确度和可靠性。
通过与鄂尔多斯伊金霍洛国际机场的紧密合作，我们进行了实证研究，收集和分析了管制员在不同复杂度训练模拟中的表现数据。这些数据的分析不仅验证了评估模型的实用性和准确性，而且展示了模型与专家主观评估的高度一致性。研究结果明确指出，通过精确的复杂度评估，训练机构能够更科学地设计课程，根据管制员的实际能力和训练需求调整训练内容，从而有效地提升了训练效果和操作技能。
本论文的研究成果具有重要的理论价值和实际应用前景。在理论上，它为航空管制模拟训练提供了一个全新的复杂度评估框架，强调了综合运用多种分析方法的重要性。在实践上，此评估工具将帮助培训机构优化训练课程，确保每位管制员都能在最适宜的环境中接受挑战，从而提高整体的职业能力和响应效率。更重要的是，这种科学的训练方法能显著提升管制安全性，为全球航空安全贡献力量。
6.2展望
本文通过深入剖析影响机场管制模拟练习复杂度的诸多要素，成功构建了一个复杂度量化评价模型，该模型能够全面、客观地评估模拟练习的复杂程度。通过实例验证和计算我们发现同时出现的航空器数量和航空器的交叉数量在复杂度评分中占有很大比重，分别占14.1%和11.2%。如表5.1。表明这两块内容对复杂度的影响是比较大的当我们在进行模拟练习时需要重点关注这两块内容。而其他指标的占比都比较平均。当教员进行模拟练习编制时也不能把注意力都集中在复杂度占比较高的指标，也要多注意些得分为0的指标尤其相邻停机位推出和低能见度这两项，因为它们的复杂度占比虽然不是很高但是依旧处在平均水平，占比算不上小，所以在模拟练习编制的时候我们应该多角度去考量它的复杂度。
通过这一模型为模拟练习提供了一个统一的编制标准。为了验证模型的有效性，我们采用了对机场模拟练习实例进行评价，其结果表明该方法所得出的复杂度与教学预期高度吻合，这充分证明了该方法在调控模拟练习复杂度方面的显著成效。不仅如此，此方法还攻克了传统模拟练习编制过程中的难题，如耗时耗力、更新周期漫长等。同时，它也有效地降低了题目编制中因个体差异带来的影响，从而让教学效果和教学质量的监控变得更为便捷和高效。这一创新性的方法不仅为机场管制模拟练习提供了有效的评价工具。此外，该方法还为交通运输领域其他行业的实践课程建设提供了有益的示范和重要的参考，具有深远的行业影响和应用价值。然而，我们也认识到，模型中存在一些难以完全量化的主观因素，这些因素在当前的评估体系中尚难以被精确捕捉。因此，我们将继续深入研究以优化和完善这一评价体系。
展望未来，随着技术的不断进步，我们期待能够引入更多先进的技术手段，如语音识别、人脸识别和眼动追踪等，来实时监控学员在雷达模拟机训练中的表现。通过分析学员的眼动轨迹与雷达屏幕上航空器实时位置之间的关系等，我们可以进一步提升评价的准确性和客观性，最终构建一个全自动化的雷达模拟机评价系统，为学员的训练提供更加科学、高效的指导。
致 谢

1、请对表2 中一级指标两两间的相对重要程度进行判断打分：

表 2 一级分类指标调查表

航空器数量C1	间隔C2	滑行冲突C3	非常规情况C4

航空器数量C1

间隔C2

滑行冲突C3

非常规情况C4

2.请对下面二级指标两两间的相对重要程度进行判断打分：
(1)请对一级指标航空器数量C1下各二级指标间的相对重要程度打分：

表 3航空器数量分类指标调查表

C11：航空器总数	C12：进离港航空器比例	C13：同时出现的航空器的数量

C11：航空器总数

C12：进离港航空器比例

C13：同时出现的航空器的数量

（2）请对一级指标间隔C2下各二级指标间的相对重要程度打分：

表 4 间隔指标调查表

C21：连续起飞的尾流间隔	C21：连续起飞的尾流间隔	C23：交叉数量

C21：连续起飞的尾流间隔

C21：连续起飞的尾流间隔

C23：交叉数量

（3）请对一级指标滑行冲突C3下各二级指标间的相对重要程度打分：

表 5 滑行冲突指标调查表

C31：滑行路线冲突	C32：相邻停机位推出	C33：平均滑行时间	C34：滑行路线经过盲区	C35：滑行限制

C31：滑行路线冲突

C32：相邻停机位推出

C33：平均滑行时间

C34：滑行路线经过盲区

C35：滑行限制

(4)请对一级指标非常规情况C4 下各二级指标间的相对重要程度打分：

表 6 非常规情况指标调查表

C41：低能见度	C42：航空器特情

C41：低能见度

C42：航空器特情

附件2：
管制模拟练习复杂度量化评价的问卷调查
非常感谢您在百忙之中抽出时间参与我们关于管制模拟练习复杂度量化评价的问卷调查。为了实现具有特定复杂度的模拟练习，我们正在深入研究和分析各种影响复杂度的因素，并将它们转化为可以直接控制的变量。这一转化过程至关重要，因为它能让我们通过调整这些变量来精准地调控模拟练习的复杂度。为了对复杂度进行客观、量化的评价，我们需要对这些控制变量的具体变化进行量化处理。为此，我们计划将影响复杂度的各种因素进行标准化。所以，我们诚挚地邀请各位民航空管专家填写此份问卷，您的专业意见对我们至关重要。

正文部分：
填写规则：我们将复杂度得分划分为五个等级，分别是2，4，6，8，10。论文构建的复杂度影响因素指标共有11个，请您根据丰富的工作经验和专业知识评估不同的影响因素并以数字的形式加以判断，下表1为不同数字所代表的等级。

表1

评价指标 不及格 及格 中等 良好 优秀
2 4 6 8 10

请对表2的二级指标中的不同情况进行判断及打分：
表2

复杂度得分	
复杂度得分	
复杂度得分	
复杂度得分	
复杂度得分

滑行路线交叉数量 0-2次 3-5次 6-9次 10-15次 14次及以上
相邻机位推出冲突 1对 2对 3对 4对 5对及以上
平均滑行时间 （0，2] （2，2.5] (2.5,3] (3,3.5] 3.5及以上
滑行盲区经过次数 0-1 2—3 4—5 6—7 8及以上
滑行受限数量 1—2 3—4 5—6 7—8 9及以上
低能见度航空器特情 RVR小于550米
有航空器遭遇特情
连续落地间隔与起飞占用跑道时间差 20以上 （15，20] (10,15] (5,10] (0,5]
放行间隔限制数 0 1—2 3—4 5—6 7及以上
离港航空器类型数量 重型，中型，
轻型中的两种 重型，中型，轻
型中的三种 A380，轻型
和中型 A380，其他
重型机 A380，其他
重型机，中型
同时管制的航空器数量 3 4 5 6 7及以上
进离港航班数量差 7及以上且非
纯进（离）港 5—6 3—4 1—2 0
航空器总数 1—4 5—7 8—10 10—12

附件3：
管制模拟练习复杂等级问卷调查
非常感谢您在百忙之中抽出时间参与我们关于管制模拟练习复杂等级的问卷调查。管制练习复杂等级的评估在实例验证环节具有重要意义，从而更加准确的对练习样本进行评估。所以，我们诚挚地邀请各位民航空管专家填写此份问卷，您的专业意见对我们至关重要。
正文部分：
填写规则：如果我们将复杂度等级划分为四个等级分别是简单,一般，难，较难。请您根据丰富的工作经验和专业知识用数字1-10对表3中这四个等级进行区间划分。例（1，3）

表3

复杂度等级 等级分数
简单
一般
难
较难

原创性声明

本人郑重声明：所提交的毕业论文（设计）是本人在指导教师指导下进行的研究工作及取得的成果。除文中已经注明引用的内容外，不包含其他人或其它机构已经发表或撰写完成并以某种方式公开过的研究成果，其他个人和集体对本研究所做的贡献均已在文中作了明确的说明并表示谢意。本人愿承担本声明的法律责任。

学生签名：（手写版签名）
年 　 月 　 日