XiaoMi-AI文件搜索系统
World File Search System交通管制
评估视觉搜索熵和参与度如何预测多对象跟踪空中交通管制任务中的表现
摘要：用于评估视觉显示可用性的行为绩效指标越来越多地与眼动追踪测量相结合，以提供更多洞察视觉显示支持的决策过程。眼动追踪指标可以与用户的神经数据相结合，以研究人类认知在视觉空间任务期间如何与情绪相互作用。为了促进这些努力，我们展示了一项研究的结果，该研究在具有动画 ATC 显示器的真实空中交通管制 (ATC) 环境中进行，其中 ATC 专家和新手被呈现飞机运动检测任务。我们发现，较高的静止注视熵（表示显示器上视觉注视的空间分布较大）和专业知识可带来更好的响应准确性，并且即使在控制动画类型和专业知识后，静止熵也可以正向预测响应时间。作为次要贡献，我们发现由参与度（通过 EEG 和自我报告的判断、空间能力和注视熵测量）组成的单个成分可以预测任务准确性，但不能预测完成时间。我们还提供 MATLAB 开源代码，用于计算研究中使用的 EEG 测量值。我们的研究结果表明，设计空间信息显示器时，应根据用户的情感和认知状态调整其内容，尤其是在充满情感的使用环境中。
空中交通管制许可/评级标准手册...
检查空中交通管制员 (CATCO)：经许可机构正式授权的 ATCO，负责对 ATCO 进行书面和技能评估，以便颁发、更新和重新验证 ATC 执照或等级。民航医疗评估员 (CAMA)：由发牌机构任命的医生，具备航空医学实践资格和经验，能够评估和评定对飞行安全有重要意义的医疗状况。
模拟器培训在空中交通管制中的重要性
为 ATC 学生设定了各种教学目标，以帮助提高他们的信心。模拟器训练包括紧急程序和援助、特定地点的定位、用语、程序和协调、团队合作、跑道标记和飞行数据。因此，模拟器训练有助于建立信心，因为 ATC 学生要处理高强度的交通问题和复杂的跑道配置（Taylor 等人，2）。模拟器训练很重要，因为它使管制员具备必要的技能、准备和信心来处理高压情况，例如各种天气条件下的尾流湍流。ATC 学生还学习如何处理交叉跑道和平行跑道上同时到达和离开的情况。模拟器训练通常教授预期的分离、精确的计时和任务的优先级。这些模拟训练节点确保管制员可以使用有节奏的无线电传输，同时使用最小跑道离场分离。模拟训练作为空中交通管制训练的教学补充，有助于培养信心。基于模拟器的训练提高技能
使用机器学习和...进行空中交通管制
空中交通管制 (ATC) 对人类健康很重要，因为飞行事故经常发生在空中，并导致死亡。空中交通可以通过预测航空系统的参数来控制或避免。本文提出了机器学习 (ML) 和人工智能 (AI) 方法来预测和控制空中交通。所提出的机器学习和人工智能方法是根据空中交通数据集预测空中交通。空中交通可以通过不同的统计方法进行预测，例如逻辑回归 (LR)、决策树 (DT) 和朴素贝叶斯。由于基于准确性和时间的空中交通预测，这些算法的性能较差。这些算法在预测方面存在巨大差异，例如准确度水平和速度。为了解决上述问题，将空中交通数据输入到预先训练的模型中以预测空中交通。与其他统计算法相比，所提出的机器学习和人工智能方法具有高精度预测。与传统方法相比，机器学习和人工智能方法的准确率高达约 96%。
麻省理工学院林肯实验室空中交通管制
20 世纪 80 年代中期，一系列与微下击暴流（强大的雷暴引起的下沉气流和发散性地面风切变）相关的商用飞机事故促使美国联邦航空管理局开发了终端多普勒气象雷达 (TDWR)，为美国大型机场提供风切变检测和预警服务。林肯实验室的任务是开发 TDWR 原型以及所需的信号处理和模式识别算法，以提供高度可靠、全自动的风切变现象检测。该原型在科罗拉多州丹佛、密苏里州堪萨斯城和佛罗里达州奥兰多进行了 TDWR 运行演示。这些测试验证了 TDWR 概念的技术和操作可行性，并提供了有关风切变区域特征的宝贵数据，支持针对不同环境的检测算法优化。林肯实验室的 TDWR 原型活动促使美国联邦航空管理局从雷神公司采购了 45 台 TDWR。TDWR 网络在 20 世纪 90 年代全面部署，自 1994 年以来，美国没有发生过重大风切变相关事故。林肯实验室继续支持美国联邦航空管理局优化 TDWR 风切变检测算法的性能；现代化 TDWR 数据处理架构；并实施其他算法，包括雷暴跟踪和运动预测功能。
空中交通管制中的触摸用户界面 - ROSA P
15.补充说明 要求：AJM-FY20-5 - 将触摸式用户界面集成到空中交通管制系统中 FAA 人为因素设计标准对触摸式用户界面的指导非常有限。要求仅限于触摸目标大小等基本参数。触摸式用户界面已经开始出现在空中交通管制系统中，各个项目团队独立建立项目级要求。需要进行文献综述和市场研究以确定最佳实践和现有标准、适用性评估以及更新人为因素设计标准，为 FAA 系统制定要求。16.摘要 这项工作的目的是确定人为因素问题，并为更新 FAA 人为因素设计标准 (HFDS) [FAA HF-STD-001B] 触摸式用户界面 (TUI) 部分制定指南和建议。技术任务包括进行文献综述、差距分析（包括对未来研究的建议）和指南生成报告。文献综述包括相关科学文献、行业文件、监管和指导材料以及用户行为，以评估 ATC 控制触摸式用户界面的当前状态。差距分析包括 1) 文献综述中发现的问题摘要和对当前 HFDS 差距的评估，以及 2) 对 HFDS 第 5.7.4.2 节触摸屏未涵盖的与触摸有关的人为因素问题的未来研究建议。本指南报告摘录了所进行的分析的结果，并提供了初步建议，要求和指导更新将包含在 HFDS 未来更新中，用于触摸式用户界面。17.关键词 18.分发声明
沙特民航学院 - 空中交通管制
沙特民航学院 ANS 培训中心 - 空中交通管制培训设备与设施认证 专业课程 ATC 助理/基础入门课程 (ICAO 051)。 机场管制等级课程 (ICAO 052)。 进近管制程序等级课程 (ICAO 053)。 进近管制监视等级课程 (ICAO 054)。 区域管制程序等级课程 (ICAO 055)。 区域管制监视等级课程 (ICAO 054)。定制培训 机场管制进修课程 进近管制程序进修课程 进近管制监视进修课程 区域管制程序进修课程 区域管制监视进修课程 机场管制员的飞机紧急情况 空中交通管制员在职培训技术课程 空中交通管制员考试技术课程 教员培训课程 空中交通服务主管课程 空中交通管制员的人为因素课程 机场管制员的低能见度程序 TIBA 安全程序（非管制操作） 空中交通管制员的 PBN 课程 一般不寻常紧急情况 空中交通管制员的 CNS/ATM 空中交通管制员的 ADS-B 可修复的空域使用 空中交通管制飞行员控制单元操作员课程 航空法简介 空中交通管制简介 停机坪管理课程 停机坪管理进修课程 空中交通管制的 GACA 规定
自动化对空中交通管制员行为的影响
摘要：空中交通管制员必须快速做出决策以确保空中交通安全。他们的行为对空中交通管理 (ATM) 系统的运行有重大影响。自动化工具通过减少管制员的任务负荷增强了 ATM 系统的能力。在过去十年中，人们非常关注开发先进的自动化。然而，人们对自动化对空中交通管制员行为的影响知之甚少。在这里，我们通过实证测试了三种自动化水平（包括手动、注意力引导和自动）以及不同交通水平对眼球运动、态势感知和心理工作量的影响。结果表明，注意力引导组和自动化组的凝视和扫视行为存在显著差异。交通影响手动模式或注意力引导模式下的眼球运动，但不影响自动模式下的眼球运动。结果还支持使用自动化来增强态势感知同时减少心理工作量。我们的工作对于自动化和操作程序的设计具有潜在的意义。
空中交通管制 (ATC) 的脑力工作量...
从22×8螺旋桨（弦长4.5cm）的测试设备上的误差对比结果来看，误差差最大为7.143%，最小为2.663%，平均误差为4.178%。 22×8螺旋桨（5cm弦）最大误差差为8.824%，最小误差为1.893%，平均误差为3.719%。 4 结论 已对 dle-55cc 发动机推力进行了计算和测试。然后通过比较静态推力计算器值和已进行的测试设备测试数据来验证获得的发动机测试结果，然后查找所使用的燃油消耗值。将测得的推力结果与静态推力计算器值进行比较，得到平均差值。从测试设备上的误差比较来看，22×8螺旋桨（弦长4.5cm）得到的平均误差为4.178%。同时，产生的22×8螺旋桨（5cm弦）误差为3.719%，获得的燃油消耗值为588,600-20,708（N/kW.hr），这显示出良好的降低水平，因此所使用的发动机更加高效。在使用中。从测试结果来看，该发动机试验台具有准确性，能够产生良好的发动机性能，可作为测试和其他学习工具。参考文献 [1] Arismunandar, W. 2002。 “燃气轮机和推进电机简介”。万隆：ITB。 [2] 安德烈·德索萨. 2017.“无人机推进试验台开发
利用眼动监测设备监测空中交通管制员认知工作负荷的研究概述
空中交通管制员（ATCO）将成为对航空运输系统影响最大的部门。ATCO 的职责是按照地面管制员的要求防止飞机在空中相撞并消除可能造成的混乱。作为高风险职业群体之一，ATCO 承担着非常高的认知工作量，这对飞行安全至关重要。然而，据观察，文献中对在不同任务难度下有经验和没有经验的 ATCO 之间可能出现的认知工作量差异的研究相当不足。本研究介绍了认知工作量测量方法和 ATCO 认知工作量的研究。在本研究中，解释了确定认知工作量及其测量方法的重要性。此外，还介绍了与 ATCO 认知工作量相关的文献研究，特别是使用眼动仪的研究。