摘要。空中交通管制员 (ATC) 工作人员的安全绩效是为了保持 ATC 工作人员的健康和安全,以便他们能够最佳地工作。本研究旨在分析性别、年龄、工作时间、执照和评级与 ATC 工作人员安全绩效之间的相关性。本研究是一项横断面研究,样本总数为印度尼西亚巴厘岛 Ngurah Rai 航空导航站的 30 名受访者。数据分析采用卡方检验。研究结果表明,最高的安全绩效是足够的安全绩效,百分比为 36.7%,最低的是优秀的安全绩效,百分比为 10%。与安全绩效相关的重要变量是服务年限,P 值 = 0.041。同时,性别、年龄、执照和安全绩效评级等变量不显著。此外,本研究的结论是服务年限与安全绩效、天气、性别、年龄、执照显著相关,而评级不显著相关。
作为 DGCAR/ANSD 提供安全和监管监督的职责的一部分,ANSD 应对 ATS 服务提供商进行审计和检查。在初始认证审计之后,后续审计将以不超过两年的间隔进行。除了审计之外,ANSD 还应进行检查,包括定期随机检查。为了进行审计和检查,ANSD 将要求无限制地访问服务提供商的设施和文档。
ACARS 航空器通信寻址和报告系统 ACAS 机载防撞系统 ADS 自动相关监视 ADS-B 广播式自动相关监视 AIDC 空中交通服务设施间数据通信 AIP 航空信息出版物 ALRT 警报 AMSS 航空移动卫星服务 ASM 空域管理 ATC 空中交通管制 ATFM 空中交通流量管理 ATIS 自动终端情报服务 ATM 空中交通管理 ATN 航空电信网络 ATS 空中交通服务 ATSU 空中交通服务单位 C-ATSU 控制空中交通服务单位 CDA 当前数据机构 CNS 通信、导航和监视 CPDLC 管制员-飞行员数据链通信 D-ATSU 下游空中交通服务单位 DC 离场许可 DDA 下游数据机构 DFIS 数据链飞行信息服务 DLIC 数据链启动能力 DSC 下游许可 EOBT 预计起飞时间 ETA 预计到达时间 FANS 未来空中导航系统发展与过渡规划监测与(第二阶段)协调特别委员会 FASID 设施和服务实施文件FDPS 飞行数据处理系统 FIR 飞行信息区 FIS 飞行信息服务 FMS 飞行管理系统 FOM 性能图 GNSS 全球卫星导航系统 GPWS 近地警告系统
b) 第 ZZ 部分 - ATS 采用的应用方法。本部分涉及在提供 ATS 时特别感兴趣的主题,并在适当的情况下描述了根据经验发现有助于处理这些问题的方法。第 ZZZ 部分 - ATS 所需的设施。本部分简要描述了导航辅助设备的功能和用途,以及 ATS 使用的设施和设备应满足的要求。d) 第 ZV 部分 - ATS 组织、管理和设施管理。本部分涉及与 ATS 的组织和管理有关的一般事项,包括人事事项和 ATS 单位的管理。第 V 部分 - 术语和参考。本部分介绍手册中包含的 ATS 术语和常用缩写的定义。它还包含一个快速参考索引,以方便查找本手册中涵盖的特定主题。
2.1 概述................................................................................................................................23 2.2 标准基准....................................................................................................................23 2.3 网络支持....................................................................................................................23 2.4 安全和性能要求.......................................................................................................24 2.5 消息传输服务互操作性.......................................................................................................25 2.6 直接 AMHS 用户的端到端互操作性....................................................................................25 2.7 AFTN 和 AMHS 之间的互操作性....................................................................................26 2.8 消息的地面记录....................................................................................................................26 2.9 命名和寻址....................................................................................................................26 2.10 操作程序....................................................................................................................27 2.11 与军事消息处理系统的互操作性.....................................................................................27 2.12 与 EATMN 外部系统的互操作性.....................................................................................28
城市空中交通 (UAM) 有望通过在城市和城区周围提供空中旅行服务,为新的出行体验铺平道路。然而,很少有研究从交通体验的角度得出用户的需求和要求。因此,我们提出了一个互动研讨会,讨论人们在积极体验 UAM 时的期望。我们想延续在 AutomotiveUI 2021 上举行的先前研讨会,该研讨会将继续讨论不同类型的 UAM 操作的用户体验。研讨会包括主题演讲、立场文件演示和互动小组讨论,目标如下:1) 了解 UAM 在未来交通中的作用,2) 了解人们在使用 UAM 时对交通旅程的期望,3) 收集设计考虑因素以支持 UAM 中的交通旅程。
本文件的目的是补充国际民航组织全球空中导航计划 (GANP),并根据国际航空公司的观点为航空利益相关方提供指导。空中交通服务有许多技术“解决方案”。但是,除非这些技术符合全球标准,并有双方商定的成本效益和实施计划证明其合理性,否则它们对国际商业航空的价值有限。对于正在引入的技术,每次实施都必须经过彻底的流程,以证明其以具有成本效益的方式支持商定的运营概念。认识到国际航空公司通过用户收费以及航空公司对机载能力的投资对空中导航服务提供商 (ANSP) 和机场的重大贡献,因此,预计对 CNS 技术进行持续和未来的投资将带来运营和效率的改善。这需要通过所有航空利益相关方之间的合作做出适当的投资决策和实施战略。
斯旺威克军事。根据英国皇家空军 BM 部队的命令,ATS 的提供将优先考虑。Swk 在当地时间 18:00 - 08:00 和周五 17:00 至周一 08:00 之间减少人员配备(公共假日后延长至周二 08:00)。在此期间需要服务的任何飞机都应使用用户支持中提供的模板提交 OOH 请求:https://www.aidu.mod.uk/aip/userSupport.html 如果站点或中队在夜间飞行活动期间需要 Swk 支持,则应使用表格,至少提前 2 周通知。对于航路穿越、UAS 和 MAS,请参阅英国军事 AIP 第 6 节 ENR 图表、ENR 6-11 斯旺威克军事区域安全高度。
摘要。本文介绍了一项更广泛研究的一部分,该研究旨在识别和监测职业风险,以及早发现员工身心健康可逆性损伤的迹象和症状、工作能力下降以及工作实践中出现缺陷和危险行为,这是由于高强度的神经心理或身体专业努力造成的。研究结果旨在强调:试验对象所经历的专业努力因素;无法避免的职业风险因素,由于工作量的性质和完成工作的条件,这些因素最终会导致工作能力下降、过早磨损、与工作有关的疾病和工作场所的危险行为,对员工和/或其他人的安全和健康造成严重后果;预防和减少已发现的工作和压力因素的措施,以确保工作场所的健康和安全、最佳利用人力资源和在整个职业生涯中保持工作能力。研究结果可以应用于确保职业健康和安全法规的行动中,并根据现行立法监测员工的健康状况和工作能力。
空中交通管制是在高度动态和随机环境中的实时安全关键决策过程。在当今的航空实践中,人类空中交通管制员监控并指挥多架飞机飞过其指定空域。随着传统(商用客机)和低空(无人机和 eVTOL 飞机)空域的空中交通复杂性快速增长,需要一个自主空中交通控制系统来适应高密度空中交通并确保飞机之间的安全分离。我们提出了一个深度多智能体强化学习框架,该框架能够识别和解决具有多个交叉点和合并点的高密度、随机和动态航路区中的飞机之间的冲突。所提出的框架采用了演员-评论家模型 A2C,该模型结合了近端策略优化 (PPO) 的损失函数来帮助稳定学习过程。此外,我们使用集中学习、分散执行方案,其中一个神经网络由环境中的所有代理学习和共享。我们表明,我们的框架既可扩展又高效,可容纳大量进场飞机,实现极高的交通吞吐量和安全保障。我们通过在 BlueSky 环境中进行大量模拟来评估我们的模型。结果表明,在极端高密度空中交通场景中,我们的框架能够分别解决交叉点和合并点的 99.97% 和 100% 的所有冲突。