前言 本指南旨在帮助通用航空 (GA) 飞行员,特别是那些天气飞行经验相对较少的飞行员,培养获取适当天气信息、在特定飞行中解释数据以及应用信息和分析做出安全天气飞行决策的技能。它是在许多气象专家、航空研究人员、空中交通管制员以及通用航空教练和飞行员的协助和贡献下开发的。特别感谢美国联邦航空管理局民航医学研究所 (CAMI) 的 Dennis Beringer 博士和 William Knecht 博士;内华达/里诺大学心理学和生物医学工程系的 Michael Crognale 博士;伊利诺伊大学航空研究所的 Douglas Wiegmann 博士;B.L. 博士美国国家航空航天局艾姆斯研究中心的 Beard 和 Colleen Geven;中田纳西州立大学的 Paul Craig 博士;小型飞机制造商协会的 Paul Fiduccia; Max Trescott,SJFlight;Arlynn McMahon,Aero-Tech Inc.;Roger Sharp,Cessna Pilot Centers;Anthony Werner 和 Jim Mowery,Jeppesen-Sanderson;Howard Stoodley,Manassas Aviation Center;Dan Hoefert;Lawrence Cole,FAA 人为因素研究与工程科学技术顾问;Ron Galbraith,FAA 空中交通管制员,丹佛 ARTCC;Michael Lenz,FAA 通用航空认证和运营部门;Christine Soucy,FAA 事故调查办公室;Rich Adams 博士,FAA 飞行标准服务部工程心理学家;William K. Krebs 博士,FAA 人为因素研究与工程科学技术顾问。本指南旨在成为一份动态文档,其中包含来自像您这样的 GA 飞行员和教练的评论、建议和最佳实践想法。请将评论和想法发送至:susan.parson@faa.gov。祝您飞行愉快,安全!
早在 1993 年,联邦航空管理局就强调需要关注和发展人为因素培训,该培训在官方人为因素政策令 9550.8 中发布。本研究的目的是对大学航空飞行员对不稳定进近的风险认知和决策模型进行详细的定性现象学分析。本研究重点是了解大学航空飞行员如何看待不稳定进近、与不稳定进近相关的风险以及触发飞行员执行复飞的因素。国际航空运输协会警告说,继续不稳定进近可能导致跑道偏离、硬着陆导致飞机损坏,甚至可控飞行撞地。指导本研究的理论框架是风险补偿理论。研究人员通过有目的的抽样招募了 15 名参与者,使用半结构化访谈和简短问卷进行现象学分析。现象学方法使研究人员能够将对不稳定进近的先入为主的想法带入意识中,然后将其放在一边。为了解决研究问题,我们使用定性问卷对从个人访谈中收集的信息进行了分析和三角测量。数据中出现了三个主要主题:(a)内部感知的影响,(b)外部压力,以及(c)独特的世界观。研究结果证实了风险补偿
让飞行员在模拟器中与附近的教练一起进行模拟飞行任务。在评估这些飞行员的表现时,飞行教练依靠观察和事后评估。扫描模式是飞行教练背景的重要方面,是基本飞行的基础。例如,学生可能会扫描得太快、遗漏或注视 - 这些是扫描地平线和交叉检查仪器时常见的错误(美国空军 [USAF],2019 年)。据传,飞行教练经常提到头部和眼球运动对于判断学生意图和态势感知至关重要。带有嵌入式眼动追踪的基于虚拟现实的训练环境可以自动化并为教练观察的某些方面提供更多背景信息,并可能加快学习过程。在这项研究中,我们评估了如何使用眼动追踪(结合机器学习)客观地评估飞行员在训练期间的扫描模式,这可能会减少教练的整体工作量。因此,两个关键的研究问题是:
前言 本指南旨在帮助通用航空 (GA) 飞行员,特别是那些气象飞行经验相对较少的飞行员,培养获取适当气象信息、在特定飞行中解读数据以及应用信息和分析做出安全气象飞行决策的技能。 本指南是在多位气象专家、航空研究人员、空中交通管制员以及通用航空教练和飞行员的协助和贡献下开发的。 特别感谢美国联邦航空管理局民航医学研究所 (CAMI) 的 Dennis Beringer 博士和 William Knecht 博士;内华达大学里诺分校心理学和生物医学工程系的 Michael Crognale 博士;伊利诺伊大学航空研究所的 Douglas Wiegmann 博士;美国国家航空航天局艾姆斯研究中心的 BL Beard 博士和 Colleen Geven;中田纳西州立大学的 Paul Craig 博士;小型飞机制造商协会的 Paul Fiduccia;SJFlight 的 Max Trescott;Aero-Tech Inc. 的 Arlynn McMahon;塞斯纳飞行员中心 Roger Sharp;杰普森-桑德森公司的 Anthony Werner 和 Jim Mowery;马纳萨斯航空中心的 Howard Stoodley;丹·胡弗特;美国联邦航空管理局人为因素研究与工程科学技术顾问 Lawrence Cole;美国联邦航空管理局空中交通管制员、丹佛 ARTCC 的 Ron Galbraith;美国联邦航空管理局通用航空认证和运营处的 Michael Lenz、美国联邦航空管理局事故调查办公室的 Christine Soucy;美国联邦航空管理局飞行标准服务部工程心理学家 Rich Adams 博士;以及美国联邦航空管理局人为因素研究与工程科学技术顾问 William K. Krebs 博士。本指南旨在成为一份动态文件,其中包含来自像您这样的通用航空飞行员和教练的评论、建议和最佳实践想法。请将评论和想法发送至:susan.parson@faa.gov。祝您飞行愉快、安全!
摘要:对于飞行员来说,应对焦虑的能力在飞行过程中至关重要,因为他们可能会面临压力。根据大五人格量表,这种能力可以通过两种重要的人格特质进行调节:尽责性和神经质。前者与注意力有关,后者与对焦虑刺激的注意力偏差有关。鉴于目前用于检测用户状态的监测系统的发展,该系统可以并入驾驶舱,因此需要估计它们对个体间人格差异的鲁棒性。事实上,几种情绪识别方法都是基于生理反应,这些反应可以通过特定的人格特征进行调节。对 20 名飞行员的人格特质进行了评估。之后,他们进行了两次连续的模拟飞行,一次没有社会压力,一次有社会压力,同时测量皮肤电活动。在第二次飞行之前,也就是压力诱发条件之前,对他们的主观焦虑进行了评估。结果表明,神经质得分较高与认知和躯体焦虑呈正相关。此外,在社会压力下,尽责性得分越高与皮肤电稳定性(即皮肤电导反应次数越少)呈正相关。这些关于自我报告和生理反应的结果都支持将人格差异纳入飞行员的状态监测中。
前言 本指南旨在帮助通用航空 (GA) 飞行员,特别是那些气象飞行经验相对较少的飞行员,培养获取适当气象信息、在特定飞行中解读数据以及应用信息和分析做出安全气象飞行决策的技能。 本指南是在多位气象专家、航空研究人员、空中交通管制员以及通用航空教练和飞行员的协助和贡献下开发的。 特别感谢美国联邦航空管理局民航医学研究所 (CAMI) 的 Dennis Beringer 博士和 William Knecht 博士;内华达大学里诺分校心理学和生物医学工程系的 Michael Crognale 博士;伊利诺伊大学航空研究所的 Douglas Wiegmann 博士;美国国家航空航天局艾姆斯研究中心的 BL Beard 博士和 Colleen Geven;中田纳西州立大学的 Paul Craig 博士;小型飞机制造商协会的 Paul Fiduccia;SJFlight 的 Max Trescott;Aero-Tech Inc. 的 Arlynn McMahon;塞斯纳飞行员中心 Roger Sharp;杰普森-桑德森公司的 Anthony Werner 和 Jim Mowery;马纳萨斯航空中心的 Howard Stoodley;丹·胡弗特;美国联邦航空管理局人为因素研究与工程科学技术顾问 Lawrence Cole;美国联邦航空管理局空中交通管制员、丹佛 ARTCC 的 Ron Galbraith;美国联邦航空管理局通用航空认证和运营处的 Michael Lenz、美国联邦航空管理局事故调查办公室的 Christine Soucy;美国联邦航空管理局飞行标准服务部工程心理学家 Rich Adams 博士;以及美国联邦航空管理局人为因素研究与工程科学技术顾问 William K. Krebs 博士。本指南旨在成为一份动态文件,其中包含来自像您这样的通用航空飞行员和教练的评论、建议和最佳实践想法。请将评论和想法发送至:susan.parson@faa.gov。祝您飞行愉快、安全!
飞行员的生理、心理、生理特征都会对飞行安全产生影响,其中主要体现在飞行员的意图上。换言之,飞行员在各种因素影响下,对飞行状态产生的心理体验,以及表现出的决策偏好或行为价值。飞行员的意图是反映飞行员在飞机机动过程中表现出的认知状态。意图的探索对于自动驾驶仪和飞行控制主动安全系统的研究非常重要。同时,它也是飞行中人为因素研究中经常涉及的一个重要概念,特别是飞行员的微观行为。本文以飞行员的意图为研究对象;通过设计的模拟飞行实验,分析飞行员的生理-心理-生理参数的影响因素。利用随机森林分析方法对影响飞行员意图的主要影响因素进行排序,形成因素序列。研究结果为进一步研究飞行员意图识别奠定了良好的基础。
学术共享引文 学术共享引文 Weber, D. (2016)。使用和不使用评估模型评判航空公司飞行员的表现:对两家不同航空公司的评分员评分的比较研究。航空/航天教育与研究杂志,25(2)。https://doi.org/10.15394/jaaer.2016.1645
引言航空业初期,驾驶依靠飞行员的感官判断。机载仪器逐渐出现(如高度计、空速指示器、指南针、人工地平仪等),驾驶舱也不断发展。20 世纪 70 年代引入了自动化系统 [1],例如飞行管理系统 (FMS)。这些自动化系统提高了安全性 [5, 10]、精确度和效率 [11]。然而,自动化也导致驾驶舱操作员数量的减少(目前为两名飞行员),从而改变了飞行员的任务。飞行员必须执行新的任务,如飞行计划、导航、性能管理和飞行进度监控 [12]。在很短的时间内,飞行员的任务变得更加被动,主要用于监控 [7, 9, 10]。
2000 年至 2006 年间发布的 NOTAM 数量在全球范围内增长了约 65%。NOTAM 被用于传达越来越多的航空变化,这给飞行员、管制员和其他 ATM 客户带来了沉重的负担,他们需要审查和综合数百条 NOTAM。一份提供给飞行员的 NOTAM 简报可能包含数百条 NOTAM:期望飞行员能够对所有 NOTAM 信息保持态势感知是不现实的。此外,分析表明,提供给飞行员的大多数 NOTAM 与他们的特定飞行无关。传统的 AIS 产品无法满足飞行员的需求,因为传统的 NOTAM 产品无法对飞行路线进行良好的过滤和分类。