XiaoMi-AI文件搜索系统
World File Search SystemASRS
确保日益自动化的安全性的考虑因素...
AGL 地上 AI 人工智能 ALIAS 机组人员 驾驶舱自动化系统 AMDP 抽象马尔可夫决策过程 AN 人工神经元 ANN 人工神经网络 ARIAS 日益自主系统的保证推理 ARL 保证强化学习 ASRS 航空安全报告系统 AT 航空运输 ATC 空中交通管制 ATIS 机场塔台信息服务 BRGA 商务、区域和通用航空 CAE 索赔-论据-证据 COTS 商用现货 CRM 机组资源管理 CTM 机组任务管理 CWA 认知工作分析 DAL 设计保证级别 DARPA 国防高级研究计划局 EA 企业架构师 EFB 电子飞行包 EGPWS 增强型近地警告系统 FAA 联邦航空管理局 FHA 功能危害分析 FL 飞行高度 FMEA 故障模式及影响分析 FMS 飞行管理系统 FO 副驾驶 FPM 飞行路径管理 FTA故障树分析 GPWS 近地警告系统 GSN 目标结构符号 HITL 人机交互 IA 高度自主 IAS 智能自动驾驶系统
美国航空安全——一个以前被忽视的因素 (1)
执行摘要 本文探讨了是否有可靠的数据表明当今美国的航空安全与不明飞行物 [UAP]（也称为不明飞行物 [UFO] 或飞碟）之间存在显著关系。讨论了三种已报告的 UAP 动态行为和后果，每种行为都会影响航空安全：(1) UAP 在飞机附近进行的近距离碰撞和其他高速机动，(2) 影响导航、制导和飞行控制系统的飞机上的瞬态和永久电磁效应，以及 (3) UAP 的近距离接触飞行性能导致驾驶舱分心，从而妨碍机组人员以安全的方式驾驶飞机。针对这三个主题，回顾了一百多起 UAP 与商用、私人和军用飞机之间近距离接触的记录。这些报告来自多个来源，包括作者的个人文件、美国联邦航空管理局 (FAA)、美国国家运输安全委员会 (NTSB) 和美国国家航空航天局管理的“航空安全报告系统 (ASRS)”编写的航空报告。有趣的是，所有美国政府来源都表明，飞行员根本不报告他们的 UAP 目击情况，或者，如果他们报告，他们在报告险些相撞和/或飞行中遭遇时几乎从不使用 UAP、UFO 或飞碟等术语。我的结论是：(1) 为了避免与 UAP 相撞，一些飞行员进行了控制输入，导致乘客和机组人员受伤。(2) 根据对 1950 年至 2000 年美国本土上空 UAP 飞行员报告的全面审查，得出结论，由于 UAP 表现出高度机动性，因此不存在因碰撞而对航空安全造成直接物理威胁的情况。但是，(a) 如果飞行员在极近距离接触期间在错误的时间做出错误的控制输入，仍有可能与 UAP 发生空中相撞；(b) 如果飞行员在异常电磁效应导致其发生故障时依赖其仪器，则有可能发生事故。(3) 飞行员至少在五十年前就看到并报告了有记录的 UAP 现象，但其中许多报告者要么受到嘲笑，要么被指示不要公开报告他们的目击情况。这个非机密信息交换中心应收集、分析和报告 UAP 目击事件，以持续保障航空安全并满足科学好奇心。(4) 负责任的世界航空官员应认真对待 UAP 现象，并发布明确的报告程序，无需担心遭到嘲笑、斥责或其他职业损害，并以支持科学研究的方式进行报告；(5) 航空公司应开设教学课程，向飞行员传授在 UAP 附近飞行时应执行的最佳控制程序，以及在可能的情况下应尝试收集哪些数据；(5) 应确定一个中央清算机构来接收 UAP 报告（例如 ASRS；全球航空信息网络 (GAIN)）。无论 UAP 是什么，它们都可能对航空安全构成危害，应得到适当和公正的处理。
2022 – 2027 年战略计划
ASR 年度法定报告 AU 非洲联盟 BCP 业务连续性计划 BCP 业务连续性计划 CAF 郡议会论坛 CIDP 郡综合发展计划 CoG 郡长委员会 COVID-19 2019 年新冠病毒 CPI 清廉指数 CSR 企业社会责任 DANIDA 丹麦国际开发署 EAC 东非共同体 EALGA 东非地方政府协会 ERP 企业资源计划 IBEC 政府间预算和经济理事会 ICT 信息通信技术 IGRA 政府间关系法 KEMSA 肯尼亚医疗用品管理局 KRA 关键结果领域 LOE 租赁运营费用 M&E 监测与评估 MCA 郡议会议员 MDAs 部委、部门和机构 MoU 谅解备忘录 MPs 国会议员 MSME 微型、小型和中型企业 MTP 中期计划 NHIF 国家健康保险基金 NOFBI 国家光纤主干网计划 PESTLE 政治、经济、社会、技术、法律和环境
研究文章识别事故因果因素...
航空是一种复杂的运输系统，安全至关重要，因为飞机故障往往会造成人员伤亡。预防显然是航空运输安全的最佳策略。从过去的事故数据中学习以防止潜在事故发生已被证明是一种成功的方法。为了防止潜在的安全隐患并制定有效的预防计划，航空安全专家从事故报告中确定主要因素和促成因素。然而，如今安全专家的审查过程已经变得非常昂贵。由于信息技术的加速发展以及商业和私人航空运输业的增长，事故报告的数量正在迅速增加。因此，应应用先进的文本挖掘算法来帮助航空安全专家促进事故数据提取过程。本文重点介绍如何构建基于深度学习的模型来识别事故报告中的因果因素。首先，我们使用来自航空安全报告系统 (ASRS) 的大约 200,000 份合格事故报告准备用于训练、验证和测试的数据集。十、我们采用开源自然语言模型作为基线，该模型经过大量维基百科文本训练，并使用事件报告中的文本对其进行微调，以使其更适合我们特定的研究任务。最后，我们构建并训练基于注意力机制的 lo
识别事故诱因以提高航空运输安全：提出一种深度学习方法
航空是一种复杂的运输系统，安全至关重要，因为飞机故障往往会造成人员伤亡。预防显然是航空运输安全的最佳策略。从过去的事故数据中学习以防止潜在事故发生已被证明是一种成功的方法。为了防止潜在的安全隐患并制定有效的预防计划，航空安全专家从事故报告中确定主要因素和促成因素。然而，如今安全专家的审查过程已经变得非常昂贵。由于信息技术的加速发展以及商业和私人航空运输业的增长，事故报告的数量正在迅速增加。因此，应应用先进的文本挖掘算法来帮助航空安全专家促进事故数据提取过程。本文重点介绍如何构建基于深度学习的模型来识别事故报告中的因果因素。首先，我们使用来自航空安全报告系统 (ASRS) 的大约 200,000 份合格事故报告准备用于训练、验证和测试的数据集。十、我们采用开源自然语言模型作为基线，该模型经过大量维基百科文本训练，并使用事件报告中的文本对其进行微调，以使其更适合我们特定的研究任务。最后，我们构建并训练基于注意力机制的 lo
快点综合症 - SmartCockpit
慢慢来！航空史上最严重的灾难，可怕的荷兰皇家航空公司/泛美航空公司在特内里费岛发生的事故，在很大程度上是由于两个机组人员都遇到了时间表压力问题。航空公司飞行员协会 (ALPA) 对这起事故进行了为期 18 个月、涉及三个国家的调查，重点关注机组人员表现的人为因素，ALPA 发现荷兰皇家航空公司的机组人员对值班时间有强烈的担忧，特别是他们是否能够在那天晚上返回阿姆斯特丹并遵守他们的值班时间规定。他们还对天气及其可能推迟即将起飞表示担忧。驾驶舱语音记录器显示，荷航机长说：“快点，否则天气会再次完全恶化”。泛美航空的机组人员同样担心天气延误。由于荷航机组人员决定加油，他们被滞留了一个多小时。荷航飞机和加油车堵塞了滑行道，从而阻止了泛美航空的起飞。这些与时间表相关的问题为随后的灾难埋下了祸根。匆忙研究这篇关于匆忙综合症的评论改编自一项研究，在该研究中，我们检查了 125 起涉及时间相关问题的 ASRS 事件记录。我们将匆忙综合症定义为飞行员的人类表现因感知或实际需要匆忙或匆忙完成任务或职责而下降的任何情况。这些与时间相关的压力包括需要
患有注意力缺陷多动症的大学生在空间工作记忆任务中大脑网络的动态特性
本研究使用事件相关电位 (ERP) 和空间 2-back 任务研究了患有注意力缺陷多动障碍 (ADHD) 特征的大学生的空间工作记忆缺陷。我们还使用 EEG 数据计算了感觉水平活动，并研究了 θ 和 alpha 神经振荡、锁相值 (PLV) 和大脑网络。根据成人 ADHD 自我报告量表 (ASRS) 和 Conners 成人 ADHD 评定量表 (CAARS) 的分数，选出一个 ADHD 特征组 (n = 40) 和一个正常对照组 (n = 41)。参与者需要回答呈现的刺激是否与两次试验之前呈现的刺激位于同一位置。在空间 2-back 任务中，ADHD 特征组的反应时间明显慢于对照组。在频谱方面，ADHD 特征组的 θ 功率明显低于对照组。相反，在刺激开始后的 250-1000 毫秒间隔内，ADHD 特征组与对照组相比表现出更高的 alpha 功率。在 PLV 方面，ADHD 特征组表现出的 θ 相位同步性明显弱于对照组，额枕叶区域的连接数也更少。在 θ 脑网络方面，ADHD 特征组的 θ 波段聚类系数明显低于对照组，特征路径长度明显长于对照组。本研究结果表明，具有 ADHD 特征的大学生存在空间工作记忆缺陷，而神经振荡、功能连接和网络中的这些异常活动可能导致空间工作记忆缺陷。
CIAIAC - 交通、出行和城市议程部
00 °C 摄氏度 AAIB 航空事故调查处 – 英国官方航空事故调查机构 AC 咨询通告 – 美国联邦航空局发布的通知 ACAS 机上碰撞警报系统 AESA 西班牙国家航空安全局 AFM 飞机飞行手册 AMC 可接受的合规方式 AMM 飞机维护手册 AOL 所有运营商信函 APU 辅助动力装置 ASRS 航空安全报告系统 ATLB 飞机技术日志 ATC 空中交通管制 ATOW 实际起飞重量 ATPL(A) 航线运输飞行员 BITE 内置测试设备 CAS 校准空速 CAWS 中央声音警告系统 CGA Centro de Gestión Aeroportuaria（机场管理中心） CIAIAC Comisión de Investigación de accidentes e Incidentes de Aviación Civil（西班牙民航事故和事故征候调查委员会） CPL(A) 商用飞行员 CVR 驾驶舱语音记录器 DFDR 数字飞行数据记录器 DFGC 数字飞行制导计算机 DOW 干运行重量 DGAC 西班牙民航局 EASA 欧洲航空安全局 EDG 发动机驱动发电机 EGPWS 增强型近地警告系统 EOAP 发动机高架信号器面板 EPR 发动机压力比 FAA 联邦航空管理局 FC 飞行周期 FCOM 飞行机组操作手册 FDAU 飞行数据获取单元 FH 飞行小时数 GND 地面 GPWS 近地警告系统 h 小时 Ha 公顷 H
研究论文：识别事故原因以提高航空运输安全：提出一种深度学习方法
航空是一种复杂的运输系统，安全至关重要，因为飞机故障往往会造成人员伤亡。预防显然是航空运输安全的最佳策略。从过去的事故数据中学习以防止潜在事故的发生已被证明是一种成功的方法。为了防止潜在的安全隐患并制定有效的预防计划，航空安全专家从事故报告中确定主要因素和促成因素。然而，如今安全专家的审查过程已经变得非常昂贵。由于信息技术的加速发展以及商业和私人航空运输业的增长，事故报告的数量正在迅速增加。因此，应应用先进的文本挖掘算法来帮助航空安全专家促进事故数据提取过程。本文重点介绍如何构建基于深度学习的模型来识别事故报告中的因果因素。首先，我们使用来自航空安全报告系统 (ASRS) 的约 200,000 份合格事故报告准备用于训练、验证和测试的数据集。第十，我们采用开源自然语言模型作为基线，该模型经过大量维基百科文本训练，并根据事件报告中的文本对其进行微调，使其更适合我们的特定研究任务。最后，我们建立并训练基于注意力的长短期记忆 (LSTM) 模型，以识别每份事件报告中的主要因素和促成因素。我们提出的解决方案具有多标签功能，并且是自动化和可定制的，并且比现有研究中的传统机器学习方法更准确、适应性更强。深度学习算法在事件报告系统中的这种新应用可以有效提高航空安全。
快点综合症 - SmartCockpit
慢慢来！航空史上最严重的灾难，即发生在特内里费岛的荷兰皇家航空/泛美航空事故，很大程度上是由于两支机组都遇到了时间安排压力问题。航空公司飞行员协会 (ALPA) 对这起事故进行了为期 18 个月、遍及三个国家的调查，重点关注机组人员表现的人为因素。ALPA 发现，荷兰皇家航空机组人员对值班时间非常担忧，特别是他们是否能够在当晚返回阿姆斯特丹并遵守值班时间规定。他们还对天气及其可能延误即将起飞表示担忧。驾驶舱语音记录器显示，荷兰皇家航空机长说：“快点，否则天气会再次完全恶化”。泛美航空的机组人员同样担心天气延误。由于荷兰皇家航空机组人员决定加油，他们被滞留了一个多小时。荷兰皇家航空的飞机和加油车堵塞了滑行道，从而阻止了泛美航空的起飞。这些与时间安排相关的问题为随后的灾难埋下了伏笔。匆忙研究 这篇关于匆忙综合症的评论改编自一项研究，在该研究中，我们检查了 125 起涉及时间相关问题的 ASRS 事件记录。我们将匆忙综合症定义为飞行员由于任何原因而感觉到或实际需要匆忙完成任务或职责而导致其人为表现下降的任何情况。这些与时间相关的压力包括公司代理或地面人员需要为另一架飞机打开登机口、ATC 要求加快滑行起飞或满足放行时间限制的压力、因维护或天气原因发生延误时保持准时的压力，或为了避免超过执勤时间规定而匆忙的倾向。