基于累积Logistic回归模型的管制员应激程度预-交通运输工程学报

一、稿件要求： 1、稿件内容应该是与某一计算机类具体产品紧密相关的新闻评论、购买体验、性能详析等文章。要求稿件论点中立，论述详实，能够对读者的购买起到指导作用。文章体裁不限，字数不限。 2、稿件建议采用纯文本格式(*.txt)。如果是文本文件，请注明插图位置。插图应清晰可辨，可保存为*.jpg、*.gif格式。如使用word等编辑的文本，建议不要将图片直接嵌在word文件中，而将插图另存，并注明插图位置。 3、如果用电子邮件投稿，最好压缩后发送。 4、请使用中文的标点符号。例如句号为。而不是.。 5、来稿请注明作者署名(真实姓名、笔名)、详细地址、邮编、联系电话、E-mail地址等，以便联系。 6、我们保留对稿件的增删权。 7、我们对有一稿多投、剽窃或抄袭行为者，将保留追究由此引起的法律、经济责任的权利。二、投稿方式： 1、请使用电子邮件方式投递稿件。 2、编译的稿件，请注明出处并附带原文。 3、请按稿件内容投递到相关编辑信箱三、稿件著作权： 1、投稿人保证其向我方所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我方所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我方所投之作品不得同时向第三方投送，即不允许一稿多投。若投稿人有违反该款约定的行为，则我方有权不向投稿人支付报酬。但我方在收到投稿人所投作品10日内未作出采用通知的除外。 5、投稿人授予我方享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、投稿人委托我方声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

基于累积Logistic回归模型的管制员应激程度预

作者:

关键词:

摘要：

0 引言

管制员作为空中交通的指挥者，是确保飞机航行安全的关键所在。在航班急剧增加而空域基本保持不变的压力之下，要求管制员同一时间所指挥的飞机数量也急剧增加，管制员能在紧急情况和高压状态下容易产生疲劳等不良应激反应。因此，有必要建立科学的管制员应激程度预测模型，客观、正确地分析并预测管制员的应激能力，力保管制员迅速做出正确的决断与指挥，尽量避免因管制员人为因素造成的空管危险事件发生。

随着管制员可靠性问题日益突出，大部分国内外学者针对管制员的差错分类及情景意识做进一步研究。C. W. KUO等[1]基于台湾航空运输量和空中交通管制人员独特的工作特征，建立了台湾管制员离职率与应激源之间的关系模型；GONZAIO TOBARUELA[2]通过评估管制员的工作负荷，从而更准确地估计实际空域容量，并将这一技术应用于实时监控管制员业务工作负荷和部门工作负载不平衡业务中，有助于提高ATM系统性能；王永刚等[3]为提高管制员在复杂、动态工作环境中的情景意识，预防人为差错的发生，运用结构方程模型，从内外两方面分析了影响管制员情景意识的因素；陈芳等[4]从身体素质、业务素质和意识3个结构维度建立了管制员安全能力模型，通过逼近理想解排序法(TOPSIS)对管制员安全能力进行了排序和评价。

通常所说的应激反应是指：个体在面临或察觉(认知、评价)到环境变化(应激源)对机体有威胁或挑战时做出的适应和应对过程[5]。大部分的学者仅针对管制员的差错分类和情景意识做了研究，并未细致分析影响管制员应激行为的因素及其关系，更没有对其应激程度进行较为准确地预测。管制员在指挥航空器过程中产生的应激行为受到其工作本身、管制员角色的扮演、与飞行员及其同事的关系等各种因素影响[6]，而这些因素通常以心理行为和认知反应的方式出现，难以具体测量。对于包含多变量的统计分析模型，累积Logistic回归法可以定量分析模型中自变量与因变量之间的联系程度[7]。综上，将累积Logistic回归模型用于预测管制员应激程度，克服了应激不可测的不足，建立管制员应激程度预测模型，并对模型的适用性和有效性进行验证，弥补了我国关于管制员应激研究量化的空白。

1 累积Logistic回归模型算法

1.1 自变量的筛选

采用混合逐步选择法，取显著性水平0.05，向模型中添加或去掉候选自变量，最终得到与管制员应激程度显著相关的自变量。

1.2 累积Logistic回归模型原理

累积Logistic回归模型[8]是针对有序多分类反应变量的一种统计分析方法，所研究的管制员应激程度预测正是一个有序多级别划分的非线性问题，采用累积Logistic模型可以使结果更准确。

累积Logistic回归模型定义为

式中：Ls为第s个累积Logit模型；y为有J+1种类别(j=1,2 ，J+1)的实测反应变量，其取值及各值之间的关系为(y=1)<(y=2)<…<(y=J+1)；x为自变量向量，服从Logit分布；β为回归系数；p(y=j/x)为反应变量属于级别j时的概率。式(1)中的累积概率为

其中

由式(2)可得到累积概率，便可求出属于某一应激类别的概率为p(y=1)=p(y≤1)

p(y=1)=p(y≤2)-p(y≤1)，…，p(y=J+1)=1-p(y≤J)

1.3 模型拟合优度检验

建完模型后，需要对其有效性和预测准确性进行检验。将采用两种检验方法，一是模型的统计检验(利用Pearsonχ2检验和Deviance统计量)；二是利用数据进行对比检验，将一部分实测数据与预测值相比较来评价模型的预测准确度。

1.3.1 Pearsonχ2检验

Pearsonχ2检验是通过频数检验模型成立的假设[9]。其标准χ2统计量计算公式为

其中，χ2的自由度为协变类型数目与参数数目之间的差距，χ2统计量的值越小，说明该模型拟合效果越好。

1.3.2 偏差(Deviance)统计量

在Logistic回归模型中，将偏差统计量(对数似然比统计量)D视为拟合优度检验统计量[10]。模型的偏差用D来表示：

当值近似于值时，D的取值就会很小，此时所假设的模型拟合度较好。

将按照如图1所示的流程来建立完整的管制员应激程度预测模型，并对其进行分析和评估。

图1 模型建立及检验流程Fig. 1 Flow chart of model establishment and verification

2 管制员应激程度预测Logistic模型建立

2.1 建模数据获取

为了获取建模数据，针对华东地区某空管局一线空中交通管制员设计了问卷调查，其中共包括12个观测变量。这次问卷调查随机抽取300名测试人员，剔除无效问卷后得到合格问卷为274份。有效问卷率为91.3%。

文章来源：《交通运输工程学报》网址: http://www.jtysgcxb.cn/qikandaodu/2020/1024/410.html