一、现状分析

　　在空管不安全事件分析中,有“人、机、环、管”四方面要素,其中对人的分析,传统的分析报告中,提及的内容较少,可用的资料较少，可用于监控的设备就更少了。2020共发生54起空管原因的不安全事件，80%是人为因素。据统计，空中交通管理中13%的运行差错直接与管制员的疲劳相关;其中,管制工作中约18%的失误与管制员的疲劳有关。因此, 空管部门引进智能系统-“人脸/声音识别监控系统”，能够有效的实时监测管制员的疲劳状态，可以大大提高空管运行安全系数,对“打造智慧空管 加强人员管理”有非常重大的意义。目前南京莱斯信息技术有限公司已经开始相关项目的研究，很快就可以进入应用阶段。

　　二、管理需求

　　目前的防疲劳都是看管制员自我休息，自我恢复，岗前的自愿报告，没有有效的管理手段手段。在保障安全的过程中，管制员的疲劳原因造成的不安全事件占多数，一是常态下，管制员的疲劳不容易发现；二是疲劳程度也不好衡量。甚至管制员自己都无法正确评估；三是即使坐下时，管制员状态不错，但是随着值班时间的增加，管制员的状态下降，疲劳是渐进的，这个过程几乎无法察觉。

　　因此，提高现场管理的质量就需要借助与智能的设备，提供可靠的数据支撑，让带班主任精准掌握管制员的内在状态，避免人为因素事件的发生。“人脸/声音识别监控系统”可以精准的实时的监控管制员的疲劳程度，避免管制员在工作中因疲劳引起的决策差错、记忆遗漏、违章操作，降低空中交通指挥安全隐患，大大提高管制班组成员之间的协作配合效率，为带班主任提供管理依据，为人为因素定量分析及人员管理提供决策依据。

　　三、系统需求

　　（一）设备配置

　　5部分构成：图像采集处理设备，数据处理/存储设备、数据处理软件、综合显控设备、监控平台。

　　（二）各部分介绍

　　1. 图像采集处理设备：

　　实现人脸/声音的精准识别，确定管制员身份；采集脸部，嘴部，眼部的微动作，识别并区分管制员的声音。每个岗位的采集设备要至少能够同时采集4人的数据。

　　2. 数据处理/存储设备：

　　大量数据的存储，调用，需要大量的空间。

　　3. 数据处理软件：

　　对数据进行综合分析，对比，按照长期的历史数据，设置每个人的状态预警值。

　　4. 综合显控设备：

　　按照单位科室的不同分组，显示每个人的活跃程度，或者疲惫程度。

　　5. 监控平台：

　　按照领导体系，为不同层级的领导配备不同的权限，提供监控和管理。

　　（三）主要功能

　　1. 采集数据。

　　“人脸/声音识别监控系统”可实现各个值班席位的监控实时显示，各席位对应人员的实时值班在岗情况、疲劳状态显示，各席位对应的人员姓名、所在部门、疲劳程度显示，各部门对应席位上的五种值班状态（无人值班、正常值班、轻度疲劳、中度疲劳、重度疲劳）展示，各部门或值班席位最近24小时的平均疲劳状态用曲线，存储状态显示等。“人脸/声音识别监控系统” 采用先进深度学习算法实现人脸检测、人脸识别及疲劳检测识别，声音识别，识别准确率高；支持人脸跟踪及评分，多帧识别，自动去重，筛选输出最优人脸；支持头部姿态、注视方向、嘴部状态、眨眼频率动作检测；通过前端图像传感器实时采集值班人员的工作状态视频流，利用人工智能技术实现对值班人员工作状态监测与分析，通过检测分析对值班人员疲劳状态、欲睡、瞌睡、声音变化、离开值班席位等不规范行为进行自动检测与记录，若有上述事件发生触发报警并给予相应提示。对环境要有适应能力，可适用于对不同特征的人员进行检测，如一定角度偏离或佩戴眼镜等情况；可以实现对值班人员状态的实时监控、疲劳分析预警及值班履职能力评估；系统支持单路值班状态查看功能，主要包括当前值班人员的瞬时疲劳度、综合疲劳度、嘴部状态、眼部状态、身份识别、人脸3D模型分析、头部姿态分析、值班时长分析等。

　　2. 分析数据。

　　系统采用AI智能技术，对值班人员的状态进行综合指标分析，为值班员能力评估提供依据。值班人员库可根据用户需求灵活配置，简单易操作。

　　3. 提供告警。

　　疲劳状态实时检测与预警：支持对在岗值班人员的实时疲劳检测；支持对在岗值班人员的疲劳判定与实时告警。中控台可对多路视频监控进行查看、操作，便于管理人员掌控整体值班状态。

　　4. 复盘

　　值班历史数据分析：对值班人员历史存储数据进行大数据分析，实现值班履职能力数据评估。在离岗状态监测与分析：支持对值班人员身份确认、值班人员识别、离岗时间统计等功能。数据记录与回放：支持对疲劳识别数据的记录与回放。

　　四、系统的应用分析

　　1. 跟踪个体状态，为每个人设置预警状态。

　　利用历史数据分析,根据每个人的长期状态,设置每个人的预警值。

　　2. 为值班领导的现场管理提供决策。

　　利用状态查看功能，对当前值班管制员的瞬时疲劳度、综合疲劳度、嘴部状态、眼部状态、身份识别、人脸3D模型分析、头部姿态分析、值班时长等进行分析，通过数据分析对管制员疲劳状态、欲睡、瞌睡、离开值班席位等行为进行自动检测与记录，若疲劳状态达到一定程度将触发报警提示。通过对值班状态大数据分析实现了对管制员状态实时监控、疲劳分析预警及值班履职能力评估。”人脸/声音识别监控系统”可实现各个值班席位的监控实时显示，包括实时值班在岗情况、疲劳状态、值班席位最近24小时的平均疲劳状态曲线等显示。

　　3. 为排班提供依据。

　　通过大数据分析，为管理层提供可靠的科学的履职能力评估，精准的分析人员状态。科学排班，根据每个人耐疲劳强度极限时长，设定值班最大时长，每段值班时长不超过这个极限，有效避免因疲劳出现问题，从而达到安全运行的目的。

　　4. 完全还原现场

　　监控数据可以还原事件现场，在事件调查过程中可以起到辅助作用。

　　5. 建立科学淘汰机制

　　因为科学的数据支撑，对于长期出于低迷状态的管制员，给予淘汰，科学决策，最大程度避免人为因素不安全事件的发生。

　　五、总结

　　综上所述，中国民航处于发展的关键时期，不只是空管需要加强人员管理，机坪、安检以及驾驶舱等等关键部位都需要对人员进行精确管理。“人脸/声音识别监控系统”可以有效解决智能管理问题，实现人员管理的精细化，精准化，最大程度的解决人为因素问题。目前国内莱斯公司的产品已经达到实际应用的水平。因此，民航各部门有必要引入智能监控系统，实现管理的智能化，先进化。（作者：陈志强）