基于大数据的飞行员生理心理个性化训练管理系统设计研究

李 成，李永刚，战春霞

（海军航空大学 航空基础学院，山东 烟台264001）

习近平总书记在十九届中共中央政治局第二次集体学习时的重要讲话中指出“大数据是信息化发展的新阶段”，并作出了“推动大数据技术产业创新发展、构建以数据为关键要素的数字经济、运用大数据提升国家治理现代化水平、运用大数据促进保障和改善民生、切实保障国家数据安全”的战略部署。[1]飞行员生理心理个性化训练管理系统是利用现代大数据信息技术并结合智能训练设备，实现对飞行员身心状况的全方位评估与管理，实现飞行员的体质体能、心理生理、飞行任务等数据的全面采集及存储管理。建立完整标准科学的飞行员体质体能、生理心理、健康状态、任务绩效数据仓库，根据个人素质差异、任务能力要求、飞行条件环境，利用大数据与深度学习技术进行模式识别、迭代优化各数据模型，实现飞行员个性化生理心理训练方案。同时，通过自体、个体之间、个体与群体，在训练科目、能力差异、任务表现、时间等不同维度的数据分析为管理部门提供强力的辅助决策支撑；建立状态预警系统，实现风险的量化、日常化和可视化管理，保证训练安全，为降低运动风险、预防训练伤病的发生提供保障。

1 飞行员生理心理个性化训练管理系统基本建设原则

1.1 先进性和开放性

在建设设计开始要充分考虑到将来的技术发展需要，选择较先进、开放、成熟的技术与产品，建设具有一定先进性的软硬件设备。应用平台软件需考虑今后硬件的扩展、软件系统的对接、综合管控及应急指挥等功能深化需要，开发平台软件时应预留一定的接口和模块，确保今后可支持更多硬件产品的接入以及软件系统数据的对接及功能扩展。

1.2 经济性和实用性

坚持经济性和实用性的统一，充分考虑指挥中心的整体布局、软硬件运行环境、日常运行维护成本等因素，并考虑后期与其他系统的对接及自身的系统扩展要求，继承性和针对性建设相应的软硬件设备。因此，在构建基于大数据的信息管理系统时，一定要以功能的实现为基础，将硬件、软件和人的管理有机结合在一起[2]。

1.3 安全性和保密性

本项目涉及应用平台软件设计时应充分考虑信息安全问题，采取一定的安全防范措施，避免系统软硬件及数据遭到攻击和破坏，做好数据、网络安全管控和用户权限管控设计。

1.4 稳定性和可靠性

项目应充分考虑软硬件的集成对接、相关设备安装条件、物理环境及后期维护的难度等因素，建设可靠、稳定、易于养护的软硬件设备，并突出和强化售后服务保障体系建设，以确保项目建成后可靠稳定运行。

2 飞行员生理心理个性化训练管理系统的数据分类体系

2.1 基础数据

基础数据是指时间特征不明显的基础性、客观性数据，主要包括单位代码数据、数据应用字典和训练指标数据。基础数据一般由各级指定的职能部门进行统一发布，以确保人员训练管理数据的完整性和一致性，便于数据跨层级、跨部门、跨领域的交换与共享。基础数据具有相对稳定的特性，任何版本的修订必须在本工程相应范围内进行同步更新。

2.2 动态数据

动态数据是指与训练管理业务相关、时空敏感的客观性数据，主要包括训练管理动态数据、训练设备动态数据、训练人员动态数据和训练结果动态数据。动态数据主要通过历史数据关联入库、业务数据在线生成和常态化采集，实现动态积累。

2.3 决策数据

决策数据是指通过实训实测、态势分析、指标模型计算、关联分析挖掘等综合处理及主观分析所得到的辅助决策数据，主要包括态势分析数据、智能决策结果、大数据分析产品数据等。智能决策与大数据展示主要是根据一体化训练管理工作对大数据创新应用需求，结合飞行员训练体系建设实际，集中开展基础体能、抗载荷能力、空间定向能力、抗疲劳能力和康复与恢复能力等方面的智能评估决策和效果可视化展示。

数据的存储与管理是应用大数据的基础之一。[3]基于大数据计算和存储能力的一站式集成数据中台，覆盖飞行员体质、体能和心理完整的大数据业务流程，满足海量数据采集、存储、检索、分析和可视化等一系列的需求，最后形成个性化的生理心理训练方案。

3 飞行员生理心理个性化训练管理系统技术指标的实现设计

3.1 海量数据快速计算与存储访问的实现

数据中心是数据交换的中心节点，其计算存储效率的高低决定了数据中心系统的质量。针对训练管理领域数据容量大、动态更新快、保鲜要求高的特点，需要提供面向海量数据的快速计算与存储访问技术，在有限存储空间和计算资源的条件下，显著提升数据中心的计算与存储访问效率。

主要采用的解决方法：一是分布式并行计算实现数据采集、处理、应用和交换。基于国际标准的实时流处理等技术，提升数据中心处理效率。二是采用分布式并行数据库和分布式文件存储系统，解决计算与存储吞吐能力不足的问题。三是“引擎+流程”框架结构设计。通过高性能的数据处理引擎，结合动态可配置的处理流程，实现存储与计算资源的柔性扩展。

3.2 多中心数据汇集与分发

针对训练管理领域数据多源异构、涉及多个数据处理中心以及数据节点的现状，需要提供各单位数据中心的分级信息汇集模式，支持虚拟集成和复制汇集，有效降低数据融合处理复杂度和网络带宽占用。

按照训练管理领域元数据通用要求，通过训练数据的注册和共享机制，实现各类数据对象可发现和可管理；按照训练管理领域数据元素通用要求，通过数据元素字典表和数据元素交换表，实现各类数据对象动态交换和按需集成；采用数据按权订阅分发的方式，提供全网分布式数据订阅分发服务，用户按照权限共享数据检索和下载服务；利用数据分发通道动态管理技术手段，达到节约网络资源、避免网络拥塞的目的。

3.3 智能查询与大数据可视化

飞行员生理心理个性化训练管理系统采用的技术主要是利用视觉效果，通过时间序列、逻辑关系等不同维度，把训练数据呈现出来，重点对进行核心模块训练的人员，进行训练数据的快速精准展现，使受训及指导实时理解数据评估训练，智能调整训练，从而提升飞行员训练决策能力和训练实效。

智能即时查询技术通过图形化的界面轻松搭建专业水准的可视化应用和智能化数据挖掘分析，满足训练监控、运动伤病风险预警、训练成效分析等需求；大数据可视化技术主要将数据展示和互动体验相结合，实现技术与训练的完美融合，适用于训练决策、训练情况汇总、训练评估等需求。

3.4 智能数据建模生成个性化训练方案及计划

飞行员生理心理个性化训练管理系统可通过智能数据建模技术自动生成个性化训练方案及计划，为飞行员提供运动处方应用服务，平台可提供多种预设的运动处方供训练人员进行选择，同时训练指导人员也可根据飞行员的训练情况进行定制化调整，以保证飞行员的训练质量提升以及中心平台的数据更新。

智慧强健中心有别于传统训练，其核心要素在于建模，通过数据模型来驱动训练环节五要素“DEASM”，即需求（Demand）→检测（Examine）→分析（Analysis）→专项训练（Specialied training）→保持（Maintaining）。同时，智慧强健中心需要具备以下两个特征：（1）是否能够学习人的经验，从而替代人来分析问题和形成决策；（2）是否能从新的训练问题中找出规律并提出解决方案，从而避免问题的再次发生。

4 飞行员生理心理个性化训练管理系统功能模块的实现设计

4.1 基本体能训练管理

根据每名飞行员的初始健康状况、体能水平、心理状态的数据与评估结果，利用大数据、人工智能等技术形成高度个性化的循证训练方案和训练计划，指导飞行员进行科学训练，并提供自助式训练辅助增益手段和训练安全监控手段，实现飞行员训练信息的综合展示与状态预警。建立个体人因数据档案，并能够进行个体、个体与个体、个体与群体在训练科目、能力差异、任务表现、时限等不同维度的数据分析。

主要由多种智能体能训练器材、数据采集设备和数据集市构成，包含力量训练管理模块、速度训练管理模块、耐力训练管理模块、灵敏训练管理模块、协调训练管理模块、柔韧训练管理模块、平衡训练管理模块、体型管理模块以及数据集成管理模块。

4.2 专项训练管理

根据每名飞行员的初始健康状况、体能水平、心理状态的数据与评估结果，利用大数据、人工智能等技术形成高度个性化的飞行员专项循证训练方案和训练计划，指导飞行员进行科学训练，并提供自助式训练辅助增益手段和训练安全监控手段，实现飞行员训练信息的综合展示与状态预警。建立个体人因数据档案。

主要由多种训练设备和数据集市构成，主要聚焦于航空生理层面训练管理，在平台集成管理功能模块上进行统一配置。包括空间定向能力训练、抗疲劳及恢复训练、心理应激训练、心理认知能力评估、心理放松训练、数据集市组成等。

4.3 心理训练管理

心理训练任务管理在平台集成管理功能模块上进行统一配置；测试任务所得到的生理数据、行为数据、量表数据、测试任务数据在数据分析与特性评价系统模块进行计算得到心理评估结果。通过生理心理干预方法。采用专门仪器和手段，具体改变人的某种生理心理状态，以达到最适宜强度、最佳的状态。即通过言语暗示、肢体松弛方法等对自身本体状态进行自我约束的调整练习，改变本体生理、心理状态，达到自我控制、自我调节。

主要由心理应激训练、心理认知能力评估、心理放松训练、数据集市组成。通过心理应激训练过程中收集到的生理相关数据对心理应激能力进行评估。通过PC搭载认知能力测评行为任务和量表对飞行员的时间知觉、空间知觉、速度知觉、注意能力、工作记忆、记忆广度、基本反应等认知能力进行多维度评估。通过心理状态的实时监测，评估应激状态心理效能的影响情况，建立飞行员心理效能评估训练档案。

4.4 综合评估

综合评估是对训练过程中数据采集的多模态数据进行标准化转换、数据清洗、特征提取、特征融合、评估指标运算、数据评估、量化跟踪、数据评估结果展示、模型优化，进行数据批量计算和流式计算，分别计算构成训练飞行员职业效能的体质体能、飞行任务专项、航空心理、飞行任务和绩效五要素，按国际先进的过程管理理论对训练进行阶段性评价，给出阶段性提示和建议，结合飞行员过往训练记录自动生成近期个性化训练方案，为飞行员科学化训练与作战效能的评估提供决策依据。

结合国内外飞行员体能体训的经验和先进手段，形成一个全面、针对性强的训练科目库，规定训练内容、训练方法、训练器材、训练强度和频度。从体质体能、飞行任务专项、航空心理、飞行任务和绩效五大要素中，提取飞行员相关的训练基础数据，进行大数据分布式存储。分布式网络存储系统采用可扩展的系统结飞行构，使用多个存储服务器共享存储负载，利用位置服务器定位存储信息，不仅提高了系统的可靠性，可用性和访问效率，而且易于扩展。根据飞行员训练的时间、频度、强度和动作合理性对训练的质量进行评估打分，运用科学的方法、标准和程序，对行为训练评定任务有关的绩效信息进行标准化转换、数据清洗、特征提取、特征融合、评估指标运算，处理飞行员在操作过程中的行为数据，针对飞行员个体建立生理-心理-行为数据库，分析不同数据对飞行员的影响，并尽可能做出准确评价，计入训练绩效考核。通过数据评估、量化跟踪、模型优化对飞行员的体质体能、飞行任务专项、航空心理、健康状况和绩效进行综合评估、可视化展示。同时对各种异常问题因素进行预警与展示，并结合历史数据、不确定因素进行飞行员训练方案优化迭代。