一种用于预测机组人员睡眠概率分布的方法及系统

摘要: 本发明属于航空航天,涉及机组人员的睡眠概率,尤其是一种用于预测机组人员睡眠概率分布的方法及系统。背景技术:1、在执行长途跨时区飞行时,机组人员会出现昼夜节律失调...
一种用于预测机组人员睡眠概率分布的方法及系统

本发明属于航空航天,涉及机组人员的睡眠概率,尤其是一种用于预测机组人员睡眠概率分布的方法及系统。

背景技术:

1、在执行长途跨时区飞行时,机组人员会出现昼夜节律失调和睡眠障碍的问题,严重影响其休息质量和后续作业的警觉性。现有的睡眠预测模型广泛基于睡眠调节的双过程模型,即认为睡眠/觉醒周期由内稳态过程和昼夜节律过程进行调节,存在以下问题:

2、1.未能充分整合社会行为因素和个体决策的变异性,导致在预测现实场景中(如跨时区飞行后的驻外期)群体的睡眠分布时准确性有限;

3、2.未能充分考虑跨时区方向(东向/西向)和时区数量对调整速率的差异化影响,与已知的相位反应曲线(prc)特性及实际调整难度不符;

4、3.模型复杂性与实用性存在矛盾:精细的学术模型参数拟合困难,不利于工程化快速部署;而简化的模型功能单一,无法输出睡眠概率。

技术实现思路

1、本发明的目的在于克服现有技术的不足,提供一种预测精准、实用性高的用于预测机组人员睡眠概率分布的方法及系统。

2、为解决上述问题,本发明的技术方案为:

3、一种用于预测机组人员睡眠概率分布的方法,包括以下步骤:

4、获取机组人员的行程数据和个体睡眠类型参数;

5、基于行程数据,获取机组人员在行程各时间点的预测生物钟相位;

6、通过预测生物钟相位、目的地时间、个体睡眠类型参数,分别计算基于生物钟的睡眠倾向值和基于本地时间的睡眠倾向值;

7、对基于生物钟的睡眠倾向值和基于本地时间的睡眠倾向值进行加权融合,获取机组人员在各时间段内的睡眠概率分布。

8、在进一步的实施例中,行程数据包括出发地时区、目的地时区、飞行方向、航行各阶段的停留时间。

9、在进一步的实施例中,基于行程数据,获取机组人员在行程各时间点的预测生物钟相位,具体包括:

10、基于飞行方向,构建方向性昼夜节律重同步模型;

11、通过方向性昼夜节律重同步模型,获取预测生物钟相位。

12、在进一步的实施例中,通过方向性昼夜节律重同步模型,获取预测生物钟相位,具体包括:

13、计算目的地时间与出发地时间的初始相位差;

14、根据不同的飞行方向、不同的初始相位差,划分三种跨时区情况;

15、根据行程数据对应的跨时区情况,计算预测生物钟相位。

16、在进一步的实施例中,三种跨时区情况包括:

17、飞行方向为西,初始相位差的绝对值大于等于三个小时;

18、飞行方向为东,初始相位差的绝对值大于等于三个小时且小于九个小时;

19、飞行方向为东,初始相位差的绝对值大于等于九个小时。

20、在进一步的实施例中,对基于生物钟的睡眠倾向值和基于本地时间的睡眠倾向值进行加权融合,获取机组人员在各时间段内的睡眠概率分布,具体包括:

21、获取本地适应权重参数和睡眠稳态与预期性行为动态调节变量;

22、通过本地适应权重参数对基于生物钟的睡眠倾向值和基于本地时间的睡眠倾向值进行加权求和;

23、通过睡眠稳态与预期性行为动态调节变量对加权求和的结果进行计算,获得睡眠概率分布。

24、在进一步的实施例中,基于生物钟的睡眠倾向值和基于本地时间的睡眠倾向值均通过基准睡眠概率函数计算;

25、基准睡眠概率函数以时间变量为输入,以个体睡眠类型参数作为函数参数,输出机组人员在各时间段内的睡眠倾向值。

26、在进一步的实施例中,对基于生物钟的睡眠倾向值和基于本地时间的睡眠倾向值进行加权融合,获取机组人员在各时间段内的睡眠概率分布,还包括:

27、根据睡眠概率分布绘制分布曲线,通过分布曲线获取总预测睡眠时长;

28、在分布曲线上设置优化水平线;

29、调整优化水平线的高度,直至由优化水平线与分布曲线的交点所确定的睡眠时段的总时长等于总预测睡眠时长;

30、获取交点对应的睡眠开始时间和睡眠结束时间,适于将睡眠概率分布转换为离散睡眠时段。

31、一种用于预测机组人员睡眠概率分布的系统,包括:

32、数据输入模块,用于获取机组人员的行程数据和个体睡眠类型参数;

33、昼夜节律计算模块,用于基于行程数据获取机组人员在行程各时间点的预测生物钟相位;

34、睡眠概率生成模块,用于计算基于生物钟的睡眠倾向值和基于本地时间的睡眠倾向值,对基于生物钟的睡眠倾向值和基于本地时间的睡眠倾向值进行加权融合,获取机组人员在各时间段内的睡眠概率分布;

35、结果输出模块,用于接收睡眠概率分布,将睡眠概率分布转换为离散睡眠时段。

36、在进一步的实施例中,还包括睡眠预测模块与疲劳计算模块;

37、睡眠预测模块执行用于预测机组人员睡眠概率分布的方法,输出机组人员的睡眠概率分布和/或离散睡眠时段;

38、疲劳计算模块用于接收睡眠概率分布和/或离散睡眠时段,结合机组执勤排班数据计算疲劳风险指标,并根据疲劳风险指标执行航班排班优化和/或疲劳风险预警。

39、与现有技术相比,本发明的有益效果是:

40、1.本方法的模型架构创新,融合生理机制与行为决策,显著提升现实场景睡眠预测精度。本发明突破传统纯生理模型的局限,构建了包含基准方程层、生物钟时移计算层、睡眠负债调制层和核心融合层的层次化预测框架。其中,基准方程定义个体固有睡眠模式模板,辅助方程模拟跨时区后生物钟时移与睡眠负债的动态影响,核心融合方程通过本地适应权重参数w将“按本地时间睡眠”与“按生物钟时间睡眠”两种行为模式进行加权混合。该架构将生理过程中的昼夜节律重同步、睡眠内稳态调节与行为决策中的本地时间适应、预期性睡眠安排整合于同一数学框架,使模型能够更准确地反映现实世界中跨时区人群的群体睡眠行为,为后续疲劳风险评估模型提供了可靠、连续的睡眠概率输入数据。

41、2.本方法设置了差异化方向性节律调整规则,攻克跨时区睡眠预测中方向与幅度适应性难题,预测精度大幅提升。本发明构建了基于飞行方向与初始相位差绝对值分级的差异化节律重同步规则:西向飞行采用第一速率常数,东向常规时差采用第二速率常数,东向大时差则触发相位延迟转换策略。上述规则通过3小时、9小时两级阈值和方向差异化衰减常数,精细刻画了东向飞行生理调整难度大于西向飞行、大时差下人体倾向延迟适应的生理特性。经实测航线数据验证,本发明在全航线场景下群体拟合度r²稳定达到0.73至0.85,远超传统固定参数模型,睡眠时段匹配率可达82%以上,显著提升了跨时区睡眠预测的生物学合理性与工程精度。

42、3.本方法参数化方案简洁,关键参数获取便捷,大幅降低工程化部署门槛。通过模型结构的合理简化与参数预设策略,在保持预测精度的同时降低了模型复杂度:本地适应权重参数w、个体睡眠类型参数均可通过低成本替代性手段(如问卷调研、历史航班适配记录)初步获取,亦可直接采用经实测数据拟合验证的群体通用预设值,无需依赖大量跨时区实验数据进行复杂参数拟合。同时,节律调整规则阈值清晰(3小时、9小时)、速率常数固定,普通航空运维人员经简单培训即可完成系统操作。本发明仅需航班排班表即可开展前瞻性睡眠预测,真正实现了“事前评估”需求,显著降低了模型在航空公司排班系统中的工程化部署难度与运维成本。

43、4.本方法应用前景广阔,适配多种跨时区职业场景,可为航空疲劳风险管理提供全链条技术支撑。本发明不仅可作为独立应用程序,直接评估特定值班表为机组人员提供的睡眠机会充足性;更可嵌入“两步模型”疲劳风险预测体系,将其输出的综合睡眠概率分布作为疲劳计算模块的输入,结合执勤排班数据实现机组疲劳风险指标的量化计算与预警。此外,本发明的模型参数可根据不同群体特征(如不同国籍、不同工龄机组人员)进行灵活调整适配,并可拓展至列车乘务、跨境物流、远洋航运、驻外务工等其他长途跨时区职业人群的睡眠预测与疲劳管理场景。本发明为航空安全审计、排班优化决策和疲劳风险主动预警提供了从睡眠预测到风险评估的全链条技术支撑,具有显著的工业应用价值和社会效益。