基于BP神经网络的空管运行品质及服务过程质量的评估系统及方法与流程

本发明涉及控制交通管制技术领域，特别涉及一种基于bp神经网络的空管运行品质及服务过程质量的评估系统及方法。

背景技术：

科学评价空中交通管制运行品质和空管服务过程质量，是确定良好管制运行策略、提升空管服务质量的基本前提和重要内容。因此很有必要对空管运行品质和空管服务过程质量进行有效评价。然而目前的评价过程都是由人工执行，人工按照设定的指标进行相应计算，人工评价存在主观性强、容易出错、效率低等缺陷，因此有必要提供一种客观且高效的评价工具。

技术实现要素：

本发明的目的在于提供一种基于bp神经网络的空管运行品质及服务过程质量的评估系统及方法，以解决人工评价所存在的缺陷。

为了实现上述发明目的，本发明实施例提供了以下技术方案：

一种基于bp神经网络的空管运行品质及服务过程质量的评估系统，包括以下组成模块：

数据项构建模块，用于构建评估所用的数据项，所述数据项涉及运行安全、管理效能、运行效率、文化建设和智能化建设这5个领域；

模型评估模块，其数据输入端与数据项构建模块的数据输出端相连，模型评估模块用于基于bp神经网络构建评估模型，并利用训练好的评估模型对输入的数据项的数据值进行计算，输出得到评估结果。

另一方面，本发明同时提供了一种基于bp神经网络的空管运行品质及服务过程质量的评估方法，包括以下步骤：

基于已构建的评估所用的数据项，计算出各个数据项的数据值，所述数据项涉及运行安全、管理效能、运行效率、文化建设和智能化建设这5个领域；

将计算出的各个数据项的数据值输入已训练好的评估模型，输出得到评估结果；所述评估模型为基于bp神经网络构建的模型。

更具体地，所述评估模型通过以下方法训练得到：

步骤1，建立输入层样本数据；

步骤2，初始设定bp神经网络参数；

步骤3，把步骤1中建立的训练样本数据带入已经设定初始参数的评估模型中进行学习和训练；

步骤4，依据初始设定的评估模型精度要求对bp神经网络各层的误差值进行计算；

步骤5，判断评估模型中的所有样本元素是否都完成了一次训练，如果是则进入接下来的步骤6，否则返回步骤3；

步骤6，判断训练次数是否达到设定的最大值，或者总误差是否达到要求的精度，如果训练次数已经达到最大值或者总误差达到精度要求，则结束训练，否则进入步骤3并修改模型参数继续训练。

再一方面，本发明实施例同时提供了一种包括计算机可读指令的计算机可读存储介质，所述计算机可读指令在被执行时使处理器执行本发明实施例中所述方法中的操作。

再一方面，本发明实施例同时提供了一种电子设备，包括：存储器，存储程序指令；处理器，与所述存储器相连接，执行存储器中的程序指令，实现本发明实施例中所述方法中的步骤。

与现有技术相比，使用本发明系统进行空管运行品质及服务过程质量评估，打破了传统思维模式，利用神经网络构建模型来对空管运行品质及服务过程质量进行评估，客观、准确，不受评估人员主观因素的干扰，准确度高，而且输入数据项后模型自动完成评估，效率高，且降低了工作人员的工作量，使得民航空管系统具有安全性及高效性和稳定性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为实施例中所述的评估系统的组成示意框图。

图2a、图2b分别为实施例中所述的数据项体系图及关联关系图。

图3为实施例中所述数据项的权重分配示意图。

图4为本发明基于bp神经网络的空管运行品质与服务过程质量评估模型图。

图5为实施例中所述的电子设备的组成框图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本实施例中提供了一种基于bp神经网络的空管运行品质及服务过程质量的评估系统，包括数据项构建模块和模型评估模块。

其中，数据项构建模块用于构建评估所用的数据项。

请参阅图2a-b，本实施例中构建的数据项有16个，涉及运行安全、管理效能、运行效率、文化建设和智能化建设这5个方面。需要说明的是，本实施例中涉及的数据项并非是随意设置的，而是采用统计法基于本行业相关要求而设置的，例如《中国民用航空发展第十三个五年规划》、《现代化空管战略》、《民用航空空中交通管理运行单位安全管理规则(中华人民共和国交通运输部令2016年第17号)》、《中国民用航空令(第198号)〈民用航空情报工作规则〉》、《民用航空通信导航监视运行保障与维护维修规程》、《中国民用航空气象工作规则》、《关于进一步提升民航服务质量的指导意见》等。另外，基于目前人工评价，也采用了其中的部分数据项，只是本实施例中的数据项更全面。

另外，针对于各个数据项有相应的计算项。例如，针对于空管安全运行状况数据项，则是通过空管原因事故征候万架次率、空管原因不安全事件万架次率、空管原因造成的重大网络安全事件次数综合计算得到。具体的，针对于各个数据项的计算项以及权重，可以参考图3。图3所示的计算项及权重是根据专家经验得出且经过试验效果比较好的，也许也可以采用其他计算方式，本实施例并不限制于此。

模型评估模块用于基于bp神经网络构建评估模型，并利用训练好的评估模型对输入的数据项的数据值进行计算，继而输出得到评估结果。基于bp神经网络构建的评估模型可以参考图4，管制服务过程质量评估的三个过程对应到了bp神经网络的三个阶段。

具体的，模型评估模块构建评估模型的过程如下：

步骤1，建立输入层样本数据。样本包括训练样本和测试样本，训练样本和测试样本的数量比例可以是8:1，每个样本包括上述16个数据项和对应的一个输出值。样本数据为历史数据，输出值即为评价结果，根据管制单位的需求，将评价等级划分为优、良、中、差4个等级，因此，建立的样本数据中需要包含这4种评价结果的样本。

步骤2，对bp神经网络参数进行初始设定，例如对bp神经网络隐含层节点的数量、误差要求及最大训练次数等相关的参数进行设置。

对应16个数据项构建bp网络的输入层为18个节点，将各个数据项的数据值转换为相应指数后作为输入样本进入bp网络进行计算。

中间层隐含节点数的确定采用试算法，即经过多次训练试验，选择最优的情况，试算后确定选取27个节点。根据管制单位的使用需求将评价等级划分为4个等级，建立样本的期望输出值依次设定为：优:[0.85,1]，良:[0.65,0.85)，中:[0.45,0.65)，差:[0,0.45)。

为了保证计算效率和计算的准确性，例如设置期望误差0.35，最大迭代次数200000。

步骤3，把步骤1中建立的训练样本数据带入已经设定初始参数的评估模型中进行学习和训练。

步骤4，依据初始设定的评估模型精度要求对bp神经网络各层的误差值进行计算，误差计算公式为影响模型误差的因素有两个，分别是其对应的权重值和阈值，因此当计算得到各层bp神经网络的神经元的输出误差后，可以依据误差梯度下降法来顺序变更隐含层的权重值和阈值修正量δvij和δαi，以及输出层的权重值和阈值修正量δvki和δβk，以此来达到模型要求，使模型的误差信号值最小。隐含层和输出层权重值和阈值的修正量见下式：

上式中，“-”表示梯度下降；η为比例系数，取(0,1)之间的常数，可以反映在训练过程中学习的速率。

步骤5，判断评估模型中的所有样本元素是否都完成了一次训练，如果是则进入接下来的步骤6，否则返回步骤3。

步骤6，判断训练次数是否达到设定的最大值，或者总误差(步骤4计算了各层误差，总误差是指完成一次训练之后的所有层误差之和)是否达到要求的精度，如果训练次数已经达到最大值或者总误差达到精度要求，则结束训练，否则进入步骤3以继续进行训练。

步骤7，将测试样本输入训练完成的评估模型中，对评估模型进行测试，得到auc值为0.86，认为该评估模型具有较好的评估效果。

当有待评估的新数据需要评估时，基于已构建的评估所用的数据项，计算出各个数据项的数据值，然后将16个数据项的数据值输入训练完成的评估模型中，即可输出得到评估结果。使用本发明系统进行空管运行品质及服务过程质量评估，客观、准确，不受评估人员主观因素的干扰，准确度高，而且输入数据项后模型自动完成评估，效率高，且降低了工作人员的工作量。

空管单位运行安全和服务过程质量评估的基本理念是结合我国空管运行海量信息数据分析，以量化评价对空管服务质量效能为导向，梳理我国空管对空管服务质量量化评价的指标特征；以空管运行数据采集为抓手，形成适用于我国对空管服务质量评价的数据构成和评价体系，来综合评价空管员的空管效能在特定岗位或特定群体中处于什么样的水平，这样可以更客观地实现空管效能评价的公正性、有效性，实现由定性评价向定量评价的转变，减少评价过程中人的因素，使评价更加客观、科学、合理，能够更加真实地反映空管员的空管服务过程质量水平，实现更好的管控。

空管单位运行安全和服务过程质量评估作为如今民航领域的研究重点，为保障民航运行的高效性和可靠性起到了重要的作用。在研究空管运行品质评估模型的基础上，本发明构建了一种基于量化指标的空管运行品质与服务过程质量评估模型，并引入了bp神经网络方法，实现了该模型的科学评估。

如图5所示，本实施例同时提供了一种电子设备，该电子设备可以包括处理器51和存储器52，其中存储器52耦合至处理器51。值得注意的是，该图是示例性的，还可以使用其他类型的结构来补充或替代该结构，实现数据提取、报告生成、通信或其他功能。

如图5所示，该电子设备还可以包括：输入单元53、显示单元54和电源55。值得注意的是，该电子设备也并不是必须要包括图5中显示的所有部件。此外，电子设备还可以包括图5中没有示出的部件，可以参考现有技术。

处理器51有时也称控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该处理器51接收输入并控制电子设备的各个部件的操作。

其中，存储器52例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其他合适装置中的一种或多种，可存储上述处理器51的配置信息、处理器51执行的指令、记录的表格数据等信息。处理器51可以执行存储器52存储的程序，例如本发明上述系统的功能模块程序，以实现信息存储或处理等。在一个实施例中，存储器52中还包括缓冲存储器，即缓冲器，以存储中间信息。

输入单元53例如用于向处理器51提供各个用户的基础信息。显示单元54用于显示处理过程中的各种结果，例如各项指标数据、评估结果等，该显示单元例如可以为lcd显示器，但本发明并不限于此。电源55用于为电子设备提供电力。

本发明实施例还提供一种计算机可读指令，其中当在电子设备中执行所述指令时，所述程序使得电子设备执行本发明系统所执行的步骤。

本发明实施例还提供一种存储有计算机可读指令的存储介质，其中所述计算机可读指令使得电子设备执行本发明系统所执行的步骤。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成模块及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。