這類參數將在同一行中多次出現-東京NRT
提取進近著陸數學模型中需要的QAR參數，包括襟翼構型、起落架位置、減速板位置、下滑、航向、俯仰姿態、仰角變化率、橫滾姿態角度、下降率、近地警告等等。
圖表6 評價時間函數
三、效能評估
通過分析多機型QAR數據，抽象出計算模型需要的字段和數據，實現字段、數據集和數據域的靈活配置。
單航班評估效能：3秒內得出進近著陸評價結果
每個CSV文件包含多行，每行對應一個數據采集時刻(單位：秒)，即第i行表示QAR記錄過程中的第i秒的飛行參數。每行對應多個QAR采集參數，大部分參數采集頻率為1HZ(每秒采樣1次)，部分參數采集頻率高于1HZ(最大8HZ)，這類參數將在同一行中多次出現，也有部分參數為幾秒采樣1次(最小0.5HZ)，這類參數則隔幾行出現1次，其采集頻次與工程值參數采集模式相關，包括連幀型、跳幀型、超級幀型、雙字槽型和密集采樣型。數據清洗重點完成跨天時間和參數跳變兩大題目。
采用包括堆積圖、散點圖和駕駛艙等可視化手段，直觀呈現進近著陸指標的度量及預警。堆積圖實現分航段總體評估，并在實現同一航段不同指標分布；散點圖呈現從進近到著陸點的能量分布，并能夠識別出偏離航段；駕駛艙實現九大指標的預警分布，含預警次數。
2、多機型模型設計
圖表1 QAR包含全量飛行數據
結合多種可視化圖形，直觀呈現指標及指標走勢，包括堆積圖、散點圖和駕駛艙。
二、關鍵點實現設計
3、進近著陸指標可視化
結合QAR數據采集特點，對異常數據進行識別、刪除和推中斷補全。采用如下方法進行修正：
CSV格式的QAR數據，因采集頻次和跳變的原因，需要對數據進行相關的清洗、截取和修正，才能使用QAR數據進行進近著陸評估。核心步驟如下：
進近著陸是飛行階段中關鍵環節，航空公司投進了大量精力來持續監控和提升飛行員進近著陸的技能水平和運行質量。航空公司都在積極對QAR在進近著陸階段發揮得量化評估作用進行研究和探索，但一直缺乏相對穩定、成熟的數學模型支撐，其評估指標和評估結果依靠飛行員的專業能力，一直缺乏自動、簡單、靈活的專項工具支撐，需要在多個系統中收集數據，通過手工結合Excel的方式進行計算和度量（部分數據分析職員已經開始使用Python來代替Excel），其評估本錢高、周期長，空運報價海運價格，難以實時計算出進近著陸評估結果，更加難以進行趨勢和偏差分析。
圖表4 設計思路
一、關鍵點設計思路
民航資源網2022年10月15日消息：QAR作為全量飛行記錄數據，在飛行品質監控方面發揮越來越大的作用，為航空公司的安全運行和飛行練習提供越來越有力的支撐。
通過以上關鍵設計和實現，有效提升了進近評估效率，飛機落地后5分鐘即可呈現評估結果，實現飛行實時進近評估，通過海量數據批量計算，能夠輔助實現運行趨勢分析和較大運行偏離，極大的節省了數據統計、計算和報告需要投進的人工。
上一篇 金鳳臺山頂休閑公園及攝影棧道工程預計本月底完工-航運
下一篇 調整為解除當日（第0天）起按0、1、2、3天要求檢測-德國海派
