creexpCrede Experto: транспорт, общество, образование, языкCrede Experto: transport, society, education, language2312-1327Иркутский филиал ФГБОУ ВО «МГТУ ГА»10.51955/2312-1327_2024_3_33creexp-5Research ArticleБЕЗОПАСНОСТЬ НА ВОЗДУШНОМ ТРАНСПОРТЕОЦЕНКА УТОМЛЕНИЯ АВИАЦИОННОГО СПЕЦИАЛИСТА МЕТОДОМ СЛУЧАЙНОГО ЛЕСАAVIATION SPECIALIST FATIGUE ASSESSMENT BY THE RANDOM FOREST METHODhttps://orcid.org/0000-0003-2234-427XЕвсевичевД. А.EvsevichevD. A.

Денис Александрович Евсевичев, кандидат технических наук, доцент 

ул. Можайского, 8/8 Ульяновск, 432071

Denis A. Evsevichev, Candidate of Technical Sciences, Associate Professor

Mozhayskogo street, 8/8 Ulyanovsk, 432071

denistk_87@mail.ruУльяновский институт гражданской авиации имени Главного маршала авиации Б. П. БугаеваUlyanovsk Institute of Civil Aviation named after Chief Marshal of Aviation B.P. Bugaev202425112025033344Copyright © Евсевичев Д.А., 20252025Евсевичев Д.А.Evsevichev D.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://ce.if-mstuca.ru/jour/article/view/5

В статье рассматривается утомляемость летного состава и членов авиадиспетчерской службы как фактор риска, оказывающий влияние на безопасность полетов. Предложенное программное решение на основе метода случайного леса позволяет выявлять состояние утомления у авиационного специалиста после прохождения ряда тестов, оценивающих снижение работоспособности по существующим симптоматическим атрибутам. Внедрение представленного решения в систему управления безопасностью полетов на авиационных предприятиях позволит повысить соответствующие показатели надежности работы как пилотов, так и авиадиспетчеров. 

The article examines the fatigue of flight personnel and members of the air traffic control service as a risk factor affecting flight safety. The proposed software solution based on the random forest method makes it possible to identify the state of fatigue in an aviation specialist after passing a series of tests evaluating a decrease in performance based on existing symptomatic attributes. The introduction of the presented solution into flight safety management systems at aviation enterprises will improve the corresponding reliability indicators of both pilots and air traffic controllers. 

утомлениеоценкастатистикамашинное обучениебинарная классификацияслучайный лесавтоматизацияпрограммаfatigueassessmentstatisticsmachine learningbinary classificationrandom forestautomationprogramReferencesАндронникова Е. А. Методы исследования восприятия, внимания и памяти: Руководство для практических психологов / Е. А. Андронникова, Е. В. Заика. Харьков: Харьковский национальный университет им. В.Н. Каразина, 2011. 161 с.Andronnikova E. A., Zaika E. V. (2011). Methods of perception, attention and memory research : A Guide for practical psychologists. Kharkov: Kharkov National University named by V. N. Karazin, 2011. 161 p. (In Russian)Булатова А. Е. Оценка состояния утомления авиационного специалиста с применением метода дерева решений / А. Е. Булатова, Е. А. Бузаева, Д. А. Евсевичев // Научный вестник ГосНИИ ГА. М.: ГосНИИ ГА, 2023. № 42. С. 49-58. EDN GNZYKR.Bukhtiyarov I. V., Yushkova O. I., Fesenko M. A., Merkulova A. G. (2018). Assessment of the risk of fatigue among workers of neuro-emotional labor. Health Risk Analysis. 1: 66-77. (In Russian) Bulatova A. E., Buzaeva E. A., Evsevichev D. A. (2023). Assessment of the state of fatigue of an aviation specialist using the decision tree method. Scientific bulletin of GosNII GA. 42: 49-58. (In Russian)Гласснер Э. Глубокое обучение без математики. Том 1: Основы / перевод с английского В. А. Яроцкого. М.: ДМК Пресс, 2019. 584 с.Chio K., Freeman D. (2020). Machine learning and security. Moscow: DMK Press, 2020. 388 p. (In Russian)Еникеев Р. В. Методика управления утомляемостью инженерно-технического персонала / Р. В. Еникеев, А.Л. Рыбалкина // XXI век: итоги прошлого и проблемы настоящего плюс. Пенза: ПензГТУ, 2020. № 51. С. 132-137.Doc 9966. Manual for the Oversight of Fatigue Management Approaches. Canada: ICAO, 2016. 195 p. (In Russian)Жерон О. Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем / перевод с английского Ю.Н. Артеменко. Санкт-Петербург: Альфа-книга, 2018. 688 с.Enikeev R. V., Rybalkina A. L. (2020). Methodology for managing fatigue of engineering and technical personnel. XXI century: results of the past and problems of the present plus. 51: 132-137. (In Russian)Мюллер А. Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными / А. Мюллер, С. Гвидо. М.: ИЦ «Гевиста», 2017. 393 с. Оценка риска утомления у работников нервно-эмоционального труда / И. В. Бухтияров, О. И. Юшкова, М. А. Фесенко, А. Г. Меркулова // Анализ риска здоровью. Пермь: ФБУН «Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения» Роспотребнадзора, 2018. № 1. С. 66-77.Ensembles: Gradient boosting, random forests, bagging, voting, stacking. Available at: https://scikit-learn.org/stable/modules/ensemble.html (accessed 05 March 2024).Руководство эксплуатантам по внедрению системы управления рисками, связанными с утомляемостью. Монреаль, Канада: ICAO, 2011. 172 с.Fatigue risk management system (FRMS) implementation guide for operators introduction. Canada: ICAO, 2011. 172 p.Сурина Э. И. Труд и утомляемость. Что такое система управления рисками, связанными утомляемостью СУРУ (FRMS)? // [Электронный ресурс]. – URL: https://ppt-online.org/115414 (дата обращения: 16.06.2024).Glassner A. (2019). Deep Learning: From Basics to Practice. Volume 1. Moscow: DMK Press, 2019. 584 p. (In Russian)Чио К. Машинное обучение и безопасность / К. Чио, Д. Фримэн / перевод с английского А. В. Снастина. М.: ДМК Пресс, 2020. 388 с.Jeron O. (2018). Applied machine learning using Scikit-Learn and TensorFlow: concepts, tools and techniques for creating intelligent systems. St. Petersburg: Alpha Book, 2018. 688 p. (In Russian) Muller A., Gvido S. (2017). An introduction to machine learning using Python. A guide for data professionals. Moscow: IC «Gevista», 2017. 393 p. (In Russian)Doc 9966. Руководство по надзору за использованием механизмов контроля утомления. Монреаль, Канада: ICAO, 2016. 195 с.RandomForestClassifier – scikit-learn documentation (2024). Available at: https://scikitlearn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html (accessed 05 March 2024).Ensembles: Gradient boosting, random forests, bagging, voting, stacking // [Электронный ресурс]. – URL: https://scikit-learn.org/stable/modules/ensemble.html (дата обращения: 05.03.2024).Sklearn.metrics.classification_report – scikit-learn documentation (2024). Available at: https://scikit-learn.org/stable/modules/generated/sklearn.metrics.classification_report.html (accessed 05 March 2024).RandomForestClassifier // [Электронный ресурс]. – URL: https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html (дата обращения: 05.03.2024).Surina E.I. Labor and fatigue. What is the Fatigue Risk Management System (FRMS)? Available at: https://ppt-online.org/115414 (accessed 16 June 2024). (In Russian)Sklearn.metrics.classification_report – scikit-learn documentation // [Электронный ресурс]. – URL: https://scikit-learn.org/stable/modules/generated/sklearn.metrics.classification_report.htmlt-SNE in machine learning (2024). Available at: https://biconsult.ru/products/t-sne-v-mashinnomobuchenii (accessed 05 March 2024). (In Russian)(дата обращения: 05.03.2024).van der Maaten L., Hinton G. (2008). Visualizing Data using t-SNE. Journal of Machine Learning Research. 9: 2579-2605.t-SNE в машинном обучении // [Электронный ресурс]. – URL: https://biconsult.ru/products/tsne-v-mashinnom-obuchenii (дата обращения: 05.03.2024).t-SNE в машинном обучении // [Электронный ресурс]. – URL: https://biconsult.ru/products/tsne-v-mashinnom-obuchenii (дата обращения: 05.03.2024).van der Maaten L. Visualizing Data using t-SNE / L. van der Maaten, G. Hinton // Journal of Machine Learning Research. 2008. № 9. pp. 2579-2605.van der Maaten L. Visualizing Data using t-SNE / L. van der Maaten, G. Hinton // Journal of Machine Learning Research. 2008. № 9. pp. 2579-2605.

The authors declare that there are no conflicts of interest present.