管制员不良工作状态特征调查研究

张兴俭，白 鹏

（中国民航大学天津市空管运行规划与安全技术重点实验室，天津 300300）

研究表明航空运行不安全事件约有75.5%与人为因素相关，而人为因素中与管制员相关的约占72%[1]，减少管制员人为差错成为提高航空安全途径之一。管制员工作时的不良状态如疲劳、紧张、压力、急躁、消极、生病等，对工作质量具有明显的负面影响，是造成其人为失误的主要原因之一。空管一线研究者总结发现，管制员的不良心理状态会明显削弱管制工作能力，严重威胁管制安全[2-5]。陈芳等[6]通过建立模型对管制员安全能力的评估表明，意识和身体素质是影响管制员安全能力的组成因素。虽然不良状态影响管制安全得到认同，但其具体分布特征及对管制能力造成的影响特征尚不明确，而这对制定相应对策、提升管制安全具有重要支撑作用。

1 管制员不良工作状态影响原因与分析

导致管制员不良心理状态的因素一般包括工作因素和社会家庭因素。工作因素如责任、压力、负荷过重、工作疲劳、工作环境或管理因素等[5]；社会家庭因素如社会地位、职位、不良遭遇、生活困难或家庭事务等。目前对不良状态特征的研究主要集中于疲劳这一典型状态，空管部门均制定了相关规章进行防范。一些研究者对管制疲劳产生的原因、引起的差错或疲劳影响因素进行了分析，并提出对策[7-10]，表明疲劳产生与睡眠节律、工作负荷等因素相关，且会影响管制员知觉功能。除个人因素外，管制员所处各种管制情景如流量、管制类型等因素与不良状态同样息息相关，管制员受各种个体因素影响，且管制能力无法适应所处管制情景，导致了多种不良工作状态的出现。掌握不同条件的不良状态特征对其风险对策与管理至关重要。因此，为把握不良状态细节特征，向一线管制员开展问卷调查，收集管制不良状态数据，结合工作岗位、工龄、管制类型、流量水平4种管制因素，运用统计方法分析不良状态的分布及其与管制因素关系，对疲劳、紧张两种典型不良状态进行详细调查分析，揭示二者发生情景，探讨不良状态影响管制能力特征及其与管制因素关系。

2 调查内容设计及数据收集

2.1 调查内容设计

调查内容设计是获取管制不良状态特征数据的前提。调查对象涵盖区域、进近和塔台3种管制类型，带班主任和管制员2种岗位以及不同流量水平。为提高答卷效率及所得答卷内容的可信性，调查题目设计以选择题为主。调查内容如下。

首先，调查管制员信息及工作特征，包括岗位、工龄、管制类型、流量水平等。

其次，设计不良状态分布情况调查内容。参考已有研究总结的不良状态[1-5]，设置“疲劳、紧张、压力、烦躁消极、带病值班、不良心情”6种不良状态选项，询问存在情况。另外，将管制员工作过程中最常见的不良状态“疲劳”与“紧张”作为调查重点，收集询问这两种状态主要出现的情景。疲劳一般与睡眠和劳累相关，为疲劳设置备选情景包括“深夜航班较少、长时间工作、高负荷工作、日常值班”4个选项；而紧张则可能与管制技能及工作情景相关，为紧张设置的情景包括“新手值班、指挥失误、流量较大、应急处置、压力较大”5个选项。

最后，调查影响特征。问卷设计中，调查了不良工作状态对管制的整体影响，设置“无影响、轻微影响、有影响、较大影响、严重影响”5个水平选项，分别对应影响程度0～4。详细调查了疲劳、紧张两种状态造成的影响特征，设计选项主要包括反应特征、指令发布、情景意识、管制效果、注意力、视力、思维能力等方面。

2.2 数据收集

为保障收集数据的质量，调查主要通过管制单位调研并向管制员内部发放电子问卷形式完成，调查中详细说明要求，请管制员认真填写并提供少许报酬。问卷收集时，严格控制问卷质量，除去答卷时间低于30 s及明显随意填写的问卷。最终共收集到有效问卷458份，管制员地点分布于天津、石家庄、长沙、南昌、包头、郑州、上海、北京、新疆、海南等地。所收集问卷的岗位、工龄、管制类型、流量水平等各方面管制因素下的数量分布如表1所示。其中，工龄分为3类，低于2年一般为新手，处于工作适应期；2～5年则基本成为熟练管制员；工龄5年以上则定义为资深管制员。

表1 问卷数据的数量分布Tab.1 Quantitative distribution of survey data

3 数据分析

调查数据以选择题为主，对每个选项只有0与1两种结果。分析中主要统计每个选项得到所有管制员选择的比例来说明选项内容的分布程度，定义为选择率；为了分析不良状态及其特征与管制因素的关系，运用二元logistic回归方法分析说明管制因素对各个选项选择率的影响特征。

二元logistic回归方法是一种广义的线性回归分析模型，主要应用于针对因变量y只取0和1情况的分析，其模型为

其中：p为因变量y为1的概率；βi为回归系数。

该方法主要用于检验因果关系假设及两分类预测等。研究中将状态及特征调查各选项作为因变量，是否被选择对应1和0，岗位、工龄、管制类型、流量水平4种管制因素为自变量，检验自变量对应的回归系数是否为0。若存在显著性（sig.＜0.05）则表明系数不为0，说明自变量对因变量的发生概率具有显著影响，即对应管制因素水平的不同会导致调查结果分布的明显差异；否则即为无影响。分析中根据各管制因素系数显著性结果探讨其影响特征。

3.1 分布特征

对问卷中不良工作状态存在情况进行统计，结果如图1所示。在问卷所提供的不良状态选项中，82.5%的调查对象承认存在疲劳状态，一半以上的管制员承认存在紧张、压力、不良心情状态，表明了多种不良状态存在于管制工作中。

图1 不良状态分布Fig.1 Distribution of bad states

对不良状态被选情况与管制因素影响关系进行分析，其logistic回归中管制因素回归系数显著性水平如表2所示。

表2 不良状态分布与管制因素关系Tab.2 Relation between distribution of bad states and control factors

从表2中可发现，流量水平对于除带病值班以外的其他不良状态选项均具有显著影响，流量水平影响下的不良状态分布如图2所示。可见大流量时各种不良状态选择率均明显偏高，表明管制员在流量较大时更容易出现不良工作状态。不难理解，较大流量时的复杂性使管制员更容易产生劳累，同时增加管制压力与精神紧张，对情绪及心态造成不良影响。

表2还显示工龄因素对烦躁消极状态分布具有显著影响，随着工龄增加，烦躁消极状态选择率逐步升高（低龄33.4%，中龄44.5%，高龄64.7%）。而不同管制类型时紧张与不良心情状态分布具有明显差别（紧张状态：塔台50%，进近58.3%，区域40.0%。不良心情：塔台52.7%，进近70.8%，区域53.3%）。两种不良状态在进近管制中具有较高的选择率，这可能与进近管制相对复杂的管制调配需求相关。

图2 不良状态在不同流量水平下的分布Fig.2 Bad states distribution under different traffic flows

针对疲劳状态出现的情景进行统计，其分布如图3所示，其中3种情景易出现疲劳状态，长时间、高负荷工作尤其明显，说明大量工作任务本身便是导致疲劳的因素。

图3 疲劳出现情景分布Fig.3 Distribution of fatigue scenario

各情景受4项管制因素影响的显著性分析结果如表3所示。可以发现，高负荷工作情景下的疲劳选择与管制类型和流量水平两项因素显著相关。统计该情景下各管制类型选择率分别为塔台76.8%，进近91.7%，区域66.7%，即在进近管制时疲劳选择率明显偏高；各流量水平分别为较小70.0%，适中72.3%，较大89.0%，即随着交通流量的增加，选择率水平明显增加。可以推断：深夜值班情景的疲劳主要源于管制员睡眠节律导致的困倦及航班较少导致的松懈，会出现困倦情况，管制因素影响甚微；长时间工作则是工作任务本身造成的劳累，与管制因素关系较小；高负荷工作导致疲劳也是大量工作任务所致，流量增大导致负荷增加，则更容易出现疲劳状态；高负荷工作情景在进近管制时较高的选择率也表明了同等流量下，进近管制负荷更高，更易出现管制疲劳。

表3 疲劳出现情景受管制因素影响特征Tab.3 Effect of control factors on fatigue scenarios

针对紧张状态出现情景的统计分布如图4所示，各个情景下都具有较高的选择率，说明其均是易出现紧张状态的情景。

图4 紧张出现情景分布Fig.4 Distribution of nervous scenarios

各情景与管制因素关系分析结果如表4所示，工龄因素对新手值班、应急处置、压力较大3种情景下的紧张状态选择率均具有显著影响，细节分布如图5所示。

表4 紧张出现情景受管制因素影响特征Tab.4 Effect of control factors on nervous scenarios

图5 与工龄显著相关紧张出现情景分布Fig.5 Distribution of nervous scenarios obviously effected by working age

从图5中可看出：对于新手值班情景，低工龄管制员的选择率明显偏高，即相比之下，新手管制员可能更易出现紧张状态；对于应急处置、压力较大两种情景，选择率明显偏高者均是高工龄管制员，这可能与其丰富管制经历和经验有关，更能体会并认同这些因素能够导致紧张状态。

表4同时表明：受管制类型因素影响的情景为流量较大，各管制类型导致紧张的选择率分别为塔台76.8%，进近90.5%，区域72.2%，即进近管制时的大流量更容易导致紧张状态，这可能与同流量时进近管制复杂的运行调配需求相关；受流量水平因素显著影响的情景为流量较大和应急处置，流量较大因素导致的紧张选择率分别为较小75.0%，适中80.6%，较大82.4%，应急处置导致的选择率分别为较小66.7%，适中86.1%，较大92.6%。前者是流量本身问题，选择率自然随着流量水平增大而增加。而后者随着流量增加紧张选择率增加则容易理解，即大流量时应急处置难度的增加易导致紧张状态的产生。

3.2 影响特征

不良状态对管制能力影响水平调查显示，在0～4的5个水平的调查中，97.4%的对象选择了“有影响”及以上，总体影响程度平均水平为2.58，即处于“有影响”至“较大影响”之间，表明不良状态对管制工作造成了明显影响。研究以疲劳、紧张两种典型不良状态为对象进行深入分析，明确管制能力受影响情况。统计选择率时，均是仅使用管制员承认存在疲劳、紧张对应状态的问卷数据。

首先，统计疲劳状态影响特征，选择率分布如图6所示。除视力模糊选项选择率明显较低外，其余选项均得到50%以上管制员认可，说明疲劳因素对管制能力的削弱面较多，其中，反应迟钝选项得到近80%管制员的选择，表明反应能力受疲劳影响突出。

图6 疲劳状态影响特征统计Fig.6 Influencing feature statistics of fatigue

疲劳影响特征选项与管制因素关系分析结果如表5所示。工龄显著影响指令失误及注意力不集中两种特征：前者在低工龄时的选择率为65.6%，中工龄57.5%，高工龄79.3%；后者在低工龄时59.4%，中工龄52.1%，高工龄71.3%。两种特征均是高工龄时选择率最高，中工龄最低，这应与高工龄管制员的体力偏差以及低工龄管制员的经验欠缺相关。管制类型与忘记航空器状态、态势把控力下降及排序不合理3项特征选择率显著相关，其分布如图7所示。

表5 疲劳影响特征与管制因素关系Tab.5 Relation between control factors and influencing features of fatigue state

图7 管制类型显著影响的疲劳状态影响特征分布Fig.7 Influencing feature distribution of fatigue significantly effecting affected by ATC type

从图7中可见，管制类型中进近管制时的选择率明显升高，即此时受疲劳影响更明显，也再次表明进近管制较高的复杂性，对管制员管制能力和状态的要求更高。

从表5中可看出，流量水平与其中的5个影响特征选项的选择率均具有显著相关性，其选择率分布如图8所示，5项特征选择率均随流量的增加而升高，表明流量越大，疲劳对管制工作造成的不良影响越突出，这应与大流量时更重的工作负荷及更高的管制能力需求相关。

图8 流量水平显著影响的疲劳状态影响特征分布Fig.8 Influencing feature distribution of fatigue significantly affected by traffic flow

紧张状态造成影响特征的选择率统计如图9所示，视力模糊选项选择率明显较低，说明紧张状态同样几乎不会影响管制员视力。而其余8个选项选择率处于50%～80%，表明紧张状态也在多方面对管制员的能力造成了一定削弱。

图9 紧张状态影响特征统计Fig.9 Influencing feature statistics of nervousness

紧张影响特征选项与管制因素关系分析如表6所示。工龄因素对其中4个特征的选择率均具有显著影响，其具体分布如图10所示。

表6 紧张影响特征与管制因素关系Tab.6 Relation between control factors and influencing features of nervous state

图10 工龄显著影响的紧张状态影响特征分布Fig.10 Influencing feature distribution of nervousness significantly affected by working age

从图10中可看出，各特征选择率随着工龄的增加而升高，这可能同样与高工龄管制员的丰富经验相关。从表6还可看出：管制类型因素主要影响排序不合理的特征，其选择率分别为塔台管制60.7%，进近管制61.9%，区域管制38.9%，前两者明显高于后者，这可能与区域管制中相对较少的排序需求相关；流量水平因素显著影响指令失误、态势把控力下降及管制混乱3个特征的选择率分布，细节分布如图11所示。同样显示了大流量时3种影响特征的选择率增高，表明大流量时的紧张状态造成的影响更为明显。

图11 流量显著影响的紧张状态影响特征分布Fig.11 Influencing feature distribution of nervousness significantly affected by traffic flow

4 结语

针对管制工作中存在的管制员不良工作状态及其影响特征，通过向一线管制员问卷调查方式采集数据，区分不同管制因素，分析典型不良状态的分布特征及不同管制因素下的差别，探讨了不良状态对管制能力的影响特征。主要结论如下。

1）管制工作中存在多种不良状态，分布特征与管制因素相关，工龄、管制类型及流量水平对于一些不良状态的出现具有明显影响，其中流量水平影响突出，流量增大时出现不良状态的可能性更高。

2）疲劳状态易出现情景主要出现在管制任务较重及深夜值班时，紧张状态易出现情景则包括应急、大流量、高压力、失误及新手值班等方面。管制因素与管制情景对不良状态的产生有交互影响，不同情景下出现疲劳、紧张状态情况与工龄、管制类型、流量水平等管制因素相关。

3）疲劳与紧张状态均对管制能力的众多方面造成明显影响，且影响情况与工龄、管制类型、流量水平相关，其中流量水平因素对疲劳导致管制能力变化特征的影响最突出，而工龄因素对紧张导致管制能力变化特征的影响最明显。

研究通过调查方式采集数据，以主观数据为主，下一步研究需对各项客观特征开展分析。研究结果有望为进一步完善管制员工作管理制度、管制员不良工作状态对策设计提供支持，为更合理的管制工作排班设计提供参考。