National Transport Library Research Database

Objektiv verifiering av kompetens mha avancerad automation (Objective verification of competence using advanced automation)

Sponsors, duration, budget: Trafikverket ; 2020-08-01 -- 2022-12-31 Registration number:
  • Trafikverket 2020/51335
Subject(s): Online resources: Abstract: Träning och verifiering av kompetens inom flygtrafikledning är kostsamt, omständligt och personalkrävande. Individen som ska verifieras måste tas ur tjänst och ersättas av en likvärdig operatör. Kompetenssäkringen av flygledare genomförs i simuleringar med instruktörer/assessorer (bedömare) och involverar stöd från pseudo-piloter. Det pågår en global diskussion inom branschen om hur mycket av denna kompetenssäkring som kan göras individuellt med hjälp av simulatorer och tekniska lösningar som kan automatisera analysen av operatörens resultat. Nya tekniska möjligheter kopplat till ”Eye tracking”, ”attention guidance” (uppmärksamhetsstyrning) och taligenkänning öppnar för en ännu mer effektiv och objektiv kompetenssäkring och bedömning av prestanda som kan reducera behovet av instruktörer/assessorer och pseudo-piloter. Av stor vikt är att operatören får ”rätt” individanpassat stöd för att utveckla sin kompetens. Flygtrafikledare baserar sina beslut på sin egen bild av trafikläget, förmedlad via olika system (i torn även en vy ut). En flygtrafikledares arbete bygger på förmågan att skapa och behålla lägesbilder (planer, nuläge, utveckling). Flygledaren kan dock inte läsa av all information från systemen exakt samtidigt (Lundberg et al., 2014). Det måste därmed ske i en (blick)sekvens (Lundberg et al., 2015). Systematik i det visuella arbetet krävs för att inte missa något viktigt (Lundberg, 2015; Lundberg et al., 2016; Meyer et al., 2019). Följaktligen är blicksekvenserna det som visar hur flygledaren hämtar in information för att fatta beslut. Vidare ger blicksekvenserna indata till automation genom maskinlärning. I projektet tar vi fram ett koncept för att kunna spela in och analysera blickmönster, för användning i träning och verifiering av kompetens, för areakontroll1. Syftet är att visa ”proof of concept” genom att genomföra s.k. kompetenssäkring med operativ personal inom området flygtrafikledning, och analysera värdet av konceptet tillsammans med instruktörer. Abstract: Training and verification of competence in air traffic control is costly, cumbersome and staff-intensive. The individual to be verified must be removed from service and replaced by one equivalent operator. The competence assurance of air traffic controllers is carried out in simulations with instructors / assessors (assessors) and involves support from pseudo-pilots. It's going on a global discussion in the industry about how much of this skills assurance can be done individually using simulators and technical solutions that can automate the analysis of the operator's results. New technical possibilities linked to “Eye tracking ”,“ attention guidance ”and speech recognition opens for even more effective and objective competence assurance and performance assessment which can reduce the need for instructors / assessors and pseudo-pilots. Of great importance is that the operator receives "correct" individualized support to develop their competence. Air traffic controllers base their decisions on their own image of the traffic situation, conveyed via various system (in towers also a view out). An air traffic controller's work is based on the ability to create and maintain status images (plans, current state, development). However, the air traffic controller cannot read Everything information from the systems at exactly the same time (Lundberg et al., 2014). It must therefore happen in a (glance) sequence (Lundberg et al., 2015). Systematics in the visual work is required for not to miss something important (Lundberg, 2015; Lundberg et al., 2016; Meyer et al., 2019). Consequently, the gaze sequences are what show how the air traffic controller collects information for to make a decision. Furthermore, the gaze sequences provide input data for automation through machine learning. In the project, we develop a concept to be able to record and analyze eye patterns, for use in training and verification of skills, for area control1. The purpose is to show "Proof of concept" by implementing the so-called competence assurance with operational staff in the field of air traffic control, and analyze the value of the concept together with instructors.
Item type: