[0001] 本发明属于人员培训管理领域，具体是基于机场安全管理的人员培训管理系统。

[0002] 随着航空业的快速发展，机场安全管理的重要性日益凸显。机场工作人员作为保障机场安全运行的关键力量，其专业素质和安全意识直接关系到机场的整体安全水平。

[0003] 现有的机场安全管理人员培训方式主要依赖于纸质教材、视频教学和实地演练，存在培训效率低、针对性不强、效果难以量化评估的问题；同时由于机场安全管理培训多依赖于固定的教学大纲和静态的培训材料，无法根据受训者的实际掌握情况灵活调整培训内容，导致培训效果参差不齐，难以满足现代机场安全管理对人员素质的高要求。

[0004] 因此，本发明提出一种基于机场安全管理的人员培训管理系统，以解决上述技术问题。

[0058] 下面将结合实施例对本发明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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

[0059] 请参阅图1‑图2，本发明第一方面实施例提供了基于机场安全管理的人员培训管理系统，包括：数据采集模块、数据分析模块、安全培训模块

[0060] 数据采集模块：用于获取机场安全管理相关的培训数据；以及，获取机场管理区域的三维数据；

[0061] 数据分析模块：基于培训数据构建知识图谱；基于知识图谱获取受训人员的培训内容；

[0062] 获取机场安全管理相关的培训数据，包括：

[0063] 基于数据库获取机场安全管理相关的培训数据；其中，培训数据包括：安全管理流程、安全案例、培训资料、安全设备操作规程和受训人员的岗位名称以及对应岗位职责。

[0064] 基于培训数据构建知识图谱，包括：

[0065] S1：通过自然语言处理技术从培训数据中提取有关机场安全管理的实体；

[0066] S2：通过语义分析技术提取实体之间的关联关系；

[0067] S3：通过图数据库技术将实体和关联关系映射到图谱中；其中，图数据库技术包括：Neo4j或Dgraph。

[0068] 基于知识图谱获取受训人员的培训内容，包括：

[0069] S1：在知识图谱中查询获取受训人员的岗位名称对应的实体；

[0070] S2：获取与岗位名称实体相关联的岗位职责；

[0071] S3：基于岗位职责的实体通过知识图谱得到受训人员的培训内容。

[0072] 实施例一：假设某机场需要对工作人员或新员工进行机场安全管理的培训；具体过程如下：

[0073] 1.数据采集模块；

[0074] 获取机场安全管理相关的培训数据：从机场的内部数据库中提取安全管理流程、历史安全案例、培训手册、设备操作规程等。例如，安全管理流程包括事故报告程序、紧急疏散流程、危险品处理指南等。安全案例涵盖过去十年内国内外机场发生的所有安全事故，如跑道入侵事件、旅客冲突、设备故障等。设备操作规程包括金属探测器、X光行李扫描仪、自动体外除颤器(AED)等设备的使用和维护指南。

[0075] 获取机场管理区域的三维数据：利用无人机航拍、激光雷达扫描等技术收集机场的三维地形数据，包括候机楼、停机坪、跑道、安检区等区域的高精度模型。

[0076] 2.数据分析模块；

[0077] 构建知识图谱：

[0078] S1：实体提取：通过自然语言处理技术，从培训数据中识别出关键实体，如“紧急疏散”、“跑道入侵”、“金属探测器”、“安检员”、“操作规程”等。

[0079] S2：关联关系抽取：使用语义分析技术，确定实体间的关联，如“紧急疏散”与“疏散路线”、“广播系统”之间的关系，“金属探测器”与“安检员”、“操作规程”之间的联系。

[0080] S3：图谱构建：利用图数据库技术(如Neo4j)，将这些实体及其关系映射到知识图谱中，形成一个结构化的知识网络。

[0081] 培训内容获取：

[0082] S1：岗位名称查询：假设受训人员是一名新入职的“安检员”，在知识图谱中查询与“安检员”岗位名称相关的实体。

[0083] S2：岗位职责获取：提取“安检员”岗位的职责描述，如“执行旅客和行李的安全检查”、“操作金属探测器”、“识别违禁品”等。

[0084] S3：培训内容生成：基于“安检员”的岗位职责，从知识图谱中获取相关的培训内容，包括“旅客和行李安全检查流程”、“金属探测器操作规程”、“常见违禁品识别”等安全案例和培训资料。

[0085] 假设新入职的安检员进行培训：

[0086] 系统根据“安检员”岗位，自动从知识图谱中提取与之相关的培训资料，如《安检操作手册》、《违禁品识别指南》，以及历史上与安检相关的安全案例。

[0087] 通过上述流程，本发明不仅实现了机场安全管理培训数据的结构化和智能化管理，还能够根据受训人员的岗位和职责提供量身定制的培训内容，显著提高了培训的针对性和实效性。

[0088] 实施例二：假设需获取机场消防员的培训内容；具体如下：

[0089] 1.数据采集模块；

[0090] 获取机场安全管理相关培训数据：从机场安全管理数据库中提取与消防安全相关的所有培训资料，包括但不限于消防应急响应流程、火灾案例分析、消防设备使用手册，以及消防员的岗位职责和任职要求。

[0091] 2.数据分析模块；

[0092] 构建知识图谱：

[0093] S1：实体提取：通过自然语言处理技术，从培训数据中识别关键实体，如“消防应急响应”、“火源控制”、“消防栓”、“烟雾探测器”、“消防员”等。

[0094] S2：关联关系抽取：应用语义分析技术，识别实体间的关系，例如“消防应急响应”包含“火情评估”、“人员疏散”、“火源控制”等步骤，“消防员”需要掌握“消防栓”的使用方法，熟悉“烟雾探测器”的工作原理。

[0095] S3：图谱构建：使用图数据库技术(如Neo4j)，将实体及其关联关系存储至图谱中，形成一个关于消防安全的结构化知识网络。

[0096] 3.获取培训内容；

[0097] 针对消防员的培训内容获取：

[0098] S1：岗位名称查询：在知识图谱中搜索“消防员”这一岗位名称，定位其对应的实体节点。

[0099] S2：岗位职责获取：提取与“消防员”实体相连的岗位职责，如“初期火情应对”、“消防设备操作”、“紧急疏散引导”等。

[0100] S3：培训内容生成：基于岗位职责，从知识图谱中获取具体培训内容，包括但不限于“消防应急响应流程详解”、“历史火灾案例分析”、“消防栓和灭火器操作规范”等。

[0101] 4.具体示例

[0102] 假设正在为一名新入职的机场消防员设计培训课程，以下是基于上述模块流程的具体实施步骤：

[0103] 数据采集：从数据库中筛选出与消防安全直接相关的培训资料，包括但不限于机场消防部门的操作手册、近年来的火灾事故报告，以及各类消防设备的使用说明书。

[0104] 知识图谱构建：

[0105] 提取实体：“消防应急响应”、“火源隔离”、“人员疏散”、“消防栓”、“烟雾探测器”、“消防员”等。

[0106] 抽取关系：“消防员”需要了解并能执行“消防应急响应”，包括“火源隔离”和“人员疏散”；“消防员”需掌握“消防栓”和“烟雾探测器”的使用方法。

[0107] 培训内容定制：

[0108] 查询“消防员”岗位，获取其职责范围，如“初期火情控制”、“消防设备操作”等。

[0109] 依据职责，从知识图谱中挑选适合的培训资料，如：

[0110] “消防应急响应流程”：介绍从火警报警到火源控制的整个流程。

[0111] “火灾案例分析”：选取几个典型火灾案例，分析原因，总结教训，提出预防措施。

[0112] “消防设备操作指南”：详细介绍消防栓、灭火器、防烟面具等设备的正确使用方法。

[0113] “紧急疏散演练”：通过模拟场景，训练消防员如何引导人员迅速、有序地撤离现场。

[0114] 通过以上步骤，机场消防员不仅能够全面了解自己的岗位职责，还能掌握实际工作中所需的各种技能和知识，从而提高个人和团队的应急响应能力，确保机场的消防安全。

[0115] 基于三维数据构建机场的虚拟现实三维模型；

[0116] 安全培训模块：基于机场的虚拟现实三维模型对受训人员进行仿真模拟考核，并实时记录考核过程中受训人员的学习数据；以及，基于学习数据计算得到受训人员的培训评估系数；基于培训评估系数与预设阈值判断培训是否合格；是，则完成培训；否，则对培训不合格的受训人员进行辅助培训。

[0117] 获取机场管理区域的三维数据，包括：

[0118] 通过三维采集设备采集机场管理区域的三维数据；其中，三维采集设备包括激光扫描仪、摄像头或者深度相机；三维数据包括：环境三维数据和安全设备三维数据。

[0119] 基于三维数据构建机场的虚拟现实三维模型，包括：

[0120] S1：基于三维数据通过虚拟现实技术构建机场的虚拟现实三维模型；其中，虚拟现实技术包括：数字孪生技术或VR技术；

[0121] S2：通过视觉编程工具为机场的虚拟现实三维模型添加逻辑控制；其中，视觉编程工具包括：Node‑RED或Blockly；逻辑控制包括：安全设备的运行控制、参数调整和环境响应。

[0122] 基于机场的虚拟现实三维模型对受训人员进行仿真模拟考核，并实时记录考核过程中受训人员的学习数据，包括：

[0123] S1：在机场的虚拟现实三维模型设置若干安全管理场景；其中，安全管理场景包括：紧急疏散、火灾应急、危险品处理或应对旅客冲突；

[0124] S2：受训人员对若干安全管理场景进行处理；

[0125] S3：记录受训人员在处理每个安全管理场景的学习数据；其中，学习数据包括：处理操作的正确率和完成时间。

[0126] 基于学习数据计算得到受训人员的培训评估系数，包括：

[0127] 将受训人员处理每个安全管理场景的处理操作的正确率和完成时间分别标记为Z和T；其中，Z＝[Z1,Z2,Z3,…,Zn]，T＝[T1,T2,T3,…,Tn]；

[0128] 通过公式：P＝A×e^[Z/(Z+1)]+B×lnT/(1+lnT)，计算得到培训评估系数；其中，P是培训评估系数，P＝[P1,P2,P3,…,Pn]，A、B是比例系数，且A＞0，B＜0，ln(*)是以自然数e为底的对数函数。

[0129] 需要说明的是，所述A＞0，B＜0是因为处理操作的正确率越高，考核成绩越好，成正比，故A＞0；由于处理操作的完成时间越长，考核成绩越低，成反比，故B＜0。

[0130] 基于培训评估系数与预设阈值判断培训是否合格，包括：

[0131] 将预设阈值标记为Y；其中，Y＝[Y1,Y2,Y3,…,Yn]，n是指在机场的虚拟现实三维模型设置安全管理场景的数量；预设阈值是根据实际机场的培训要求所设；

[0132] 判断P是否大于等于Y；是，则判别为培训合格；否，则判别为培训不合格。

[0133] 参阅图3，对培训不合格的受训人员进行辅助培训，包括：

[0134] S1：获取受训人员培训不合格的安全管理场景；

[0135] S2：通过自然语言处理技术从不合格的安全管理场景中提取有关机场安全管理的实体；

[0136] S3：基于S2中提取的实体通过知识图谱获取相关的培训内容进行复习；

[0137] S4：从数据库中获取相关的视频教程、在线课程链接或专业文献对受训人员进行辅助培训。

[0138] 例如：假设机场需要进行紧急疏散的培训考核；具体如下：

[0139] 1.获取机场管理区域的三维数据；

[0140] 使用激光扫描仪和深度相机对机场内部及周边环境进行三维扫描，收集机场建筑设施(航站楼、跑道、停机坪等)、布局、道路以及安全设备(如自动门、消防栓、疏散指示牌)的精确三维坐标和尺寸数据。

[0141] 2.构建虚拟现实三维模型；

[0142] S1：构建模型：运用数字孪生技术，基于收集的三维数据构建机场的虚拟现实三维模型，包括所有建筑细节和安全设备的位置信息。

[0143] S2：添加逻辑控制：使用Node‑RED工具为虚拟模型中的安全设备添加逻辑控制，如自动门的开闭、消防报警系统的触发机制，以及疏散指示牌的动态显示功能，确保模型能够根据特定事件做出反应。

[0144] 3.安全培训与考核；

[0145] 在虚拟现实三维模型中设定安全管理场景，比如紧急疏散演练，场景中包含多个出口、自动门、消防栓和疏散指示牌。

[0146] 受训人员佩戴VR头显进入虚拟环境，模拟突发火灾情况下的紧急疏散过程，包括正确使用消防栓扑灭小火、遵循疏散指示牌指引快速撤离等操作。

[0147] 实时记录受训人员的操作数据，包括操作正确率(如使用消防栓的成功次数/总次数)和完成时间(从火警报警到完全撤离的时间)。

[0148] 4.计算培训评估系数；

[0149] 假设有三个安全管理场景：紧急疏散、消防栓使用、疏散指示牌识别，分别记为Z1、Z2、Z3和T1、T2、T3。

[0150] 设定比例系数A＝0.6，B＝0.4，预设阈值Y＝[0.55,0.5,0.6]。

[0151] 示例数据：Z＝[0.9,0.85,0.95]，T＝[120,110,100]秒(理想情况下，时间越短越好)。

[0152] 计算培训评估系数P：

[0153] 通过公式：P＝A×e^[Z/(Z+1)]+B×lnT/(1+lnT)，计算培训评估系数；

[0154] P1＝0.6×e^(0.9/(0.9+1))+0.4×ln(120)/(1+ln(120))≈0.493；

[0155] P2＝0.6×e^(0.85/(0.85+1))+0.4×ln(110)/(1+ln(110))≈0.468；

[0156] P3＝0.6×e^(0.95/(0.95+1))+0.4×ln(100)/(1+ln(100))≈0.506；

[0157] 判断培训是否合格；

[0158] 比较P与Y：

[0159] 由于P＝[0.493,0.468,0.506]，Y＝[0.55,0.5,0.6]；

[0160] 显然，P的所有值均小于Y，因此判别为培训不合格。

[0161] 5.辅助培训

[0162] S1：确定不合格场景：受训人员在紧急疏散、消防栓使用、疏散指示牌识别三个场景中均未达到标准。

[0163] S2：实体提取与内容获取：通过自然语言处理技术，从不合格场景中提取实体，如“紧急疏散”、“消防栓使用”、“疏散指示牌识别”。

[0164] S3：复习与培训：基于知识图谱获取与这些实体相关的培训内容，包括复习材料、视频教程和在线课程链接，进行针对性的辅助培训。

[0165] 通过上述过程，机场安全管理人员能够利用虚拟现实技术有效提升员工的应急处理能力和安全意识，确保机场运营的安全与高效。

[0166] 上述公式中的部分数据是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。

[0167] 本发明的工作原理：

[0168] 本发明通过获取机场安全管理相关的培训数据；以及，获取机场管理区域的三维数据；基于培训数据构建知识图谱；基于知识图谱获取受训人员的培训内容；以及，基于三维数据构建机场的虚拟现实三维模型；基于机场的虚拟现实三维模型对受训人员进行仿真模拟考核，并实时记录考核过程中受训人员的学习数据；以及，基于学习数据计算得到受训人员的培训评估系数；基于培训评估系数与预设阈值判断培训是否合格，解决了现有技术的机场安全管理人员培训方式主要依赖于纸质教材、视频教学和实地演练，存在培训效率低、针对性不强、效果难以量化评估等问题；同时由于机场安全管理培训多依赖于固定的教学大纲和静态的培训材料，无法根据受训者的实际掌握情况灵活调整培训内容，导致培训效果参差不齐，难以满足现代机场安全管理对人员素质的高要求的问题。

[0169] 以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。