叢 瑋，胡明華，王艷軍

(1. 南京航空航天大學(xué)民航學(xué)院 南京 211106; 2. 國家空管飛行流量管理技術(shù)重點實驗室 南京 211106)

基于歷史數(shù)據(jù)的管制員通信行為特征分析

叢 瑋1,2，胡明華1,2，王艷軍1,2

(1. 南京航空航天大學(xué)民航學(xué)院 南京 211106; 2. 國家空管飛行流量管理技術(shù)重點實驗室 南京 211106)

管制員的語音通信行為對空中交通的安全高效運行至關(guān)重要。借鑒人類動力學(xué)的理論和方法，深入分析了北京、上海、重慶和貴陽4個地區(qū)繁忙扇區(qū)的管制員語音通信數(shù)據(jù)，通過研究其時間分布特征挖掘了空中交通管制員的動力學(xué)行為。首先使用去趨勢波動分析法發(fā)現(xiàn)管制員通信間隔時間的長程相關(guān)性；然后使用最大似然估計法近似判別所有通信間隔時間較符合逆高斯分布，而通信時間間隔大于11 s的數(shù)據(jù)更符合冪律分布特征，且冪指數(shù)1.8α≈。分析結(jié)果表明，人類在面臨壓力時執(zhí)行任務(wù)的動力學(xué)行為與其他日常行為相似，行為發(fā)生的間隔分布具有重尾特征，個體的分布具有差異性；管制扇區(qū)的類型，即區(qū)域管制扇區(qū)和進(jìn)近管制扇區(qū)對管制員行為特征的影響不明顯。

空中交通管制; 通信行為; 重尾分布; 人類動力學(xué); 長程相關(guān)

為便于管理，管制空域被劃分為若干個扇區(qū)。每個扇區(qū)通常配置1～2名管制員，使用唯一的頻道與飛行員進(jìn)行語言通信。管制員與飛行員的通信(稱為陸空通信或陸空通話)必須清晰、簡潔，以確保交通運行的安全和高效。為了最大利用通信頻道的容量、減少曲解通話內(nèi)容的風(fēng)險，國際民航組織制定了標(biāo)準(zhǔn)的陸空通話用語。盡管空中交通管理系統(tǒng)的自動化程度與日俱增，但管制員將一直處于系統(tǒng)的核心。作為系統(tǒng)的決策者和執(zhí)行者，管制員的行為與系統(tǒng)的安全、效率密切相關(guān)。除極少數(shù)管制扇區(qū)測試使用數(shù)據(jù)通信技術(shù)外，語音通信是大多數(shù)管制中心“管制員—飛行員”通信的主要方式。因此，管制員的語音通信行為對空管系統(tǒng)有著直接的影響。分析管制員通信數(shù)據(jù)已有較長的歷史，但過去的研究重點在于度量和預(yù)測工作負(fù)荷[1-5]，側(cè)重于分析通信行為和工作負(fù)荷的關(guān)系，忽略了通信行為本身的動力特征。文獻(xiàn)[6]對人類的書信通信行為和Email通信行為進(jìn)行分析，發(fā)現(xiàn)人類日常行為時間分布與曾假設(shè)的泊松分布不同，具有重尾特征，可以用冪律分布描述。此后，越來越多的學(xué)者發(fā)現(xiàn)人類連續(xù)行為之間的間隔時間并不是隨機(jī)的，表現(xiàn)為在較長的非行為時期后頻繁出現(xiàn)[7-8]。研究發(fā)現(xiàn)，電子郵件、傳統(tǒng)信件、手機(jī)短信、手機(jī)通話等通信行為時間間隔特征均可通過冪律分布刻畫；圖書借閱、金融交易、網(wǎng)頁訪問、在線電影評級等社會日常行為也表現(xiàn)出重尾分布特性[9-22]。

盡管人類動力學(xué)的研究描述了大量行為，但對具有特定任務(wù)的行為卻缺乏相關(guān)數(shù)據(jù)驗證。管制員行為與一般行為相比有獨特性，如對環(huán)境的依賴性以及面臨巨大的時間壓力等。了解管制員行為的基本特征尤為重要。國外學(xué)者對陸空通信時間的特征分布進(jìn)行了初步研究，發(fā)現(xiàn)陸空通信的時間間隔符合對數(shù)正態(tài)分布[23]。本文在前期研究工作的基礎(chǔ)上[24]，現(xiàn)場采集了北京、上海、重慶和貴陽4個地區(qū)部分繁忙管制扇區(qū)的管制通信數(shù)據(jù)，對管制員語音通信的時間行為模式進(jìn)行深入的研究，研究結(jié)果對于分析管制員的行為、預(yù)防管制事故具有重要意義。

1 管制員行為分析

1.1 管制員行為的特征

管制員的行為具有以下3個其他人類行為不具備的明顯特征：

1) 依賴于工作環(huán)境。管制員的主要目標(biāo)是確保航空器在滿足間隔標(biāo)準(zhǔn)的前提下安全到達(dá)目的地?？沼蚪Y(jié)構(gòu)、運行程序和交通狀況都是影響管制員行為的客觀因素。因此從直覺上講，管制員的行為動力特征應(yīng)是針對具體空域單元的，并取決于空域結(jié)構(gòu)、程序和交通狀況。

2) 緊急性。管制員必須在不斷變化的運行環(huán)境中完成很多任務(wù)，并且任務(wù)的時間壓力大。稱職的管制員能夠在有限的時間內(nèi)充分利用資源完成任務(wù)。因此管制員使用的工作策略決定了其行為。

3) 與飛行員的頻繁交互。先前的研究曾經(jīng)根據(jù)指令內(nèi)容將管制通信行為分類[4]，大部分通信內(nèi)容都是與飛行員的交流。當(dāng)飛行員與管制員通話后，管制員都會迅速回應(yīng)。

1.2 管制員語音通信行為的定義

管制員的通信行為定義為：當(dāng)管制員按下通話按鍵向飛行員發(fā)布指令后松開按鍵這一過程，并不考慮指令內(nèi)容。空的指令也視作一個完整的通信行為。如圖1所示。定義每個行為j的開始時間和結(jié)束時間那么可以得到行為的時間長度人類動力學(xué)研究中廣泛分析的兩個指標(biāo)分別是事件間隔時間τ和響應(yīng)時間τw(或等待時間)。在管制行為中，事件間隔時間是管制員連續(xù)兩次通話行為之間的時間間隔，響應(yīng)時間是管制員與同一飛行員進(jìn)行通話行為的時間間隔，本文只研究事件間隔時間。

2 通信行為特征分析

2.1 管制員語音通信數(shù)據(jù)

本文所用通信數(shù)據(jù)來自上海、北京、重慶和貴陽4個地區(qū)的部分繁忙管制扇區(qū)的錄音數(shù)據(jù)。通信時間數(shù)據(jù)現(xiàn)場采集于2012年5月22日～5月25日、6月12日～6月14日。數(shù)據(jù)共包含了81組練習(xí)，涉及13個扇區(qū)，約200個航班，每個地區(qū)的數(shù)據(jù)情況詳如表1所示。

每條通信記錄數(shù)據(jù)中均包含了通信對象、通信開始時間、通信時長、扇區(qū)類型、扇區(qū)名稱、航班號、記錄日期等信息，沒有記錄通信內(nèi)容。

表1 通信數(shù)據(jù)信息

2.2 通信間隔時間序列的相關(guān)性

2.2.1 去趨勢波動分析法

采用去趨勢波動分析法(detrended fluctuation analysis，DFA)判斷通信間隔時間的自相似特征[25-28]。DFA廣泛用于不同領(lǐng)域，如金融、氣候、生理學(xué)等，用于定量分析不同隨機(jī)處理過程的統(tǒng)計特征。DFA方法可以較好地去除時間序列的局部趨勢，避免了將時間序列的短程相關(guān)、非平穩(wěn)性虛假地檢測為長程相關(guān)性[25-26,28]。

假設(shè)時間序列為{xt,t=1,2,,N}，DFA分析方法的詳細(xì)步驟如下：

1) 計算xt的累計離差序列{yt,t=1,2,,N}：

2) 將時間序列yt劃分為Ns個不重疊的區(qū)間，區(qū)間的時間長度相同，均為s，Ns=[N/s](取整)。但時間序列的長度N不一定都是s的整數(shù)倍，因此該情況下會造成對時間序列的數(shù)據(jù)利用不完全。為了解決該問題，可對時間序列yt逆向采取相同操作，最終可得到長度為2Ns的區(qū)間。

3) 使用最小二乘法對每個區(qū)間r進(jìn)行擬合，得到每個區(qū)間的局部趨勢，原時間序列去除對應(yīng)的局部趨勢后的新的時間序列記為：

式中，yt(r)是區(qū)間r的擬合多項式。根據(jù)擬合多項式的次數(shù)，可分為一階DFA(DFA1)，二階DFA(DFA2)等。

4) 計算每個區(qū)間減去趨勢后的方差：

5) 對所有區(qū)間的rF取均方根：

通常，F(xiàn)(s)會隨著時間長度s的增大而增加。利用F(s)和s的雙對數(shù)形式log10F(s)∝?log10s，分析F(s)和s?的線性關(guān)系，可畫出?log10s?log10F(s)的散點圖，更加直觀地判斷時間序列是否具有長程記憶。根據(jù)?的數(shù)值區(qū)間，可以判斷時間序列的相關(guān)性。

1) 0

2) ?=0.5：表示時間序列是白噪聲序列，不相關(guān)；

3) 0.5

當(dāng)5≤s≤N/2時，估計?。

2.2.2 分析結(jié)果

如圖2所示，上海、北京、重慶的數(shù)據(jù)點斜率接近，均在0.8左右，因此數(shù)據(jù)具有長程相關(guān)性。由于貴陽的通信記錄數(shù)據(jù)較少，所以可能導(dǎo)致管制員通信行為的相關(guān)性與其他3個地區(qū)相比不夠顯著，但斜率也在0.64左右。因此，管制員的通信行為是長程相關(guān)的。

圖2 通信時間的長程相關(guān)性

同時，為了進(jìn)一步驗證管制員通信活動間隔時間的相關(guān)性，從個體層面對4個地區(qū)的通信間隔時間分布進(jìn)行計算分析[29]。其中，上海地區(qū)共有12名管制員，相關(guān)性分布區(qū)間為0.55～0.85；北京地區(qū)也有12名管制員參與，相關(guān)性分布區(qū)間為0.51～0.78；重慶地區(qū)共有7名管制員，相關(guān)性分布區(qū)間為0.56～0.80；貴陽地區(qū)共有6名管制員，相關(guān)性分布區(qū)間為0.56～0.82。與群體層面相比，個體層面的相關(guān)性分布區(qū)間略大，但均大于0.5，可見個體層面的管制員通信間隔時間依然是長程相關(guān)的，與群體層面的相關(guān)性一致。

2.3 通信間隔時間分布

泊松分布被廣泛應(yīng)用于多個領(lǐng)域內(nèi)模擬隨機(jī)事件，如機(jī)場航班到達(dá)。人類動力學(xué)的研究則認(rèn)為人的行為符合帶有重尾特征的冪律分布。事實上，直接符合冪律分布特征的經(jīng)驗數(shù)據(jù)較少，在大多數(shù)情況下，只有大于臨界值的數(shù)據(jù)才符合冪律特征[30]。

基于人類動力學(xué)等眾多的研究基礎(chǔ)，可以進(jìn)一步探索中國管制員通信間隔時間的分布規(guī)律。采取最大似然估計法估計間隔時間的分布類型。常用概率密度分布函數(shù)如表2所示。

表3中給出了4個地區(qū)數(shù)據(jù)的擬合結(jié)果。表中冪律分布擬合結(jié)果是基于文獻(xiàn)[31]所提出的方法。LR是對數(shù)似然函數(shù)值比例，可用于判斷擬合結(jié)果的優(yōu)劣，其絕對值越小，擬合結(jié)果越好；是冪律分布函數(shù)擬合中時間間隔的臨界值；Prop是每組數(shù)據(jù)中大于的數(shù)據(jù)比例。觀察各個地區(qū)的估計結(jié)果，不同地區(qū)對于同一類型的分布參數(shù)擬合結(jié)果也較為一致，變化波動較小。而根據(jù)對數(shù)似然比可以發(fā)現(xiàn)，每個地區(qū)不同函數(shù)分布擬合結(jié)果的變化趨勢是一致的，冪律分布最優(yōu)，逆高斯分布其次，泊松分布擬合效果最差。與文獻(xiàn)[30]的研究結(jié)果一致，每個地區(qū)只有大于臨界值的數(shù)據(jù)才能較好地符合冪律分布，而且大于臨界值的數(shù)據(jù)比例均較小(最大只有15%)，所以對于分析通信間隔時間的分布特征不具有普適性。故綜合考慮，近似認(rèn)為逆高斯分布更能反映其分布特征。

表2 概率分布函數(shù)

表3 通信數(shù)據(jù)概率分布擬合結(jié)果

以管制員通信間隔時間τ和概率分布()Pτ為基礎(chǔ)，給出雙對數(shù)形式分布圖，如圖3所示。從圖中可見，數(shù)據(jù)分布形式基本符合逆高斯分布的特點，并且通信行為確實呈現(xiàn)了重尾模式。

對管制員與飛行員的通信時長進(jìn)行統(tǒng)計發(fā)現(xiàn)，管制員完成一次完整的通信需要11 s，包括管制員發(fā)出指令和監(jiān)聽飛行員的復(fù)誦[1]。而在所有81組數(shù)據(jù)中，最長通信時間間隔為240 s時，其累積概率為99.862 7%，幾乎覆蓋了所有間隔時間數(shù)據(jù)。因此，選取通信間隔在11～240 s范圍內(nèi)的數(shù)據(jù)再次進(jìn)行冪律分布擬合，結(jié)果如圖3中斜率為－1.8直線所示，表明在所選時間范圍內(nèi)的時間間隔分布可用冪律分布表示。

圖3 通信間隔時間概率分布雙對數(shù)圖

圖4 不同類型扇區(qū)通信數(shù)據(jù)對比

人類動力學(xué)的最近研究報告指出，人類通信行為的經(jīng)驗數(shù)據(jù)和仿真數(shù)據(jù)還會呈現(xiàn)雙峰分布，并不只是單一形式的冪分布[8]。與文獻(xiàn)[6]模型的重大區(qū)別在于，研究認(rèn)為除了基于優(yōu)先級的排隊決策外，隨機(jī)泊松處理過程、個體之間的交互等也都導(dǎo)致了人類動力學(xué)的重尾特征。因此，管制員在工作時會基于航班的優(yōu)先級指揮機(jī)組，即與飛行員通信，也會與協(xié)調(diào)管制員、其他扇區(qū)的管制員形成交互，而自身的通話也具有一定的相關(guān)性，故符合重尾特征十分合理。

表4 區(qū)域扇區(qū)通信數(shù)據(jù)概率分布擬合結(jié)果

表5 進(jìn)近扇區(qū)通信數(shù)據(jù)概率分布擬合結(jié)果

為了進(jìn)一步分析不同管制扇區(qū)類型對管制員通信行為的影響，將每個地區(qū)的管制員通信數(shù)據(jù)根據(jù)扇區(qū)類型繼續(xù)分為兩類，分別用最大似然估計分析區(qū)域扇區(qū)和進(jìn)近扇區(qū)中通信間隔時間的分布特征。分析結(jié)果如表4和表5所示。

北京地區(qū)通信數(shù)據(jù)中沒有進(jìn)近扇區(qū)，故不在表5中列出。將表4、表5的結(jié)果與表3進(jìn)行對比，發(fā)現(xiàn)不同扇區(qū)類型對結(jié)果并未產(chǎn)生明顯的影響，各地區(qū)區(qū)域扇區(qū)和進(jìn)近扇區(qū)的通信行為分布特征與不區(qū)分扇區(qū)類型時的結(jié)果較為吻合，分布規(guī)律類似。為了更為形象地說明，選取上海地區(qū)的全部通信數(shù)據(jù)、區(qū)域扇區(qū)管制員的通信數(shù)據(jù)、進(jìn)近扇區(qū)管制員的通信數(shù)據(jù)，在雙對數(shù)坐標(biāo)中畫出其通信間隔時間的分布，如圖4所示。通信間隔時間在11～240 s范圍內(nèi)的數(shù)據(jù)冪律擬合的斜率為－1.92，與圖3中擬合結(jié)果α相差不大，表明不同扇區(qū)類型并未對通信行為產(chǎn)生顯著影響。

3 結(jié) 論

對于歷史數(shù)據(jù)的調(diào)查分析有助于發(fā)現(xiàn)人類行為的顯著統(tǒng)計特征，量化理解人類行為背后隱藏的機(jī)制。本文首先闡述了管制員通信行為的基本特征；其次使用去趨勢分析法證實了管制員通信行為長程相關(guān)性；最終分析可知管制員的通信行為具有類似人類日常行為的重尾特性，但也具有其獨特的分布特征。

未來的航空運輸系統(tǒng)將會涌現(xiàn)越來越多的先進(jìn)技術(shù)和運行概念，如基于航跡的運行、4維航跡管理等。新的空管系統(tǒng)將更加安全高效，但管制員在系統(tǒng)中的地位和作用依然重要。本文采用基于數(shù)據(jù)驅(qū)動的研究方法來分析管制員的行為，是對空管系統(tǒng)動力學(xué)一種新的認(rèn)識途徑，同時，也是對人類動力學(xué)研究的一類補(bǔ)充，對于理解和預(yù)測管制員的行為、保障空管系統(tǒng)的安全高效運行具有十分重要的意義。

[1] CARDOSI K. Time required for transmission of time-critical air traffic control messages in an en route environment[J]. International Journal of Aviation Psychology, 1993, 3: 303-313.

[2] CORKER K M, GORE B F, FLEMING K, et al. Free flight and the context of control: experiments and modeling to determine the impact of distributed air-ground air traffic management on safety and procedures[C]//3rd USA/Europe Air Traffic Management R&D Seminar. Naples: [s.n.], 2000.

[3] MANNING C, MILLS S H, FOX C M, et al. Using air traffic control taskload measures and communication events to predict subjective workload[R]. Washington: Federal Aviation Administration, 2002.

[4] MANNING C, FOX C, PFLEIDERER E. Relationships between measures of air traffic controller voice communications, taskload, and traffic complexity[C]//5th USA/Europe Air Traffic Management R&D Seminar. Budapest: [s.n.], 2003.

[5] MANNING C, PFLEIDERER E. Relationship of sector activity and sector complexity to air traffic controller taskload[R]. Oklahoma, Fedral Aviation Administration, Civil Aerospace Medical Institute, DOT/FAA/AM-06/29, 2006.

[6] BARABASI A L. The origin of bursts and heavy tails in human dynamics[J]. Nature, 2005, 435: 207-211.

[7] MALMGREN R D, STOUFFER D B, CAMPANHARO A,et al. On universality in human correspondence activity[J]. Science, 2009, 325(5948): 1696-1700.

[8] WU Y, ZHOU C, XIAO J, et al. Evidence for a bimodal distribution in human communication[J]. Proceedings of the National Academy of Sciences, 2010, 107(44): 18803-18808.

[9] OLIVEIRA J G, BARABASI A L. Human dynamics: darwin and einstein correspondence patterns[J]. Nature, 2005(437): 1251.

[10] MALMGREN R D, STOUFFER D B, MOTTER A E, et al. A poissonian explanation for heavy tails in e-mail communication[J]. Proceedings of the National Academy of Sciences, 2008, 105(47): 18153-18158.

[11] HARDER U, PACZUSKI M. Correlated dynamics in human printing behavior[J]. Physica A: Statistical Mechanics and its Applications, 2006, 361(1): 329-336.

[12] ZHOU T, KIET H, KIM J B, et al. Role of activity in human dynamics[J]. Europhysics Letters, 2008, 82(2): 28002.1-28002.5.

[13] GONZALEZ M C, HIDALGO C A, BARABASI A L. Understanding individual human mobility patterns[J]. Nature, 2008(453): 779-782.

[14] ZHAO Z D, XIA H, SHANG M S, et al. Empirical analysis on the human dynamics of a large-scale short message communication system[J]. Chin Phys Lett, 2011, 28(6): 068901.

[15] WUCHTY S, UZZI B. Human communication dynamics in digital footsteps: a study of the agreement between selfreported ties and email networks[J]. Plos One, 2011, 6(11): e26972.1- e26972.8.

[16] KAN A, CHAN J, HAYES C, et al. A time decoupling approach for studying forum dynamics[J]. World Wide Web, 2012, 1(1): 1-26.

[17] 周濤, 韓筱璞, 閆小勇, 等. 人類行為時空特性的統(tǒng)計力學(xué)[J]. 電子科技大學(xué)學(xué)報, 2013, 42(4): 481-540. ZHOU Tao, HAN Xiao-pu, YAN Xiao-yong, et al. Statistical mechanics on temporal and spatial activities of human[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(4): 481-540.

[18] WANG P, LEI T, YEUNG C H, et al. Heterogenous human dynamics in intra-and inter-day time scales[J]. Europhys Lett, 2011, 94(1): 18005.

[19] 周濤. 在線電影點播中的人類動力學(xué)模式[J]. 復(fù)雜系統(tǒng)與復(fù)雜性科學(xué), 2008, 5(1): 1-5. ZHOU Tao. Human activity pattern on on-line movie watching[J]. Complex Systems and Complexity Science, 2008, 5(1): 1-5.

[20] 韓筱璞, 汪秉宏, 周濤. 人類行為動力學(xué)研究[J]. 復(fù)雜系統(tǒng)與復(fù)雜性科學(xué), 2010, 7(2-3), 132-144. Han Xiao-pu, WANG Bing-hong, ZHOU Tao. Researches of human dynamics[J]. Complex Systems and Complexity Science, 2010, 7(2-3): 132-144.

[21] 李楠楠, 周濤, 張寧. 人類動力學(xué)基本概念與實證分析[J]. 復(fù)雜系統(tǒng)與復(fù)雜性科學(xué), 2008, 5(2): 16-24. LI Nan-nan, ZHOU Tao, ZHANG Ning. Concept and empirical results of human dynamics[J]. Complex Systems and Complexity Science, 2008, 5(2): 16-24.

[22] ZHAO Z D, ZHOU T. Empirical analysis of online human dynamics[J]. Physica A, 2012, 391(11): 3308-3315.

[23] POPESCU V, AUGRIS H, FEIGH K M. A stochastic model for air traffic control radio channel utilization[C]// 4th International Conference on Research in Air Transportation. Budapest: [s.n.], 2010.

[24] YAN J W, FRIZO V, MING H H, et al. Empirical analysis of air traffic controller dynamics[J]. Transportation Research Part C: Emerging Technologies, 2013(33): 203-213.

[25] KANTELHARDT J W, KOSCIELNY-BUNDE E, REGO H, et al. Detecting long-range correlations with detrended fluctuation analysis[J]. Physica A: Statistical Mechanics and Its Applications, 2001, 295(3): 441-454.

[26] KANTELHARDT J W, ZSCHIEGNER S A, KOSCIELNY-BUNDE E, et al. Multifractal detrended fluctuation analysis of nonstationary time series[J]. Physica A: Statistical Mechanics and Its Applications, 2002, 316(1-4): 87-114.

[27] PENG C K, BULDYREV S V, HAVLIN S, et al. Mosaic organization of DNA nucleotides[J]. Physical Review E, 1994, 49(2): 1685-1689.

[28] 吳建軍, 徐尚義, 孫會君. 混合交通流時間序列的去趨勢波動分析[J]. 物理學(xué)報, 2011, 60(1): 019502.1-019502.7. WU Jian-jun, XU Shang-yi, SUN Hui-jun. Detrended fluctuation analysis of time series in mixed traffic flow[J]. Acta Phys Sin, 2011, 60(1): 019502.1-019502.7.

[29] ZHAO Z D, CAI S M, HUANG J M, et al. Scaling behavior owf online human activity[J]. Europhysics Letters, 2012, 100(4): 48004.

[30] MITZENMACHER M. A brief history of generative models for power law and lognormal distributions[J]. Internet Mathematics, 2004, 1: 226-251.

[31] CLAUSET A, SHALIZI C R, NEWMAN, M E J. Power-law distributions in empirical data[J]. SIAM Review, 2009(51): 661-703.

編輯稅 紅

Temporal Characteristics of Air Traffic Controller’s Communication Activities

CONG Wei1,2, HU Ming-hua1,2, and WANG Yan-jun1,2
(1. College of Civil Aviation, Nanjing University of Aeronautics and Astronautics Nanjing 211106; 2. National Key Laboratory of Air Traffic Flow Management Nanjing 211106)

The voice communication of air traffic controllers is critical to the operating safety and efficiency of an air traffic management system. Based on the previous human dynamics studies, air traffic controller’s voice communication data, which were collected from Beijing, Shanghai, Chongqing and Guiyang, are carefully analyzed. The use of detrended fluctuation analysis finds that controller’s communications are long-rang correlated. Five typical statistical models are used to model the inter-communication times of controller. The parameters of the models are estimated by the means of maximum likelihood estimation. Our results show that although the inverse Gaussian distribution is better to describe all the inter-communication data approximately, the inter-communication data that fall between 11 seconds and 240 seconds can be better described by the power-law distribution with exponent α ≈ 1.8. Comparisons on the data from en route sectors and approach sectors further shows that there is little difference on the power-law distributions, indicating that sector types has little impact on air traffic controller’s communication activities.

air traffic control; communication behavior; heavy-tailed distribution; human dynamics; long-range correlation

TP13; U8

A doi:10.3969/j.issn.1001-0548.2015.04.024

2014 ? 03 ? 26；

2014 ? 09 ? 05

國家自然科學(xué)基金(61304190)；江蘇省自然科學(xué)基金(SBK201343292)

叢瑋(1988 ? )，男，博士生，主要從事空中交通復(fù)雜特征分析、管制員動力學(xué)行為分析等方面的研究.