打开文本图片集

摘要：作为高度紧张的职业，飞行员的心理健康直接影响其飞行表现，尤其在突发情况中更是存在显著的安全隐患。本研究提出了一种基于人工智能的飞行员心理健康监测与评价体系，以提升航空安全。体系结合智能化信息采集工具与大数据分析，通过微表情情绪识别和生理数据反馈等手段，实现了从静态评估到动态监测的转变。此外，基于生理学的两种外部评估方法使心理健康监测更为客观精准，为飞行员提供个性化的心理支持与干预服务。该体系为飞行员心理健康提供了科学有效的管理模式，从而促进心理健康管理的系统化、智能化发展。

关键词：人工智能技术；飞行员；心理健康监测与评价

一、引言

在民用航空领域，人为因素被广泛认为是导致所有事故的主因，约占事故总数的80%[1，2]。尽管心理健康问题对航空安全的影响显著，但它却往往未被充分视为关键风险因素[3]。美国多年来一直通过现有的心理健康筛查方法对飞行员和空中交通管制员进行心理健康检查，试图确保他们能胜任高风险、高压力的工作。然而，许多专家和业内人士呼吁改变这一方法，认为现有的筛查方式可能在无意中对航空工作人员的心理健康造成负面影响，同时并未完全达到预期的筛查效果[4]。一项针对美国和加拿大5170名飞行员的研究显示，56%的飞行员曾因担心丧失飞行资格而回避医疗服务，选择不对某些症状进行评估，或在健康筛查中隐瞒重要健康信息[4]。这一现象，连同飞行员面临的高压力工作环境和生活压力，对全球航空安全构成了重大隐患。

因此，及时、准确地对飞行员进行心理健康问题的早期识别和及时干预至关重要。本文提出引入人工智能技术，构建全面、科学的心理健康检测与评价系统，帮助提前识别并降低潜在的心理健康风险。

二、认识飞行员常见的心理健康障碍

心理健康障碍是指一系列影响情绪、思维、行为及人际关系的心理问题。目前，面临城市化和互联网化带来的生活压力，抑郁症、拖延症、焦虑症、强迫症、社交恐惧症等新型心理问题正在成为流行的“时代病”[5]。

飞行员长期承受着超负荷的工作强度、频繁的时差反应和不足的休息时间，导致疲劳、倦怠、焦虑、抑郁、慢性压力，进而出现情景意识下降、工作负荷承受能力降低、注意力涣散、视觉运动反应迟缓、注意力不集中以及决策力下降等负面影响，从而危及整体飞行安全，甚至导致重大事故和人员伤亡。

三、心理健康障碍已成为飞行安全中的重大挑战

近年来，飞行员心理健康问题引发的不安全事件逐渐增多，引起了广泛关注。2015年，德国之翼9525航班发生悲剧事件，飞行员故意将飞行撞向法国阿尔卑斯山，机上150人全部遇难[6]。2023年10月，一名阿拉斯加航空飞行员在飞行途中试图关闭飞机引擎，导致航班被迫备降。经查实，事故原因为这名飞行员在事件发生前曾服用迷幻蘑菇，家人称此飞行员正在经历情绪崩溃[7]。这些事件凸显了航空业对更有效心理健康管理措施的需求。

据了解，在飞行员人群中心理健康障碍的患病率在6.7%至12%之间，工作量较大的飞行员的患病率增加到了23.7%[8]，抑郁症和自杀意念的比率分别为12%-13%和4%，这些构成了重大的安全风险[9]Landman， A.等人（2017）在对“处理飞行甲板上的意外事件：惊吓和意外的概念模型”进行研究时，提出急性和慢性心理健康障碍，如焦虑、抑郁、倦怠等对飞行员的工作绩效呈负面影响，如图1所示，尤其是在面对突如其来的意外惊吓情况时，这是众所周知的各种商业航空事故的前兆[10]。

三、导致飞行员心理健康障碍的多方面因素

通常，导致飞行员心理健康障碍的潜在来源有三方面，分别是外部环境因素、组织内部因素、和个人因素。

1. 外部环境因素

外部环境因素的影响在飞行员的生理和心理反应中表现明显。频繁的跨时区飞行和气象变化会导致飞行员的生物钟紊乱、持续疲劳和睡眠质量下降。长期的昼夜节律失调会引发情绪不稳、注意力难以集中等问题，进而影响其执行任务的稳定性和专注力。

2. 组织内部因素

航空公司或航空部门的管理模式和工作氛围对飞行员的心理健康有深远影响。高强度的排班、繁重的工作任务、不灵活的管理制度等因素，加剧飞行员的工作压力。此外，过于严格的绩效考核、有限的休息时间以及缺乏人性化关怀的工作环境，都会引发员工的心理困扰。

3. 个人因素

个体的应激反应、情绪调节能力以及自我认知水平，直接决定了其对压力的适应与应对效果。部分飞行员在长期高压环境下，可能会对自身能力产生怀疑，或因对飞行安全承担高度责任而过度担忧。

四、人工智能为客观、高效的心理健康监测与评价提供了一种新思路

科学有效的心理健康监测与评价能够全面、及时地了解个体的心理状态，识别潜在的心理问题并提供预警，便于进行早期干预。这种系统化的监测不仅帮助个体维持良好的心理状态，还能够降低情绪波动对工作和生活的影响，在高压环境下尤为重要。对于组织而言，这类监测与评价系统是保障人员健康、安全和高效工作的关键措施，有助于整体绩效和安全性的提升。

目前，传统的心理健康检测与评价有四种模式。（1）统计学模式；（2）临床模式；（3）社会规范模式；（4）个人主观经验模式[11]。在四种模式中，统计学和临床较为准确和科学，但仍然存在较大的局限性。临床模式往往由于隐私问题和职业影响而受到飞行员的抵制，使得检测和干预难以顺利进行。而统计学模式则依赖以往的调查数据，参考既定模型对飞行员的自我报告进行评估，这种模式无法真实反映飞行员的心理健康状态。出于对职业资格的担忧和社会赞许的考虑，飞行员可能会隐瞒真实情况，增加结果偏差的可能性。美国联邦航空局（FAA）在关于飞行员心理健康的报告建议中指出，由于心理健康问题的耻辱感、职业影响和经济顾虑，飞行员往往不愿报告心理健康状况，这限制了FAA的安全风险控制能力[12]。即使航空公司在选择量表、设置测试环境、培训评估人员等方面投入大量人力、物力和财力，也难以克服这些局限性。

因此，引入人工智能（AI）技术进行心理健康的检测与评价显得尤为必要。AI技术无需依赖飞行员自我报告，可以通过可穿戴设备和智能监测系统收集飞行员的生理数据，如心率、睡眠模式、皮肤电反应等，综合分析其心理健康状况，识别压力、焦虑、抑郁等情绪的早期症状，干预潜在风险，帮助飞行员进行心理调节。这种方式有效减少了心理健康问题带来的职业影响和耻辱感，有助于提升心理健康问题的识别率，并进一步保障飞行安全。

五、基于人工智能的飞行员心理健康监测与评价体系总体构想

基于人工智能的飞行员心理健康障碍检测与评价体系旨在通过智能信息采集工具和大数据分析，为飞行员的心理健康监测与危机干预提供支持。整体设计包括以下四个部分：首先，采用微表情情绪识别、穿戴式生物反馈设备和问卷访谈等智能化信息采集工具，全面收集与飞行员心理健康相关的数据；其次，构建大数据分析系统，利用算法对收集的数据进行处理，将微表情和生理反馈等指标与飞行员的心理状态进行对比，查看是否存在偏差；第三，进行危机干预，识别并应对可能影响心理健康的危机信号和风险因素；第四，建立基于大数据的成效分析系统，通过智能算法评估干预效果，优化并调整后续干预策略，实现对飞行员心理健康的动态化、有效管理。

整体架构分为四步，如图 2 所示。

第一步，多维度数据采集与基础筛查。

首先，建立多维度数据采集系统，实时获取飞行员的生理和心理状态。这一步结合智能监测设备，如佩戴生理数据手环，记录飞行员的心率、血压、睡眠质量等生理信息，并利用日常心理问卷定期采集心理健康数据。通过这些数据的初步筛查，生成基础心理健康风险评估，以捕捉早期的情绪波动和心理异常信号。

第二步，情绪与行为动态监测系统。

在常规任务和休息期间，引入情绪和行为动态监测系统。例如，基于微表情分析和语音情绪识别，系统能自动捕捉飞行员的情绪状态和变化趋势，以弥补传统自我报告方式可能带来的偏差。此动态监测系统还可结合日常行为数据，如睡眠周期和饮食习惯，识别心理状态的波动性和潜在情绪压力。

第三步，个性化危机干预方案。

基于数据分析生成个性化的危机干预方案，通过AI算法自动匹配适合飞行员的压力管理和心理调节策略。例如，当检测到风险较高时，系统会提供正念冥想、呼吸训练等建议；如有严重情绪波动，可能会自动提示相关人员介入并提供心理辅导。此步骤也可以整合专业心理咨询资源，为飞行员提供无负担的情绪支持服务。

第四步，反馈与持续优化机制。

最后，建立一个反馈与持续优化机制，通过对各项干预措施的成效进行智能分析，调整和优化干预策略。大数据算法会自动分析干预效果，帮助改善算法模型的精准性，以适应飞行员个体的心理状态变化和不同预警级别的需求。每次干预后的反馈数据将被存储和处理，以持续改进整个心理健康监测和危机干预体系，实现动态化、个性化的支持服务。

本研究提出的基于人工智能的飞行员心理健康监测与评价体系主张使用多维指标进行综合分析。这些指标并非简单地将多角度信息融合，而是结合了AI软硬件产品，在确保隐私的基础上，有组织、有系统地对心理健康进行监测和评估。为了排除自我报告的不准确性，该体系还增加了外部评估。外部评估的第一种方式是利用AI工具识别飞行员的微表情情绪识别，捕捉在面对提出情景问题时飞行员的微表情。通过分析微表情差异，系统自动筛查心理健康状态。外部评估的第二种方式是通过生理学监测选择适当的生物学指标，例如与情绪、情感及自主神经系统相关的指标：飞行员的心率、血压、睡眠质量等生理信息。情绪波动会引起焦虑、恐慌和无助等负性情绪，生物反馈数据则为检测飞行员的情绪状态波动提供了科学依据[13]。

六、总结与展望

本研究提出了基于生理学的外部评估方法，通过引入客观生物指标，使飞行员心理健康监测与评价体系得到了显著提升。这种方法突破了传统模式中依赖自我报告的主观性局限，不仅实现了从主观评价到生物指标的客观转变，还推动了从定期、静态筛查到长期、动态监测的升级。以往的心理健康筛查主要集中在工作场所，而本研究提出的体系将数据采集范围扩展至飞行员的家庭环境，以全面考虑家庭结构、氛围等潜在风险因素的影响，增强了数据的丰富性和准确性。

未来，随着新兴技术和移动设备的广泛应用，通过非接触式感知技术将多维指标嵌入便携设备中，有望实现对飞行员情绪和压力状态的实时分析，大幅提升数据采集与监测的效率。这些技术的应用将使心理健康监测和评价体系更加灵活、动态地适应需求，为航空安全管理提供新的可能性。未来的研究还可以进一步优化算法的精准性，探索更多生理与行为指标之间的关联，为飞行员提供更个性化、及时的心理支持和干预服务。

参考文献

[1] Hoyos，J.U.军用航空事故中的人为因素 II：从事故调查委员会（AIB）公开报告中提取的21起美国空军事故摘要[M]. 2023.来源于 https：//www.amazon.com/Human-FactorMilitary-Aviation-Accidents-ebook.

[2] National Commission for Military Aviation Safety （NCMAS）. 2013至2020财年军用航空损失报告：提交给美国总统和国会的报告[R].2020年12月1日.来源于  https：//www.globalsecurity.org/military/library/report/2020.pdf.

[3] Silva， M.， Santos， L. F.， Melicio， R.，等.航空业对飞行员心理健康的关注：综述[J].国际航空航天工程评，2022，15（6）： 294-307; doi：10.15866/irease.v15i6.22645.

[4]国际民航安全快讯.是时候对飞行员的心理健康采取干预行动了[N].世界民航安全信息汇， 2024年6月15日.来源于https：//mp.weixin.qq.com/s/4TAdzEv2_jteWRYY9o_Q0Q.

[5]黄悦勤.中国精神卫生调查概况[J].心理与健康，2018，10：14-16.

[6]Federal Aviation Administration.飞行员健康适航规则制定委员会报告[R]. 2015年11月18日.来源于https：//www.faa.gov/regulations_policies.pdf.

[7] Levinson， J.美国联邦航空管理局的心理健康规定在一名休班飞行员试图关闭引擎后受到关注[N].NPR健康，2023年11月3日.来源于  https：//health.wusf.usf.edu/npr-health/2023-11-03.

[8] Feijó，D， Luiz，R.R， Camara，V.M.，等.民航飞行员中的常见心理疾病[J].航空航天环境医学， 2012， 83（5）： 509-513; doi：10.3357/asem.3185.2012.

[9] DeHoff MC， Cusick SK.商业航空中的心理健康——飞行员的抑郁与焦虑[J].国际航空航天杂志， 2018， 5（5）： 5; doi： 10.58940/23746793.1287.

[10]Landman，A.， Groen，E.L.，Van Paassen，M.M.应对驾驶舱中的突发事件：惊吓与意外的概念模型[J].人类因素，2017，59（8）：1161-1172.doi：10.1177/0018720817723428.

[11]祁双翼，西英俊，马辛.中国人心理健康研究综述[J].中国健康心理学杂志，2019，27（6）：947-953.

[12] 航空规则制定委员会.心理健康与航空医疗许可建议报告[R].2024年4月1日.

[13]王俊秀，高文珺，陈满琪.新冠肺炎疫情下的社会心态调查报告--基于2020年1月24日-25日的调查数据分析[J].国家治理，2020（Z1）：55-64.