自动航径管理
深度解析自动化管理核心胜任力的6项行为指标,涵盖FMS使用、模式意识、自动化级别选择、监控等关键能力。FPA是现代飞行安全中最具挑战性的胜任力之一——自动化悖论要求飞行员在依赖技术的同时,始终保持对飞行航径的主动监控与控制。
胜任力概述
ICAO CBTA 官方定义
根据ICAO Doc 9868《基于胜任力的培训与评估手册》,自动航径管理(FPA)的定义为:
✈ ICAO 官方定义
Flight Path Management — Automation (FPA): 通过使用适当的飞行管理、引导和自动化系统来控制飞行航径的能力,包括对自动化系统状态和模式的持续监控,以及在需要时及时选择适当的自动化级别。
深度解读:FPA的核心挑战
FPA不仅仅是"会不会使用FMS"的技术问题,更是飞行员与自动化系统之间人机交互关系的全面体现。在现代玻璃座舱飞机中,自动化系统承担了大量的飞行航径管理任务,但这也带来了一个根本性的矛盾——自动化悖论(Automation Paradox)。
自动化越先进、越可靠,飞行员越容易丧失手动飞行能力和情景意识。当自动化系统出现异常或需要人工介入时,飞行员可能因为长期脱离"飞行回路"而无法及时、准确地接管控制权。这正是FPA胜任力存在的根本原因。
自动化悖论详解
自动化悖论(Automation Paradox)由Lisanne Bainbridge于1983年首次提出,其核心论断是:自动化系统虽然减少了操作员的工作量,但也降低了操作员的参与度,最终可能导致整体系统安全性的下降。
模式混淆
Mode Confusion
飞行员对自动化当前处于什么模式、正在执行什么操作产生误解。这是FPA相关事故中最常见的诱因之一。
自动化依赖
Automation Dependency
飞行员过度依赖自动化系统,即使在手动飞行可能更合适的场景下也不愿或不敢断开自动驾驶。
自动化意外
Automation Surprise
自动化系统执行了飞行员未预期或未理解的操作,导致飞行员感到"惊讶"并可能引发不适当的反应。
自动化悖论不是"自动化不好"的问题,而是"如何正确使用自动化"的问题。FPA胜任力的核心目标是培养飞行员成为自动化的管理者(Manager)而非监督者(Supervisor)——管理者主动参与决策,监督者被动等待异常。
模式意识(Mode Awareness)
模式意识是FPA胜任力的核心能力,指的是飞行员始终清楚自动化系统当前处于什么模式、为什么处于该模式、下一步会做什么的能力。
第一层 — 当前状态:自动化现在在做什么?(如:VNAV PATH、LNAV、FLCH等)
第二层 — 因果理解:为什么自动化在做这个?(如:因为FMS中设置了特定的速度限制)
第三层 — 预测能力:自动化接下来会做什么?(如:在哪个航路点会开始下降、以什么速率下降)
模式意识的培养需要飞行员建立对FMA(Flight Mode Annunciator,飞行模式通告器)的持续扫描习惯。FMA是驾驶舱中最重要的自动化状态指示器,任何模式变化都会在FMA上显示。优秀的飞行员会在每次模式变化时进行口头确认(Callout),确保自己和搭档都了解自动化的当前状态。
FPA不是"会不会用FMS"的问题,而是"是否始终保持对自动化的监控和控制"的问题。一个会编程FMS但从不交叉检查的飞行员,其FPA胜任力水平远低于一个能熟练监控FMA、及时识别模式偏差的飞行员。
6项行为指标深度解析
恰当使用FMS/引导系统
恰当使用FMS意味着:在航路飞行阶段充分利用FMS的横向和垂直导航能力以提高效率;在终端区根据ATC指令灵活调整FMS设置;在进近阶段根据进近类型选择合适的引导模式;在非正常情况下能够快速判断是否应降级或切换引导系统。
✔ 正面行为示例
- 在简令中主动确认FMS设置与飞行计划一致
- 交叉检查FMS航路与ATC许可的一致性
- 及时确认FMS数据库版本和有效期
- 根据运行条件合理设置成本指数(CI)
- 在航路变更时及时更新FMS并交叉验证
- 能解释当前FMS各项参数设置的依据
✘ 负面行为示例
- 盲目信任FMS而不进行交叉检查
- 在不适当的飞行阶段使用高级自动化模式
- FMS数据库过期仍继续使用
- 无法解释当前FMS设置的原因
- ATC更改航路后忘记更新FMS
- 过度依赖FMS而丧失基本导航能力
观察学员是否在简令中包含FMS设置确认环节;在航路变更时是否主动更新FMS;是否能解释当前FMS参数的设置逻辑。特别注意学员在压力场景下是否会"跳过"FMS检查步骤。
每次飞行前花5分钟复习FMS设置逻辑;建立"输入-验证-确认"三步法习惯;练习手动计算基本导航参数作为FMS的备份验证手段。
监控并识别偏差
偏差监控的关键挑战在于注意力分配。自动化飞行时,飞行员容易陷入"自动化使人安心"的心理状态,降低扫描频率。研究表明,自动化飞行时飞行员的仪表扫描频率比手动飞行时降低30%-50%,这是非常危险的。有效的偏差监控需要建立系统化的扫描模式,并保持对关键参数的持续关注。
✔ 正面行为示例
- 建立系统化的仪表扫描模式(如"外-内-外"或"基本T"扫描)
- 持续监控FMA变化,每次模式变化进行口头确认
- 关注自动油门的响应和N1/EPR趋势
- 使用趋势矢量(Trend Vector)预判潜在偏差
- 在偏差出现的早期阶段就进行干预
- 与监控飞行员(PM)保持有效的交叉检查
✘ 负面行为示例
- 长时间不扫描仪表,依赖"自动化在正常工作"的假设
- 忽略FMA上的模式变化
- 只在偏差已经很大时才注意到问题
- 监控飞行员(PM)未能有效执行监控职责
- 过度关注单一参数而忽视整体飞行态势
- 在偏差出现时犹豫不决,延迟采取纠正措施
注意学员的仪表扫描频率和模式是否合理;观察学员对FMA变化的反应时间;评估学员在偏差出现时的干预时机是否恰当。可以通过设置小偏差场景来测试学员的监控灵敏度。
刻意练习系统化仪表扫描;养成每30秒至少一次FMA检查的习惯;在模拟机训练中让教员设置小偏差,训练自己的"偏差嗅觉"。
管理飞行航径
航径管理还涉及对速度/高度限制的严格遵守。在终端区飞行中,250节以下的速度限制、各种高度限制(如交叉高度限制)都需要被精确遵守。飞行员需要理解FMS如何计算和管理这些限制,以及在限制无法满足时应如何处理。
✔ 正面行为示例
- 根据运行需求合理设置成本指数
- 精确遵守所有速度和高度限制
- 主动管理VNAV路径,确保垂直剖面合理
- 根据实时气象条件调整飞行计划
- 在限制冲突时能做出合理的优先级判断
- 理解并能解释FMS的航径计算逻辑
✘ 负面行为示例
- 从不调整成本指数,使用默认值或固定值
- 违反速度或高度限制
- 不理解VNAV路径计算,出现"UNABLE CRZ ALT"等提示时不知所措
- 忽视侧风修正导致航路偏移
- 在下降阶段出现"高/低"态势时处理不当
- 无法解释当前航径参数的设置依据
评估学员对成本指数概念的理解程度;观察学员在下降剖面管理中的表现;检查学员是否主动管理速度/高度限制。特别注意学员在"高/低"态势下的处理能力。
深入学习VNAV路径计算原理;练习不同成本指数对飞行剖面的影响;在每次飞行后回顾航径管理表现,分析是否有改进空间。
使用自动化保持航径同时管理其他任务
现代飞行中,飞行员需要同时处理大量任务:ATC通信、SOP执行、系统监控、燃油管理、气象评估等。自动化航径管理应该为这些任务"释放"认知资源。然而,现实中经常出现两种极端情况:一是飞行员将所有精力都放在自动化管理上而忽视了其他任务;二是飞行员完全依赖自动化而将所有精力放在其他任务上,忽视了对自动化的监控。OB4要求飞行员在这两者之间找到动态平衡。
✔ 正面行为示例
- 合理利用自动化释放的认知资源处理其他关键任务
- 在处理高优先级任务时仍保持对自动化的基本监控
- 能有效进行任务优先级排序,不遗漏关键任务
- 在多任务并行时保持良好的情景意识
- 主动与搭档分担任务负荷
- 在任务负荷过高时主动请求协助或降级自动化
✘ 负面行为示例
- 处理其他任务时完全忽视自动化监控
- 过度关注自动化细节而忽视ATC通信
- 无法同时处理多个任务,出现"隧道视野"
- 任务优先级判断错误,处理低优先级任务而忽视高优先级任务
- 不与搭档沟通任务分配,导致重复或遗漏
- 在工作负荷过高时未能及时识别和求助
在高工作负荷场景中观察学员的任务分配能力;检查学员在处理非飞行任务时是否仍保持基本的自动化监控;评估学员的优先级判断是否合理。可以通过增加并行任务来测试学员的多任务管理能力。
练习"自动化信任但验证"的心态——利用自动化但保持监控;建立任务优先级清单,在高工作负荷时能快速判断;与搭档建立明确的任务分工协议。
及时选择适当自动化级别
Parasuraman、Sheridan和Wickens(2000)提出的自动化四级模型可以作为理解OB5的参考框架:
Level 1 — 信息获取:自动化辅助收集和展示信息(如EGPWS、TCAS)
Level 2 — 信息分析:自动化对信息进行分析和整合(如FMS航径计算)
Level 3 — 决策选择:自动化提供决策建议(如FMC advisories)
Level 4 — 行动执行:自动化直接执行动作(如自动驾驶、自动油门)
在进近阶段选择什么级别的自动化?在非正常/紧急情况下是否应该降级?在低工作负荷阶段是否应断开自动驾驶保持手动飞行技能?这些都是OB5要求飞行员回答的核心问题。
✔ 正面行为示例
- 根据飞行阶段主动调整自动化级别
- 在非正常情况下果断降级自动化至适当水平
- 在低工作负荷阶段有意识地练习手动飞行
- 能清晰阐述选择特定自动化级别的理由
- 在进近阶段根据进近类型和条件选择合适的自动化配置
- 在自动化降级时保持冷静,平稳过渡
✘ 负面行为示例
- 全程使用最高级别自动化,从不手动飞行
- 在非正常情况下仍试图维持高级别自动化
- 对断开自动驾驶感到不安或恐惧
- 无法解释为什么选择当前的自动化级别
- 在需要降级时犹豫不决,错过最佳时机
- 在不适当的飞行阶段使用不匹配的自动化模式
评估学员对自动化级别选择的决策逻辑;观察学员在非正常情况下的自动化降级反应;检查学员是否有意识地练习手动飞行。特别注意学员对"断开自动驾驶"的心理障碍程度。
学习Parasuraman自动化四级模型,建立自动化级别选择的决策框架;每次飞行至少在一个阶段进行手动飞行练习;在模拟机中刻意练习非正常情况下的自动化降级程序。
有效监控引导系统状态和模式转换
FMA(Flight Mode Annunciator,飞行模式通告器)是OB6最重要的工具,被许多航空安全专家称为"驾驶舱中最重要的仪表"。FMA显示了当前所有飞行控制模式的状态,任何模式变化都会在FMA上以颜色变化(绿色=接通、白色=预位、蓝色=armed/激活中、红色/琥珀色=警告)的方式呈现。
"沉默的监控者"是最危险的。当飞行员不再对模式变化做出反应、不再进行口头确认时,模式混淆和自动化意外的风险急剧上升。每一次模式变化都应该被主动监控、口头确认、并与搭档交叉验证。
✔ 正面行为示例
- 每次FMA变化都进行口头确认(Callout)
- 建立规律的FMA扫描习惯(建议每10-15秒一次)
- 能准确解读FMA上所有显示信息的含义
- 在模式转换时与搭档进行交叉确认
- 能预判即将发生的模式转换
- 对不期望的模式转换立即做出反应
✘ 负面行为示例
- 忽视FMA变化,不进行口头确认
- 无法准确解读FMA显示信息
- 对模式转换感到"惊讶"
- 监控飞行员(PM)未能履行FMA监控职责
- 模式转换后不验证新模式是否符合预期
- 对FMA的扫描频率过低或不规律
重点观察学员对FMA变化的反应——是否每次都进行口头确认;确认是否准确完整;反应时间是否合理。可以通过设置非预期的模式转换来测试学员的监控能力和反应速度。
将FMA扫描训练为"肌肉记忆"——每10-15秒扫一次FMA;练习所有常见模式组合的含义解读;在模拟机中让教员设置"陷阱"模式转换,锻炼自己的监控敏锐度。
5分制评分标准
| 分数 | 等级 | 行为描述 | 状态 |
|---|---|---|---|
| 5 | 卓越 | 始终展现出卓越的FPA能力。在所有飞行阶段都能恰当使用FMS和引导系统,主动管理自动化级别,持续保持模式意识。能预判自动化行为,在不期望的模式转换发生前就采取预防措施。在高工作负荷和非正常情况下仍能保持出色的自动化管理能力。 | 超出标准 |
| 4 | 良好 | 在大多数情况下展现出良好的FPA能力。能恰当使用FMS,保持有效的偏差监控,及时识别和处理模式变化。在正常和轻度异常情况下能独立管理自动化。偶尔需要提示,但总体表现稳定可靠。 | 达到标准 |
| 3 | 合格 | 达到基本FPA能力要求。能使用FMS完成基本航径管理任务,能识别明显的偏差和模式变化。在正常情况下能管理自动化,但在复杂或高工作负荷情况下可能出现延迟或遗漏。需要一定的指导才能达到最佳表现。 | 接近标准 |
| 2 | 需改进 | FPA能力存在明显不足。FMS使用不够熟练,偏差监控不够及时,对模式变化的反应较慢。在正常情况下也需要较多指导才能正确管理自动化。存在自动化依赖倾向,手动飞行能力不足。 | 未达标准 |
| 1 | 不合格 | FPA能力严重不足。无法正确使用FMS,缺乏有效的偏差监控,对模式变化缺乏意识。在正常情况下也无法独立管理自动化,存在严重的安全风险。需要系统性的重新培训。 | 严重不足 |
评分应基于可观察的行为证据而非主观印象。每项OB应独立评分,最终FPA胜任力分数为6项OB的综合判断。教员应在评估后提供具体的行为反馈,指出学员在哪些具体行为上表现优秀或需要改进。
常见评估偏差
🔴 光环效应(Halo Effect)
学员在某一项OB上表现优秀(如OB1 FMS使用很熟练),教员倾向于在所有OB上给出较高分数。反之,如果学员在某一项上表现不佳,也可能影响其他项的评分。
应对策略:每项OB独立评估,先记录行为证据再打分。
🔴 近因效应(Recency Effect)
教员更容易记住飞行最后阶段的表现,而忽视早期阶段的行为。如果学员在最后阶段表现良好,可能获得偏高的评分。
应对策略:全程记录行为证据,避免仅凭记忆评分。
🔴 宽严偏差(Leniency/Severity Bias)
有些教员倾向于给高分(宽大偏差),有些则倾向于给低分(严厉偏差)。这种偏差会导致不同教员之间的评估结果缺乏可比性。
应对策略:定期参加教员校准会议,使用标准化的行为锚定评分表。
🔴 自动化偏好偏差(Automation Bias)
教员可能不自觉地偏好"更多使用自动化"的学员,认为这代表更高的技术水平。然而,FPA的核心是"恰当使用"而非"更多使用"。
应对策略:评估"选择的恰当性"而非"自动化的使用量"。
🔴 对比效应(Contrast Effect)
学员的评分受到前一位学员表现的影响。如果前一位学员表现很差,当前学员可能获得偏高评分;反之亦然。
应对策略:始终对照评分标准,而非与其他学员比较。
🔴 确认偏差(Confirmation Bias)
教员如果已经对学员形成了某种印象(如"这个学员技术不错"),可能会不自觉地寻找支持这一印象的证据,而忽视相反的证据。
应对策略:保持开放心态,主动寻找支持性和反对性证据。
教员评估要点
FPA评估的核心观察维度
✈ 教员评估建议场景
- 设置FMS数据库过期或航路点错误,测试学员的交叉检查习惯
- 在巡航阶段设置非预期的模式转换,测试学员的监控反应
- 在进近阶段制造高工作负荷场景,测试学员的多任务管理能力
- 模拟非正常情况(如某系统失效),测试学员的自动化降级决策
- 要求学员在特定阶段断开自动驾驶进行手动飞行,评估手动飞行技能保持情况
学员自我提升路径
学习内容:学习FMS基本操作流程;理解FMA显示含义;了解自动驾驶基本模式(LVL、HDG、NAV、VNAV等);建立"自动化是工具而非替代者"的认知。
实践建议:在模拟机上熟悉FMS界面和基本操作;练习读取和解读FMA信息。
学习内容:深入学习VNAV路径计算原理;掌握成本指数设置方法;学习不同飞行阶段的自动化配置标准;建立系统化的仪表扫描模式。
实践建议:每次飞行后进行FPA自我评估;练习"输入-验证-确认"三步法;建立FMA口头确认习惯。
学习内容:学习在复杂空域中的自动化管理策略;掌握非正常情况下的自动化降级程序;理解Parasuraman自动化四级模型并应用于实践。
实践建议:在模拟机中练习各种异常场景;刻意练习手动飞行以保持技能;与教员讨论不同场景下的自动化级别选择逻辑。
学习内容:研究自动化相关事故案例,深入理解自动化悖论;发展对自动化行为的预判能力;建立个人化的FPA最佳实践体系。
实践建议:定期回顾和分析自己的FPA表现;帮助其他学员提升FPA能力(教学相长);持续关注自动化技术发展和相关安全研究。
训练策略
📚 知识层面训练
- 系统学习FMS/FMC操作手册相关章节
- 理解自动驾驶工作原理和模式逻辑
- 学习FMA显示规范和颜色编码含义
- 研究自动化相关事故和事件案例
- 掌握Parasuraman自动化四级模型理论
- 了解人机交互(HCI)基本原理
💪 技能层面训练
- 定期进行手动飞行练习以保持基本飞行技能
- 在模拟机中练习各种自动化故障场景
- 刻意练习FMA扫描和口头确认
- 练习不同进近类型下的自动化配置
- 进行"无FMS"或"部分FMS"导航练习
- 练习非正常情况下的自动化降级程序
🧠 态度层面训练
- 建立"自动化是管理者而非飞行员"的认知
- 培养对自动化的健康怀疑态度
- 克服对断开自动驾驶的心理障碍
- 发展主动监控的习惯和意识
- 建立"信任但验证"的自动化使用哲学
- 培养持续学习和自我反思的习惯
🎯 情境层面训练
- 在高工作负荷场景中练习FPA能力
- 在低能见度/复杂气象条件下练习自动化管理
- 模拟非正常/紧急情况下的自动化降级决策
- 练习与不同搭档的FPA协作模式
- 在不同机型/配置间转换时练习适应能力
- 进行跨文化团队的自动化管理沟通练习
FPA训练的终极目标是培养"自动化管理者"思维模式——飞行员不是自动化的操作员,而是飞行安全的最终责任人。自动化是强大的工具,但工具永远不能替代人的判断和监控。最好的飞行员是那些能充分利用自动化优势,同时在需要时毫不犹豫地接管控制权的人。