Разработка и исследование моделей и алгоритмов поддержки принятия решений в задачах обеспечения авиационной безопасности тема диссертации и автореферата по ВАК РФ 05.22.14, кандидат наук ВОЛКОВ Андрей Константинович

• ВОЛКОВ Андрей Константинович
• кандидат наук
• 2019

Оглавление диссертации кандидат наук ВОЛКОВ Андрей Константинович

СПИСОК СОКРАЩЕНИЙ

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ ТЕОРЕТИЧЕСКИХ ПОДХОДОВ И ПРАКТИЧЕСКОГО ОПЫТА ПОСТРОЕНИЯ ИНСТРУМЕНТАРИЯ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ЗАДАЧАХ ОБЕСПЕЧЕНИЯ АВИАЦИОННОЙ БЕЗОПАСНОСТИ

1.1. Анализ путей совершенствования системы обеспечения авиационной безопасности

1.2. Анализ проблем принятия решений в задаче оценки компетентности операторов досмотра

1.2.1. Анализ рекомендуемой практики Международной организации гражданской авиации

1.2.2. Анализ отечественного и зарубежного опыта применения систем регистрации движения глаз в оценке профессиональных компетенций испытуемых

1.2.3. Анализ моделей оценки компетентности операторов досмотра

1.3. Анализ проблем принятия решений в задаче оценки эффективности практической деятельности операторов досмотра с учетом влияния фактора утомления

1.3.1. Анализ рекомендуемой практики Международной организации гражданской авиации по разработке системы управления рисками, связанными с утомлением

1.3.2. Обзор инструментальных средств диагностики утомления операторов

1.3.3. Анализ отечественного и зарубежного опыта применения систем регистрации движения глаз в диагностики функциональных

состояний операторов

1.4. Анализ проблем принятия решений в задаче профилирования пассажиров по уровню потенциального риска

1.4.1. Анализ передовой практики применения программ по информационному обеспечению противодействия терроризму

1.4.2. Анализ подходов к обнаружению сетевых атак в сфере информационной безопасности

1.4.3. Анализ проблем в задаче цифровой идентификации пассажиров

1.5. Выводы по главе 1 и постановка задач на исследование

ГЛАВА 2. ПРОЕКТИРОВАНИЕ МОДЕЛЕЙ И АЛГОРИТМОВ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ЗАДАЧАХ ОБЕСПЕЧЕНИЯ АВИАЦИОННОЙ БЕЗОПАСНОСТИ

2.1. Архитектура интеллектуальной системы поддержки принятия решений

2.2. Методика автоматического проектирования нечетких моделей при поддержке принятия решений в задачах обеспечения авиационной безопасности

2.3. Разработка алгоритма автоматизированного профилирования пассажиров по уровню потенциального риска

2.4. Разработка алгоритма помехоустойчивого кодирования на базе когнитивной обработке биометрических данных в системе цифровой идентификации пассажиров

2.5. Выводы по главе

ГЛАВА 3. АПРОБАЦИЯ НЕЧЕТКИХ МОДЕЛЕЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ЗАДАЧАХ ОЦЕНКИ ЭФФЕКТИВНОСТИ ДЕЯТЕЛЬНОСТИ ОПЕРАТОРОВ ДОСМОТРА

3.1. Исследование и диагностика стратегий зрительного поиска запрещенных предметов операторами досмотра с применением системы

регистрации движения глаз

3.2. Апробация и исследование нечеткой модели оценки компетентности операторов досмотра

3.3. Апробация и исследование нечеткой модели оценки эффективности деятельности операторов досмотра с учетом влияния фактора утомления

3.3.1. Экспериментальное исследование влияния фактора утомления на глазодвигательную деятельность операторов досмотра

3.3.2. Синтез нечеткой модели оценки эффективности деятельности операторов досмотра с учетом влияния фактора утомления

3.4. Выводы по главе

ГЛАВА 4. АПРОБАЦИЯ АЛГОРИТМОВ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ЗАДАЧЕ АВТОМАТИЗИРОВАННОГО ПРОФИЛИРОВАНИЯ ПАССАЖИРОВ ПО УРОВНЮ ПОТЕНЦИАЛЬНОГО РИСКА

4.1. Апробация алгоритма автоматизированного профилирования пассажиров по уровню потенциального риска

4.2. Апробация алгоритма помехоустойчивого кодирования на базе когнитивной обработке биометрических данных в системе цифровой идентификации пассажиров

4.3. Направления дальнейших исследований

4.4. Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А. Интегральные показатели оценки стратегий

зрительного поиска

ПРИЛОЖЕНИЕ Б. Описательные статистики интегральных показателей

ПРИЛОЖЕНИЕ В. Результаты дисперсионного анализа

ПРИЛОЖЕНИЕ Г. Справка АУЦ ФГБОУ ВО УИ ГА

ПРИЛОЖЕНИЕ Д. Показатели нечеткой модели оценки компетентности... 167 ПРИЛОЖЕНИЕ Е. Описательные статистики показателей нечеткой модели

компетентности

ПРИЛОЖЕНИЕ Ж. Результаты вариационной кардиоинтервалометрии

ПРИЛОЖЕНИЕ К. Показатели глазодвигательной деятельности

ПРИЛОЖЕНИЕ Л. Описательные статистики показателей нечеткой модели

утомления

ПРИЛОЖЕНИЕ М. Акт проведения анкетного опроса

ПРИЛОЖЕНИЕ Н. Параметры модуля обнаружения аномалий

ПРИЛОЖЕНИЕ П. Описательные статистики параметров модуля

обнаружения аномалий

ПРИЛОЖЕНИЕ Р. Параметры модуля сигнатурного анализа

ПРИЛОЖЕНИЕ С. Описательные статистики параметров модуля

сигнатурного анализа

ПРИЛОЖЕНИЕ Т. Командные окна программы МА^АВ

ПРИЛОЖЕНИЕ У. Акт от ОСП Международный аэропорт «Ульяновск-

Восточный» АО «Авиастар-СП»

ПРИЛОЖЕНИЕ Ф. Акт от ООО «Международный Аэропорт Чебоксары»

СПИСОК СОКРАЩЕНИЙ

ANFIS - Adaptive Network Based Fuzzy Inference System;

AOI - Area of Interest;

ATS - Automated Targeting System;

CAPPS - The Computer-Assisted Passenger Pre-screening System;

CAPS - The Computer-Assisted Aviation Prescreening System;

CBP - Customs and Border Protection;

DHS - Department of Homeland Security;

EBT - Evidence Based Training;

EDM - Educational Data Mining;

FAA - Federal Aviation Administration;

FRMS - Fatigue Risk Management System;

IEF - Image Enhancement Functions;

IXB - Index Xei-Beni;

KPI - Key Performance Indicators;

PNR - Passenger Name Record;

RMSE - Root-Mean-Square Error;

SSM - Subsequent Search Isses;

TSA - The Transportation Security Administration;

TSDB - The Consolidated Terrorist Screening Database;

АНВ - акт незаконного вмешательства;

ВКМ - вариационная кардиоинтервалометрия;

ЕГИС ОТБ - Единая государственная информационная система

обеспечения транспортной безопасности;

ИАД - интеллектуальный анализ данных;

ИКАО - Международная организация гражданской авиации;

ИТС - интеллектуальная транспортная система;

КГР - кожно-гальваническая реакция;

НМ - нечеткая модель;

ОАБ - обеспечение авиационной безопасности;

ОСА - обнаружение сетевых атак;

ПД - перестановочное декодирование;

ПЛИС - программируемая логическая интегральная схема;

ПФН - психофизиологическая напряженность;

РС - коды Рида-Соломона;

РФ - Российская Федерация;

САБ - служба авиационной безопасности;

СППР - система поддержки принятия решений;

СУБД - система управления базами данных;

США - Соединенные Штаты Америки;

ФП - функция принадлежности;

ХФ - характеристическая функция;

ЧСС - частота сердечных сокращений;

ЭЭГ - электроэнцефалография;

АУЦ - авиационный учебный центр.

Введение диссертации (часть автореферата) на тему «Разработка и исследование моделей и алгоритмов поддержки принятия решений в задачах обеспечения авиационной безопасности»

ВВЕДЕНИЕ

Современные тенденции развития воздушного транспорта связаны с внедрением цифровых технологий в целях построения интеллектуальных транспортных систем (ИТС). Процессы информатизации связаны с накоплением больших массивов данных. Увеличение объёмов информации позволяет точнее выполнить необходимые расчёты и анализ процессов, но при этом поиск оптимальных решений поставленных задач для специалиста превращается в более сложную задачу. Поэтому для принятия правильных решений сотрудникам службы авиационной безопасности (САБ) необходимо использовать специальные системы поддержки принятия решений (СППР).

Актуальность темы исследования. Для обеспечения устойчивого развития воздушного транспорта необходим комплексный подход, нацеленный на достижение и поддержание требуемого уровня безопасности, в том числе и в плане обеспечения авиационной безопасности (ОАБ). Нельзя не отметить важный вектор развития систем ОАБ, который связан с повышением уровня интеллектуализации процессов принятия решений. В качестве основных перспективных задач в данном направлении можно выделить следующие: разработка интеллектуальных интерфейсов тренажерных комплексов; внедрение программ по информационному обеспечению противодействия терроризму на основе технологий интеллектуального анализа данных (ИАД); внедрением систем биометрической идентификации пассажиров и современных сетевых технологий. В рамках данных задач, совершенствование систем ОАБ связывается с разработкой специальных СППР, основным компонентом которых являются база знаний. В связи с тем, что принятие решений в области ОАБ часто происходит в условиях неопределенности и неполноты исходных данных, поэтому оправданным является применение нечетких моделей (НМ).

В связи с этим актуальность темы диссертационной работы обусловлена наличием следующих нерешенных задач:

- отсутствием научно-обоснованных подходов к организации процесса поддержки принятия решений по оценки компетентности операторов досмотра с учетом использования механизмов психофизиологического мониторинга их состояния;

- отсутствием научно-обоснованных подходов к организации поддержки принятия решений по оценки практической деятельности операторов досмотра с учетом влияния фактора утомления;

- отсутствием научно-обоснованных подходов к организации процесса поддержки принятия решений по автоматизированному профилированию пассажиров по уровню потенциального риска;

- отсутствием алгоритма быстрой обработки биометрических данных пассажиров с использованием средств помехоустойчивого кодирования.Степень разработанности темы исследования.

Значительный вклад в изучение проблем, связанных с вопросами ОАБ, внесли такие зарубежные авторы как A. Shwaninger, L. Swann, M. Stefan, A. Bolfing, A.T. Biggs, S.R. Mitroff, а также ряд отечественных учёных: Л.Н. Елисов, Н.И. Овченков, Р.С. Фадеев, Ю.Б. Михайлов, Ю.М. Волынский-Басманов.

Важную роль в области проектирования нечетких баз знаний внесли следующие зарубежные и отечественные авторы: R. Jang, M. Sugeno, R. Yager, А.П. Ротштейн, С.Д. Штовба, А.Р. Абдулхаков.

Основные принципы теории перестановочного декодирования систематических групповых кодов изложены в трудах следующих авторов: J.F. MacWilliams и W.W. Peterson, R. Morelos-Zaragoza, B. Sklar. Объектом исследования в работе являются процессы принятия решений в задачах ОАБ.

Предметом исследования являются модели и алгоритмы поддержки принятия решений в задачах ОАБ.

Целью работы является решение научной задачи по развитию методов организации поддержки принятия решений в системе ОАБ на основе применения моделей и алгоритмов ИАД.

Для достижения поставленной цели в работе решены следующие задачи:

- разработана модель классификации стратегий зрительного поиска опасных предметов и веществ, запрещенных к перевозке на воздушном транспорте (далее - запрещенные предметы), операторами досмотра;

- выявлены объективные параметры глазодвигательной деятельности операторов досмотра, которые предлагается рассматривать в качестве признаков утомления операторов как фактора опасности пропуска запрещенных предметов;

- разработан алгоритм автоматизированного профилирования пассажиров по уровню потенциального риска с использованием нескольких типов интеллектуальных моделей;

- предложен алгоритм ускоренной оценки биометрических данных пассажиров с использованием средств помехоустойчивого кодирования, исключающий сложные матричные преобразования в системе обработки цифровых параметров.

При решении задач, поставленных в диссертационной работе, использовались основные положения теории вероятностей и математической статистики, теория нечетких множеств, методы многомерного статистического анализа (дискриминантный и кластерный анализы), аппарат теории алгебраических групп, колец и полей. Обработка полученных статистических данных проводилась с применением программных пакетов МА^АВ 17 и БТАШТГСА 10.

Соответствие диссертации паспорту научной специальности. Диссертационная работа соответствует п. 20 - «Совершенствование систем подготовки, переподготовки, повышения квалификации и сертификации авиационного персонала» и п. 21 - «Разработка систем и методов защиты воздушного транспорта от несанкционированного вмешательства» паспорта специальности 05.22.14 - Эксплуатация воздушного транспорта.

Научная новизна работы заключается в том, что в ней:

1. Впервые разработана научно обоснованная классификация стратегий зрительного поиска запрещенных предметов операторами досмотра,

отличающаяся применением разработанных интегральных показателей их глазодвигательной деятельности.

2. Предложен модифицированный подход к оценке уровня компетентности операторов досмотра, отличающийся применением нечетких моделей, позволяющий учитывать параметры глазодвигательной деятельности и вариабельности сердечного ритма операторов.

3. Впервые выявлены объективные параметры глазодвигательной деятельности операторов досмотра, которые предлагается рассматривать в качестве признаков утомления операторов при выполнении ими функциональных обязанностей.

4. Разработан алгоритм автоматизированного профилирования пассажиров по уровню потенциального риска, отличающийся комплексным подходом к оценке полетной активности пассажиров.

5. Предложен алгоритм ускоренной обработки биометрических параметров пассажиров на базе когнитивной карты хранения цифровых данных, заключающийся в полном исключении из процедуры декодирования данных сложных матричных преобразований.

Основные положения, выносимые на защиту:

1. Дискриминантная модель классификации стратегий зрительного поиска операторов досмотра, использующая квадрат расстояния Махаланобиса как критерий сформированности стратегий зрительного поиска запрещенных предметов.

2. Нечеткая модель оценки уровня компетентности оператора досмотра на основе метода субтрактивной кластеризации и -обучения, учитывающая параметры его глазодвигательной деятельности и вариабельности сердечного ритма.

3. Нечеткая модель оценки адекватности предпринимаемых действий операторами досмотра на основе метода субтрактивной кластеризации и -обучения, учитывающая влияние фактора утомления по параметрам его глазодвигательной деятельности.

4. Алгоритм автоматизированного профилирования пассажиров по уровню потенциального риска, предполагающий комплексный анализ полетной активности с использованием нескольких типов интеллектуальных моделей.

5. Алгоритм декодирования биометрической информации пассажиров на базе когнитивной обработки данных в системе цифровой идентификации, предполагающий интеграцию в модель перестановочного декодера избыточного кода когнитивной карты с целью повышения его производительности.

Теоретическая значимость работы состоит в том, что:

- получены новые данные для дальнейшего развития исследований, связанных с распределением внимания операторов досмотра, в процессе зрительного поиска запрещенных предметов;

- предложен и обоснован алгоритм адаптивного профилирования пассажиров по уровню потенциального риска;

- внесен вклад в расширение представлений о применимости когнитивных принципов в системе защиты биометрических данных на уровне обработки помехоустойчивых кодов.

Практическая значимость состоит в том, что полученные результаты позволяют:

- повысить достоверность оценки уровня сформированности компетентности оператора досмотра в процессе профессиональной подготовки;

- реализовать перспективные пункты досмотра с учетом профилей риска пассажиров;

- сократить время работы декодера для получения им порождающих матриц эквивалентных кодов.

Достоверность исследования обеспечивается непротиворечивостью разработанных методов используемой практике и положениям современной науки; корректным использованием математического аппарата, а также результатами экспериментальных проверок предлагаемых моделей и алгоритмов.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на 11 научных конференциях, в т.ч.: VIII, IX, X

Международной молодежной научной конференции «Гражданская авиация: XXI век» (Ульяновск 2016, 2017, 2018 гг.); Международной научно -технической конференции «Гражданская авиация на современном этапе развития науки, техники и общества» (Москва 2018 г.); Международной научно-технической конференции «Транспорт России: проблемы и перспективы» (Санкт-Петербург 2017, 2018 гг.); XXIV и XXV Международной научно-технической конференции «Радиолокация, навигация, связь» (Воронеж 2018, 2019 гг.); Всероссийской научно-практической конференции «Технологии построения когнитивных транспортных систем» (Санкт-Петербург 2018 г.); XV Международной научно-практической конференции «Комплексные проблемы техносферной безопасности. Задачи, технологии и решения комплексной безопасности» (Воронеж 2019 г.); II Международной научно-практической конференции «Теоретические и прикладные вопросы комплексной безопасности» (Санкт-Петербург 2019 г.).

Публикации. По результатам исследований опубликована 21 печатная работа (96 с.), в том числе 1 публикация в издании, входящем в международную систему цитирования «Scopus» (3 с.), 6 публикаций в изданиях, рекомендованных ВАК при Министерстве науки и высшего образования Российской Федерации (42 с.), 13 публикаций в трудах международных и всероссийских конференций (33 с.), 1 публикация в прочих изданиях (18 с.).

Личный вклад автора состоит в постановке задачи исследования, разработке теоретических и экспериментальных методов их решения, в обработке полученных результатов и формулировке выводов. В опубликованных в соавторстве работах автору принадлежат постановка задачи, анализ проблем, результаты теоретических и практических исследований, рекомендации по практическому использованию моделей.

Реализация результатов работы. Результаты диссертационной работы использованы ОСП Международный аэропорт «Ульяновск-Восточный» АО «Авиастар-СП» и ООО «Международный Аэропорт Чебоксары». Имеются соответствующие акты реализации.

Структура и объем диссертации включает введение, четыре главы, заключение, список литературы и 17 приложений. Диссертация изложена на 183 страницах машинописного текста, содержит 30 таблиц и 55 рисунков и приложения на 21 листе. Список литературы включает 164 наименования работ отечественных и зарубежных авторов.

ГЛАВА 1. АНАЛИЗ ТЕОРЕТИЧЕСКИХ ПОДХОДОВ И ПРАКТИЧЕСКОГО ОПЫТА ПОСТРОЕНИЯ ИНСТРУМЕНТАРИЯ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ЗАДАЧАХ ОБЕСПЕЧЕНИЯ АВИАЦИОННОЙ

БЕЗОПАСНОСТИ

В данной главе рассматриваются общие вопросы и проблемы принятия решений в различных задачах ОАБ. Описываются тенденции развития систем авиационной безопасности в рамках ИТС. Проводится анализ существующих подходов к поддержке принятия решений в задачах оценки эффективности деятельности операторов досмотра и автоматизированного профилирования пассажиров по уровню потенциального риска. Делается вывод и ставится задача о необходимости внедрения систем поддержки принятия решений (от английского Decision Support System) на основе технологий Data Mining для ОАБ.

1.1. Анализ путей совершенствования системы обеспечения авиационной

безопасности

Для обеспечения устойчивого развития воздушного транспорта необходим комплексный подход, нацеленный на достижение и поддержание требуемого уровня безопасности, в том числе и в плане ОАБ. В соответствии с Воздушным кодексом Российской Федерации (РФ) авиационная безопасность трактуется как «состояние защищенности авиации от незаконного вмешательства в деятельность в области авиации» (ст. 83 п. 1) [15]. К основным мерам противодействия актам незаконного вмешательства (АНВ) следует отнести: деятельность САБ, организацию охраны авиапредприятия и его элементов, организация досмотра, недопущение попыток захвата и угона воздушных судов [70]. Воздушный кодекс РФ трактует АНВ как «противоправные действия (бездействие), угрожающие безопасной деятельности в области авиации, повлекшие за собой несчастные случаи с людьми, материальный ущерб, захват или угон воздушного судна либо создавшие угрозу наступления таких последствий» (ст. 83 п. 3) [15]. Вместе с тем,

согласно ГОСТ 55584-2013 АНВ - это «акты или попытки их совершения, создающие угрозу безопасности гражданской авиации и воздушного транспорта...» [43].

В соответствии с принятым Федеральном законом №16-ФЗ «О транспортной безопасности» от 09.02.2007 [69] и постановлением Правительства РФ № 940 «Об уровнях безопасности объектов транспортной инфраструктуры и транспортных средств и о порядке их объявления (установления)» от 10.12.2008 [71] утверждены три уровня безопасности авиапредприятий и соответствующие им типы угроз, которые представлены в таблице 1.1.

Таблица 1.1 - Уровни транспортной (авиационной) безопасности

Уровень безопасности Тип угрозы Степень защищенности

Уровень № 1 Потенциальные угрозы Обычная

Уровень № 2 Непосредственные угрозы Повышенная

Уровень № 3 Прямые угрозы Высокая

Согласно ГОСТ 56461-2015 под уровнем безопасности понимается «степень защищенности транспортного комплекса, соответствующая степени угрозы совершения акта незаконного вмешательства» [44]. Согласно таблице 1.1 на уровне безопасности № 1 реализуются мероприятия по противодействию потенциальным угрозам, перечень которых утвержден в совместном приказе Минтранса России, ФСБ России и МВД России № 52/112/134 от 05.03.2010 [72]. Под конкретной угрозой понимается «совокупность условий и факторов, создающих опасность жизненно важным интересам личности, общества и государства в транспортной сфере» [44].

Ряд отечественных экспертов отмечают возросший уровень террористической угрозы в отношении РФ, который, прежде всего, связан с деятельностью, так называемой международной исламистской суннитской экстремистской террористической организации «Исламское государства». По данным открытых источников не менее 1,7 тыс. граждан РФ воют в Сирии и Ираке на стороне террористов (по состоянию на апрель 2015 года) [40]. В связи с этим необходимо предпринимать меры по совершенствованию системы ОАБ.

Современные тенденции развития воздушного транспорта связаны с внедрением цифровых технологий (информационно-коммуникационных технологий) в целях построения ИТС. ИТС - это «телематическая транспортная система, обеспечивающая реализацию функций высокой сложности по обработке информации и выработке оптимальных (рациональных) решений и управляющих воздействий» [57]. В процессах ОАБ система досмотра является одним из ключевых элементов в реализации мер противодействия террористическим угрозам на воздушном транспорте. Основными задачами системы досмотра аэропорта являются недопущение попадания посторонних лиц и/или запрещенных предметов и веществ на борт воздушных судов, которые можно использовать для совершения АНВ. Полный перечень данных предметов и веществ, запрещенных к провозу, представлен в Приказе Минтранса России № 104 от 25.07.2007 [78]. Досмотр осуществляется специально подготовленными сотрудниками САБ (в частности операторами досмотра), использующими специальные технические средства досмотра [82]. Основными средствами досмотра являются стационарные рентгенотелевизионные установки конвейерного типа (интроскопы). Согласно ГОСТ 57238-2016 интроскопы - это «устройства для контроля ручной клади, багажа, почты и груза по теневому изображению их внутреннего содержания на экране телемонитора» [45].

Инновационная стратегия развития подходов к организации функционирования систем досмотра аэропортов в рамках ИТС связана со следующими направлениями. Во-первых, с внедрением концепции разделения потока пассажиров, которая была предложена Международной ассоциацией воздушного транспорта (International Air Transport Association) и предполагает классификацию на «известного», «неизвестного» и пассажира «повышенного» риска [143]. В рамках данной инновации прорабатываются технологии цифровой идентификации пассажиров и их автоматизированного профилирования по уровню потенциального риска. Реализация представленных инноваций позволит решить проблему перегруженности аэропортов за счет ускорения процедур досмотрового контроля и в целом повысить эффективность мер авиационной

безопасности за счет автоматизации задач установления личности пассажиров и уровня их потенциального риска. Вопросы, связанные с технологиями биометрической идентификации пассажиров, в достаточной мере проработаны и отражены в работах [8, 66, 83]. Принципиальное значение имеет проблема разработки концептуальных подходов к построению СППР в рамках задачи автоматизированного профилирования пассажиров по уровню потенциального риска.

Наряду с научно-теоретическим значением данной проблемы, научно -прикладной характер связан с запросом авиационной отрасли в лице ведущего эксплуатанта РФ ПАО «Аэрофлот», в программе инновационного развития которого до 2025 года включено мероприятие по разработке концепции и прототипа пункта предполетного досмотра с учетом дифференциации пассажиропотока по степени риска на основе обработки персональных баз данных авиакомпании и автоматизированных централизованных информационных систем [74]. Во-вторых, согласно рекомендациям Международной организации гражданской авиации (ИКАО) глубокие изменения должны затронуть процесс непосредственного сопровождения профессиональной подготовки операторов в авиации, связанные с внедрением новых типов тренажерных комплексов, новых методик, содействующих подготовки, и использованием анализа фактических данных в процессе подготовки. Подготовка персонала на основе анализа фактических данных (Evidence Based Training, EBT). EBT - это «подготовка и оценка на основе анализа эксплуатационных данных, которые характеризуются развитием и оценкой общей способности обучаемого лица по целому ряду ключевых компетенций, а не оценкой выполняемых действий в отдельных ситуациях или при выполнении отдельных маневров» [81]. Достижение качественной подготовки авиационных специалистов в рамках EBT достигается как за счет индивидуальных способностей обучающихся, так и качественного профессионального сопровождения процесса подготовки, в том числе с использованием различных аппаратурных методов. Внедрение аппаратурных средств психофизиологического мониторинга позволит получать объективную и

всестороннюю информацию о процессе тренажерной подготовки операторов. При этом с учетом возрастания количества обрабатываемой информации необходима разработка новых подходов к поддержке принятия решений в задачах оценки качества тренажерной подготовки операторов на базе систем искусственного интеллекта. К данным системам относятся аппарат нечеткой логики, искусственные нейронные сети, генетические алгоритмы и т.п. Применение данной методологии позволит решить важную проблему, связанную с вопросами оценки результатов тренажерной подготовки операторов в условиях неопределенности и неполноты исходных данных [2].

В условиях эргатической системы существует комплекс факторов риска, связанный с функциональными состояниями авиационного персонала, негативно влияющий на безопасность воздушного транспорта. В авиационной транспортной системе, наиболее часто встречающимся неблагоприятным функциональным состоянием операторов является утомление [64]. Под функциональным состоянием в данном случае понимается «интегральный комплекс наличных характеристик тех свойств и качеств организма, которые прямо или качественно обуславливают осуществление заданной профессиональной деятельности» [ 85]. В условиях перехода на риск-ориентированный подход к обеспечению безопасности ИКАО рекомендует эксплуатантам разрабатывать и внедрять систему управления рисками, связанную с утомлением (Fatigue Risk Management System, FRMS) [31, 65, 87]. FRMS представляет собой систему мониторинга факторов риска безопасности полетов, связанных с утомлением, которая основывается на научных знаниях, практическом опыте и позволяет авиационному персоналу реализовывать свои функции [80]. В настоящее время выделяют различные определения понятия утомления:

1. «Утомление - это состояние организма, возникающее при физической или умственной работе и сопровождающееся временным снижением работоспособности, дискоординацией физиологических функций и обычно чувством усталости» [51].

2. «Утомление - это временное уменьшение работоспособности индивида, вызванное интенсивной или длительной однообразной работой» [51].

3. «Утомление - это временное снижение работоспособности в результате деятельности человека» [53].

В данной работе будет использоваться терминология ИКАО, согласно которой под утомлением понимается «физиологическое состояние пониженной умственной или физической работоспособности в результате бессонницы, длительного бодрствования, фазы суточного ритма и/или рабочей нагрузки, которое может ухудшить активность и способность человека надлежащим образом исполнять служебные обязанности, связанные с безопасностью полетов» [80]. В связи с этим, третье направление совершенствования систем досмотра аэропортов связано с внедрением СППР по оценки эффективности деятельности операторов досмотра с учетом влияния фактора утомления.

Таким образом, основными направлениями совершенствования системы ОАБ являются следующие:

- разработка научно-обоснованных подходов к организации процесса поддержки принятия решений по оценке компетентности операторов досмотра с учетом внедрения механизмов психофизиологического мониторинга;

- разработка моделей поддержки принятия решений по оценке эффективности практической деятельности операторов досмотра с учетом влияние фактора утомления;

- разработка научно-обоснованных подходов к организации процесса поддержки принятия решений по автоматизированному профилированию пассажиров по уровню потенциального риска на основе анализа данных полетной активности;

- разработка подходов к использованию когнитивных принципов в системах цифровой идентификации пассажиров на уровне реализации алгоритмов помехоустойчивого кодирования биометрической информации.

1.2. Анализ проблем принятия решений в задаче оценки компетентности

операторов досмотра

1.2.1. Анализ рекомендуемой практики Международной организации

гражданской авиации

Ключевым элементом системы ОАБ являются операторы досмотра, представляющие собой специальную категорию авиационного персонала [73]. Основной задачей данных специалистов является зрительный поиск запрещенных предметов и веществ на рентгеновских снимках багажа и/или ручной клади авиапассажиров. С точки зрения эргатической системы участие человека связывается с наличием так называемого «человеческого фактора» во всем комплексе его проявлений. Содержание «человеческого фактора» подразумевает совокупность профессиональных, идейно-нравственных, социальных, психологических, физических, и иных качеств человека, оказывающих влияние на результаты его деятельности [67]. Среди перечисленных качеств ключевое место занимает компетентность операторов досмотра, которая, прежде всего, приобретается в процессе профессиональной подготовки. С учетом возрастающих угроз авиационной безопасности закономерно повышаются требования к уровню профессиональной подготовленности операторов досмотра.

Рекомендуемый ИКАО компетентностный подход к процессу подготовки авиационного персонала предполагает рассматривать компетентность как «сочетание, навыков, знаний и отношения к делу, необходимых для выполнения той или иной задачи в соответствии с установленным стандартом» [77]. ИКАО главной целью тренажерной подготовки операторов досмотра определяет формирование способности по обнаружению запрещенных к провозу предметов с учетом влияния факторов сложности рентгеновских изображений [86]. Фактор сложности рентгеновского изображения - это «особенности рентгеновского изображения, которые негативно влияют на качество обнаружения запрещенных предметов операторами досмотра» [138]. В работах автора [28, 36] проведено

экспериментальное исследование и на основе применения метода главных компонент доказано, что существуют 3 основных фактора сложности.

Список литературы диссертационного исследования кандидат наук ВОЛКОВ Андрей Константинович, 2019 год

СПИСОК ЛИТЕРАТУРЫ

1. Абдулхаков, А.Р. Математическое и программное обеспечение редукции нечетких правил в базах знаний интеллектуальных систем: монография / А.Р. Абдулхаков, А.С. Катасев. - Казань: Центр инновационных технологий, 2015. -160 с.

2. Арепьев, А.Н. О тестировании для контроля знаний в Авиационном учебном центре / А.Н. Арепьев, М.С. Громов, Е.П. Холин, А.И. Фролков, С.К. Камзолов // Научный вестник ГосНИИ ГА. - 2018. - № 22 (333). - С. 152-159.

3. Ахметвалеев, А.М. Математическое обеспечение и программный комплекс определения функционального состояния опьянения человека по его зрачковой реакции на световое воздействие: монография / А.М. Ахметвалеев, А.С. Катасев. - Казань: Редакционно-издательский центр «Школа», 2018. - 160 с.

4. Барабанщиков, В.А. Айтрекинг. Методы регистрации движения глаз в психологических исследованиях и практике / В.А. Барабанщиков, А.В. Жегало. -М.: Когито-Центр, 2014. - 128 с.

5. Барабанщиков, В.А. Методы регистрации движений глаз: теория и практика [Электронный ресурс] / В.А. Барабанщиков, А.В. Жегалло // Психологическая наука и образование. - 2010. - № 5. - Режим доступа: http://psyedu.ru (дата обращения: 13.06.2018).

6. Барсегян, А.А. Методы и модели анализа данных: OLAP и Data Mining / А.А. Барсегян, М.С. Куприянов, В.В. Степаненко, И.И. Холод. - СПб.: БХВ-Петербург, 2004. - 336 с.

7. Башмаков, А.И. Интеллектуальные информационные технологии / А.И. Башмаков, И.А. Башмаков. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. - 304 с.

8. Биометрия для повышения качества пассажирских перевозок. Революция в управлении идентификационной информацией [Электронный ресурс]: - Режим доступа: https://www.sita.aero/solutions-and-services/solutions/sita-smart-path (дата обращения: 01.02.2018).

9. Большедворская, Л.Г. Разработка механизма непрерывного мониторинга уровня профессиональной подготовки авиационных специалистов / Л.Г. Большедворская, В.И. Рухлинский // Научный вестник МГТУ ГА. - 2015. - № 214 (4). - С. 31-36.

10. Браницкий, А.А. Анализ и классификация методов обнаружения сетевых атак / А.А. Браницкий, И.В. Котенко // Труды СПИИРАН. - 2016. - № 2 (45). - С. 207-244.

11. Величковский, Б.М. Когнитивная наука: Основы психологии познания: в 2 т. - Т. 1. / Б.М. Величковский - М.: Смысл; Издательский центр «Академия», 2006. - 448 с.

12. Вельмисов, И.А. Показатели профессиональной деятельности авиационных специалистов / И.А. Вельмисов, С.А. Кудряков, Ю.Б. Остапченко, Е.Н. Шаповалов, Е.А. Рубцов // Вестник Санкт-Петербургского государственного университета гражданской авиации. - 2018. - № 2 (19). - С. 26-37.

13. Вихман, В.В. Проектирование комплексной автоматизированной системы мониторинга потенциальной опасности авиапассажиров на основе ИАД / В.В. Вихман // Научный вестник НГТУ. - 2006. - № 2 (23). - С. 167-172.

14. Вихман, В.В. Разработка алгоритмического обеспечения автоматизированной управляющей системы категорирования пассажиров / В.В. Вихман // Научный вестник НГТУ. - 2006. - № 3 (24). - С. 179-185.

15. Воздушный кодекс Российской Федерации : Федеральный закон Российской Федерации от 19.03.1997 № 60-ФЗ.

16. Волков, А.К. Анализ подходов к применению методов интеллектуального анализа данных для распределения пассажиров по категориям риска / А.К. Волков, А.К. Волков // Транспорт России: проблемы и перспективы -2018: матер. междунар. науч.-практ. конф. - СПб.: ИПТ РАН, 2018. - Т. 2. - С. 277-280.

17. Волков, А.К. Исследование процесса зрительного поиска запрещенных предметов операторами досмотра с применением технологии Eye -tracking / А.К. Волков // Crede Experto: транспорт, общество, образование, язык. - 2018. - № 4

(19). - http://ce.if-mstuca.ru /index.php/050000/transport/eye-tracking. pdf. - Объём 0,8 п.л.

18. Волков, А.К. Применение математического моделирования состояний компетенций операторов досмотра в процессе адаптивного управления их подготовкой на компьютерном тренажере / А.К. Волков // Научный вестник УВАУ ГА (И). - 2015. - № 7. - С. 60-64.

19. Волков, А.К. Применение системы управления рисками, связанными с утомляемостью, для операторов рентгенотелевизионных интроскопов / Ан.К. Волков, А.А. Гладких // Транспорт России: проблемы и перспективы - 2018: матер. междунар. науч.-практ. конф.- СПб.: ИПТ РАН, 2018. - Т. 2. - С. 160-163.

20. Волков, Ал.К. Применение двухпараметрической модели IRT для оценки вероятностных характеристик обнаружения запрещенных предметов операторами досмотровой техники / Ал.К. Волков, Д.В. Айдаркин, Ан.К. Волков // Научный вестник МГТУ ГА. - 2017. - Т. 20 (3). - С. 100-109.

21. Волков, Ан.К. Применение системы регистрации движения глаз для повышения достоверности оценки сформированности компетенций операторов досмотра / Ан. К. Волков // Гражданская авиация: XXI век: сб. матер. X междунар. молодежной науч. конф. - Ульяновск: УИ ГА, 2018. - С. 79-81.

22. Волков, Ан.К. Анализ моделей оценки надежности операторов рентгенотелевизионных интроскопов / Ан.К. Волков // Транспорт России: проблемы и перспективы - 2017: матер. междунар. науч.-практ. конф. - СПб.: ИПТ РАН, 2017. - С. 363-366.

23. Волков, Ан.К. Выявление потенциальных маркеров утомления операторов досмотра по характеристикам глазодвигательной деятельности в целях разработки интеллектуальных систем контроля утомления / Ан.К. Волков, А.А. Гладких // Комплексные проблемы техносферной безопасности. Задачи, технологии и решения комплексной безопасности: сб. статей по матер. XV междунар. науч.-практ. конф. - Воронеж: Изд-во ВГТУ, 2019. - Ч. 1. - С. 185-189.

24. Волков, Ан.К. Исследование глазодвигательной компоненты деятельности операторов досмотра с применением технологии Eye-tracking в

целях построения интеллектуальных систем контроля утомления / Ан.К. Волков // Научный вестник ГосНИИ ГА. - М.: ГосНИИ ГА, 2019. - № 25 (336). - С. 94-105.

25. Волков, Ан.К. Исследование и диагностика стратегий зрительного поиска операторов досмотра с применением технологии Eye-tracking в целях создания интеллектуальных тренажерных комплексов / Ан.К. Волков // Научный вестник ГосНИИ ГА. - М.: ГосНИИ ГА, 2019. - № 25 (336). - С. 75-86.

26. Волков, Ан.К. Методика диагностики стратегий зрительного поиска операторов досмотра по характеристикам глазодвигательной деятельности в интеллектуальных интерфейсах тренажерных комплексов / Ан.К. Волков, А.А. Гладких // Комплексные проблемы техносферной безопасности. Задачи, технологии и решения комплексной безопасности: сб. статей по матер. XV междунар. науч.-практ. конф. - Воронеж: Изд-во ВГТУ, 2019. - Ч. 1. - С. 180-185.

27. Волков, Ан.К. Оптимизационная модель выбора комплекса технических средств для обеспечения авиационной безопасности авиапредприятия / Ан.К. Волков // Гражданская авиация: XXI век: сб. матер. VIII междунар. молодежной науч. конф. - Ульяновск: УИ ГА, 2016. - С. 84-85.

28. Волков, Ан.К. Применение метода главных компонент для анализа деятельности операторов рентгенотелевизионных интроскопов / Ан.К. Волков // Гражданская авиация: XXI век: сб. матер. IX междунар. молодежной науч. конф. -Ульяновск: УИ ГА, 2017. - С. 73-75.

29. Волков, Ан.К. Применение технологии Eye Tracking и методов многомерной статистики для совершенствования профессиональной подготовки операторов досмотра / Ан.К. Волков // Гражданская авиация на современном этапе развития науки, техники и общества: сб. тезисов докладов участников междунар. науч.-техн. конф.- М.: ИД Академия Жуковского, 2018. - С. 137.

30. Волков, Ан.К. Совершенствование организации профессиональной подготовки операторов досмотра с применением системы регистрации движения глаз и методов кластерного и дискриминантного анализа / Ан.К. Волков, В.В. Ионов // Научный вестник МГТУ ГА. - М.: МГТУ ГА, 2018. - Т. 21 (03). -С. 25-36.

31. Воронин, С.А. Угрозы безопасности, риски и управление рисками применительно к гражданской авиации / С.А. Воронин, А.Д. Самсонов // Научный вестник ГосНИИ ГА. - 2014. - № 6. - С. 78-83.

32. Гаврилова, Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилова,

B.Ф. Хорошевский. - СПб.: Питер, 2001. - 384 с.

33. Гашев, С.Н. Математические методы в биологии: Анализ биологических данных в системе Statistica: учебное пособие / С.Н. Гашев, Ф.Х. Бетляева, М.Ю. Лупинос. - Тюмень: Издательство Тюменского государственного университета, 2014. - 208 с.

34. Гладких, А.А. Методы эффективного декодирования избыточных кодов и их современные приложения / А.А. Гладких, Р.В. Климов, Н.Ю. Чилихин. -Ульяновск: УлГТУ, 2016. - 258 с.

35. Гладких, А.А. Концепция когнитивной обработки данных в системе перестановочного декодирования недвоичного избыточного кода / А.А. Гладких, Т.Ф.Х. Ал-Тамими // Электросвязь. - 2018. - № 9. - С. 69-74.

36. Гладких, А.А. Оценка размерности пространства компетенций операторов рентгенотелевизионных интроскопов методом главных компонент / А.А. Гладких, Ан.К. Волков, Ал.К. Волков // Научный вестник ГосНИИ ГА. - М.: ГосНИИ ГА, 2018. - № 21 (332). - С. 82-91.

37. Гладких, А.А. Повышение качества профессиональной подготовки операторов досмотра при использовании интеллектуального анализа образовательных данных / А.А. Гладких, Ан.К. Волков // Технологии построения когнитивных транспортных систем: матер. всерос. науч.-практ. конф. - СПб.: ИПТ РАН, 2018. - С. 72-76.

38. Гладких, А.А. Повышение надежности функционирования систем цифровой идентификации пассажиров на базе алгоритма помехоустойчивого кодирования с элементами когнитивной обработки данных / А.А. Гладких, Ан.К. Волков, Ал.К. Волков // Радиолокация, навигация, связь: сб. трудов XXV междунар. науч.-техн. конф. - Воронеж: Издательский дом ВГУ, 2019. - Т. 6. -

C. 388-393.

39. Гладких, А.А. Синтез нечеткой базы знаний оценки уровня компетентности операторов досмотра на основе нейросетевых технологий / А.А. Гладких, А.К. Волков, А.К. Волков // Теоретические и прикладные вопросы комплексной безопасности: матер. II междунар. науч.-практ. конф.- СПб.: Петровская академия наук и искусств, 2019. - Т. 2. - С. 199-202.

40. Глазова, А.В. ИГИЛ как угроза международной безопасности : монография / А.В. Глазова, А.В. Атаев, Е.С. Бирюков, Б.М. Волхонский, Л.В. Гладченко, Р.Ш. Еникеев, И.Н. Комиссина, А.Я. Хизриев; под ред. канд. филол. наук А.В. Глазовой ; Рос. ин-т стратег. исслед. - М.: РИСИ, 2015. - 188 с.

41. Глебов, А.А. Модель краткосрочного прогнозирования электропотребления с помощью нейро-нечетких систем / А.А. Глебов // ЮжноРоссийский вестник геологии, географии и глобальной энергии. - 2006. - № 7 (20). - С. 142-146.

42. Горлушкина, Н.Н. Задачи и методы интеллектуального анализа образовательных данных для поддержки принятия решений / Н.Н. Горлушкина, И.Ю. Коцюба, М.В. Хлопотов // Образовательные технологии и общество. - 2015. - № 1 (18). - C. 472-482.

43. ГОСТ Р 55584-2013. Воздушный транспорт. Обеспечение авиационной безопасности в аэропортах. Термины и определения. - Введ. 2014-07-01. - М.: Стандартинформ, 2014. - 12 с.

44. ГОСТ Р 56461-2015. Безопасность транспортная. Общие Требования. -Введ. 2016-10-01. - М.: Стандартинформ, 2015. - 11 с.

45. ГОСТ Р 57238-2016. Установки рентгено-телевизионные конвейерного типа (интроскопы). Общие технические требования. - Введ. 2017-03-01. - М.: Стандартинформ, 2016. - 16 с.

46. Грас, Дж. Data Science. Наука о данных с нуля / Дж. Грас ; пер. с англ. -СПб.: БХВ-Петербург, 2017. - 336 с.

47. Демидов, А.А. Оборудование SMI для регистрации движений глаз: тест-драйв / А.А. Демидов, А.В. Жегалло // Экспериментальная психология. - 2008. -Т. 1 (1). - С. 149-159.

48. Елисов, Л.Н. Анализ современного состояния проблемы тренажерной подготовки летного состава гражданской авиации / Л.Н. Елисов, С.В. Громов // Научный вестник МГТУ ГА. - 2014. - № 214. - С. 15-18.

49. Елисов, Л.Н. Аналитическая модель нечеткой оценки показателей качества / Л.Н. Елисов, В.Г. Артемьев // Научный вестник МГТУ ГА. - 1998. -№ 7. - С. 21-24.

50. Елисов, Л.Н. Введение в теорию авиационной безопасности / Л.Н. Елисов, Н.И. Овченков, Р.С. Фадеев ; под. ред. Л.Н. Елисова. - Ярославль: Филигрань, 2016. - 320 с.

51. Епифанцев, Б.Н. Скрытая идентификация психофиологического состояния человека-оператора в процессе профессиональной деятельности / Б.Н. Епифанцев. - Омск: СибАДИ, 2013. - 198 с.

52. Зубков, Б.В. Методика оптимизации состава комплекса технических средств обеспечения авиационной безопасности / Б.В. Зубков, Ал.К. Волков, Ан.К. Волков // Научный вестник МГТУ ГА. - М.: МГТУ ГА, 2016. - № 225 (3). -С. 105-111.

53. Ильин, Е.П. Психофизиология состояний человека / Е.П. Ильин. - СПб.: Питер, 2005. - 412 с.

54. Карташевский, В.Г. Итерационное декодирование турбо-кодов в канале с памятью / В.Г. Карташевский, Д.В. Мишин // 3-я Международная конференция и выставка «Цифровая обработка сигналов и ее применение». - 2000. - С. 65-68.

55. Карташевский, В.Г. Прием кодированных сигналов в каналах с памятью / В.Г. Карташевский, Д.В. Мишин. - М.: Радио и связь, 2004. - 239 с.

56. Козлов, Д.А. Система сетевого контроля деятельности операторов рентгенотелевизионных интроскопов / Д.А. Козлов, Ан.К. Волков, Ал.К. Волков // Радиолокация, навигация, связь: сб. трудов XXIV междунар. науч. -техн. конф. -Воронеж: ООО «Вэлборн», 2018. - Т. 5. - С. 408-414.

57. Комаров, В.В. Архитектура и стандартизация телематических и интеллектуальных транспортных систем. Зарубежный опыт и отечественная практика. / В.В. Комаров, С.А. Гараган. - М.: НТБ «Энергия», 2012. - 352 с.

58. Косачевский, С.Г. Оценка эффективности методики первоначальной профессиональной подготовки пилотов для эксплуатации самолета с электронными системами отображения информации / С.Г. Косачевский, Д.В. Айдаркин, Д.В. Качан // Научный вестник МГТУ ГА. - 2018. - Т. 21 (5) - С. 8-22.

59. Куравский, Л.С. Марковские модели глазодвигательной активности и их применение для тестирования профессиональных навыков / Л.С. Куравский, П.А. Мармалюк, С.Н. Баранов, В.И. Алхимов, Г.А. Юрьев, С.В. Артюхина // Информационные технологии. - 2014. - № 8. - С. 34-43.

60. Куравский, Л.С. Диагностика профессиональных навыков на основе вероятностных распределений глазодвигательной активности / Л.С. Куравский, П.А. Мармалюк, Г.А. Юрьев // Естественнонаучные и математические методы в гуманитарных исследованиях. - 2016. - № 3 (91). - С. 72-82.

61. Куравский, Л.С. Количественные критерии и концепция диагностики летного состава по данным видеокулографии / Л.С. Куравский, Г.А. Юрьев, О.Б. Беляева, О.Ю Прокопьева // Нейрокомпьютеры: разработка, применение. - 2015. -№ 9. - С. 1-20.

62. Лебедев, А.М. Метод расчета ожидаемого предотвращенного ущерба от авиационных происшествий / А.М. Лебедев. Ульяновск: УВАУ ГА (И), 2007. -155 с.

63. Леонова, А.Б. Психодиагностика функциональных состояний человека / А.Б. Леонова. - М.: Изд-во Московского университета, 1984. - 200 с.

64. Лушкин, А.М. Утомление экипажа как фактор, обуславливающий риск / А.М. Лушкин, Ю.А. Майорова // Гражданская авиация на современном этапе развития науки, техники и общества: сб. тезисов докладов участников междунар. науч.-техн. конф. - М.: ИД Академия Жуковского, 2018. - С. 133.

65. Мальцев, О.Г. Риск-менеджмент в авиатопливообеспечении воздушных перевозок с использованием основного документа ИКАО в области снабжения гражданской авиации реактивным топливом / О.Г. Мальцев, Н.С. Бородина, А.В. Горожин, В.И. Кирюшин // Научный вестник ГосНИИ ГА. - 2017. - № 23 (334). -С. 97-109.

66. Маринцева, К.В. Классификация средств механизации и автоматизации процессов обслуживания авиапассажиров / К.В. Маринцева // Транспортные системы и технологии перевозок. - 2012. - № 3. - С. 56-60.

67. Михайлов, Ю.Б. Научно-методические основы обеспечения безопасности защищаемых объектов / Ю.Б. Михайлов. - М.: Горячая линия -Телеком, 2016. - 322 с.

68. О персональных данных : Федеральный закон Российской Федерации от 27.07.2006 № 152-ФЗ.

69. О транспортной безопасности : Федеральный закон Российской Федерации от 09.02.2007 № 16-ФЗ.

70. О Федеральной системе обеспечения защиты деятельности гражданской авиации от актов незаконного вмешательства : Постановление Правительства РФ от 30.07.1994 № 897.

71. Об уровнях безопасности объектов транспортной инфраструктуры и транспортных средств и о порядке их объявления (установления) : Постановление Правительства РФ от 10.12.2008 № 940.

72. Об утверждении Перечня потенциальных угроз девять потенциальных угроз совершения актов незаконного вмешательства в деятельность объектов транспортной инфраструктуры и/или транспортных средств : Приказ Минтранса России, ФСБ России, МВД России от 05.03.2010 № 52/112/134.

73. Об утверждении Перечня специалистов авиационного персонала гражданской авиации Российской Федерации : Приказ Минтранса России РФ от 04.08.2015 № 240.

74. Паспорт Программы инновационного развития Группы Аэрофлот [Электронный ресурс]: - Режим доступа: https://www.aeroflot.ru/media/aflfiles/ category_pictures/about/pasport_programmy_innovatsionnogo_razvitiia_gruppy_aerofl ot_2016_god.pdf (дата обращения: 29.01.2019).

75. Пегат, А. Нечеткое моделирование и управление / А. Пегат ; пер. с англ. - 3-е изд. - М.: БИНОМ. Лаборатория знаний, 2015. - 801 с.

76. Полковникова, Н.А. Нейросетевые технологии, нечеткая кластеризация и генетические алгоритмы в экспертной системе / Н.А. Полковникова, В.М. Курейчик // Известия ЮФУ. Технические науки. - 2014. - № 7 (156). - С. 7-15.

77. Правила аэронавигационного обслуживания. Подготовка персонала Doc. 9868. 2-е изд. - Монреаль: ИКАО, 2016. - 254 с.

78. Правила проведения предполетного и послеполетного досмотров : утв. Приказом Минтранса России от 25.07.2007 № 104.

79. Рашка, С. Python и машинное обучение / С. Рашка ; пер. с англ. А.В. Логунова. - М.: ДМК Пресс, 2017. - 418 с.

80. Руководство для регламентирующих органов: системы управления рисками, связанными с утомляемостью Doc. 9966. 2-е изд. - Монреаль: ИКАО, 2016. - 202 с.

81. Руководство по подготовке персонала на основе анализа фактических данных Doc. 9995 AN/497. 1-е изд. Монреаль: ИКАО, 2013. - 162 с.

82. Требования авиационной безопасности к аэропортам : Федеральные авиационные правила : утв. Приказом Минтранса России от 28.11.2005 № 142.

83. Тюкалова, Н.М. Современная концепция цифровой идентификации авиапассажиров / Н.М. Тюкалова, А.А. Разувакин // Научный вестник МГТУ ГА.

- 2018. - Т. 21 (4). - С. 39-47.

84. Устройство психофизиологического тестирования УПФТ-1/30-«Психофизиолог»: методический справочник. - Таганрог: НПКФ «Медиком МТД», 2013. - 85 с.

85. Ушаков, И.Б. Паттерны функциональных состояний оператора / И.Б. Ушаков, А.В. Богомолов, Ю.А. Кукушкин ; Отделение биологических наук РАН.

- М.: Наука, 2010. - 390 с.

86. Человеческий фактор в системе мер безопасности гражданской авиации. Doc. 9808 AN/765. 1-е изд. - Монреаль: ИКАО, 2002. - 120 с.

87. Шапкин, В.С. К вопросу о применении рискоориентированного подхода в задаче обеспечения безопасности полётов / В.С. Шапкин, С.С. Демин, А.В.

Никитин, Д.С. Демин, Д.В. Ковтушенко // Научный вестник ГосНИИ ГА. -2017. -№ 16 (327). - С. 61-69.

88. Шелухин, О.И. Обнаружение вторжений в компьютерные сети (сетевые аномалии) / О.И. Шелухин, Д.Ж. Сакалема, А.С. Филинова. - М.: Горячая линия -Телеком, 2013. - 220 с.

89. Штовба, С.Д. Информационная технология нечеткой идентификации для синтеза точных, компактных и интерпретабельных баз знаний / С.Д. Штовба, В.В. Мазуренко, Р.О. Тылец // Computer Science and Telecommunications. - 2016. - № 1 (47). - С. 8-22.

90. Штовба, С.Д. Проектирование нечетких систем средствами MATLAB / С.Д. Штовба. - М.: Горячая линия - Телеком, 2007. - 288 с.

91. Юрков, Н.К. Интеллектуальные компьютерные обучающие системы / Н.К. Юрков. - Пенза: Изд-во ПГУ, 2010. - 304 с.

92. Aires, L. Industrial monitoring by evolving fuzzy systems / L. Aires, J. Araujo, A. Dourado // Joint World Congress of the International Fuzzy Systems Association and Conference of the European Society for Fuzzy Logic and Technology, 2009, pp. 1358-1363.

93. Alawi, A. Al-S. Secure Method for Combining Cryptography with Iris Biometrics / A. Al-S. Alawi // Journal of Universal Computer Science, 2018, Vol. 24, No. 4, pp. 341-356.

94. Atkins, M. What do surgeons see: capturing and synchronizing eye gaze for surgery applications / M. Atkins, G. Tien, R. Khan, A. Meneghetti, B. Zheng // Surgical Innovation, 2013, Vol. 20, No. 3, pp. 241-248.

95. Batliner, A. Combining efforts for improving automatic classification of emotional user states / A. Batliner, S. Steidl, B. Schuller, D. Seppi, K. Laskowski, T. Vogt, L. Devillers, L. Vidrascu, N. Amir, L. Kessous, V. Aharonson // First International Language Technologies Conference, 2006, pp. 240-245.

96. Belyavin, A. Changes in electrical activity of the brain with vigilance / A. Belyavin, N.A. Wright // Electroencephalography and clinical Neurophysiology, 1987, Vol. 66, No. 2, pp. 137-144.

97. Berka, C. Real-time analysis of EEG indexes of alertness, cognition, and memory acquired with a wireless EEG headset / C. Berka, D.J. Levendowski, M.M. Cvetinovic, M.M. Petrovic, G. Davis, M.N. Lumicao, T. Zivkovic, M.V. Popovic, R.E. Olmstead // International Journal of Human-Computer Interaction, 2004, Vol. 17, No. 2, pp. 151-170.

98. Bishop, H. Potential driver attention monitoring system development / H. Bishop, B. Madnick, R. Walter, E.D. Sussman // Final Report No. DOT-TSC-NHTSA-85-1 ; National Highway Traffic Safety Administration, United States Department of Transportation. Washington, 1985.

99. Bolfing, A. Selection and pre-employment assessment in aviation security x-ray screening / A. Bolfing, A. Schwaninger // IEEE International Carnahan Conference on Security Technology, 2009, Vol. 43, pp. 5-12.

100. Bond, R.R. Assessing computerized eye tracking technology for gaining insight into expert interpretation of the 12-lead electrocardiogram: an objective quantitative approach / R.R. Bond, T. Zhu, D.D. Finlay, B. Drew, P.D. Kligfield, D. Guldenring, C. Breen, A.G. Gallagher, M.J. Daly, G.D. Clifford // Journal Electrocardiology, 2014, Vol. 47, No. 6, pp. 895-906.

101. Boot, W.R. Training and transfer of training in the search for camouflaged targets / W.R. Boot, M.B. Neider, A.F. Kramer // Attention, Perception, and Psychophysics, 2009, Vol. 71, pp. 950-963.

102. Brandt, S. Data Analysis. Statistical and Computational Methods for Scientists and Engineers / S. Brandt. - N.Y.: Springer, 2014, 523 p.

103. Ceder, A. Drivers' eye movements as related to attention in simulated traffic flow conditions / A. Ceder // Human Factors: The Journal of the Human Factors and Ergonomics Society, 1977, Vol. 19, No. 6, pp. 571-581.

104. Chiu, S.L. Fuzzy Model Identification Based on Cluster Estimation / S.L. Chiu // Journal of Intelligent and Fuzzy Systems, 1994, Vol. 2, pp. 267-278.

105. Coetzer, R.C. Eye detection for a real-time vehicle driver fatigue monitoring system / R.C. Coetzer, G.P. Hancke // Proceedings IEEE Intelligent Vehicles Symposium, 2011, pp. 66-71.

106. Coumel, P. Heart rate and heart rate variability / P. Coumel, P. Maison-Blanche, D. Catuli // Journal Heart Rate Variability ; Editors M. Malik, A.J. Camm. -N.Y.: Futura Publishing Company, 1995, pp. 207-222.

107. Data Mining Report to Congress. The Department of Homeland Security: Privacy Office, 2017, 77 p.

108. DeRosa, M. Data Mining and Data Analysis for Counterterrorism / M. DeRosa. - Washington: Center for Strategic and International Studies, 2004, 24 p.

109. Devi, M.S. Driver fatigue detection based on eye tracking / M.S. Devi, P.R. Bajaj // Proceedings 1st International Conference on Emerging Trends in Engineering, Technologies and Social Sciences, 2008, pp. 649-652.

110. Di Stasi, L.L. Towards a driver fatigue test based on the saccadic main sequence: a partial validation by subjective report data / L.L. Di Stasi, R. Renner, A. Catena, J.J. Cañas, B.M. Velichkovsky, S. Pannasch // Transportation Research Part C: Emerging Technologies, 2012, Vol. 21, pp. 122-133.

111. Dinges, D.F. Final report: evaluation of techniques for ocular measurement as an index of fatigue and as the basis for alertness management / D.F. Dinges, M.M. Mallis, G. Maislin, J.W. Powell // Report No: DOT HS 808 ; Washington: National Highway Traffic Safety Administration, 1998, 762 p.

112. Dorokhov, V.B. On the possibility of using EDR for estimation the vigilance changes / V.B. Dorokhov, V.V. Dementienko, L.G. Koreneva, A.G. Markov, A.V. Tarasov, V.M. Shakhnarovitch // International Jounal of Psychophysiology, 1998, Vol. 30, No. 1, 267 p.

113. Egelund, N. Spectral analysis of heart rate variability as an indicator of driver fatigue / N. Egelund // Ergonomics, 1982, Vol. 25, No. 7, pp. 663-672.

114. Elias, B. Homeland Security: Air Passenger prescreening and counterterrorism: Report for Congress / B. Elias, W. Krouse, E. Rappaport. -Washington: The Library of Congress, 2005, 34 p.

115. Elias, P. Error-correcting codes for list decoding / P. Elias // IEEE Transactions on Information Theory, 1991, Vol. 37, No. 1, pp. 5-12.

116. Fabiani, M. Event-related brain potentials / M. Fabiani, G. Gratton, K. Federmeier // Handbook of psychophysiology, 2007, pp. 85-119.

117. Gladkikh, A.A. Fuzzy Knowledge Base Synthesis of the Experience Level Classification of Aviation Security Screeners Using Sub-Tractive Clustering and Anfis-Training / A.A. Gladkikh, An.K. Volkov, Al.K. Volkov, N.A. Andriyanov, L.V. Mironova // International Journal of Civil Engineering & Technology (IJCIET), 2019, Vol. 10, No. 3, pp. 2316-2328.

118. Gladkikh, A.A. Improving efficiency of fiber optic communication systems with the use of lexicographic decoding of polar codes / A.A. Gladkikh, D.V. Mishin, N.Y. Chilikhin // Proceedings of SPIE. Optical Technologies for Telecommunications, 2018, Vol. 10744, pp. 1-15.

119. Grubbs, F.E. Extension of Sample Sizes and Percentage Points for Significance Tests of Outlying Observations / F.E. Grubbs, G. Beck // Technometrics, 1972, Vol. 14, No. 4, pp. 847-854.

120. Haitham, W. Cryptosystem from multiple biometric modalities / W. Haitham, W. Abdel-Moneim, A.A.Y. Aliaa // European Scientific Journal, 2013, Vol. 9, No. 30, pp. 242-256.

121. Hancock, D.J. Gaze behaviors and decision making accuracy of higher- and lower-level referees / D.J. Hancock, D.M. Ste-Marie // Psychology of Sport and Exercise, 2013, Vol. 14, pp. 66-71.

122. Hao, F. Combining Crypto with biometrics effectively / F. Hao, R. Anderson, J. Daugman // IEEE Transactions on Computers, 2006, Vol. 55, No. 9, pp. 1081-1088.

123. Harrison, Y. Sleep deprivation affects speech / Y. Harrison, J.A. Horne // Sleep, 1997, Vol. 20, pp. 871-877.

124. Hartley, L. Review of fatigue detection and prediction technologies / L. Hartley, T. Horberry, N. Mabbot. - National Road Transport Commission: Melbourne, Australia, 2000, 67 p.

125. Hayajneh, M. Monitoring defects of ceramic tiles using fuzzy subtractive clustering-based system identification method / M. Hayajneh, A. Hassan // Soft Computing, 2010, Vol. 14, No. 6, pp. 615-626.

126. Hayajneh, M. Monitoring Hole Quality in a Drilling Process Using a Fuzzy Subtractive Clutering-based System Identification Method / M. Hayajneh, S. Radaideh // Journal of Testing and Evaluation, 2007, Vol. 35, No. 3, pp. 287-302.

127. Heitmann, A. Technologies for the monitoring and prevention of driver fatigue / A. Heitmann, R. Guttkuhn, A. Aguirre, U. Trutschel, M. Moore-Ede // First International Driving Symposium on Human Factors in Driver Assessment, Training and Vehicle Design, 2001, pp. 81-86.

128. Hofer, F. Reliable and valid measures of threat detection performance in X-ray screening / F. Hofer, A. Schwaninger // IEEE International Carnahan Conference on Security Technology Proceedings, 2004, Vol. 38, pp. 303-308.

129. Jang, J.-S. R. ANFIS: Adaptive-Network-Based Fuzzy Inference System / J.-S. R. Jang // IEEE Transactions on Computers, 1994, Vol. 43, No. 11, pp. 1329-1333.

130. Krajewski, J. Estimating fatigue from predetermined speech samples transmitted by operator communication systems / J. Krajewski, U. Trutschel, M. Golz, D. Sommer, D. Edwards // Fifth International Driving Symposium on Human Factors in Driver Assessment: Training and Vehicle Design, 2007, Vol. 41, pp. 468-474.

131. Kschischang, F.R. Factor graphs and the sum-product algorithm / F.R. Kschischang, B.J. Frey, H.A. Loeliger // IEEE Transactions on Information Theory, 2001, Vol. 47, No. 2, pp. 498-519.

132. Kuravsky, L.S. Mathematical foundations of flight crew diagnostics based on videooculography data / L.S. Kuravsky, P.A. Marmalyuk, G.A. Yuryev, O.B. Belyaeva, O.Yu. Prokopieva // Applied mathematical sciences, 2016, Vol. 10, No. 30, pp. 1449-1466.

133. Lin, C.T. Estimating driving performance based on EEG spectrum analysis / C.T. Lin, R.C. Wu, T.P. Jung, S.F. Liang // EURASIP Journal Applied Signal Processing, 2005, Vol. 19, pp. 3165-3174.

134. Mamdani, E. H. An Experiment in Linguistic Synthesis with Fuzzy Logic Controller / E. H. Mamdani, S. Assilian // International Journal Man-Machine Studies, 1975, Vol. 7, No. 1, pp .1-13.

135. McGregor, D.K. Time on task and blink effects on saccade duration / D.K. McGregor, J.A. Stern // Ergonomics, 1996, Vol. 39, No. 4, pp. 649-660.

136. Menshikova, G.Ya. Testing the vestibular function development in junior figure skaters using the eye tracking technique / G.Ya. Menshikova, A.I. Kovalev, O.A. Klimova, A.M. Chernorizov, S.V. Leonov // Procedia - Social and behavioral sciences, 2014, Vol. 146, pp. 252-258.

137. Michael, J. Inferring User Knowledge Level from Eye Movement Patterns / J. Michael, J.G. Cole, L. Chang, J.B. Nicholas, Z. Xiangmin // Information Processing & Management, 2013, Vol. 49, No. 5, pp. 1075-1091.

138. Michel, S. Increasing x-ray image interpretation competency of cargo security screeners / S. Michel, M. Mendes, J.C. de Ruiter, C.M. Ger Koomen, A. Schwaninger // International journal of industrial ergonomics, 2014, Vol. 44, pp. 551-560.

139. Monowar, H.B. Network Anomaly Detection: Methods, Systems and Tools / H.B. Monowar, D.K. Bhattacharyya, J.K. Kalita // IEEE Communications Surveys and Tutorials, 2014, Vol. 16, No. 1, pp. 303-335.

140. Peng, L. An effective biometric cryptosystem combining fingerprints with error correction codes / L. Peng, Y. Xin, Q. Hua, C. Kai, L. Eryun, T. Jie // Expert Systems with Applications, 2012, Vol. 39. pp. 6562-6574.

141. Poole, A. Eye tracking in human-computer interaction and usability research: current status and future prospects / A. Poole, L.J. Ball // Encyclopedia of human-computer interaction, 2006, pp. 211-219.

142. Priyono, A. Generation of fuzzy rules with subtractive clustering / A. Priyono, M. Ridwan, A.J. Alias, R.A.O.K. Rahmat, A. Hassan, M.A.M. Ali // Jurnal Teknologi, 2012, Vol. 43, No. 1, pp. 143-153.

143. Recommended Security Guidelines for Airport Planning, Design and Construction. U.S. Department of Homeland Security: Transportation Security Administration, 2011, 206 p.

144. Rogers, T.W. Automated X-ray image analysis for cargo security: Critical review and future promise / T.W. Rogers, N. Jaccard, E.J. Morton, L.D. Griffin // Journal of X-Ray Science and Technology, 2017, Vol. 25, No. 1, pp. 33-56.

145. Samad, K. Exploring Gaze Data for Determining User Learning with an Interactive Simulation / K. Samad, C. Cristina // Lecture Notes in Computer Science, 2011, Vol. 7379, pp. 126-138.

146. Schleicher, R. Blinks and saccades as indicators of fatigue in sleepiness warnings: Looking tired? / R. Schleicher, N. Galley, S. Briest, L. Galley // Ergonomics, 2008, Vol. 51, No. 7, pp. 982-1010.

147. Shahram, E. Gaze Behaviour of Expert and Novice Microneurosurgeons Differs During Observations of Tumor Removal Recordings / E. Shahram, B. Roman, T. Markku, F. Mikael, L. Ville, E.J. Juha // Symposium on Eye Tracking Research and Applications, 2012, pp. 377-380.

148. Sommer, D. Assessing driver's hypovigilance from biosignals / D. Sommer, M. Golz, U. Trutschel, D. Edwards // IFMBE Proceedings, 2008, Vol. 22, pp. 152-155.

149. Stefan, M. Human-machine interaction in x-ray screening / M. Stefan, A. Schwaninger // Carnahan Conference on Security Technology, 2007, Vol. 41, pp. 1319.

150. Steiner-Koller, S.M. Assessment of x-ray image interpretation competency of aviation security screeners / S.M. Steiner-Koller, A. Bolfing, A. Schwaninger // IEEE International Carnahan Conference on Security Technology Proceedings, 2009, Vol. 43, pp. 20-27.

151. Swann, L. Airport security screeners expertise and implications for interface design / L. Swann, V. Popovic, A.L. Blackler, B.J. Kraal // In Design Research Society Conference, 2014, pp. 16-19.

152. Swann, L. Relationship between user experience and intuitiveness of visual and physical interactions / L. Swann, V. Popovic, H. Thompson, A.L. Blackler, B. Kraal // The International association of societies of design research congress, 2015, Vol. 6, pp. 1900-1916.

153. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Heart Rate Variability. Standards of measurements, physiological interpretation, and clinical use: Circulation, 1996, pp. 1043-1065.

154. Timmis, M.A. Visual Search Strategies of Soccer Players Executing a Power vs. Placement Penalty Kick / M.A. Timmis, K. Turner, K.N. van Paridon // PLoS ONE, 2014, Vol. 9, No. 12, pp. 1-16.

155. Van Orden, K.F. Combined eye activity measures accurately estimate changes in sustained visual task performance / K.F. Van Orden, T.-P. Jung, S. Makeig // Biological psychology, 2000, Vol. 52, No. 3, pp. 221-240.

156. Velichkovsky, B.M. Towards an express-diagnostics for level of processing and hazard perception / B.M. Velichkovsky, A. Rothert, M. Kopf, S.M. Dornhofer, M. Joos // Transportation Research. Part F: Traffic Psychology and Behaviour, 2002, Vol. 5, No. 2, pp. 145-156.

157. Vrzakova, H. Hard lessons learned: mobile eye-tracking in cockpits / H. Vrzakova, R. Bednarik // Workshop on eye gaze in intelligent human machine interaction, 2012, Vol. 7, pp. 130-136.

158. Weibel, N. Let's look at the cockpit: exploring mobile eye-tracking for observational research on the flight deck / N. Weibel, A. Fouse, C. Emmenegger, S. Kimmich, E. Hutchins // Symposium on Eye Tracking Research and Applications, 2012, pp. 107-114.

159. Whitmore, J. Speech during sustained operations / J. Whitmore, S. Fisher // Speech Communication, 1996, Vol. 20, pp. 55-70.

160. Wierwille, W.W. Evaluation of driver drowsiness by trained raters / W.W. Wierwille, L.A. Ellsworth // Accident Analysis & Prevention, 1994, Vol. 26, 571 p.

161. Wierwille, W.W. Significant changes in driver-vehicle response measures for extended duration simulated driving tasks / W.W. Wierwille, W.H. Muto // First European Annual Conference on Human Decision Making and Manual Control, 1981, pp. 298-314.

162. Wood, G. Visual expertise in detecting and diagnosing skeletal fractures / G. Wood, K.M. Knapp, B. Rock, C. Cousens, C. Roobottom, M.R. Wilson // Skeletal Radiology, 2013, Vol. 42, No. 2, pp. 165-172.

163. Wright, N. Vigilance on the civil flight deck: incidence of sleepiness and sleep during long-haul flights and associated changes in physiological parameters / N. Wright, A. McGown // Ergonomics, 2001, Vol. 44, No. 1, pp. 82-106.

164. Yager, R. Essentials of Fuzzy Modeling and Control / R. Yager, D. Filev, New York: John Wiley & Sons, 1984, 387 p.

Приложение А

Интегральные показатели оценки стратегий зрительного поиска

Таблица А.1 - Интегральные показатели оценки стратегий зрительного поиска

П1 П2 Пэ П4

ю 3,068 3,473 0,100 1,895

Я2 3,382 3,494 0,300 0,623

Я3 2,928 3,061 0,100 1,890

Я4 3,365 3,584 0,100 1,328

Я5 2,643 3,433 0,200 2,303

Я6 2,079 2,947 0,100 1,946

Я7 1,790 2,792 0,000 1,877

Я8 1,051 2,637 0,000 2,306

Я9 1,199 2,319 0,000 1,736

Ю0 1,974 2,937 0,100 2,404

Ю1 2,908 3,487 0,100 2,090

Ю2 3,059 3,103 0,000 2,023

Ю3 3,212 3,781 0,000 3,019

Я14 3,302 3,573 0,100 3,452

Ю5 3,083 2,940 0,100 1,845

Ю6 1,696 2,324 0,100 1,727

Я17 2,295 2,668 0,100 1,967

Ю8 1,244 2,957 0,000 4,096

Ю9 2,450 3,413 0,100 1,865

Я20 1,519 2,512 0,100 1,811

Я21 1,129 1,999 0,000 2,422

Я22 1,672 2,710 0,100 1,919

Я23 1,319 3,157 0,100 3,318

Я24 1,063 2,417 0,000 2,761

Я25 1,808 2,537 0,000 2,274

Я26 3,412 3,569 0,300 2,562

Я27 2,851 2,470 0,100 1,449

Я28 3,123 3,319 0,300 1,796

Я29 2,301 2,671 0,200 2,634

Я30 1,910 2,712 0,100 2,461

Я31 1,728 2,014 0,100 2,113

Я32 1,751 2,801 0,300 2,023

Приложение Б

Описательные статистики интегральных показателей

^Workbook!* - Descriptive Statistics (Statistical) [•■<=i»||rö--||rfb

Variable Descriptive Statistics (Statistical

Valid N % Valid obs Mean Geometric Mean Harmonic Mean Median Mode Frequency of Mode Sum

П1 32 100.0000 2 259759 2.114008 1.965123 2.186904 Multiple 1 72.31229

П2 32 100.0000 2.931624 2.891852 2.850987 2.938484 Multiple 1 93.81195

ПЗ 32 100.0000 0.103125 0.100000 .1000000 17 3.30000

П4 32 100 0000 2.185561 2.085603 1.962717 2.023320 Multiple 1 69.93794

Descriptive Statistics (StatisticaJ) Descriptive Statistics (Statistical) Descriptive Statistics (Statistical) | Descnpt - .

а) Показатели положения

Workbookl* - Descriptive Statistics (Statistical) | t=> || В ||«£3в

Variable Descriptive Statistics (Statistica_ 1) _I

Variance Std Dev. Coef.Var Standard Error Skewness Std.Err. Skewness Kurtosis Std.Err. Kurtosis

П1 0.630653 0.794137 35.14255 0.140385 0.002045 0.414457 -1.44967 0.809371

П2 0.233398 0.483113 16.47937 0.085403 -0.079511 0.414457 -0.87329 0.809371

ПЗ 0.008700 0.093272 90.44522 0.016488 0.952873 0.414457 0.41284 0.809371

П4 0.428145 0.654328 29,93867 0.115670 0.745528 0.414457 2.06465 0,809371

u<

Descriptive Statistics (Statistica_1) ¡J Descriptive Statistics (StatisticaJ) Descriptive Statistics (Statistical i ►

б) Показатели изменчивости

Щ Workbookl* - Descriptive Statistics (StatisticaJ) I = Il s |кз>

Descriptive Statistics (Statistica_1) _I

Variable Minimum Maximum Lower Quartile Upper Quartile Percentile 10 00000 Percentile 90.00000 Range Quartile Range

П1 1,050719 3.411905 1,683965 3 063309 1.198626 3.302381 2.361186 1.379345

П2 1,998964 3,781094 2.587376 3.422808 2.324250 3.569073 1.782130 0,835433

ПЗ 0.000000 0.300000 0.000000 0.100000 0.000000 0,300000 0.300000 0,100000

П4 0.623319 4,095842 1,854632 2.441275 1.726767 3.018942 3,472523 0,586642 ■r

U'

Descriptive Statistics (Statistical) Descriptive Statistics (Statistica_1) Descriptive Statistics (Statistical I '

в) Процентили и размахи

33 Workbookl" - Descriptive Statistics (StatisticaJ) I ■=> Il S Iba-

Descriptive Statistics (Statistica 1)

Valid N Mean Trimmed Winsorized Grubbs Test p-value Minimum Maximum Std.Dev.

mean mean Statistic

Variable 5.0000% 5.0000%

П1 32 2.259759 2.264435 2.262242 1.522458 1.000000 1.050719 3.411905 0.794137

П2 32 2.931624 2.944071 2.944275 1.930520 1.000000 1.998964 3.781094 0,483113

ПЗ 32 0.103125 0.096429 0.103125 2.110770 0.943503 0.000000 0.300000 0.093272

П4 32 2.185561 2.158532 2.186649 2.919457 0.054242 0.623319 4.095842 0,654328

h-

Descriptive Statistics (StatisticaJ) Descriptive Statistics (StatisticaJ) © Histogram: П1 | ¿jjp Histogram: П2 | ¿¡p Histogr ~JT

г) Робастное оценивание

Рисунок Б.1 - Описательные статистики интегральных показателей

Приложение В

Результаты дисперсионного анализа

1 ^Workbookl.stw» - Analysis of Variance (Statist.., o || S

Case ID Analysis of Variance (Statistica 1)

Between SS df Within SS df F sign if P =

R1 4.451889 1 1.244501 1 3.577 0.309625

R2 2.061836 1 4.120195 1 0.500 0.608047

R3 3.762051 1 0.685084 1 5.491 0.256775

R4 3,699745 1 2.545749 1 1.453 0.440845

R5 4 745895 1 0.637881 1 7,440 0 223708

R6 3.671329 1 0.500971 1 7.328 0,225268

R7 3.632949 1 0.417956 1 8.692 0.208179

R8 4.073108 1 0.054911 1 74.176 0.073588

R9 2.740846 1 0.169649 1 16.156 0.155233

R10 4,405172 1 0.142017 31.019 0,113101

R11 4.818704 1 0,976499 1 4.935 0.269284

R12 4.379706 1 0,582498 1 7,519 0,222627

R13 7.706748 1 0.290438 1 26.535 0.122068

R14 7,763140 1 0.007225 1 1074.505 0.019415

R15 3,502987 1 0.599890 1 5.839 0.249789

R16 2.471722 1 0.178493 1 13.848 0,167128

u<

Descriptive Statistics for Ouster 3 (Statistical) | jj | Analysis of ^ ' •

3 Workbookl.stw* - Analysis of Variance (Statist...: □ || B

Case ID Analysis of Variance (Statistica 1)

Between SS df Within SS df F signif P

R17 3,277910 1 0.246034 1 13,323 0,170236

R18 8.289783 1 0.648794 1 12.777 0.173660

R19 4.296706 1 1 198279 1 3.586 0.309314

R20 2.834064 1 0.245715 1 11.534 0.182301

R21 3.257436 1 0.089465 1 36,410 0.104554

R22 3 270012 1 0.312620 1 10.460 0.190904

R23 6.562357 1 0.012925 1 507.712 0.028235

R24 4.469943 1 0.059222 1 75.478 0.072956

R25 3.858695 1 0.034556 1 111.664 0 060066

R26 5.098500 1 0.507259 1 10.051 0.194517

R27 2.305386 1 0.521208 1 4.423 0.282558

R28 3.397866 1 1.158720 1 2.932 0.336482

R29 4.011132 1 0.000682 1 5878,457 0,008303

R30 4.121564 1 0.031676 1 130.118 0.055668

R31 2.570392 1 0,004927 1 521,665 0.027855

R32 2.974428 1 0.302735 1 9.825 0.196602 -

Lb

Descriptive Statistics for Ouster 3 (Statistical) Analysis of < [1

ИР

а) Показатели дисперсионного анализа

Workbookl.l.stw* - Squared Mahalanobis Distanc...

Squared Mahalanobis Distances from Group Centroids — (Statistica l) Incorrect classifications are marked with *

Case

R1

R2 R3 R4 R?

R6_

R;

RS

R9

RIO

Ril

R12

R13

R14

R15

R16

Observed Classif.

G_1:1 p=.28125

G_2:2 p=.59375

G 1:1 G_1:1 G 2 2 G_1 1 G_1:1 G_2:2 G 2:2 G_2:2 G_2 2 G_2:2 GJ:1 G_2:2 G_3:3 G_3:3 G_2:2 G 2:2

1 97239 8 18348 9.40262 26.20062 2.35780 11.62716 12.24596 1.38920 1.38796 1.12307 3.14049

G_3:3 p=.12500

3.27585 3.65060 1.33301

4.25654 12.25028 14.53333 22.21458

5.25235 2.30909 8,79055 17.33376 17.22419 4.45566

15.83142

2.33362 8.81976 3.35011 23.89282 25.57925 1.43546 2.13255

13.82816 53.77880 16,82124 25.17871 11.06751 17.24679 22,08755 17,33801 36.39255 10.13469 10.64973 14.81905 3,01655 0.98830 19 28226 35.14342

Squared Mahalanobis Distances from Group Centroids (Statistic L.J 1 *

' ИЗ Workbookll.stw* - Squared Mahalanobis Distanc... | с= |[ H ||»£3-i

Case Squared Mahalanobis Distances from Group Centroids (Statistica 1) Incorrect classifications are marked with * =3

Observed Classif. G 1:1 p=,28125 G 2:2 G 3:3 p=.59375 p=.12500

R17 G 2:2 G 3:3 G 1:1 7.95297 0.26582 21.66202 26.59338 3.71643

R1S 33.99750 1.92024

R19 7.08157 14.55508

R20 G 2:2 G 2:2 G 2:2 11 19887 29.71765 0,77527 28.27683

R21 5.29755 32.93756

R22 7,35031 0,37574 21,73818

R23 G 3:3 G 2:2 G 2:2 13,36329 14.49708 1.13271 =

R24 20.47049 16.24928 3,37661 16.02623 1.09791 20.00652

R25

R26 G 1:1 6.13594 24.75922 15.72655

КП G 2:2 14 15736 2.90501 37.84440

R2S G 1:1 1.96715 16.05442 26.14823

R29 G 2:2 G 2:2 7.75961 5.59420 14.55776

R30 8.07580 1.28596 12.82475

R31 G 2:2 23.16105 4,20085 36,80089

R32 G 1:1 5.62979 10.83070 27,78376

J<

Squared Mahalanobis Distances from Group Centroids (Statistic * '

б) Квадраты расстояний Махаланобиса

Workbookl.l.stw* - Discriminant Function Analysis Summa... | c=> || (3 [|«£3r-

N=32 Discriminant Function Analysis Summary (Statistical) No. ofvars in model: 3; Grouping: Cod (3 grps) Wilks' Lambda: .10453 approx. F (6.54)=18.837 p< .0000

Wilks' Lambda Partial Lambda F-remove (2.27) p-value Toler. 1-Toler (R-Sqr)

П2 0 246776 0 423588 18.37056 0 000009 0 960096 0.039904

ПЗ 0 143655 0 727656 5.05273 0.013677 0993289 0 006711

П4 0 237530 0.440076 17 17649 0 000015 0.956453 0 043547

U'

Discnminant Function Analysis Summary (Statistica_1) Discriminant Functioi

в) Переменные в модели Рисунок В.1 - Результаты дисперсионного анализа

Приложение Г

Справка АУЦ ФГБОУ ВО УИ ГА

МИНИСТЕРСТВО ТРАНСПОРТА РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

ВЫСШЕГО ОБРАЗОВАНИЯ «УЛЬЯНОВСКИЙ ИНСТИТУТ ГРАЖДАНСКОЙ АВИАЦИИ ИМЕНИ ГЛАВНОГО МАРШАЛА АВИАЦИИ Б.Н. БУГАЕВА»

АВИАЦИОННЫЙ УЧЕБНЫЙ ЦЕНТР Лицензия ФГБОУ ВО УИ ГА № 2061 от (»7 апреля 2016 г.

СПРАВКА

№ О о. .04.%

Настоящим подтверждается, что Капацына Виктория Михаиловна, 03.05.1997 г.р. обучаясь по программе «Переподготовка курсантов кафедры обеспечения авиационной безопасности. Предполётный и послеполётный досмотр», утверждённой 12.03.2017. в период с «09» 04 2018 по «19» 04 2018 освоила следующие учебные дисциплины

Наименование дисциплины Количество часов

Терроризм на воздушном транспорте. Состояние авиационной безопасности на воздушном транспорте. 2

Правовые основы функционирования службы авиационной безопасности гражданской авиации РФ. 4

Деятельность аэропорта (авиакомпании), авиапредприятия и эксплуатанта. 2

Осуществление досмотра людей и предметов, попадающих на борт гражданских воздушных судов 4

Выездное занятие 1 .Организация системы обеспечения авиационной безопасности аэропорта, авиапредприятия, эксплуатанта, профайлинг. 6

Организация пропускного и внутриобъектового режима в аэропортах гражданской авиации. 4

Выездное занятие 2.Технические средства досмотра и охраны. РТУ. 6

Практическое занятие 1. Взрывчатые вещества, взрывные устройства, оружие, боеприпасы и другие опасные, запрещенные к перевозке, вещества и предметы. Их признаки и методы обнаружения. 4

Опасные грузы, их классификация и правила перевозки на гражданских воздушных судах. 4

Практическое занятие 2. Действия сотрудников групп предполетного и послеполетного досмотра службы авиационной безопасности при возникновении чрезвычайных ситуаций 4

Форма итогового контроля Дифференцированный зачет

Результат аттестации 5(отлично)

Врио ректора

М.П. Начальник /\УЦ Специалист ОУГ1

Бабкин Олег Валентинович

анцев Александр Михайлович лякина Екатерина Сергеевна

¡па выдачи «19» апреля 2018 г.

Рисунок Г.1 - Справка АУЦ ФГБОУ ВО УИ ГА

Приложение Д

Показатели нечеткой модели оценки компетентности

Таблица Д.1 - Показатели нечеткой модели оценки компетентности

У

бт SE ЕТ ИЯ БР

ш 2,324 0,000 3,951 0,805 0,850

Я2 3,255 0,200 2,145 0,897 0,900

ЯЭ 2,365 0,300 2,287 0,913 0,900

Я4 3,353 0,200 2,634 1,000 0,950