根据国际航空运输协会（IATA）最近发布的数据，2024年国际航空客运量同比增长了7.1%，而可用座位容量增长了6.8%。随着全球空中交通的持续扩张，与有人驾驶飞机共同运行的低空、开放空域无人机（UAVs）的增多加剧了空域拥堵，并增加了潜在冲突的可能性（Morales-Ferrer等人，2019年）。这一趋势给ATCO带来了额外的心理工作负荷（MW）（Costa-Leal等人，2022年）和操作压力，而他们已经处于持续保持警觉和认知需求的状态。ATCO负责确保航空运输的安全、可靠性和效率，在空中交通管理系统中担任关键决策者，对维护运营安全起着关键作用（Pan等人，2025年）。
尽管在学术和工业领域已经进行了大量关于ATCO工作负荷管理、评估和预测的研究（Fürstenau等人，2020年；Corver等人，2016年），但现有研究主要采用群体层面的分析方法，很大程度上忽略了个体间工作负荷承受能力的差异。因此，这些努力尚未完全转化为减少人为错误的系统性改进，与认知饱和相关的安全事件仍然存在（Xu等人，2021年）。因此，了解个体ATCO的工作负荷承受能力对于提升航空安全和运营效率至关重要（Heng等人，2022年；Xiong等人，2023年）。
大量实证证据表明ATCO的表现与个人工作负荷水平之间存在强烈关联（Bai等人，2024年）。重要的是，即使执行相同的工作量，由于生理状态的不同（如警觉与疲劳），个体可能会报告明显不同的主观工作负荷体验（Mohammadfam等人，2021年）。偏离最佳认知资源范围——无论是过载还是欠载——都可能导致疲劳，进而降低认知功能（Casner等人，2010年）。长期暴露在高工作负荷下不仅会加速疲劳积累，还会损害情境意识并导致注意力分配不当，大大增加人为错误的风险（Zamarreno Suárez等人，2024年）。因此，在不同的生理和操作条件下准确评估个人工作负荷对于表征负荷波动、识别承受阈值以及最终降低人为因素风险至关重要（Stroeve等人，2015年）。这是增强航空安全系统韧性的关键前提。
为了解决评估个人工作负荷承受能力的局限性，本研究旨在为ATCO开发一个个性化的工作负荷承受能力框架，以便在动态交通流量条件下精确描述个体差异。
首先，设计了一个控制实验，在常规轮班前后分别进行模拟控制任务。通过收集轮班前（警觉状态）和轮班后（疲劳状态）的多模态生理和眼动数据，系统地评估了ATCO在这些状态下的不同工作负荷承受能力，从而建立了一个全面的工作周期内工作负荷耐力的评估框架。
随后，使用PLS-PM方法从多模态数据中构建了表示个人工作负荷的潜在变量得分。这些得分与动态交通流量指标相结合，建立了描述个人工作负荷随交通量变化的线性和非线性图形关系。利用BIC确定了分段线性模型的最佳分段数量。在这个最佳模型中，识别出对应于最陡峭正拐点的交通流量值（表明个人工作负荷突然增加）作为个性化的工作负荷预警阈值。
最后，通过比较轮班前后的阈值，对个人工作负荷承受能力的变化进行了定量评估。
本研究创新地将多模态心理生理信号与交通流量指标相结合，与传统仅依赖群体平均值的建模方法形成了显著区别。传统群体层面的工作负荷模型往往忽略了个体间在生理反应、认知策略和承受能力边界上的差异，导致“平均”评估缺乏实际效用。
相比之下，所提出的框架通过潜在变量建模和分段线性分析捕捉了工作周期内的动态个体差异。它有助于个性化地识别承受阈值，并为每位管制员提供定制的早期预警。此外，通过将潜在变量得分映射到空中交通控制飞行中，抽象的生理-行为数据被转化为直观的交通流量相关指标，从而提高了结果的可解释性和可操作性。
总之，这一框架代表了从“群体平均值”到“个体差异”的范式转变，为ATCO工作负荷的个性化管理提供了坚实的理论和技术支持。
