DOI: https://doi.org/10.1007/s44196-024-00671-w
تاريخ النشر: 2024-11-12
المؤلف: Gülay Demir وآخرون
الموضوع الرئيسي: أبحاث الصحة والسلامة المهنية
نظرة عامة
تقدم هذه الدراسة فحصًا شاملاً لدمج التقنيات المتقدمة، وخاصة الذكاء الاصطناعي (AI) وتعلم الآلة (ML)، في تعزيز استراتيجيات سلامة الطيران. من خلال مراجعة منهجية لـ 224 مقالة من قاعدة بيانات Scopus تمتد من عام 2004 حتى يناير 2024، تحدد الأبحاث المساهمات الكبيرة من الصين وتسلط الضوء على الاتجاهات الرئيسية في أبحاث سلامة الطيران، مثل تحليل الحوادث وسلوك الطيارين وتدابير السلامة. تشمل المنهجيات المستخدمة خوارزميات ML المختلفة، وتقنيات التعلم العميق، ونماذج السلاسل الزمنية، ونمذجة الأعصاب الفيزيولوجية، والتي تعتبر محورية لتحسين تحليل البيانات والقرارات التشغيلية داخل قطاع الطيران.
تصنف النتائج الأبحاث إلى عدة مجالات محورية، بما في ذلك عوامل المخاطر وتصميم التكنولوجيا والعمليات التشغيلية، مما يبرز أهمية الدقة والموثوقية في سلامة الطيران. تؤكد الدراسة على الجهود المستمرة لتطوير نماذج تنبؤية لشدة الحوادث، وتحليل عبء العمل المعرفي للطيارين باستخدام بيانات EEG، وتعزيز أنظمة الأمان المدعومة بالذكاء الاصطناعي. من خلال تلخيص هذه الرؤى، تهدف الأبحاث إلى توجيه الدراسات المستقبلية وإبلاغ الممارسين بالأدبيات المؤثرة والاتجاهات الناشئة في سلامة الطيران. بالإضافة إلى ذلك، تقترح الدراسة أن الاستكشاف الإضافي للبيانات البيبليومترية يمكن أن يضيء الفجوات في الأدبيات الحالية ويحدد اتجاهات بحث جديدة، مما يسهم في تعزيز معايير السلامة في صناعة الطيران.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على المشهد المتطور لسلامة الطيران، مع التأكيد على الانتقال من الطرق التقليدية – مثل تحليل تقارير الحوادث وتدريب الطيارين – إلى دمج التقنيات المتقدمة مثل الذكاء الاصطناعي (AI) وتعلم الآلة (ML) والتعلم العميق (DL). تعزز هذه التقنيات تحليل مجموعات البيانات الكبيرة، مما يمكّن من تحديد الأنماط والمخاطر المحتملة للسلامة، وبالتالي تحويل ممارسات سلامة الطيران من خلال التحليلات التنبؤية، والمراقبة في الوقت الحقيقي، وإدارة المخاطر الاستباقية. تؤكد الورقة على الدور الحاسم للذكاء الاصطناعي في تحسين عمليات اتخاذ القرار وتسهيل الصيانة التنبؤية، مما يسهم في تعزيز السلامة والكفاءة العامة للسفر الجوي.
تستخدم الدراسة نهجًا منهجيًا وبيبليومتريًا لاستكشاف التطبيقات المتعددة الأوجه للذكاء الاصطناعي وتعلم الآلة والتعلم العميق في سلامة الطيران، بهدف تقييم تأثيرها على هذا المجال. تطرح عدة أسئلة بحثية تتعلق بالاتجاهات، والحقول الفرعية البارزة، والتوزيع الجغرافي لجهود البحث في هذا المجال. من خلال تحليل الأدبيات، تسعى الورقة إلى إلقاء الضوء على الحالة الحالية للبحث وتحديد الاتجاهات المستقبلية، مما يجعلها مصدرًا قيمًا لتعزيز دمج هذه التقنيات في ممارسات سلامة الطيران. من المتوقع أن تعزز النتائج بشكل كبير معايير السلامة وتقوي أنظمة النقل الجوي على مستوى العالم.
الطرق
تستخدم الورقة البحثية التحليل البيبليومتري لتتبع الاتجاهات والتطورات في دراسات أمن الطيران، مستفيدة من قواعد بيانات متنوعة مثل Scopus وWeb of Science. تشمل المنهجية تصفية البيانات من خلال معايير إدراج واستبعاد محددة واستخدام أدوات البرمجيات مثل VOSviewer وCiteSpace للتحليل الشامل. تُصنف التقنيات المستخدمة في أمن الطيران إلى طرق إحصائية، وخوارزميات تعلم الآلة (ML)، ونماذج التعلم العميق (DL)، وغيرها من الأساليب المبتكرة، حيث تساهم كل منها في تعزيز السلامة، والوقاية من الحوادث، وإدارة المخاطر.
تعتبر الطرق الإحصائية، بما في ذلك الشبكات البايزية ونماذج السلاسل الزمنية مثل ARIMA، محورية لإدارة المخاطر وتوقع الأحداث. تُستخدم تقنيات ML، مثل أشجار القرار وآلات الدعم الناقل، على نطاق واسع للتصنيف واكتشاف الشذوذ، بينما تحسن النماذج المتقدمة مثل XGBoost دقة التنبؤ. تُطبق تقنيات DL، وخاصة الشبكات العصبية التلافيفية (CNNs) وشبكات الذاكرة طويلة وقصيرة الأمد (LSTM)، بشكل متزايد لتحليل البيانات المعقدة، بما في ذلك معالجة الصور وتوقع السلاسل الزمنية. تناقش الورقة أيضًا التطور التاريخي لأبحاث الطيران، مسلطة الضوء على الانتقال من التقدم التكنولوجي المبكر إلى الدمج الحالي للذكاء الاصطناعي وعلوم البيانات، مع الإشارة إلى أن الاتجاهات المستقبلية تشير إلى التركيز على النماذج المعتمدة على الفيزياء والأنظمة المتكاملة للطائرات الصغيرة.
المناقشة
ت outlines قسم المناقشة في الورقة البحثية مراجعة شاملة للأدبيات حول سلامة الطيران، مستفيدًا من قاعدة بيانات Scopus لتحديد المقالات ذات الصلة المنشورة حتى يناير 2024. تم اختيار ما مجموعه 224 مقالة بناءً على معايير إدراج صارمة، تركز حصريًا على المقالات البحثية التي تمت مراجعتها من قبل الأقران مع استبعاد المواد غير المراجعة مثل ملخصات المؤتمرات والمقالات الافتتاحية. شمل عملية الاختيار فحصًا منهجيًا صنف المقالات إلى مجالات موضوعية، بما في ذلك توقع الحوادث، وسلوك الطيارين، والعوامل البيئية، والابتكارات التكنولوجية، مما يوفر نظرة عامة منظمة على الحالة الحالية لأبحاث سلامة الطيران.
تستخدم الورقة طرق تحليل بيبليومتري متنوعة، مثل الاقتران البيبليوغرافي، وتحليل الاقتباسات المشتركة، وتحليل الكلمات الرئيسية، وتحليل السلاسل الزمنية، لتوضيح الاتجاهات والشبكات البحثية داخل هذا المجال. من الجدير بالذكر أن المراجعة المنهجية تسلط الضوء على الدور الكبير لتقنيات الذكاء الاصطناعي (AI) وتعلم الآلة (ML) والتعلم العميق (DL) في تعزيز سلامة الطيران من خلال تحليل البيانات، وتوقع الحوادث، وتطوير تدابير السلامة. تشير النتائج إلى تزايد التركيز على دمج التقنيات المتقدمة لمعالجة القضايا الحرجة في الطيران، بما في ذلك مراقبة أداء الطيارين، والتأثيرات البيئية، وإدارة المخاطر، مما يبرز أهمية البحث المستمر والابتكار في هذا المجال.
القيود
تقدم الدراسة مراجعة منهجية وتحليل بيبليومتري للأدبيات المتعلقة بسلامة الطيران، مع التركيز بشكل خاص على تقنيات الذكاء الاصطناعي (AI) وتعلم الآلة (ML) والتعلم العميق (DL). ومع ذلك، يتم الاعتراف بعدة قيود قد تؤثر على شمولية وملاءمة النتائج. أولاً، قد يؤدي الاعتماد على قاعدة بيانات Scopus لجمع البيانات إلى استبعاد المنشورات ذات الصلة المدرجة في قواعد بيانات أخرى مثل Web of Science وPubMed. بالإضافة إلى ذلك، قد يؤدي التقييد بالمقالات باللغة الإنجليزية إلى تجاهل أبحاث هامة نشرت بلغات أخرى، مما يحد من المنظور العالمي حول سلامة الطيران.
علاوة على ذلك، قد يغفل إطار الزمن لمراجعة الأدبيات، الذي يمتد من 2004 إلى يناير 2024، الدراسات الأساسية والتطورات الحديثة التي تتجاوز هذه الفترة. قد يؤدي استبعاد الوثائق غير المراجعة من قبل الأقران، مثل أوراق المؤتمرات والأطروحات، أيضًا إلى فقدان الاتجاهات والابتكارات الناشئة. قد يؤدي تركيز الدراسة على تقنيات الذكاء الاصطناعي وتعلم الآلة والتعلم العميق إلى إدخال تحيز تكنولوجي، مما قد يتجاهل رؤى قيمة من المنهجيات التقليدية. علاوة على ذلك، بينما استخدمت التحليل البيبليومتري أدوات مثل RStudio وVOSviewer، قد يؤثر اختيار البرمجيات على تفسير البيانات. أخيرًا، قد يحد نقص الرؤى النوعية حول الأطر النظرية والصرامة المنهجية للدراسات المدرجة من فهم جودتها وتأثيرها. بشكل عام، تؤكد هذه القيود على ضرورة البحث المستمر الذي يوسع نطاق التحليل ويشمل منهجيات متنوعة لتعزيز فهم سلامة الطيران.
DOI: https://doi.org/10.1007/s44196-024-00671-w
Publication Date: 2024-11-12
Author(s): Gülay Demir et al.
Primary Topic: Occupational Health and Safety Research
Overview
This study provides a thorough examination of the integration of advanced technologies, particularly artificial intelligence (AI) and machine learning (ML), in enhancing aviation safety strategies. By systematically reviewing 224 articles from the Scopus database spanning from 2004 to January 2024, the research identifies significant contributions from China and highlights key trends in aviation safety research, such as accident analysis, pilot behavior, and safety measures. The methodologies employed include various ML algorithms, deep learning techniques, time series models, and neurophysiological modeling, which are pivotal for improving data analysis and operational decisions within the aviation sector.
The findings categorize the research into several focal areas, including risk factors, technology design, and operational processes, emphasizing the importance of precision and accuracy in aviation safety. The study underscores ongoing efforts to develop predictive models for accident severity, analyze pilot cognitive workload using EEG data, and enhance AI-supported security systems. By summarizing these insights, the research aims to guide future studies and inform practitioners about influential literature and emerging trends in aviation safety. Additionally, the study suggests that further exploration of bibliometric data can illuminate gaps in the current literature and identify new research directions, ultimately contributing to the advancement of safety standards in the aviation industry.
Introduction
The introduction of this research paper highlights the evolving landscape of aviation safety, emphasizing the shift from traditional methods—such as analyzing accident reports and pilot training—to the integration of advanced technologies like artificial intelligence (AI), machine learning (ML), and deep learning (DL). These technologies enhance the analysis of extensive datasets, enabling the identification of patterns and potential safety risks, thereby transforming aviation safety practices through predictive analytics, real-time monitoring, and proactive risk management. The paper underscores the critical role of AI in improving decision-making processes and facilitating predictive maintenance, ultimately contributing to the overall safety and efficiency of air travel.
The study employs a systematic and bibliometric approach to explore the multifaceted applications of AI, ML, and DL in aviation safety, aiming to assess their impact on the field. It poses several research questions regarding trends, prominent sub-fields, and the geographical distribution of research efforts in this domain. By analyzing the literature, the paper seeks to illuminate the current state of research and identify future directions, thereby serving as a valuable resource for advancing the integration of these technologies into aviation safety practices. The findings are expected to significantly enhance safety standards and strengthen air transportation systems globally.
Methods
The research paper employs bibliometric analysis to track trends and advancements in aviation security studies, utilizing various databases such as Scopus and Web of Science. The methodology includes filtering data through specific inclusion and exclusion criteria and employing software tools like VOSviewer and CiteSpace for comprehensive analysis. The techniques used in aviation security are categorized into statistical methods, machine learning (ML) algorithms, deep learning (DL) models, and other innovative approaches, each contributing to enhanced safety, accident prevention, and risk management.
Statistical methods, including Bayesian networks and time series models like ARIMA, are pivotal for risk management and event prediction. ML techniques, such as decision trees and support vector machines, are extensively used for classification and anomaly detection, while advanced models like XGBoost improve prediction accuracy. DL techniques, particularly Convolutional Neural Networks (CNNs) and Long Short-Term Memory (LSTM) networks, are increasingly applied for complex data analysis, including image processing and time series forecasting. The paper also discusses the historical evolution of aviation research, highlighting the transition from early technological advancements to the current integration of AI and data science, with future trends indicating a focus on physics-based models and integrated systems for small aircraft.
Discussion
The discussion section of the research paper outlines a comprehensive literature review on aviation safety, utilizing the Scopus database to identify relevant articles published up to January 2024. A total of 224 articles were selected based on strict inclusion criteria, focusing exclusively on peer-reviewed research articles while excluding non-peer-reviewed materials such as conference abstracts and editorials. The selection process involved a systematic screening that categorized articles into thematic areas, including accident prediction, pilot behavior, environmental factors, and technological innovations, thereby providing a structured overview of the current state of aviation safety research.
The paper employs various bibliometric analysis methods, such as bibliographic coupling, co-citation analysis, keyword analysis, and time series analysis, to elucidate trends and research networks within the field. Notably, the systematic review highlights the significant role of artificial intelligence (AI), machine learning (ML), and deep learning (DL) techniques in enhancing aviation safety through data analysis, accident prediction, and the development of safety measures. The findings indicate a growing emphasis on integrating advanced technologies to address critical issues in aviation, including pilot performance monitoring, environmental impacts, and risk management, thereby underscoring the importance of ongoing research and innovation in this domain.
Limitations
The study presents a systematic review and bibliometric analysis of aviation safety literature, particularly focusing on artificial intelligence (AI), machine learning (ML), and deep learning (DL) techniques. However, several limitations are acknowledged that may affect the comprehensiveness and applicability of the findings. Firstly, the reliance on the Scopus database for data collection may exclude relevant publications indexed in other databases such as Web of Science and PubMed. Additionally, the restriction to English-language articles may overlook significant research published in other languages, limiting the global perspective on aviation safety.
Moreover, the literature review’s time frame, spanning from 2004 to January 2024, may omit foundational studies and recent developments beyond this period. The exclusion of non-peer-reviewed documents, such as conference papers and theses, may also result in missing emerging trends and innovations. The study’s focus on AI, ML, and DL techniques could introduce a technological bias, potentially neglecting valuable insights from traditional methodologies. Furthermore, while the bibliometric analysis employed tools like RStudio and VOSviewer, the choice of software may influence data interpretation. Lastly, the lack of qualitative insights into the theoretical frameworks and methodological rigor of the included studies may limit the understanding of their quality and impact. Overall, these limitations underscore the necessity for ongoing research that broadens the scope of analysis and incorporates diverse methodologies to enhance the understanding of aviation safety.