一种基于大模型的机场飞行区规则监察方法及系统与流程

本发明属于民航业民用机场数字化、信息化，尤其涉及一种基于大模型的机场飞行区规则监察方法及系统。

背景技术：

1、在面向机场飞行区监察技术领域中，传统机场飞行区监管依赖于线下巡视和人工定期摄像头查阅的方式进行监察，监察效率低且非常容易产生监察漏项，以普通大型机场为例，飞行区面积超过几十万平，摄像头数量超过一万，人工线下巡视很难做到全面覆盖，依赖于摄像头的人工抽查监控则更难进行全方位的覆盖，导致飞行区运行安全风险提高，影响机场安全平稳运行。

2、部分机场在机场飞行区监察技术领域应用诸如机坪监控、飞行区管理、道面管理、车辆管理等系统，这些系统针对飞行区监察技术领域中一个或多个监察类型，能够对特定类型的监察业务进行信息化支持，解决部分飞行区监察业务问题，但较难站在更加全面的角度对飞行区监察进行技术支持，单一系统很难进行其他飞行区监察类型的拓展支持，不同机场随着时间的发展，监察业务规则越来越复杂，基于限定规则设计的系统难以很好的支持机场监察业务的发展。

技术实现思路

1、为克服相关技术中存在的问题，本发明公开实施例提供了一种基于大模型的机场飞行区规则监察方法及系统。

2、所述技术方案如下：一种基于大模型的机场飞行区规则监察方法，包括以下步骤：

3、s1，围绕机场飞行区监察业务场景，构建面向飞行区监察的定向优化大模型，并进行飞行区监察场景下大模型定向训练优化；

4、s2，基于优化后的面向飞行区监察的定向优化大模型，构建飞行区监察管理系统，用户通过飞行区监察管理系统配置功能配置需要外部调用的接口，再为每个外部接口创建问题集，用户在问题集中创建种子问题，并标记问题不同部分与接口入参的关系，然后通过飞行区监察管理系统内置多种角色设定以及多类型提示工程，将种子问题与内置提示工程内容都输入到优化后的面向飞行区监察的定向优化大模型中，产生的同一问题不同泛化表述；

5、s3，利用构建的飞行区监察管理系统对接飞行区多个运行系统，获取实时运行数据进行动态监察。

6、进一步的，在步骤s1中，构建面向飞行区监察的定向优化大模型包括：场景数据采集、场景数据处理；

7、所述场景数据采集包括：通过爬虫技术获取民航局官网、机场官网、公众号、搜索平台检索信息，通过电子资料进行资料格式转换及文本提取，纸质资料进行扫描后文本提取，通过电子资料进行资料格式转换及文本提取机场内部资料和专家整理编制资料，以及从已有系统中导出数据，并根据规范格式要求进行基础数据标准化处理采集机场运行基础数据；

8、在获取到资料并进行文本提取存储后，进行场景数据处理，将低质量数据进行去除。

9、进一步的，所述场景数据处理包含以下步骤：

10、步骤1：数据格式转换处理，将不同资料获取到的提取文本数据进行进一步处理，将其中不合理换行、空格、其他控制符进行删除，并将过大文本文件进行拆分处理；

11、步骤2：基本低质量数据去除处理，将包含html标签、xml标签、表格、图片、其他流媒体占位符进行删除，将未完成的句子、异常长的句子进行删除，将存在用户评价且评价等级低的内容进行删除，将包含违禁关键字的内容进行删除；

12、步骤3：文本内容去重，将文本内容进行去重计算，将重复度高的内容进行去除，同时将文本重复的文本文件进行集中归类处理；

13、步骤4：基于人工理解的无关、有误内容去除处理，采用人工分组、分获取渠道类型的方式进行资料内容审查，同时为不同类型文本进行类型标记；

14、步骤5：将文本进行向量化处理，通过采用扩充词表将文字转换为相应数字，并将转换后的文本向量按照设定大小要求进行分块切分处理；

15、步骤6：文本内容存储，将文本按照不同类型标记存储在分布式数据库中，并基于日期进行文本分区存储。

16、进一步的，在步骤s1中，进行飞行区监察场景下大模型定向训练优化包括：在完成场景数据处理后，基于选取的开源大模型基座，使用无监督场景数据进行面向飞行区监察的定向优化大模型预训练，训练完成后使用准备好的qa场景数据进行面向飞行区监察的定向优化大模型微调。

17、其中，预训练采用无监督技术进行训练，微调为使用准备好的qa来训练模型，以使得大模型能够更好地理解并回答问题。

18、进一步的，在步骤s2中，飞行区监察管理系统包括：

19、大模型层，包含经过定向训练优化的面向飞行区监察的定向优化大模型，为上层模块提供大模型基础服务；

20、模型封装管理层，用于提供面向飞行区监察的定向优化大模型统一抽象封装功能；

21、模型数据处理层，用于提供围绕面向飞行区监察的定向优化大模型的外挂知识体系以及飞行区监察业务场景实时动态运行数据采集、处理、共享功能；

22、通用场景服务层，用于为上层具体监察服务层提供服务支撑；

23、监察服务层，用于为具体的飞行区监察场景功能服务。

24、进一步的，所述模型数据处理层包含数据处理模块、数据存储模块、数据共享模块、数据权限管理模块；数据处理模块基于总线技术，包含不同数据源采集处理适配器，将不同来源数据进行采集、集中清洗处理，数据存储模块包含向量数据库、关系型数据库、分布式文件存储等部分，向量数据库用来存储需要外挂的飞行区监察相关业务知识，关系型数据库存储业务运行数据，分布式文件存储收集到的全量飞行区监察相关业务资料，数据共享模块提供数据目录及数据获取接口，根据大模型以及上层服务调用需要提供不同适配数据接口，数据权限管理模块提供不同类型、不同结构数据细粒度访问控制权限；

25、所述通用场景服务层包含大模型能力封装模块、平台运行管理模块、民航智能问询模块、民航智能检索模块、规则监察引擎模块，大模型能力封装模块提供大模型语言理解、情感意图识别、多模理解、图像生成能力抽象封装；平台运行管理模块提供多租户管理、基础数据管理、权限控制、运维监控基础平台运行所需要的功能，民航智能问询模块抽象民航场景中问询场景功能需求，提供通用的问询场景功能框架，为上层具体业务服务提供大模型驱动的智能问询功能；民航智能检索模块提供使用大模型能力的智能知识库管理与检索，规则监察引擎模块围绕民航规则监察场景进行总结抽象，提供公共的理解能力规则监察功能；

26、所述监察服务层包含监察规则处理模块、监察数据对接模块、监察告警模块、记录统计分析模块；

27、监察规则处理模块用于抽象机场飞行区不同类型监察场景的规则结构，提供通用的规则设置结构，同时内部内置自然语言式的规则配置功能；

28、监察数据对接模块提供监察场景外部系统统一对接功能，获取数据进行智能化的飞行区监察；

29、监察告警模块负责监察异常的识别与告警，基于配置要求外调服务接口，同时提供独立告警消息推送功能；

30、记录统计分析模块提供监察记录、告警记录历史查询以及统计分析功能。

31、进一步的，在步骤s2中，飞行区监察管理系统的监察管理方法包括：

32、步骤（i）：用户服务调用进入负载均衡器根据访问吞吐量大小进行服务分发；

33、步骤（ii）：用户服务调用流程进入系统统一权限控制模块，针对服务调用用户进行权限判断；

34、步骤（iii）：用户服务调用流程进入到具体飞行区监察业务服务模块，进行具体服务调用；

35、步骤（iv）：业务服务调用流程进入安全验证处理模块，对将要输入到大模型或者大模型输出的数据进行安全验证，防止产生严重的幻读或者出现敏感词、违禁词回答；

36、步骤（v）：业务服务调用流程进入模型编排与提示工程模块，将需要调用大模型的服务内容进行提示工程匹配，将输入大模型数据与匹配的提示工程同时输入到模型编排功能中，模型编排根据提示工程要求，进行外部接口调用、大模型调用、数据存储查询、外挂插件调用编排；

37、步骤（vi）：将模型编排输出结果输入大模型进行处理，根据业务场景需要进行一次或多次大模型反复调用，得到满足用户使用要求的结果，并将结果进行返回。

38、进一步的，在步骤s3中，多个运行系统包括：机场飞行区车辆运行、航空器运行、航班保障、fod、道面巡检、跑道巡检、鸟情管理、围界、助航灯光、机坪保卫系统。

39、进一步的，在步骤s3中，获取实时运行数据进行动态监察包括：

40、第一步：确定需要监察的具体工作类型，具体工作类型通过聊天式自然语言描述驱动大模型确定具体工作类型，或者通过暴露的专有业务监察接口确定，对于通过聊天式自然语言描述驱动大模型确定具体工作类型，在大模型微调阶段构建相关的指令数据集，同时建立用户对输出结果回馈机制，给出正确与否的反馈；

41、第二步：根据确定的监察具体工作类型与具体业务系统对接，获取实时数据，数据获取后，将进行数据清洗处理，对于多系统相同数据属性字段进行对比合并，设定数据优先级、多数数据优先权相同数据属性不一致的合并处理策略，将数据清洗合并处理后，将进行数据格式化处理；

42、第三步：基于确定的具体监察类型查找具体的业务规则，包含强业务规则、自然语言描述业务规则、业务规则检索关键词，强业务规则为严格的通过用户操作配置的规则约束；自然语言描述业务规则为用户自然语言描述的规则形式，借助于大模型的理解能力进行规则监察匹配，业务规则检索关键词则提供相关外挂知识体系检索关键字；

43、第四步：在规则检索上，基于确定的具体监察类型进行规则检索，在检索到强规则时，将强规则与自然语言描述业务规则样例输入到定向优化的大模型，输出自然语言描述的业务规则，在检索到业务规则检索关键词时，将基于检索关键字与具体监察类型进行外挂知识体系检索，将检索到的数据与自然语言描述业务规则样例输入到定向优化的大模型，输出一致的自然语言描述的业务规则；

44、第五步：评估检索出的业务规则与实时获取到的运行数据、监察提示大小，是否超过大模型输入最大要求，如果超过，将实时获取到的运行数据进行切分，采用与具体监察类型匹配的切分执行器策略，如果检索到与具体监察类型匹配的切分执行器，则采用相应的执行器，如果没有检索到切分执行器，则采用简单切分执行器；

45、所述切分执行器策略包括：监察类型包括车辆运行规则监察、航空器运行规则监察、航班保障规则监察、fod规则监察、道面巡检规则监察、跑道巡检规则监察、鸟情管理规则监察、围界规则监察、助航灯光规则监察、机坪保卫规则监察，根据业务含义，定制不同类型的切分执行器，不同类型切分执行器的执行差异在于如何保证切分后的不同部分能继续保持语义完整性；

46、第六步：通过模型编排模块调用大模型服务，如果相应监察提示匹配外调接口的问题集，则调用注册的外调接口，将调用获取的数据输入到大模型，将大模型处理的数据与检索出的业务规则、实时获取到的运行数据、监察提示进行综合大小评估，评估大模型输入的大小限制，如果大小超过限制，则采用第五步中的方法进行数据切分处理；

47、第七步：调用大模型，对模型输出结果进行结果识别，通过构造携带特殊符号的监察提示来诱导大模型输出符合要求的结果，通过采用正则表达式的方式进行模式匹配，提取大模型的结果，同时提供外调服务接口触发的形式，需要构造特殊的监察提示让大模型输出需要的特殊符号以及特定格式的数据，通过系统匹配特殊符号与数据的形式触发外部服务接口调用；

48、第八步：如果大模型输入结果识别失败，则判断为大模型输出异常，采用重试策略，判断新的输出结果是否符合结果要求；

49、第九步：将大模型输出结果通过本发明系统配置的不同具体监察类型的格式转换器进行标准化处理，将处理后结果进行记录存储，并提供人工核验接口，针对大模型处理结果进行人工打分，以评价大模型优劣。

50、本发明的另一目的在于提供一种基于大模型的机场飞行区规则监察系统，该系统包括：

51、面向飞行区监察的定向优化大模型构建模块，用于围绕机场飞行区监察业务场景，构建面向飞行区监察的定向优化大模型，并进行飞行区监察场景下大模型定向训练优化；

52、飞行区监察管理系统构建模块，用于基于优化后的面向飞行区监察的定向优化大模型，构建飞行区监察管理系统，用户通过飞行区监察管理系统配置功能配置需要外部调用的接口，再为每个外部接口创建问题集，用户在问题集中创建种子问题，并标记问题不同部分与接口入参的关系，然后通过飞行区监察管理系统内置多种角色设定以及多类型提示工程，将种子问题与内置提示工程内容都输入到优化后的面向飞行区监察的定向优化大模型中，产生的同一问题不同泛化表述；

53、多运行系统实时运行数据动态监察模块，用于进行动态监察利用构建的飞行区监察管理系统对接飞行区多个运行系统，获取实时运行数据进行动态监察。

54、结合上述的所有技术方案，本发明所具备的优点及积极效果为：

55、本发明系统对接飞行区不同业务类系统，围绕传统机场飞行区运行监察业务场景，对飞行区诸如车辆违章监察、道面管理监察、fod监察、保障规范监察等场景进行总结抽象，基于大模型进行基于规则的智能化监察判断，从而替代部分人工线下巡检，为传统监察手段进行智能化赋能，提高机场飞行区监察效率与品质，提升机场安全运行水平。

56、同时本发明考虑到当前大模型发展阶段性局限，对于大模型处理专业化问题容易产生幻觉和稳定性输出问题，提出解决方法，让经过特殊优化的大模型能够更加专业且稳定的处理飞行区监察场景下的业务问题。

57、本发明围绕机场飞行区监察业务场景，对大模型应用进行工程建设，让大模型真正的能够嵌入到机场飞行区监察管理系统中，真的为业务赋能，产生应用价值。