提取进近着陆数学模型中需要的QAR参数，包括襟翼构型、起落架位置、减速板位置、下滑、航向、俯仰姿态、仰角变化率、横滚姿态角度、下降率、近地警告等等。

　　图表6 评价时间函数

　　三、效能评估

　　通过分析多机型QAR数据，抽象出计算模型需要的字段和数据，实现字段、数据集和数据域的灵活配置。

　　单航班评估效能：3秒内得出进近着陆评价结果

　　每个CSV文件包含多行，每行对应一个数据采集时刻(单位：秒)，即第i行表示QAR记录过程中的第i秒的飞行参数。每行对应多个QAR采集参数，大部分参数采集频率为1HZ(每秒采样1次)，部分参数采集频率高于1HZ(最大8HZ)，这类参数将在同一行中多次出现，也有部分参数为几秒采样1次(最小0.5HZ)，这类参数则隔几行出现1次，其采集频次与工程值参数采集模式相关，包括连帧型、跳帧型、超级帧型、双字槽型和密集采样型。数据清洗重点完成跨天时间和参数跳变两大题目。

　　采用包括堆积图、散点图和驾驶舱等可视化手段，直观呈现进近着陆指标的度量及预警。堆积图实现分航段总体评估，并在实现同一航段不同指标分布；散点图呈现从进近到着陆点的能量分布，并能够识别出偏离航段；驾驶舱实现九大指标的预警分布，含预警次数。

　　2、多机型模型设计

　　图表1 QAR包含全量飞行数据

　　结合多种可视化图形，直观呈现指标及指标走势，包括堆积图、散点图和驾驶舱。

　　二、关键点实现设计

　　3、进近着陆指标可视化

　　结合QAR数据采集特点，对异常数据进行识别、删除和推中断补全。采用如下方法进行修正：

　　CSV格式的QAR数据，因采集频次和跳变的原因，需要对数据进行相关的清洗、截取和修正，才能使用QAR数据进行进近着陆评估。核心步骤如下：

　　进近着陆是飞行阶段中关键环节，航空公司投进了大量精力来持续监控和提升飞行员进近着陆的技能水平和运行质量。航空公司都在积极对QAR在进近着陆阶段发挥得量化评估作用进行研究和探索，但一直缺乏相对稳定、成熟的数学模型支撑，其评估指标和评估结果依靠飞行员的专业能力，一直缺乏自动、简单、灵活的专项工具支撑，需要在多个系统中收集数据，通过手工结合Excel的方式进行计算和度量（部分数据分析职员已经开始使用Python来代替Excel），其评估本钱高、周期长，空运报价 海运价格，难以实时计算出进近着陆评估结果，更加难以进行趋势和偏差分析。

　　图表4 设计思路

　　一、关键点设计思路

　　民航资源网2022年10月15日消息：QAR作为全量飞行记录数据，在飞行品质监控方面发挥越来越大的作用，为航空公司的安全运行和飞行练习提供越来越有力的支撑。

　　通过以上关键设计和实现，有效提升了进近评估效率，飞机落地后5分钟即可呈现评估结果，实现飞行实时进近评估，通过海量数据批量计算，能够辅助实现运行趋势分析和较大运行偏离，极大的节省了数据统计、计算和报告需要投进的人工。