铁路巡检无人机操控人员胜任力模型研究

Competency Model of Unmanned Aerial Vehicle Operators for Railway Inspection

摘要

随着铁路巡检向天空地立体化发展，无人机被逐渐运用于铁路巡检工作中。鉴于无人机运用于铁路巡检的深远意义，为铁路行业培养与管理无人机操控人员势在必行。基于此，选取部分铁路行业无人机操控人员为样本，运用行为事件访谈方法，探寻辨别铁路巡检无人机操控人员胜任特征并使其概念化，构建铁路巡检无人机操控人员胜任力模型，对铁路巡检无人机操控人员胜任力的发展提出相应的对策建议。研究结果丰富了铁路巡检无人机操控人员胜任力的相关研究，有利于加深对一线铁路巡检无人机操控人员工作的了解，对完善铁路巡检无人机操控人员培训体系设计，明晰一线铁路巡检无人机操控人员所欠缺和需提升的能力，更有针对性地构建铁路巡检无人机操控人员培训体系，改进和完善人力资源相关制度具有重要意义。

Abstract

With the integrated development of railway inspection across air, space, and ground dimensions, unmanned aerial vehicles (UAVs) are being increasingly deployed in railway inspection operations. Given the profound significance of UAV applications in this field, it has become imperative to cultivate and manage competent UAV operators for the railway industry. This study selected a sample of UAV operators from the railway sector and employed the behavioral event interview (BEI) method to identify and conceptualize the competency characteristics of UAV operators for railway inspection. Through this approach, a competency model for railway inspection UAV operators was constructed, accompanied by corresponding strategic recommendations for competency development. The findings enrich the research on UAV operator competencies in railway inspection, enhance the understanding of frontline UAV operators’ operational practices, and hold significant implications for optimizing the design of the training system. Specifically, the results clarify the competency gaps and improvement priorities for frontline operators and construct a more targeted training system. Furthermore, this study provides scientific evidence for refining the human resource management system in the railway industry.

Graphical abstract

关键词

铁路巡检 / 无人机 / 胜任力 / 行为事件访谈 / 人力资源管理

Key words

Railway Inspection / Unmanned Aerial Vehicle / Competency / Behavioral Event Interview / Human Resource Management

0　引言

铁路巡检作为铁路运营管理工作的关键环节，是铁路安全的重点保障工作，关系着铁路行业的长期发展。目前铁路基础设施设备仍然大量采用人工方式巡检，而人工巡检存在人力成本过高、巡检频率低、巡检环境复杂、测量精度不高等诸多问题，伴随着铁路列车运行速度加快、天窗维护时间进一步缩短，人工巡检将难以满足高覆盖率、高精度评估与分析的现代化要求^[1]。现代铁路监测与检测技术逐步向天空地立体化发展，具有机动性强、获取数据快和数据精度高等特点的无人机开始被应用于铁路巡检工作中，这将有效解决人工巡检弊端，并与人工巡检手段相辅相成^[2]。

鉴于无人机运用于铁路巡检的深远意义，为铁路行业培养与管理无人机操控人员势在必行。基于此，采用行为事件访谈法对铁路巡检无人机操控人员岗位特点进行分析，构建铁路巡检无人机操控人员胜任力模型，助力铁路巡检无人机操控人员进行自我评估与自我管理、职业生涯规划、个人竞争力提升等；为铁路巡检无人机操控人员人力资源管理工作包括选拔聘任、薪酬设计、培训管理等方面提供科学依据。

1　研究背景

铁路巡检无人机操控人员胜任力是指铁路巡检无人机操控人员这一特定角色需要具备胜任特征的总和，包括无人机操控人员技能、知识、自我意向、动机和人格特质等，在铁路巡检无人机工作中能够将绩效优秀的操控人员与一般操控人员区分开来^[3-4]。应用胜任力思路作为人员选拔、培养、考核及薪酬制定的有效工具，在西方实践领域远远走在了理论领域的前面^[5]。由于无人机技术应用在近十年才刚刚兴起，关于无人机操控人员胜任力的研究较少，考虑到胜任力模型究其本质考察的是能力素质，因此着重梳理无人机操控人员能力的相关研究。

Pavlas等^[6]通过搜索心理学和军事研究数据库收集与整理了无人机操作员所需要的知识、技能与态度，特别是在知识模块强调了以人为中心。Qi等^[7]分析了美国、英国和中国的航空部门对无人机操作员资格的要求，在此基础上总结形成了专业素质要求、医疗要求、心理评估要求、培训要求、操作经验要求和协调能力等6类资格要求。Lercel等^[8]总结了技术、运营、数据和政策4类无人机典型技能，同时运用文献综述、调查访谈、焦点小组和专业会议等多种方式构建了无人机专业毕业生的胜任力模型。陈思帆^[9]则认为专业技术、专业理论以及个人素质是无人机操控人员选拔的重点，优秀的无人机操控人员应当处事沉着冷静、业务技术过硬且专业理论扎实。吕帅^[10]在中国民航的飞行员岗位胜任力模型基础上，运用行为事件访谈法提取和确认胜任力，建立了“三阶五维十八项”的警用无人机操控人员岗位胜任力模型。

总体来看，随着无人机技术在各行各业应用深度与广度的提升，无人机操控人员能力的研究也在不断增加，在部分能力项上也达成了共识，特别是在对个人特质与数据处理技能方面。在铁路行业内，无人机的应用也才刚刚起步，因此聚焦到铁路巡检无人机操控人员的能力评估研究仍是一片空白。考虑到铁路巡检无人机操控的巡检环境复杂、专业技能要求高以及心理考验艰巨，填补这部分空白非常必要。基于此，本研究选取部分铁路行业无人机操控人员为样本，分析相关制度文件，运用行为事件访谈法，识别铁路巡检无人机操控人员胜任特征，最终构建铁路巡检无人机操控人员胜任力模型。

2　研究设计

本研究主要通过分析制度文件与进行行为事件访谈来构建铁路巡检无人机操控人员胜任力模型。其中，行为事件访谈法是通过访谈深入了解被访谈者在无人机巡检工作中成功和失败的事件，挖掘其中的深层原因，找到目标组和对照组之间行为差异的鉴别性要素，提炼概括出该岗位的胜任要素^[11]。首先，分析相关制度文件，初步得出铁路巡检无人机操控人员应履行的岗位职责胜任力，构建编码词典；接着，对操控人员进行行为事件访谈，修正胜任力模型；最后，通过对访谈数据的验证与分析，确定铁路巡检无人机操控人员胜任力模型。具体步骤如下。

（1）创建编码词典。以合益公司(Hay)的基本胜任力词典为蓝本，结合现行《铁路技术管理规程》《高速铁路线路维修规则》《铁路行车组织规则》，以及各铁路局集团公司编制的《无人机管理实施细则》《无人机巡检作业指导书》等相关资料，编制《铁路巡检无人机操控人员胜任力词典》(以下简称“词典”)。词典包括37项胜任特征，每个胜任特征由名称、内涵界定、等级、等级行为描述等构成，其中等级表示某个行为表现的强度或复杂程度^[4]。考虑到数据分析与比较的便利，本研究对所有胜任力特征均采用“-1分”至“5分”的七级指标划分，“-1分”主要用于对一些不胜任人员的行为进行编码赋分，提示他们可能的一些不胜任行为。

（2）实施行为事件访谈。本研究选取了5名铁路行业巡检无人机操控人员进行访谈。研究以线上调研形式开展，根据《铁路巡检无人机操控人员个案访谈提纲》，对被试样本(受访者)实施行为事件访谈并录音，获取研究所需数据。通过3个模块开展访谈工作：首先，询问受访者背景信息，明晰受访者的岗位信息和职业历程，形成对受访者的印象轮廓；其次，进入访谈核心部分，即行为事件访谈，要求受访者回想并描述在铁路无人机巡检工作期间曾经发生过的2~3件典型的成功事例和2~3件典型的遗憾事例；最后，探查受访者对于自身岗位的胜任力认知以及工作特殊性，每个受访者的访谈时间控制在1 h左右，访谈全程录音。由研究小组成员将访谈录音整理成文字、核查文本、删除与访谈问题无关的回答内容、形成电子文稿并打印，最终产生提出概念化的铁路巡检无人机操控人员胜任力原始数据，即访谈录音文本。

（3）胜任力要素编码。基于访谈录音文本，采用扎根理论进行胜任特征编码。在界定完研究问题、完成访谈资料的获取与整理后，进行开放式编码、主轴编码、选择性编码^[12-13]。待编码过程完成后，将所有的开放式编码、主轴编码、选择性编码进行汇总，初步得出铁路巡检无人机操控人员胜任力理论模型。

（4）编码数据统计与分析。统计的编码指标主要有访谈时间、访谈文本字数、胜任特征频次、平均等级分和最高等级分。例如，某受访者的“巡检数据分析能力”这一胜任特征的具体行为表现为：-1级0次，0级1次，1级0次，2级1次，3级2次，4级1次，5级0次。那么，该特征的总频次为5，平均等级分为2.4，最高等级分为4^[4]。数据处理使用STATA17.0统计软件。

（5）构建模型。根据编码数据分析结果，结合基于制度文件分析的铁路巡检无人机操控人员胜任力词典，将作为客观约束、共性标准的铁路巡检无人机操控人员管理文件资料与作为主观资料、展示个性差异的铁路巡检无人机操控人员胜任力访谈分析相结合，两者相辅相成、互相补充，整合成铁路巡检无人机操控人员胜任力模型。

3　结果与分析

前文结合文件分析法与行为事件访谈法构建与修正了铁路巡检无人机操控人员胜任力模型，本节基于修正后的铁路巡检无人机操控人员胜任力模型对访谈资料重新编码，并进行统计分析，在分析结果的基础上对模型进行检验、修正与补充，最终确定符合理论意义和现实意义的铁路巡检无人机操控人员胜任力模型。

3.1　访谈文本长度分析

利用STATA17对访谈文本字数与时间做描述性统计分析，访谈文本长度分析如表1所示。在受访的5个铁路巡检无人机操控人员样本中，样本4的访谈文本字数最少，仅有5 222字，样本2的访谈文本字数最多，有9 563字。通过对5个样本数据的汇总，发现访谈文本平均字数为6 492字，标准差约为1 788字，表明各样本访谈文本字数之间的差异不大。在时间上，样本2同样时间最长，用时43 min，而样本4与5时间最少，仅有28 min。总体来看，访谈时长平均约35 min，标准差接近7 min，各个样本在时长上的差异较小，与字数统计结果较为一致。

3.2　胜任特征频次分析

使用Nvivo软件对各访谈文本进行重新编码后，得到36个开放式编码指标，如无人机运行规定、铁路设备知识等，并统计了总材料来源、参考点以及各个胜任特征在每个案例中的发生频次、平均等级分和最高等级分^[14]。胜任特征数据统计如表2所示。不同胜任特征的材料来源、参考点数量有所差异。其中，巡检计划制定能力、无人机作业任务规划能力、安全管理在5个材料中均被提及，参考点均达到10个以上，表明制定巡检计划、规划无人机作业任务与安全管理在铁路无人机操纵人员的实际工作中普遍存在。而安全运输知识、敬业精神、责任心、压力管理、快速反应能力、判断决策能力等指标极少被受访者谈及，材料来源与参考点都只有1个。较少出现在访谈材料中的胜任指标背后存在2种可能的解释：一是此类情况在工作中较为少见；二是受访者在讲述自己过往工作经历时忽视了该模块。值得注意的是，胜任特征频次发生的频率低不代表该胜任特征不重要，某些胜任特征只在某些特殊或者突发情况下才会被触发，因而不能仅仅依据胜任特征的发生频次判断其重要性。进一步统计胜任特征在每一个案例中的频次，并对长度与频次进行相关分析，仅有6项表现出与访谈长度有关，其中4项达到0.01的显著性水平，由此可见，频次统计指标稳定性较强。同时也对平均等级分、最高等级分与长度的相关性进行分析，其中平均等级分指标仅有2项与访谈长度有关，最高等级分指标有5项与访谈长度有关，总体来看，两种指标均较为稳定。

3.3　信度分析

在编码过程中，要对编码的各个环节中可能存在的主观性进行有效控制^[15]。本研究首先从以下方面来提高访谈质量，进而保证研究的信度：①所有访谈均由参与过编码过程的人员开展，保证访谈过程的一致性；②每次开始访谈前，研究者均认真研读访谈纲要，确保访谈过程做到“心中有数”；③在文本资料分析过程中，通过持续比较不同来源资料中的相同参考点和相关概念，做到对资料的多方校正。

本研究在编码阶段采用两位编码人员互相独立编码的方式。为保证研究的信度与结果的可靠性，需要对两位编码人员的编码一致性程度进行考察^[16]，并采用归类一致性、编码信度系数来考察信度指标。归类一致性(CA)指的是不同编码者对相同访谈文字资料的编码归类相同的个数占总个数的百分比，其计算公式为

CA=\mathrm{2}S/(T\mathrm{1}+T\mathrm{2})(1)

式中：T\mathrm{1}代表一位编码者的编码个数；T\mathrm{2}代表另一位编码者的编码个数；S代表两位编码者归类相同的个数。

编码信度系数(R)即复合信度，在归类一致性的程度上进一步考虑了编码者人数带来的影响，计算公式为^[17-18]

R=\mathrm{2}\times CA/(\mathrm{1}+CA)(2)

本研究归类一致性及编码信度系数如表3所示。归类一致性的值从0.353到0.679，总体归类一致性为0.481；编码信度从0.522到0.733，总体编码信度为0.65。部分案例的归类一致性与编码信度偏低，但总体来看，与以往的研究相比较，本研究构建的模型包含的胜任力特征较多，这个归类一致性与编码一致性是可以接受的^[19]。

3.4　模型建构

根据编码词典与数据分析结果，最终确定铁路巡检无人机操控人员胜任力模型如图1所示。胜任力维度通常划分为知识、技能、社会角色、自我概念、动机和个人特质等部分，本研究强调铁路巡检无人机操控人员的专业性与特质性，因此将铁路巡检无人机操控人员胜任力模型的一级维度划分为知识储备、专业技能与个人特质3方面^[20]。

（1）知识储备。知识储备是指无人机巡检作业所涉及的知识与规定的总和，铁路巡检无人机操控人员作为从事铁路无人机巡检工作的专业人员，其知识结构应当包含法律法规、铁路巡检相关知识以及无人机相关知识。法律法规是最基本的底线，重点关注无人机运行管理规定与铁路安全法律法规。铁路巡检相关知识则由铁路设备知识、铁路巡检技术规程以及安全运输知识3部分组成。无人机相关知识则包括无人机系统知识、空域及飞行活动申请以及航空理论与气象知识。

（2）专业技能。专业技能是指铁路巡检无人机操控人员完成铁路无人机巡检活动所需要的专业技术能力，覆盖巡检作业技能、无人机飞行技能、情景处置技能3个二级指标。巡检作业技能与无人机飞行技能是铁路无人机巡检的必备技能。考虑到铁路巡检可能面对的复杂环境，加入情景处置技能以强调对影响巡检的可能发生情况有所预期并做出调整的能力。

（3）个人特质。个人特质反映的是铁路巡检无人机操控人员作业过程中思想与行为的具体体现，主要包含身体能力、价值观念以及职业特质。其中，身体能力反映的是铁路巡检无人机操控人员顺利完成无人机巡检任务的直接有效的生理与心理特征；价值观念是驱动无人机操控人员积极参与无人机巡检活动的心理动力，决定着操控人员在无人机巡检工作中采取的工作态度与技术行为；职业特质是对铁路无人机巡检这一工作特殊性的特定职业素质要求。

总体而言，该模型包含3个一级指标、9个二级指标以及36个三级指标。虽然模型三级指标相对其他研究较多，但是基本包含了现有其他研究的胜任力指标，较为完整和全面。

4　对策与建议

本研究采用行为事件访谈法对铁路巡检无人机操控人员行为素质进行深入研究，最终确定了铁路巡检无人机操控人员胜任力模型。结合研究发现，对未来铁路巡检无人机操控人员胜任力的发展提出以下对策建议。

（1）铁路巡检无人机操控人员胜任力是一项综合的能力与特质的集合，指向卓越的巡检效率，并且蕴含强烈的职业竞争性。真正驱使巡检人员解决复杂问题、追求卓越和竞争的内在动力是其价值取向和职业追求。因此，在铁路检测监测技术天空地立体化发展阶段，不能只关注以无人机操控能力为主的技术培养，应不断强化铁路巡检无人机操控人员的职业追求和发展积极的人格特质。对无人机操控人员的培训计划中，需要逐步使用铁路巡检无人机操控人员胜任力取代单纯的无人机操控技术，推进铁路巡检无人机操控人员胜任力的研究、实践和培训。研究铁路巡检无人机操控人员的胜任力是进行人力资源管理的基础性工作，但研究成果单独存在却毫无意义，必须融入到实践当中，才能有效辅助铁路巡检工作的开展^[21]。

（2）未来铁路部门需要持续推动铁路巡检无人机操控人员培训的差异化和常态化。不同铁路局集团公司、不同路段、不同巡检对象，对铁路巡检无人机操控人员胜任力水平的要求也存在较大不同，应该根据对不同操控人员的不同要求，推进培训内容、培训方式和培训频次的差异化管理。此外，无人机技术发展更新的速度在不断加快，在铁路巡检中的应用也更为多样、广泛和深入，对铁路巡检无人机操控人员胜任力的需求也在不断发展变化，需要铁路部门对铁路巡检无人机操控人员实施差异化培训的基础上，逐步推进和实现培训的常态化。

（3）无论是从国内需求，还是从国际的发展态势来看，我国都应该尽快制定专门的铁路巡检无人机操控人员胜任力模型，以提升我国铁路行业的国际竞争力。国外较早展开无人机的应用，对于无人机操控人员胜任力的理念和方法也较为领先，并开始关注人才的全球胜任力。我国铁路应参考借鉴无人机操控人员胜任力的国际经验，发展胜任我国铁路无人机巡检工作的综合能力与特质，与铁路基建一起走出去，提升我国铁路的国际竞争力。

本研究在指标选择上紧密结合铁路巡检的技术与能力要求，使得模型更加细化和具体，有利于提高模型的实用性；在胜任力词典编制上大量参考了现行铁路相关制度文件，进一步降低了编码词典的抽象程度，提高了胜任特征的针对性、准确性和专业性。本研究仍有一些不足之处：囿于无人机在铁路行业的运用才刚刚起步，本研究受访者人数有限，也缺少足够的绩效指标来区分优秀组和普通组；受限于数据获取，本研究着重于模型理论层面上的构建，缺少对于模型的多方面验证以及在实际应用层面上的嵌入、转化和分析。随着无人机在铁路行业的广泛应用以及对铁路巡检岗位技术赋能和制度重塑，未来研究可在样本选择和模型验证方面进一步细化和深入。

参考文献

[1] 魏培勇，金晓武，焦 利，等. 铁路无人机巡检技术研究与应用[J].铁道建筑，2023， 63(4)：108-113.

[2] WEI Peiyong， JIN Xiaowu， JIAO Li，et al. Research and Application of Railway UAV Patrol Inspection Technology[J].Railway Engineering，2023，63(4)：108-113.

[3] 姚建平，蔡德钩，安再展，等. 铁路无人机巡检研究应用现状与发展趋势[J].铁道建筑， 2021，61(7)：1-4.

[4] YAO Jianping， CAI Degou， AN Zaizhan，et al. Research and Application of Railway UAV Patrol Inspection Technology[J].Railway Engineering，2021，61(7)：1-4.

[5] 赵永乐，王 慧. 基于人力资源管理的岗位胜任力素质模型的建立[J].东南大学学报(哲学社会科学版)，2007(1)：52-55，124.

[6] ZHAO Yongle， WANG Hui. The Model of Competence Quality Established on the Basis of Personnel Resource Management[J].Journal of Southeast University(Philosophy and Social Science)，2007(1)：52-55，124.

[7] 徐建平，张厚粲.中小学教师胜任力模型：一项行为事件访谈研究[J].教育研究，2006(1)：57-61，87.

[8] XU Jianping， ZHANG Houcan. Competency Model of Primary and Secondary School Teachers：A Study of Behavioral Event Interviews[J].Educational Research，2006(1)：57-61，87.

[9] 刘学方，王重鸣，唐宁玉，等. 家族企业接班人胜任力建模：一个实证研究[J].管理世界，2006(5)：96-106.

[10] PAVLAS D， BURKE C S， FIORE S M，et al. Enhancing Unmanned Aerial System Training： A Taxonomy of Knowledge， Skills， Attitudes， and Methods[J]. Proceedings of the Human Factors and Ergonomics Society Annual Meeting，2009，53(26)：1903-1907.

[11] QI S， WANG F， JING L. Unmanned Aircraft System Pilot/Operator Qualification Requirements and Training Study[J]. MATEC Web of Conferences，2018，179：03006.

[12] LERCEL D， HUPY J. Developing a Competency Learning Model for Students of Unmanned Aerial Systems[J].Collegiate Aviation Review International，2020，38(2)：12-23.

[13] 陈思帆. 消防救援队伍无人机飞手培养模式探讨[J].数字通信世界，2021(3)：121-123，158.

[14] CHEN Sifan. Discussion on Training Mode of Drone Pilot in Fire Rescue Team[J].Digital Communication World，2021(3)：121-123，158.

[15] 吕 帅. 警用无人机飞手的岗位胜任力模型构建及应用研究[D].北京：中国人民公安大学，2022.

[16] 赵忠君，郑 晴，张伟伟. 智慧学习环境下高校教师胜任力模型构建的实证研究[J].中国电化教育，2019(2)：43-50，65.

[17] ZHAO Zhongjun， ZHENG Qing， ZAHNG Weiwei. Empirical Study on the Construction of Competency Model of University Teachers under the Intelligent Learning Environment[J].China Educational Technology，2019(2)：43-50，65.

[18] 李良成，李莲玉. 电子政务治理体系、治理能力与治理绩效：基于扎根理论的探索性研究[J].华南理工大学学报(社会科学版)，2019，21(4)：92-99.

[19] LI Liangcheng， LI Lianyu. E-government Governance System， Governance Capacity and Governance Performance：An Exploratory Research Based on Grounded Theory[J].Journal of South China University of Technology (Social Science Edition)，2019，21(4)：92-99.

[20] 聂水淇，李 超，韩 旭，等 [J].国企管理，2024(4)：108-112.

[21] 卢三妹，朱石燕. 体育教师胜任力模型建构研究[J].体育学刊，2012，19(2)：83-88.

[22] LU Sanmei， ZHU Shiyan. A Study of the Construction of a Physical Education Teacher Competency Model[J].Journal of Physical Education，2012，19(2)：83-88.

[23] 陈岩松. 高校辅导员胜任力模型构建：一项实证研究[J]. 高等教育研究，2010，31(4)：84-89.

[24] CHEN Yansong. Competency Modeling of Political Instructors in the University：An Empirical Study[J].Journal of Higher Education，2010，31(4)：84-89.

[25] 李佑发. 意志品质的质性分析、模型建构与测评[D].北京：北京体育大学，2007.

[26] 王贺立. 幼儿园园长胜任力：模型构建、作用及促进因素[D].长春：东北师范大学，2022.

[27] 王裕豪. 大学生就业通用胜任力模型的建构与验证[D].杭州：浙江理工大学，2010.

[28] 徐建平. 教师胜任力模型与测评研究[D].北京：北京师范大学，2006.

[29] 何齐宗， 熊思鹏. 高校教师教学胜任力模型构建研究[J].高等教育研究，2015，36(7)：60-67.

[30] HE Qizong， XIONG Sipeng. On the Model Constructure of Faculty Teaching Competency[J].Journal of Higher Education，2015，36(7)：60-67.

[31] 刘松博，裴珊珊，梁 爽. 我国HRBP胜任力研究[J].中国人力资源开发，2016(6)：34-39.

[32] LIU Songbo， PEI Shanshan， LIANG Shuang. The Research of Domestic HRBP Competency[J].Human Resources Development of China，2016(6)：34-39.

基金资助

中国铁道科学研究院集团有限公司科研项目(2023YJ188)