1.一种面向空中交通管制员的人物画像生成方法，其特征在于，包括：构建空中交通管制员评价指标体系；

基于所述空中交通管制员评价指标体系设定数据无量纲化规则；

构建画像标签语料库并获取画像标签生成规则；

根据所述空中交通管制员评价指标体系，基于层次分析法计算各评价指标的主观权重，并基于熵权法计算各评价指标的客观权重，根据所述主观权重和客观权重生成最终的指标权重；

获取待评价管制员信息，基于所述数据无量纲化规则对待评价管制员信息进行数据预处理，并根据所述画像标签生成规则和指标权重生成画像标签及岗位匹配度得分，以得到人物画像结果。

2.根据权利要求1所述的一种面向空中交通管制员的人物画像生成方法，其特征在于，所述构建空中交通管制员评价指标体系，具体为：基于专家管制经验和业务知识，构建空中交通管制员评价指标体系，所述空中交通管制员评价指标体系包含多个一级评价指标，每个所述一级评价指标均分别包含多个二级评价指标。

3.根据权利要求2所述的一种面向空中交通管制员的人物画像生成方法，其特征在于，所述一级评价指标包括基础信息、健康状况、服务意识、安全记录、业务能力以及经历经验；

所述基础信息包含的二级评价指标包括：年龄、政治面貌、学历、英语等级、职称、资质、放单状态以及放单年限；

所述健康状况指标包含的二级评价指标包括：疲劳度、身体健康、心理健康以及工作负荷；

所述服务意识指标包含的二级评价指标包括：近30天主动播报、近30天纠正机组、近30天自愿报告以及近30天安全建议；

所述安全记录指标包含的二级评价指标包括：不正常事件、无后果违章、异常行为、不良记录以及连续安全时长；

所述业务能力包含的二级评价指标包括：管制规范性、管制效率以及管制稳定性；

所述经历经验包含的二级评价指标培训表现、工作经历、奖励情况以及专项技能。

4.根据权利要求2所述的一种面向空中交通管制员的人物画像生成方法，其特征在于，所述基于所述空中交通管制员评价指标体系设定数据无量纲化规则，具体为：基于所述空中交通管制员评价指标体系，按照预设规则对二级评价指标进行取向划分，以将二级评价指标分为正向指标、逆向指标以及中性指标；

对所述正向指标、逆向指标以及中性指标分别设定数据无量纲化处理规则；

所述正向指标的无量纲化处理规则为：

其中，d1为正向指标无量纲化处理结果，a为正向指标输入，amax为正向指标的最大值；

所述逆向指标的无量纲化处理规则为：

其中，d2为逆向指标无量纲化处理结果，b为逆向指标输入，bmin为逆向指标最小值；

所述中性指标的无量纲化处理规则为：

c＝|c'‑c0|

其中，d3为中性指标无量纲化处理结果，c'为中性指标输入，c0为中性指标理想值，c为将中性指标转化为逆向指标的转化结果，cmin为转化结果最小值。

5.根据权利要求2所述的一种面向空中交通管制员的人物画像生成方法，其特征在于，所述构建画像标签语料库并获取画像标签生成规则，具体为：获取历史管制员信息，并结合专家管制经验和业务知识构建画像标签语料库；

基于所述画像标签语料库，采用学习方法构建从管制员信息输入到画像标签的映射关系，以获取画像标签生成规则；

所述学习方法包括但不限于启发式规则、机器学习法以及深度学习法。

6.根据权利要求5所述的一种面向空中交通管制员的人物画像生成方法，其特征在于，所述基于层次分析法计算各评价指标的主观权重，具体为：根据所述空中交通管制员评价体系构建判断矩阵，并采用九级标度法对所述判断矩阵进行赋值处理；

计算赋值后所述判断矩阵的最大特征值和对应的特征向量；

根据所述最大特征值和对应的特征向量判断所述判断矩阵是否通过一致性检验；

若通过，则将所述最大特征值所对应的特征向量进行归一化处理，得到各评价指标的主观权重；

若未通过，则对所述判断矩阵进行重新赋值，直至通过一致性检验。

7.根据权利要求6所述的一种面向空中交通管制员的人物画像生成方法，其特征在于，所述根据所述最大特征值和对应的特征向量判断所述判断矩阵是否通过一致性检验，具体为：根据所述最大特征值计算检验系数，计算公式为：

其中，q为判断矩阵的阶数，λmax为最大特征值，CI为一致性指标，CR为检验系数，RI为平均随机一致性指标；

当所述检验系数CR＜0.1时，判断矩阵通过一致性检验，否则未通过。

8.根据权利要求6所述的一种面向空中交通管制员的人物画像生成方法，其特征在于，所述基于熵权法计算各评价指标的客观权重，具体为：根据所述空中交通管制员评价指标体系和历史管制员信息，构建原始数据矩阵X＝(xij)m×n，其中，i＝1,2,...m,j＝1,2,...,n，m为管制员信息条数，n为评价指标数量；

基于所述数据无量纲化规则对原始数据矩阵进行无量纲化处理，并进行归一化处理得到结果矩阵，所述归一化处理的计算公式为：S＝(sij)m×n

其中，S为结果矩阵，xjmax表示原始数据矩阵中第j列的最大值， xjmin表示原始数据矩阵中第j列的最小值，基于所述结果矩阵计算各评价指标的熵值，计算公式为：其中，Hj为评价指标的熵值；

根据所述评价指标的熵值，计算各评价指标的客观权重，计算公式为：其中，ψj为评价指标的客观权重。

9.根据权利要求8所述的一种面向空中交通管制员的人物画像生成方法，其特征在于，所述根据所述主观权重和客观权重生成最终的指标权重，具体为：根据各评价指标的所述主观权重和客观权重，建立组合权重模型，计算公式为：其中，F(μ)为组合权重模型，ωj为评价指标的主观权重，ψj为评价指标的客观权重，μj为假设的评价指标综合权重，利用拉格朗日乘子法求解所述组合权重模型，得到最终的指标权重。

10.一种面向空中交通管制员的人物画像生成系统，其特征在于，所述系统应用于权利要求1‑9中任一项权利要求所述方法，包括：体系构建模块：用于构建空中交通管制员评价指标体系；

规则设定模块：用于基于所述空中交通管制员评价指标体系设定数据无量纲化规则；

标签获取模块：用于构建画像标签语料库并获取画像标签生成规则；

权重计算模块：用于根据所述空中交通管制员评价指标体系，基于层次分析法计算各评价指标的主观权重，并基于熵权法计算各评价指标的客观权重，根据所述主观权重和客观权重生成最终的指标权重；

画像生成模块：用于获取待评价管制员信息，基于所述数据无量纲化规则对待评价管制员信息进行数据预处理，并根据所述画像标签生成规则和指标权重生成画像标签及岗位匹配度得分，以得到人物画像结果。