飞行员素能画像系统是一个基于Vue3 + Python FastAPI的现代化航空安全管理系统，旨在通过数据驱动的多维胜任力分析，帮助航空公司科学评估和管理飞行员的能力水平。

• 训练数据管理
• QAR运行数据管理
• 安全事件记录
• 作风评估数据

• 四大胜任力模型配置
• 模型参数权重调整
• 版本历史管理
• 模型重新构建

• 四维胜任力雷达图
• 胜任力趋势分析
• 数据下钻溯源
• AI智能建议生成
• 历史画像对比

• 群体综合分析
• 分数分布可视化
• 群体对比功能
• 成员列表展示

• QAR指标概览
• 运行趋势图表
• 航班记录详情
• 参数偏差分析

• 拖拽式组件配置
• 页面布局模板
• 权限管理配置

• 个性化训练场景库生成
• 机组搭配匹配评价
• 人-环境匹配评价

• Python 3.12+
• FastAPI
• Pydantic
• Uvicorn

• Vue 3.4+
• Vite 5.0+
• Element Plus
• ECharts 5.4+
• Vue Router 4.2+
• Pinia 2.1+
• Axios

PilotPortraitDemo/
├── backend/                 # 后端项目
│   ├── app/
│   │   ├── api/            # API路由
│   │   ├── data/           # 模拟数据
│   │   ├── models/         # 数据模型
│   │   └── main.py         # FastAPI应用入口
│   └── requirements.txt    # Python依赖
├── frontend/               # 前端项目
│   ├── src/
│   │   ├── api/            # API调用
│   │   ├── components/     # 公共组件
│   │   ├── router/         # 路由配置
│   │   ├── views/          # 页面组件
│   │   ├── App.vue         # 根组件
│   │   └── main.js         # 入口文件
│   ├── package.json        # Node依赖
│   └── vite.config.js      # Vite配置
└── README.md

• Python 3.12+
• Node.js 18+
• npm 或 yarn

1. 进入后端目录

cd backend

2. 创建虚拟环境（推荐）

python -m venv .venv

3. 激活虚拟环境

# Windows
.venv\Scripts\activate

# Linux/Mac
source .venv/bin/activate

4. 安装依赖

pip install -r requirements.txt

5. 启动后端服务

python -m app.main

后端服务将在 http://localhost:8000 启动

1. 进入前端目录

cd frontend

2. 安装依赖

npm install

3. 启动开发服务器

npm run dev

前端服务将在 http://localhost:3000 启动

启动前后端服务后，在浏览器中访问：

http://localhost:3000

后端API文档：http://localhost:8000/docs

• 深色科技风主题
• 霓虹灯效果
• 流畅的动画过渡
• 玻璃态设计
• 渐变色搭配

• ECharts雷达图
• 趋势折线图
• 分布柱状图
• 饼图展示
• 动态图表

• 拖拽式布局
• 数据下钻
• 实时更新
• 响应式设计
• 移动端适配

• 三级权限体系
• 角色权限配置
• 页面访问控制
• 数据权限隔离

本项目使用模拟数据，包含：

• 10名飞行员数据
• 多种机型（A320、B737、B787、A350）
• 不同技术级别（机长、教员、副驾驶）
• 完整的训练、运行、安全、作风数据

1. 本项目为演示Demo，所有数据均为模拟数据
2. 实际生产环境需要接入真实数据源
3. 模型参数需要根据实际业务调整
4. 权限管理需要集成用户认证系统

1. 后端API开发遵循RESTful规范
2. 前端组件化开发，提高复用性
3. 使用TypeScript增强类型安全
4. 添加单元测试保证代码质量
5. 使用Git进行版本控制

本项目仅供学习和演示使用。

如有问题或建议，欢迎反馈。