征兵被裝體型數據采集方法優化研究?

張海亭 葉德平

（陸軍勤務學院 重慶 400030）

1 引言

一直以來，我軍軍人人體尺寸數據的采集，主要依靠人工使用皮尺測量人體的頭圍、身高、胸圍、腰圍和腳長等基本數據，這種數據采集方法存在對測量者專業知識要求高、數據錄入統計匯總任務繁瑣、數據測量不準確等諸多問題。受傳統方法著裝號型準確采集難、保障需求提報速度慢的制約，我軍被裝供應模式仍然停留在模糊概算和經驗式供應保障模式上，離精確化、精細化、精準化和按需供應保障還有很大差距［1］。在這種保障模式下，基層單位被裝管理人員為了確保官兵人人適體，不得不反復調換號型，造成了人財物的嚴重浪費；為了滿足各級的調號需求，全軍不得不保持較高比例的周轉量，造成庫存物資大量積壓，甚至造成許多不必要的損失浪費，因此科學合理的數據采集方法則顯得尤為重要。

2 頭圍數據采集方法優化

根據07式軍服號型是由身高、頭圍、胸圍、腰圍和腳長這五個指標確定的標準要求，能否準確采集這五個指標就變得尤為重要［2］。其中身高可以通過測量的方法來進行數據采集，這一項相對準確。在征兵體檢過程中對頭圍采用測量的方法，事后對新兵的調查結果如圖1所示。通過調查結果顯示，對頭圍采用測量的方法數據誤差較大，因為頭圍數據的采集與頭發的濃密，每個人的頭形和測量的位置都有很大關系［3］。考慮到軍帽戴起來比較方便，可以在每個人武部配發一定數量的軍帽，對頭圍的測量直接采用試戴的方法來解決，這樣更能保證數據的準確性，減少了后期的調號等過程。

圖1 2017年作訓帽適體率調查結果

3 腳長數據采集方法優化

目前，在征兵體檢過程中腳長數據的采集主要采用自報號型的方法，相比之前采用測量的方法要準確一些，但仍存在應征青年自報的鞋碼不符合實際的情況。為了提高數據的準確性，在數據采集中增加數據校驗的功能，具體步驟如下。

1）根據身高和腳長的關系，計算出腳長的合理范圍［h/7，h/6］（其中h為應征青年的身高數據）；

2）再根據腳長與鞋碼之間的關系，計算出鞋碼的合理范圍［L2*2-10，L1*2-10］（其中L1、L2分別為應征青年腳長的上下限）。

通過自報號型與數據校驗相結合能大大提高數據的準確性［4］。比如身高180cm的男軍人，腳長的合理范圍［25.7，30.0］（單位：cm），對應鞋碼的合理范圍［41，50］（單位：碼），如果他自報的號型為39碼，則數據存在問題，在系統錄入的時候會提醒數據異常，如果為42碼，則數據合理，可以直接錄入。

4 胸圍、腰圍數據采集方法優化

胸圍、腰圍的測定，我們根據個人肥胖指數與身高、體重之間存在的關系（即BMI=體重（kg）/身高（m）的平方，由此推斷肥胖指數情況與著裝軍服號型之間也應該存在一定關系［5］。因此，我們對近十年來湖北省新兵中人體的基本數據（身高、體重）與軍服號型的關系長時間研究后發現，07式軍服號型與身高、體重之間的確存在一定關系［6］，配衣參數因子計算公式如下。

其中：η為配衣參數因子；w為體重，單位為kg；h為身高，單位為cm。

表1示意了一個可能的配衣數據表。

表1 配衣參數因子表示例

4.1 人體號型信息換算方法優化的統計規律

通過大量實測之后，已經驗證了這種方法的準確性，圖2～4是根據數年來部隊測量數據的統計分析選取其中三個身高段得出的圖表，在下面的圖表中，橫坐標為體重值，縱坐標為胸圍值，胸圍值每4cm一個間隔，且取值點都在軍服號型分段點上。圖2～4中的黑點表示大量實際測量值在每一個體重值上的平均數，菱形點為根據實測值推演算法計算出的采樣點，具體如圖2～4所示。

圖2 165cm身高段胸圍-體重分布散點圖

圖3 170cm身高段胸圍-體重分布散點圖

圖4 175cm身高段胸圍-體重分布散點圖

通過圖2～4可以看到，我們采取的算法是完全根據實測值的分布軌跡取值，這樣就很好地符合了實際的體重-胸圍分布情況，可以使我們的測量結果達到非常高的準確度［7］。

4.2 人體號型信息換算方法優化的算法示例

在實際測試中，落在菱形采樣點之間的體重值，將根據左右最近的兩個采樣點取得一個最小范圍的線性估值，如

一個175cm身高的測試者體重為80kg，首先計算出配衣參數因子，然后通過對175cm所屬號型段的配衣參數表進行查詢，可以得知其上衣型號為175/96，胸圍處于94～98之間［8］。

具體計算過程如下：

計算測試者的配衣參數因子：

通過身高175cm查表得到所屬型號段為173—177號型段在173—177號型段查表得知該值處于175/96號型范圍內，其對應的配衣參數因子的值域下限為13.46，上限為15.50，上衣型號確定為175/96。

4.3 人體尺寸信息采集方法優化的效果驗證

2016～2017年經過近兩年的實際使用，我們得到了大量統計數據，可以很好地說明該模型在實際使用中的效果。

下述各表為按身高和號型分段的誤差統計表［9］，樣本總數為34357人。

表2為軍服號型測量的分段誤差統計，從最終的統計結果可以看到，在軍服號型測量方面，該模型達到了超過96%的準確率，誤差率僅為3.126%。

圖5為軍服測量的分段誤差統計曲線，縱坐標為人數，橫坐標為軍服號型［10］。

表2 軍服誤差分段統計表

圖5 軍服測量分段誤差統計曲線

從圖5可以看到，代表測量值的紅色曲線與代表實際值的藍色曲線差異非常微小，各個號型段的測量值與實際值基本一致［11］，誤差很小，這說明了該方法的準確性并不偏向任何一個特定的身高號型段，對各型號都有很好的符合程度。

5 結語

2018年我們按照新的軍人人體尺寸采集方法對該省軍區預征新兵重新建立人體尺寸數據庫，并在定兵后去除了未入伍人員的數據。依據該人體尺寸數據建立號型檔案庫，進一步進行號型分布統計分析。依據此數據進行編報了征兵被裝預算［12］，預置了相關被裝物資。

新兵起運前，該省軍區組織對入伍人員適體率情況進行征兵被裝發放適體率問卷調查，反饋回來適體率由原來往年88%提高到95%。從問卷調查反饋回來的征兵被裝發放適體率的結果來看，征兵被裝數據采集方法的優化是具有顯著效應的。