姚光明，曹悅琪

(1.中國民用航空華東地區(qū)空中交通管理局 安全管理部，上海 200335)(2.中國民航大學(xué) 空中交通管理學(xué)院，天津 300300)

?

基于大數(shù)據(jù)的空中交通管制運(yùn)行安全預(yù)警研究

姚光明1，曹悅琪2

(1.中國民用航空華東地區(qū)空中交通管理局 安全管理部，上海 200335)(2.中國民航大學(xué) 空中交通管理學(xué)院，天津 300300)

空中交通管制的任務(wù)是確保航空器的安全飛行，為了保證飛行安全，需要進(jìn)行空中交通管制系統(tǒng)運(yùn)行安全評估及預(yù)警的研究。借鑒大數(shù)據(jù)理論建立空中交通管制大數(shù)據(jù)概念，從影響空中交通管制系統(tǒng)運(yùn)行的主要風(fēng)險因素出發(fā)，建立空中交通管制安全運(yùn)行的狀態(tài)向量空間，利用主成分分析法去除基礎(chǔ)向量線性相關(guān)性，再利用聚類分析過程建立空中交通管制運(yùn)行安全預(yù)警知識庫，實(shí)現(xiàn)空中交通管制運(yùn)行安全評估和及時預(yù)警。結(jié)果表明：所用的預(yù)警分類分析方法能夠很好地實(shí)現(xiàn)預(yù)警分類和安全評估，為管制部門的相關(guān)決策提供理論依據(jù)。

空中交通管制；大數(shù)據(jù)；安全評估；預(yù)警；風(fēng)險因素

0 引 言

空中交通管制系統(tǒng)是保障民航運(yùn)行安全的主力軍，空中交通管制運(yùn)行安全在確保民航安全方面至關(guān)重要?？罩薪煌ü苤七\(yùn)行安全預(yù)警研究一直以來都是民航安全的研究熱點(diǎn)，國內(nèi)外學(xué)者從不同方面分析了安全預(yù)警的實(shí)施方法并進(jìn)行了安全評估。

在國外，M.Hicks等[1]從管理手段出發(fā)強(qiáng)化人員安全意識，利用新的情景視覺輔助系統(tǒng)幫助預(yù)警系統(tǒng)更好地實(shí)現(xiàn)其功能。A.Zolghadri等[2]著重于飛行系統(tǒng)改進(jìn)，運(yùn)用數(shù)學(xué)模型和新技術(shù)識別系統(tǒng)故障，并以此為依據(jù)設(shè)計(jì)了一套安全預(yù)警系統(tǒng)。W.K.Lee[3]評估了航空安全的影響要素及其重要程度、危險相關(guān)性及可預(yù)測性。G.D.Edkins[4]則從人為因素出發(fā)通過優(yōu)化政策執(zhí)行、員工風(fēng)險意識及文化建設(shè)方面識別風(fēng)險源。Y.H.Chang等[5]通過研究美國四家航空公司的相對安全水平，采用一種模糊的多屬性決策制定方法，提出了評估航空公司安全的數(shù)量指標(biāo)。S.Ternov等[6]構(gòu)建了基于事故的程序模型，把擾亂作用障礙分析法引入空中交通管制風(fēng)險分析,利用DEB方法分析如何在一個復(fù)雜的系統(tǒng)中識別空中交通管制的風(fēng)險。J.J.H.Lioua等[7]利用聯(lián)邦航空局(FAA)贊助的項(xiàng)目，使用神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)技術(shù)為航空安全監(jiān)察開發(fā)了一種先進(jìn)的決策支持系統(tǒng),目的是提取更加精煉的預(yù)警指標(biāo),用來識別航空器風(fēng)險。此外FAA和Eurocontrol(歐洲航行安全組織)也從政策法規(guī)入手針對安全預(yù)警提出了一些建設(shè)性意見[8]。

在國內(nèi),安全預(yù)警研究正處于起步階段且僅限于理論研究，對于組織框架及系統(tǒng)研發(fā)有待加強(qiáng)。閆友劼[9]通過對空中交通管制安全影響因素進(jìn)行模糊綜合評價，建立了安全預(yù)警模型。汪緒普[10]、李柯等[11]則針對空中交通管制信息化建設(shè)，從系統(tǒng)上建立了一套安全預(yù)警系統(tǒng)構(gòu)架。楊智[12]從空中交通管制決策模式出發(fā)，從漏警虛警防范的層面定義預(yù)警決策的內(nèi)涵，對預(yù)警決策模式運(yùn)行中需要重點(diǎn)關(guān)注的決策對象進(jìn)行了分析，從而提高風(fēng)險決策水平。

上述研究在分析安全預(yù)警問題時，均未從運(yùn)行數(shù)據(jù)入手?，F(xiàn)如今，各行各業(yè)尤其是物流運(yùn)輸領(lǐng)域在大數(shù)據(jù)方面取得了較大進(jìn)展。大數(shù)據(jù)理論在適應(yīng)數(shù)據(jù)增長的同時在流程優(yōu)化、預(yù)警分析等方面具有較大優(yōu)勢，適合應(yīng)用于空中交通管制運(yùn)行安全預(yù)警研究。

本文將大數(shù)據(jù)理論運(yùn)用于空中交通管制運(yùn)行安全預(yù)警，從數(shù)據(jù)源入手對運(yùn)行安全的主要影響因素進(jìn)行分類識別，建立安全評估模型。基于空中交通管制運(yùn)行模式，建立空中交通管制安全運(yùn)行預(yù)警知識庫，利用主成分分析法分析運(yùn)行狀態(tài)基礎(chǔ)向量；最后對空中交通管制安全運(yùn)行預(yù)警知識進(jìn)行聚類分析，得到預(yù)警分類。

1 空中交通管制大數(shù)據(jù)

大數(shù)據(jù)可以簡單的理解為“巨量數(shù)據(jù)”，但又不僅僅是指數(shù)據(jù)的量級，而是指資料規(guī)模巨大，以至于在合理時間內(nèi)無法運(yùn)用常規(guī)工具提取、管理、處理，使之成為實(shí)現(xiàn)管理目標(biāo)的有用信息。IBM提出了大數(shù)據(jù)具有5V特征，即大量(Volume)、高速(Velocity)、多樣(Variety)、價值(Value)、真實(shí)性(Veracity)?？罩薪煌ü苤葡到y(tǒng)在空中交通活動的各階段涉及多種數(shù)據(jù)，這些數(shù)據(jù)具有規(guī)模大、種類多、時效性強(qiáng)、價值高、對真實(shí)性要求高等大數(shù)據(jù)特征，故可以稱之為空中交通管制大數(shù)據(jù)。

空中交通管制大數(shù)據(jù)及其相關(guān)技術(shù)的應(yīng)用具有如下優(yōu)點(diǎn)：①空中交通管制大數(shù)據(jù)可以優(yōu)化空中交通管制操作流程；②空中交通管制大數(shù)據(jù)涉及到的數(shù)據(jù)庫理論可以給數(shù)據(jù)處理提供相關(guān)支持；③空中交通管制大數(shù)據(jù)還可以用于安全與風(fēng)險管理，不僅可以立足于一線操作、運(yùn)行控制等空中交通管制運(yùn)行的各個環(huán)節(jié)，在以數(shù)據(jù)為驅(qū)動的風(fēng)險管理下還具有超前安全預(yù)警價值。

2 影響空中交通管制運(yùn)行安全的主要因素

空中交通管制部門對航空器安全運(yùn)行具有重要作用，所有有關(guān)航空器運(yùn)行的數(shù)據(jù)信息都需要通過管制部門從而影響指揮航空器決策。本文從航空器運(yùn)行安全角度來評估空中交通管制運(yùn)行安全的風(fēng)險。

從管理角度來說，航空器運(yùn)行安全的主要影響因素如圖1所示，包括人、航空器、環(huán)境、管制四個方面。但是從運(yùn)行數(shù)據(jù)產(chǎn)生的來源來說，主要分為管制、通導(dǎo)、氣象和情報(bào)四個方面。

圖1 航空器運(yùn)行安全影響因素

在空中交通管理過程所涉及的管制、通導(dǎo)、氣象及情報(bào)部門的空中交通管制運(yùn)行數(shù)據(jù)體量巨大、結(jié)構(gòu)復(fù)雜，對運(yùn)行數(shù)據(jù)的知識進(jìn)行管理十分必要。結(jié)合歷史運(yùn)行數(shù)據(jù)記錄，對安全裕度較低、需要管制員重點(diǎn)注意的運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行整合，建立一個通用的空中交通管制安全預(yù)警知識庫。通過將實(shí)時空中交通管制運(yùn)行數(shù)據(jù)與知識庫中的數(shù)據(jù)對比匹配，可以實(shí)現(xiàn)快速、準(zhǔn)確的空中交通管制運(yùn)行安全預(yù)警。

3 空中交通管制安全運(yùn)行預(yù)警知識庫的建立

主要思路：根據(jù)管制、通導(dǎo)、氣象及情報(bào)四個空中交通管制安全運(yùn)行影響要素，運(yùn)用空中交通管制運(yùn)行數(shù)據(jù)建立空中交通管制運(yùn)行狀態(tài)描述向量空間，并利用主成分分析去除各基礎(chǔ)向量的相關(guān)性，達(dá)到降維的目的，以實(shí)現(xiàn)對空中交通管制運(yùn)行狀態(tài)綜合化的體現(xiàn)。經(jīng)過Q型系統(tǒng)聚類、K均值快速聚類兩次聚類分析過程，建立空中交通管制安全運(yùn)行預(yù)警知識庫。根據(jù)庫中不同類別預(yù)警因素反映出的運(yùn)行風(fēng)險嚴(yán)重程度制定相應(yīng)的預(yù)警等級，通過實(shí)時空中交通管制運(yùn)行數(shù)據(jù)與之進(jìn)行對比匹配，實(shí)現(xiàn)空中交通管制運(yùn)行安全評估和及時預(yù)警。

3.1 空中交通管制運(yùn)行狀態(tài)的描述

管制、通導(dǎo)、氣象及情報(bào)是空中交通管制安全運(yùn)行的影響要素，也是空中交通管制運(yùn)行數(shù)據(jù)的主要來源?；诟饕叵嚓P(guān)運(yùn)行的特征變量，建立能夠體現(xiàn)空中交通管制運(yùn)行狀態(tài)的描述向量空間S。

各影響要素的運(yùn)行特征變量如下。

(1) 各影響要素的靜態(tài)運(yùn)行數(shù)據(jù)變量包括管制、通導(dǎo)、氣象及情報(bào)部門的基本信息、空中交通管制人員信息、設(shè)備設(shè)施配備信息、空域信息等各類空中交通管制靜態(tài)數(shù)據(jù)。

(2) 各影響要素的動態(tài)運(yùn)行數(shù)據(jù)變量包括：

①來源于各個自動化系統(tǒng)的通信、導(dǎo)航、監(jiān)視信息數(shù)據(jù)；

②進(jìn)行空中交通管制業(yè)務(wù)操作時產(chǎn)生的數(shù)據(jù)，例如管制指令、進(jìn)程單記錄、屏幕操作記錄、設(shè)備操作記錄、設(shè)備運(yùn)行記錄等；

③班組安排、值班日志、考核記錄等空中交通管制運(yùn)行管理數(shù)據(jù)；

④空中交通管制運(yùn)行環(huán)境數(shù)據(jù)，例如航路航線數(shù)據(jù)、扇區(qū)開放劃分情況數(shù)據(jù)、氣象數(shù)據(jù)、地理信息系統(tǒng)數(shù)據(jù)、軍航活動情況數(shù)據(jù)等。

設(shè)空中交通管制安全運(yùn)行影響要素：管制、通導(dǎo)、氣象及情報(bào)四個綜合基向量分別為C、N、M、I，根據(jù)管制運(yùn)行過程確定各影響要素的運(yùn)行特征變量作為基礎(chǔ)向量：(w1,w2,…,wp1)，(x1,x2,…,xp2)，(y1,y2,…,yp3)，(z1,z2,…,zp4) 。

以上數(shù)據(jù)變量既有連續(xù)型變量，又有離散型變量，同時某些數(shù)據(jù)變量之間可能存在相關(guān)性，因此在構(gòu)建描述向量空間S的基向量之前，需要對數(shù)據(jù)變量進(jìn)行主成分分析消除變量之間的相關(guān)性，達(dá)到降維的目的，便于后續(xù)評估模型的計(jì)算。

3.2 空中交通管制運(yùn)行狀態(tài)基礎(chǔ)向量的主成分分析

以管制綜合基向量的基礎(chǔ)向量為例介紹主成分分析方法。主成分分析是將原來數(shù)據(jù)p1個變量作線性組合，提取出P1個綜合變量(F1,F2,…,FP1)。其中，F(xiàn)1是包含原始數(shù)據(jù)信息量最多的變量，即原始數(shù)據(jù)變量所有線性組合中使var(F1)最大的組合對應(yīng)的變量，稱為第一主成分；F2是第二主成分，其包含的信息量僅次于F1，同時cov(F1,F2)=0且var(F2)較大；其余綜合變量依此類推，可知F1,F2,…,FP1的方差依次減小且互不相關(guān)。各綜合指標(biāo)可以根據(jù)原始數(shù)據(jù)變量在線性組合中所占權(quán)重確定其含義。通常選取總貢獻(xiàn)率較大的前幾個主成分作為原始數(shù)據(jù)變量的主成分分析結(jié)果，從而達(dá)到降維的目的。

以管制綜合基向量的基礎(chǔ)向量為例，空中交通管制運(yùn)行狀態(tài)基礎(chǔ)向量的主成分分析過程如下。

(1) 原始數(shù)據(jù)的標(biāo)準(zhǔn)化

設(shè)有n組觀測樣本，則原始數(shù)據(jù)樣本矩陣為

(1)

在進(jìn)行主成分分析之前需要對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，消除不同變量量綱的影響。本文采用z-score標(biāo)準(zhǔn)化方法，該方法基于原始數(shù)據(jù)的均值和標(biāo)準(zhǔn)差，變換公式為

(2)

根據(jù)式(2)對原始數(shù)據(jù)樣本矩陣的元素進(jìn)行標(biāo)準(zhǔn)化，得到標(biāo)準(zhǔn)化數(shù)據(jù)樣本矩陣：

(3)

為了便于說明，仍將標(biāo)準(zhǔn)化后的數(shù)據(jù)樣本矩陣標(biāo)記為W。

(2) 變量之間的相關(guān)性判定

主成分分析方法的實(shí)質(zhì)是揭示各原始變量之間的內(nèi)部關(guān)系，因此需要求解樣本數(shù)據(jù)的相關(guān)系數(shù)矩陣，對變量之間的相關(guān)性進(jìn)行分析。

(4)

(3) 變量的特征值及特征向量

由式(4)求得管制綜合基向量的基礎(chǔ)向量的相關(guān)系數(shù)矩陣，通過特征方程：

|R-λI|=0

(5)

求解可得到p1個特征值λ1≥λ2≥…≥λp1及每一個特征值對應(yīng)的特征向量aj=(aj1,aj2,…,ajp1)，j=1,2,…,p1。特征向量矩陣為

(6)

(4) 原始變量的線性組合變換

由式(6)及式(3)可得綜合變量F=AW，即

(7)

通過數(shù)學(xué)推導(dǎo)可知var(Fj)=λj。

(5) 選取主成分

由于綜合變量的方差是遞減的，因此通常會根據(jù)綜合變量的方差占總方差比重的大小來選取累計(jì)方差比重較大的前P1個綜合變量作為主成分。其中，各綜合變量方差占總方差比重的大小被定義為

(8)

式中：ηj為貢獻(xiàn)率。貢獻(xiàn)率越大，表明該綜合變量包含的原始變量信息越多，一般會選取累計(jì)貢獻(xiàn)率達(dá)到85%及以上水平的綜合變量作為主成分，保證降維的同時盡可能保留完整的原始變量數(shù)據(jù)信息。有時也會根據(jù)研究問題的不同對累計(jì)貢獻(xiàn)率標(biāo)準(zhǔn)進(jìn)行適當(dāng)調(diào)整。

經(jīng)過主成分分析后，空中交通管制安全運(yùn)行影響要素綜合基向量可分別由基礎(chǔ)向量主成分化后P1、P2、P3、P4個綜合向量表示，從而得到空中交通管制運(yùn)行狀態(tài)的描述向量Si，如圖2所示。

圖2 空中交通管制運(yùn)行狀態(tài)基礎(chǔ)向量的主成分分析

相比于各影響要素原始的基礎(chǔ)向量，綜合向量所代表的指標(biāo)彼此互不相關(guān)且含義明確，更能綜合體現(xiàn)空中交通管制安全運(yùn)行影響要素中需要管制員注意的安全預(yù)警因素。

3.3 空中交通管制安全運(yùn)行預(yù)警知識的聚類

由于不明確空中交通管制運(yùn)行狀態(tài)觀測樣本分為幾類預(yù)警知識，可先采用系統(tǒng)聚類方法。根據(jù)系統(tǒng)聚類過程樹狀圖或合并步數(shù)/類別距離曲線初步確定分類類別數(shù)量，然后再采用K均值快速聚類，得到預(yù)警因素特征更為明確的預(yù)警知識分類。

(1) 空中交通管制安全運(yùn)行狀態(tài)觀測樣本的初步分類——系統(tǒng)聚類分析

對空中交通管制運(yùn)行狀態(tài)數(shù)據(jù)的分類是樣本分類，屬于Q型系統(tǒng)聚類，應(yīng)用統(tǒng)計(jì)軟件SPSS能夠方便快捷地實(shí)現(xiàn)這一分析過程。

空中交通管制運(yùn)行狀態(tài)觀測樣本的Q型系統(tǒng)聚類過程如圖3所示。首先將每個空中交通管制運(yùn)行狀態(tài)觀測數(shù)據(jù)樣本分別作為一類，接著逐一合并距離最近的類，直到將所有的樣本歸為一類即結(jié)束聚類。需要通過系統(tǒng)聚類過程樹狀圖或合并步數(shù)/類別距離曲線上的距離系數(shù)突增拐點(diǎn)確定樣本的分類數(shù)量m。

圖3 空中交通管制安全運(yùn)行預(yù)警知識Q型

(2) 空中交通管制運(yùn)行狀態(tài)觀測樣本的最終分類——K均值聚類分析

系統(tǒng)聚類分析初步確定了空中交通管制運(yùn)行狀態(tài)觀測樣本的分類數(shù)量，再利用K均值聚類進(jìn)一步分析以獲得預(yù)警特征更為明確的分類結(jié)果，分析過程如圖4所示。

圖4 空中交通管制安全運(yùn)行預(yù)警知識K均值過程

K均值聚類最終得到的各聚類中心代表相應(yīng)類別中成員的統(tǒng)計(jì)信息，即不同類別中空中交通管制安全運(yùn)行預(yù)警因素特征。對這些分類信息進(jìn)行整合，從而得到空中交通管制安全運(yùn)行預(yù)警知識庫。根據(jù)各個類別中預(yù)警因素反映出的運(yùn)行風(fēng)險嚴(yán)重程度可以制定相應(yīng)的預(yù)警等級。通過與實(shí)時空中交通管制運(yùn)行數(shù)據(jù)進(jìn)行對比匹配，實(shí)現(xiàn)空中交通管制運(yùn)行安全評估和及時預(yù)警。

4 算例分析

以某空中交通管制單位2015年6月～10月共153組管制、通導(dǎo)、氣象及情報(bào)運(yùn)行記錄數(shù)據(jù)為資源，首先利用主成分分析構(gòu)建空中交通管制運(yùn)行狀態(tài)描述向量空間，主成分提取結(jié)果如表1所示，共提取出9個主成分，累計(jì)貢獻(xiàn)率為84.277%，保留了原有數(shù)據(jù)的大部分信息。

表1 空中交通管制運(yùn)行狀態(tài)基礎(chǔ)向量的主成分分析

在所提取的主成分中，成分1及成分2分別代表空中交通管制安全運(yùn)行氣象影響要素。成分1是氣象要素對航路飛行階段空中交通管制運(yùn)行安全的影響，簡記為航路氣象因素；成分2是氣象要素對機(jī)場范圍內(nèi)空中交通管制運(yùn)行安全的影響，簡記為機(jī)場氣象因素。成分3及成分8代表空中交通管制安全運(yùn)行通導(dǎo)預(yù)警要素，成分3側(cè)重航路飛行階段，簡記為航路通導(dǎo)因素，成分8側(cè)重機(jī)場范圍內(nèi)，簡記為機(jī)場通導(dǎo)因素。成分4代表空中交通管制安全運(yùn)行機(jī)場管制影響因素，簡記為機(jī)場管制影響因素；成分5代表空中交通管制安全運(yùn)行管制預(yù)警因素中的管制業(yè)務(wù)量，其通過影響管制負(fù)荷從而對空中交通管制的運(yùn)行安全造成影響，簡記為管制負(fù)荷因素；成分6代表跑道容量對管制安全運(yùn)行的限制，簡記為跑道容量因素；成分7代表空中交通管制安全運(yùn)行情報(bào)預(yù)警要素中航路飛行階段的情報(bào)影響因素，簡記為航路情報(bào)因素；成分9代表起飛前情報(bào)要素對飛行安全的影響，簡記為起飛前情報(bào)因素。

通過Q型系統(tǒng)聚類得到空中交通管制安全運(yùn)行狀態(tài)觀測樣本的初步分類數(shù)量，系統(tǒng)聚類過程如圖5所示。

圖5 系統(tǒng)聚類過程——合并步數(shù)/類別距離曲線

從圖5可以看出：類別之間的距離在聚類進(jìn)行到第141步時發(fā)生較大增長，即在第141步處是曲線的拐點(diǎn)，此時所有空中交通管制運(yùn)行狀態(tài)觀測樣本被分為12類。再進(jìn)行K均值聚類，設(shè)定目標(biāo)聚類數(shù)量為12，最終聚類中心統(tǒng)計(jì)信息如表2所示。

由于在進(jìn)行聚類分析前，已經(jīng)對各空中交通管制運(yùn)行狀態(tài)描述向量的基礎(chǔ)向量進(jìn)行了主成分分析，因此聚類時的數(shù)據(jù)是標(biāo)準(zhǔn)化后的數(shù)據(jù)。最終聚類中心不再代表直接由原始空中交通管制運(yùn)行數(shù)據(jù)的平均值構(gòu)成的聚類中心的信息，而是表示該類別與每一空中交通管制安全運(yùn)行影響要素所包含的風(fēng)險因素之間的關(guān)系。

表2 空中交通管制運(yùn)行狀態(tài)描述向量K均值聚類最終聚類中心

以類別1為例，在該類別中成分4即機(jī)場管制因素，是該類別空中交通管制安全運(yùn)行的重要影響因素，成分7(航路情報(bào)因素)、成分1(航路氣象因素)次之；而成分2(機(jī)場氣象因素)、成分6(跑道容量因素)相比該類別中其他因素對空中交通管制的安全運(yùn)行影響程度較小，因此當(dāng)發(fā)生該類別對應(yīng)的預(yù)警時，管制部門需要注意機(jī)場管制、航路情報(bào)及航路氣象方面的空中交通管制安全運(yùn)行風(fēng)險因素。

根據(jù)K均值聚類結(jié)果，建立空中交通管制安全運(yùn)行預(yù)警知識庫，并根據(jù)各類別運(yùn)行狀態(tài)特征反映出的風(fēng)險嚴(yán)重程度制定相應(yīng)的預(yù)警等級。將2015年11月1日～2015年11月2日共48小時的空中交通管制實(shí)時運(yùn)行數(shù)據(jù)與預(yù)警知識庫中的預(yù)警等級相匹配，根據(jù)風(fēng)險嚴(yán)重程度由低到高，制定了十級至一級預(yù)警等級。分析結(jié)果得到結(jié)論：2015年11月1日～2015年11月2日，空中交通管制運(yùn)行大部分處于安全或風(fēng)險較低的階段，但當(dāng)管制業(yè)務(wù)量較大，管制負(fù)荷較重，或者遭遇惡劣天氣時，空中交通管制運(yùn)行的安全性降低，風(fēng)險增加，預(yù)警等級出現(xiàn)較高水平。由于每一預(yù)先等級都對應(yīng)各自相應(yīng)的空中交通管制安全運(yùn)行影響要素的低裕度風(fēng)險因素，因此管制部門可根據(jù)相應(yīng)的預(yù)警等級確定管制、通導(dǎo)、氣象、情報(bào)在預(yù)警發(fā)生時需要及時采取措施的運(yùn)行狀態(tài)。

5 結(jié) 論

本文基于空中交通管制大數(shù)據(jù)，對考慮管制、通導(dǎo)、氣象及情報(bào)數(shù)據(jù)的空中交通管制運(yùn)行安全評估和預(yù)警進(jìn)行了探索研究。通過實(shí)時空中交通管制運(yùn)行數(shù)據(jù)與之進(jìn)行對比匹配，實(shí)現(xiàn)空中交通管制運(yùn)行安全評估和及時預(yù)警。所應(yīng)用的預(yù)警分類分析方法能夠很好的實(shí)現(xiàn)預(yù)警分類和安全評估，為管制部門的相關(guān)決策提供理論依據(jù)。

然而較多的設(shè)定預(yù)警等級會導(dǎo)致可操作性不強(qiáng)，在以后的研究中需要加強(qiáng)對預(yù)警分類方面的研究，增強(qiáng)它的可行性。

[1] Hicks M, Brito de G. Civil aircraft warning systems: who’s calling the shots?[J]. Air & Space Europe, 1999, 1(1): 45-47.

[2] Zolghadri A, Cazaurang F. Adaptive nonlinear state-space modelling for the prediction of daily mean PM 10 concentrations[J]. Environmental Modelling & Software, 2006, 21(6): 885-894.

[3] Lee W K. Risk assessment modeling in aviation safety management[J]. Journal of Air Transport Management, 2006, 12(5): 267-273.

[4] Edkins G D. The INDICATE safety program: evaluation of a method to proactively improve airline safety performance[J]. Safety Science, 1998, 30(3): 275-295.

[5] Chang Y H, Yeh C H. A new airline safety index[J]. Transportation Research Part B: Methodological, 2004, 38(4): 369-383.

[6] Ternov S, Akselsson R. A method, DEB analysis, for proactive risk analysis applied to air traffic control[J]. Safety Science, 2004, 42(7): 657-673.

[7] Lioua J J H, Tzengb G H, Changa H C. Airline safety measurement using a hybrid model[J]. Journal of Air Transport Management, 2007, 13(4): 243-249.

[8] David-Cooper R. Implementing safety management systems(SMS) in Canada: is flight safety on a collision course with the forced disclosure of SMS data?[J]. Issues in Aviation Law and Policy, 2015, 15(1): 77-112.

[9] 閆友劼. 空管安全影響因素的綜合分析及預(yù)警研究[D]. 廣州: 華南理工大學(xué), 2013. Yan Youjie. Comprehensive analysis of air traffic control safety factors and warning research[D]. Guangzhou: South China University of Technology, 2013.(in Chinese)

[10] 汪緒普. 空管安全風(fēng)險預(yù)警決策支持系統(tǒng)研究[D]. 武漢: 武漢理工大學(xué), 2013. Wang Xupu. Safety risk warning decision support system[D]. Wuhan: Wuhan University of Technology, 2013.(in Chinese)

[11] 李柯, 張勝. 空中交通管理中心安全預(yù)警管理信息系統(tǒng)研究[J]. 武漢理工大學(xué)學(xué)報(bào): 信息與管理工程版, 2007, 29(8): 106-109. Li Ke, Zhang Sheng. Air traffic control center on early warning management information system[J]. Journal of Wuhan University of Technology: Information & Management Engineering, 2007, 29 (8): 106-109.(in Chinese)

[12] 楊智. 空中交通管制安全風(fēng)險預(yù)警決策模式及方法研究[D]. 武漢: 武漢理工大學(xué), 2012. Yang Zhi. The study of air traffic control safety risk warning decision mode and method[D]. Wuhan: Wuhan University of Technology, 2012.(in Chinese)

(編輯：趙毓梅)

Research on ATC Operation Safety Warning Based on Big Data

Yao Guangming1, Cao Yueqi2

(1.Safety Management Department, East China Airtraffic Management Bureau of CAAC, Shanghai 200335, China)(2.College of Air Traffic Management, Civil Aviation University of China, Tianjin 300300, China)

The task of ATC is to ensure safety of the aircraft. It is necessary to run air traffic control system safety assessment and early warning to ensure flight safety. Starting from the main risk factors influencing running safety based on ATC big data concepts, the ATC operation state vector space is established. Using principal component analysis(PCA) to remove the basic vector linear correlation and using clustering analysis to establish the ATC safety warning knowledge base, the ATC safety assessment and early warning can be realized in time. Results show that the early warning classification analysis method can achieve good classification and safety assessment in the actual operation. This method can provide reference for control department daily decisions.

ATC; big data; safety assessment; warning; risk factors

2016-06-13；

2016-08-27

國家自然科學(xué)基金(71171190)

國家空管委基金(GKG201410001)

曹悅琪,1500703881@qq.com

1674-8190(2016)04-452-07

V328

A

10.16615/j.cnki.1674-8190.2016.04.009

姚光明(1968-)，男，博士，工程師。主要研究方向：空管運(yùn)行安全。

曹悅琪(1990-)，女，碩士研究生。主要研究方向：空域規(guī)劃。