闕佳鴻

摘 要：文章介紹了機器學習的算法分類和應用場景，指出了我國民用航空安全系統(tǒng)的現狀以及存在的問題。并且在此基礎上探討了機器學習的主要技術在民航安全系統(tǒng)中的應用。為民航安全系統(tǒng)信息化建設進程的進一步發(fā)展提供了包括使用模式識別實現機場管制、計算機視覺實現場面安全、氣象數據預測、管制員疲勞監(jiān)控和設備維修數據監(jiān)測在內的諸多有價值的研究方向。

關鍵詞：機器學習；模式識別；計算機視覺；機場管制；民航安全

引言

安全管理是我們民用航空管理中的一個非常重要的問題，一直以來都受到整個行業(yè)的高度重視。機器學習作為人工智能技術的分支，已經在短短的幾年時間內滲透到我們身邊的各行各業(yè)，為之提供了大量的便利并極大的節(jié)省了人力及物力資源。由此我們推測，將機器學習及其相關技術應用到民航安全管理體系中，也將起到卓越的成效。本文便是對機器學習在民航安全管理的應用領域進行探索和分析。

1 機器學習介紹

1.1 定義

利用計算機對給定的數據進行分析并從中獲取規(guī)律是機器學習的首要研究目標，這些數據我們稱作觀測樣本，所學習到的規(guī)律我們稱之為模型。通過這些規(guī)律模型，可以對未來將要出現的數據進行預測。

圖1即機器學習的簡單示例。機器學習的第一步即是選擇一個規(guī)律模型，定義為決策函數f（x，？茲），該函數中的參數？茲并不確定。第二步則是通過機器學習的算法尋找出一個最適合的參數？茲？鄢，這個過程叫做訓練過程。經過以上兩個步驟，我們就可以使用f（x，？茲）模型對輸入的x進行結果預測。

1.2 應用場景

我們所描述的機器學習，不僅僅是針對一些已經經過結構化處理的信息，還應當包含圖像、音頻在內的數字化數據。從范圍上講，它類似于模式識別、統(tǒng)計學習、數據挖掘，正是由于機器學習與這些不同領域的結合，從而形成了它在計算機視覺、自然語言處理、語音識別這些交叉學科中的研究優(yōu)勢。

2 民航安全管理

2.1 安全管理系統(tǒng)簡介

民用航空中比較傳統(tǒng)的思想認為沒有危險就表示安全，然而現代的安全管理思想并不這樣認為?，F代的安全管理思想把安全當做一種狀態(tài)，同時也是識別危險和管理風險的一個過程。由此可見，我們的安全管理系統(tǒng)（safety management system簡稱：SMS）必須是一個完整的、正規(guī)的、自頂向下的和有條不紊的綜合安全管理系統(tǒng)。

2.2 我國的民航安全管理系統(tǒng)現狀

分階段發(fā)展的策略是在改革開放以來我國的民航業(yè)實施的總方針[1]，并且已取得顯著成效：第一階段，通過逐漸放松進入市場的時機，讓民航走上企業(yè)化發(fā)展的道路；第二階段，在民航業(yè)內部實施全面的制度改革，為進入市場化進行機制創(chuàng)造條件，同時大步跨入市場化經營時期；第三階段，抓緊時機進行民航的行業(yè)重組，這一項改革已經取得了重大突破。雖然分階段的策略成績斐然，然而就目前來看，我國民航業(yè)的安全管理信息化進程依舊相對落后。

3 機器學習在安全管理體系中的應用

3.1 模式識別與機場管制

模式識別是工業(yè)業(yè)界提出的概念，而機器學習主要來自于計算機學術領域，在本質上二者沒有區(qū)別。機場管制也稱航空管制，航空流控 航路流控 等，指的是由于起降航班班次集中，飛機按關門先后順序排隊起飛，或者由于天氣、軍事、目的地機場問題等原因，塔臺對飛機起飛時間進行管制。機場管制的目的是保證航空安全，以及保障飛機的飛行秩序。

通過機器學習的模式識別技術，安全管理系統(tǒng)可以對機場終端區(qū)域的所有飛行器進行實時監(jiān)控，分析處理一次雷達、二次雷達及自動相關監(jiān)視系統(tǒng)（ADS-B）等監(jiān)視設備傳回的包括飛行器高度、位置、運行狀態(tài)以及氣象信息在內的各種大規(guī)模數據，并在異常情況出現時，或者在異常情況即將出現之前（取決于機器學習算法的數據預測功能），向塔臺管制員提供預警服務，避免各種特情的發(fā)生。

3.2 計算機視覺與機場安全

人臉識別[2]是計算機視覺領域的一個非常重要的研究方向。傳統(tǒng)的人臉識別技術在實際應用中已經非常廣泛，但是從性能的角度來看，依然存在諸多問題，最重要的是，從安全的角度考慮亦存在諸多漏洞。現在已經證明出現的針對傳統(tǒng)人臉識別的黑客技術，已經屢見不鮮。而通過機器學習改進后的人臉識別技術[3]，不僅可以解決安全問題，并且十分有利于人臉識別精度的改善和人臉識別速度的提高。將優(yōu)化后的人臉識別系統(tǒng)應用到機場的安檢流程中，可以大大提高安檢人員的工作效率，同樣降低人工工作的強度。

同樣的，計算機視覺及圖像處理技術還可應用于機場場面安全管理。比如，隨著通用航空的發(fā)展，無人機的數量快速增加，由于其制造成本低操作簡單等特性，越來越多的單位和個人開始使用無人機從事私人的業(yè)務。這些沒有規(guī)范管理的無人機，在缺乏地空空域管理的情況下，很容易就能夠飛行進入機場的管制區(qū)，形成巨大的安全隱患。利用計算機視覺進行遠距離攝像實時監(jiān)控，有望很好的解決這個安全問題。

3.3 其他應用領域

除此之外，機器學習的各種算法模型，包括貝葉斯模型（Bayesian）、人工神經網絡（Artificial Neural Networks）、深度學習（Deep Learning）、組合方法（Ensemble Methods）、回歸（Regression）等等，均可根據各自的特性，應用于民航安全系統(tǒng)：數據預測特性可以應用于航空氣象數據的分析與預測中，用以提前為管制人員提供盡可能準確的氣象預報數據；語音識別及文本分析特性，可以應用于管制員與飛行員的陸空通話過程中，不僅可以監(jiān)控陸空通話的內容，同時可以對參與人員的疲勞程度進行研判；大規(guī)模數據中的異常數據監(jiān)測，可以應用于飛行器設備及地面設備的維修與保障中。

4 結束語

近年來，以機器學習技術推動的人工智能已經滲透到幾乎所有的工業(yè)領域。而機器學習的應用場景，也就是它的應用領域，也恰好與我們信息化安全建設的方方面面都有諸多重合。對于我們民航，確切的說，對于我們民航的安全管理系統(tǒng)，盡早引入并應用機器學習相關技術，將會極大的改善系統(tǒng)的工作效率并提高安全保障的成效。

參考文獻

[1]李洋.我國民航安全管理系統(tǒng)研究[D].中國海洋大學，2013.

[2]趙天聞.基于機器學習方法的人臉識別研究[D].上海交通大學，2008.

[3]沈萍.基于PCA及機器學習的人臉識別應用研究[J].計算機教育，2016（6）.