王巖韜，陳冠銘，劉 毓，楊遠(yuǎn)浩，趙 航

(中國(guó)民航大學(xué)國(guó)家空管運(yùn)行安全技術(shù)重點(diǎn)實(shí)驗(yàn)室，天津300300)

0 引言

航班運(yùn)行是一個(gè)連續(xù)動(dòng)態(tài)過(guò)程，其影響因素種類(lèi)、形式、數(shù)目繁多，運(yùn)行風(fēng)險(xiǎn)隨條件不斷改變.面對(duì)此復(fù)雜系統(tǒng)，構(gòu)建科學(xué)的評(píng)估和預(yù)測(cè)方法是提高安全水平的必要措施.歐美民航安全管理和風(fēng)險(xiǎn)定量研究在2000年后已有成果，但因國(guó)內(nèi)和歐美運(yùn)行環(huán)境相差巨大，導(dǎo)致模型無(wú)法移植使用[1-3].國(guó)內(nèi)民航對(duì)航班運(yùn)行安全的研究于2010年后起步，從孫瑞山教授開(kāi)始至王巖韜等，已完成從研究方向、預(yù)期目標(biāo)、解決方案等多方面完整探索[4-5].2015年下發(fā)的咨詢(xún)通告《航空承運(yùn)人運(yùn)行控制風(fēng)險(xiǎn)管控系統(tǒng)實(shí)施指南》作為研究成果的典型應(yīng)用，標(biāo)志著中國(guó)民航已建立了通用性、示范性的航班風(fēng)險(xiǎn)評(píng)估體系.截止2018年初，國(guó)內(nèi)52家運(yùn)輸航空公司以此前研究為基礎(chǔ)開(kāi)發(fā)了航班運(yùn)行風(fēng)險(xiǎn)控制系統(tǒng)，使用核心算法包含模糊隸屬函數(shù)、風(fēng)險(xiǎn)矩陣、支持向量機(jī)和概率論等[6].上述方法存在部分缺陷，例如過(guò)度依賴(lài)專(zhuān)家主觀(guān)評(píng)價(jià)等已在文獻(xiàn)[7-8]中詳細(xì)論述.目前在一線(xiàn)應(yīng)用中亟待解決問(wèn)題還包括：第一，由于評(píng)估項(xiàng)目數(shù)量多、計(jì)算過(guò)于復(fù)雜，致使響應(yīng)速度慢，無(wú)法滿(mǎn)足使用需求；第二，在訓(xùn)練樣本得到較高精度的基礎(chǔ)上，測(cè)試和應(yīng)用精度有時(shí)反而降低，即出現(xiàn)了過(guò)擬合現(xiàn)象.目前實(shí)踐應(yīng)用中日運(yùn)行精度處于[0.782,0.875]之間，計(jì)算精度不高且穩(wěn)定性不足[7-8].

基于上述情況，利用Adaptive Lasso擅長(zhǎng)處理高維變量及RF有效處理過(guò)度擬合的特點(diǎn)[9]，建立Adaptive Lasso與RF的二階段混合預(yù)測(cè)模型，使用某航450組航班運(yùn)行數(shù)據(jù)，驗(yàn)證模型可用性.通過(guò)與PCA、RBF神經(jīng)網(wǎng)絡(luò)、SVM進(jìn)行對(duì)比，驗(yàn)證方案有效性和可靠性，旨在為航班運(yùn)行風(fēng)險(xiǎn)管控工作探索有效、快捷、準(zhǔn)確、穩(wěn)定的預(yù)測(cè)技術(shù).

1 樣本數(shù)據(jù)

1.1 數(shù)據(jù)選取

如文獻(xiàn)[6]中詳述，某航將運(yùn)行總風(fēng)險(xiǎn)分為機(jī)組方面、飛機(jī)方面、進(jìn)近著陸階段威脅3大類(lèi)共63項(xiàng)影響因素.精選該航2017年風(fēng)控系統(tǒng)歷史數(shù)據(jù)共450組，包含風(fēng)險(xiǎn)高、中、低3級(jí)各150組；由飛行、簽派、機(jī)務(wù)等專(zhuān)家逐一檢驗(yàn)，發(fā)現(xiàn)其中18組存在偏差，經(jīng)專(zhuān)家組商議并修正結(jié)果后，該450組航班數(shù)據(jù)作為標(biāo)準(zhǔn)樣本集合，如表1所示.

表1 航班運(yùn)行風(fēng)險(xiǎn)數(shù)據(jù)集合Table 1 Flight operations risk standard data set

1.2 應(yīng)用分析

在實(shí)踐應(yīng)用中，各因素需在數(shù)據(jù)接入層提取，先做單因素評(píng)判，再遞進(jìn)向上計(jì)算總風(fēng)險(xiǎn)，具體如圖1所示.根據(jù)某航信息和運(yùn)控部門(mén)實(shí)測(cè)，平均航班運(yùn)算結(jié)果更新耗時(shí)3.6 s，響應(yīng)速度不能滿(mǎn)足運(yùn)行人員使用需求；此外，現(xiàn)有系統(tǒng)預(yù)測(cè)結(jié)果穩(wěn)定性不足，部分時(shí)段其計(jì)算精度低于80%，而在亟需查找原因糾正錯(cuò)誤時(shí)，評(píng)判因素越多，難度越大[5].綜上，下節(jié)采用Adaptive lasso算法進(jìn)行降維，以求精減評(píng)估指標(biāo)項(xiàng).

2 指標(biāo)降維

2.1 算法簡(jiǎn)介

Adaptive Lasso是一種高維數(shù)據(jù)線(xiàn)性回歸方法，本質(zhì)是改進(jìn)的兩步法Lasso[10].定義β=(β1,β2,…,βm)T是回歸系數(shù)；Aj=(a1j,a2j,…,anj)T是預(yù)測(cè)變量，其中j=1,2,…,m；Y=(y1,y2,…,yn)T是響應(yīng)變量.對(duì)所有的非負(fù)的常規(guī)參數(shù)λn，求解Adaptive Lasso問(wèn)題公式為，其中，；為普通最小二乘法所得系數(shù)估計(jì)值.

圖1 風(fēng)險(xiǎn)管控系統(tǒng)業(yè)務(wù)和數(shù)據(jù)架構(gòu)Fig.1 Risk control system dynamic business and data architecture

2.2 降維計(jì)算

此處，利用RGui軟件對(duì)63個(gè)風(fēng)險(xiǎn)指標(biāo)進(jìn)行計(jì)算，得到性能價(jià)格比Cp值，如表2所示.Cp值用來(lái)衡量多重共線(xiàn)性，其值越小越好.

表2 各指標(biāo)Cp值Table 2Cpvalue of indicators

由表2可知，在R程序運(yùn)算過(guò)程中，Cp最小值為12.869，此時(shí)總風(fēng)險(xiǎn)有效影響因素共有15個(gè)，分別為機(jī)組配合程度X1、機(jī)長(zhǎng)經(jīng)驗(yàn)?zāi)芰2、副駕駛經(jīng)驗(yàn)?zāi)芰3、機(jī)組疲勞程度X4、機(jī)組壓力程度X5、機(jī)齡X6、MEL/CDL風(fēng)險(xiǎn)X7、起飛機(jī)場(chǎng)天氣風(fēng)險(xiǎn)X8、起飛機(jī)場(chǎng)條件風(fēng)險(xiǎn)X9、著陸機(jī)場(chǎng)天氣風(fēng)險(xiǎn)X10、著陸機(jī)場(chǎng)條件風(fēng)險(xiǎn)X11、航路風(fēng)險(xiǎn)X12、航路備降機(jī)場(chǎng)天氣風(fēng)險(xiǎn)X13、航路備降機(jī)場(chǎng)條件風(fēng)險(xiǎn)X14和特殊運(yùn)行種類(lèi)(二放、極地、延程運(yùn)行等)X15.

3 精度分析

以X1～X15為指標(biāo)體系，使用支持向量機(jī)算法，取400組航班標(biāo)準(zhǔn)數(shù)據(jù)作為訓(xùn)練集，剩余50組作為測(cè)試集.使用Matlab中LibSVM函數(shù)，參數(shù)優(yōu)選使用SVMcgForClass，最優(yōu)懲罰因子e和核參數(shù)g通過(guò)交叉驗(yàn)證法確定，具體計(jì)算過(guò)程如文獻(xiàn)[5]，得到樣本訓(xùn)練分類(lèi)正確率為85.6%，同時(shí)確定e=3.042 1，g=0.562 43.

更新模型參數(shù)為最優(yōu)e和g后，如圖2和圖3所示，測(cè)試結(jié)果正確率僅為84%，與文獻(xiàn)[5]中情況類(lèi)似，訓(xùn)練優(yōu)化后得到測(cè)試精度無(wú)實(shí)質(zhì)提升.進(jìn)一步分析發(fā)現(xiàn)，上述指標(biāo)中存在部分交叉關(guān)系，例如X15是綜合了X10～X14限制條件下制定所得的飛行方案，而X4與X5也可能存在相互轉(zhuǎn)化現(xiàn)象.因此推斷模型過(guò)度訓(xùn)練和學(xué)習(xí)了數(shù)據(jù)中噪音，產(chǎn)生了過(guò)擬合運(yùn)算現(xiàn)象.下節(jié)采用RF方法防止過(guò)擬合，使用RF處理前后的計(jì)算結(jié)果進(jìn)行驗(yàn)證分析.

圖2 參數(shù)優(yōu)選結(jié)果(3D視圖)Fig.2 Parameter optimization results(3D view)

4 防過(guò)擬合

4.1 變量重要性計(jì)算

RF可較好地處理異常值和噪聲，對(duì)樣本依賴(lài)小，能較好地解決多級(jí)分類(lèi)問(wèn)題，且不容易出現(xiàn)過(guò)擬合[11].

航班風(fēng)險(xiǎn)變量重要性的衡量標(biāo)尺是各變量Xi導(dǎo)致結(jié)果的不純度.不純度計(jì)算公式為其中Q代表目標(biāo)變量的類(lèi)別總數(shù)，P(k/t)代表在節(jié)點(diǎn)t中第k類(lèi)目標(biāo)變量的條件概率.計(jì)算每棵樹(shù)中以Xi為分裂變量節(jié)點(diǎn)的不純度下降值，再將所有樹(shù)的結(jié)果進(jìn)行平均，從而得到Xi不純度的平均下降值，下降越多則表示該變量越重要.通過(guò)SPSS Modeler評(píng)分系統(tǒng)對(duì)重要度進(jìn)行打分，結(jié)果如表3所示.

圖3 風(fēng)險(xiǎn)等級(jí)分類(lèi)圖Fig.3 Parameter optimization results(3D view)

表3 指標(biāo)重要度分值及排序Table 3 Index importance score and ranking

由表3分析可見(jiàn)，運(yùn)行環(huán)境方面包括X8～X14，重要度總分值達(dá)到37.17，對(duì)總風(fēng)險(xiǎn)影響最大，其中著陸機(jī)場(chǎng)天氣風(fēng)險(xiǎn)X11最為顯著；飛行機(jī)組相關(guān)包括X1～X5，重要度分值達(dá)到 34.65，機(jī)長(zhǎng)經(jīng)驗(yàn)X2和機(jī)組疲勞X4影響最為明顯.

4.2 誤差計(jì)算

在處理航班運(yùn)行風(fēng)險(xiǎn)模型過(guò)擬合問(wèn)題時(shí)，在篩選變量過(guò)程中依次剔除表3中重要度分值最低的變量，再將剩余數(shù)據(jù)代入SPSS Modeler；同理計(jì)算14次后，可得到變量數(shù)為4～15的均方根誤差和相對(duì)誤差，如表4所示.可見(jiàn)當(dāng)變量數(shù)為12時(shí)，預(yù)測(cè)結(jié)果的均方根誤差和相對(duì)誤差最小，穩(wěn)定性最佳.故在Adaptive Lasso算法篩選結(jié)果后，再剔除航路備降機(jī)場(chǎng)天氣風(fēng)險(xiǎn)X13、航路備降機(jī)場(chǎng)條件風(fēng)險(xiǎn)X14和特殊運(yùn)行X15，保留有效變量12項(xiàng).

表4 各變量數(shù)的誤差值Table 4 Error value of variable number

4.3 混合預(yù)測(cè)模型

RF作為一種機(jī)器學(xué)習(xí)方法，自身具有評(píng)估和預(yù)測(cè)計(jì)算能力.為達(dá)到降維和防止過(guò)擬合的雙重目的，此處使用bootstrap抽樣技術(shù)，從Adaptive Lasso篩選后樣本抽取訓(xùn)練子集，對(duì)每一子集進(jìn)行決策樹(shù)建模，最后再組合所有決策樹(shù)的預(yù)測(cè)結(jié)果.根據(jù)少數(shù)服從多數(shù)的原則，投票得出最終航班運(yùn)行風(fēng)險(xiǎn)預(yù)測(cè)結(jié)論.

5 對(duì)比算法

5.1 PCA模型

在以往航班風(fēng)險(xiǎn)研究中，為了全面系統(tǒng)地分析問(wèn)題，盡可能完整地搜集信息，每個(gè)觀(guān)測(cè)對(duì)象往往包括多指標(biāo)和變量，之間存在相關(guān)性，因此統(tǒng)計(jì)數(shù)據(jù)反映出的信息是有部分重疊的.PCA是將相關(guān)的指標(biāo)轉(zhuǎn)化成不相關(guān)的指標(biāo)，避免信息重疊，達(dá)到利用較少新變量代替較多舊變量的降維目的[12].

主成分?jǐn)?shù)學(xué)模型為

求得相關(guān)系數(shù)矩陣的特征值及主成分貢獻(xiàn)率，如表5所示，以方差累計(jì)貢獻(xiàn)率大于99%為主成分提取標(biāo)準(zhǔn)，選取前4個(gè)主成分.

表5 RF處理前后的主成分Table 5 Principal component before and after RF

RF防過(guò)擬合處理前，主成分1包含X1～X3、X7～X11、X13；主成分2 包含X3～X6、X8；主成分 3包含X10、X12、X15；主成分4包含X1、X13、X14.根據(jù)特征根及對(duì)應(yīng)特征向量可計(jì)算得到主成分載荷，構(gòu)建主成分與風(fēng)險(xiǎn)各因素的線(xiàn)性關(guān)系式如下.

5.2 RBF模型

徑向基函數(shù)(Radial Basis Function,RBF)神經(jīng)網(wǎng)絡(luò)由3層組成，包括輸入層、隱含層和輸出層.隱含層的神經(jīng)元數(shù)目由具體問(wèn)題而定，輸入層節(jié)點(diǎn)只傳遞輸入信號(hào)到隱含層，隱含層節(jié)點(diǎn)由高斯函數(shù)構(gòu)成，輸出層節(jié)點(diǎn)通常是簡(jiǎn)單的線(xiàn)性函數(shù)[13].

本處RBF使用newrb和newgrnn兩種進(jìn)行計(jì)算.newrb函數(shù)調(diào)用式為net=newrb(P,T,goal,spread,MN,DF)，其中P為輸入向量，T為輸出向量，goal為均方誤差的目標(biāo)，spread為徑向基的擴(kuò)展速度，MN為最大的神經(jīng)元個(gè)數(shù)，DF是每次加進(jìn)的網(wǎng)絡(luò)參數(shù).返回值是不斷嘗試得到的，創(chuàng)建網(wǎng)絡(luò)后不斷增加中間層數(shù)量和神經(jīng)元數(shù)目，直到輸出誤差可接受為止.Newgrnn具有很強(qiáng)的非線(xiàn)性映射能力和學(xué)習(xí)速度，函數(shù)調(diào)用式為net=newrb(P,T,spread)，網(wǎng)絡(luò)最后普遍收斂于樣本量集聚較多的回歸.

使用Matlab反復(fù)訓(xùn)練得到，在隱含層神經(jīng)元個(gè)數(shù)等于7時(shí)，網(wǎng)絡(luò)輸出結(jié)果的均方誤差僅為0.009 432 9，此時(shí)精度最高，即得到7-30-1結(jié)構(gòu)的最優(yōu)RBF網(wǎng)絡(luò)模型.

6 結(jié)果分析

在 Adaptive Lasso 降維所得指標(biāo)X1～X15基礎(chǔ)上，根據(jù)表1標(biāo)準(zhǔn)航班數(shù)據(jù)集合，對(duì)RF處理前后兩類(lèi)情況分別使用混合算法、主成分分析、RBF兩種方法、支持向量機(jī)進(jìn)行仿真計(jì)算，將預(yù)測(cè)結(jié)果與實(shí)際值的相對(duì)誤差進(jìn)行對(duì)比，如表6、圖4和圖5所示.

為保證驗(yàn)證準(zhǔn)確性和合理性，引入K折交叉驗(yàn)證(K-fold Cross Validation，K-CV)評(píng)估模型預(yù)測(cè)精度.K-CV可以有效地避免過(guò)學(xué)習(xí)及欠學(xué)習(xí)，此處使用十折交叉驗(yàn)證，即將初始采樣分割成K=10個(gè)子樣本，每個(gè)子樣本都作為一次驗(yàn)證數(shù)據(jù)，其他9個(gè)樣本用來(lái)訓(xùn)練.交叉驗(yàn)證重復(fù)10次，最終取平均結(jié)果得到估測(cè)值.

圖4 RF處理前各種方法預(yù)測(cè)值相對(duì)誤差Fig.4 Relative errors of various methods predicted values before RF

圖5 RF處理后各種方法預(yù)測(cè)值相對(duì)誤差Fig.5 Relative errors of various methods predicted values after RF

表6 RF處理前后各種方法結(jié)果匯總對(duì)比Table 6 Summary comparison of various methods predicted values after RF

由表6可知，使用Adaptive Lasso篩選掉48項(xiàng)指標(biāo)后的平均精度高于90%，預(yù)測(cè)精度不降反升，說(shuō)明Adaptive Lasso對(duì)航班風(fēng)險(xiǎn)預(yù)測(cè)問(wèn)題可有效降維；經(jīng)RF處理后，經(jīng)RF處理后，5種方法所得精度有明顯增長(zhǎng)，均優(yōu)于當(dāng)前87.5%的日運(yùn)行精度，尤其對(duì)于支持向量機(jī)方法，精度相比文獻(xiàn)[5]有了大幅提升，說(shuō)明隨機(jī)森林方法可有效防止模型過(guò)度擬合，對(duì)處理航班風(fēng)險(xiǎn)預(yù)測(cè)問(wèn)題有較強(qiáng)適應(yīng)性；Adaptive Lasso-RF混合算法的預(yù)測(cè)精度可高達(dá)95.91%，優(yōu)于主成分分析和RBF神經(jīng)網(wǎng)絡(luò)，也優(yōu)于目前風(fēng)控工作普遍使用的風(fēng)險(xiǎn)矩陣和支持向量機(jī)方法；同時(shí)，混合模型的CV值僅為1.45，是各類(lèi)方法測(cè)得結(jié)果的最低值，說(shuō)明其預(yù)測(cè)穩(wěn)定性也為最優(yōu).

7 結(jié)論

(1)航班風(fēng)險(xiǎn)與運(yùn)行環(huán)境的相關(guān)性最為顯著，其中著陸機(jī)場(chǎng)天氣對(duì)風(fēng)險(xiǎn)影響最大；航班風(fēng)險(xiǎn)與飛行機(jī)組的相關(guān)性排名次之，機(jī)長(zhǎng)經(jīng)驗(yàn)與機(jī)組疲勞是導(dǎo)致風(fēng)險(xiǎn)變大的重要因素.

(2)Adaptive Lasso算法可以將航班運(yùn)行風(fēng)險(xiǎn)指標(biāo)從63項(xiàng)有效降維至15項(xiàng)，且不影響預(yù)測(cè)結(jié)果精度.

(3)隨機(jī)森林方法對(duì)處理航班風(fēng)險(xiǎn)預(yù)測(cè)問(wèn)題有較強(qiáng)適應(yīng)性，可以有效防止模型過(guò)度擬合，提高結(jié)果精度.

(4)Adaptive Lasso-RF混合算法在預(yù)測(cè)精度上明顯優(yōu)于主成分分析、RBF網(wǎng)絡(luò)、風(fēng)險(xiǎn)矩陣和支持向量機(jī)等方法，且預(yù)測(cè)穩(wěn)定性最佳.