周進(jìn)

摘 要：為研究民航飛機重著陸事件風(fēng)險，提出一種基于熵權(quán)TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）的飛機重著陸事件風(fēng)險因素排序方法。首先，分析了近年來中國民航飛機重著陸事件發(fā)生的規(guī)律，基于SHELL模型識別了飛機重著陸事件的風(fēng)險致因，并基于專家打分法得到各風(fēng)險致因的可能性和嚴(yán)重度值;最后，基于熵權(quán)TOPSIS方法對風(fēng)險致因進(jìn)行排序。結(jié)果表明：左座駕駛員過度放手、低空風(fēng)切變的影響、機組對特殊情況的應(yīng)急反應(yīng)不當(dāng)是導(dǎo)致飛機重著陸事件發(fā)生的主要原因;其次是機組盲目自信、機組疏忽失誤、機組對落地機場環(huán)境準(zhǔn)備不充分、排班時間不合理。

關(guān)鍵詞：重著陸;熵權(quán);TOPSIS;SHELL模型

中圖分類號：V351 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-5168（2019）19-0106-05

Abstract： In order to study the risk of civil aircraft hard landing， the method of sequencing the risk factors of aircraft hard landing based on entropy weight and technique for order preference by similarity to an ideal solution was proposed in this paper. Firstly， the regularity of outbreak for aircraft hard landing in recent years was illustrated， and the risk factors were identified based on SHELL model， and then the possibility and severity of risk factors were obtained by expert scoring method. Finally， the risk factors were sorted based on the entropy weight and TOPSIS method. According to the result， the main causes of hard landing include the left pilot let things go too much， the influence of low-altitude wind shear， and the improper emergency response of units to special circumstances， and then the blind self-confidence of the crew， the negligence of the crew， the inadequate preparation of the landing airport environment and the unreasonable scheduling time of the crew are the secondary causes of hard landing.

Keywords： hard landing;entropy weight;TOPSIS;SHELL model

重著陸指的是著陸時飛機的垂直載荷超過該機型規(guī)定的極限值，表現(xiàn)為翼根過載和起落架過載。據(jù)《航空運輸承運人飛行品質(zhì)監(jiān)控（FOQA）實施與管理》規(guī)定，在接地前5s至接地后5s內(nèi)，垂直載荷大于1.6G為輕度偏差，大于1.8G為嚴(yán)重偏差?！睹裼煤娇掌渌话踩录永芬?guī)定，需要對航空器進(jìn)行檢查的重著陸為其他不安全事件。新版《民用航空器事故征候》規(guī)定，航空器在著陸時超過該機型的使用最大過載（[G]值）造成機體結(jié)構(gòu)或起落架受損，則歸為運輸航空器一般事故征候。

根據(jù)中國民航安全年報[1]，近十年的航空事故率一直處于較低水平，但不安全事件（事故征候和其他不安全事件）隨民航的快速發(fā)展而持續(xù)上升，嚴(yán)重威脅中國民航運行安全。波音公司對噴氣式飛機全球民用航空器的事故調(diào)查統(tǒng)計報告顯示[2]，進(jìn)近著陸階段航空器事故率最高，而重著陸事件是進(jìn)近著陸階段最典型的不安全事件之一。由于其發(fā)生頻率高、破壞程度大，已成為民航飛行安全的嚴(yán)重威脅。因此，及時開展飛機重著陸事件的風(fēng)險評價工作，找出導(dǎo)致重著陸事件發(fā)生的根本原因，對減少民航事故和事故征候率，提高民航運行安全有重大意義。

目前，與重著陸相關(guān)的研究主要分為四類：①判斷重著陸的診斷模型[3-5];②對重著陸事故的預(yù)測研究[6，7];③重著陸事故風(fēng)險評價[8];④重著陸的預(yù)防控制措施[9]，研究方法包括神經(jīng)網(wǎng)絡(luò)分析方法、支持向量機分析方法、Markov分析方法和熵權(quán)TOPSIS分析方法[10]等。但是，缺乏對重著陸事件的風(fēng)險致因進(jìn)行深入分析和排序。因此，筆者通過分析近年來中國民航重著陸事件的發(fā)生規(guī)律，基于SHELL模型識別飛機重著陸事件風(fēng)險源致因，采用專家打分法獲取風(fēng)險源事件的可能性和嚴(yán)重度值，并使用熵權(quán)TOPSIS方法對其進(jìn)行排序，找出飛機重著陸事件的真正原因，并提出針對性的措施保障飛行安全。

1 中國民航飛機重著陸事件統(tǒng)計分析

根據(jù)航空安全信息網(wǎng)中關(guān)于民航運行不安全事件統(tǒng)計數(shù)據(jù)，得到2004—2018年近15年的民航飛機重著陸不安全事件的演變規(guī)律，如圖1所示。

從圖1可知，近15年中國民航共發(fā)生了422起重著陸事件。2004—2008年，重著陸事件發(fā)生數(shù)量一直保持較低的數(shù)量;之后，發(fā)生數(shù)量呈指數(shù)形式增長，并在2013年達(dá)到歷年最高峰，為82次;然后斷崖式下降，并最終穩(wěn)定在年均35次左右。其中，B737NG機型發(fā)生的重著陸事件數(shù)量最多，占比54%;A320機型占比14%。民航飛機重著陸事件的發(fā)生主要是由于機組原因?qū)е碌模伎偘l(fā)生數(shù)量的94%;其次是天氣原因，占總發(fā)生數(shù)量的4%。因此，飛機重著陸事件是進(jìn)近著陸階段嚴(yán)重威脅飛行安全的典型風(fēng)險事件。

2 基于SHELL模型的飛機重著陸事件風(fēng)險源識別

SHELL模型是一種以人為中心，分析運行環(huán)境中其他要素特征可能與人之間發(fā)生相互影響的一種簡單卻實用的概念性工具，包括人、機、環(huán)、管4個部分。該模型有助于形象地顯示導(dǎo)致不安全事件發(fā)生的風(fēng)險源之間的相互關(guān)系。其中，人是航空活動的參與者，其工作能力、生理、心理因素等條件的好壞直接決定不安全事件是否發(fā)生以及其嚴(yán)重程度;機指的是航空器，即為不安全事件的載體;環(huán)指的是不安全事件發(fā)生的外部環(huán)境和內(nèi)部環(huán)境;管指的是航空不安全事件相關(guān)運行規(guī)范、程序和培訓(xùn)管理方法等。通過走訪一線飛行員、專家調(diào)研以及飛機重著陸事件調(diào)研報告的學(xué)習(xí)，得出導(dǎo)致重著陸事件的因素主要有飛行員自身因素和外部環(huán)境因素。其中，飛行員自身原因主要表現(xiàn)在思想上麻痹松懈，安全意識薄弱，對天氣、機場等環(huán)境的直接準(zhǔn)備階段的工作不細(xì)致、不充分，機型理論知識欠缺，復(fù)雜天氣下操作能力偏弱，CRM管理混亂，情景意識差;外部環(huán)境因素，如低空風(fēng)切變直接誘發(fā)，或由風(fēng)切變進(jìn)一步誘發(fā)飛行員操作失誤是造成飛機著陸階段重著陸的重要原因之一。根據(jù)風(fēng)險矩陣評價方法可知，安全風(fēng)險等于風(fēng)險源事件發(fā)生的概率與其嚴(yán)重度的乘積。其中，事件可能性是根據(jù)其發(fā)生的頻次（頻繁發(fā)生、偶爾發(fā)生、很少發(fā)生、基本不可能發(fā)生、極不可能發(fā)生）由專家打分所得（見表1）;其嚴(yán)重度根據(jù)重著陸事件造成的后果（災(zāi)難性的、有危險的、重大的、較小的、可忽略不計的）由專家打分得到（見表2），最終再結(jié)合SHELL模型得到飛機重著陸事件安全風(fēng)險等級劃分結(jié)果，如表3所示。

3 基于熵權(quán)TOPSIS方法的飛機重著陸事件風(fēng)險排序

3.1 基于熵權(quán)TOPSIS法的風(fēng)險因素排序流程

風(fēng)險識別是風(fēng)險評估的前提與基礎(chǔ)，為實現(xiàn)對風(fēng)險因素的有效控制，需要運用科學(xué)的評價方法對風(fēng)險因素進(jìn)行排序，以便合理利用資源并制定具有針對性的風(fēng)險控制措施。原始風(fēng)險矩陣將可能性與嚴(yán)重性指標(biāo)看得同等重要，沒有對其賦予不同權(quán)重，并且忽略了風(fēng)險因素的異質(zhì)性，輸出結(jié)果劃分等級較少，排序不精確。因此，筆者提出了基于熵權(quán)TOPSIS方法的風(fēng)險因素排序方法，對風(fēng)險矩陣進(jìn)行改進(jìn)和優(yōu)化?；陟貦?quán)TOPSIS法的風(fēng)險因素排序流程如圖2所示。首先，通過熵權(quán)法對評價指標(biāo)的權(quán)重進(jìn)行賦值，其次，采用TOPSIS方法對指標(biāo)的重要性程度進(jìn)行排序，得出飛機重著陸事件的真正原因，并采取針對性的措施以減小該事件的發(fā)生。

3.1.1 基于熵權(quán)法求取風(fēng)險因素權(quán)重。熵權(quán)法是一種確定權(quán)重的客觀方法，能消除主觀因素的影響，增加評價結(jié)果的信度?；陟貦?quán)法求取風(fēng)險因素權(quán)重的具體步驟如下。

①建立初始矩陣[A]，由[N]個初始評價對象的可能性與嚴(yán)重性兩個評價指標(biāo)建立一個[n×2]階矩陣，即

（1）

②建立指標(biāo)標(biāo)準(zhǔn)化矩陣，即

（2）

其中，[i]為安全風(fēng)險;[j]為評價指標(biāo);[maxaj]表示第[j]列中的最大值;[minaj]表示第[j]列中的最小值。

③計算熵值，計算公式為：

（3）

其中，[n]為安全風(fēng)險總數(shù);[k]為玻爾茲曼常數(shù);[xi，j]表示第[i]個安全風(fēng)險的第[j]項指標(biāo)的標(biāo)準(zhǔn)值;[Hj]表示第[j]項評價指標(biāo)的熵值。公式（3）反映了不同安全風(fēng)險相對于某一指標(biāo)值的變動情況，[Hj]越大，表示安全風(fēng)險指標(biāo)值的差異性就越大;[Hj]越小，表示各安全風(fēng)險指標(biāo)就越平均。通過計算熵值可以反映整個系統(tǒng)的穩(wěn)定情況。由于安全風(fēng)險的特殊性，大部分風(fēng)險處于可容忍狀態(tài)，極端風(fēng)險在全部風(fēng)險中占據(jù)的比例相對較小，因此，當(dāng)系統(tǒng)處于相對穩(wěn)定的狀態(tài)，即熵值較小時，更有利于管理者進(jìn)行風(fēng)險管理。

④計算熵權(quán)值，計算公式為：

（4）

其中，[m]為安全評價指標(biāo)總數(shù);[Wj]為第[j]項評價指標(biāo)的熵權(quán)值。

⑤構(gòu)建權(quán)重矩陣。用不同風(fēng)險因素的歸一化值乘以相應(yīng)的熵權(quán)值，形成權(quán)重矩陣。

3.1.2 基于T0PSIS的風(fēng)險因素排序。TOPSIS方法排序思想是以現(xiàn)有評價系統(tǒng)中最優(yōu)值和最劣值為基點，通過計算各因素到基點的相對距離和貼近度來進(jìn)行排序。利用此方法不僅可以降低風(fēng)險，還可以通過數(shù)值觀測各安全風(fēng)險間的相對差異?；赥0PSIS的風(fēng)險因素排序的步驟如下。

①確定正負(fù)理想點。將可能性與嚴(yán)重性指標(biāo)下各風(fēng)險的最小值確定為正理想點[v+j]，最大值確定為負(fù)理想點[v-j]，計算公式為：

（5）

（6）

②計算風(fēng)險指標(biāo)值到正負(fù)理想點的相對距離，計算公式為：

（7）

（8）

其中，[v+j]為第[j]項指標(biāo)的正理想點;[v-j]為第[j]項指標(biāo)的負(fù)理想點;[vi，j]為第[i]個安全風(fēng)險第[j]項指標(biāo)的權(quán)重矩陣值;[s+]為第[i]個安全風(fēng)險距離正理想點的相對距離;[s-]為第[i]個安全風(fēng)險距離負(fù)理想點的相對距離。相對距離綜合了某一個安全風(fēng)險發(fā)生事故的可能性與后果的嚴(yán)重性指標(biāo)，能直觀反映出該風(fēng)險與評價系統(tǒng)中最低指標(biāo)值和最高指標(biāo)值之間的差距。[s+]越小，表示該安全風(fēng)險越接近于整個評價系統(tǒng)的風(fēng)險最低值;同理，[s-]越小，表示該安全風(fēng)險越接近于整個評價系統(tǒng)的風(fēng)險最高值。

③計算風(fēng)險的安全關(guān)聯(lián)貼近度，計算公式為：

（9）

通過計算貼近度，對安全風(fēng)險進(jìn)行精確排序，貼近度越接近1，安全風(fēng)險的等級越低;反之，則安全風(fēng)險等級越高。

3.2 案列分析

首先，基于SHELL模型分析了飛機重著陸事件的風(fēng)險致因，并采用專家打分給出了各風(fēng)險因素的嚴(yán)重性和可能性值，然后基于熵權(quán)法對其進(jìn)行標(biāo)準(zhǔn)化和歸一化得到矩陣A。

根據(jù)公式（3）可得熵值[H1]=0.983 4，[H2]=0.992 6，并進(jìn)一步得到熵權(quán)值[W1]=0.692 5，[W2]=0.307 5。由此可得到排序矩陣[W]如下：

由此得到正理想點[V+]（0.013 4，0.009 6），負(fù)理想點[V-]（0.035 7，0.015 4），于是各風(fēng)險因素到正負(fù)理想點之間的相對距離及貼進(jìn)度如表4所示。

飛機重著陸主要是因為飛機在五邊進(jìn)近及下降過程中就出現(xiàn)了安全隱患，主要表現(xiàn)為接地時起落架過載，下降率及下滑角是導(dǎo)致飛機重著陸的主要原因。利用熵權(quán)TOPSIS方法對風(fēng)險進(jìn)行評估，根據(jù)風(fēng)險源的風(fēng)險貼進(jìn)度排序可知：左座駕駛員過度放手、低空風(fēng)切變的影響、機組對特殊情況的應(yīng)急反應(yīng)不當(dāng)是導(dǎo)致飛機重著陸事件發(fā)生的主要原因;其次是機組盲目自信、機組疏忽失誤、機組對落地機場環(huán)境準(zhǔn)備不充分、排班時間不合理。因此，為了防止飛機重著陸的發(fā)生，需要做好以下幾點。

①應(yīng)盡量做好飛行前的準(zhǔn)備，預(yù)先了解所進(jìn)場航線、高度、速度限制及其他特殊規(guī)定，仔細(xì)研究起降機場及備降機場的天氣特點，消除和克服環(huán)境及氣象條件引起的判斷錯覺和誤差。如果不能將飛機控制在安全范圍以內(nèi)，該復(fù)飛就復(fù)飛，該返航就返航，切忌勉強落地。

②在進(jìn)近與著陸階段保持清醒的頭腦、輕松的心態(tài)尤為重要，切忌情緒緊張和急躁，否則會影響自己的分析判斷能力和反應(yīng)速度，也會影響操縱動作的靈活度和準(zhǔn)確性，容易造成反映遲鈍、處理不當(dāng)。

③加強機組資源管理和注意力分配，準(zhǔn)確控制進(jìn)近速度以及對應(yīng)的推力、控制良好的下滑剖面和下滑點十分重要;修正偏差時，要遵循“動一穩(wěn)二兼顧三”的原則。

④有針對性地加強技術(shù)訓(xùn)練，組織飛行人員開展重著陸技術(shù)研討，規(guī)范著陸操作程序，提升機長決策意識，加深安全意識和情景意識。

4 結(jié)論

基于SHELL模型分析了飛機重著陸事件發(fā)生的原因，運用熵權(quán)對指標(biāo)可能性與嚴(yán)重性賦權(quán)，運用TOPSIS方法對風(fēng)險貼近度進(jìn)行評估與排序。其中，左座駕駛員過度放手、低空風(fēng)切變的影響、機組對特殊情況的應(yīng)急反應(yīng)不當(dāng)是導(dǎo)致飛機重著陸事件發(fā)生的主要原因;其次是機組盲目自信、機組疏忽失誤、機組對落地機場環(huán)境準(zhǔn)備不充分、排班時間不合理。

后續(xù)研究應(yīng)該基于QAR數(shù)據(jù)建立飛行重著陸事件風(fēng)險評價模型，定量地計算民航飛機重著陸事件風(fēng)險值。

參考文獻(xiàn)：

[1]中國民用航空局航空安全辦公室.2016年中國民航航空安全報告[R].2017.

[2] Boeing Commercial Airplanes. Statistical Summary of Commercial Jet Airplane Accidents Worldwide Operations 1959—2016[R]. Seattle， WA：Boeing Commercial Airplanes，2017.

[3]曹海鵬，舒平，黃圣國.基于神經(jīng)網(wǎng)絡(luò)的民用飛機重著陸診斷技術(shù)研究[J].計算機測量與控制，2008（7）：906-908.

[4]聶磊，黃圣國，舒平，等.基于支持向量機（SVM）的民用飛機重著陸智能診斷研究[J].中國安全科學(xué)學(xué)報，2009（7）：149.

[5]許桂梅，黃圣國.基于優(yōu)化支持向量機的飛機重著陸智能診斷[J].計算機測量與控制，2011（2）：256-259.

[6]許桂梅，黃圣國.基于LS-SVM的飛機重著陸超限事件預(yù)測[J].中國制造業(yè)信息化（學(xué)術(shù)版），2010（10）：61-64.

[7]鄭薇.基于QAR數(shù)據(jù)的重著陸風(fēng)險評估及預(yù)測研究[D].天津：天津民航大學(xué)，2014.

[8]汪磊，孫瑞山，吳昌旭，等.基于飛行QAR數(shù)據(jù)的重著陸風(fēng)險定量評價模型[J].中國安全科學(xué)學(xué)報，2014（2）：88-92.

[9]王旭輝，舒平，曹力.基于模糊加權(quán)Markov方法的飛機重著陸風(fēng)險控制研究[J].安全與環(huán)境學(xué)報，2010（6）：184-187.

[10]張青松，鄭薇.基于熵權(quán)TOPSIS的風(fēng)險矩陣改進(jìn)方法研究[J].安全與環(huán)境學(xué)報，2013（13）：225-228.