吳仁彪 王自強(qiáng) 汪萬(wàn)維 張妍

摘? 要： 針對(duì)傳統(tǒng)空域運(yùn)行安全風(fēng)險(xiǎn)評(píng)估方法中存在的點(diǎn)值評(píng)估隨意性和間斷性等問(wèn)題，該文提出基于區(qū)間層次分析法（IAHP）和信息熵法結(jié)合的空域運(yùn)行風(fēng)險(xiǎn)評(píng)估方法。通過(guò)廣泛采集空域內(nèi)航空器運(yùn)行產(chǎn)生的告警信息，深入分析并挖掘出對(duì)空域運(yùn)行產(chǎn)生影響的風(fēng)險(xiǎn)因子，構(gòu)建一套新的基于“人、機(jī)、環(huán)”分類思路的風(fēng)險(xiǎn)評(píng)估多層指標(biāo)體系。所提方法主要采用IAHP和信息熵方法分別對(duì)評(píng)估指標(biāo)賦權(quán)，同時(shí)給出主客觀權(quán)重組合模型，既保證了評(píng)估數(shù)據(jù)的連續(xù)性，也兼顧到評(píng)估要素的客觀性，并在風(fēng)險(xiǎn)隸屬度矩陣基礎(chǔ)上進(jìn)行模糊綜合評(píng)價(jià)。最后對(duì)某飛行情報(bào)區(qū)一段時(shí)間的運(yùn)行狀態(tài)進(jìn)行實(shí)例評(píng)估，結(jié)果表明，該模型在空域運(yùn)行風(fēng)險(xiǎn)方面具有良好的適用性和有效性，為空中交通安全風(fēng)險(xiǎn)管理提供理論上的決策支持。

關(guān)鍵詞： 風(fēng)險(xiǎn)評(píng)估; 空域運(yùn)行; 指標(biāo)賦權(quán); 組合建模; 模糊評(píng)價(jià); 案例分析

中圖分類號(hào)： TN911.2?34; X949? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）06?0051?06

Risk assessment of airspace operation based on combination weighting of

IAHP and information entropy

WU Renbiao， WANG Ziqiang， WANG Wanwei， ZHANG Yan

（Tianjin Key Laboratory of Intelligent Signal and Image Processing， Civil Aviation University of China， Tianjin 300300， China）

Abstract： As the problem of randomness and discontinuity of point value assessment in the traditional airspace operation safety risk assessment methods， a risk assessment method of airspace operation based on the combination of interval analytic hierarchy process （IAHP） and information entropy method is proposed. The warning information generated by aircraft operation in airspace is collected widely， from which the risk factors affecting airspace operation are deeply analyzed and excavated， and a new multi?level index system of risk assessment based on the classification thinking of “people， machine and environment” is constructed. In this method， the IAHP and information entropy are used to weighting the assessment indexes respectively， and the combination model of subjective and objective weightings is given， which not only ensures the continuity of the evaluation data， but also takes into account the objectivity of the evaluation elements， and the fuzzy comprehensive evaluation is carried out on the basis of risk membership matrix. The operational status of a flight information region for some time is evaluated by an example， and the evaluation result shows that the model has good applicability and validity in airspace operation risk. It provides theoretical decision support for the risk management of the air traffic safety.

Keywords： risk assessment; airspace operation; index weighting; composite modeling; fuzzy evaluation; case analysis

0? 引? 言

隨著我國(guó)空中交通流量不斷增長(zhǎng)，空域安全形勢(shì)日益復(fù)雜，航空器飛行不安全事件時(shí)有發(fā)生，民航界高度重視空中交通運(yùn)行的安全風(fēng)險(xiǎn)管理。風(fēng)險(xiǎn)評(píng)估是航空安全風(fēng)險(xiǎn)管理體系中的關(guān)鍵一環(huán)，其在后續(xù)風(fēng)險(xiǎn)控制的過(guò)程中發(fā)揮重要的作用，是保證航空持續(xù)安全的必要前提。目前從空域運(yùn)行宏觀角度分析一段時(shí)間內(nèi)航空器飛行產(chǎn)生的異常數(shù)據(jù)，定量描述其對(duì)周邊空域運(yùn)行的影響程度，進(jìn)而評(píng)估空域運(yùn)行的整體安全風(fēng)險(xiǎn)水平的研究較少。

1） 建立風(fēng)險(xiǎn)隸屬?zèng)Q策矩陣[R=（rij）p×t]，規(guī)范化處理得到矩陣[R];

2） 計(jì)算第[i]個(gè)指標(biāo)的信息熵：

3） 熵權(quán)模型：

2.2? 主客觀權(quán)重組合優(yōu)化模型

運(yùn)用上述方法可以實(shí)現(xiàn)評(píng)估指標(biāo)的單一賦權(quán)，將兩類權(quán)重組合得到更加科學(xué)的權(quán)重是被期望的。目前的組合方法包括加權(quán)因子法、因子相乘法和離差最大化法，因子相乘法有“倍增效應(yīng)”，離差最大化法適用專家對(duì)指標(biāo)評(píng)價(jià)差異較大的情況。本文運(yùn)用主客觀權(quán)重向量集成模型[w=αw+βw′]，組合權(quán)重通過(guò)折衷參數(shù)[α，β（α，β≥0）]調(diào)整，參數(shù)可由基于加權(quán)求和最優(yōu)化模型[11]確定，模型如下：

該模型的最優(yōu)解為：

將[α*，β*]進(jìn)行歸一化處理即得參數(shù)[α，β]。綜合得到集成權(quán)重為：[w=（w1，w2，…，wp）]。

2.3? 建立風(fēng)險(xiǎn)隸屬度矩陣

模糊綜合評(píng)價(jià)中要求對(duì)因素集中的單因素進(jìn)行評(píng)判，確定[U]到[V]的一個(gè)模糊映射，以得到評(píng)價(jià)集因素與評(píng)語(yǔ)集元素的隸屬度。本文運(yùn)用概率統(tǒng)計(jì)方法[12]衡量模糊隸屬度，參加評(píng)判的[l]位專家對(duì)因素集中的每個(gè)指標(biāo)隸屬的評(píng)語(yǔ)等級(jí)進(jìn)行投票。結(jié)束投票后，確定各評(píng)估指標(biāo)隸屬于各等級(jí)的頻數(shù)[lis]，計(jì)算[ris=lisl]作為第[i]指標(biāo)與評(píng)語(yǔ)集元素[Vs]的隸屬度，模糊隸屬度矩陣[R]為：

2.4? 模糊綜合評(píng)價(jià)

針對(duì)構(gòu)建的多層次指標(biāo)體系結(jié)構(gòu)，實(shí)現(xiàn)終端層到目標(biāo)層的分級(jí)模糊綜合評(píng)判，終端層因素與對(duì)應(yīng)的模糊隸屬度矩陣運(yùn)算確定出準(zhǔn)則層因素的隸屬向量，即一級(jí)模糊綜合評(píng)判：

式中：[D1]表示準(zhǔn)則層指標(biāo)[U1]對(duì)于評(píng)語(yǔ)集[V1]的隸屬向量;“[?]”表示模糊算子;[R1]為準(zhǔn)則層因素[U1]下底層指標(biāo)的隸屬度矩陣。類推因素[U2，U3]的隸屬向量[D2，D3]。準(zhǔn)則層因素作模糊矩陣運(yùn)算確定目標(biāo)層因素的隸屬向量，即二級(jí)模糊綜合評(píng)判：

如果，則將向量歸一化處理即為評(píng)價(jià)結(jié)果向量[B]。根據(jù)最大隸屬度原則確定運(yùn)行風(fēng)險(xiǎn)等級(jí)，? ? 最后使用參數(shù)表征法反模糊化，等級(jí)參數(shù)向量[ηv]與評(píng)價(jià)結(jié)果向量[B]進(jìn)行乘法算子運(yùn)算，評(píng)估風(fēng)險(xiǎn)值[N=ηv?BT]，[ηv]元素取表2中區(qū)間的中間值，即[ηv=（35，50，65，80，95）]。

3? 實(shí)例分析

本文通過(guò)搜集國(guó)內(nèi)某繁忙情報(bào)區(qū)一段時(shí)間內(nèi)的綜合運(yùn)行數(shù)據(jù)，實(shí)例驗(yàn)證評(píng)估模型。

3.1? 構(gòu)建風(fēng)險(xiǎn)評(píng)估指標(biāo)體系

借助文獻(xiàn)[13]中動(dòng)態(tài)評(píng)估的思路，在專家知識(shí)基礎(chǔ)上深入分析綜合運(yùn)行情報(bào)數(shù)據(jù)，同時(shí)參照表1空域運(yùn)行風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，由于該區(qū)實(shí)際運(yùn)行中位置報(bào)告缺失、航跡異常中斷、最低安全高度、特殊代碼7500、特殊代碼7600、特殊代碼7700和油量偏差7項(xiàng)相關(guān)的風(fēng)險(xiǎn)并不常見，而且該時(shí)段也并未出現(xiàn)此類風(fēng)險(xiǎn)，最后確定出15項(xiàng)評(píng)估終端指標(biāo)，如表3所示。該指標(biāo)體系隸屬于表1中具有相對(duì)完整性的空域運(yùn)行風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，作為“全集”指標(biāo)體系的“子集”指標(biāo)體系，仍然適用于評(píng)估模型，體現(xiàn)出評(píng)估指標(biāo)動(dòng)態(tài)性特點(diǎn)。

3.2? 建立風(fēng)險(xiǎn)評(píng)估因素集和評(píng)語(yǔ)集

按照該15項(xiàng)指標(biāo)在構(gòu)建的評(píng)估指標(biāo)體系中的層次分類關(guān)系，將各層指標(biāo)組成因素集，如下所示：

評(píng)語(yǔ)集[V]表示評(píng)價(jià)等級(jí)的集合，將空域運(yùn)行安全狀態(tài)分為5個(gè)層級(jí)：

對(duì)應(yīng)描述為“風(fēng)險(xiǎn)低”“風(fēng)險(xiǎn)較低”“風(fēng)險(xiǎn)中等”“風(fēng)險(xiǎn)較高”“風(fēng)險(xiǎn)高”。

3.3? 計(jì)算各因素IAHP權(quán)重

邀請(qǐng)5位航空安全專家參與評(píng)判，參照表1將風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中同一準(zhǔn)則層下的各因素兩兩之間重要度比較，并賦區(qū)間值。按照2.1.1節(jié)中IAHP的計(jì)算步驟1～步驟3得到5位專家對(duì)因素集[U1～U3]和子因素[U11～U33]評(píng)價(jià)的權(quán)重區(qū)間，分布如表4所示。

3.4? 計(jì)算各因素主客觀權(quán)重與組合優(yōu)化權(quán)重

由第2.1.2節(jié)方法計(jì)算出[U1～U3]的集值權(quán)系數(shù)向量[w=（0.275 1，0.455 1，0.269 8）]。根據(jù)2.1.3節(jié)中熵權(quán)確定步驟1）～步驟3），計(jì)算各因素的客觀權(quán)系數(shù)向量[w′]，由本文數(shù)據(jù)組，權(quán)重集成優(yōu)化模型自動(dòng)求出[α=0.507 4，β=0.492 6]，得到各因素組合權(quán)重向量[w]。各因素集值權(quán)重、熵權(quán)和組合權(quán)重分布如表5所示。

3.5? 多層次模糊綜合評(píng)價(jià)

邀請(qǐng)20位航空安全專家，將因素集中各因素隸屬于評(píng)語(yǔ)集各等級(jí)的情況征求專家的評(píng)定意見，經(jīng)過(guò)模糊統(tǒng)計(jì)分析得出各因素隸屬于各等級(jí)的概率，組合成風(fēng)險(xiǎn)等級(jí)隸屬矩陣[Ri]，見表6。將上文的終端層指標(biāo)集成權(quán)重系數(shù)與相應(yīng)的隸屬度矩陣算子相乘得到評(píng)價(jià)向量[Di=w?Ri]，結(jié)果為：

完成終端層指標(biāo)評(píng)判后，計(jì)算[B=w?D]，得到準(zhǔn)則層因素歸一化評(píng)價(jià)向量：

由反模糊化計(jì)算得到綜合風(fēng)險(xiǎn)評(píng)估值[N=60.614 0]，表明該飛行情報(bào)區(qū)運(yùn)行風(fēng)險(xiǎn)水平為Ⅲ級(jí)風(fēng)險(xiǎn)中等。

3.6? 結(jié)果分析

同樣采用AHP對(duì)上述飛行情報(bào)區(qū)算例分析，圖1所示是兩種方法實(shí)施評(píng)估后等級(jí)隸屬的比較，兩者結(jié)果趨向一致。AHP評(píng)估結(jié)果有時(shí)存在模糊性，本文中的IAHP和信息熵組合賦權(quán)的方法更能強(qiáng)化評(píng)估結(jié)果的區(qū)分，具有更好的準(zhǔn)確性和合理性，即該情報(bào)區(qū)該時(shí)段的風(fēng)險(xiǎn)狀態(tài)較大程度隸屬于Ⅲ級(jí)。另外，管制指令違背、飛行程序違背、速度突變、短期沖突、禁區(qū)入侵、監(jiān)視信號(hào)失效及通信信號(hào)失效的在綜合風(fēng)險(xiǎn)中所占權(quán)重相對(duì)較大，管制空域安全管理人員應(yīng)該特別關(guān)注上述7項(xiàng)指標(biāo)的相關(guān)信息，以及加強(qiáng)該情報(bào)區(qū)運(yùn)行的風(fēng)險(xiǎn)管理。

3.7? 可信度和有效度

本文的風(fēng)險(xiǎn)評(píng)估過(guò)程由航空安全專家群對(duì)不同指標(biāo)評(píng)分和評(píng)定等級(jí)，采用Kendall和諧系數(shù)衡量評(píng)估結(jié)果的可信度，利用SPSS統(tǒng)計(jì)分析工具的Reliability Analysis模塊，對(duì)15個(gè)終端評(píng)估指標(biāo)多變量分析計(jì)算出Kendall和諧系數(shù)為0.853（接近于1），說(shuō)明評(píng)估具備很高的內(nèi)部一致性可信度。指標(biāo)的選取參照了ICAO和民航局發(fā)布的安全法規(guī)中安全風(fēng)險(xiǎn)間隔，并邀請(qǐng)多位航空安全專家多輪訪談?dòng)懻摯_認(rèn)。另外，同一專家仍進(jìn)行不同間隔期重復(fù)評(píng)判，超過(guò)20位專家參與到評(píng)估中，具有很高的內(nèi)容效度。采用SPSS工具探索性因素分析后KMO檢驗(yàn)值為0.791（介于0.6～0.8），證明評(píng)估結(jié)果的結(jié)構(gòu)有效度良好。

4? 結(jié)? 語(yǔ)

本文從航空器飛行產(chǎn)生的告警信息中挖掘提取空域運(yùn)行風(fēng)險(xiǎn)因子，分類綜合后構(gòu)建出空域風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，通過(guò)IAHP分析結(jié)合信息熵方法實(shí)現(xiàn)了專家對(duì)評(píng)估指標(biāo)的柔性和客觀判斷。應(yīng)用該模型對(duì)一段時(shí)間某飛行情報(bào)區(qū)的運(yùn)行進(jìn)行評(píng)估算例分析，結(jié)果顯示該區(qū)運(yùn)行安全水平為風(fēng)險(xiǎn)中等。最后對(duì)比出本文算法的優(yōu)勢(shì)，并對(duì)評(píng)估的可信度和有效度進(jìn)行了驗(yàn)證，為空中交通安全風(fēng)險(xiǎn)管理提供理論上的決策支持。

注：本文通訊作者為汪萬(wàn)維。

參考文獻(xiàn)

[1] BOJANA Mirkovic， FEDJA Netjasov， TATJANA Krstic Simic， et al. Safety risk assessment in future automated air traffic management system [C]// Transportation Research Board 97th Annual Meeting. Washington： TRB， 2018： 114?117.

[2] 孫曉萌.空域扇區(qū)安全評(píng)估關(guān)鍵風(fēng)險(xiǎn)要素分析方法研究[D].天津：中國(guó)民航大學(xué)，2018.

[3] 張曉燕，韓松臣，楊昌其.基于物元分析理論的空管安全風(fēng)險(xiǎn)模糊綜合評(píng)價(jià)[J].交通信息與安全，2016，34（4）：50?56.

[4] 袁丁，雷昱，楊楠.基于Dempster合成法則的空管安全評(píng)價(jià)方法研究[J].安全與環(huán)境學(xué)報(bào)，2018，18（3）：1014?1019.

[5] 張俊強(qiáng)，胡德振，曹悅琪，等.基于信息熵的危險(xiǎn)天氣下終端區(qū)管制風(fēng)險(xiǎn)評(píng)估[J].南京航空航天大學(xué)學(xué)報(bào)，2017，49（z1）：125?130.

[6] ICAO. Air navigation services and air traffic management [EB/OL]. [2016?11?10]. https：//ops.group/blog/wp?content/uploads/2017/03/ICAODoc4444?Pans?Atm?16thEdition?2016?OPSGROUP.

[7] 楊智，羅帆.基于粗糙集的空管安全風(fēng)險(xiǎn)預(yù)警指標(biāo)優(yōu)選[J].武漢理工大學(xué)學(xué)報(bào)，2012，34（6）：776?780.

[8] 謝鵬，呂鵬飛.基于改進(jìn)云模型?IAHP的涉爆粉塵企業(yè)安全風(fēng)險(xiǎn)評(píng)估[J].中國(guó)安全生產(chǎn)科學(xué)技術(shù)，2018，14（8）：187?192.

[9] 賈明明，熊錫龍，黃立文，等.基于集值統(tǒng)計(jì)?灰色模糊的航道通航環(huán)境安全評(píng)價(jià)[J].安全與環(huán)境學(xué)報(bào)，2017（1）：41?45.

[10] 儲(chǔ)冉，王懷秀，王亞慧.基于熵權(quán)與灰關(guān)聯(lián)度定權(quán)的VIKOR多準(zhǔn)則綜合評(píng)價(jià)研究[J].現(xiàn)代電子技術(shù)，2018，41（24）：162?166.

[11] 廖虎昌.復(fù)雜模糊多屬性決策理論與方法[M].北京：科學(xué)出版社，2016.

[12] 馬萬(wàn)元，耿秀麗.基于概率統(tǒng)計(jì)的模糊隸屬函數(shù)計(jì)算研究[J].數(shù)學(xué)理論與應(yīng)用，2016，36（3）：93?100.

[13] 常昊，秦元慶，周純杰.基于貝葉斯攻擊圖的工控系統(tǒng)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估[J].信息技術(shù)，2018（10）：62?67.