谷倩倩

(1.濱州學(xué)院 航空工程學(xué)院；2.濱州學(xué)院 山東省航空材料與器件工程技術(shù)研究中心;3.濱州學(xué)院 濱州市航空光電材料與器件重點(diǎn)實(shí)驗(yàn)室，山東 濱州 256603)

0 引言

民航作為航空運(yùn)輸?shù)膬梢碇?，在快速發(fā)展的同時(shí)帶來了很多的機(jī)遇，也對(duì)民用航空的安全水平提出了更高的要求。進(jìn)入21世紀(jì)之后，民航強(qiáng)國(guó)建設(shè)方針的不斷推進(jìn)使得我國(guó)民航客運(yùn)量不斷上升。為保證民用航空運(yùn)行的持續(xù)安全性，對(duì)航空安全管理的水平需進(jìn)一步提升。

國(guó)內(nèi)外許多學(xué)者針對(duì)如何提高航空運(yùn)行的安全水平做了諸多的研究，這些研究主要從航空安全管理所涉及的兩個(gè)重要組成部分，即航空安全風(fēng)險(xiǎn)評(píng)估與風(fēng)險(xiǎn)預(yù)測(cè)兩個(gè)角度來進(jìn)行。戴蓉等將時(shí)間序列法與支持向量機(jī)相結(jié)合建立飛行事故預(yù)測(cè)模型，并采用線性回歸方法計(jì)算飛機(jī)事故規(guī)律的權(quán)重值，然后進(jìn)行權(quán)重值分析得到飛行事故預(yù)測(cè)結(jié)果[1]。王永剛等將灰色模糊理論與神經(jīng)網(wǎng)絡(luò)兩種方法相結(jié)合，構(gòu)建了基于灰色神經(jīng)網(wǎng)絡(luò)的民航安全運(yùn)行預(yù)測(cè)模型，運(yùn)用實(shí)例進(jìn)行了結(jié)果驗(yàn)證，表明該種方法比只運(yùn)用灰色預(yù)測(cè)模型的預(yù)測(cè)精確度更高[2]。程明等主要利用多種數(shù)學(xué)統(tǒng)計(jì)的方法開展民航安全預(yù)測(cè)分析，通過對(duì)多種方法的比較分析，得到多元線性回歸方法和自回歸移動(dòng)平均方法對(duì)民航安全狀況預(yù)測(cè)情況較好[3]。郭媛媛等運(yùn)用蒙特卡羅方法分別建立了單機(jī)風(fēng)險(xiǎn)和機(jī)隊(duì)風(fēng)險(xiǎn)計(jì)算方法，分析部件故障引起的單機(jī)風(fēng)險(xiǎn)水平和機(jī)隊(duì)風(fēng)險(xiǎn)水平，基于運(yùn)行數(shù)據(jù)給出民用飛機(jī)單機(jī)和機(jī)隊(duì)在持續(xù)適航階段的風(fēng)險(xiǎn)水平[4]。劉夢(mèng)娜在進(jìn)行航空安全預(yù)測(cè)時(shí)，采用神經(jīng)網(wǎng)絡(luò)建立深度學(xué)習(xí)模型，構(gòu)建了航空安全分類器，神經(jīng)網(wǎng)絡(luò)模型不僅能夠?qū)娇瞻踩绊懸蛩剡M(jìn)行分類同時(shí)還能進(jìn)行數(shù)據(jù)分析[5]。任博等通過對(duì)影響航空安全的確定性因素與不確定性因素開展定量分析，計(jì)算航空不安全事件發(fā)生的概率[6]。國(guó)外學(xué)者針對(duì)航空安全評(píng)估的研究主要從飛行安全[7]、機(jī)場(chǎng)跑道管理[8]、人的可靠性[9]等角度采用概率風(fēng)險(xiǎn)評(píng)估、故障樹[10]等方法開展研究。

通過分析可以得知，國(guó)內(nèi)學(xué)者的研究側(cè)重于人工智能方法在航空安全評(píng)估與預(yù)測(cè)中的應(yīng)用，利用機(jī)器學(xué)習(xí)深度發(fā)掘少量的數(shù)據(jù)所包含的信息，從而得到航空安全狀況。雖然人工智能方法能夠相對(duì)準(zhǔn)確地得到航空安全水平，但在影響因素眾多且各因素之間具有相關(guān)性的航空安全系統(tǒng)中，若考慮的影響因素范圍不夠廣且使用的方法較單一時(shí)，則可能使最終的研究結(jié)果存在局限性。國(guó)外學(xué)者所做的研究中使用的主要以數(shù)理統(tǒng)計(jì)的方法居多，然而數(shù)理統(tǒng)計(jì)的方法對(duì)樣本數(shù)據(jù)的需求量較大。隨著航空安全水平的逐步提高，航空事故數(shù)據(jù)越來越少，從而限制了該類方法的適用。貝葉斯網(wǎng)絡(luò)模型[11]作為機(jī)器學(xué)習(xí)中的經(jīng)典算法，在1986年由Peal首次提出，該模型不僅能夠分析各影響因素之間的關(guān)聯(lián)度，同時(shí)能夠?qū)娇瞻踩珷顩r做出定量的評(píng)價(jià)分析;該模型在風(fēng)險(xiǎn)分析[12]、事故預(yù)測(cè)[13]等方面有較成熟的應(yīng)用。

基于此，本文充分考慮影響航空安全因素的廣泛性以及研究方法的科學(xué)性，將定性分析方法與定量分析方法相結(jié)合開展航空安全風(fēng)險(xiǎn)評(píng)估與診斷研究。以SHELL模型為分析基礎(chǔ)，結(jié)合歷年來航空事故數(shù)據(jù)，搭建航空安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，利用層次分析法對(duì)各評(píng)估指標(biāo)進(jìn)行重要度排序，篩選出主要指標(biāo)作為貝葉斯網(wǎng)絡(luò)的節(jié)點(diǎn)，建立基于貝葉斯網(wǎng)絡(luò)模型的航空安全風(fēng)險(xiǎn)評(píng)估與診斷模型。通過將定性分析方法和定量分析方法相結(jié)合，對(duì)航空安全狀況開展分析，為進(jìn)一步提升航空安全管理水平提供參考。

1 基于SHELL模型的航空安全影響因素分析

1.1 SHELL模型介紹

圖1 SHELL模型基本示意圖

通過將工作中的人與其在工作中有著密切聯(lián)系的因素聯(lián)系起來，組成一個(gè)整體，分析它們之間的關(guān)系，其中包括軟件(Software)、硬件(Hardware)、環(huán)境(Environment)和人(Liveware)。由于這四個(gè)因素的英文首字母分別為S、H、E、L,于是就將該整體稱為SHELL模型，如圖1所示。

任何一個(gè)工作系統(tǒng)，特別是航空業(yè)這樣龐大而又精細(xì)的工作系統(tǒng)，任何一個(gè)工作連接處出了問題所帶來的后果都是極其嚴(yán)重的。SHELL模型便提供了一種思路去尋找容易出現(xiàn)的安全隱患。工作中的人的行為受到若干種復(fù)雜因素的共同影響，而從SHELL模型圖可以看出，安全差錯(cuò)容易發(fā)生在人與硬件、軟件、環(huán)境以及其他工作人員之間，各個(gè)因素之間要完美的契合在一起才可以高效安全地工作。因此，本文主要從人-人、人-環(huán)境、人-硬件、人-軟件4個(gè)角度來查找篩選影響航空安全的影響因素。

1.2 航空安全影響因素分析

ICAO 在 2017—2019 年的全球航空安全計(jì)劃中確認(rèn)的高風(fēng)險(xiǎn)事件為：跑道安全、飛機(jī)失控、可控飛行撞地 3 類事件[14]。通過對(duì)2007—2016年近10年國(guó)民航航空飛行事故數(shù)據(jù)分析得出飛行事故類型有:沖出跑道、偏出跑道、場(chǎng)外接觸、掛高壓線、掛樹、撞山、撞地墜水、撞其他障礙物、發(fā)動(dòng)機(jī)停車、天氣、飛機(jī)失控、其他[15]，其中發(fā)生頻率較高，且影響較大的3種事故類型為：沖/偏出跑道、可控飛行撞地、飛機(jī)失控。因此，在本文中運(yùn)用SHELL模型重點(diǎn)分析導(dǎo)致此3種事故的影響因素，由于影響航空安全的因素不僅有定性指標(biāo)同時(shí)也有定量指標(biāo)。因此，在建立指標(biāo)體系時(shí)采用德爾菲法、極小極大離差法對(duì)各影響因素進(jìn)行篩選，最終建立如圖2所示的航空安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，具體的分析步驟如下：

(1)確定最大離差

其中，j表示第j項(xiàng)指標(biāo)。

(2)確定最小離差

(3)判斷篩選指標(biāo)

如果最小離差dj0≈0，則可以刪除與dj0對(duì)應(yīng)的指標(biāo)xj0。對(duì)初步確定的評(píng)估指標(biāo)全部運(yùn)用極小極大離差法進(jìn)行篩選剔除，得到最終的評(píng)估指標(biāo)體系。

圖2 航空安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系

2 層次分析法-貝葉斯網(wǎng)絡(luò)

2.1 確定各評(píng)估指標(biāo)的權(quán)重

根據(jù)1.2中得到的航空安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，利用層次分析法計(jì)算各評(píng)估指標(biāo)的權(quán)重值，根據(jù)權(quán)重值對(duì)評(píng)估指標(biāo)進(jìn)行重要度排序得出重要指標(biāo)。層次分析法是一種定性與定量相結(jié)合的決策方法，尤其是在處理一些多目標(biāo)、多準(zhǔn)則或無結(jié)構(gòu)特性的復(fù)雜問題時(shí)有很好的實(shí)用性[16]?；趯哟畏治龇ù_定指標(biāo)權(quán)重的過程如下[17]。

2.1.1 構(gòu)造判斷矩陣

邀請(qǐng)相關(guān)專家根據(jù)Saaty1-9比例標(biāo)度法(見表1)規(guī)定的相應(yīng)標(biāo)度值，對(duì)評(píng)估指標(biāo)體系中的m項(xiàng)一級(jí)影響因素和n項(xiàng)二級(jí)指標(biāo)(見圖2)，分別進(jìn)行指標(biāo)之間的重要度比較，得到相對(duì)重要度的數(shù)值分別構(gòu)成判斷矩陣B和Ci。

表1 判斷矩陣的標(biāo)度值及含義

式中，bjk表示一級(jí)影響因素中的第j項(xiàng)因素與第k項(xiàng)因素相比的重要程度。

2.1.2 一致性檢驗(yàn)

計(jì)算一致性指標(biāo)CI=(λmax-n)/(n-1)，其中λmax為判斷矩陣的最大特征值，n為判斷矩陣的階數(shù)。查表2找出相應(yīng)的平均隨機(jī)一致性指標(biāo)RI,計(jì)算一致性比率CR=CI/RI。

表2 1～8階的平均隨機(jī)一致性指標(biāo)

若CR<0.1，則判斷矩陣具有滿意的一致性，否則需要調(diào)整判斷矩陣中元素的取值。

2.1.3 計(jì)算評(píng)估指標(biāo)的權(quán)重

分別對(duì)判斷矩陣B、Ci的各列做歸一化處理，得到

(1)

(2)

則有

W=(W1,W2,…,Wm),ωi=(ω1,ω2,…,ωn),i=1,2,…,m,

式中，

2.2 貝葉斯網(wǎng)絡(luò)原理

圖3 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖

貝葉斯網(wǎng)絡(luò)作為一種概率模型，主要是以無向圖的拓?fù)浣Y(jié)構(gòu)對(duì)結(jié)構(gòu)中變量之間的相互作用進(jìn)行定量的分析。同時(shí)，貝葉斯網(wǎng)絡(luò)對(duì)于處理不確定性以及復(fù)雜性問題具有良好的適用性，已被廣泛應(yīng)用于人工智能與專家系統(tǒng)中[18]。

貝葉斯網(wǎng)絡(luò)的概念圖主要有網(wǎng)絡(luò)節(jié)點(diǎn)和邊組成，節(jié)點(diǎn)代表隨機(jī)變量。將貝葉斯網(wǎng)絡(luò)應(yīng)用于航空安全風(fēng)險(xiǎn)評(píng)估中，影響航空安全的風(fēng)險(xiǎn)因素便表示貝葉斯網(wǎng)絡(luò)中的節(jié)點(diǎn)，節(jié)點(diǎn)之間通過邊進(jìn)行連接，表示對(duì)節(jié)點(diǎn)之間影響關(guān)系的假設(shè)。從而由節(jié)點(diǎn)和邊組成的有向無環(huán)圖，來表示變量之間的因果結(jié)構(gòu)，如圖3所示。

2.3 貝葉斯網(wǎng)絡(luò)的建模過程

貝葉斯網(wǎng)絡(luò)的建模過程主要包含兩部分：結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)。首先，對(duì)各變量之間進(jìn)行相關(guān)性分析，刪除相關(guān)性較弱的變量，從而提高學(xué)習(xí)的效率。由于影響航空安全的因素眾多，且各影響因素具有較強(qiáng)的模糊性,因此，對(duì)航空安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系中因素進(jìn)行重要度、關(guān)聯(lián)度分析，剔除權(quán)重小且關(guān)聯(lián)性弱的指標(biāo)。其次，使用K2算法進(jìn)行結(jié)構(gòu)學(xué)習(xí)，確定節(jié)點(diǎn)之間的因果關(guān)系，得到貝葉斯網(wǎng)絡(luò)模型圖。最后，利用參數(shù)學(xué)習(xí)的方法對(duì)各節(jié)點(diǎn)的關(guān)聯(lián)度量化分析，得到各節(jié)點(diǎn)的后驗(yàn)概率分布。貝葉斯網(wǎng)絡(luò)中參數(shù)的學(xué)習(xí)方法主要有貝葉斯法和最大似然估計(jì)法。最大似然估計(jì)法對(duì)數(shù)據(jù)樣本的需求量比較大，這樣就會(huì)使處理過程變得復(fù)雜,所以結(jié)合各影響因素的特性分析，本文使用貝葉斯方法進(jìn)行參數(shù)學(xué)習(xí)。

3 基于AHP-BN的航空安全風(fēng)險(xiǎn)評(píng)估與診斷模型的構(gòu)建

(1)確定各評(píng)估指標(biāo)的權(quán)重。運(yùn)用層次分析法確定各評(píng)估指標(biāo)的權(quán)重，由于層次分析法在處理一些多目標(biāo)、多準(zhǔn)則的復(fù)雜問題時(shí)有較好的適用性，且應(yīng)用比較廣泛。限于篇幅有限本文將不再詳細(xì)論述層次分析法確定航空安全各影響指標(biāo)權(quán)重的計(jì)算過程。經(jīng)過分析計(jì)算得到各評(píng)估指標(biāo)的權(quán)重如下。

W=(0.327,0.176,0.253,0.244),ω1=(0.227,0.240,0.308,0.225)，ω2=(0.358,0.212,0.215,0.209)，

ω3=(0.165,0.341,0.219,0.275)，ω4=(0.300,0.246,0.220,0.189)。

(2)確定貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)。根據(jù)以上各評(píng)估指標(biāo)權(quán)重的數(shù)值，對(duì)每組影響因素下的指標(biāo)進(jìn)行重要度排序，選取每組影響因素下所占權(quán)重較大的前兩個(gè)指標(biāo)為重要指標(biāo)。經(jīng)過分析得到人-人因素：機(jī)組與其他人員配合不力程度(u12)、違規(guī)操作頻率(u13);人-環(huán)境因素：天氣惡劣程度(u21)、航路結(jié)構(gòu)復(fù)雜(u23);人-硬件因素：機(jī)載設(shè)備故障率(u32)、設(shè)備維修不合格(u34)；人-軟件因素：機(jī)組人員培訓(xùn)不合格的情況(u41)、飛行程序設(shè)計(jì)不良(u42)，如表3所示。

表3 航空安全事故致因要素取值

圖4 航空事故致因的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)模型

(3)貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)。為構(gòu)建航空安全風(fēng)險(xiǎn)評(píng)估的貝葉斯網(wǎng)絡(luò)模型，對(duì)表3中的影響因素采用K2算法開展航空事故結(jié)構(gòu)學(xué)習(xí)，得到如圖4所示的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖。在圖4的結(jié)構(gòu)圖中有9個(gè)節(jié)點(diǎn)組成，節(jié)點(diǎn)代表變量表示每個(gè)影響航空安全的影響因素，節(jié)點(diǎn)之間的連線代表變量之間的相互影響關(guān)系。通過對(duì)圖4的結(jié)構(gòu)圖進(jìn)行分析得到航空事故(M)的直接影響變量為違規(guī)操作頻率(C2)、機(jī)載設(shè)備的故障率(C5)、機(jī)組人員培訓(xùn)不合格的情況(C7)。

(4)貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)。通過對(duì)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)模型分析得到，影響航空事故的3個(gè)直接影響變量為違規(guī)操作頻率(C2)、機(jī)載設(shè)備的故障率(C5)、機(jī)組人員培訓(xùn)不合格的情況(C7)?，F(xiàn)運(yùn)用貝葉斯方法主要對(duì)這3個(gè)直接影響變量進(jìn)行參數(shù)學(xué)習(xí)，如表4所示。

通過對(duì)表4分析可以得知，當(dāng)3種情況皆不發(fā)生時(shí)(C2=1，C5=1，C7=1)，航空事故發(fā)生的概率為0.9；當(dāng)機(jī)組人員沒有出現(xiàn)違規(guī)操作的情況但機(jī)載設(shè)備出現(xiàn)故障以及對(duì)機(jī)組人員的培訓(xùn)不合格時(shí)(C2=0，C5=1，C7= 1)，航空事故發(fā)生的概率為0.65；當(dāng)機(jī)組人員沒有違規(guī)操作的情況以及機(jī)載設(shè)備無故障，但對(duì)機(jī)組人員培訓(xùn)不合格時(shí)(C2=0，C5=0，C7=1)，航空事故發(fā)生的概率上升為0.75；當(dāng)機(jī)載設(shè)備良好運(yùn)行且各機(jī)組人員培訓(xùn)合格，但機(jī)組人員有違規(guī)操作的情況發(fā)生時(shí)，航空事故的發(fā)生概率為0.8。由此可知機(jī)組人員違規(guī)操作以及機(jī)組人員培訓(xùn)不合格都會(huì)提升航空事故發(fā)生的概率。

表4 基于貝葉斯網(wǎng)絡(luò)的航空事故參數(shù)學(xué)習(xí)結(jié)果

(5)節(jié)點(diǎn)后驗(yàn)概率分布。貝葉斯網(wǎng)絡(luò)模型不僅可以開展航空安全風(fēng)險(xiǎn)評(píng)估，同時(shí)貝葉斯網(wǎng)絡(luò)模型還具有故障診斷的功能。即在已知航空安全狀況下，使用后驗(yàn)概率分析可以找出導(dǎo)致該結(jié)果發(fā)生的最直接的影響因素。本文利用后驗(yàn)概率分布結(jié)果，識(shí)別導(dǎo)致航空事故的關(guān)鍵風(fēng)險(xiǎn)因素，為航空事故發(fā)生后的原因與診斷提供依據(jù)，從而采取相應(yīng)的措施避免不安全事件的發(fā)生。

假設(shè)航空事故發(fā)生的概率為100%，即節(jié)點(diǎn)M的取值為1，得到節(jié)點(diǎn)M的后驗(yàn)概率分布如圖5所示。在航空事故100%發(fā)生的情況下，發(fā)生違規(guī)操作(C2=1)的概率最大，為94.7%；機(jī)組人員培訓(xùn)不合格(C7=1)的概率為92.4%;環(huán)境的惡劣程度(C3=1)概率為81.7%；設(shè)備維修不合格(C6=1)的概率為74.5%。由此可知，機(jī)組人員的失誤操作與機(jī)組人員的培訓(xùn)不合格對(duì)航空不安全事件的發(fā)生具有直接影響，從而體現(xiàn)了人在航空安全系統(tǒng)中的重要作用。

圖5 航空事故后驗(yàn)概率結(jié)果

(6)建議。根據(jù)上文中對(duì)航空安全評(píng)估與診斷研究的結(jié)果，現(xiàn)針對(duì)關(guān)鍵因素指標(biāo)提出預(yù)防事故發(fā)生的措施，主要有以下3點(diǎn)：① 加強(qiáng)對(duì)機(jī)組、機(jī)務(wù)等人員的培訓(xùn)；② 提升機(jī)組人員的考核標(biāo)準(zhǔn)；③ 不斷更新完善安全管理體系(SMS)的建設(shè)。

4 結(jié)論

航空不安全事件的發(fā)生具有不可預(yù)見性、影響因素眾多、影響范圍廣等特點(diǎn)，因此，為了降低航空不安全事件發(fā)生的概率，本文提出將層次分析法與貝葉斯網(wǎng)絡(luò)模型兩種方法相結(jié)合應(yīng)用到航空安全風(fēng)險(xiǎn)評(píng)估與診斷中，實(shí)現(xiàn)對(duì)航空安全風(fēng)險(xiǎn)評(píng)估定性與定量相結(jié)合的分析，主要結(jié)論如下。

(1)文中主要以SHELL模型為參考突出分析與人交互的各層面所涉及的因素對(duì)航空不安全事件的影響。

(2)利用層次分析法對(duì)各評(píng)估指標(biāo)進(jìn)行重要度排序，選取權(quán)重值較大的指標(biāo)為重要影響因素，得到飛行人員與其他人員配合不力程度(u11)、天氣惡劣程度(u21)、設(shè)備維修不合格情況(u34)、機(jī)組人員培訓(xùn)不合格情況(u41)等8個(gè)指標(biāo)為重要因素。

(3)構(gòu)建了基于貝葉斯網(wǎng)絡(luò)的航空事故致因模型，量化分析了各節(jié)點(diǎn)之間的影響關(guān)系。同時(shí)利用貝葉斯網(wǎng)絡(luò)模型的診斷功能，查找出影響航空安全的關(guān)鍵因素，并針對(duì)關(guān)鍵指標(biāo)提出相應(yīng)的建議措施，進(jìn)一步完善航空安全管理體系，為提升航空安全水平提供參考。