摘要： 針對(duì)航空安全事故風(fēng)險(xiǎn)識(shí)別與評(píng)估問題，基于2019年航空安全事故，通過事件樹分析方法分析風(fēng)險(xiǎn)事件間的因果關(guān)系，建立了有向加權(quán)航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)模型。面對(duì)航空安全風(fēng)險(xiǎn)傳播的情況，引入傳染病模型對(duì)航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播進(jìn)行建模，對(duì)風(fēng)險(xiǎn)事件進(jìn)行排序以實(shí)現(xiàn)航空安全風(fēng)險(xiǎn)識(shí)別，提出了航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)風(fēng)險(xiǎn)指標(biāo)與航空安全事故發(fā)生風(fēng)險(xiǎn)指標(biāo)，以評(píng)估航空系統(tǒng)安全風(fēng)險(xiǎn)。結(jié)果發(fā)現(xiàn)，能見度差、飛機(jī)系統(tǒng)故障、設(shè)備維護(hù)不足、違規(guī)操作、疲勞、資源配置不當(dāng)、應(yīng)急響應(yīng)措施不當(dāng)、飛行準(zhǔn)備不足、教育培訓(xùn)不足等應(yīng)當(dāng)引起管理者的關(guān)注。

關(guān)鍵詞： 航空系統(tǒng); 航空事故; 網(wǎng)絡(luò)建模; 傳染病模型; 風(fēng)險(xiǎn)識(shí)別; 風(fēng)險(xiǎn)評(píng)估

中圖分類號(hào)： N 945， U 8， X 949 文獻(xiàn)標(biāo)志碼： A

DOI：10.12305/j.issn.1001-506X.2024.06.17

Aviation safety accident risk identification and evaluation based on directed networks

ZHANG Han^{1，2，*}， WANG Qiang¹

（1. Materiel Management amp; UAV Engineering College， Air Force Engineering University， Xi’an 710051， China; 2. Audit Office， Xi’an University of Finance and Economics， Xi’an 710100， China）

Abstract： Aiming at the identification and evaluation problem of aviation safety accident risk， based on the aviation safety accidents in 2019， the causal relationship between risk events is analyzed with event tree analysis method， and a directed weighted aviation safety risk network model is established. The infectious disease model is introduced to model the network risk propagation with the spread of aviation safety risk， and the risk events are ranked to identify aviation safety risk. The aviation safety risk network risk index and the aviation safety accident occurrence risk index are proposed to evaluate the aviation system safety risk. The results show that managers should be concerned about poor visibility， aircraft system failures， insufficient equipment maintenance， illegal operations， fatigue， improper resource allocation， improper emergency response measures， insufficient flight readiness， and insufficient education and training.

Keywords： aviation system; aviation accident; network modeling; infectious model; risk identification; risk evaluation

0 引 言

航空系統(tǒng)承載了運(yùn)輸人員及貨物的任務(wù)，在全球貿(mào)易中發(fā)揮著重要作用。隨著航空技術(shù)的發(fā)展，空中交通密度不斷提高，然而由于人為^［1］、機(jī)械^［2］、環(huán)境^［3］及政策法規(guī)^［4］等因素具有復(fù)雜性和不確定，航空安全事故時(shí)常發(fā)生。因此，如何分析航空事故風(fēng)險(xiǎn)因素間的因果關(guān)系，進(jìn)而對(duì)風(fēng)險(xiǎn)因素進(jìn)行識(shí)別及航空安全評(píng)估，是國內(nèi)外學(xué)者研究的焦點(diǎn)^［5-7］。

航空風(fēng)險(xiǎn)識(shí)別是指在風(fēng)險(xiǎn)事件發(fā)生前，運(yùn)用多種方法對(duì)可能影響航空安全的風(fēng)險(xiǎn)因素進(jìn)行識(shí)別的過程。在航空風(fēng)險(xiǎn)識(shí)別方面，胡召音^［8］介紹了基于事故樹和灰色關(guān)聯(lián)的機(jī)場事故風(fēng)險(xiǎn)識(shí)別方法，使風(fēng)險(xiǎn)分析具有預(yù)測性，機(jī)場可以提前做好風(fēng)險(xiǎn)防范，針對(duì)性地做好整改工作。Chen等^［9］使用層次分析法計(jì)算每個(gè)風(fēng)險(xiǎn)因素的權(quán)重并進(jìn)行排序，發(fā)現(xiàn)機(jī)組人員的失誤是最重要的威脅。Ale 等^［10］建立了航空運(yùn)輸安全系統(tǒng)的因果模型，分析了導(dǎo)致事故發(fā)生的因果關(guān)系。Ancel等^［11］開發(fā)了一種面向?qū)ο蟮呢惾~斯網(wǎng)絡(luò)，來整合導(dǎo)致飛行中損失失控航空事故的安全風(fēng)險(xiǎn)。Rose等^［12］提出了一種基于飛機(jī)飛行事件文本描述的分類元數(shù)據(jù)參數(shù)的航空安全敘述分析方法，基于航空?qǐng)?bào)告確定了10個(gè)主要聚類和31個(gè)子聚類。Xu等^［13］基于混合多類高斯過程模型對(duì)飛行員疲勞狀態(tài)進(jìn)行識(shí)別，從而實(shí)現(xiàn)對(duì)人員因素的航空風(fēng)險(xiǎn)的識(shí)別。Zhou等^［14］基于卷積神經(jīng)網(wǎng)絡(luò)提出了一種具有注意機(jī)制的雙向長短期記憶神經(jīng)網(wǎng)絡(luò)的飛機(jī)風(fēng)險(xiǎn)識(shí)別模型。余稼洋等^［15］基于故障樹理論提出了Bow-tie-DT-FTA 模型，以飛機(jī)尾翼結(jié)冰事故為例，發(fā)現(xiàn)液態(tài)水含量達(dá)到結(jié)冰條件是導(dǎo)致事故發(fā)生的關(guān)鍵因素。

在航空風(fēng)險(xiǎn)評(píng)估方面，Luxhj等^［16］開發(fā)了航空系統(tǒng)風(fēng)險(xiǎn)模型，用于航空系統(tǒng)中組織因素的風(fēng)險(xiǎn)評(píng)估。Tamasi等^［17］基于威脅、關(guān)鍵性和脆弱性概念的風(fēng)險(xiǎn)評(píng)估過程，提出了一種定性和定量評(píng)估民航安全風(fēng)險(xiǎn)的方法。Wilke等^［18］以機(jī)場地面安全（即跑道/滑行道安全）為例，提出了一個(gè)評(píng)估數(shù)據(jù)質(zhì)量的框架，考慮了與數(shù)據(jù)收集和預(yù)處理過程中可能的錯(cuò)誤源、組織安全文化、數(shù)據(jù)可訪問性以及報(bào)告系統(tǒng)隨時(shí)間的一致性相關(guān)的11個(gè)標(biāo)準(zhǔn)。徐吉輝等^［19］針對(duì)不確定條件下航空風(fēng)險(xiǎn)評(píng)估定量分析不足的問題， 提出一種基于D-S（Dempster-Shafer）證據(jù)理論的航空風(fēng)險(xiǎn)Bow-tie蝴蝶結(jié)分析方法。Miyamoto等^［20］使用自然語言處理工具、K均值聚類算法和T分布隨機(jī)鄰居法對(duì)數(shù)據(jù)進(jìn)行降維，來對(duì)敘事進(jìn)行分類和可視化，并發(fā)現(xiàn)維護(hù)是延遲的主要原因。鮑晗等^［21］對(duì)發(fā)動(dòng)機(jī)控制系統(tǒng)故障風(fēng)險(xiǎn)模式進(jìn)行了分析，提出了基于概率風(fēng)險(xiǎn)分析的發(fā)動(dòng)機(jī)控制系統(tǒng)實(shí)際風(fēng)險(xiǎn)評(píng)估方法。Stamatelatos等^［22］基于貝葉斯網(wǎng)絡(luò)分析了概率風(fēng)險(xiǎn)評(píng)估中各種不確定性的量化。Cui等^［23］通過分析和描述航空動(dòng)作的不確定因素，結(jié)合Bow-tie模型給出事故嚴(yán)重程度下的安全性能函數(shù)。

上述研究大多被用于事故的靜態(tài)分析^［24-25］。針對(duì)風(fēng)險(xiǎn)傳播的問題，王巖韜等^［26］采用經(jīng)驗(yàn)建網(wǎng)法、時(shí)間序列相空間重構(gòu)法和Spearman相關(guān)系數(shù)3種方法構(gòu)建航空安全網(wǎng)絡(luò)，基于傳染病模型中的易感-感染-免疫模型（易感者、感染者、痊愈者）對(duì)航空風(fēng)險(xiǎn)傳播進(jìn)行了分析。現(xiàn)實(shí)中，航空安全事故的發(fā)生并不是由單個(gè)事件或因素造成的，而是多個(gè)事件或因素耦合并進(jìn)一步傳播的結(jié)果。文獻(xiàn)［27］通過研究船舶擱淺事故指出事故的發(fā)生是由觸發(fā)事件到演化事件一步步傳播造成的?；谝陨纤枷?，本文旨在探究航空安全事故所涉及的風(fēng)險(xiǎn)從觸發(fā)事件開始到事故發(fā)生的傳播機(jī)制，對(duì)航空安全風(fēng)險(xiǎn)進(jìn)行識(shí)別與評(píng)估。為此，基于航空安全網(wǎng)站收集的航空安全事故，通過事件樹分析方法識(shí)別每次事故中的風(fēng)險(xiǎn)觸發(fā)事件及后續(xù)風(fēng)險(xiǎn)因素，基于復(fù)雜網(wǎng)絡(luò)建模理論建立航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)模型，分析網(wǎng)絡(luò)拓?fù)涮卣?，?duì)風(fēng)險(xiǎn)觸發(fā)事件的關(guān)鍵風(fēng)險(xiǎn)進(jìn)行識(shí)別，考慮風(fēng)險(xiǎn)事件傳播的特點(diǎn)，引入易感-感染-易感（susceptible-infectious-susceptible， SIS）模型識(shí)別風(fēng)險(xiǎn)演化事件對(duì)事故的影響，對(duì)航空安全進(jìn)行評(píng)估，為航空安全預(yù)警提供理論指導(dǎo)。

1 航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)模型

本節(jié)首先確定航空安全風(fēng)險(xiǎn)因素，然后通過航空安全網(wǎng)收集航空安全事故，基于事故鏈方法建立加權(quán)有向航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)模型，對(duì)其拓?fù)浣Y(jié)構(gòu)進(jìn)行分析，分析框架如圖1所示。

1.1 航空安全風(fēng)險(xiǎn)因素

通過查閱航空安全網(wǎng)事故報(bào)告^［28］及專家信息，確定航空安全事故為頂事件，觸發(fā)事件包含14個(gè)，風(fēng)險(xiǎn)傳播演化事件包含23個(gè)，如表1所示。其中，頂事件代表事故發(fā)生，風(fēng)險(xiǎn)不會(huì)繼續(xù)傳播;觸發(fā)事件指風(fēng)險(xiǎn)源，即風(fēng)險(xiǎn)開始的事件;風(fēng)險(xiǎn)演化事件是從風(fēng)險(xiǎn)源進(jìn)一步傳播導(dǎo)致事故發(fā)生的中間事件。

1.2 航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)模型

根據(jù)事故樹的定性分析原則，航空安全事故描述了事故A發(fā)生的過程，其中包含了觸發(fā)事件T與引起事故的貢獻(xiàn)因素C。因此，能夠通過事件間存在的因果關(guān)系建立事件鏈。依據(jù)不同的事故報(bào)告可以生成不同的事故鏈，最后對(duì)不同的事故鏈依據(jù)節(jié)點(diǎn)及關(guān)系進(jìn)行合并，生成航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)模型，其基本步驟如圖2所示。

1.3 航空安全風(fēng)險(xiǎn)傳播模型

風(fēng)險(xiǎn)被廣泛定義為對(duì)事故或故障的可能性和后果嚴(yán)重程度的綜合描述。基于網(wǎng)絡(luò)視角，風(fēng)險(xiǎn)可以通過因果關(guān)系或相關(guān)性在風(fēng)險(xiǎn)事件之間傳播，傳染病模型能夠有效地描述風(fēng)險(xiǎn)傳播的過程^［29-30］。從航空安全事故中發(fā)現(xiàn)，盡管在風(fēng)切變或大霧等惡劣自然環(huán)境下，駕駛員采用積極應(yīng)急措施，能夠?qū)⑽ｋU(xiǎn)事件轉(zhuǎn)化為正常事件，即傳染病模型中的易感態(tài);而由于駕駛員疏忽等因素，正常事件也會(huì)轉(zhuǎn)化為危險(xiǎn)事件，即傳染病模型中的感染態(tài)。

因此，本文采用SIS模型來映射安全風(fēng)險(xiǎn)網(wǎng)絡(luò)的風(fēng)險(xiǎn)傳播過程，其基本動(dòng)力學(xué)方程如下：

dx_idt=-x_i+∑Nj=1A_ij（1-x_i）x_j（1）

式中：等式右邊第1項(xiàng)代表事件恢復(fù)率，表征節(jié)點(diǎn)對(duì)風(fēng)險(xiǎn)的削弱能力;等式右邊第2項(xiàng)為事件間感染率，表征節(jié)點(diǎn)風(fēng)險(xiǎn)防御能力。若事件j指向事件i，則A_ij=1，否則A_ij=0;x_i代表事件i在t時(shí)刻的感染率。通過對(duì)事件間相互作用網(wǎng)絡(luò)的研究，研究者可以分析風(fēng)險(xiǎn)事件對(duì)系統(tǒng)感染率的影響，進(jìn)而挖掘網(wǎng)絡(luò)中重要的風(fēng)險(xiǎn)事件的特征，從而為風(fēng)險(xiǎn)預(yù)警提供理論支撐。

2 實(shí)證分析

2.1 航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)建模與拓?fù)浞治?/p>

依據(jù)第1節(jié)提出的航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)模型及風(fēng)險(xiǎn)傳播模型，對(duì)航空安全網(wǎng)中2019年的航空安全事故進(jìn)行了分析，共有245件航空事故，20次致命事故，造成283人死亡。本文選取245件航空事故中對(duì)事故過程描述的內(nèi)容，對(duì)表1中觸發(fā)事件與風(fēng)險(xiǎn)演化事件的發(fā)生頻率進(jìn)行了統(tǒng)計(jì)分析，分析結(jié)果如圖3所示。結(jié)果顯示觸發(fā)事件中能見度差、飛機(jī)系統(tǒng)故障、設(shè)備維護(hù)不足及違規(guī)操作發(fā)生的頻次較高，風(fēng)險(xiǎn)演化事件中60%的事件發(fā)生頻次為4～6，無法有效對(duì)其進(jìn)行區(qū)分，從而實(shí)現(xiàn)風(fēng)險(xiǎn)識(shí)別。

因此，基于事故樹分析方法，首先建立每次事故報(bào)告的事故鏈，然后對(duì)多個(gè)事故鏈進(jìn)行合并加權(quán)，最后生成航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)。考慮到事件發(fā)生具有指向性，即觸發(fā)事件會(huì)導(dǎo)致風(fēng)險(xiǎn)演化事件或頂事件的發(fā)生，航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)是一個(gè)有向網(wǎng)絡(luò)。由圖3可知事件發(fā)生頻次不是單次的，本文定義網(wǎng)絡(luò)中邊的權(quán)重為事件i導(dǎo)致事件j發(fā)生的次數(shù)^［27］。依據(jù)上述分析可以得到航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)，如圖4所示。

接著對(duì)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)進(jìn)行分析，本文考慮加權(quán)有向的特征，入度代表了承受風(fēng)險(xiǎn)事件的能力，通過kⁱⁿ_i=∑^N_j=1A_ji可以計(jì)算;出度代表了風(fēng)險(xiǎn)傳播的能力，通過k^out_i=∑^N_i=1A_ij可以計(jì)算，如圖5所示。

圖5展示了2019年航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)節(jié)點(diǎn)的出度與入度，圖5（a）中的結(jié)果顯示觸發(fā)事件與風(fēng)險(xiǎn)傳播演化事件具有風(fēng)險(xiǎn)傳播的能力，而頂事件出度為0，不具備風(fēng)險(xiǎn)傳播能力。圖5（b）中的結(jié)果顯示風(fēng)險(xiǎn)傳播演化事件與頂事件的入度大于0，需要承擔(dān)風(fēng)險(xiǎn)，而觸發(fā)事件入度為0，不具備風(fēng)險(xiǎn)承受能力。

2.2 航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)風(fēng)險(xiǎn)識(shí)別

通過上述航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的分析，觸發(fā)事件采用出度可以很好地衡量其重要性，如圖6所示，能見度差、飛機(jī)系統(tǒng)故障、設(shè)備維護(hù)不足、違規(guī)操作等觸發(fā)事件具有較高的風(fēng)險(xiǎn)傳播能力，應(yīng)當(dāng)?shù)玫奖O(jiān)管部門的重視。

對(duì)于風(fēng)險(xiǎn)演化事件，由于其既具備風(fēng)險(xiǎn)傳播能力，又具備風(fēng)險(xiǎn)承受能力，因此拓?fù)浣Y(jié)構(gòu)特征無法對(duì)其進(jìn)行排序與識(shí)別。本文引入式（1）的傳染病模型對(duì)航空安全風(fēng)險(xiǎn)傳播進(jìn)行映射。通過式（1）可以看到，節(jié)點(diǎn)的穩(wěn)態(tài)值綜合考慮了節(jié)點(diǎn)自身與鄰居對(duì)其的影響，即觸發(fā)事件及風(fēng)險(xiǎn)演化事件對(duì)其的影響，利用數(shù)值仿真得到航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)中風(fēng)險(xiǎn)演化事件節(jié)點(diǎn)的穩(wěn)態(tài)值，用來評(píng)估其重要性。數(shù)值仿真采用4階龍格庫塔數(shù)值仿真式（1）的動(dòng)力學(xué)穩(wěn)態(tài)解，截?cái)嗾`差設(shè)置為0.000 01，在初始時(shí)刻節(jié)點(diǎn)感染率設(shè)置為x_i（0）=1，初始感染率的設(shè)定對(duì)最終穩(wěn)態(tài)的結(jié)果沒有影響。

風(fēng)險(xiǎn)演化事件在式（1）穩(wěn)態(tài)下的結(jié)果以及排序如圖7所示。結(jié)果顯示資源配置不當(dāng)、應(yīng)急響應(yīng)措施不當(dāng)、飛行準(zhǔn)備不足、教育培訓(xùn)不足等因素的穩(wěn)態(tài)結(jié)果較高，這些事件在風(fēng)險(xiǎn)傳播分析中更應(yīng)當(dāng)引起管理者的重視。

2.3 航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)估

上述分析對(duì)觸發(fā)事件與風(fēng)險(xiǎn)演化事件進(jìn)行了排序，但沒有考慮觸發(fā)事件發(fā)生對(duì)頂事件的影響，本節(jié)分析觸發(fā)事件發(fā)生后對(duì)頂事件發(fā)生概率的影響?；静襟E如下。

步驟 1 輸入航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)，通過式（1）達(dá)到穩(wěn)態(tài)。

步驟 2 隨機(jī)出現(xiàn)觸發(fā)事件，令其行為值持續(xù)設(shè)定為1，即觸發(fā)事件發(fā)生。

步驟 3 網(wǎng)絡(luò)達(dá)到新的穩(wěn)態(tài)，求得網(wǎng)絡(luò)均值及頂事件的穩(wěn)態(tài)值，即觸發(fā)事件發(fā)生對(duì)系統(tǒng)及頂事件的影響。

通過以上步驟，可以得到不同觸發(fā)事件發(fā)生后，航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)頂事件發(fā)生的概率。這里引入兩個(gè)指標(biāo)：航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)風(fēng)險(xiǎn)指標(biāo)與航空安全事故發(fā)生風(fēng)險(xiǎn)指標(biāo)。航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)風(fēng)險(xiǎn)指標(biāo)為擾動(dòng)后網(wǎng)絡(luò)節(jié)點(diǎn)新的穩(wěn)態(tài)均值，用于衡量整個(gè)網(wǎng)絡(luò)的風(fēng)險(xiǎn)水平，其公式為

〈x〉=1N∑Ni=1x^*′_i（2）

式中：N為網(wǎng)絡(luò)規(guī)模;x^*′_i為節(jié)點(diǎn)i受到擾動(dòng)后新的穩(wěn)態(tài)值。

航空安全事故發(fā)生風(fēng)險(xiǎn)指標(biāo)為擾動(dòng)后網(wǎng)絡(luò)節(jié)點(diǎn)38，即頂事件的穩(wěn)態(tài)均值與初始穩(wěn)態(tài)的比值，其代表了航空安全事故中頂事件發(fā)生的風(fēng)險(xiǎn)提升率，用于衡量頂事件發(fā)生的風(fēng)險(xiǎn)水平，其公式為

x₃₈=x^*′₃₈x^*₃₈（3）

式中：x^*₃₈代表頂事件的初始穩(wěn)態(tài)值;x^*′₃₈為頂事件受到擾動(dòng)后新的穩(wěn)態(tài)值。

現(xiàn)實(shí)中，航空安全事故往往不是由一個(gè)觸發(fā)事件引起的，例如UPS航空1354航班空難是由駕駛員的疲勞駕駛及能見度差引起的^［31］，具有一定的隨機(jī)性，因此考慮多個(gè)觸發(fā)事件同時(shí)隨機(jī)觸發(fā)對(duì)航空系統(tǒng)安全的影響是有必要的。航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)風(fēng)險(xiǎn)指標(biāo)與航空安全事故發(fā)生風(fēng)險(xiǎn)指標(biāo)隨著觸發(fā)事件發(fā)生數(shù)目增多的變化趨勢如圖8所示。

圖8中，每個(gè)數(shù)據(jù)點(diǎn)代表了對(duì)應(yīng)觸發(fā)事件發(fā)生數(shù)目下航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)風(fēng)險(xiǎn)指標(biāo)與航空安全事故發(fā)生風(fēng)險(xiǎn)指標(biāo)的仿真結(jié)果，其中仿真次數(shù)為100。仿真結(jié)果顯示，航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)風(fēng)險(xiǎn)指標(biāo)值與航空安全事故發(fā)生風(fēng)險(xiǎn)指標(biāo)值都隨著觸發(fā)事件發(fā)生數(shù)目的增多而增加，這意味著風(fēng)險(xiǎn)增加，管理部門應(yīng)當(dāng)加強(qiáng)監(jiān)管，從而避免多觸發(fā)事件的同時(shí)發(fā)生。

3 結(jié) 論

本文以2019年航空安全事故報(bào)告為研究對(duì)象，通過事件樹分析方法分析引起事故發(fā)生的風(fēng)險(xiǎn)事件間的因果關(guān)系，將事故中的風(fēng)險(xiǎn)事件分為觸發(fā)事件、風(fēng)險(xiǎn)演化事件及頂事件?；趶?fù)雜網(wǎng)絡(luò)建模理論建立航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)，對(duì)其拓?fù)浣Y(jié)構(gòu)進(jìn)行了分析，識(shí)別觸發(fā)事件中關(guān)鍵事件，考慮到風(fēng)險(xiǎn)傳播機(jī)制，引入傳染病模型對(duì)航空安全風(fēng)險(xiǎn)傳播進(jìn)行了映射，對(duì)航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)的風(fēng)險(xiǎn)進(jìn)行了評(píng)估。

在航空風(fēng)險(xiǎn)識(shí)別上，針對(duì)出度對(duì)觸發(fā)事件進(jìn)行了排序，發(fā)現(xiàn)能見度差、飛機(jī)系統(tǒng)故障、設(shè)備維護(hù)不足、違規(guī)操作、疲勞等觸發(fā)事件具有更高的重要性，應(yīng)當(dāng)?shù)玫焦芾聿块T更多的關(guān)注。針對(duì)風(fēng)險(xiǎn)演化事件即具備風(fēng)險(xiǎn)傳播能力又具備風(fēng)險(xiǎn)承受能力的特征，利用傳染病動(dòng)力學(xué)穩(wěn)態(tài)值對(duì)其重要性進(jìn)行評(píng)估，顯示資源配置不當(dāng)、應(yīng)急響應(yīng)措施不當(dāng)、飛行準(zhǔn)備不足、教育培訓(xùn)不足等因素應(yīng)該引起管理者關(guān)注。通過與2019年航空事故風(fēng)險(xiǎn)因素發(fā)生的頻次對(duì)比發(fā)現(xiàn)，針對(duì)觸發(fā)事件的風(fēng)險(xiǎn)識(shí)別，其結(jié)果與事件發(fā)生的頻次一致。針對(duì)風(fēng)險(xiǎn)演化事件的風(fēng)險(xiǎn)識(shí)別，本文方法能有效對(duì)事件進(jìn)行區(qū)分與量化，進(jìn)而實(shí)現(xiàn)風(fēng)險(xiǎn)識(shí)別。

在風(fēng)險(xiǎn)評(píng)估上，基于傳染病模型建立了航空風(fēng)險(xiǎn)傳播模型，提出了航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)風(fēng)險(xiǎn)指標(biāo)與航空安全事故發(fā)生風(fēng)險(xiǎn)指標(biāo)，以評(píng)估航空安全風(fēng)險(xiǎn)網(wǎng)絡(luò)風(fēng)險(xiǎn)。面對(duì)航空事故中多觸發(fā)事件耦合發(fā)生的事實(shí)，對(duì)多觸發(fā)事件下航空風(fēng)險(xiǎn)進(jìn)行了評(píng)估，結(jié)果顯示隨著觸發(fā)事件數(shù)目的增多，兩個(gè)航空安全風(fēng)險(xiǎn)指標(biāo)呈現(xiàn)出上升的趨勢，管理者在日后管理工作中應(yīng)當(dāng)避免多事故同時(shí)發(fā)生的情形。

參考文獻(xiàn)

［1］ZIMMERMANN N， MENDONCA F A C. The impact of human factors and maintenance documentation on aviation safety： an analysis of 15 years of accident data through the PEAR framework［J］. The Collegiate Aviation Review International， 2021， 39（2）. DOI：10.22488/okstate.22.100230.

［2］BASTOLA D P. The relationship between leadership styles and aviation safety： a study of aviation industry［J］. Journal of Air Transport Studies， 2020， 11（1）： 71-102.

［3］DE VOOGT A， KALAGHER H， SANTIAGO B， et al. Go-around accidents and general aviation safety［J］. Journal of Safety Research， 2022， 82： 323-328.

［4］BYRNES K P， RHOADES D L， WILLIAMS M J， et al. The effect of a safety crisis on safety culture and safety climate： the resilience of a flight training organization during COVID-19［J］. Transport Policy， 2022， 117： 181-191.

［5］LEDERER P J， NAMBIMADOM R S. Airline network design［J］. Operations Research， 1998， 46（6）： 785-804.

［6］ZHANG X G， MAHADEVAN S. Ensemble machine learning models for aviation incident risk prediction［J］. Decision Support Systems， 2019， 116： 48-63.

［7］ZHANG X G， MAHADEVAN S. Bayesian network modeling of accident investigation reports for aviation safety assessment［J］. Reliability Engineering amp; System Safety， 2021， 209： 107371.

［8］胡召音. 灰色理論及其應(yīng)用研究［J］. 武漢理工大學(xué)學(xué)報(bào)（交通科學(xué)與工程版）， 2003， 27（3）： 405-407.

HU Z Y. Gray theories and its application［J］. Journal of Wuhan University of Technology（Transportation Science amp; Engineering）， 2003， 27（3）： 405-407.

［9］CHEN C C， CHEN J， LIN P C. Identification of significant threats and errors affecting aviation safety in Taiwan using the analytical hierarchy process［J］. Journal of Air Transport Ma-nagement， 2009， 15（5）： 261-263.

［10］ALE B， VAN-GULIJK C， HANEA A， et al. Towards BBN based risk modelling of process plants［J］. Safety Science， 2014， 69： 48-56.

［11］ANCEL E， SHIH A T， JONES S M， et al. Predictive safety analytics： inferring aviation accident shaping factors and causation［J］. Journal of Risk Research， 2015， 18（4）： 428-451.

［12］ROSE R L， PURANIK T G， MAVRIS D N. Natural language processing based method for clustering and analysis of aviation safety narratives［J］. Aerospace， 2020， 7（10）： 143.

［13］XU B， WU Q， XI C， et al. Recognition of the fatigue status of pilots using BF-PSO optimized multi-class GP classification with sEMG signals［J］. Reliability Engineering amp; System Safety， 2020， 199： 106930.

［14］ZHOU D， ZHUANG X， ZUO H F， et al. A model fusion strategy for identifying aircraft risk using CNN and Att-BiLSTM［J］. Reliability Engineering amp; System Safety， 2022， 228： 108750.

［15］余稼洋， 郭建勝， 周楚涵， 等. 基于Bow-tie-DT-FTA的航空安全事故預(yù)防措施決策分析［J］. 火力與指揮控制， 2022， 47（8）： 158-164.

YU J Y， GUO J S， ZHOU C H， et al. Decision-making analysis of preventive measures for aviation safety accidents based on Bow-tie-DT-FTA［J］. Fire Control ＆ Command Control， 2022， 47（8）： 158-164.

［16］LUXHJ J T， CHOOPAVANG A， ARENDT D N. Risk assessment of organizational factors in aviation systems［J］. Air Traffic Control Quarterly， 2001， 9（3）： 135-174.

［17］TAMASI G， DEMICHELA M. Risk evaluation techniques for civil aviation security［J］. Reliability Engineering amp; System Safety， 2011， 96（8）： 892-899.

［18］WILKE S， MAJUMDAR A， OCHIENG W Y. A framework for assessing the quality of aviation safety databases［J］. Safety Science， 2014， 63： 133-145.

［19］徐吉輝， 王曉琳， 王瑛， 等. 基于證據(jù)理論的Bow-tie航空風(fēng)險(xiǎn)評(píng)估方法及應(yīng)用［J］. 火力與指揮控制， 2019， 44（10）： 1-7.

XU J H， WANG X L， WANG Y， et al. Research on method and application of Bow-tie analysis based on D-S evidence theory［J］. Fire Control ＆ Command Control， 2019， 44（10）： 1-7.

［20］MIYAMOTO A， BENDARKAR M V， MAVRIS D N. Natural language processing of aviation safety reports to identify inefficient operational patterns［J］. Aerospace， 2022， 9（8）： 450.

［21］鮑晗， 左洪福， 蔡景， 等. 基于概率風(fēng)險(xiǎn)分析的航空發(fā)動(dòng)機(jī)控制系統(tǒng)故障風(fēng)險(xiǎn)評(píng)估［J］. 四川兵工學(xué)報(bào)， 2018， 39（10）： 38-43.

BAO H， ZUO H F， CAI J， et al. Risk assessment of aeroengine control system based on probability risk analysis［J］. Journal of Ordnance Equipment Engineerin， 2018， 39（10）： 38-43.

［22］STAMATELATOS M， DEZFULI H， APOSTOLAKIS G， et al. Probabilistic risk assessment procedures guide for NASA ma-nagers and practitioners［R］. Hanover MD： NASA， 2011.

［23］CUI L J， ZHANG J K， REN B， et al. Research on a new aviation safety index and its solution under uncertainty conditions［J］. Safety Science， 2018， 107： 55-61.

［24］KHAN B， KHAN F， VEITCH B. A dynamic Bayesian network model for ship-ice collision risk in the Arctic waters［J］. Safety Science， 2020， 130： 104858.

［25］KAPTAN M， UGURLU O， WANG J. The effect of nonconformities encountered in the use of technology on the occurrence of collision， contact and grounding accidents［J］. Reliability Engineering amp; System Safety， 2021， 215： 107886.

［26］王巖韜， 劉毓. 基于復(fù)雜網(wǎng)絡(luò)的航班運(yùn)行風(fēng)險(xiǎn)傳播分析［J］. 交通運(yùn)輸系統(tǒng)工程與信息， 2020， 20（1）： 198-205.

WANG Y T， LIU Y. Flight operation risk propagation based on complex network［J］. Journal of Transportation Systems Engineering and Information Technology， 2020， 20（1）： 198-205.

［27］MA X X， DENG W Y， QIAO W L， et al. A methodology to quantify the risk propagation of hazardous events for ship grounding accidents based on directed CN［J］. Reliability Engineering amp; System Safety， 2022， 221： 108334.

［28］Flight Safety Foundation. Aviation safety network［EB/OL］. ［2023-03-05］. https：∥aviation-safety.net/.

［29］WU M Y， DAI W， LU Z Y， et al. The method for risk evaluation in assembly process based on the discrete-time SIRS epidemic model and information entropy［J］. Entropy， 2019， 21（11）： 1029.

［30］LV C C， YUAN Z W， SI S B， et al. Cascading failure in networks with dynamical behavior against multi-node removal［J］. Chaos， Solitons amp; Fractals， 2022， 160： 112270.

［31］STARR J R A W. Integrating fatigue management with safety management systems for commercial flightcrew operations［J］. International Journal of Aviation， Aeronautics， and Aerospace， 2017， 4（1）. DOI：10.15394/ijaaa.2017.1143.

作者簡介

張 晗（1988—），女，博士研究生，主要研究方向?yàn)榘踩碚撆c技術(shù)、復(fù)雜系統(tǒng)建模。

王 強(qiáng)（1976—），男，教授，博士，主要研究方向?yàn)榘踩碚撆c技術(shù)。