基于多因素分析的航班運行風險探討

龍翔

摘要：隨著我國科技與社會經(jīng)濟的發(fā)展，我國在航天航空領域也取得了重大突破。在航空領域中，我國的空運也得到了長足的發(fā)展。雖然我國航空科技取得了重大突破，但是在航班運行上，依然還存在著一定的風險。為了降低因運行控制人員個體差異而導致的航班運行風險，提升航空公司的運行控制能力，本文通過對航班運行過程中的運行程序進行系統(tǒng)分析，并結合相關運行數(shù)據(jù)，從飛行機組、機場、天氣等多方面入手，從多角度對航班運行中存在的風險因素進行分析。

關鍵詞：航班運行;風險探討;多因素分析

引言

隨著我國科技飛速發(fā)展，社會經(jīng)濟也取得了重大進步。在科技騰飛的今天，空中運行已經(jīng)逐漸成為了人們遠行的必備出行方式。隨著我國空運事業(yè)的發(fā)展，航空運輸安全也得到了越來越大的重視。自從2007年美國明航局制定了飛行風險評估工具，2012年美國國家航空運輸協(xié)會開始通過建模的方式對每次航班的風險值進行計算。通過研究得知，我國國內對民航安全風險管理最早被運用于空管與飛行中[1]。直到后來孫瑞山將風險管理逐漸的運用到了航空運行風險管理中，并采用定性與定量的方式對航班飛行安全進行快速評估，但是這種評估方式僅僅限于飛行操作方面。后來相關研究人員通過將航班作為一個基礎元素，從微觀的層面以及運行控制的角度對航班風險評估體系進行了建立與完善[2]。而奉獻評估方面，采用了熵權和模糊綜合評價法對相關評價指標進行計算。通過我國相關研究人員采用混合模型對航班運行風險進行評估從而實現(xiàn)了自動評價的能力，但是這種方式的推測周期較短，因此對風險預警與風險排查的作用不足[3]。本文針對引起航班運行風險的因素進行多因素分析，現(xiàn)報道如下。

1 航班運行風險分析

1.1飛機方面

通過對民航飛行事故進行分析，其中高達25%的事故是由于飛機故障而引起，因此對飛機的風險因素進行細化評估可分為以下幾點：①保留故障等級;②對飛機著陸的影響程度;③發(fā)動機循環(huán)總次數(shù)與實踐;④飛機定點監(jiān)測時間。

1.2機組方面

在航班運行過程中，機組人員對航空器的安全有著決定性的作用?？梢詮臋C組配合度、機組英文能力、機組自制水平、機組疲勞度以及機組健康狀況等多方面進行分析。進行細化評估可分為以下幾點：①機組人員相互之間的技術搭配因素;②不同地域、不同性格機組人員之間的搭配;③機組人員職務以及相應權利梯度;④機組人員駕駛技能等級;⑤機組人員休息時間以及工作時間。

1.3環(huán)境方面

不同的環(huán)境對航班運行也有著極大的影響，惡劣的天氣、特殊航線等都是對航班安全造成影響的重要因素?？煞譃闄C場天氣風險、機場條件風險、著陸機場天氣風險、著陸機場條件風險、航路特殊性質、航路天氣風險以及航路備降機場風險。進行細化評估可分為以下幾點：①能見度;②溫差;③風向以及風速問題;④云層類別、高度及質量;⑤記賬保障能力;⑥航路中特殊天氣[4]。

2 模糊歸屬函數(shù)

民航運輸具有動態(tài)、多變量、開放性強等特點的運輸系統(tǒng)，具有較多不確定因素對航班運行造成影響。其影響因素關系復雜，且發(fā)生概率難以預料，因此，唯一有效的處理復雜大系統(tǒng)的方式則是通過將定性與定量相結合的綜合集成方法進行處理[5]。

模糊函數(shù)是針對定性與定量相結合的典型函數(shù)代表，能夠進行較為準確的判斷。可以通過公司飛行與相關專家，根據(jù)自身經(jīng)驗與認知，從而對飛行風險程度進行邊界值界定，隨后再模糊化權重分配，建立對航班運行使用的歸屬函數(shù)。

因此，我們可以架設機組的風險被分為兩個因素，包括疲勞與經(jīng)驗，而兩則都被稱為終端風險因素，則可以通過采用疲勞模糊歸屬函數(shù)與經(jīng)驗模糊歸屬函數(shù)兩個模型來對風險程度進行界定。這類數(shù)學模型在進行建模時，可由航空公司的飛行數(shù)據(jù)資料庫提供X軸的數(shù)據(jù)，而單位則可根據(jù)界定的風險因素來決定，例如疲勞可根據(jù)工作時長進行判定，而飛行經(jīng)驗則可根據(jù)飛行員總飛行時長進行界定，其單位可定位“h”。模型中的X軸數(shù)據(jù)需要由航空公司根據(jù)實際情況進行制定，而Y軸則可代表其所屬程度的歸屬度。而在進行風險計算中，非終端風險因素則可以根據(jù)下層風險因素通過計算得出的風險值進行界定[6]。

3 多因素分析

我國民用航空規(guī)章中所發(fā)行的風險評估體系是進行航班運行多因素分析的基礎，而事故數(shù)分析則是安全評價中紀委重要的分析方法。在進行風險分析時，結繭基元事件分析法對航班運行風險進行多因素分析，從而建立起完善的航班運行風險結構圖。結構圖中包含了機組風險、飛機風險以及著陸階段風險[7]。

以機組風險為例，設機組風險程度為C1，可將其分解為組間配合度C2、機組經(jīng)驗能力程度C3、機長精神壓力度C4這三個因素進行綜合判斷。首先以機長經(jīng)驗不足為例，由于機長驚訝對其他機組經(jīng)驗不足進行判斷，以此類推進行多因素判斷，則可以完成風險因素結構分析[8]。

4 風險評估體系

通過相關度對評估指標體系的反復調整與修改，其多因素分析評估體系分為機場、飛機、著陸進近階段三個大方面的風險，總共包含了60多個綜合指標對風險因素進行評價。在風險評價體系中，每個終端因素風險均分為三個級別，包括low、medium、high三個級別進行模型建立。其中，按照風險級別的不同模型級別也受到影響。風險程度為“l(fā)ow”的模型被稱之為Z模型，風險程度為“medium”的模型被稱之為II模型，而風險程度為“high”的模型被稱之為S模型。在進行數(shù)據(jù)邊界點的設置中，通常會使用各種不同的模型進行計算。在模型中出現(xiàn)線性交叉的地方被稱之為模糊處，可靈活運用重心法或線性比例閥對模型中數(shù)據(jù)的歸屬度進行計算[9]。

而使用風險關系矩陣時，通常是針對非終端因素風險進行評估，并且在評估過程中，設定1為無風險（僅為潛在風險），同時設定10為最大風險值。我們以總風險為例，進行風險矩陣的建立進行分析，通過不斷的向上推演，并最終得出結果，就可將其認為是航班的總風險之。通常情況下，我們可以將總風險之劃分為3個不同等級，其中包括可接受、緩解后可接受以及不可接受三個等級，其中可接受風險值在1～5之間，緩解后可接受風險值在5～8之間，而不可接受風險值通常大于8以上[10]。

在三個風險值的判定中，可接受風險值通常是指航班在運行過程中各類影響因素均符合相關要求，并且具有極高的安全度，能避免各類風險的發(fā)生;而不可接受風險值通常是指出現(xiàn)的風險因素與民航規(guī)章或航班運行中的安全造成嚴重威脅的因素，這種情況下不可予以放行;而緩解后可接受風險值通常是針對部分危險因素在相關規(guī)定標準的邊緣，具有較強的不確定性，此狀態(tài)在通過整改后可轉變?yōu)榭山邮?，但是危險因素未能得到消除，則不可放行[11]。

5 風險耦合

所謂的耦合通常是≥2和體系或者是運動形式通過某種方式還能夠相互作用而造成彼此影響的現(xiàn)象。因此，風險耦合也是只≥2個以上的風險因素通過相互作用而造成的風險結果轉變的現(xiàn)象。在我國航班的運行中，風險因素屬于多種并存的狀態(tài)，而航班運行風險則不是風險因素的單純集合，而是由多種因素通過相互作用下導致總風險出現(xiàn)加重或減輕的現(xiàn)象[12]。其對航班運行安全的影響程度則可以采用耦合來進行表示，且數(shù)據(jù)與風險因素見的相互作用呈正相關性[13]。

通過對航班運行風險進行分析得出結論，風險耦合的主要特征具體表現(xiàn)為以下方面：

1.不確定性。通常情況下，耦合的發(fā)生時間、地點都具有極大的不確定性，因此發(fā)生耦合后的結果可能會向著好的方向發(fā)展，同時也可能向著壞的方向發(fā)展，亦或者對結果不造成影響。因此，對于耦合的發(fā)生只能通過對大量數(shù)據(jù)進行采集，并通過計算與統(tǒng)計進行規(guī)律的尋找。

2.發(fā)展性。通過大量數(shù)據(jù)的研究分析可以得出結論，在發(fā)生風險耦合后，并不會處于穩(wěn)定靜止的狀態(tài)，通常會隨著運行時間、航行位置而發(fā)生不確定的改變，并且還可能與其他因素產(chǎn)生新的耦合發(fā)生。舉例說明：當飛機在飛行途中發(fā)生座艙壓力不足時，雖然航班運行會出現(xiàn)風險，但總體風險卻在可接受范圍，若此刻通過空管對飛機高度進行指揮，要求降低飛行高度，若不同飛行高度區(qū)域的氣流不穩(wěn)定，這會加大總風險，造成較為嚴重的后果。

3.波動性。航班運行過程中的風險因素多種多樣，并且不同因素發(fā)生耦合后對航班的安全影響也會有所區(qū)別，其中，部分耦合后對航班運行安全造成較大影響，則被稱為強耦合;若耦合后對航班運行安全造成較小的影響，則被稱之為弱耦合;弱部分耦合后對航班運行安全造成的影響處于二者之間，則被稱之為中耦合。因此，在航班運行中，不同情況下與不同程度的風險因素交替出現(xiàn)，且持續(xù)發(fā)生復合耦合，則耦合結果也會出現(xiàn)漲落不一的變化[14]。

通過對我國民航安全統(tǒng)計信息進行分析表明：就我國航空運行而言，若機組方面存在風險，則需要對天氣因素與機械故障進行密切關注。航班在地面時且通過計算得出耦合效應整體較低，則只需要避免發(fā)生3個及以上因素同時發(fā)生耦合現(xiàn)象即可對風險進行有效的控制。通過N-K建模與耦合度模型進行對比，若德國抑制，澤科說明能夠有效的對航班運行中出現(xiàn)的風險耦合狀態(tài)進行準確的評估。

6 航班空中運行因素分析

機組因素、天氣以外因素以及機械維修因素三種因素發(fā)生耦合則為中等強度，因為通過分析得知，機械維修因素與天氣以外因素已經(jīng)屬于了中等強度耦合，而機組因素著進一步增加了航班事故概率。再加上機組因素與機械維修因素或機組因素與天氣以外因素屬于低強度耦合，因此當存在機組風險因素時，需要加強對機械維修與天氣因素的關注，從而避免導致中等強度耦合的觸發(fā)[15]。

7 總結

隨著我國空運事業(yè)的發(fā)展，航空運輸安全也得到了越來越大的重視。我國國內對民航安全風險管理最早被運用于空管與飛行中。直到后來孫瑞山將風險管理逐漸的運用到了航空運行風險管理中，并采用定性與定量的方式對航班飛行安全進行快速評估，但是這種評估方式僅僅限于飛行操作方面。后來相關研究人員通過將航班作為一個基礎元素，從微觀的層面以及運行控制的角度對航班風險評估體系進行了建立與完善。而奉獻評估方面，采用了熵權和模糊綜合評價法對相關評價指標進行計算。通過我國相關研究人員采用混合模型對航班運行風險進行評估從而實現(xiàn)了自動評價的能力，但是這種方式的推測周期較短，因此對風險預警與風險排查的作用不足。建立完善的航班運行風險評估體系，為風險識別提供可靠數(shù)據(jù)支持，并驗證風險評估體系的實用性，加強我國航班運行風險評估，提高我國航班運行的安全效率。

參考文獻：

[1]王巖韜， 唐建勛， 趙嶷飛. 航班運行風險因素耦合性分析[J]. 中國安全科學學報， 2017（07）：81-85.

[2]王菁， 何嘉偉， 林俊峰， et al. 基于生存分析的航班延誤特征分析[J]. 航空計算技術， 2019（3）：35-39.

[3]Gan X S， Gao W M， Zhao H T. Research on Prediction of CAAC Flight Incident 10000-Hour-Rate Based on Single Regression Model[J]. Advanced Materials Research， 2014， 1049-1050：1355-1358.

[4]王巖韜， 陳冠銘， 劉毓， et al. 基于Adaptive Lasso與RF的航班運行風險預測改進研究[J]. 交通運輸系統(tǒng)工程與信息， 2018（4）：194-201.

[5]繆晨暉， 朱星輝， 高強. 基于天氣干擾的航班延誤風險分級研究[J]. 中國民航飛行學院學報， 2017（1）.

[6]Han C， Liu Y， Ding X， et al. Research and Improvement of Aircraft Rerouting Method Based on Flight Forbidden Areas[C]// International Conference on Information Science & Control Engineering. 2016.

[7]劉繼新， 尹旻嘉， 朱學華， et al. 基于航空器滑出時間的離場影響因素研究[J]. 武漢理工大學學報：交通科學與工程版， 2018， 42（2）： 195-200.

[8]謝華[1]? ?， 朱學華[1]? ?， 劉繼新[1]? ?， et al. 基于中介真值程度度量的航班起飛風險評估方法[J]. 交通運輸工程與信息學報， 2018.

[9]貢英杰， 劉君強， 黃亮. 基于隨機集貝葉斯網(wǎng)的航班延誤分析[J]. 武漢理工大學學報（交通科學與工程版）， 2017（5）.

[10]李翔， 劉醫(yī)， 唐漪， et al. 影響民航航班滿意度的因素分析及提升措施探討[J]. 民航管理， 2017：50.

[11]Sun Y ，? Zhang Y ，? Chen Y . Evaluation of flights operation environment risk based on improved set pair analysis[C]// Guidance， Navigation & Control Conference. IEEE， 2017.

[12]Jia Z ，? Liu W ，? Hou Z ， et al. Research on operation cost of helicopter components based on flight condition[C]// International Conference on Reliability. IEEE， 2009.

[13]Sun K ，? Li Q ，? Xu X ， et al. Risk analysis on human factors in operation of high risk construction based on dynamic Bayesian network[J]. Shuili Fadian Xuebao/Journal of Hydroelectric Engineering， 2017， 36（5）：28-35.

[14]Yuanxin L ，? Fengyun L ，? Xinhua Y ， et al. Assessing the Credit Risk of Corporate Bonds Based on Factor Analysis and Logistic Regress Analysis Techniques： Evidence from New Energy Enterprises in China[J]. Sustainability， 2018， 10（5）：1457-.

[15]Yunan W ，? Jingfei Y ，? Yeshuai H E ， et al. Operation Risk Assessment and Early Warning of Active Distribution Network Based on Network-Flow Shift Distribution Factor[J]. Power System Technology， 2017.