基于Logistic回歸的民航ASIS風(fēng)險(xiǎn)辨識(shí)仿真

楊驍勇，劉尚豫，張 輝，張 恒

(1. 中國(guó)民用航空飛行學(xué)院民航安全工程學(xué)院，四川 廣漢 618307； 2. 四川大學(xué)公共管理學(xué)院，四川 成都 610065)

1 引言

旅游行業(yè)的發(fā)展會(huì)帶動(dòng)國(guó)內(nèi)經(jīng)濟(jì)的發(fā)展，也能推動(dòng)民航業(yè)的進(jìn)步。飛機(jī)是如今必不可少的交通工具之一[1]。機(jī)場(chǎng)安檢是保證飛行安全的關(guān)鍵環(huán)節(jié)，也是保證旅客飛行安全的重要關(guān)卡。民航機(jī)場(chǎng)的安檢過程若存在安全隱患，極有可能造成慘重后果[2]。目前，盡管各個(gè)民航機(jī)場(chǎng)都加大安檢力度，但還容易出現(xiàn)安全風(fēng)險(xiǎn)問題。因此，為提升民航機(jī)場(chǎng)安檢系統(tǒng)的工作效率，需要增強(qiáng)其風(fēng)險(xiǎn)辨識(shí)能力。

文獻(xiàn)[3]中提出面向風(fēng)險(xiǎn)評(píng)估的關(guān)鍵系統(tǒng)識(shí)別方法。該方法首先根據(jù)業(yè)務(wù)流程關(guān)聯(lián)樹獲得評(píng)價(jià)屬性矩陣，再由業(yè)務(wù)流程關(guān)聯(lián)網(wǎng)絡(luò)取得系統(tǒng)關(guān)聯(lián)矩陣。利用這兩個(gè)矩陣構(gòu)造風(fēng)險(xiǎn)關(guān)聯(lián)評(píng)價(jià)矩陣，再采用加權(quán)法對(duì)系統(tǒng)內(nèi)的重要指數(shù)進(jìn)行計(jì)算，從而辨識(shí)關(guān)鍵業(yè)務(wù)系統(tǒng)的風(fēng)險(xiǎn)。然而該方法未對(duì)風(fēng)險(xiǎn)因素展開分析，存在旅客停留安檢區(qū)域時(shí)間長(zhǎng)的問題。

文獻(xiàn)[4]針對(duì)地鐵運(yùn)營(yíng)系統(tǒng)設(shè)計(jì)一種安全風(fēng)險(xiǎn)辨識(shí)流程及危險(xiǎn)因素研究方法。該方法通過建立安全風(fēng)險(xiǎn)分類流程對(duì)危險(xiǎn)源進(jìn)行識(shí)別，在辨識(shí)的過程中要將所有作業(yè)鏈進(jìn)行分析，并采取相應(yīng)的應(yīng)對(duì)措施對(duì)即將發(fā)生的事故進(jìn)行控制和預(yù)防。文獻(xiàn)[5]中提出基于灰色層次分析的機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)與辨識(shí)方法。該方法從安檢人員、安檢設(shè)備、機(jī)場(chǎng)環(huán)境和制度管理4個(gè)角度識(shí)別出機(jī)場(chǎng)安檢的17個(gè)危險(xiǎn)源，從而構(gòu)建風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，再利用灰色層次分析法對(duì)風(fēng)險(xiǎn)指標(biāo)展開評(píng)價(jià)，根據(jù)評(píng)價(jià)結(jié)果完成風(fēng)險(xiǎn)辨識(shí)。然而上述兩種方法在辨識(shí)風(fēng)險(xiǎn)因素時(shí)僅考慮綜合性概念，未考慮風(fēng)險(xiǎn)因素的重要性程度，增加了風(fēng)險(xiǎn)辨識(shí)時(shí)間，導(dǎo)致其存在旅客停留安檢區(qū)域時(shí)間長(zhǎng)的問題。

Logistic回歸分析是一種線性回歸分析的過程，目前，其在數(shù)據(jù)定向挖掘與預(yù)測(cè)等領(lǐng)域中有廣泛應(yīng)用。通過logistic回歸分析能夠計(jì)算自變量指標(biāo)的權(quán)重，從而根據(jù)各指標(biāo)的重要程度判別其風(fēng)險(xiǎn)性。因此，為解決上述傳統(tǒng)方法存在的不足，本研究基于Logistic回歸設(shè)計(jì)了一種新的民航機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)辨識(shí)方法。

2 風(fēng)險(xiǎn)因素分析

2.1 基于Logistic回歸的風(fēng)險(xiǎn)分析模型

由于機(jī)場(chǎng)安檢系統(tǒng)在安全檢測(cè)中占據(jù)著重要地位，所以本研究通過構(gòu)建Logistic回歸模型對(duì)機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)展開有效分析。

首先采用CSAFS算法在眾多子集中選取最優(yōu)特征子集Qbest，通過模型訓(xùn)練將自變量作為最優(yōu)特征，對(duì)其展開Logistic回歸分析[6]。此時(shí)，Logistic回歸分析模型用方程表示為

(1)

式(1)中，最優(yōu)特征子集Qbest的特征利用xi(i=1，2，3，…，n)來表示，α為常數(shù)項(xiàng)，ci(i=1，2，3，…，n)代表影響各個(gè)因素的權(quán)重，p為風(fēng)險(xiǎn)概率，且0≤p≤1。若Logistic回歸值p與1相近，就意味著安檢系統(tǒng)發(fā)生風(fēng)險(xiǎn)的可能性高；若Logistic回歸值p與0相近，那么說明安檢系統(tǒng)發(fā)生風(fēng)險(xiǎn)的可能性低。

在此基礎(chǔ)上，采用物元理論，利用事物N、名稱域C以及值域V來組建一個(gè)三元組R=(N，C，V)?；诖耍瑯?gòu)建一個(gè)機(jī)場(chǎng)安檢風(fēng)險(xiǎn)因素辨識(shí)模型的三元組，其表達(dá)式如下

(2)

式(2)中，n表示機(jī)場(chǎng)安檢過程中重要環(huán)節(jié)集合N的序數(shù)，機(jī)場(chǎng)安檢過程中具有n個(gè)重要環(huán)節(jié)，在這些環(huán)節(jié)中它的風(fēng)險(xiǎn)因素集就用Rn表示；C表示第n個(gè)關(guān)鍵環(huán)節(jié)會(huì)發(fā)生的不安全事件域；V表示在C中可能會(huì)發(fā)生的風(fēng)險(xiǎn)因素值域；Z表示C中的序數(shù)；這時(shí)在第Z個(gè)機(jī)場(chǎng)安檢不安全事件就用Cz表示，Vnz表示安檢過程中Cz中的風(fēng)險(xiǎn)因素集。

針對(duì)機(jī)場(chǎng)安檢的重要環(huán)節(jié)中會(huì)發(fā)生的不安全事件中的風(fēng)險(xiǎn)因素集Vnz，在Vnz內(nèi)會(huì)存在相似的風(fēng)險(xiǎn)因素，此時(shí)可以將式(2)轉(zhuǎn)換為如下形式

Rn=Vn1∪Vn2∪…∪Vnz

(3)

同理可得，在機(jī)場(chǎng)安檢的所有環(huán)節(jié)N中，其風(fēng)險(xiǎn)因素集RN為RN=R1∪R2∪…∪Rn。

2.2 分析三元組

在機(jī)場(chǎng)安檢過程中的重要環(huán)節(jié)中，可以采用流程分析法查找相關(guān)風(fēng)險(xiǎn)因素[7]。民航機(jī)場(chǎng)的主要安檢的對(duì)象為乘客、行李和貨物。這一過程中，安檢門和金屬探測(cè)器主要對(duì)乘客進(jìn)行安檢，X射線安檢機(jī)對(duì)行李和貨物進(jìn)行掃描檢測(cè)。具體的安檢流程如圖1所示。

根據(jù)流程分析的主要原理，將發(fā)生變動(dòng)后會(huì)對(duì)安檢流程產(chǎn)生重大影響的要素、活動(dòng)等作為安全流程的關(guān)鍵點(diǎn)[8]。通過分析圖1，總結(jié)出機(jī)場(chǎng)在安檢的過程中主要有6個(gè)關(guān)鍵環(huán)節(jié)的作業(yè)崗位，分別為驗(yàn)證崗N1、引導(dǎo)崗N2、人身檢查崗N3、X射線安檢機(jī)崗N4、開箱包崗N5、爆炸物探測(cè)崗N6。

在機(jī)場(chǎng)安檢崗位中，通過分析不安全事件的風(fēng)險(xiǎn)類型及其影響，獲取這個(gè)崗位的風(fēng)險(xiǎn)影響因素[9]。經(jīng)研究發(fā)現(xiàn)，共有四類不安全事件潛存于機(jī)場(chǎng)安檢中，分別為：錯(cuò)檢C1、忘檢C2、漏檢C3和與乘客發(fā)生沖突C4。

以人身檢查崗N3作為案例，對(duì)不安全事件Cz發(fā)生時(shí)利用FMEA條件進(jìn)行分析，從中獲取所有風(fēng)險(xiǎn)因素V3z。此時(shí)，人身檢查崗的主要風(fēng)險(xiǎn)因素就是技能水平不達(dá)標(biāo)、不夠敬業(yè)、經(jīng)驗(yàn)不足和機(jī)器故障等。

即使機(jī)場(chǎng)內(nèi)部的安檢程序不相同，旅客在安檢時(shí)受到影響的原因也相同，因此，就可以對(duì)其余5個(gè)安檢崗位發(fā)生的不安全事件Cz進(jìn)行辨識(shí)，包括：驗(yàn)證崗風(fēng)險(xiǎn)因素R1，引導(dǎo)崗風(fēng)險(xiǎn)因素R2，X射線操作崗風(fēng)險(xiǎn)因素R4，開箱包崗風(fēng)險(xiǎn)因素R5和爆炸物探測(cè)崗風(fēng)險(xiǎn)因素R6進(jìn)行歸類和合并，從而獲取機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)因素集RN。

2.3 構(gòu)建機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)因素集

針對(duì)上述獲得的機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)因素集RN內(nèi)的風(fēng)險(xiǎn)因素進(jìn)行分析和梳理，最終歸類安檢員、安檢設(shè)備、環(huán)境因素、組織機(jī)構(gòu)和制度等四個(gè)維度，取得機(jī)場(chǎng)安檢系統(tǒng)在安檢人員、安檢機(jī)器、安檢環(huán)境和安檢管制下的風(fēng)險(xiǎn)影響因素集，如表1所示。

表1 機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)因素

3 安檢系統(tǒng)風(fēng)險(xiǎn)評(píng)估與辨識(shí)

3.1 構(gòu)建判斷矩陣

通過上述分析確定機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)指標(biāo)，采用AHP方法[10]構(gòu)建安檢系統(tǒng)安全評(píng)價(jià)模型，并對(duì)模型進(jìn)行確立。利用九級(jí)標(biāo)度對(duì)不同指標(biāo)的重要程度進(jìn)行劃分，結(jié)果如下：

①9分，強(qiáng)烈認(rèn)為指標(biāo)A比指標(biāo)B重要；

②7分：指標(biāo)A比指標(biāo)B的重要程度高；

③5分：指標(biāo)A比指標(biāo)B重要；

④3分：指標(biāo)A比指標(biāo)B略微重要；

⑤1分：指標(biāo)A和指標(biāo)B共同重要；

⑥1/3分：指標(biāo)B比指標(biāo)A稍微重要；

⑦1/7分：指標(biāo)B比指標(biāo)A的重要程度高；

⑧1/9分：強(qiáng)烈認(rèn)為指標(biāo)B比指標(biāo)A重要。

利用以上評(píng)分標(biāo)準(zhǔn)，分別為專家對(duì)準(zhǔn)則層和目標(biāo)層的相對(duì)重要程度及指標(biāo)層與準(zhǔn)則層相對(duì)重要程度進(jìn)行打分。

設(shè)置aij為要素i(i=1，2，…，m)對(duì)j(j=1，2，…，m)的重要程度打分，再通過aij組建判斷矩陣A=(aij)m×m，然后在歸一化處理后獲得W=[w1,w2,…,wm]的權(quán)重向量。然后將CR=CI/RI作為一致性比例，RI作為隨機(jī)指標(biāo)，CI作為一致性指標(biāo)，此時(shí)一致性指標(biāo)用方程定義為

(4)

式(4)中，Ymax表示最大特征值。如果CR<0.1，則能夠說明A=(aij)m×m具有一致性，否則就需要重新對(duì)判斷矩陣進(jìn)行構(gòu)建，直到判斷矩陣具有一致性為止。

3.2 機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)與辨識(shí)

設(shè)定五個(gè)安檢系統(tǒng)風(fēng)險(xiǎn)等級(jí)作為評(píng)分標(biāo)準(zhǔn)，分別為低風(fēng)險(xiǎn)(1分)、較低風(fēng)險(xiǎn)(2分)、正常風(fēng)險(xiǎn)(3分)、較高風(fēng)險(xiǎn)(4分)和高風(fēng)險(xiǎn)(5分)。

根據(jù)現(xiàn)有的風(fēng)險(xiǎn)信息來識(shí)別各個(gè)評(píng)價(jià)類別的白化權(quán)函數(shù)取值范圍，此時(shí)灰數(shù)及白化權(quán)函數(shù)如下所示

當(dāng)風(fēng)險(xiǎn)程度為低風(fēng)險(xiǎn)時(shí)，灰數(shù)∈[0，1，2]，此時(shí)將其白化權(quán)函數(shù)定義為

(5)

當(dāng)風(fēng)險(xiǎn)程度為較低風(fēng)險(xiǎn)時(shí)，灰數(shù)∈[0，2，4]，此時(shí)其白化權(quán)函數(shù)定義為

(6)

當(dāng)風(fēng)險(xiǎn)程度正常時(shí)，灰數(shù)∈[0，3，6]，此時(shí)其白化權(quán)函數(shù)表示如下

(7)

當(dāng)風(fēng)險(xiǎn)程度較高時(shí)，灰數(shù)∈[0，4，8]，此時(shí)其白化權(quán)函數(shù)用方程定義如下

(8)

當(dāng)風(fēng)險(xiǎn)程度為高風(fēng)險(xiǎn)時(shí)，灰數(shù)∈[0，5，10]，此時(shí)其白化權(quán)函數(shù)表示為

(9)

結(jié)合權(quán)重向量和灰類評(píng)價(jià)矩陣，設(shè)置Xi為風(fēng)險(xiǎn)綜合評(píng)價(jià)向量，那么Xi=權(quán)重向量×灰類矩陣。對(duì)風(fēng)險(xiǎn)綜合評(píng)價(jià)向量實(shí)施量化處理，從而完成對(duì)機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)的辨識(shí)。

4 實(shí)驗(yàn)與分析

為了驗(yàn)證上述設(shè)計(jì)的基于Logistic回歸的民航機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)辨識(shí)方法的整體有效性，需要對(duì)該方法進(jìn)行實(shí)驗(yàn)測(cè)試。

實(shí)驗(yàn)中，以旅客在安檢區(qū)域停留時(shí)間為指標(biāo)驗(yàn)證風(fēng)險(xiǎn)辨識(shí)方法的辨識(shí)效率，以安檢安全程度為指標(biāo)驗(yàn)證風(fēng)險(xiǎn)辨識(shí)方法的有效性。為增強(qiáng)實(shí)驗(yàn)對(duì)比性，分別采用基于Logistic回歸的民航機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)辨識(shí)方法(方法1)、面向風(fēng)險(xiǎn)評(píng)估的關(guān)鍵系統(tǒng)識(shí)別方法(方法2)、基于灰色層次分析的機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)與辨識(shí)方法(方法3)展開有效性測(cè)試。

當(dāng)旅客運(yùn)行的安檢系統(tǒng)中進(jìn)行集中安檢時(shí)，系統(tǒng)會(huì)對(duì)每位旅客的信息數(shù)據(jù)進(jìn)行采集。設(shè)置共采集600位旅客的安檢數(shù)據(jù)，采用三個(gè)方法分別對(duì)旅客在安檢區(qū)域停留時(shí)間進(jìn)行測(cè)試對(duì)比，實(shí)驗(yàn)結(jié)果如圖2所示。

分析圖2中的數(shù)據(jù)可知，在機(jī)場(chǎng)安檢系統(tǒng)中分別搭載3種方法，經(jīng)過風(fēng)險(xiǎn)辨識(shí)后，測(cè)試600名旅客在安檢區(qū)域的停留時(shí)間。應(yīng)用方法2后，在安檢人數(shù)為100人時(shí)，其與方法1的旅客停留時(shí)間相同，但是隨著旅客人數(shù)的增加，方法2旅客的停留時(shí)間大幅度增加，甚至超過方法3。應(yīng)用方法3后，旅客安檢區(qū)域停留時(shí)間呈緩平趨勢(shì)小幅度上升，說明方法3的旅客停留時(shí)間高于方法1且低于方法2。相比之下，應(yīng)用方法1后的旅客安檢區(qū)域停留時(shí)間更短，說明其辨識(shí)效率更高。

方法1優(yōu)于方法2和方法3的主要原因是因?yàn)樵诒孀R(shí)安檢系統(tǒng)風(fēng)險(xiǎn)時(shí)，利用Logistic回歸分析模型計(jì)算各風(fēng)險(xiǎn)值的權(quán)重對(duì)造成機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)的影響因素進(jìn)行分析，從而獲取了準(zhǔn)確的風(fēng)險(xiǎn)影響因素集，為后續(xù)的風(fēng)險(xiǎn)辨識(shí)奠定良好基礎(chǔ)，通過減少安檢用時(shí)來縮短旅客在安檢區(qū)域停留時(shí)間。由此可以看出，本文設(shè)計(jì)的基于Logistic回歸的民航機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)辨識(shí)方法的安檢效率有顯著的提高。

根據(jù)上文獲取的民航機(jī)場(chǎng)安全系統(tǒng)風(fēng)險(xiǎn)辨識(shí)影響指標(biāo)，將安保措施和社會(huì)安全管控作為變量，分別在標(biāo)準(zhǔn)安檢系統(tǒng)中加入30%的安保措施變量和30%的社會(huì)安全管控變量。然后在三種方法后，對(duì)加入變量后的安檢系統(tǒng)安全程度展開測(cè)試，測(cè)試結(jié)果如圖3、4、5所示。

分析圖3可以看出，在初始安檢系統(tǒng)檢測(cè)過程中，在應(yīng)用方法2后，安檢過程中從第10min開始，安全指數(shù)開始下降，到第20min后安全程度開始回升。應(yīng)用方法3后，僅在第20min處安檢系統(tǒng)的安全程度高于方法2。而應(yīng)用方法1后，安檢系統(tǒng)的安全程度要高于方法2和方法3。

分析圖4可以看出，在初始測(cè)試的基礎(chǔ)上，隨著時(shí)間的增加逐步上升，應(yīng)用方法2后的安檢系統(tǒng)安全程度仍低于方法1。在加入安保措施變量后，方法3下的安全程度指數(shù)呈持續(xù)上升趨勢(shì)緩慢上升，最終在20min-25min之間安全程度保持不變，說明方法3的安全程度在處于80%時(shí)已達(dá)到最佳狀態(tài)。而加入30%變量后，方法1下的安全程度指數(shù)可達(dá)到97%。

3種方法加入30%的安保措施變量后，安全指數(shù)都有所提升，這說明三種方法的安檢系統(tǒng)還存有欠缺，于是在圖4的基礎(chǔ)上再次加入30%的社會(huì)安全管控變量，所得結(jié)果如圖5所示。

分析圖5可以看出，在方法1加入30%的社會(huì)安全管控變量后，安全程度并沒有增加，而是保持在97%，這說明方法1已經(jīng)是最佳安檢系統(tǒng)。而方法2加入變量后仍有上升的空間，由此可知應(yīng)用方法2后的安檢系統(tǒng)依舊需要完善。應(yīng)用方法3后，安監(jiān)系統(tǒng)在10min開始安全程度持平，說明安全程度達(dá)到78%已是方法3的最好狀態(tài)。結(jié)合上述分析發(fā)現(xiàn)，方法1無(wú)論是在初始測(cè)試還是加入兩次變量的測(cè)試中，都是不同方法中安全指數(shù)最高的。

產(chǎn)生上述結(jié)果的原因在于，基于Logistic回歸的民航機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)辨識(shí)方法在Logistic回歸分析模型中計(jì)算各風(fēng)險(xiǎn)值的權(quán)重，并根據(jù)風(fēng)險(xiǎn)值重要性程度判斷機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)的主要因素，從而構(gòu)建更有針對(duì)性的風(fēng)險(xiǎn)指標(biāo)判斷矩陣，增強(qiáng)對(duì)機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)的有效辨識(shí)，使安檢系統(tǒng)安全程度大大提高。

5 結(jié)束語(yǔ)

對(duì)民航機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)進(jìn)行有效辨識(shí)有利于提高民航旅行的安全程度，為此，本研究設(shè)計(jì)了基于Logistic回歸的民航機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)辨識(shí)方法。該方法的優(yōu)勢(shì)如下：

1)在Logistic回歸分析模型中計(jì)算各風(fēng)險(xiǎn)值的權(quán)重，從而得到風(fēng)險(xiǎn)值重要性程度，由此可更有效地判斷機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)的主要因素，然后通過構(gòu)建更有針對(duì)性的風(fēng)險(xiǎn)指標(biāo)判斷矩陣來增強(qiáng)對(duì)安檢系統(tǒng)風(fēng)險(xiǎn)的有效辨識(shí)，使得安檢系統(tǒng)安全程度得以提高。

2)通過對(duì)造成機(jī)場(chǎng)安檢系統(tǒng)風(fēng)險(xiǎn)的影響因素的重要程度進(jìn)行分析，能獲取準(zhǔn)確的風(fēng)險(xiǎn)影響因素集，為后續(xù)風(fēng)險(xiǎn)辨識(shí)奠定良好基礎(chǔ)，從而通過減少安檢用時(shí)來縮短旅客在安檢區(qū)域的停留時(shí)間。

通過實(shí)驗(yàn)研究可以看出，該方法有效解決了目前方法中存在的問題，提高了安檢系統(tǒng)風(fēng)險(xiǎn)辨識(shí)的多元性，在今后民航機(jī)場(chǎng)中有著較好的應(yīng)用前景。