基于熵權法的機場運行風險評價

劉洪偉，鄭 飛，蔡亞敏

(1.天津大學 管理與經濟學部，天津 300072；2.中國民航大學 民航安全科學研究所，天津 300300)

?

基于熵權法的機場運行風險評價

劉洪偉1，鄭 飛1，蔡亞敏2

(1.天津大學 管理與經濟學部，天津 300072；2.中國民航大學 民航安全科學研究所，天津 300300)

結合國內某民用機場的安全管理組織結構、2008—2012年發生的事故和不安全事件，構建了一套新的風險評價指標體系，建立了機場風險熵數學模型，運用層次分析法和熵權法確定各個指標的綜合權重。以該機場為例驗證了模型的有效性。由模型的研究結果可知：該機場飛行區運控模塊的風險水平最高，其次是綜合安全管理模塊，再次是運行控制模塊和航站區管理模塊，最后是空防安全管理模塊。將由模型得到的結果和該機場的實際運行情況進行了對比分析，其結果可為機場管理方提出一些改善建議。

機場運行；風險評價；熵權；風險熵

機場作為民航四大子系統之一，其安全程度直接影響民航的安全水平。機場運行安全的工作重心常常放在航空事故發生后的原因分析和預防措施的檢討上，這種方法只能起到亡羊補牢的作用。如果事先對各項風險因素進行分析、評價，則相關部門可以及時采取改善措施，提高管理水平，降低機場運行風險水平。

機場運行安全風險評價是在建立安全評價指標體系的基礎上，對機場運行中的安全狀況進行分析、評價。根據評價結果，機場以安全運行計劃、組織和控制等管理手段，減少不安全事件的發生。對機場進行科學合理的安全風險評價有助于機場管理方采取改善措施，對降低機場運行安全風險水平意義重大。

國內外對機場安全風險評價已有一定的研究。在評價指標的選擇上，大多基于SHEL模型建立指標體系[1-5]，將人員、設備、環境、管理4個因素作為1級指標，并在此基礎上劃分2級指標，這些研究建立的指標體系大同小異。

研究方法及研究內容主要集中在對機場建立評估模型或對機場安全運行的某一方面進行評價方面。Wen-Kuei Lee[6]結合模糊語言和失效模式建立了一個風險評估模型；羅帆等[3]運用系統理論和預警理論開展了機場安全和災害預警管理的研究；劉剛等[7]利用灰色聚類方法結合層次分析法對機場進行的風險評價；許桂梅等[8]建立了基于人的可靠性的跑道風險侵入評估模型；孫殿閣等[9]運用Bow-Tie模型對機場外來物不安全事件進行了分析；高揚等[10]基于Bow-Tie模型就跑道入侵進行了機場安全風險分析。文獻[8-10]關注的僅是機場的某一方面，沒有為機場進行全面的風險評價，因此需要建立新的評價體系，構建新的評價模型。

機場運行系統提供涵蓋旅客、貨物運輸等服務，涉及的部門眾多。目前常見的基于SHEL的評價指標體系雖然可以涵蓋所有涉及到的問題，但是人員、飛機、環境、管理每一方面都涉及幾乎所有部門，因此單一方面指標的評價結果不能反映各部門的風險水平，所以構建面向職能部門的指標體系更具有實際意義。在此分析的基礎上，以國內某民用機場為例，基于其職能部門的職責構建了一套指標體系，并建立了機場風險熵數學模型，運用層次分析法和熵權法確定了各個指標的綜合權重，計算出機場風險熵值。將由模型得到的結果和該機場實際運行中發生的不安全事件進行了對比，發現模型分析結果符合實際情況，說明了該評價模型的科學性。

1 構建指標體系

民用機場的風險評價旨在分析出危險因素后做出規避風險的改進，選擇的評價指標應該具有針對性。本文改變基于SHEL模型建立評價指標的方法，在對某機場進行調研考察的基礎上，聯系該機場安全管理組織結構與各部門的職責范圍，分析該機場2008—2012年的不安全事件，結合民航機場安全審計指標體系[11-12]，綜合考慮飛機起降過程、機場運行組織、制度建設、安檢系統、旅客管理等方面的因素，通過咨詢專家意見和剔除重疊的因素，最終構建了由飛行區運控、空防安全管理等5個1級指標以及凈空管理、飛行區消防等25個2級指標構成的民航機場運行安全風險評價指標體系。該指標體系的2級指標涵蓋了各職能部門的主要業務，根據評價結果可以判定具體職能部門的風險水平與機場整體風險水平。指標體系見圖1。

圖1 機場運行安全風險評價指標體系

2 民用機場風險熵模型

熵(entropy)是德國科學家Clausius于 1865 年在討論熱循環時首次提出的，他把熵作為表達熱力學第二定律的概念[13]。熵，一般定義為某一物質系統狀態概率的度量或說明其可能出現的概率[14]。

2.1 信息熵的基本原理

信息是不確定性的減少量，因此可以通過度量不確定性來度量信息。熵是系統狀態不確定性(不確定度)的度量，應用熵可以度量評價指標體系中指標數據所蘊含的信息量。

文獻[13-14]定義了隨機變量X取值xk的可能性為：

(1)

式中P(xk)為xk發生的概率。

Shannon提出的離散隨機變量的熵公式為

H(xk)=H(p1,p2,…,pk)=∑pkI(xk)=

(2)

式中H(x)為系統的信息熵，能刻畫系統不確定程度的大小。信息熵值越大，系統越不確定；信息熵值越小，系統越確定[15]。

2.2 機場風險熵數學模型

風險的本質是它所表現出的不確定性，這也是熵的本質。機場不安全事件發生的隨機性，導致風險水平呈現波動性，波動性導致機場管理方無法對機場風險水平做出準確判斷，并且波動性越大，越難采取合理的應對措施，導致風險水平進一步提高。

結合信息熵的定義與機場的實際運行狀況，定義機場風險熵的表達式為

(3)

式中：ki為對機場總體安全水平的權重系數；p(xi)為指標xi的所代表信息的確定程度。熵值越大，機場安全運行的安全風險越大。

2.2.1 風險熵計算

根據信息熵的定義以及不安全事件發生次數的無序性對機場風險水平的影響，定義機場運行安全風險評價體系中每個2級指標的熵值，指標熵值反映該指標風險狀態的確知程度[16-17]。

對于m個指標和n個被評價對象，有原始數據矩陣B=(bij)m×n。

對矩陣B進行標準化，得到矩陣R=(rij)m×n，rij為第j個評價對象在第i個評價指標上的標準值，有0

(4)

第i個指標的熵值計算公式為

(5)

2.2.2 權重計算

民用機場安全風險水平受多種因素影響，各種影響因素難以用準確的數據量化分析，并且機場運行安全風險等級的劃分主要依據專家經驗判斷，具有不可避免的主觀性，因此本文綜合應用AHP法和熵權法，主客觀相結合，既考慮了專家的經驗，又結合了機場運行中的實際情況。

1) 基于AHP的主觀權重

AHP法是一種主觀賦權方法，它通過計算比較矩陣求最大特征值和特征向量確定指標權重。AHP的基本思想[18-20]：首先，根據問題的性質及期望達到的目標，將問題分解成不同因素，按照各因素之間的相互影響和隸屬關系將其分層聚類組合，形成一個遞階的、有層次結構的模型；然后，對模型中的每一層次因素的相對重要性以及專家對現實的判斷給予定量表示，再利用數學方法確定每一層次全部因素相對重要性的權重；最后，通過綜合計算各層次相對重要性的權重，得到最底層相對最高層重要性次序的組合權重值作為評價的依據[21-22]。

采用1～9標度法構造判斷矩陣，以P表示目標，pi，pj(i，j=1，2，…，m)表示評價指標，Pij表示pi對pj的重要性，由此可確定判斷矩陣為P=(Pij)m×m。判斷矩陣的比例標度及含義見表1。

為了避免分配的權重不合理，需要計算隨機一致性比率C.R.，對判斷矩陣進行一致性檢驗。計算公式為

C.R.=C.I./R.I.

(6)

其中：C.I.=(λmax-m)/(m-1)，為一般一致性指標，λmax是判斷矩陣的最大特征根；R.I.為平均隨機一致性指標，1～9階判斷矩陣的R.I.值見表2。

表1 判斷矩陣的比例標度及含義

表2 平均隨機一致性指標R.I.

當C.R.<0.1時，認為判斷矩陣有滿意的一致性，否則需要調整判斷矩陣，使之具有滿意的一致性。

判斷矩陣通過一致性檢驗后，計算各指標的權重。判斷矩陣最大特征值λmax的標準化特征向量記為A，A=(a1,a2,…,am)T，即指標的AHP權重。求解方程為

(7)

2) 基于熵的客觀權重

熵權法是把各個評價單元的信息量化、綜合的方法，是一種客觀賦權方法。根據式(5)計算出的指標熵值，第i個評價指標的熵權重可表示為

(8)

3) 綜合權重

AHP法確定的權重向量為A=(a1,a2,…,am)T，熵權法確定的權重向量為T=(t1,t2,…,tm)T，綜合權重計算公式如下：

(9)

基于AHP法和熵權法求得的綜合權重考慮了主、客觀因素，可以更真實地反映指標的重要程度。

4) 機場風險熵求解

由機場風險熵的定義及以上步驟，可得機場風險熵的計算公式為

(10)

3 實例分析

以某機場為例，請該機場管理人員對評價指標相對其他指標的重要性進行打分，進而構造判斷矩陣，并統計該機場2008—2012年發生的不安全事件，獲得計算風險熵的基礎數據。

3.1 指標熵值計算

以飛行區運控的不安全事件(表3)為例，計算飛行區運控模塊各指標的熵值。

表3 2008—2012年飛行區運控模塊的不安全事件數目

按照影響機場運行的事件數目，構建初始數據矩陣，根據式(4)對初始矩陣進行標準化，可得

由R1根據式(5)得到對應指標U1的各個2級指標的熵值為：E1=(0.717，0.829，0.771，0.683，0.793，0.730，0.777，0.646)

同理可得其他2級指標的熵值分別為：

E2=(0.010，0.826，0.431，0.431)

E3=(0.683，0.431，0.828，0.431)

E4=(0.646，0.010，0.826，0.010，0.670)

E5=(0.395，0.683，0.646，0.646)

3.2 權重計算

3.2.1 主觀權重

針對機場安全運行的風險進行研究，按照表1給出的標準，采用1～9標度法進行評價，根據評分表，分別構建1級指標和2級指標的判斷矩陣。以1級指標的判斷矩陣為例，運用層次分析法確定權重。結合多名專家對1級指標對于機場安全的重要程度進行判定，得出評分表，見表4。

表4 1級指標評分

由評分表構建判斷矩陣P，按照式(6)進行一致性檢驗，得C.R.=0.019<0.1，判斷矩陣滿足一致性要求。由式(7)可得1級指標的權重為A0=(0.433,0.267,0.100,0.147,0.053)。

同理可得各個2級指標的主觀權重為：

A1=(0.048,0.100,0.022,0.038,0.328,

0.245,0.071,0.147)

A2=(0.056,0.571,0.132,0.241)

A3=(0.217,0.047,0.634,0.103)

A4=(0.320,0.084,0.041,0.415,0.140)

A5=(0.567,0.050,0.280,0.104)

3.2.2 客觀權重

依據熵權的計算式(8)，計算出1級指標及所有2級指標的客觀權重：

T0=(0.276,0.172,0.204,0.211,0.137)

T1=(0.138,0.083,0.112,0.155,0.101,0.131,0.108)

T2=(0.433,0.075,0.246,0.246)

T3=(0.195,0.350,0.106,0.349)

T4=(0.124，0.350，0.061，0.350，0.115)

T5=(0.371，0.195，0.217，0.217)

3.2.3 綜合權重

由式(7)可得1級指標及2級指標的綜合權重：

W0=(0.533，0.205，0.091，0.138，0.033)

W1=(0.054，0.068，0.021，0.048，0.272，0.265，0.063，0.209)

W2=(0.152，0.270，0.205，0.374)

W3=(0.261，0.102，0.415，0.222)

W4=(0.170，0.127，0.011，0.623，0.069)

W5=(0.693，0.032，0.200，0.074)

3.3 機場風險熵的求解

機場安全評價指標體系中的各個熵值的情況見表5。

3.4 結果分析

風險熵的計算綜合運用了AHP法和熵權法。前者的基礎數據源于專家打分，反映了專家的主觀經驗；后者的基礎數據是2008—2012年各個指標下發生的影響機場正常運行的事件數目，是客觀值。風險熵的計算綜合采用了主、客觀方法，因此風險熵可以直觀地反映該指標的風險水平。

結合表5中計算結果與具體的不安全事件可以得出以下結論：

1) 5個1級指標的安全風險水平由高到低依次為飛行區運控、綜合安全管理、運行控制、航站區管理、空防安全管理。在2008—2012年的5年間，飛行區運控的每個2級指標平均累計發生不安全事件17.5件，遠高于其他指標的不安全事件(空防安全管理部分僅為9.2件)。這從事實上說明了飛行區運控的風險水平高于其他部分，印證了模型的計算結果的正確性。

2) 飛行區運控的2級指標均具有較高的風險熵值，其中機坪、跑道等敏感區維護以及鳥害防治的熵值最大。由于機坪、跑道維護不周帶來的次生不安全事件很多，如5年間共發生86起輪胎扎傷事件，5年內共發生鳥害事件共36件，高于其他指標。與機場工作人員共同分析認為：主要是由于相關人員對跑道異物“視而不見”導致跑道、滑行道上有外來物以及鳥害防治措施效率不高導致鳥害事件較多。這說明敏感區維護人員的安全意識不強，機場管理方應加強對工作人員的培訓與考核，確保內部工作人員安全意識合格并采取更合理的鳥害防治措施。

表5 各指標的熵值及風險熵

3) 綜合安全管理的風險熵值略小于飛行區運控的風險熵值，說明綜合安全管理風險性較高。近5年有70起不安全事件是由綜合安全管理不到位引起，具體表現在：① 組織機構不完善，致使一些工作被劃分到多個部門，各個部門之間相互推諉，導致日常檢查無法進行；② 規章制度不完善，導致一些日常的檢查工作無章可循，員工按照自己的意愿去執行工作，檢查不到位；③ 安全培訓不到位，例如當候機樓內發現可疑物品時，保潔員不明確該如何處置。因此管理部門應該明確劃分部門責任，建立健全的制度與執行機制，使員工有章可循。

4) 空防安全管理模塊的熵值最小，說明該機場空防管理效果良好。結合機場實際情況發現：一方面，雖然在貨運區管理、內部人員管理上發生了一些不安全事件，但后果的危險性都很小，如貨運拖車故障、內部員工的車輛緊靠圍界停放等；另一方面，雖然安全檢查管理系統的不安全事件會帶來嚴重后果，但是從2008—2012年沒有發生一起此類不安全事件，由此可知該機場的空防安全管理風險水平很低，與計算結果相符合。

4 結束語

本文在對某機場進行調研考察的基礎上，結合民航機場保安審計的指標體系，制定了一套基于業務模塊的指標評價體系。該指標體系可以準確評價各個部門的風險水平和各個部門的管理水平，并依此提出針對性的改善措施。

根據信息熵原理，提出從不安全事件發生的無序性評價機場的安全性，并結合層次分析法定義了機場風險熵，建立機場安全風險評價模型。該評價模型既充分考慮了專家的經驗，又結合了機場的實際情況，是一種主客觀相結合的評價方法。

根據建立的數學模型，結合某機場2008—2012年的所有不安全事件對該機場進行安全評價。評價結果顯示機場5個職責模塊的風險水平從高到低為飛行區運控、綜合安全、運行控制、航站區、空防安全。該機場可以根據此順序將有限的資源有側重地分配給各個職能部門。

案例分析的結果與機場實際運行狀況相符，表明該評價方法可行，實現了對指標內在規律和實踐經驗的有效結合，得到的機場安全評價結果具有較好的可信度和準確性。

風險熵值反映了機場安全的風險水平波動性，識別出需要重點采取措施降低風險水平的模塊。雖然可以通過比較風險熵值的大小對比不同機場的管理水平，但如何根據某一機場風險熵的大小判定該機場的風險水平與管理水平有待進一步研究。

[1] 李海燕.基于灰色關聯分析的空管安全風險評估[J].科學技術與工程,2011(30):7584-7587.

[2] 文軍.基于灰色多層次的航空公司飛行安全評價研究[J].中國安全科學學報,2010(2):29-34+178.

[3] 羅帆,佘廉.民航機場災害預警管理系統探討[J].武漢理工大學學報(信息與管理工程版)，2002，24(6)：41-44.

[4] 羅云，宮運華，宮寶霖，等.安全風險預警技術研究[J].安全，2005(2):26-29.

[5] 李航，趙桂紅.機場安全可拓展預警模型研究[J].計算機工程與應用，2009，45(14)：238-244.

[6] LEE W K.Risk assessment modeling in aviation safety management [J].Journal of Air Transport Management,2006,12(5):267-273.

[7] 劉剛，朱金福.一種機場安全風險灰色多層次評價方法研究[J].人類工效學，2008，14(3)：1-4.

[8] 許桂梅，黃圣國.基于人因可靠性的跑道侵人風險定量分析研究[J].科學技術與工程，2010，10(19)：4715-4719.

[9] 孫殿閣，孫佳，王淼,等.基于 Bow-Tie 技術的民用機場安全風險分析應用研究[J].中國安全生產科學技術，2010，6(4)：85-89.

[10]高揚，雒旭峰.基于Bowtie模型的機場安全風險分析[J].中國安全生產科學技術，2009，5(5)：83-87.

[11]機場安全審計手冊[K].北京：中國民用航空總局，2008.

[12]李茜.中國機場安全審計的作用、成效及發展[J].中國民用航空， 2011(9):51-52.

[13]盛進路，邢繁輝，趙亞兵.船舶風險熵概念的提出及應用[J].中國安全科學學報，2007，17(6)：87-91.

[14]文軍.基于熵權法的航空公司績效評價研究[J].科學技術與工程，2009，9(22)：6938-6941.

[15]WU Yue，NOONAN J P,AGAIAN S.A Novel Information Entropy based Randomness Test for Image Encryption[C]//Systems,Man,and Cybernetics (SMC)2011 IEEE International Conference.Anchorage:[s.n.]，2011:2676-2680.

[16]李英華，李興斯，姜昱汐.信息熵度量風險的探究[J].運籌與管理，2007，16(5)：111-116.

[17]肖玉明，汪賢裕.基于熵理論的供應鏈穩定性預警分析[J].管理工程學報，2008，22(3)：57-63.

[18]唐勇軍,沈惠文.基于AHP的人民銀行內部控制項目評價研究[J].重慶理工大學學報(自然科學)，2014(11)：121-126.

[19]陳庚申，何新華， 張金強， 等.基于AHP的裝甲裝備機動模型聚合與解聚方法研究[J].四川兵工學報，2014(8)：45-50.

[20]喻立,王建力,李昌曉,等.基于DPSIR與AHP的寧夏沙湖濕地健康評價[J].西南大學學報(自然科學版)，2014(2)：124-130.

[21]楊小彬，李和明，尹忠東.基于層次分析法的配電網能效指標體系[J].電力系統自動化，2013，37(21)：146-150.

[22]趙嶷飛，陳琳，王紅勇.基于熵權和模糊分析的空管運行安全風險評價[J].航空計算技術，2013，43(4)：1-5.

(責任編輯 陳 艷)

Risk Assessment of the Airport Operation Based on Entropy Weight

LIU Hong-wei1, ZHENG Fei1, CAI Ya-min2

(1.College of Management and Economics, Tianjin University, Tianjin 300072, China;2.Research Institute of Civil Aviation Safety, Civil Aviation University of China,Tianjin 300300, China)

Combining with the safety management organization structure of a domestic civil airport and the accidents or unsafe incidents happened in the airport between 2008 and 2012, a new index system was constructed to judge the airport’s safe level. Based on the system, the risk entropy model was built andweights for these indexes was syntheticallycomputed by using the analytic hierarchy process (AHP) method and the entropy-weight method. Taking the airport as an example, the effectiveness of the model was confirmed and the risk entropy values of all the management departments were calculated. The result shows, the airfield area operation and control part has the highest risk level, then the security management part, then operation and control part and terminal area part, and aviation security management part has the lowest risk level. Finally, on the basis of the entropy values, relevant departments’ risk levels were analyzed, and in terms of the incidents occurred during the actual operation of the airport, some suggestions to lower the risk level were given in consideration of the incidents occurred during the actual operation of the airport.

airport operation; risk assessment; entropy weight;risk entropy

2015-02-23 基金項目：國家基礎性科技工作專項(2012IM040500)

劉洪偉(1971—)，男，黑龍江齊齊哈爾人，博士研究生，副教授，主要從事風險管理、工業工程理論及應用研究；通訊作者 鄭飛(1988—)，男，碩士研究生，主要從事風險管理研究，E-mail:zhengfeiworld@163.com。

劉洪偉，鄭飛，蔡亞敏.基于熵權法的機場運行風險評價[J].重慶理工大學學報(自然科學版)，2016(11):177-184.

format：LIU Hong-wei, ZHENG Fei, CAI Ya-min.Risk Assessment of the Airport Operation Based on Entropy Weight[J].Journal of Chongqing University of Technology(Natural Science)，2016(11):177-184.

10.3969/j.issn.1674-8425(z).2016.11.029

O21

A

1674-8425(2016)11-0177-08