基于中介真值程度度量的航班起飛風險評估方法

謝華，朱學華，劉繼新，陳海燕

（1.南京航空航天大學，民航學院，南京 211106；2.南京航空航天大學，計算機科學與技術學院，南京 211106）

0 引 言

航空公司的安全隱患廣泛存在于各個運行過程中，例如航班放行、機務維修、裝載配平等各個環節，而每個環節又都具有自己所屬專業特點的生產要素、組織結構和業務流程，任何一個環節或流程上的失誤都有可能引起不安全事件的發生。鑒于航班起飛風險因素的復雜多樣且關系不明，僅憑管理經驗已經無法做出正確的風險評估，這就需要運用專門的方法根據航班起飛數據做出綜合評估，為風險管理提供決策支持。

當前在民航領域主要應用的風險評估工具有兩類：第一類是定性方法，例如ICAO在《Safety Management Manual》[1]中提出的依靠經驗分析的風險評估方法；第二類是量化方法，主要包括灰色系統及ANN（Artificial Neural Network）等方法。2013年，Chang Y H等人通過問卷調查方法采集了臺灣航空公司的數據，利用AHP方法對與跑道入侵相關的人為因素進行了風險評估[2]。2014年，李蕊等人以航班運行多因素分析為基礎，運用事故樹分析和基元分析法對航班運行中的潛在風險進行了分析與評估，構建了一種多層次、多結構、多目標的航班安全風險評價模型[3]。2016年，Skorupski J等人基于模糊集合論和事故樹方法，對民航事故征候轉變成事故的概率進行了評估[4]。同年，王巖韜等人采用基于事故樹的貝葉斯網絡分析方法，對航班運行不安全事件發生概率進行了評估[5]。2017年，Kokangül A等人研究了風險評估中AHP方法與Fine Kinney方法之間的聯系，并基于這兩種方法提出了一種新的風險評估手段，利用該新方法可以評估風險的等級、種類和可接受程度[6]。

綜合評估方法即對多層次、多特征、多指標架構表述的目標做出全方位、多角度的評價。航班起飛風險評估是一種典型的綜合評估問題，常用的綜合評估方法主要包括：專家評價法、加權平均法、TOPSIS方法等[7]。上述評價工具能夠評估多層級、多指標、非靜態的目標，但需要準確地描述評價目標，一旦評價目標具有模糊性或不確定性等特征，上述評價工具將無法獲得準確的評估值。此時，需要利用模糊綜合評估方法[8]處理該類問題。航班起飛風險評估是對所有影響航班起飛安全的因素進行全局性、整體性評估，其評價對象具備可確定性，但影響因子的風險值又具備一定模糊性，因此適合采用模糊綜合評估方法進行評估。

本文將研究一種基于中介理論的綜合評估方法，基于該方法對航班起飛風險進行模糊綜合評估。中介真值程度度量的原理是將兩端弱化，突出過渡，著重評價中間的模糊中介狀態，同時兼顧兩端的狀態。因此，該方法不僅擁有一般模糊綜合評估方法擁有的優點，即能夠對評估因素間的不確定性進行模糊處理，還能夠綜合考慮到評估因素中的否定信息，這是其他主觀評估法所欠缺的考慮。

1 航班起飛風險指標體系構建

任何綜合評估方法都是基于被評價對象的評估指標體系進行的，因此，在進行航班起飛風險評估前必須要研究分析影響航班起飛安全的各種因素，并建立相應的指標體系。本文主要從“人”、“機”、“環”三個方面入手，分析航班運行過程中的起飛階段，主要包括航空器、機組和環境等方面，其中機組部分指標樹見圖1，航班起飛風險總指標架構見圖2。

圖1 航班起飛風險“機組”部分指標體系Fig.1 Crew index system of flight departure risk

圖2 航班起飛風險指標體系Fig.2 Index system of flight departure risk

2 中介真值程度度量理論

20世紀60年代，模糊集合（Fuzzy Sets）在數學領域出現，模糊領域的相關問題逐漸出現有效的處理方法。1985年，肖奚安等建立了中介邏輯系統（Medium Logic System，MLS）[9]。之后，另一位數學專家洪龍又對中介邏輯系統進行了更加深入的研究，提出了如何構建距離比函數和度量中介真值程度的方法[10]。關于中介真值程度度量的理論概述如下：

定義1 謂詞表示某一概念或性質，以P表示；P（x）表示某一元素x完全具有性質P；?P表示P反對對立面。若元素x既具備特征P，又具備特征?P，則稱x具備～P性質，且稱～P為P和?P的中介謂詞。符號+表示“更”這一超態概念，+P比P更加P，?+P表示比?P更加?P[9-12]。

定義2d為a、b間的距離，一維歐式距離表示為：

定義3X為非空集合，映射:n fX→R是集合X的n維數值化映射。對于x∈X，子集T?Rn和F?Rn滿足：f(x)∈T?P(x)及f(x)∈F??P(x)，則稱T是P的真數值區域，F是P的假數值區域[9-12]。若謂詞P的真值區域是則稱α為P的ε標準度。

謂詞和數值區域的關系見圖3，相對于P的距離比函數hT：f（X）→R見式（1）。

若假數值區域在真數值區域兩邊，謂詞和數值區域的關系見圖4，相對于Q的距離比函數hT：f（X）→R見式（2）[9-13]。

圖3 數值區域與謂詞的對應關系Fig.3 Relationship between the numeric ranges and predicates

圖4 假數值區域位于真數值區域兩側時，數值區域與謂詞的對應關系Fig.4 Relationship between the numeric ranges and predicates when false values are on the sides of the true value ranges

3 基于中介真值程度度量的航班起飛風險評估

3.1 基本思想

基于中介理論的航班起飛風險評估的基本思想[13]是在對航班進行綜合評估時，將風險“高”與“低”作為對立的謂詞。首先，針對單個指標得出待評估航班中風險“高”與“低”的度量值，作為這一對謂詞的標準度；接著，引入距離比函數，計算得出此指標下待評估航班相對于風險“高”的真值程度；進一步結合各風險指標的權值系數即可得到整個指標體系下待評估航班風險相對于“高”的真值程度。真值程度越高，表示該評估航班風險值越“高”，反之其風險值則越“低”。

3.2 基本步驟

通常，在采用基于中介理論的綜合評估方法對評估對象進行評估時，可以分為下面5個步驟[13]：

步驟一 確定初始指標決策矩陣。

設待評價目標集V=｛v1,v2,…,vm｝和指標體系集U=｛u1,u2,…,un｝，用U中的各個指標對V中的各個評價對象進行度量，得出初始決策矩陣X=（xij）m×n。其中，m為待評估對象數，n為指標數。xij表示用第j個指標度量第i個對象的值。

步驟二 確定標準化矩陣。

將矩陣X=（xij）m×n標準化，所得矩陣記為Y=(yij)m×n。本文定義矩陣的標準化方法如下：

（1）對于效益型指標：

（2）對于成本型指標：

（3）對于固定值最優指標：

式中，β為固定值。

步驟三 確定中介模糊評判矩陣。

計算得出中介模糊評判矩陣R=（rij）m×n，rij為評價對象vi用指標uj評價時風險值相對于“高”的真值程度。本文依據uj的指標類型，選取恰當的參數與距離比函數計算指標的真值程度，在此基礎上構建中介評估矩陣。本文取αF（j）=5，突出風險值在1～5之間為低風險；取αT（j）=8，突出風險值介于8～10之間為高風險。取εF（j）=εT（j）=0.5。

步驟四 確定指標權重系數。

選擇合適的權重設定技術度量風險指標的權重系數，記為W=｛w1,w2,…,wn｝。度量權值的算法多種多樣，一般分為主觀方法和客觀方法兩大類，常用的有AHP和熵權法，分別是主客觀賦權的代表。

步驟五 確定最終綜合評估值。

將步驟四中得到的權重系數集W=｛w1,w2, …,wn｝和步驟三中得到的中介模糊評判矩陣R進行加權處理，得到最終的綜合評價結果D=｛d1,d2, …,dm｝ 。

通過以上五步的計算，即可得到待評估航班起飛風險的綜合評估值。

4 評估實驗與結果分析

4.1 數據準備

根據航班起飛風險指標體系中的因素，采集與航班離場運行有關的各部門相關數據，結合各部門現有的不安全事件數據，建立相應的航班起飛風險數據庫。依據航空規章、公司運行手冊、制造廠商安全手冊以及相關專家的意見，同時結合SMS典型案例，對風險因素等級進行劃分，建立風險指標的量化分類標準，為采用中介方法評估航班起飛風險值提供數據支撐。實驗選取了我國華東某機場日常的航班運行數據，按上述要求對原始數據進行分級和歸一化處理得到可用的數據集。限于篇幅，表1展示了其中的2條運行數據。

表1 航班起飛運行數據Tab.1 Flight departure operation data

4.2 航班起飛風險綜合評估

以航班號MU586的航班為例，選取“機組—機組經驗能力—副駕駛經驗能力”的子指標樹描述實驗過程，子指標樹見圖1。

第一步 根據表1中的數據確定初始風險值，見表2。

表2 底層指標風險值Tab.2 Risk values of the basic index

第二步 根據初始風險值，結合上文所述中介邏輯的相關理論與算法，確定中介真值程度度量值。

本文規定風險值在1～5之間為“可接受風險”；風險值在5～8之間為“緩解后可接受風險”；風險值大于8為“不可接受風險”。對應中介真值程度小于0表示風險值較低，隸屬于“可接受風險”范疇；在0～1之間隸屬于“緩解后可接受風險”范疇；大于1隸屬于“不可接受風險”范疇。因此，本文取αF（j）=5，突出風險值介于1～5之間為低風險；取αT（j）=8，突出風險值介于8～10之間為高風險，5～8介于高風險與低風險之間。取εT（j）=εF（j）=0.5，副駕駛經驗能力子指標樹的底層指標中介真值計算結果見表3。

表3 副駕駛經驗能力底層指標中介真值度量值Tab.3 Measure of medium truth degree of the copilot’s basic experience

第三步 本文選擇熵權法度量權值。

熵值可以用來度量系統的不確定程度[14]。熵權法是客觀賦權法中的一種，該方法基于被評估系統中每個指標所攜帶的信息熵來計算權值，可以有效地減少主觀性帶來的誤差[15]。副駕駛經驗能力子指標樹的底層指標權值見表4。

表4 副駕駛經驗能力底層指標權重Tab.4 Weights of the copilot’s basic experience

第四步 進行綜合評估。

根據本文所述的基于中介理論的模糊綜合評估方法，從最底層開始進行評估，把下層的評價結果視為對上層因素的評估集，組成上層因素的評估矩陣，進而對上層進行評估，直至評估到頂層目標結束。副駕駛經驗能力指標的最終評估值見表5。從指標樹中可以看出，副駕駛經驗能力的綜合評估值為-1.100，隸屬于“可接受風險”范疇。

表5 副駕駛經驗能力最終評估結果Tab.5 Evaluation of the copilot’s experience

完整的航班起飛風險評估值如表6、7、8、9所示。基于中介理論的航班起飛風險評估最終結果為-0.985，結果值小于0，隸屬于“可接受風險”，因此航班號為MU586的航班的起飛風險度為“可接受的”。

表6 “機組”子指標樹綜合評估結果Tab.6 Comprehensive evaluation of the crew

續表6

表7 “環境”子指標樹綜合評估結果Tab.7 Comprehensive evaluation of the environment

表8 “飛機”子指標樹綜合評估結果Tab.8 Comprehensive evaluation of the aircraft

表9 航班起飛風險綜合評估結果Tab.9 Comprehensive evaluation of the flight departure risk

為了驗證實驗結果的有效性，本文另外采用較為常見的熵權層次分析法對該指標樹進行了評估，最后的評估結果為1.965。根據上文所述的打分規則，介于1～5，評估結果為此航班的風險度為“可接受的”，驗證了本文所研究方法的有效性。

5 總 結

本文基于中介邏輯理論，研究了一種新的航班起飛風險評估方法。該方法考慮到了傳統評估方法打分的模糊性，構建了中介真值程度度量值，極大程度地體現了評估結果的模糊性。基于中介理論的模糊綜合評估方法，其評估方式與人的思維模式接近，利用程度語言謂詞來描述對象，采用定性與定量相結合的評估過程，特別適合解決既具有模糊性、隨機性，又具有可確定性的實際問題。實驗結果表明，中介方法能夠基于日常的航班離場運行基礎數據，對航班起飛風險進行準確有效地評估，評估結果能夠為航空公司安全管理部門評估航班起飛風險提供一定的參考。因此，基于中介真值程度度量的風險評估方法為航空公司運控部門評估航班起飛風險提供了一種新的選擇，具有一定的實際意義。

[1] I CAO, Safety management manual（Doc 9859 AN/474）[M]. Montreal: International Civil Aviation Organization,2009.

[2] CHANG Y H，WONG K M. Human risk factors associated with runway incursions[J]. Journal of Air Transport Management，2012，24（24）：25–30.

[3] 王巖韜，李蕊，盧飛，等. 基于多因素分析的航班運行風險評估體系[J]. 天津工業大學學報，2014，33（3）：84-88.

[4] LOWER M，MAGOTT J，SKORUPSKI J. Analysis of air traffic incidents using event trees with fuzzy probabilities[J].Fuzzy Sets & Systems，2016，293：50-79.

[5] 王巖韜，李蕊，盧飛，等. 基于運行數據的航班運行關鍵風險因素推斷[J]. 交通運輸系統工程與信息，2016，16（1）：182-188.

[6] KOKANGüL A，POLAT U，DA?SUYU C. A new approximation for risk assessment using the AHP and fine kinney methodologies[J]. Safety Science，2017，91：24-32.

[7] 張利，彭建芬，杜宇鴿，等. 信息安全風險評估的綜合評估方法綜述[J]. 清華大學學報：自然科學版，2012，52（10）：1364-1369.

[8] 胡浩林，劉毅超. 基于運行速度的高速公路安全性評價研究[J]. 交通運輸工程與信息學報，2016，14（4）：30-35.

[9] 肖奚安，朱梧槚. 中介邏輯的命題演算系統（Ⅲ）[J]. 自然雜志，1985，8（6）：457-466.

[10] 洪龍，肖溪安，朱梧槚. 中介真值程度的度量及其應用（I）[J]. 計算機學報，2006，29（12）：2186-2194.

[11] 周寧寧，洪龍. 基于中介真值程度度量處理圖像的應用理論研究[J]. 南京郵電大學學報：自然科學版，2010，30（3）：21-27.

[12] 洪龍，肖奚安，朱梧槚. 中介真值程度的度量及其應用（II）[J]. 計算機學報，2007，30（9）：1551-1558.

[13] 徐文華，陳海燕，張育平，等. 一種基于中介真值程度度量的模糊綜合評價方法[J]. 計算機科學，2016，43（2）：204-209.

[14] ZHAO G J. Research on mine enterprise's safety risk management based on entropy theory[J]. China Safety Science Journal，2012，22（3）：73-78.

[15] 王潤孝，張近樂. 熵權分析法在大學出版社經營風險評估中的應用[J]. 蘭州大學學報：社會科學版，2010，38（1）：20-24.