基于系統動力學的尾流遭遇人—管系統風險分析*

江艷軍 鄭思睿 潘衛軍

（1.中國民用航空華北地區空中交通管理局 北京 100020）（2.中國民用航空飛行學院 廣漢 618300）

1 引言

航空器飛行過程中，若后方飛機誤入前機的尾流中，極可能發生事故，尾流事故的頻發為我們敲響警鐘。分析近二十年發生的重大尾流事故后可知，造成尾流事故發生的影響因素眾多復雜，涉及到系統中人—機—環—管各個方面。

目前國內外學者的針對尾流的相關研究大多側重于尾流的理論模型及仿真，如數值模擬探究航空器尾流發展消散全過程的動態變化［1～6］；基于航空器性能，探究后機遭遇前方航空器尾流后的風險指標的選取以及基于計算機不同算法探究如何提升檢測尾流的精度［7～12］。但是影響飛機遭遇尾流事件的發生的影響因素涉及人—機—環—管各個方面。而在如今國內外的尾流研究中沒有從宏觀系統層面對于此問題進行探究，因此無法獲知外界條件如管理政策、人的不安全狀態等要素及其中的動態復雜的非線性交互作用對于尾流事故風險系統的影響。

根據陳芳、潘衛軍等學者已有研究表明，人的行為偏差是導致尾流事故發生的關鍵因素［13～14］，而組織管理的不完善是造成人不正當行為的最深層原因，且尾流事故風險系統中各風險要素是相互影響、耦合演變的，互存在因果關系。系統動力學（SD）可基于宏觀角度，考慮系統的延遲問題，全面描述相關系統的行為及特征，針對具有反饋機制和動態內部結構的復雜開放系統進行風險建模，繼而可對系統中要素進行有效控制［16～17］。本研究中的尾流事故的人—管系統涉及培訓教育、規章制度完善性等，不同的要素間內含不同的因果關系以及反饋關系，且遲延一段周期后，部分要素作用成效的方可呈現，故可采用系統動力學對該問題進行建模分析。

因此，為探究尾流事故風險系統中導致人行為偏差的影響要素間因果關系、反饋結構以及演化機理，本文采用Vensim軟件首次將系統動學應用于尾流遭遇系統的研究中，仿真分析尾流事故風險水平系統中的人—管耦合子系統，改變不同的政策變量大小，分析不同情況下該模型風險的改變，有助于管理者安全管理政策的制定與實施。

2 尾流遭遇風險系統因果關系構建與分析

2.1 情景假設

本文將尾流事故風險系統劃分為兩大子系統：管制員—管理子系統、飛行員—管理子系統，并對所構建的系統作出如下假設。

假設1：基于系統的最初時刻狀態對風險進行模擬仿真分析，在本文中的仿真周期內各因素之間相互作用僅探究該模型內的已知變量，而不探究意外情況等不可控因素。

假設2：以專家訪談手段量化對所構建的系統模型中常量、軟變量，如企業的安全監督檢查程度等，且在針對不同變量的仿真分析中，僅對該變量進行調節，其他參數保持不變。

假設3：對尾流事故進行分析后，本研究以管制員及飛行員為兩分析主體，不針對航空器運行過程中涉及的其他人員作以分析。

2.2 因果關系表示

經由專家訪談后利用Vensim軟件以尾流事故風險水平為核心，繪制管制偏差子系統和飛行員差錯風險子系統的因果關系圖，兩者共同構成了尾流事故動態風險分析的人-管子系統，構建出完整的尾流事故形成機理的因果關系圖，如圖1所示。

圖1 尾流事故風險因果關系圖

3 系統動力學模型構建

3.1 系統動態流圖及參數方程

在構建因果關系模型的基礎上，對各變量的類型進行劃分，構建系統動力學流存量圖，通過數據資料收集、調研訪談數據處理、系統動力學特有的方程等確定各變量間關系方程和參數用以對各變量進行定量化的描述，模擬仿真得到尾流事故風險水平的變化規律，模型內主要計算方程如下：其中涉及變量類別有狀態變量（Z）、速率變量（V）、輔助變量（F）、常量（C）。

3.2 模型檢驗

3.2.1 結構檢驗及量綱檢驗

本檢驗用以驗證構建的計算方程、單位、邏輯的正確性。檢驗結果如圖3所示，可知本文所構建的尾流事故風險水平系統動力學模型通過了相關檢驗。

圖2 尾流事故風險水平系統動力學仿真模型

圖3 模型檢驗結果

3.2.2 靈敏度測試

該測試由隨機函數分析出各要素對整體風險水平的敏感性，其中模擬仿真圖中帶寬帶寬的大小與其敏感性成正比關系。本文的尾流事故風險分析對管制員的培訓時間（T）、管制單位安全制度規章健全性（M）以及管制單位相關管理者安全態度（N）加以分析，設定數值M=0.83、T=4周，兩數值分別在0.73～0.93、3～5間均勻分布；設定N為隨機函數，隨機變動于0.65～0.95內，靈敏度測試如圖4。

圖4 靈敏度檢驗結果

表1 模型典型變量計算方程

根據圖4，易知本研究中所選取的三參數的帶寬以及敏感度排序均顯示為50%-100%依次增加，且各參數的仿真結果不會隨著仿真時長的增加而變化，故所選取的三參數的具有恰當性。不同參數對于尾流事故風險水平的影響程度的具有不同仿真結果，經對比，可知三者中參數N具有最大影響。

3.3 模型仿真結果

本研究選取如下三個狀態變量尾流事故風險水平（A1）、飛行員差錯風險水平（A2）、管制偏差風險水平（A3）分別進行模擬仿真，利用VENSIM軟件設置模擬周期為12個月，結果如圖5。

圖5 模型仿真結果

顯然，在當前的運行模式下，A1、A2、A3三參數的風險水平分別在7月、8月、6月呈現平穩態勢，A1風險水平總體和A2保持一致，易知A2風險水平的降低對于整體系統安全性的提升具有重要影響。

4 政策干預分析

4.1 飛行員差錯風險水平

本部分研究結合專家訪談選取3個參數：安全管理水平（W3）、飛行員培訓時間（W2）、飛行經驗（W1），設置不同方案進行干預措施模擬，在不同方案中將影響因素增加10%，用以辨析不同參數的改變對于風險水平變化的影響，方案如下。

方案一：W1；方案二：W2；方案三：W3；方案四：W1、W2、W3；CURRENT：對照組。仿真如圖6。

圖6 飛行員差錯風險水平政策干預仿真圖

由圖7可知，方案四、三、一、二、CURRENT風險水平依次增加，易知單一參數W3至關重要，但是方案四中三參數的結合，不同舉措的綜合使用的可最有效提升系統安全性。

4.2 管制偏差風險水平

本部分研究結合專家訪談選取3個參數：安全制度規章健全性（V3）、管理者安全態度（V2）、管制員培訓時間（V1），設置不同方案進行干預措施模擬，在不同方案中將影響因素增加10%，用以辨析不同參數的改變對于風險水平變化的影響，方案如下：

方案一：V1；方案二：V2；方案三：V3；方案四：V1、V2、V3，CURRENT：對照組。仿真結果如圖7。

圖7 管制偏差風險水平政策干預仿真圖

由圖7可知，方案四、二、三、一、CURRENT風險水平依次增加，易知單一參數V2至關重要，但是方案四中三參數的結合，不同舉措的綜合使用的可最有效提升系統安全性。

4.3 尾流事故風險水平

選取對前述兩子系統中對自身影響最大的方案四中的影響要素，分別作為尾流事故風險政策分析中的方案一及方案二，方案三為二者之和，即方案制定如下：

方案一：V1、V2、V3；方案二：W1、W2、W3；方案三：V1、V2、V3、W1、W2、W3；CURRENT：對照組。在不同方案中將影響因素增加10%，結果如圖8。

圖8 尾流事故風險水平政策干預仿真圖

對圖8中模擬仿真數值歸納匯總如表2。

表2 尾流事故風險變化量

綜上，方案一中尾流風險水平降低了3.38%、方案二降低了5.52%、方案三降低了9.51%，本研究中方案三降低的風險水平大于前兩者之和，證明了尾流事故風險系統中各影響因素存在非線性的復雜動態作用。

5 結語

本研究基于系統動力學，從系統層面出發，利用VENSIM軟件，分析各各影響要素之間的影響路徑，繪制因果關系圖，基于專家打分、文獻資料擬定各要素間關系方程，繪制系統動態流圖。

仿真分析不同參數的變化對于系統安全性的影響，研究表明在等量的要素變化下，飛行員差錯風險系統使整體風險水平降低5.52%、管制偏差風險系統使整體風險水平降低了降低了3.38%，二者同時加以干預，整體系統的風險水平降低9.51%，即不同要素間存在協同作用，采用不同管理措施的組合可更為有效的提升整體系統的安全性。