因天氣影響的航空器繞飛管制安全評估及策略分析

康瑞, 李凌海, 牟睿聆, 周裕川

(中國民用航空飛行學院空中交通管理學院, 廣漢 618307)

航空器的繞飛是空中交通管制的重要環節,同時也是目前區域、進近管制范圍內應對天氣影響的常用方法。據統計數據,2021年,中國客運航空公司不正常航班45.45萬班次,平均航班不正常率為12.00%,其中,天氣原因占到全部不正常航班的59.56%[1]。航空器在特殊情況下不能沿預定航路飛行,需要根據當前飛行環境進行繞飛,使航空器避開威脅區域,影響了正常管制指揮預案的實施,增加了管制指揮難度和壓力,容易引起管制原因“錯忘漏”事件,甚至導致事故發生,造成巨大的損失。因此剖析在繞飛情況下發生管制指揮事故的各影響因素并降低繞飛時的管制運行風險是目前面臨的重要課題。

近年來,相關研究成果集中在對空管體系安全性的評估。Shorrock等[2]利用回溯性分析技術(technique for the retrospective and predictive analysis of cognitive errors, TRACEr)分析了空中交通管制運行中的人為錯誤行為。Vismari等[3]首次提出流體隨機Petri網(fluid stochastic petri nets,FSPN)的空管系統安全評價方法。Matsuoka[4]針對管制運行過程構建出結構化危險分析模型,分析了管制運行風險源與危害嚴重程度的關系。姚登凱等[5]采用模糊Petri網的方法,引入層次分析法和風險等級閾值,建立了空管安全風險評價體系。韓鵬等[6]采用基于事故樹的貝葉斯網絡風險評估建模方法,推演出空管對航空器適航試飛活動不安全事件的主要誘因。張豫翔等[7]在模糊層次分析法的基礎之上,結合云模型,對非常規情況下的空管運行進行了風險評估。袁丁等[8]提出一種將證據理論引入空管安全評價的方法,顯著提升空管安全評價的工作效率和準確性。王潔寧等[9]引入系統動力學方法實現了對空管安全績效的預測分析。陳芳等[10]將系統理論事故模型和過程(systems-theoretic accident model and process,STAMP)與人因分析和分類系統(human factory analysis and classification system,HFACS)相結合,構建了空中危險接近中空管風險因素的分析框架。廖勇[11]引入概率論將風險評估結果進行概率化表示,提高了空管風險評估結果的可靠性。張俊強等[12]針對危險天氣條件下的終端區管制系統,提出基于風險信息熵的風險評估模型。吳維等[13]構建系統動力學模型,找出進近管制運行風險形成的動力學機理并制定風險管控措施。梁海軍等[14]提出基于遷移學習的DCNN(deep convolutional neural network)眼部狀態識別模型,以測定管制員疲勞狀態。袁樂平等[15]為提升空管安全水平,使用 E-prime模擬管制員陸空通話場景,分析了陸空通話對管制員監聽差錯的影響。孔建國等[16]以空域的最小單位扇區為基礎,構建復雜網絡模型,對現存管制空域的結構特性與面對多種實際情況下的抗毀性進行分析。

目前相關文獻主要存在的問題有:①對正常運行下的管制指揮安全評估和危險源識別研究較多,對受惡劣天氣影響等非正常情況下的管制運行安全管理研究較少;②傳統空管不安全事件危險源中人因分析往往集中于管制員指揮作業和技能水平上,忽略了管制團隊的業務分工引發的危險源變更,以及應急處置下的管制任務變化對運行安全的影響。而在實際管制過程中,非正常情況下的人員組織、流量分布、指揮方案與日常情況差距較大。在這種情況下,管制帶班主任作為現場運行的組織管理者,在管制運行中發揮著極其重要的作用。

針對上述問題,現利用事故樹-層次分析模型對航空器在繞飛情況下的空中交通管制指揮進行風險評估,并提出相應的風險管控措施,邀請專家結合所提出的管控措施,對繞飛指揮事故的基本事件重新評議后,增加5個并刪除3個基本事件,最后調整繞飛管制指揮事故樹的結構,驗證風險管控措施的有效性,以彌補當前研究的不足。

1 傳統繞飛管制指揮的FTA-AHP模型

1.1 FTA-AHP評價模型

事故樹-層次分析模型[17-19]是將事故樹分析法(fault tree analy-sis,FTA)與層次分析法(analytic hierarchy process,AHP)結合起來,通過量化計算、評估每個危險因素的危險程度的過程,其方法分析思路步驟如下。

(1)對事故發生的原因進行逐層分析,建立事故樹模型。

(2)計算各基本事件的結構重要度。

(3)建立層次分析模型,計算準則層中間事件、指標層基本事件判別因子。

(4)構造判別矩陣,計算各指標的權重。

(5)將基本事件權重對目標層的影響程度排序。

1.2 建立傳統繞飛管制指揮FTA模型

根據專家評議篩選并確定出5個繞飛情況下管制指揮事故的主要指標,將其作為事故樹中間事件,在此基礎之上,進一步匯總整理出導致事故發生的二、三級指標,得到事故樹的其他中間事件及基本事件。所建繞飛管制指揮事故的致因事故樹如圖1所示,其中事故樹基本事件的符號如表1所示。

表1 繞飛管制指揮事故樹的事件及含義Table 1 Event and meaning of fly-around control command accident FTA

圖1 繞飛管制指揮事故樹Fig.1 Faulttree of fly-around control command accident

1.2.1 計算最小割集

割集指事故樹中某些基本事件的集合,當這些事件都發生時,頂上事件必然發生。致使頂上事件發生的最低限度的基本事件集合稱為最小割集。最小割集表示系統的危險性,研究最小割集是為了探查系統發生事故的規律和表現形式,暴露系統中最為薄弱的環節[20]。

通過布爾代數規則列出事故樹的結構函數。

(1)

式(1)中:T為頂上事件;Ai為中間事件;n為中間事件的數量;ei為與門和或門;m表示共有m個與門和或門;Xi與Xj指各基本事件,其中,i,j=1,2,…,39。其結構函數化簡為

T=A1+A2+A3+A4+A5=X1X2+X3X4+
X5+X6+X7X8+X9X10+X11+X29X30X31+
X25X26X27X28+X12+X13+X14+
X35X36X37X38X39+X21X22X23X24+X15+
X16X17X18X19+X16X17X18X20+X32X33X34

(2)

通過計算可得,所建事故樹的最小割集共有18個,如表2所示。

表2 事故樹的最小割集Table 2 Minimum cut set ofthe fault tree

1.2.2 計算基本事件的結構重要度

結構重要度分析是在不考慮各個基本事件的發生概率或認為在各個基本事件發生概率相等的情況下,解析各個基本事件對頂上事件的影響程度,即從事故樹結構上剖析每一個基本事件的重要程度[21]。可依據式(3)近似判斷其結構重要度。

(3)

式(3)中:ni為第i個基本事件所在最小割集Gi的基本事件總數;Iφ(i)為基本事件Xi結構重要度的近似值。計算的結構重要度如表3所示。

表3 基本事件的結構重要度Table 3 Structural importance of basic events

1.3 建立傳統繞飛管制指揮AHP模型

依據建立的繞飛管制指揮事故的事故樹建立管制指揮事故層次分析模型,將事故樹頂上事件作目標層,中間事件作為準則層,基本事件作指標層,具體如表4所示。

表4 繞飛管制指揮AHP模型Table 4 AHP model of fly-around control command

(1)計算基本層判別因子。計算出基本事件結構重要度分母的最小公倍數λ,則各基本事件的判別因子為

εi=λI(φi)

(4)

式(4)中:εi為基本事件判別因子;I(φi)為基本事件結構重要度的近似值,計算結果如表5所示。

表5 基本層事件判別因子Table 5 Discriminant factors of basic level events

(2)計算準則層判別因子。假設評價體系準則層存在一個評價指標ai,則準則層事件的判別因子為所包含的各個基本指標的判別因子之和,結果如表6所示。

表6 準則層事件判別因子Table 6 Discriminant factors of the criterion level events

(5)

(3)構造比較矩陣。將中間準則層的判別因子兩兩作比即可獲得準則層的比較矩陣,計算結果如表7所示。

表7 準則層比較矩陣Table 7 Comparison matrix of criterion layer

類似地,將各個準則層對應的指標層的判斷因子兩兩作比可以確定評價體系中各指標層的比較矩陣。

(4)評價指標重要性分析。對準則層和指標層的比較矩陣進行一致性檢驗,矩陣的一致性檢驗結果:一致性指標CI<0.1、一致性比率CR<0.1,均通過了一致性檢驗,對各個準則層、指標層的評價指標計算其權重,計算結果如表8所示。

表8 各指標權重Table 8 Weights of each index

將計算得到的各評價指標的綜合權重排序得

X5=X6=X11=X12=X13=X14=X15>X1=X2=X3=X4>X7=X8=X9=X10>X16=X17=X18=X29=X30=X31=X32=X33=X34>X19=X20=X21=X22=X23=X24=X25=X26=X27=X28>X35=X36=X37=X38=X39。

2 傳統管制方式的風險評估及安全管理對策

2.1 因素分析

通過對39個基本事件權重的計算,可以得出在傳統管制方式下致使繞飛指揮事故發生的基本事件的重要程度,基本事件的權重越大,其對發生頂上事件的影響程度越高。根據圖2可知,準則層各事件權重最高的是A2其次是A1,說明扇區的運行能力是在繞飛管制指揮事故發生的5個維度中最主要的因素,同時空域條件的好壞也對繞飛管制指揮存在重要影響。由圖3所示,各基本事件總權重最高的是X5、X6、X11、X1、X13、X14、X15,可以得出雷雨、風切變、管制場景復雜、航空器偏離計劃航路、成熟管制員人數不足、預案頻繁發生變化和扇區流量大是造成繞飛下管制指揮事故發生的重要因素。其次,X1、X2、X3、X4、X7、X8、X9、X10事件僅次于前7個綜合權重值為0.067 5的事件,表明了高空急流、晴空亂流、降雪、霧、航空器改變移交位置、修改航路計劃、與周邊管制區協調繞飛和與軍方協調繞飛都十分關鍵。

圖2 傳統繞飛管制指揮準則層的評估結果Fig.2 Results of the evaluation of thetraditional fly-around command guideline layer

圖3 傳統繞飛管制指揮基本層的評估結果Fig.3 Results of the evaluation of the traditional fly-around command basic layer

2.2 管控措施

對以上在傳統繞飛管制指揮下致使事故發生的定性分析,通過確定造成指揮事故的各要素之間的關系,找出其薄弱環節,并據此提出相應防治對策,從而降低事故的風險。結合相關研究,提出如下具體管控措施。

(1)扇區運行管理工作:①做好流量管理工作,組織管制員開放扇區進行分流、發布流量限制、加強各扇區流量的預測,防止扇區超負荷運行;②做好人員值班安排工作,應及時指派人員到超能力運行扇區進行監控或協助監控協調席位進行移交、協調;③做好預案準備工作,針對可能出現的繞飛情況做好充分預案,避免因預案頻繁發生而引發不安全事件。

(2)極端天氣的管制運行:①適當擴大間隔的應用,以垂直間隔為主水平間隔為輔;②盡量為正相對飛行的航班配備600 m以上垂直間隔,留出足夠調配余地;③根據天氣預報、實況和氣象雷達觀測等資料,主動了解天氣情況以及未來趨勢;④根據航空器駕駛員主動報告或主動詢問了解天氣情況。

3 加入管控措施后的繞飛指揮FTA-AHP模型

3.1 實例應用

以長沙區域管制空域作為分析對象,邀請經驗豐富的管制員、管制帶班主任及高校研究人員,結合本文所提的管控措施,對繞飛管制指揮事故的基本事件進行重新評估。經過專家評議,加入新的基本事件X40航空器間隔裕度不足、X41未提前掌握天氣狀況、X42未開放扇區進行分流、X43未發布流量限制和X44未及時協助超能力扇區,刪除基本事件X13成熟管制員人數不足、X14扇區流量大和X15預案頻繁發生變化,如表9所示。

表9 經過調整的基本事件Table 9 Adjusted Basic Events

3.2 建立加入管控措施后的繞飛指揮FTA模型

結合專家評議結果,對事故樹結構相應做出調整。由于在傳統處置情況下,扇區的運行能力受到限制,需要及時對單個扇區的流量進行流量控制以及對外協調,因此需要將X42、X43和X44加入A4中。鑒于針對極端天氣下的管制調配的完善,X40和X41也一并加入A4中。此外,在當前的運行環境下,已經能夠保證在崗擁有充足數量的熟練管制員,同時制訂了詳細的繞飛預案,故X13、X14和X15這些事件不會發生,便將其從A2中刪除。事故樹結構發生改變的環節如圖4所示。

圖4 結構發生改變的事故樹環節Fig.4 Fault tree links where the structure has changed

(1)計算最小割集。據式(1)列出事故樹的結構函數,化簡為T=A1+A2+A3+A4+A5=X1X2+X3X4+X5+X7X8+X32X33X34+X40X41+X29X30X31+X42+X16X17X18X20+X21X22X23X24+X9X10+X43+X44+X16X17X18X19+X35X36X37X38X39+X6X25X26X27X28+X11+X12。

通過計算可得,所建事故樹中發生改變的最小割集共有5個,如表10所示。

表10 發生改變的最小割集Table 10 Changed minimum cut set

(2)計算各基本事件的結構重要度。據式(3)

可算出其結構重要度,計算出發生改變的基本事件結構重要度如表11所示。

表11 發生改變的結構重要度Table 11 Changed structural importance of basic events

3.3 建立加入管控措施后的繞飛指揮AHP模型

依據加入管控措施后的繞飛管制指揮事故樹建立層次分析模型,具體如表12所示。

表12 加入管控措施后繞飛指揮AHP模型Table 12 AHP model of fly-around control command after adding control measures

(1)計算判別因子。根據式(3)和式(4)分別計算出基本層基本事件、準則層中間事件判別因子,計算結果如表13和表14所示。

表13 加入管控措施后基本層事件判別因子Table 13 Discriminant factors of basic level events after adding control measures

表14 加入管控措施后準則層判別因子Table 14 Discriminant factors of the criterion level after adding control measures

(2)構造判別矩陣。將準則層的判別因子兩兩作比獲得準則層的判別矩陣,如表15所示。

表15 加入管控措施后準則層判別矩陣Table 15 Comparison matrix of criterion layer after adding control measures

同理,可以將各個基本層的判斷因子兩兩作比以確定加入管控措施后各基本層的判別矩陣。

(3)評價指標重要性分析。計算基本事件權重對目標層的影響程度,結果如表16所示。

表16 加入管控措施后的各指標權重Table 16 Weights of each index after adding control measures

將各評價指標的綜合權重排序得:X5=X6=X11=X12>X42=X43=X44>X1=X2=X3=X4=X7=X8=X9=X10>X16=X17=X18=X29=X30=X31=X32=X33=X34>X19=X20=X21=X22=X23=X24=X25=X26=X27=X28>X35=X36=X37=X38=X39。

4 安全評價比較

圖5顯示了加入管控措施前后準則層各指標的權重對比,可以看出原本準則層中風險最高的扇區超能力運行和空域條件差的權重值分別由原本的0.472 6和0.27下降至0.253,管制員能力低的權重由0.084 4上升至0.332,說明管制員的業務水平替代空域狀況和扇區繁忙程度成為影響繞飛指揮事故發生的最主要因素。

圖5 準則層的評估結果對比Fig.5 Comparison of assessment results at the criterion level

如圖6所示,基本層中風險最高的基本事件雷雨、風切變、協調程序過于復雜和航空器偏離計劃航路的權重值均由0.067 5下降至0.063 3,風險次高的高空急流、晴空亂流、降雪、霧的權重值從0.033 8下降至0.031 6,得出通過加強扇區運行管理工作和極端天氣下的管制運行工作,成熟管制員人數不足、扇區流量大和預案頻繁發生變化的狀況已經得到解決,雖然雷雨、風切變、協調程序過于復雜和航空器偏離計劃航路依舊是導致事故的重要因素,但其重要程度下降了6.2%。

圖6 基本層的評估結果對比Fig.6 Comparison of assessment results at the basic level

5 結論

針對在傳統空管人為因素分析中,缺乏受惡劣天氣影響下的研究,以及存在忽視由于管制團隊的業務分工和管制任務變化對空管運行安全可能帶來影響的問題。本文研究關注航空器繞飛活動保障中的空中交通管理環節,首先通過FTA-AHP模型,從空域條件差、扇區超能力運行、情景意識喪失、管制員能力低和管制工作疲勞5個維度分析繞飛情況下管制指揮事故發生的主要因素;在此基礎之上,依據各指標的權重占比排序,提出了相對應的風險管控措施;邀請專家結合所提出的管控措施,對繞飛指揮事故的基本事件重新評估,根據專家評議結果調整事故樹的結構;最后計算并驗證所提管控措施的有效性,得到以下結論。

(1)本文所提管控措施有效降低了導致事故發生的基本事件的重要程度,從而達到提升繞飛管制指揮安全的目的。

(2)根據對比分析,雖然雷雨、風切變、協調程序過于復雜和航空器偏離計劃航路仍然是導致繞飛管制指揮事故的主要因素,但其重要程度下降了6.2%。

(3)加入管控措施后,成熟管制員人數不足、扇區流量大和預案頻繁發生變化的狀況得到有效解決。