基于中介真值程度度量的航班起飞风险评估方法

谢华，朱学华，刘继新，陈海燕

（1.南京航空航天大学，民航学院，南京 211106；2.南京航空航天大学，计算机科学与技术学院，南京 211106）

0 引 言

航空公司的安全隐患广泛存在于各个运行过程中，例如航班放行、机务维修、装载配平等各个环节，而每个环节又都具有自己所属专业特点的生产要素、组织结构和业务流程，任何一个环节或流程上的失误都有可能引起不安全事件的发生。鉴于航班起飞风险因素的复杂多样且关系不明，仅凭管理经验已经无法做出正确的风险评估，这就需要运用专门的方法根据航班起飞数据做出综合评估，为风险管理提供决策支持。

当前在民航领域主要应用的风险评估工具有两类：第一类是定性方法，例如ICAO在《Safety Management Manual》[1]中提出的依靠经验分析的风险评估方法；第二类是量化方法，主要包括灰色系统及ANN（Artificial Neural Network）等方法。2013年，Chang Y H等人通过问卷调查方法采集了台湾航空公司的数据，利用AHP方法对与跑道入侵相关的人为因素进行了风险评估[2]。2014年，李蕊等人以航班运行多因素分析为基础，运用事故树分析和基元分析法对航班运行中的潜在风险进行了分析与评估，构建了一种多层次、多结构、多目标的航班安全风险评价模型[3]。2016年，Skorupski J等人基于模糊集合论和事故树方法，对民航事故征候转变成事故的概率进行了评估[4]。同年，王岩韬等人采用基于事故树的贝叶斯网络分析方法，对航班运行不安全事件发生概率进行了评估[5]。2017年，Kokangül A等人研究了风险评估中AHP方法与Fine Kinney方法之间的联系，并基于这两种方法提出了一种新的风险评估手段，利用该新方法可以评估风险的等级、种类和可接受程度[6]。

综合评估方法即对多层次、多特征、多指标架构表述的目标做出全方位、多角度的评价。航班起飞风险评估是一种典型的综合评估问题，常用的综合评估方法主要包括：专家评价法、加权平均法、TOPSIS方法等[7]。上述评价工具能够评估多层级、多指标、非静态的目标，但需要准确地描述评价目标，一旦评价目标具有模糊性或不确定性等特征，上述评价工具将无法获得准确的评估值。此时，需要利用模糊综合评估方法[8]处理该类问题。航班起飞风险评估是对所有影响航班起飞安全的因素进行全局性、整体性评估，其评价对象具备可确定性，但影响因子的风险值又具备一定模糊性，因此适合采用模糊综合评估方法进行评估。

本文将研究一种基于中介理论的综合评估方法，基于该方法对航班起飞风险进行模糊综合评估。中介真值程度度量的原理是将两端弱化，突出过渡，着重评价中间的模糊中介状态，同时兼顾两端的状态。因此，该方法不仅拥有一般模糊综合评估方法拥有的优点，即能够对评估因素间的不确定性进行模糊处理，还能够综合考虑到评估因素中的否定信息，这是其他主观评估法所欠缺的考虑。

1 航班起飞风险指标体系构建

任何综合评估方法都是基于被评价对象的评估指标体系进行的，因此，在进行航班起飞风险评估前必须要研究分析影响航班起飞安全的各种因素，并建立相应的指标体系。本文主要从“人”、“机”、“环”三个方面入手，分析航班运行过程中的起飞阶段，主要包括航空器、机组和环境等方面，其中机组部分指标树见图1，航班起飞风险总指标架构见图2。

图1 航班起飞风险“机组”部分指标体系Fig.1 Crew index system of flight departure risk

图2 航班起飞风险指标体系Fig.2 Index system of flight departure risk

2 中介真值程度度量理论

20世纪60年代，模糊集合（Fuzzy Sets）在数学领域出现，模糊领域的相关问题逐渐出现有效的处理方法。1985年，肖奚安等建立了中介逻辑系统（Medium Logic System，MLS）[9]。之后，另一位数学专家洪龙又对中介逻辑系统进行了更加深入的研究，提出了如何构建距离比函数和度量中介真值程度的方法[10]。关于中介真值程度度量的理论概述如下：

定义1 谓词表示某一概念或性质，以P表示；P（x）表示某一元素x完全具有性质P；¬P表示P反对对立面。若元素x既具备特征P，又具备特征¬P，则称x具备～P性质，且称～P为P和¬P的中介谓词。符号+表示“更”这一超态概念，+P比P更加P，¬+P表示比¬P更加¬P[9-12]。

定义2d为a、b间的距离，一维欧式距离表示为：

定义3X为非空集合，映射:n fX→R是集合X的n维数值化映射。对于x∈X，子集T⊂Rn和F⊂Rn满足：f(x)∈T⇔P(x)及f(x)∈F⇔¬P(x)，则称T是P的真数值区域，F是P的假数值区域[9-12]。若谓词P的真值区域是则称α为P的ε标准度。

谓词和数值区域的关系见图3，相对于P的距离比函数hT：f（X）→R见式（1）。

若假数值区域在真数值区域两边，谓词和数值区域的关系见图4，相对于Q的距离比函数hT：f（X）→R见式（2）[9-13]。

图3 数值区域与谓词的对应关系Fig.3 Relationship between the numeric ranges and predicates

图4 假数值区域位于真数值区域两侧时，数值区域与谓词的对应关系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飞风险评估

3.1 基本思想

基于中介理论的航班起飞风险评估的基本思想[13]是在对航班进行综合评估时，将风险“高”与“低”作为对立的谓词。首先，针对单个指标得出待评估航班中风险“高”与“低”的度量值，作为这一对谓词的标准度；接着，引入距离比函数，计算得出此指标下待评估航班相对于风险“高”的真值程度；进一步结合各风险指标的权值系数即可得到整个指标体系下待评估航班风险相对于“高”的真值程度。真值程度越高，表示该评估航班风险值越“高”，反之其风险值则越“低”。

3.2 基本步骤

通常，在采用基于中介理论的综合评估方法对评估对象进行评估时，可以分为下面5个步骤[13]：

步骤一 确定初始指标决策矩阵。

设待评价目标集V=｛v1,v2,…,vm｝和指标体系集U=｛u1,u2,…,un｝，用U中的各个指标对V中的各个评价对象进行度量，得出初始决策矩阵X=（xij）m×n。其中，m为待评估对象数，n为指标数。xij表示用第j个指标度量第i个对象的值。

步骤二 确定标准化矩阵。

将矩阵X=（xij）m×n标准化，所得矩阵记为Y=(yij)m×n。本文定义矩阵的标准化方法如下：

（1）对于效益型指标：

（2）对于成本型指标：

（3）对于固定值最优指标：

式中，β为固定值。

步骤三 确定中介模糊评判矩阵。

计算得出中介模糊评判矩阵R=（rij）m×n，rij为评价对象vi用指标uj评价时风险值相对于“高”的真值程度。本文依据uj的指标类型，选取恰当的参数与距离比函数计算指标的真值程度，在此基础上构建中介评估矩阵。本文取αF（j）=5，突出风险值在1～5之间为低风险；取αT（j）=8，突出风险值介于8～10之间为高风险。取εF（j）=εT（j）=0.5。

步骤四 确定指标权重系数。

选择合适的权重设定技术度量风险指标的权重系数，记为W=｛w1,w2,…,wn｝。度量权值的算法多种多样，一般分为主观方法和客观方法两大类，常用的有AHP和熵权法，分别是主客观赋权的代表。

步骤五 确定最终综合评估值。

将步骤四中得到的权重系数集W=｛w1,w2, …,wn｝和步骤三中得到的中介模糊评判矩阵R进行加权处理，得到最终的综合评价结果D=｛d1,d2, …,dm｝ 。

通过以上五步的计算，即可得到待评估航班起飞风险的综合评估值。

4 评估实验与结果分析

4.1 数据准备

根据航班起飞风险指标体系中的因素，采集与航班离场运行有关的各部门相关数据，结合各部门现有的不安全事件数据，建立相应的航班起飞风险数据库。依据航空规章、公司运行手册、制造厂商安全手册以及相关专家的意见，同时结合SMS典型案例，对风险因素等级进行划分，建立风险指标的量化分类标准，为采用中介方法评估航班起飞风险值提供数据支撑。实验选取了我国华东某机场日常的航班运行数据，按上述要求对原始数据进行分级和归一化处理得到可用的数据集。限于篇幅，表1展示了其中的2条运行数据。

表1 航班起飞运行数据Tab.1 Flight departure operation data

4.2 航班起飞风险综合评估

以航班号MU586的航班为例，选取“机组—机组经验能力—副驾驶经验能力”的子指标树描述实验过程，子指标树见图1。

第一步 根据表1中的数据确定初始风险值，见表2。

表2 底层指标风险值Tab.2 Risk values of the basic index

第二步 根据初始风险值，结合上文所述中介逻辑的相关理论与算法，确定中介真值程度度量值。

本文规定风险值在1～5之间为“可接受风险”；风险值在5～8之间为“缓解后可接受风险”；风险值大于8为“不可接受风险”。对应中介真值程度小于0表示风险值较低，隶属于“可接受风险”范畴；在0～1之间隶属于“缓解后可接受风险”范畴；大于1隶属于“不可接受风险”范畴。因此，本文取αF（j）=5，突出风险值介于1～5之间为低风险；取αT（j）=8，突出风险值介于8～10之间为高风险，5～8介于高风险与低风险之间。取εT（j）=εF（j）=0.5，副驾驶经验能力子指标树的底层指标中介真值计算结果见表3。

表3 副驾驶经验能力底层指标中介真值度量值Tab.3 Measure of medium truth degree of the copilot’s basic experience

第三步 本文选择熵权法度量权值。

熵值可以用来度量系统的不确定程度[14]。熵权法是客观赋权法中的一种，该方法基于被评估系统中每个指标所携带的信息熵来计算权值，可以有效地减少主观性带来的误差[15]。副驾驶经验能力子指标树的底层指标权值见表4。

表4 副驾驶经验能力底层指标权重Tab.4 Weights of the copilot’s basic experience

第四步 进行综合评估。

根据本文所述的基于中介理论的模糊综合评估方法，从最底层开始进行评估，把下层的评价结果视为对上层因素的评估集，组成上层因素的评估矩阵，进而对上层进行评估，直至评估到顶层目标结束。副驾驶经验能力指标的最终评估值见表5。从指标树中可以看出，副驾驶经验能力的综合评估值为-1.100，隶属于“可接受风险”范畴。

表5 副驾驶经验能力最终评估结果Tab.5 Evaluation of the copilot’s experience

完整的航班起飞风险评估值如表6、7、8、9所示。基于中介理论的航班起飞风险评估最终结果为-0.985，结果值小于0，隶属于“可接受风险”，因此航班号为MU586的航班的起飞风险度为“可接受的”。

表6 “机组”子指标树综合评估结果Tab.6 Comprehensive evaluation of the crew

续表6

表7 “环境”子指标树综合评估结果Tab.7 Comprehensive evaluation of the environment

表8 “飞机”子指标树综合评估结果Tab.8 Comprehensive evaluation of the aircraft

表9 航班起飞风险综合评估结果Tab.9 Comprehensive evaluation of the flight departure risk

为了验证实验结果的有效性，本文另外采用较为常见的熵权层次分析法对该指标树进行了评估，最后的评估结果为1.965。根据上文所述的打分规则，介于1～5，评估结果为此航班的风险度为“可接受的”，验证了本文所研究方法的有效性。

5 总 结

本文基于中介逻辑理论，研究了一种新的航班起飞风险评估方法。该方法考虑到了传统评估方法打分的模糊性，构建了中介真值程度度量值，极大程度地体现了评估结果的模糊性。基于中介理论的模糊综合评估方法，其评估方式与人的思维模式接近，利用程度语言谓词来描述对象，采用定性与定量相结合的评估过程，特别适合解决既具有模糊性、随机性，又具有可确定性的实际问题。实验结果表明，中介方法能够基于日常的航班离场运行基础数据，对航班起飞风险进行准确有效地评估，评估结果能够为航空公司安全管理部门评估航班起飞风险提供一定的参考。因此，基于中介真值程度度量的风险评估方法为航空公司运控部门评估航班起飞风险提供了一种新的选择，具有一定的实际意义。

[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] 王岩韬，李蕊，卢飞，等. 基于多因素分析的航班运行风险评估体系[J]. 天津工业大学学报，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] 王岩韬，李蕊，卢飞，等. 基于运行数据的航班运行关键风险因素推断[J]. 交通运输系统工程与信息，2016，16（1）：182-188.

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

[7] 张利，彭建芬，杜宇鸽，等. 信息安全风险评估的综合评估方法综述[J]. 清华大学学报：自然科学版，2012，52（10）：1364-1369.

[8] 胡浩林，刘毅超. 基于运行速度的高速公路安全性评价研究[J]. 交通运输工程与信息学报，2016，14（4）：30-35.

[9] 肖奚安，朱梧槚. 中介逻辑的命题演算系统（Ⅲ）[J]. 自然杂志，1985，8（6）：457-466.

[10] 洪龙，肖溪安，朱梧槚. 中介真值程度的度量及其应用（I）[J]. 计算机学报，2006，29（12）：2186-2194.

[11] 周宁宁，洪龙. 基于中介真值程度度量处理图像的应用理论研究[J]. 南京邮电大学学报：自然科学版，2010，30（3）：21-27.

[12] 洪龙，肖奚安，朱梧槚. 中介真值程度的度量及其应用（II）[J]. 计算机学报，2007，30（9）：1551-1558.

[13] 徐文华，陈海燕，张育平，等. 一种基于中介真值程度度量的模糊综合评价方法[J]. 计算机科学，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] 王润孝，张近乐. 熵权分析法在大学出版社经营风险评估中的应用[J]. 兰州大学学报：社会科学版，2010，38（1）：20-24.