组织因素对飞行员不安全行为的干预策略研究*

陈 芳，卫 微，张 迪

(中国民航大学 经济与管理学院，天津 300300)

0 引言

据统计，2017年全年运输航空百万小时重大事故率10年滚动值为0.014 7，人为责任原因事故征候万时率达0.027 4[1]。飞行员作为航空器的直接操作者，其不安全行为已经成为造成飞行事故的重要因素[2-3]。组织因素是导致不安全事件发生的深层次原因，是事故发生的潜在威胁[4]。因此，在深入分析组织因素对飞行员不安全行为演化规律的基础上，制定综合有效且有针对性的干预策略，已经成为提升飞行安全的关键所在。

对飞行员不安全行为形成机理的研究中，大多从事故案例、实证分析和致因模型等角度或通过事故调查对飞行员不安全行为的形成机理进行研究与推理[5-7]，定性地提出飞行员不安全行为的演化规律。目前，我国民航对于飞行员不安全行为采取的干预措施多为加强培训、强化意识、正确认识自身技术情况与情景意识、加强信息管理、合理惩罚等[5,8]。然而，以上研究仅从静态角度分析飞行员不安全行为的形成机理与干预对策，为了探究飞行员不安全行为的动态演化规律，学者从违章角度对飞行员的不安全行为进行了探究，但未考虑飞行员差错的影响作用[9]；从差错和违规角度对管制人员的不安全行为进行了动态干预研究[10]，但其动力学模型未考虑天气的突变性和复杂程度对飞行员的行为的影响。随着对人的不安全行为影响因素的研究，学者发现组织因素对不安全行为的干预效果最为明显[11]。基于此，不少学者探究组织因素对不安全行为的静态影响关系[12-13]；但有研究表明组织因素对不安全行为存在着直接和间接的影响，各组织因素间也存在影响关系[14-15]。为了探究组织因素的动态影响作用，学者从组织因素中的组织资源、组织经验、驾驶员错误3个层面构建地铁自动化系统风险的控制动力学模型[16]；也有学者从飞行安全角度，研究了组织因素中的安全文化、交流沟通、教育培训、组织结构等因素对系统安全形势、安全过程控制能力和组织学习能力的动态影响关系[17]，但以上模型中组织因素的划分具有通用性，不能体现飞行员职业的特点。

系统动力学(System Dynamics，SD)能够从系统的角度分析各因素的相互作用和反馈影响，进而达到改善系统的目的[11-12]，能够呈现出组织因素对飞行员不安全行为的动态关系及各因素间的作用关系。因此，本文基于飞行员的职业特点，运用SD理论将航空公司的飞行部层面的组织因素分为组织制度、组织监管和不安全行为前提3个子系统，建立组织因素对飞行员不安全行为的干预模型，以期提出有效而有针对性的干预策略，降低飞行员的不安全行为。

1 组织因素对飞行员不安全行为干预模型的构建

飞行员不安全行为是指飞行员在执行任务过程中背离组织和自身意图或预期的行为[18]。按照动机和意图将飞行员不安全行为划分为差错和违规，其中差错是指飞行员未能达到预期目标的非故意行为，违规则是飞行员违反规章制度的故意行为[18]。根据人因分析与分类系统(Human Factors Analysis and Classification System，HFACS)，飞行员不安全行为的形成机理包括组织影响层面、监管层面、不安全行为的前提条件和不安全行为4个层面[7]，组织因素渗透在组织制度、监管、不安全行为前提3个层面。结合系统动力学原理，引入状态变量、速率变量、辅助变量，应用VENSIM软件构建组织因素对飞行员不安全行为的SD干预模型，共分为组织制度层面、组织监管层面和不安全行为前提条件3个子模型，子系统各自运行演化，子系统之间互相作用反馈，形成复杂的动态飞行员不安全行为模型。

1.1 组织制度层面

组织制度层面即飞行员不安全行为演化的深层动力因素。航空公司通过制定一系列的制度与管理措施，对飞行员产生的不安全行为从奖励、惩罚、安全投入、报告制度和人员与SOP匹配程度5个方面进行管控。其中，通过对飞行员职务晋升、累计安全记录考核与设置节油奖等奖励手段，对飞行员差错行为起到较大的负反馈影响；对飞行员违规行为进行惩罚，则对其违规行为的产生起到抑制作用[10]。飞行员差错行为与违规行为数量直接对不安全行为数量产生影响，而组织的不安全行为数量直接作用于组织现有的安全状态[16]，当安全状态不佳时，促使安全投入力度增加[5,8]，进而对不安全行为的出现产生抑制作用[10]，需要考虑安全投入的有效性问题[17]。组织制度层面子模型如图1所示。

图1 组织制度层面子模型Fig.1 Submodel of organizational system level

1.2 组织监管层面

组织监管层面即飞行员不安全行为演化的中层防护因素。组织通过对飞行员进行技术训练与安全培训、增大监管力度使飞行员操作符合度提升，进而降低差错行为的产生，同时通过增大监管力度对飞行员违规行为进行抑制[5,8]，自愿报告系统有助于提高飞行风险管理水平，进而影响组织监管。组织监管层面子模型如图2所示。

图2 组织监管层面子模型Fig.2 Submodel of organizational supervisory level

1.3 不安全行为前提条件层面

除以上提到的组织因素中的组织制度、监管层面，还包括不安全行为前提条件层面，即飞行员不安全行为演化的促发因素。不安全行为的前提条件包括物理环境(如驾驶舱照明、复杂天气)、技术环境(如操作界面自动化)[7]、机组资源管理(如双人制机组搭配协调)[19]、个人生理状态(如疲劳、工作负荷)[9]、个人心理状态(如安全意识)[6-7]和能力局限(如操作技能)[10]等，这些因素作为飞行员不安全行为的促发因素，包括组织因素中的机组资源管理、安全培训、人机匹配程度等对飞行员的注意力、飞行员疲劳程度、安全意识等造成影响，导致不安全行为数量的变化，且飞行员的疲劳程度受到现有航班数量和航班运行延误的影响[3,10]。不安全行为前提条件子模型如图3所示。

1.4 组织因素对飞行员不安全行为的干预模型

通过以上组织因素对飞行员不安全行为干预策略的3个层面的分析可以看出，组织制度层面为飞行员不安全行为产生的深层促进，监管层面为中层防护，不安全行为前提条件层面为促发因素，3个层面相互抑制，

图3 不安全行为前提条件子模型Fig.3 Submodel of precondition of unsafe behaviors

交互反馈，得出飞行员不安全行为动态演化模型，如图4所示。

2 组织因素对飞行员不安全行为干预策略模型的验证

2.1 模型方程及变量初值设置

以S航空公司为例，设置模型初始仿真时间为2015年，仿真结束时间为2030年，时间步长为1，单位为a。依据对S公司的问卷调研数据、历史数据收集及专家实际打分情况，得到各状态变量的初值及方程参数，并通过层次分析法确定各变量间的影响系数，输入VENSIM软件，运用VENSIM中的数据处理功能模块建立模型方程，主要变量及方程见表1。

2.2 模型检验

为了检验模型的有效性，使用VENSIM软件对模型进行历史重现检验。将2005—2015年的飞行员不安全行为数据和仿真数据进行对比分析，设定模型检验的时间为2005—2015年，模拟步长为1 a，对比如图5所示。飞行员不安全行为的仿真值和统计值的平均相对误差为11.09%，范围在5%～15%之内[20]，模型通过检验。

图4 组织因素对飞行员不安全行为的干预模型Fig.4 System model of organizational factors on pilots’ unsafe behaviors

变量变量方程飞行员不安全行为数量/件INTEG(不安全行为数量的增加-不安全行为数量的减少,飞行员不安全行为数量初值)安全目标差距/万架次率IF THEN ELSE(飞行年度安全目标≤实际安全状态, 实际安全状态-飞行年度安全目标,0 )总值勤时间/hIF THEN ELSE(航班运行延误≤0, 执勤频率×执勤时间,执勤频率×执勤时间+2×航班运行延误 )飞行与SOP符合程度/%复杂天气×0.2+人机界面匹配程度×0.1+飞行员胜任力×0.5+飞行注意力×0.2安全投入所占比例/%IF THEN ELSE(安全目标差距>0, 安全目标差距×100×平均安全投入比例, 最低安全投入比例 )现有航班数量/架次新增航班需求数量×新增航班审批通过率GDP/元((2005,14 185),(2006,16 500),(2007,20 169),(2008,23 708),(2009,25 608),(2010,30 015),(2011,35 198),(2012,38 459),(2013,41 908),(2014,46 531),(2015,49 228),(2016,49 351),(2017,62 506),(2018,66 665),(2019,71 001),(2020,75 514),(2021,80 201),(2022,85 059),(2023,90 085),(2024,95 274),(2025,100 620),(2026,106 116),(2027,111 754),(2028,117 525),(2029,123 419),(2030,129 425),(2031,135 530),(2032,141 721),(2033,147 984),(2034,154 304),(2035,160 663),(2036,166 663))

3 组织因素对飞行员不安全行为的干预策略模拟

通过专家访谈和文献分析，从组织制度层面、组织监管层面与不安全行为前提条件3个层面提出的干预措施按照不同的力度进行组合，从而确定干预措施的最佳组合。以同时调节组织因素中的安全记录考核奖励程度、副驾驶转正/机长升职力度、监管力度、罚款力度和飞行技术训练强度5个变量为例，综合干预飞行员的不安全行为，具体调节政策如表2所示。

表2 干预措施的调节政策Table 2 The policies of intervention measures

注：干预强度即为措施实施的力度，其取值范围为0～1，随着赋值的增大，干预强度越大。

按照正交试验的原理，将每个干预措施及其不同力度进行搭配组合，观察2015—2030年不安全行为数量的变化趋势，部分干预策略的模拟结果如图6所示。

图5 模型实际条件与模拟条件的演化对比Fig.5 Graph of evolution trend in actual and simulative condition

图6 干预策略模拟结果Fig.6 Simulation result of intervention strategies

从图6中可以看出，策略A2B2C2D2E3和A2B3C2D2E2干预效果较好，A1B1C1D1E1和A3B1C3D3E1的干预效果较差。在2015—2020年，干预策略A2B3C2D2E2的干预效果最佳，平均可降低26%的不安全行为，但在2020年之后，A2B2C2D2E3的干预效果更好，平均可使不安全行为降低51%。这可能是因为飞行技术训练强度的提高存在时间延迟，相比较奖励与惩罚来说，达到最佳干预效果的年限较靠后；而奖惩政策可以实现在短期内提高飞行安全，减少不安全行为数量，但随着时间推移，一成不变的奖惩政策容易产生心理疲劳，因此后期干预效果不如前期明显。

根据以上2种策略的优点与缺点，将二者相结合，利用VENSIM软件中的GAME功能对飞行员不安全行为实施动态调整：在2015年开始使用干预策略A2B2C2D2E3，当模拟到2020年时加入干预，将干预策略换为A2B3C2D2E2。根据模拟结果，GAME策略既能保障2015—2020年短期内不安全行为数量平均降低25%，又能实现长期干预，使得2030年不安全行为降低54%。

4 结论

1)构建了组织因素对飞行员不安全行为动态演化的干预模型，包括3个子循环：组织制度环、组织监管环、不安全行为前提环。

2)组织因素对飞行员不安全行为的干预策略方面，组合干预策略A2B3C2D2E2(安全记录考核奖励程度为0.5、副驾驶转正/机长升职力度为0.7、监管力度为0.5、罚款力度为0.5和飞行技术训练强度为0.5)，短期干预效果最佳，在2015—2020年平均可降低不安全行为26%，但长期干预效果不如策略A2B2C2D2E3(安全记录考核奖励程度为0.5、副驾驶转正/机长升职力度为0.5、监管力度为0.5、罚款力度为0.5和飞行技术训练强度为0.7)，在2020—2030年平均可减少51%的不安全行为。采用GAME功能将干预策略进行动态调整，结合2个策略优点，在2015年开始使用干预策略A2B2C2D2E3，到2020年时换为A2B3C2D2E2，既能保障短期内降低26%的不安全行为数量，又能实现长期干预，使得不安全行为数量在2030年降低54%。