空中交通管制员人为差错风险评估

刘力铭

摘要：本文主要通过对国内外研究现状进行分析和归纳总结，结合人为因素对管制员人为差错进行归类分析，从个体、群体、环境、组织等方面建立管制员人为差错风险评估指标体系。采用基于GeNIe软件的贝叶斯网络综合评价法，构建贝叶斯网络拓扑结构，获得各指标状态下管制员产生人为差错的概率分布。根据概率分布情况，对相应指标提出风险缓解意见，以加强对管制员人为差错风险防范，提高空中交通管制安全性。

Abstract： This paper mainly analyzes and summarizes the research status at home and abroad. It classifies and analyzes the controller's human error by combining human factors， and establishes the controller's human error risk assessment index system from individual， group， environment， organization and other aspects. A Bayesian network comprehensive evaluation method based on GeNIe software was used to construct a Bayesian network topology structure in order to obtain the probability distribution of human error caused by controllers in each indicator state. According to the probability distribution， this paper proposes risk mitigation opinions on corresponding indicators to strengthen the prevention of human error of controllers and improve the safety of air traffic control.

关键词：风险评估;风险管理;人为因素;贝叶斯网络;GeNIe

Key words： risk assessment;risk management;human factors;Bayesian network;GeNIe

中图分类号：V355.1                                       文献标识码：A                                  文章编号：1006-4311（2020）08-0121-04

1  绪论

1.1 研究背景及意义

在当今时代，面对高速蓬勃发展的民航业，航班架次日益增多、客流量日益加大，必将会给民航从业人员带来更大的风险压力隐患。在2018年期间，我国航空安全领域全年共发生运输航空事故症候568起，运输航空严重事故症候有16起。回顾2016年10月11日上海虹桥机场跑道入侵事件，就是当班塔台管制员在高强度、疲劳工作下，遗漏了之前下达的管制指令，未能实时掌握航空器运行状态，造成在其管制指挥下，两架航空器发生小于间隔的不安全事件[1]。由此可见，管制员作为民航工作领域中的重要一环，在安全风险的管控与评估方面需要重点研究分析。

1.2 基本研究方法

综合查阅大量文献，并结合近年来空管人为差错案例，总结概括出空管人为差错的几大类因素指标，在此基础上进一步细分，建立管制员人为差错风险评估指标体系，利用贝叶斯网络集结专家打分意见，推理学习出各节点的事故概率，并结合结果进行的安全评价，找出危险环节并针对性提出管理管控意见。

2  人为差错分析理论及模型概述

SHEL模型（图1）：它是由爱德华教授首次提出在安全工作中人所处的特定系统界面，他认为该界面包括软件（S-software）、硬件（H-hardware）、环境（E-environment）和人（L-liveware）四个要素。 该模型可用来分析航空系统内各部分之间的制约影响关系。

2.1 管制员人为差错风险评估指标构建

根据SHEL模型（如图1），在管制员工作环境中，人与人、人与设备、人与环境等环节都存在潜在人为差错的可能性，本小节将从管制员人为差错分为内部因素和外部因素（与其他管制员、设备、环境要素关系）两个主要方面入手，构建管制员人为差错的风险评估指标体系。

2.1.1 管制员人为差错内部因素

管制员人为差错内部因素主要包括心理状态、生理状态、自身业务技术水平等（图2），主要以管制员自身个体为单位，是由于其自身的各种情况导致管制工作中出现差错。

2.1.2 管制员人为差错外部因素

管制员人为差错的外部因素主要包括硬件设施因素、软件因素、环境因素、群体因素等方面。如图3所示。

2.2 管制员人为差错风险评估体系

将内部因素与外部因素结合起来，构建管制员人为差错风险评估体系，如图4。

3  基于贝叶斯网络的管制员人为差错风险评估

3.1 构建贝叶斯网络拓扑结构

根据之前构造的管制员人为差错因素指标模型，上层指标是由下层指标来决定的，因此在贝叶斯网络中的连接方式属于汇连[2]。每一层指标都是上层指标的父节点，通过其指向子节点的有向边来表示汇连的关系。（如图5）

3.2 由專家打分法确定节点边缘概率

参考文献：

[1]杨波.虹桥机场跑道入侵事件的反思[J].大飞机，2016（6）：75-79.

[2]Pearl J. Probabilistic reasoning in intelligent systems： networks of plausible inference[J]. Computer Science Artificial Intelligence， 1991， 70（2）：1022-1027.

[3]丁松滨，茹毅.基于贝叶斯网络的航空公司飞行安全系统评价[J].中国民航大学学报，2009，27（3）：30-36.

[4]张聪聪.基于GeNIe的某航运安全状况监测软件设计与实现[D].武汉理工大学，2014.

[5]郑恒，李长城，刘煜.基于贝叶斯网络的路侧安全评价方法[J].公路交通科技，2008，25（2）：139-144.