民航机组特情处置能力综合评价研究

李 晔，李鹏飞，王 朔，李 姝，汪 磊

（1.中国南方航空股份有限公司北京分公司，北京 101318；2.中国民航大学a.飞行分校；b.中国民航航空公司人工智能重点实验室，天津 300300）

国际民航组织（ICAO,International Civil Aviation Organization）2019年发布的《全球航空安全报告》中列出了全球航空安全高风险事故类型，包括可控飞行撞地（CFIT,controlled flight into terrain）、飞行中失控（LOC-I,loss of control in-flight）和跑道安全事件（RS，runway safety）[1]。现有研究表明，高风险事故往往由飞行特情和机组对特情处置不当造成[2-4]。飞行特情是指飞机处于正常飞行状态时遭遇的特殊情况，主要包括机身及系统的安全问题、极端天气现象和机组对飞机的误操作等[5]。由于航空器运行环境复杂多变，特情时有发生；加上不确定的人为因素，特情可能演化为空难。2009年法航447 空难调查认为,飞行员对紧急情况处置不当是事故原因之一[6]。机组是防止空难发生的最后一道防线：2009年，全美航空1549 号航班迫降事件中，机长成功处置双发失效特情，实现飞机安全降落；2018年，“5·14”川航航班紧急备降成都事件中，机长在机舱前挡风玻璃破碎、机舱瞬间失压的紧急状况下，成功备降成都双流机场。这些案例都凸显了机组特情处置能力在保障飞行安全方面的重要作用。

为此，国内外学者从不同维度对民航机组特情处置能力进行了研究。Wright 等[7]提出自信将提升飞行机组处置特情的有效性。束泱泱[8]从心理品质角度对飞行员特情处置能力进行分析，指出良好的心理素质是成功处置特情的关键。孙明等[9]结合开发模拟训练设备的实践经验，给出运输机操作人员特情处置的技术性评价指标。

上述研究从不同角度分析民航机组特情处置能力，但均未给出完整的机组特情处置能力评价指标体系。因此，从民航机组特情处置能力多个维度和构成要素开展研究，建立完善的机组特情处置能力评价指标体系，为机组特情处置能力评价及针对性训练提供依据。

1 机组特情处置能力评价指标

1.1 文献分析

目前，针对机组特情处置能力的研究较少，现有特情处置能力的评价指标多包含于胜任力、安全能力和岗位能力要求等评价指标体系之下。Sohn 等[10]研究飞行教员和学员的性格对学员脑力负荷的影响时发现，考虑实际情况并具有机械技能的教员和学员是理想的机组组合。Goeters 等[11]结合前人研究构建了飞行员岗位能力要求评价指标体系，包括认知能力等6 个一级指标及若干二级指标。Flin 等[12]研究机组资源管理中的非技术技能，并将其分为情景意识、决策、团队协作、领导力、解决压力能力和管理疲劳能力6种技能。

ICAO 在第一版《循证培训手册》[13]中从程序应用等9 个方面划分飞行员的核心胜任能力及其评估指标。中国民用航空局2018年发布《飞行运行作风》咨询通告[14]，强调公共运输航空服务驾驶员的职业操守包括知识、技能和态度3 个维度。

核工业、航海和航天等高风险行业同样十分重视从业人员的职业能力，这些领域的成果对民航机组特情处置能力的研究有一定的借鉴意义。

Crichton 等[15]研究英国核应急组织成员在处置紧急事件时所需要的非技术技能，指出该技能包括交流、团队协作等6 个方面。O′Connor 等[16]对英国核电站操作人员所需的团队技能进行研究，提出包括情景意识在内的6 个一级指标及相应的二级指标。Schumacher等[17]研究欧洲核反应堆操作人员、值班主管和安全工程师完成工作所需的能力，发现处置紧急事件和正常工作时所需要的能力存在差异。

国际海事组织（IMO,International Maritime Organization）发布的STCW 公约马尼拉修正案[18]2010年明确要求：船长满足职责所需的能力可分为知识、技能、生理素质和心理素质等维度。张锦朋等[19]构建航海人员安全行为评价指标体系，包括生理素质等6 个一级指标及其对应的二级指标。

Fassbender 等[20]提出欧洲航天员选拔心理评价指标体系，该体系包括逻辑思考能力在内的8 个一级指标及其对应的二级指标。Santy[21]对俄罗斯、欧洲和日本选拔航天员时所用的心理评价指标进行研究，提出包括情绪稳定性在内的10 个一级指标及其对应的二级指标，强调这些指标对航天员选拔的重要性。景晓路等[22]分析不同岗位航天员胜任工作所需的心理能力，发现心理能力可分为普通相关能力和岗位能力两类。

总结以上文献可初步得出机组特情处置能力评价指标、释义、文献来源和测评方法（若二级指标后无三级指标，则其解释是对二级指标的解释），如表1 所示。

1.2 问卷调查

基于机组特情处置能力评价指标设计调查问卷，请行业专家为各评价指标打分。问卷包括两部分：①专家基本信息，包括飞行等级和飞行时长；②问卷主体，包括表1 中的9 个机组特情处置能力评价指标（选取三级指标，若二级指标下无三级指标，则直接选取二级指标）。问卷采用修改后的李科特式量表，专家利用专业知识与实践经验分别对各指标进行打分，每个指标打分的范围为0～5 分，0 分表示专家认为该指标设计不合理，1～5 分表示该指标非常不重要、不重要、一般、重要和非常重要。

专家均为某航空公司现役机长或教员，其中机长3 人、教员25 人，飞行时长均在5 000 h 以上，平均飞行时长为13 819 h。问卷在线发放、匿名作答，共收回问卷28 份，其中有效问卷26 份。在有效问卷中，打分专家平均飞行时长为14 562 h。

1.3 信度与效度分析

在对数据进行权重计算之前，对其信度和效度进行分析。信度指测量结果的一致性或稳定性，即测量工具能否稳定地测量到其要测量的事项；效度指测量工具确能测出其所要测量的特征的程度。效度越高，表示测量结果越能显示出所要测量对象的真正特征[27]。利用统计软件SPSS 25.0 进行信度和效度测量。在信度测量中，克隆巴赫系数（Cronbach′s alpha）为0.861，高于0.8，表明内部一致性信度极好。在效度测量中，KMO（Kaiser-Meyer-Olkin）系数为0.603，小于0.7，但大于最低可接受水平0.5；Bartlett 球形检验显著性值为0.000 4，小于0.05，表明原始变量相关矩阵不是单位阵，可进行因子分析。因此，其效度是可以接受的，可以进行下一步分析。

2 基于熵权法的指标权重计算

熵权法是一种客观赋权方法，在信息论中用于度量信息量，即一个系统越是有序，信息熵就越低；反之，信息熵就越高[28]。因此，信息熵也是系统混乱程度的一个度量。在评价过程中，信息熵的大小是评价精度和可靠性的决定因素之一，指标信息熵越小，则该指标提供的信息量越大，在综合评价中所起的作用越大，权重也越高。

在有m 个评价指标、n 个评价对象的区域系统内，指标的熵权计算步骤[29]如下。

（1）评价指标隶属度矩阵标准化，n 个被评价对象对应于m 个评价指标的指标值构成隶属度评价矩阵为

标准化处理方法有两种：当指标数据越大越好，即为正指标时，其标准化公式为；当指标数据越小越好，即为逆指标时，其标准化公式为。后续使用的数据指标均为正指标。

（2）对各指标值做归一化处理，计算第j 项指标下第i 个评价对象指标值的比，即

（3）计算第j 项指标的熵值，即

（4）计算第j 项指标的差异系数，即

（5）计算第j 项指标的权重，即

3 机组特情处置能力评价指标体系

通过熵权法对问卷收集的数据进行计算，得到机组特情处置能力各指标权重，如表2 所示。

表2 机组特情处置能力评价指标权重表Tab.2 Weights of evaluation indices of emergency situation handling ability of flight crew

通过权重计算可知，一级指标中，对机组特情处置能力影响最大的指标是素质，其权重为0.589，影响最小的指标是知识，其权重为0.134；二级指标中，对机组特情处置能力影响最大的指标是心理素质，其权重为0.505，影响力最小的指标是知识熟练程度和综合运用水平，两者权重均为0.067；三级指标中，对机组特情处置能力影响最大的指标是特情下的情绪稳定性，其权重为0.404，影响力最小的指标是时间压力下的机组决策技能，其权重为0.030。

综上，构建了民航机组特情处置能力评价指标体系，共包括3 个一级指标，6 个二级指标和9 个三级指标。

4 基于云模型的机组特情处置能力评价

云模型最早由李德毅[30]提出，是一种定性概念与定量数值相互转换的模型，其融合了数据分布的特点，通过3 个数字特征，期望（Ex）、熵（En）、和超熵（He），将评价对象的模糊性、随机性和离散性有机结合起来，实现了不确定性概念与定量数值的自然转换。

4.1 云模型评价过程

采用云模型对航空公司机组特情处置能力进行评价，具体步骤[31]如下。

（1）确定评价指标评语集合U。将该集合分为多个区间，其中第l 个区间的阈值为]，该区间对应的云模型数字特征可表示为

式中k=0.04，反映了云滴凝聚程度，可根据云的雾化性质和项目模糊阈度进行调整。

（2）确定评价指标云。邀请m 位专家对评价指标打分，第i 个指标的得分为F（fi1，fi2，…，fim），i 指标对应的数字特征可表示为

（3）计算综合评价云模型。在计算出各个指标的评价结果后，考虑指标对应权重wi，利用逆向云发生器计算云模型，其数值特征可表示为

（4）计算相似度，确定评价等级。利用组合模糊贴进度方法计算相似度δ，即

4.2 实例应用

选取N 航空公司进行案例分析，邀请7 名飞行专家根据表2 中9 个三级指标进行打分，结果如表3所示。

表3 飞行专家对N 航空公司机组特情处置能力打分结果Tab.3 Scores on emergency situation handling ability of flight crew of airline N by given flight experts

表2 已给出9 个评价指标的权重，故令W={0.067，0.067，0.070，0.126，0.051，0.030，0.084，0.101，0.404}。通过式（9）～式（12），根据指标权重和指标得分可以求出机组特情处置能力的综合云数字特征，其中Ex=3.781 4，En=0.480 9，He=0.094 2。评价等级分为“差、较差、一般、好、优”5 个等级，设定评分阈值为[0，5]，则根据式（7）～式（9）可分别得到不同评价等级的标准云模型数字特征值，其中k=0.04，如表4 所示。

表4 标准云模型数字特征Tab.4 Digital features of standard cloud model

通过式（18）和式（19），根据机组特情处置能力综合云和各评价等级标准云数字特征，计算各评价等级下的隶属度，并确定其最终评价等级为良好，如表5所示。

表5 N 航空公司机组特情处置能力隶属度Tab.5 Membership degree of emergency situation handling ability of flight crew of airline N

根据评价结果，N 航空公司机组特情处置能力处于良好水平，整体较为理想，但仍有进一步提升的空间。

5 结语

从飞行特情出发，借鉴航天、航海和核工业等高风险领域特种作业人员胜任力、安全能力和岗位能力的研究，筛选出机组特情处置能力评价指标。并通过问卷调查和熵权法计算各评价指标的权重，构建民航机组特情处置能力评价指标体系，为今后开展机组特情处置能力评价和培训提供理论依据。目前关于民航机组特情处置能力评价的研究尚属空白，急需建立科学、系统的机组特情处置能力评价指标体系。结合专家根据该指标体系对N 航空公司机组特情处置能力的打分情况，使用云模型进行评价，发现N 航空公司机组特情处置能力处于良好水平。

研究尚存在不足之处，可作为后续研究的方向。第一，机组非技术技能指标权重偏低，这与相关研究[13，30]的结论存在偏差。这种偏差的存在可能与此次问卷调查的专家为机长或教员有关，他们普遍认为在特情处置中飞行员（通常是机长）的心理素质（如特情下的情绪稳定性）更为重要，从而将机组之间的非技术技能置于次要地位。尽管特情处置中起主导作用的是机长，但副驾驶会有不同的视角，今后可加入副驾驶问卷。第二，虽然采用专家打分的方法结合云模型对指标体系进行了验证，但是未结合飞行实际案例或通过表1 提出的机组特情处置能力各指标对应的测量方法进行验证。今后在理论研究的基础上，通过实证修订和完善评价指标体系，提高评价体系的科学性和实用性。