基于QAR数据的飞行安全评价综述

罗凤娥， 赵 强， 王 波， 阚翔宇

(中国民用航空飞行学院 空中交通管理学院， 四川 广汉 618307)

近几十年来，中国民航领域在快速发展的同时，影响飞行安全的各方面隐患也随之产生。如何有力保障飞行安全成为阻碍民航业发展的一大难题。虽然中国民航航空事故发生率总体呈不断下降的趋势，但与此同时，导致事故的不安全事件却频繁发生。为了及时发现飞行中的安全隐患，防止不安全事件的累积、严重化，中国民航局自1997年开始强制要求[1]，在国内注册的商用飞机都要装备快速存取记录器(quick access recorder,QAR)，来记录飞行过程中产生的一系列参数。由于以人、机、环境和管理作为评价因素建立的飞行安全评价体系难以客观确定指标权重[2]，且在很大程度上忽视了个别评价对象具备的特征，而利用QAR数据建立的评价指标体系可以很好地避免这两个问题，所以到目前为止，QAR数据的应用与分析仍然是民航领域飞行安全研究的热点，国外也一直在进行这方面的研究。采用QAR数据对飞行安全的评价研究主要有4个方面：某种典型的不安全事件，如重着陆[3]、低空风切变[4]、冲偏出跑道等事件的分析及评价；评价方法的研究，如物元模型分析[5]、黄金分割法[6]、主层次分析等方法应用；通过飞行操作间接对飞行安全进行评价[7]对评价指标体系的研究。评价方法的选取是以QAR数据为基础对飞行安全评价的重点，适合的评价方法能够提高评价的客观性、科学性，也对保障飞行安全有重大意义，因此，本文以QAR数据为基础对飞行安全评价的方法进行分类总结。

1 评价方法及综合评价流程

1.1 评价方法

综合各方面来讲，评价是指评价者依据所参考的评价标准对评价目标的各个方面进行量化和非量化的测量过程，其目的是得到一个有参考价值意义的结论。对飞行安全的评价方法按特征可划分为三大类，分别为定性评价方法、定量评价方法、综合评价方法。定性评价是一种较为主观的评价方法，它是评价者通过对评价目标以前的表现、状态进行分析后，凭借直觉、经验对评价对象做出的评价。为保证评价的精确度，一般是以专家学者做出的分析判断为依据；定量评价是指评价者依据收集到的数据特征，建立与之相符合的数学模型，运用数学知识分析模型中的数量特征、数量关系、以及数量变化，从而实现对评价目标较为客观的评价；综合评价方法是一种将定量与定性相结合的评价方法，它通过运用多个指标对评价目标做出较为全面、客观、规范的评价，此评价方法的关键在于评价指标的选取与赋权值。表1给出了三者的适用范围及特点。

表1 评价方法的三大类别

1.2 综合评价流程

综合评价是目前应用最为广泛的评价方法，通常包含客观性、可比性和导向性3项基本特性。因综合评价方法运用多个指标进行评价使其分析更为全面，从而评价的结果更具指导性。综合评价方法一般包括6个步骤[8]，如图1所示。

图1 综合评价流程

1.2.1 明确评价目标

在开始综合评价之前，需先明确将要评价的目标，有利于使评价过程具有导向性，即先建立客观反映评价目标特征的概念模型。

1.2.2 根据目标特征建立完整的评价指标体系

这个步骤是实施综合评价的重要条件和前提，综合评价因同时对多个指标进行评价而具有结构复杂、规模较大的指标体系，在构建综合评价指标体系时必须使其结构化，常具有递阶式结构。

1.2.3 确定适合的评价方法与数理模型

指标体系构建完成后，需确立综合评价所采用的具体方法。由于综合评价法不是单指某一种方法，而是一类评价方法的总称，因此需要从综合评价方法中确定具体的评价方法，并且选择适合的数理模型给评价指标赋权值。

1.2.4 实施综合评价

以上步骤的完成构建了一个完善的系统评价指标体系，然后开始进行综合评价。实施综合评价这一步骤主要是处理和推算采集的指标数据，并对相应的数理模型进行求解。

1.2.5 得出评价结果并检验

对数学模型求解完成后，得出最终评价结果，这时需要对评价结果进行检验，从而对评价结果是否合理作出判断，是否需要进一步更正和修改。如果结果与实际差别比较大，需检验评价流程是否出现错误，或是检验选择的评价方法及模型是否适合评价对象。

1.2.6 分析评价结果

分析评价结果是在完成综合评价的整个流程后进行的，分析评价结果得出的结论有利于对评价目标的改善与优化提出指导性意见。

2 评价方法在QAR数据评价飞行安全中的应用

定性评价、定量评价、综合评价是根据特征划分的各具优势的三大类评价方法。下面就对三大类评价方法在以QAR数据为基础的飞行安全评价中的应用做一归纳，并对此评价领域中较为经典的4种具体的评价方法：风险矩阵法、灰色聚类法、物元分析法、主成分分析法做进一步分析。

2.1 定性评价的应用

在民航领域对飞行安全的早期评价中，定性评价在以QAR数据为基础的飞行安全评价中应用较为广泛，其中比较经典的评价方法为风险矩阵法。文献[9]利用QAR数据中超出监控标准风险阈值的超限事件为评价指标，构建民航飞行安全隐患评价体系，采用专家打分的方式定性分析超限事件的风险严重程度，以2017年中国民航实际运行的QAR数据为例，应用构建的评价模型计算评价了该年的飞行安全隐患风险，验证了评价模型的合理性。文献[10]针对有偏态性特征的QAR数据，将其进行正态性转换，采用风险矩阵法分析了事件发生的概率和严重度，实现了对飞行品质风险从轻、中、重、综合4个不同角度的定性评价。文献[11]采用数据透视表对QAR数据联机分析，利用超限事件进行切片，通过对2006年超限事件发生的次数并结合经验定性的分析评价了飞行过程中存在的问题及严重程度。

风险矩阵法是一种定性风险评价方法，它具有简单、实用，以及应用比较普遍的特点，其风险等级的划分按照可能性和后果严重性分别划分为5个等级。其中可能性被划分的5个等级分别为频繁的、偶然的、很少的、不可能的、极不可能的，后果严重性被划分的5个等级为灾难性的、危险的、严重的、轻微的、可忽略的[12]。在实施该评价方法时，先由评价者依靠主观经验按照划分的等级确定风险发生的可能性与后果严重性等级，然后在建立的风险评价矩阵中寻找对应的风险等级，从而得出评价结果。在风险评价矩阵中，风险被划分为3个等级，分别为可接受的、可容忍的和不可接受的。

2.2 定量评价的应用

随着定性评价的大量应用，其精确度较差的局限性越发突出，为改变这一现状，在定性评价的基础上产生了定量评价。因定量评价的科学性、客观性、精确性等优点，一经出现便广受欢迎，很快被应用到了民航领域，尤其在对飞行安全评价方面，定量评价得到了极大的发展与应用。灰色聚类法与物元分析法是其中较为经典的评价方法。由于飞行员是航空安全要素中的核心部分，所以从根本上提升飞行安全水平的关键是提高飞行员的飞行操作品质，文献[13]从采集的QAR数据中筛选出违规型超限事件，并利用确定的违规超限行为作为评价标准，采用物元分析法建立对飞行员违规超限行为评价模型，应用此模型对26名飞行员的违规超限行为进行分析，得到26名飞行员违规超限行为等级定量评价结果。文献[14]通过分析QAR数据，选取其中与飞行撞地风险密切相关的超限事件作为评价指标，采用层次分析法赋予每个超限事件权值，从而建立一种以QAR超限事件为指标的可控飞行撞地风险评价模型，实现了对某航空公司2015—2018年的可控飞行撞地风险的定量评价。文献[15]利用QAR超限事件作为评价指标建立对飞行安全评价的模型，在该模型中首先通过计算确定白化权函数，之后依据离差最大化原理赋予各评价指标权重，最后运用灰色聚类方法建立的模型对一定时期内的飞行安全进行评价。文献[16]首先从采集的QAR数据中提取重着陆判定参数(接地垂直载荷)作为评价指标，之后利用接地垂直载荷的分布函数对重着陆发生的可能性和严重性做出客观的评估，最后运用统计建模的方法建立对重着陆评价的模型，该评价模型实现了对民机重着陆事件风险等级的定量评价。文献[17]对QAR数据进行分析，选取了某航空公司2019年1—6月A320发生次数较高的超限事件作为评价指标，采用集对分析法建立对航空公司飞行品质安全的评价模型，实现了对航空公司飞行品质的定量评价。

2.2.1 物元分析法

物元分析法是一种用于研究物元，解决不相容问题的方法[18-19]。它的适用对象是多因子评价，方式是通过对“事物、特征、量值”3个要素进行描述，只要给定事物N，特征C和量值V便能构成对事物进行描述的基本元，即物元R=(N，C，V)。物元分析法的建模步骤如下：

1)明确基本概念。

2)确定节点域与经典域。

3)确定代评价物元。

4)通过计算得出各个评价指标之间的关联度。

5)综合关联度与评估等级进行判定。

2.2.2 灰色聚类方法

灰色聚类方法中各灰类的权量值是在评价过程中自动产生的，从而在很大程度上实现了对灰类权量的客观赋值，降低了主观性，是一种较为经典的定量评价方法[20]。灰色聚类法的评价原理是通过白化函数计算出的聚类对象(评价对象)相对于聚类指标(评价指标)的白化值(无量纲化)，以及指标相对于灰类的聚类权，对聚类对象属于哪一个灰类做出判断。灰色聚类法建模的步骤[21]如下：

1)确定基本参数。

2)无量纲化处理指标数值。

3)求解白化数矩阵。

4)确定白化函数。

5)计算指标在聚类下的聚类权。

6)构造出聚类向量并计算聚类系数。

7)确定综合等级。

2.3 综合评价的应用

为进一步提高评价方法的精确度以及评价结果的参考价值，提出将定性分析与定量分析相结合对评价目标做出多特征、多指标、多角度的综合评价。综合评价因评价指标的全面更具科学性。目前，在飞行安全评价领域，综合评价的结果分析有极大参考价值，主成分分析法是其中比较经典的评价方法。文献[22]整理了1 000 ft以下的QAR数据，并对其中采集到的18个参数运用主成分分析法进行分析，得到影响进近质量的重要参数，使其转化成因子，构建以QAR数据为基础的评价模型，对进近操作的风险进行了综合评价。文献[23]通过对超限事件成因的详细描述，从而分析出与超限事件相关的人、机、环飞行参数并确定为评价指标，建立反映超限程度的超限裕度模型，建立了数学模型来降低超限裕度间的线性相关性，并将评估标准集成到统一的层次框架中，最后采用主成分分析法对超限裕度进行分析，从而实现对飞行品质整体的量化评估。文献[24]利用专家分析在飞行中可能导致严重后果的超限事件作为航空安全管理的标准，并把这类超限事件作为对飞行技术评价的指标，采用模糊分层法确定评价指标的权重并构建非线性模糊评价实现对模糊评价方法的改进，最后利用改进的模糊评价法实现对飞行员飞行技术的综合评价。

主成分分析法(PCA)是一种对高维变量空间降维的有效统计方法，它特别适用于解决多变量问题[25]，基本原理是：选取一组原变量的线性组合作为新变量来替代原来的变量，因为新变量携带着有用信息且它们之间互不干扰，从而实现了优化。主成分分析的过程是首先对原坐标系进行平移和旋转使其产生新坐标系，之后使产生的新坐标系原点重合于数据群点的重心，这时新坐标系的主轴方向就会对应数据变异的方向，第一轴对应数据变异的最大方向，第二轴正交于第一轴且对应数据变异的第二大方向……按此对应方式类推，假设这些新的主轴为pi=1,2,3,…,m，经过舍弃信息后的主轴为pi=1,2,3,…,k，且能够有效地表示变异情况，则认为主轴由m维空间压缩为k维。在进行信息抽取的过程中，主元个数的确定是最为重要的，但这也是较难的一步，若主元个数选取较多，虽然能使模型更精确，但也会造成分析与诊断变得更艰难，选取过少则无法提取原来数据之间的信息，便会增加误差率[26]。交叉检验法与主元贡献率累积和百分比(CPV)是在实际应用中确定最优主元个数常用的方法。

3 总结与讨论

随着QAR数据在飞行安全领域的广泛应用，以QAR数据为基础对飞行安全评价的方法会得到极大的发展，而且也会相应提高评价的实际参考价值。总结上节简述的几种具体的评价方法，通过对此分析、归纳得到各评价方法的优缺点及适用范围。具体内容见表2。

表2 评价方法的优缺点分析以及适用范围

基于QAR数据对飞行安全的评价通过分析QAR数据中的参数，按照航空安全管理的标准，对整个飞行过程或某一航段或事件做出安全评价，评价的意义在于航空公司可以借助评价的结果进行分析，有利于针对具体的风险制定相应措施，从而实现提高飞行安全的目的[27]，减少航空公司的经济损失。对飞行安全评价得越精确，参考的实际意义越大，越有利于制定措施提升飞行安全水平，而评价精确度的提高离不开评价方法的选择，下面就此展开讨论。

在对飞行安全的评价中，三大类评价方法具有各自的优势，选取与评价目标、评价指标体系相适合的评价方法不仅会提高评价精确度，更能提升评价的参考价值。在评价难以量化目标时，由于很难确定评价指标的权值，因此定性评价的效果会比较好，但在评价可量化的目标时，定性评价会造成评价结果偏主观，降低评价的精确度，这时应选取客观性较强的定量评价与综合评价，综合评价与定量评价相比更具客观性与科学性，但其权值的确定复杂性更高。因此在对飞行安全评价时，要在充分考虑评价目标、评价指标的基础上选择与其相适应的评价方法，而不能仅仅只要求客观，这样才能有效提高对飞行安全评价的精确度。

4 相关评价方法的研究展望

4.1 基于熵权TOPSIS的风险矩阵法

在对飞行安全进行评价时，原来的风险矩阵法未能将可能性与严重性两指标赋予不同的权重，且看作同等重要，这不仅忽视了风险因素的异质性，而且造成了风险节密度高，排序不精确的问题[28]，为解决这一问题，提高风险矩阵法对飞行安全评价的精确度，采用熵权TOPSIS方法对风险矩阵进行改进与优化。改进后的评价流程如图2所示。

图2 基于熵权TOPSIS的风险矩阵法评价流程

采用熵权法赋予风险矩阵中可能性与严重性不同的权重，以提高风险矩阵法的客观性与精确性。寻找评价系统中最优值与最劣值作为基点，利用TOPSIS法计算飞行安全各风险因素到基点的相对值与贴进度，并对其进行排序，最终计算出的贴进度越接近1，说明飞行安全风险等级越低，反之飞行安全风险等级越高，采用此方法改进风险矩阵不仅降低了风险节，也识别出了各安全风险间的相对差异。

4.2 基于云物元模型的评价方法

在飞行安全评价中，有些风险因素具有不确定性和不易量化的特点，针对这些风险因素采用定量评价方法会降低评价精确度。物元模型作为定量评价方法能够准确地表达事物特征与量化值的关系，而云模型可以解决风险因素具有随机性和不易量化的问题，将二者相结合，构建基于云物元模型的飞行安全评价，能够做到对可量化和不易量化风险因素的精确评价。

物元模型中的量值V是一个比较具体的数值，但在实际问题的处理中，量值V通常具有随机性，所以评价结果往往会产生偏差[29]，利用云模型能够反映事物随机性的优点，用云模型替代物元模型中的量值V，弥补物元模型这一缺陷，使物元模型实现对不易量化风险因素的评价。