運用多重屬性風險評估量化跑道侵入嚴重等級

羅軍，李淼苗

(中國民用航空飛行學院 空中交通管理學院，廣漢　618307)

?

運用多重屬性風險評估量化跑道侵入嚴重等級

羅軍，李淼苗

(中國民用航空飛行學院 空中交通管理學院，廣漢618307)

隨著航空運輸業(yè)的迅速發(fā)展，交通密度逐漸增大，機場跑滑系統(tǒng)越來越復雜，航空安全問題也隨之增多，其中跑道侵入是影響航空安全的重要方面。引起跑道侵入的因素多種多樣，本文主要研究人為因素對跑道侵入嚴重性等級的影響，根據(jù)跑道侵入嚴重等級的劃分，利用多重屬性風險評估模型對跑道侵入嚴重性等級進行量化，通過實例計算和對所得數(shù)據(jù)的分析，表明多重屬性風險評估模型可為跑道系統(tǒng)提供通用的跑道侵入風險評估方法，并指出實際工作中存在的問題及預防措施。

跑道侵入；多重屬性風險評估；威脅指數(shù)；人為因素

0　引　言

隨著航空運輸業(yè)的迅速發(fā)展，表現(xiàn)出來的航空安全問題也逐漸增多，其中，跑道安全問題呈遞增趨勢。跑道侵入是影響跑道安全的核心問題之一，需要得到足夠的關注與研究。

跑道侵入是指發(fā)生在機場跑道范圍內(nèi)，涉及地面航空器、車輛、人員或物體，造成碰撞事故，或導致航空器起飛、準備起飛、降落或準備降落時間間隔不足的任何事件。根據(jù)跑道侵入事件所造成的后果的嚴重程度，將跑道侵入劃分為A，B，C，D，E五個等級：A類——勉強避免發(fā)生碰撞；B類——存在避免飛機碰撞事故發(fā)生的可能性，且只能采取應急的糾正或逃避響應的措施；C類——飛機不易發(fā)生碰撞事故，若情況發(fā)生，也能有足夠的反應距離和時間來避免碰撞事故；D類——此類事件符合跑道入侵的定義，盡管有機場人員和機器設備在地面保護區(qū)域出現(xiàn)，但是發(fā)生碰撞的可能性很小或幾乎沒有；E類——信息不足無法得出結論(由于E類跑道侵入的特殊性，本文暫不討論)。

目前，關于跑道侵入風險評估的問題，國內(nèi)外已進行了較多研究。國內(nèi)，羅軍等[1]基于模糊集和改進的TOPSIS方法進行跑道侵入風險評估，指出管制員的工作負荷在管制體系中對跑道侵入的影響最大，表明工作負荷是影響跑道侵入事件發(fā)生的一個重要指標；許桂梅等[2]在基于人因可靠性的跑道侵入風險定量分析中指出，飛行員、管制員及車輛/行人中有一方出現(xiàn)差錯時，跑道侵入都有可能發(fā)生；唐辛欣等[3]采用灰色聚類方法和專家打分方法相結合的方法，對機場跑道侵入人為風險進行綜合評價。上述研究多將人的因素作為主要影響因素進行分析，所建立的評估模型或方法均有與之相對應的數(shù)據(jù)系統(tǒng)及風險模型，各種評估方法自成體系，各具特色，均具有一定的參考價值。國外，M.Janic[4]分析1965～1998年發(fā)生的航空事故并找出引發(fā)事故的原因，采用不同方法評估了民航系統(tǒng)的安全性；Dohyun Kim等[5]以韓國金浦國際機場為例，運用層次分析法對跑道侵入風險賦予權重，采用故障樹分析法進行風險評估和頻率估算，分析結果驗證了人為差錯對跑道侵入的影響；Ellen C.Rogerson等[6]利用因子層次分析法對美國80多個機場的安全風險進行了分析，該方法采樣數(shù)目較多，有效地避免了由于專家內(nèi)部意見不統(tǒng)一而造成的共識心理。

跑道侵入風險評估理論方法的重難點多集中在各影響因素的權重分配[7-9]上，但對于不同嚴重等級跑道侵入的研究尚未建立具體的評估模型。多重屬性風險評估模型[10]可提供直觀的機制和方便的框架來進行定量的風險評估，用于量化跑道侵入的嚴重性等級，該方法使用過程簡單易行，其模型建立均以數(shù)據(jù)為基礎，通過計算展開分析，與原有的跑道侵入風險評估模型相比，避免了人的主觀性對評估結果的影響。

本文采用多重屬性風險評估模型來量化跑道嚴重性等級，以飛行員、管制員及車輛/行人為多重屬性風險評估的三種屬性，根據(jù)單個因素導致跑道侵入發(fā)生次數(shù)與跑道侵入發(fā)生總次數(shù)的比值大小進行排序，最后進行威脅指數(shù)的計算，進而評價機場跑道系統(tǒng)的安全性。

1　多重屬性風險評估模型

多重屬性風險評估模型認為不同屬性之間存在傳遞性，即某種屬性出現(xiàn)問題時，可能會導致另一種屬性也出現(xiàn)問題，例如管制員的失誤可能會導致飛行員操作失誤。不同屬性之間存在優(yōu)先獨立性，不論哪種因素出現(xiàn)失誤，都有先后順序，先出現(xiàn)失誤的一方是結果的主要責任方，對事故的發(fā)生負主要責任。

1.1模型的構建

基于多種因素共同促成不安全事件的發(fā)生，多重因素風險評估模型亦被稱為附加價值模型[10]。其表達式為

v(x1,x2,…,xn)=∑i=1,nwivi(xi)

(1)

式中：wi為因素xi的權重值；vi(xi)為因素xi的值函數(shù)，其具體定義及算法詳見1.2節(jié)；i為多重屬性風險評估的三種屬性，代表三種不同的人為因素，即飛行員(i=1)、管制員(i=2)及車輛/行人(i=3)；v為出現(xiàn)不安全事件的可能性值函數(shù)，本文表示出現(xiàn)跑道侵入的可能性。

1.2評估單個屬性值函數(shù)vi(xi)

引起跑道侵入的人為因素主要有飛行員、管制員及車輛/行人，對上述三個屬性的值函數(shù)進行評估。

vi(xi)的定義為

(2)

1.3評估三種因素的權重(wi)并對不同因素的主導性排序

在Swing-Weight中，分析者要求決策者考慮一個假想情況，當安全管理者發(fā)現(xiàn)威脅時，由某種因素導致的最嚴重結果即為該威脅最終的結果，分析者認為決策者可以通過提高對某種因素的培訓使假設結果達到最佳水平。被選為第一的因素是相對比較重要的，即由于該因素的失誤而導致跑道侵入發(fā)生的次數(shù)更多。因此，首先應確定三種人為因素的權重。

確定權重的方法很多，例如AHP法、粗糙集條件信息熵法等[11-12]。本文根據(jù)2004～2008年的數(shù)據(jù)求得三種人為因素的權重值wi(i=1,2,3)，該方法較為簡單。

對不同因素的主導型排序是指計算出三種人為因素的權重之后，再根據(jù)權重大小進行排序。例如，1999～2007年，美國450家管制機場共發(fā)生了3 156起跑道侵入事故，其中，飛行員失誤占56%，管制員操作失誤占26%，車輛/行人失誤占18%，據(jù)此，其主導性排序如表1所示。

表1　主導性排序表

從表1可以看出：1999～2007年，美國450家管制機場由于飛行員失誤所導致的跑道侵入事件發(fā)生占主導。由于不同年份間引起跑道侵入的人為因素的主導性不同，每次計算都要對各因素的主導性進行排序。

1.4計算威脅指數(shù)

威脅指數(shù)(Threat Index，簡稱TI)的定義為

TI=Freq×[v(x1,x2,…,xn)]

(3)

式中：Freq為發(fā)生不安全事件的次數(shù)，即發(fā)生跑道侵入的統(tǒng)計次數(shù)；v(x1,x2,…,xn)已經(jīng)通過上述計算說明。

TI反映了某一系統(tǒng)的相對安全性，TI值越小，表示系統(tǒng)越安全，反之，則表示系統(tǒng)安全性較低。TI可用于量化跑道侵入的嚴重等級，便于對不同機場的管理進行對比，也可對同一機場不同年度的管理機制進行對比。下文將通過對FAA統(tǒng)計的跑道侵入的次數(shù)進行歸納統(tǒng)計計算，對具體年份跑道侵入的風險進行分析對比，以期為安全管理者和決策者提供數(shù)據(jù)支持。

2　實例說明

2.1數(shù)據(jù)處理

為了計算TI值，需要對2000～2008年跑道侵入次數(shù)進行統(tǒng)計，并對不同因素導致的不同嚴重等級的跑道侵入次數(shù)做出歸納。據(jù)FAA統(tǒng)計，2000～2004年，累計發(fā)生跑道侵入次數(shù)1 900次，將飛行員、管制員及車輛/行人出現(xiàn)失誤導致的不同嚴重等級的跑道侵入分類統(tǒng)計，如表2所示。

表2　2000～2004年跑道侵入數(shù)據(jù)統(tǒng)計

2005～2008年，累計發(fā)生跑道侵入次數(shù)3 497次，按不同嚴重等級進行分類統(tǒng)計，如表3所示。

表3　2005～2008年跑道侵入數(shù)據(jù)統(tǒng)計

即由飛行員失誤所引發(fā)的A/B類跑道侵入的概率為0.57。

同理可得其他因素失誤下的概率值，并將其排序。對2000～2004年各種因素的主導性進行排序，如表4所示。

表4　2000～2004年主導性排序表

對2005～2008年各種因素的主導性進行排序，如表5所示。

表5　2005～2008年主導性排序表

根據(jù)式(3)計算TI值。以2000～2004年A/B類跑道侵入發(fā)生的TI值為例：

TI=Freq×[v(x1,…,xn)]

=1 900×(0.54×0.57+0.28×0.28+

0.18×0.19)

=798.76

得到不同等級跑道侵入事件的TI計算結果如表6～表7所示。

表6　2000～2004年TI計算結果

表7　2005～2008年TI計算結果

2.2結果分析

通過對比表2～表3及表6～表7，可以看出：

(1) 2000～2004年和2005～2008年，由于飛行員失誤所導致的跑道侵入次數(shù)有增無減且占有較大比重，其可能的原因包括：飛行員飛行前或進近前準備不充分；飛行員正確復誦管制員的指令，但并沒有按指令操作；飛行員未注意到相關的許可界限，混淆關鍵的標志信息；飛行員錯誤地接受了管制員給另一架航空器的指令。

(2) 相比之下，由于管制員失誤所導致的跑道侵入次數(shù)有所下降(C類跑道侵入除外)，近年來，對于管制員安全意識的培訓越來越多，但管制員失誤仍未能避免。例如，管制員短暫遺忘一架航空器、車輛、一項或一次跑道關閉，可能出現(xiàn)錯誤的指令；未進行正確的協(xié)調(diào)等，上述失誤都是在實際工作中，特別是工作負荷較大時，不可避免的管制員差錯。

(3) 由于車輛/行人差錯所引起的A/B類跑道侵入相對較少，而C類和D類跑道侵入較多，其原因是在地面活動中，車輛/行人的機動性較強。車輛/行人差錯的原因可能有：未經(jīng)允許進入機動區(qū)或飛行區(qū)的車輛/行人；經(jīng)過允許進入機動區(qū)或飛行區(qū)后指示其進行短時間停留，并且回復了指令，但依然停留在跑道。

(4) 隨著飛行流量的增大，A/B類和C類跑道侵入的TI值有所增加，且D類跑道侵入的TI值急劇上升。表明美國民航局在盡力避免較為嚴重的A/B類跑道侵入的同時，卻忽視了對D類跑道侵入的把控，導致機場系統(tǒng)的安全性減弱。這一現(xiàn)象也可以理解為在安全裕度較大的情況下，飛行員、管制員及車輛/行人的警惕性下降，失誤率增加。

(5) 僅以跑道侵入事件發(fā)生的次數(shù)來評判某一機場管理制度的好壞及從業(yè)人員業(yè)務技能的好壞并不合理。隨著飛行流量的增多，2000～2004年發(fā)生跑道侵入事件的次數(shù)遠小于2005～2008年，但與D類跑道侵入相比，A/B類和C類跑道侵入的TI值增加較小，由于A/B類和C類跑道侵入的危害性較大，可以認為2005～2008年民航跑道系統(tǒng)的安全性較2000～2004年好。

綜上所述，本文認為在實際工作中，不論工作負荷大小，人為差錯都是不可避免的，但是必要的預防措施不可缺少，應該注意以下四個方面：

(1) 在堅決杜絕A/B類跑道侵入發(fā)生的同時，盡力避免C類、D類跑道侵入的發(fā)生。

(2) 需要對飛行員、管制員及車輛/行人分別進行對應崗位業(yè)務技能的教育培訓，加強對違規(guī)操作的懲處力度。

(3) 由于飛行員失誤是跑道侵入事故發(fā)生的主要原因，地面管制中應確保飛行員準確接受了每一條指令，對道面環(huán)境及機場標志標識有足夠的認識。

(4) 加強飛行員與管制員之間的協(xié)調(diào)，避免高負荷工作時出現(xiàn)復雜和不正確的通話與指令。

3　結　論

本文采用多重屬性風險評估模型可為跑道系統(tǒng)提供通用的跑道侵入風險評估方法。該方法可通過輸入數(shù)據(jù)進行評估計算，使管理者得到所需的量化安全信息，為安全管理提供理論指導，對未來的安全工作具有一定的指導意義。

引起跑道侵入的因素多種多樣，通常某一機場跑道侵入的發(fā)生是多種因素共同作用的結果，各種因素發(fā)生的時間、影響程度等存在相互關系，在進行跑道侵入風險評估時，應考慮各種影響因素之間的相互耦合。因此，引起跑道侵入的各因素之間的相互關系是未來研究跑道侵入風險評估的重要方面。

[1] 羅軍, 林雪寧. 基于模糊集和改進TOPSIS方法的跑道侵入風險評估[J]. 中國安全科學學報, 2012, 22(12): 116-121.

Luo Jun, Lin Xuening. Runway incursion risk assessment based on fuzzy sets theory and improved TOPSIS method[J]. China Safety Science Journal, 2012, 22(12): 116-121.(in Chinese)

[2] 許桂梅, 黃圣國. 基于人因可靠性的跑道侵入風險定量分析研究[J]. 科學技術與工程, 2010, 10(19): 4715-4719.

Xu Guimei, Huang Shengguo. Runway incursion risk assessment model based on HRA[J]. Science Technology and Enginering, 2010, 10(19): 4715-4719.(in Chinese)

[3] 唐辛欣, 羅帆. 基于灰色聚類的機場跑道侵入人為風險綜合評價[J]. 電子科技大學學報: 社科版, 2015, 17(2): 27-33.

Tang Xinxin, Luo Fan. Human risk assessment of the airport runway incursion based on the grey clustering[J]. Journal of University of Electronic Science and Technology of China: Social Sciences Edition, 2015, 17(2): 27-33.(in Chinese)

[4] Janic M. An assessment of risk and safety in civil aviation[J]. Journal of Air Transport Management, 2000, 6(1): 43-50.

[5] Dohyun Kim, Hanmo Yang. Evaluation of the risk frequency for hazards of runway incursion in Korea[J]. Journal of Air Transport Management, 2012, 23(7): 31-35.

[6] Ellen C Rogerson, James H Lambert. Prioritizing risks via several expert perspectives with application to runway safety[J]. Reliability Engineering and System Safety, 2012, 103(4): 22-34.

[7] Kim M C, Seong P H, Hollnagel E. A probabilistic approach for determining the control mode in CREAM[J]. Reliability Engineering and System Safety, 2006, 91(2): 191-199.

[8] Myrtok, ZoeN, Chrisk, et al. A fussy modeling of application CREAM methodology for human reliability analysis[J]. Reliability Engineering and System Safety, 2006, 91(2): 706-716.

[9] 劉艷輝, 劉傳正, 唐燦, 等. 基于確定性系數(shù)模型的地質(zhì)災害多因子權重計算方法[J]. 中國地質(zhì)災害與防治學報, 2015, 26(1): 92-97.

Liu Yanhui, Liu Chuangzheng, Tang Can, et al. CF-based multi-factor overlay method to determine weights of the factors for geo-hazards[J]. The Chinese Journal of Geological Hazard and Control, 2015, 26(1): 92-97.(in Chinese)

[10] Edwards W. How to use multiattribute utility measurement for social decisionmaking[J]. IEEE Transactions on Systems Man and Cybernetics, 1977, 7(5): 326-340.

[11] 曹秀英, 梁靜國. 基于粗集理論的屬性權重確定方法[J]. 中國管理科學, 2002, 10(5): 98-100.

Cao Xiuying, Liang Jingguo. The method of ascertaining attribute weight based on rough sets theory[J]. Chinese Journal of Management Science, 2002, 10(5): 98-100.(in Chinese)

[12] Kim Y M, Kim C K, Lee J C. Rough set algorithm for crack category determination of reinforced concrete structures[J]. Advances in Engineering Software, 2009, 40(3): 202-211.

(編輯：馬文靜)

Application of Multi-attribute Risk Assessments in Quantification of Runway Incursion Severity Classification

Luo Jun, Li Miaomiao

(School of Air Traffic Manangement, Civil Aviation Flight University of China, Guanghan 618307, China)

With the rapid development of aviation transportation, the traffic density increases gradually, the airport runway and taxiway system becomes complex. Aviation safety problems stand out. Among them the runway incursion is an important aspect. There are many causes of runway intrusion. This paper focuses on human factors affecting the runway incursion severity classification. Based on the runway incursion severity classification, this paper adopts multi-attribute risk assessment model to quantify the runway incursion severity classification. And try to illustrate the feasibility of this method in quantification of runway incursion severity classification through examples. Finally, the writer points out the problems in practical work through analyzing obtained data and presents the preventive measures.

runway incursion; multi-attribute risk assessments; threat index; human factors

2016-04-26；

2016-05-31

李淼苗,1017001209@qq.com

1674-8190(2016)03-338-05

X913.4;V328

A

10.16615/j.cnki.1674-8190.2016.03.011

羅軍(1970-)，男，博士，教授。主要研究方向：空中交通管理、交通運輸規(guī)劃與管理。

李淼苗(1990-)，女，碩士研究生。主要研究方向：空中交通管理、交通運輸規(guī)劃與管理。

修回日期：中國民航飛行學院科研創(chuàng)新項目(X2014-28)