基于民航安全信息文本挖掘的進(jìn)近著陸致險(xiǎn)因素分析*

陳農(nóng)田，李俊輝，滿永政，寧威峰

(中國(guó)民用航空飛行學(xué)院，四川 廣漢 618307)

0 引言

飛行安全貫穿整個(gè)飛行過程，其中飛行進(jìn)近著陸階段因飛機(jī)飛行高度較低、速度較小、時(shí)間短、操作繁雜等特點(diǎn)，一旦發(fā)生突發(fā)情況，飛行員反應(yīng)時(shí)間不足，極易導(dǎo)致飛行事故發(fā)生，如8.24黑龍江伊春墜機(jī)事故、2.14韓亞航空航班事故、5.8深圳南航空難等飛行進(jìn)近著陸階段事故[1]。國(guó)際民航組織在《安全管理手冊(cè)》中指出：對(duì)征候或事故等相關(guān)信息的準(zhǔn)確及時(shí)報(bào)告是安全管理的基本活動(dòng)[2]。中國(guó)民航局提出基于信息數(shù)據(jù)驅(qū)動(dòng)的安全風(fēng)險(xiǎn)管理模式，注重安全關(guān)口前移，開展基于不安全事件信息分析的安全規(guī)律分析，對(duì)保障民航安全具有重要意義。

目前，針對(duì)民航安全致險(xiǎn)因素提取方法的研究主要集中在事故原因統(tǒng)計(jì)、人為因素分析和基于飛行數(shù)據(jù)的異常檢測(cè)等方面：汪磊等[3]采集626起事故調(diào)查數(shù)據(jù)，從事故發(fā)生季度、類型、機(jī)型等多個(gè)維度進(jìn)行統(tǒng)計(jì)分析，發(fā)現(xiàn)沖偏出跑道和飛機(jī)失去控制事故發(fā)生概率相對(duì)最大；薛宇敬陽(yáng)等[4]以事故致因“2-4”模型為基礎(chǔ)，利用統(tǒng)計(jì)方法對(duì)通用航空飛行事故展開分析，得出違章操作是發(fā)生頻數(shù)最高的原因類型；田磊等[5]對(duì)中國(guó)通用航空的安全現(xiàn)狀進(jìn)行簡(jiǎn)要分析發(fā)現(xiàn)，誘發(fā)事故的直接原因?yàn)槿藶橐蛩?，主要包括違規(guī)操作、航空人才匱乏、缺乏應(yīng)急訓(xùn)練等；龐兵等[6]利用改進(jìn)的人為因素分析分類系統(tǒng)模型，對(duì)航空事故人為因素進(jìn)行分析，并利用關(guān)聯(lián)性方法分析不同因素之間的關(guān)聯(lián)關(guān)系；彭宇等[7]對(duì)基于飛行數(shù)據(jù)的異常檢測(cè)技術(shù)進(jìn)行闡述，得出飛行數(shù)據(jù)可用于監(jiān)測(cè)航空器關(guān)鍵部件的健康狀態(tài)、發(fā)現(xiàn)機(jī)組飛行操縱差錯(cuò)等方面。

信息的結(jié)構(gòu)是多源性的，文本中同樣存在部分潛在的、有價(jià)值的信息。國(guó)內(nèi)外學(xué)者將文本挖掘技術(shù)應(yīng)用于多領(lǐng)域的事故分析之中：Figueres等[8]對(duì)鐵路事故報(bào)告進(jìn)行挖掘，利用網(wǎng)絡(luò)分析法聚類出4類風(fēng)險(xiǎn)，并分析風(fēng)險(xiǎn)之間關(guān)聯(lián)；Rao等[9]根據(jù)民用直升機(jī)事故案例識(shí)別高風(fēng)險(xiǎn)致因序列，構(gòu)造新的機(jī)上事故致因鏈；李解等[10]利用文本分析方法對(duì)國(guó)內(nèi)地鐵施工安全風(fēng)險(xiǎn)事故報(bào)告進(jìn)行挖掘，分析出29項(xiàng)致險(xiǎn)因素，為地鐵施工風(fēng)險(xiǎn)防范提供幫助；吳伋等[11]通過文本挖掘方法(tf-idf法)確定人為因素是船舶碰撞事故致因中的首要因素；陳芳等[12]利用潛在狄利克雷(LDA)主題模型挖掘管制運(yùn)行風(fēng)險(xiǎn)主題及其關(guān)鍵詞，將Word2vec和語義分析相結(jié)合，確定主題重要排序與風(fēng)險(xiǎn)之間的關(guān)系。

綜上，文本挖掘技術(shù)已較為成熟，且在不同領(lǐng)域致險(xiǎn)因素提取中發(fā)揮較好的作用。本文在前人研究基礎(chǔ)上，擬利用文本挖掘方法分析進(jìn)近著陸不安全事件致險(xiǎn)因素，以期為進(jìn)近著陸階段安全風(fēng)險(xiǎn)管理提供參考。

1 基于文本挖掘的進(jìn)近著陸致險(xiǎn)因素挖掘

1.1 文本挖掘方法

文本挖掘是從文本數(shù)據(jù)中獲取未知信息的1種數(shù)據(jù)挖掘方法，以數(shù)理統(tǒng)計(jì)和計(jì)算機(jī)語言學(xué)為基礎(chǔ)，將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化成結(jié)構(gòu)化數(shù)據(jù)，并加以有效利用，在自然語言學(xué)科、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)科等領(lǐng)域得到應(yīng)用，為大數(shù)據(jù)時(shí)代的數(shù)據(jù)分析與處理提供技術(shù)支持[13]。文本挖掘流程如圖1所示。

圖1 文本挖掘流程示意Fig.1 Schematic diagram for flow chart of text mining

1.2 語料庫(kù)的選取

要全面掌握與分析飛行進(jìn)近著陸存在的致險(xiǎn)因素，所選語料庫(kù)應(yīng)反映其階段不安全事件中所存在的危險(xiǎn)，從而有效挖掘風(fēng)險(xiǎn)的發(fā)展規(guī)律及衍生后果。美國(guó)航空安全事故報(bào)告在線數(shù)據(jù)庫(kù)(ASRS)是由航空一線人員(包括飛行員、管制員、機(jī)械師、乘務(wù)員和簽派員)提供的自愿保密性安全信息庫(kù)，其反映當(dāng)前航空系統(tǒng)中存在的漏洞與隱患。報(bào)告通常包括事故日期、事故發(fā)生地點(diǎn)、飛行環(huán)境(計(jì)劃、階段、任務(wù))、事故類型及結(jié)果等結(jié)構(gòu)化數(shù)據(jù)，以及對(duì)整個(gè)航空事件經(jīng)過進(jìn)行描述的非結(jié)構(gòu)化數(shù)據(jù)。

本文以2016—2020年ASRS數(shù)據(jù)為主要數(shù)據(jù)來源，并收集篩選我國(guó)進(jìn)近著陸階段飛行不安全事件/事故對(duì)語料庫(kù)進(jìn)行擴(kuò)充，共產(chǎn)生2 267條數(shù)據(jù)。

1.3 文本挖掘工具的選擇

常見文本挖掘工具包括ROST CM和NLPIR-ICTCLAS，但2者只能添加1個(gè)用戶詞典，對(duì)涉及氣象、航空安全領(lǐng)域、飛行專有名詞等詞匯的語料進(jìn)行文本挖掘存在不便。

Python語言是1種解釋型腳本語言，其包含許多文本挖掘所需要的科學(xué)包和依賴項(xiàng)，具有簡(jiǎn)單、易讀、可擴(kuò)展的優(yōu)勢(shì)，在文本實(shí)際處理過程中限制較少。Anaconda是Python的科學(xué)計(jì)算發(fā)行版，本文選用Anaconda自帶Python的Spyder開發(fā)環(huán)境，對(duì)飛行進(jìn)近著陸安全信息文本進(jìn)行數(shù)據(jù)分析、結(jié)果可視化等。

1.4 文本預(yù)處理

文本挖掘預(yù)處理過程是將文本信息中非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化成結(jié)構(gòu)化數(shù)據(jù)，以便計(jì)算機(jī)識(shí)別處理[14]。通常包含小寫化、去標(biāo)點(diǎn)、去停用詞、詞干提取等步驟。

1)文本分詞。利用Python中的nltk分詞工具對(duì)飛行進(jìn)近著陸信息文本劃分為詞。由于航空領(lǐng)域有許多專有名詞、縮寫格式、業(yè)界詞匯，如“正短期飛行沖突告警(STCA)、儀表進(jìn)近程序(ILS、VOR、NDB等)”等，為避免分詞時(shí)將詞匯分割，可通過構(gòu)建飛行進(jìn)近著陸事件致因詞典以提高分詞的準(zhǔn)確性。

2)去除停用詞。去停用詞指剔除影響挖掘效果的噪聲詞以改進(jìn)挖掘精度。對(duì)于無法表示致險(xiǎn)因素的詞如“航班日期”、“航班號(hào)”和“航線名稱”等，以及出現(xiàn)頻率較高的詞如“airplane”、“crew”、“event”和“reason”等均從信息文本中剔除。此外，還有部分高頻且對(duì)事故致險(xiǎn)的理解沒有幫助意義的詞，如“to”、“is”、“of”，包括標(biāo)點(diǎn)符號(hào)予以剔除。

1.5 基于的χ2統(tǒng)計(jì)的致險(xiǎn)因素篩選

對(duì)于長(zhǎng)文本分析問題主要采用詞袋模型(Bag Of Words,BOW)和詞向量模型進(jìn)行處理[15]。本文采用BOW提取原始文本特征項(xiàng)，通過設(shè)定一定閾值，將詞頻作為提取指標(biāo)，生成以原始特征項(xiàng)為集合的特征詞典。選取語料庫(kù)中出現(xiàn)頻率較高的500個(gè)詞作為特征詞典，利用Python語言CountVectorizer模塊，將每個(gè)文本用500維的向量表示，得到進(jìn)近著陸信息文本的原始特征項(xiàng)集。維度過高會(huì)導(dǎo)致致險(xiǎn)因素分析困難，因此考慮做降維處理，以得到更為清晰的目標(biāo)值。

齊世偉[16]通過對(duì)比不同特征降維方法發(fā)現(xiàn)，在召回率和查準(zhǔn)率方面，χ2統(tǒng)計(jì)方法具有明顯優(yōu)勢(shì)，如式(1)所示：

(1)

式中：n表示整個(gè)文本的個(gè)數(shù)；a表示屬于ci類且包含特征項(xiàng)t的文本頻率；b表示不屬于ci類且包含特征項(xiàng)t的文本頻率；c表示屬于ci類但不包含特征項(xiàng)t的文本頻率；d表示不屬于ci類也不包含特征項(xiàng)t的文本頻率。整個(gè)語料庫(kù)值如式(2)所示：

(2)

Python語言中存在sklearn特征選擇包，結(jié)合統(tǒng)計(jì)功能進(jìn)行歸納總結(jié)，最終得到進(jìn)近著陸致險(xiǎn)因素特征降維結(jié)果，見表1。

表1 進(jìn)近著陸致險(xiǎn)因素特征降維結(jié)果Table 1 Results of dimension reduction on characteristics of risk factors of approach and landing

1.6 進(jìn)近著陸致險(xiǎn)因素結(jié)果可視化

利用Python軟件將文本轉(zhuǎn)換為向量空間模型(Vector Space Model,VSM)，其定義主要包括以下4方面：

1)定義1文檔：第i份進(jìn)近著陸安全信息文本為Di。

2)定義2特征項(xiàng)：能基本表述文本信息的詞語、短語等，本文指致險(xiǎn)因素，用Tk表示。

3)定義3 特征項(xiàng)權(quán)重W：表示每項(xiàng)特征項(xiàng)能表述安全信息文本Di的完整程度，用tf-idf公式表示，如式(3)所示：

(3)

(4)

式中：|D|為文件總數(shù)；|{j:ti∈dj}|為ti的文件數(shù)目。綜上，致險(xiǎn)因素特征如式(5)所示：

tf-idf=tfi,j×idfi

(5)

根據(jù)式(3)～(5)得到致險(xiǎn)因素特征的tf-idf值，將其作為特征項(xiàng)權(quán)重Wik得到由特征項(xiàng)構(gòu)成的VSM，見表2，利用Python語言將結(jié)果可視化如圖2所示。

圖2 進(jìn)近著陸致險(xiǎn)因素詞云圖Fig.2 Word cloud for risk factors of approach and landing

表2 進(jìn)近著陸安全信息文本向量空間模型(部分)Table 2 VSM for safety information text of approach and landing (partial)

2 致險(xiǎn)因素分析模型

2.1 致險(xiǎn)模型

飛行進(jìn)近著陸事故/事件一般是人、機(jī)、環(huán)、管4種因素相互作用的結(jié)果[17]。根據(jù)進(jìn)近著陸致險(xiǎn)因素特征、降維結(jié)果以及原文事件，構(gòu)建人為因素、飛機(jī)故障、環(huán)境因素、管理因素4種影響因素類別下進(jìn)近著陸致險(xiǎn)因素模型，如圖3所示。

圖3 致險(xiǎn)因素歸類Fig.3 Classification of risk factors

2.2 灰色關(guān)聯(lián)分析方法

灰色關(guān)聯(lián)法(Grey Relation Analysis，GRA)是灰色系統(tǒng)理論方法之一，可對(duì)系統(tǒng)不同因素之間、不同系統(tǒng)之間發(fā)展過程中隨時(shí)間變化而變化的情況進(jìn)行分析，定量分析其關(guān)聯(lián)性[18-19]。由于進(jìn)近著陸飛行事故/事件誘發(fā)因素多且難以量化，因此采用灰色系統(tǒng)理論分析方法定量分析各致險(xiǎn)因素與發(fā)生事故/事件的關(guān)聯(lián)度，包括以下5個(gè)計(jì)算步驟：

1)確定參考數(shù)列和比較數(shù)列。設(shè)X0(0)={x0(0)(k)|k=1,2,…,n}為參考數(shù)列，影響可靠性指標(biāo)Xi(0)={xi(0)(k)|k=1,2,…,n}為比較數(shù)列。

2)數(shù)據(jù)預(yù)處理。為保證分析結(jié)果的準(zhǔn)確性，在進(jìn)行GRA分析時(shí)要對(duì)最初收集數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、篩選、無量綱化等處理，如式(6)所示：

(6)

3)關(guān)聯(lián)系數(shù)計(jì)算。數(shù)列x0(1)與xi(1)第k點(diǎn)的關(guān)聯(lián)系數(shù)如式(7)所示：

(7)

式中：Δi(k)=|x0(1)(k)-xi(1)(π)|為第k個(gè)指標(biāo)與最優(yōu)指標(biāo)的絕對(duì)差；ζ為分辨系數(shù)，取值范圍[0,1]。

4)關(guān)聯(lián)度計(jì)算。關(guān)聯(lián)度計(jì)算即取各關(guān)聯(lián)系數(shù)的平均值，如式(8)所示：

(8)

5)數(shù)據(jù)整理。將各關(guān)聯(lián)度進(jìn)行排序，其值越大，即影響程度越深。

3 基于致險(xiǎn)因素模型GRA分析

3.1 數(shù)據(jù)統(tǒng)計(jì)

將2 267條文本數(shù)據(jù)經(jīng)篩選后按不同年份依此分為5組，然后計(jì)算向量空間模型的tf-idf值，將overspeed、abnormal attitude等作為操縱不當(dāng)?shù)淖右蛩剡M(jìn)行加和統(tǒng)計(jì)，得到致險(xiǎn)因素分值相關(guān)數(shù)據(jù)，見表3。其中，將tf-idf值作為各致險(xiǎn)因素特征在各自組別中發(fā)生頻率的集合。

表3 進(jìn)近著陸致險(xiǎn)因素tf-idf值統(tǒng)計(jì)結(jié)果Table 3 Statistical results of tf-idf values for risk factors of Approach and landing

利用灰色關(guān)聯(lián)分析方法，選取不同組別進(jìn)近著陸事故/事件最大tf-idf統(tǒng)計(jì)值作為參考數(shù)列，各致險(xiǎn)因素按組別產(chǎn)生的tf-idf統(tǒng)計(jì)值為比較數(shù)列，代入式(7)～(9)計(jì)算關(guān)聯(lián)度，其中參考序列為{53，49，52，52，60}。

計(jì)算進(jìn)近著陸發(fā)生事故/事件與不同的致險(xiǎn)因素間的關(guān)聯(lián)度，計(jì)算結(jié)果見表4。計(jì)算進(jìn)近著陸事故/事件與致險(xiǎn)因素類別之間的關(guān)聯(lián)度，計(jì)算結(jié)果見表5。

表4 致險(xiǎn)因素間關(guān)聯(lián)度計(jì)算結(jié)果Table 4 Calculated results of correlation between risk factors

表5 致險(xiǎn)因素類別之間的關(guān)聯(lián)度Table 5 Correlation between types of risk factors

3.2 結(jié)果分析

致險(xiǎn)因素影響程度比較可視化結(jié)果如圖4所示。由圖4可知，通過GRA關(guān)聯(lián)度分析發(fā)現(xiàn)應(yīng)加強(qiáng)飛行員決策處置能力(操縱不當(dāng)、決策錯(cuò)誤、執(zhí)行力不足等)的訓(xùn)練，空管部門應(yīng)加強(qiáng)機(jī)場(chǎng)進(jìn)近著陸管控(實(shí)時(shí)監(jiān)控、跑道管理)力度；通過分析事件/事故與4種致險(xiǎn)因素類別的關(guān)聯(lián)度可知，人為因素是導(dǎo)致飛行進(jìn)近著陸事件/事故的主要因素。同時(shí)應(yīng)注重惡劣天氣對(duì)飛機(jī)進(jìn)近著陸的影響。

圖4 致險(xiǎn)因素影響程度比較結(jié)果Fig.4 Comparison on influence degree of risk factors

4 結(jié)論

1)通過向量空間模型、詞云圖對(duì)提取的特征進(jìn)行可視化展示，其中包含operation、turbulence、conflict等30個(gè)致險(xiǎn)因素特征降維結(jié)果。

2)將30個(gè)致險(xiǎn)因素歸納為人為因素、飛機(jī)故障、環(huán)境因素和管理因素4種類別下進(jìn)近著陸致險(xiǎn)因素分類模型之中，通過GRA分析方法對(duì)不同致險(xiǎn)因素與事件/事故發(fā)生關(guān)聯(lián)度進(jìn)行比較發(fā)現(xiàn)，飛行員操縱不當(dāng)、管制員指令錯(cuò)誤、湍流、起落架的機(jī)械故障等因素成為重要致險(xiǎn)原因。

3)通過比較4種致險(xiǎn)因素發(fā)現(xiàn)，人為因素比重較大，但仍需加強(qiáng)對(duì)其他3類致險(xiǎn)因素的管控力度。