基于模糊認知圖的通用航空事故機理分析

趙趕超,陳勇剛,雷晶晶

(中國民用航空飛行學(xué)院,四川 廣漢 618307)

隨著中國低空空域通航逐漸開放，通航活動越來越頻繁，通航(通用航空)運行事故率不斷增加。對通航事故機理分析，找出事故誘因間的耦合關(guān)系，避免事故鏈的形成，對于提升通航安全運行保障能力具有重要意義。對事故原因調(diào)查中發(fā)現(xiàn)，事故發(fā)生的誘因分為4類，人的不安全行為、機器的不安全狀態(tài)、環(huán)境的不安全因素以及管理失誤。這4種狀態(tài)之間又會相互碰撞耦合，加大航空事故形成的概率[1]，所以，對通航事故誘因預(yù)測顯得尤為重要。

國內(nèi)外學(xué)者對通航的事故誘因調(diào)查與分析做出了很多研究。王春林在2011年基礎(chǔ)性地分析了通航運行現(xiàn)狀、特點和制約安全運行因素，為通航事故成因的調(diào)查奠定了基礎(chǔ)[2]；陳勇剛于2012年開創(chuàng)性地構(gòu)建了符合中國通航公司運行現(xiàn)狀的安全管理體系，為通航事故成因的分析提供了理論支持[3]；Shyur和Huan-Jyh于2008年第一次運用事故和安全指標(biāo)的數(shù)據(jù)來量化由人為錯誤所造成的航空風(fēng)險，為通航事故的調(diào)查提供依據(jù)[4]。

通航事故的發(fā)生是一種或多種誘因耦合震蕩共同作用的結(jié)果，該過程較為復(fù)雜。模糊認知圖可以將系統(tǒng)內(nèi)部復(fù)雜的關(guān)系以圖的形式展示出來，便于分析研究，因此，使用模糊認知圖對通航事故成因進行分析與研究[5-9]。通過對中國2006—2015年10年間所發(fā)生的通航事故進行詳細地調(diào)查與分析，對通航事故影響因素進行了統(tǒng)計與分類，根據(jù)事故誘因的基本關(guān)系，建立模糊認知圖預(yù)測模型。結(jié)合關(guān)聯(lián)度的分析計算[10-11]，各個誘因間的事故關(guān)聯(lián)度，得出導(dǎo)致通航事故的主要誘因。這在一定程度上為預(yù)防通航事故的發(fā)生奠定了理論基礎(chǔ)，減少了事故發(fā)生的概率，進一步保障人員的生命和財產(chǎn)安全。

1 影響通航安全要素分析

通航事故的發(fā)生是一個復(fù)雜過程，對事故誘因的預(yù)測要從人—機—環(huán)—管共同作用的大系統(tǒng)出發(fā)。其中，人是指飛行機組人員、航務(wù)人員機務(wù)人員和后勤保障人員等；機是指在通航運行的過程中所涉及到所有機械設(shè)備，包括航空器、簽派放行系統(tǒng)及空管指揮系統(tǒng)等；環(huán)是指自然環(huán)境，工作環(huán)境和人文環(huán)境等；管是指在通航運行過程中與之相關(guān)的培訓(xùn)方案、制度管理與政策法規(guī)等[12-13]。通航事故的形成過程是復(fù)雜的，在對其事故誘因進行分類研究的同時，分析通航事故發(fā)生的主要誘因有哪些，根據(jù)這些主要影響因素之間的關(guān)聯(lián)關(guān)系挖掘出是哪一個誘因或哪幾個誘因相互作用而引發(fā)通航事故及事故與這些誘因之間關(guān)聯(lián)度的強弱。模糊認知圖是根據(jù)事故中不同誘因之間的關(guān)聯(lián)關(guān)系，結(jié)合專家經(jīng)驗進行修正并推理，從而預(yù)測通航事故成因。

研究對影響通航安全因素的分類和研究主要是依據(jù)2006—2015年通航事故統(tǒng)計報告進行分析的。圖1是按照年份給出了2006—2015年通航事故的統(tǒng)計情況。

圖1 通航事故的統(tǒng)計情況Fig. 1 Statistics of general aviation accidents

對通航事故進行統(tǒng)計分析之后發(fā)現(xiàn)，事故誘因可以劃分為“人的因素”、“機械因素”、“環(huán)境因素”、“管理因素”和一些原因不明的因素，稱之為“不明因素”，在這些因素的分類中，其中“人的因素”包括人員的操作失誤、專業(yè)技術(shù)水平較低、飛行前準(zhǔn)備不充分、訓(xùn)練程度不成熟等；而“機械因素”包括發(fā)動機故障、油門失效、起落架故障、通訊設(shè)施故障、機械結(jié)構(gòu)設(shè)計不完善等；“環(huán)境因素”包括鳥擊、惡劣天氣、地形復(fù)雜等；而“管理因素”主要包括人員培訓(xùn)制度不完善、規(guī)章制度不健全、應(yīng)急預(yù)案不充分等[12]。此外，對于一些事故原因不明確的未知情況，將其列為“不明因素”。

根據(jù)以上對于通航事故發(fā)生的因素的劃分原則，對2006—2015年所發(fā)生的138起通航事故進行統(tǒng)計，得到了不同誘因?qū)е碌耐ê绞鹿蕯?shù)量和所占的比例。從下圖2可以看出：這些事故中，由于“人的因素”所引起的事故數(shù)為58起，占所有事故數(shù)的42%；由于“機械因素”所引起的事故數(shù)為48起，占34.8%；由于“環(huán)境因素”所引起的事故數(shù)為23起，占16.67%；由“管理因素”所引起的事故數(shù)為1起，占0.72%；剩余的由“不明因素”所引起的事故數(shù)有8起，占5.8%，具體的事故誘因分布表見圖2。

圖2 不同誘因?qū)е率鹿实慕y(tǒng)計Fig. 2 Statistics of accidents caused by different inducements

2 模糊認知圖原理

模糊認知圖是由Kosko于1986年在Axelord的認知圖基礎(chǔ)上，將Zadeh的模糊集理論引入到認知圖理論中提出的[7]。模糊認知圖是將不同因子間的復(fù)雜關(guān)聯(lián)關(guān)系以圖形的方式展現(xiàn)出來。具體則是利用圖形中的節(jié)點與有向弧將概念或事務(wù)間的關(guān)聯(lián)關(guān)系表示出來，從而將系統(tǒng)的復(fù)雜動態(tài)行為量化，實現(xiàn)較高置信度的預(yù)測功能[13]。

模糊認知圖的原理如下，即可以用四元組U=(A,E,X,Y)來表示，其中：A={A1,…,An}是模糊認知圖中的所有概念集合；E(A×A)=(qij)n×n是模糊認知圖的權(quán)重矩陣，(Ai，Aj)→qij是一個映射，其中qij∈E,Ai,Aj∈A,qij是表示從概念A(yù)i到概念A(yù)j的關(guān)聯(lián)關(guān)系程度；X：表示節(jié)點Ai在某一時刻的狀態(tài)為xi，X(t)=[x1(t),x2(t),…xn(t)]T表示模糊認知圖G在t時刻的狀態(tài)，根據(jù)模糊認知圖的推理預(yù)測方法，系統(tǒng)在下一時刻的狀態(tài)可以表示為

x(t+1)=WxT(t)，

(1)

若模糊認知圖中含有n個節(jié)點，給出一個閾值函數(shù)f(x)，每個節(jié)點在t+1時刻的值可用下式進行計算

(2)

確保所有迭代的節(jié)點值都處于[-1,1]范圍內(nèi)。

3 預(yù)測通航事故主要誘因

對可能誘發(fā)通航事故形成的因素進行分析，建立事故誘因的預(yù)測模型，期望在事故形成前將誘導(dǎo)因素剔除，起到事故預(yù)防的作用。在對危險因素進行識別的基礎(chǔ)上，可預(yù)先采取措施，控制事故的發(fā)生，盡可能降低事故發(fā)生的概率。因此，可以在通航事故的誘因統(tǒng)計及分類的基礎(chǔ)上，將“通航事故”作為因變量，“人的因素”、“機械因素”、“環(huán)境因素”、“管理因素”和“不明因素”作為自變量，另外還包括一些其他的因素，如“機組配合”、“觀察能力”、“訓(xùn)練水平”、“標(biāo)準(zhǔn)制定”、“疲勞”等因素都可能直接或間接對因變量產(chǎn)生影響，因此，這些因素被定義為隨機變量。構(gòu)建出通航事故誘因預(yù)測的模糊認知圖如圖3所示。

圖3 模糊認知圖模型Fig. 3 Fuzzy cognitive model

在上述模型中，可以看到3類節(jié)點因變量結(jié)果的節(jié)點，自變量原因的節(jié)點和隨機變量事件的節(jié)點。表1表示在通航事故誘因預(yù)測的模糊認知圖模型各個節(jié)點的概念及其所對應(yīng)的具體含義，所以，通航事故誘因預(yù)測模型的狀態(tài)向量可以表示為

A=[A1,A2,A3,A4,A5,A6,?c1,c2,c3,c4,c5,]。

(3)

表1 各個節(jié)點的概念與具體含義Table 1 Concept and specific meaning of each node

通航運行系統(tǒng)較為復(fù)雜，通常情況下人的心理狀況較差、生理狀況較差、專業(yè)技術(shù)能力較低、訓(xùn)練程度不足、觀察能力較弱等人的因素均會不同程度引發(fā)通航事故；而動力系統(tǒng)故障、油門失效、起落架故障、通訊故障等機械因素同樣也會引發(fā)通航事故[12-14]。因此，需要進一步將圖3中的“人的因素”和“機械因素”進一步劃分，建立如圖4和圖5所示模型。這樣構(gòu)建出的模型可以將通航事故誘因追究到最終，更有利于分析得出通航的事故主要誘因及誘因間的關(guān)聯(lián)關(guān)系，這為減少通航的事故發(fā)生奠定了強有力的保障基礎(chǔ)，這是進行通航事故主要誘因預(yù)測的目的。

圖4 “人的因素”構(gòu)造的模型Fig. 4 “Human Factors” Construction Model

圖5 “機械因素”構(gòu)造的模型Fig. 5 Structural model of “mechanical factors”

根據(jù)圖3，自變量和因變量并非存在線性關(guān)系，可以選擇公式(2)進行多次迭代計算完成多變量非線性時間預(yù)測，這種預(yù)測方法不但需要對每個概念的初始狀態(tài)進行分析，還分析模糊認知圖的鄰接矩陣。

選擇專家針對通航事故誘因預(yù)測模型中的A1至A6節(jié)點概念進行打分，經(jīng)過前期調(diào)研，特邀通航安全領(lǐng)域的6位專家，專家1和專家2擅長通航運行系統(tǒng)領(lǐng)域，專家3和專家4擅長通航事故調(diào)查，專家5和專家6擅長通航飛行技術(shù)。6名專家從專業(yè)的角度使用模糊語言對A1至A6節(jié)點概念間的關(guān)聯(lián)關(guān)系進行描述。根據(jù)通航事故發(fā)生概率將其定義為7個語義值：很大(HD)、大(D)、偏大(PD)、中等(ZD)、偏小(PX)、小(X)和很小(HX)，其模糊形式如表2所示。

表2 模糊數(shù)表示形式Table 2 Representation of Fuzzy Numbers

為了準(zhǔn)確充分將專家打分利用起來，將使用算數(shù)平均法將各個專家的評判結(jié)果進行綜合計算，假設(shè)每位專家的權(quán)重一致，最終所得的結(jié)果作為模糊認知圖中概念A(yù)1、A2、A3、A4、A5、A6的權(quán)值，表示為式(4)。

(4)

代入式(4)進行計算，可以得出通航事故成因預(yù)測模型的鄰接矩陣

(5)

專家根據(jù)初始條件確定初始狀態(tài)，為了提高預(yù)測的準(zhǔn)確性，需要將專家提供的全部概念值進行充分利用。因此使用經(jīng)典的最小最大法對概念值初始化得到初始值，即

Pl(t0)=(Pl-minPl)/(maxPl-minPl)，

(6)

假設(shè)c1,c2,c3,c4和c5等隨機變量僅存在2種狀態(tài)——“激活”與“不被激活”，且在開始預(yù)測時，隨機變量并不會對因變量產(chǎn)生影響，即機組配合程度很好，人員的觀察能力很強，人員的訓(xùn)練水平很高，標(biāo)準(zhǔn)制定非常完善，人員及機械并未出現(xiàn)疲勞的情況，因此，c1=c2=c3=c4= 1被激活，c5=0不被激活。所以開始時系統(tǒng)的初始狀態(tài)向量如下

A(t0)=[A1,A2,A3,A4,A5,A6,1,1,1,1,0]，

(7)

依據(jù)模糊認知圖的理論可知，式(7)和式(5)鄰接矩陣做乘法，根據(jù)計算結(jié)果分析每個概念的狀態(tài)值，在此結(jié)果的基礎(chǔ)上將狀態(tài)值作為下一次計算的輸入值，依次迭代計算，直到所有概念的狀態(tài)值都穩(wěn)定在某一個值，或狀態(tài)值呈現(xiàn)周期性變化，預(yù)測就進入了期望穩(wěn)定狀態(tài)，閾值函數(shù)為

(8)

處于穩(wěn)定狀態(tài)中的某概念權(quán)值大于某個閾值，則認為其他概念權(quán)值中的某一個或幾個誘因會在一定程度上導(dǎo)致通航事故的發(fā)生，那么該誘因的關(guān)聯(lián)度即可作為通航事故成因預(yù)測的最終評價指標(biāo)。再根據(jù)自變量因素概念和因變量概念之間關(guān)聯(lián)程度強弱得出最終結(jié)論。

步驟1：將k步預(yù)測中A6的所有狀態(tài)值作為參考序列，記為A0(k)；

步驟2：將概念A(yù)1，A2，A3，A4和A5在預(yù)測過程中的狀態(tài)值作為比較序列，記為Ai(k)，比較序列與參考序列的關(guān)聯(lián)系數(shù)χ可以由下面公式求出

(9)

式中：α為分辨率系數(shù)，α∈(0,1)；k為迭代步數(shù)；i=1,2…，5。如果記序列Ai(k)與序列A0(k)的關(guān)聯(lián)度為γi，則

(10)

步驟3：比較γi的值，值越大則2個序列間的關(guān)系越緊密，該誘因誘發(fā)通航事故概率就越大。

4 實例分析

為了驗證該方法的適用性與有效性，選取一起通航事故，使用方法對其進行分析與計算，將最終所得到的該通航事故的預(yù)測原因與實際原因進行對比，驗證其有效性。

2011年11月10日，一架塞斯納208水陸兩用型飛機在天津執(zhí)行物探任務(wù)時發(fā)生迫降，導(dǎo)致2名機組成員受傷，無人員死亡。經(jīng)過對事故現(xiàn)場進行調(diào)查分析后得出結(jié)論：由于飛機發(fā)動機空中停車迫降野外，導(dǎo)致飛機螺旋槳變形，機翼明顯損傷，油箱燃油泄露嚴(yán)重。依據(jù)初始條件對專家給出的初始狀態(tài)進行整理之后得出

A(t0)=[0,1,0,0,0,0,1,1,1,1,0]，

其中，取μ=2，將初始狀態(tài)輸入到圖3所示的模糊認知圖模型中，輸出結(jié)果如下表3所示。

表3 迭代輸出值Table 3 Iteration output value

從表3可以看出，迭代到第7步時數(shù)據(jù)達到固定值，基本保持不變，因此系統(tǒng)的狀態(tài)為:

A1=0.131 6,A2=0.795 0,A3=0.424 8,

A4=0.500 0,A5=0.500 0,A6=0.766 5,

c1=0.500 0,c2=0.500 0,c3=0.500 0,

c4=0.500 0,c5=0.781 1。

記A6(k)=(0.500 0,0.693 0,0.761 2,0.763 0,0.765 4,0.766 1,0.766 5)為參考數(shù)列，取α=0.5，將A1-A5每一步迭代的預(yù)測值為Ai(k),i=1,2，…5，k=7。由公式(11)和(12)計算得出關(guān)聯(lián)度γ1=0.743 3，γ2=0.919 4，γ3=0.893 2，γ4=0.363 5，γ5=0.363 5。

因此，通航事故影響誘因的排序為：γ2>γ3>γ1>γ4=γ5，引發(fā)此次通航事故的主要誘因為“機械因素”，而次要誘因則為管理因素。而在實際的事故調(diào)查中發(fā)現(xiàn)，該通航事故的主要誘因為“機械因素”，計算結(jié)果與實際情況相符合。

5 對比分析

為了驗證使用的方法適用性與有效性較好，選取另外一種算法-DEMATEL方法來進行通航事故誘因的預(yù)測[15]。

選用0.1～0.9來表示影響通航事故的各個誘因之間的影響強度，同樣使用專家打分的方法得出各誘因之間影響強度的矩陣B=(bij)5×5如下

(11)

(12)

從矩陣B’的結(jié)果中得出不同誘因的影響度、被影響度、中心度以及原因度[16]，具體值見下表4。

表4 不同因素的影響度、被影響度、中心度和原因度Table 4 Influence degree, affected degree, centrality and cause degree of different factors

根據(jù)上表計算得出的中心度比較發(fā)現(xiàn)，A3即管理因素的影響最大，所以，可以預(yù)測得出通航事故的發(fā)生管理因素對其影響最大。

對以上2種方法計算結(jié)果進行對比分析后發(fā)現(xiàn)，使用FCM建立的通航事故誘因模型與相關(guān)度計算結(jié)合進行計算的通航事故誘因更為適用且有效。

6 結(jié) 論

1)對2006—2015年的通航事故進行詳細地統(tǒng)計分析之后，提出了通航事故影響因素的劃分方法，根據(jù)模糊認知圖模型建立起通航事故誘因預(yù)測模型，利用模糊認知圖的表示方法與推理計算可以預(yù)測得到通航事故的誘因，根據(jù)關(guān)聯(lián)度的計算最終挖掘出通航事故的主要誘因。

2)通過實例分析驗證得出，計算方法對于通航事故誘因的預(yù)測是有效的，該方法對事故誘因的預(yù)測可以降低由于人的喜好與偏見對事故誘因挖掘的影響，進而可以得到較為有效的預(yù)測結(jié)果。