基于贝叶斯网络的航空器滑行冲突安全评价

施志坚，王华伟

（南京航空航天大学民航学院，南京 211106）

基于贝叶斯网络的航空器滑行冲突安全评价

施志坚，王华伟

（南京航空航天大学民航学院，南京 211106）

随着中国民航的快速发展，机场场面交通流量快速增长，航空器滑行冲突已给机场运行安全造成了严重的隐患，而这种安全隐患在枢纽机场表现尤为突出。为有效分析机场场面的安全隐患，将贝叶斯网络模型引入航空器滑行冲突的安全评价中。通过分析事故发生的原因和过程，构建关于航空器滑行道交叉冲突事故的故障树，依据转换算法，建立基于贝叶斯网络的航空器滑行道交叉冲突事故模型。根据某枢纽机场的历史安全事故样本和文献回顾的方式，运用经验分析法和专家打分法，给出该模型根节点的先验概率，通过双向推理技术和灵敏度分析进行事故的预测和诊断，找到影响航空器滑行安全的主要因素，提出防范措施。借助GeNIe软件计算各节点后验概率值，结果有效合理。

航空运输；安全评价；贝叶斯网络；滑行冲突

民用机场场面系统具有运行环境复杂、事故成因复杂、驻场单位众多等特点，其事故成因更具有动态性、隐蔽性、综合性和因果连带性，因此航空器滑行的安全调度是整个机场场面安全运行的关键。随着枢纽机场地面交通流量的日益增长，更易引起航空器滑行安全隐患，发生地面事故。所以对航空器滑行过程中存在的安全隐患进行评价，可以为机场场面安全调度尤其是航空器滑行阶段的对策措施提供科学依据，具有实际指导意义。

近年来，贝叶斯理论在国内外已得到较为成熟的研究和应用，诸多学者将贝叶斯网络应用到安全评价领域中。Trucco P等[1]采用贝叶斯网络分析了海运业中的人为、组织等风险因素；Zhao L等[2]在专家知识和D_S证据理论的基础上构建了危险品运输事故的贝叶斯网络模型，找到了主要的事故致因；刘文生等[3]探讨了故障树转换为贝叶斯网络的算法，阐释了基于贝叶斯网络的煤矿生产系统安全评价方法的优越性；Roelen A L C等[4]利用贝叶斯网络量化了管理决策因素对民航安全的潜在影响；Brooker P[5]搜集大量民航飞行安全事故建立贝叶斯网络模型，进行了民航风险的预测；国内也有不少学者利用贝叶斯网络对民航各领域进行安全研究，曹海峰等[6]提出了一种基于贝叶斯网络模型研究民航空管单位运行中威胁、差错和意外状态相关性的方法；罗帆、周唯杰等[7-8]针对机务维修事故，提出采用区间型贝叶斯网络模型，综合运用诊断推理和支持推理形式，分析致灾因素的因果关系；罗军等[9]运用高斯贝叶斯网络模型并咨询跑道安全专家的意见对跑道侵入因素进行分类，建立贝叶斯网络模型；高扬等[10]针对航空器看错、落错跑道事故的形成特点，运用贝叶斯网络探讨其各影响因素间的关系和相互作用，克服了不完备样本空间带来的不足；王永刚、陈芳等[11-13]针对事故树分析法的局限性，采用以事故树为基础建立的贝叶斯网络风险模型，对危险品航空运输事故、两机空中相撞事故和尾流事故分别进行分析和推理，找到了事故的主要致因。但是，针对机场场面尤其是航空器滑行冲突方面的安全研究较为缺乏，而航空器滑行冲突是威胁民航安全的关键问题之一，因此，有必要对其展开探讨和分析。

根据航空器滑行安全研究的缺乏和传统安全评价方法的局限性的研究，本文在分析航空器滑行道交叉冲突故障树和贝叶斯网络特点的基础上，构建基于贝叶斯网络的航空器滑行道交叉冲突事故模型，将定性与定量分析、理论与实际情况有效结合，有效地表达了诸因素的多态性、相关性和不确定性。通过双向推理技术，进行预测和诊断，找到影响航空器滑行安全的重要环节，使用GeNIe软件计算实例结果，验证了该评价方法的合理性和有效性。

1 基于BN的航空器滑行道交叉冲突事故模型

1.1 航空器滑行道交叉冲突事故模型构建

机场场面调度活动有着高度的动态性和不确定性，会受到路径选择、道面构型、航空器间隔等诸多因素的影响，致灾因素复杂，事故类型多样，根据机场历史安全事故记录建立机场场面调度安全事故的简化故障树，如图1所示。

图1 机场场面调度安全事故简化故障树Fig.1 Simplified fault tree of airport surface scheduling safety accident

由于场面系统包括跑道、滑行道和机坪，范围大，涉及因素多而杂，所以本文选取其中具有代表性的航空器滑行道冲突事故进行详细分析，便于计算。通过对滑行道冲突事故的安全分析，建立航空器滑行道交叉冲突事故故障树，如图2所示。

其中，x1：未能正确复诵和复听指令；x2：未使用标准用语；x3：通信过长或复杂；x4：通信受干扰；x5：道面构型复杂或不合理；x6：线路标志、标记牌不清晰或不合理；x7：培训不充分；x8：短时遗忘；x9：航空器或位置识别错误；x10：空管工作移交不充分或不合理；x11：调度政策不合理；x12：航班延误；x13：启动容量提高程序；x14：能见度差；x15：注意力未集中。

按照文献[14-15]中故障树转换相应BN的算法，把航空器滑行道交叉冲突事故故障树转换为对应的贝叶斯网络模型，如图3所示。图中模型显示出导致航空器滑行道交叉冲突事故发生的各个因素之间的相互关系，故障树分析法（FTA）中的所有基本事件对应表达为BN中的根节点，FTA中的中间事件都表达为BN中的一个节点，FTA中表达的逻辑门与基本事件的关系连接BN中的节点，连接节点的有向边方向与FTA中逻辑门的输入输出关系相对应。从机场场面调度活动的参与主体和航空器滑行过程的角度出发，根据中国某枢纽机场近10年来28起航空器滑行冲突事故样本并结合文献回顾的方式，总结归纳出“通信”、“道面布局”、“培训与管理”、“运行环境”、“人员”5类基本致灾因素，运用经验分析法和专家打分法，以问卷调查的方式，选取机场调度部门和塔台管制部门的工作人员和相关专家20人，给出了该模型根节点的先验概率（失效概率），如表1所示。

图2 航空器滑行道交叉冲突事故故障树Fig.2 Fault tree of aircraft intersection conflicting accident on taxiway

图3 航空器滑行道交叉冲突事故贝叶斯网络模型Fig.3 Bayesian network model of aircraft intersection conflicting accident on taxiway

表1 BN根节点的先验概率Tab.1 Prior probability of root nodes

1.2 航空器滑行道交叉冲突事故模型分析

BN模型通过适当调整条件概率表（CPT），充分反映实际情况，可以突破FTA所存在的局限性，解决一些故障树分析不能解决的问题，其具有更适合于安全性评价建模和分析的优点。

1.2.1 表达变量间的不确定关系

在故障树分析中，逻辑门只能处理确定性的关系，但实际情况中多是不确定关系，在BN中，可以利用对应于逻辑门的节点上的CPT来解决这种情况。例如节点道面构型复杂或不合理、线路标志（x5）、标记牌不清晰或不合理（x6）和培训不足（x7）都发生时，很有可能导致节点对道面布局熟悉度不够的发生，但实际情况中也有一定的小概率不发生；另一方面，当节点x5、x6和x7都不发生时，对道面布局熟悉度不够也可能以一定的小概率发生。这种情况下，节点“道面布局熟悉度不够”的CPT如图4所示，通过节点x5、x6和x7在正常或失效的状态下（0或1状态），导致子节点“道面布局熟悉度不够”失效的条件概率，表达出这种节点间的不确定关系，例如，当节点x5正常，x6和x7失效时，节点“道面布局熟悉度不够”失效的条件概率为0.85。条件概率值的指定同样运用专家打分法给出，其他节点的CPT同理指定，基于篇幅原因，这里不再一一列出。

图4 节点“对道面布局熟悉度不够”的CPTFig.4 CPT of node‘unfamiliar with road surface layout’

1.2.2 变量的多态性

故障树分析处理的一般是二值变量，即“0”和“1”变量，但在实际情况中多态变量的使用是非常普遍的，所以将节点状态仅仅定为正常与失效、好与差是不够的。在故障树中要解决多态问题，必须建模成多个独立的二值事件，再在其间加入异或门（XOR），处理相当繁琐。而在BN中处理变量的多态性时较为简单，可用变量的不同值表示节点本身的不同状态，再调整相应节点的CPT即可。例如，为节点“培训与管理因素”设置3个状态“好、一般、差”，且给每个状态指定概率依次为35%、50%和15%，不仅各种状态清楚，且最后处理得到的结果更加精确合理，符合实际。

1.2.3 变量之间的相关性和相似性

在实际情况中，很多基本底事件存在一定的相关性和相似性，为简化和联系这种相关性和相似性，可以为它们加上共同的父节点，即在BN中合并这些相关节点，这时它们仍然具有发散型d-分离特性，不会严重影响计算结果，在根节点较多或难以确定先验概率的情况下，这样的处理可简化计算，过程也合理。如图3中，因为节点“短时遗忘”、“航空器或位置识别错误”、“移交不充分或不合理”和“培训不足”均是人为导致的失误或错误，因此为其加上共同的父节点“人员因素”，以显示其相关性和相似性，便于计算和分析。

2 模型推理及安全评价

本文借助图形决策建模软件GeNIe提供的默认算法Clustering算法对基于BN的航空器滑行道交叉冲突事故模型进行计算推理和敏感度分析。利用BN的双向推理技术，不仅可以向后诊断基本事件的后验概率，找出导致事故的主因，即进行诊断推理；亦可向前预测顶事件的发生概率，即进行因果推理。利用计算推理得到的概率值进行敏感度分析，验证双向推理结论的正确性和有效性。

2.1 航空器滑行道交叉冲突事故模型的诊断推理

假设系统在某时刻已经发生了航空器滑行道交叉冲突事故，则每个根节点的后验边缘概率可以通过BN的诊断功能推理出来。在BN模型中，将节点“航空器滑行道交叉冲突”的Evidence状态设置为“1”，即表示该节点发生，借助GeNIe软件方便求得所有根节点的后验概率，如图5所示为节点“道面布局因素”的后验概率，其他节点结果如表2所示。后验概率可以作为判定基本事件影响顶事件故障发生的重要度。表中数据显示，在后验概率和概率变化率中均较大的是节点“培训与管理因素”和“道面布局因素”，由此说明“培训与管理”和“道面布局”是导致事故发生的主因，应予以重视，“通信因素”的影响也不容小视。

图5 “道面布局因素”节点的后验概率Fig.5 Posteriori probability of node‘pavement layout factors’

表2 根节点的先验概率与后验概率表Tab.2 Prior probability and posteriori probability of root nodes

2.2 航空器滑行道交叉冲突事故模型因果推理

在BN中为根节点输入其失效概率，见表1，为其他节点指定相应的CPT，则概率会沿BN向前传播，从而得到其他中间节点和顶事件发生的先验概率，借助GeNIe软件计算得到根节点发生失效时各子节点发生失效的概率，如表3和图6所示。

表中数据显示，根节点失效导致顶事件“航空器滑行道交叉冲突”发生失效的可能性中，“培训与管理因素”的可能性最大，概率为0.394，“道面布局因素”次之，这与诊断推理的结果相符，其他节点同理分析。此外，还可进行多证据的预测，即多个节点的证据状态已知，其他节点发生危险可能性的变化情况。例如，当“道面布局因素”单独发生失效时，导致“航空器滑行道交叉冲突”发生的概率为0.267，此时如果同时发生“未按正确路径滑行”，借助GeNIe软件更新节点“航空器滑行道交叉冲突”的发生概率，结果为0.542，失效概率有所提高。可见，通过BN的诊断推理机制，可以方便地对所要考察的对象进行预测，从而得到发生危险的可能性，提前做好应急防范措施。

表3 根节点发生失效时各子节点发生失效的概率表Tab.3 Descendent nodes’probabilitis in root nodes failure condition

图6 根节点发生失效时各子节点发生失效的概率图Fig.6 Descendent nodes’probability graph in root nodes failure condition

2.3 航空器滑行道交叉冲突事故模型的灵敏度分析

BN的灵敏度分析是指原因事件（底事件）引起结果事件（顶事件）发生概率的变化率，在BN中可以方便地进行灵敏度分析，若假设所有事件只有正常和失效2种情况，即有状态0和1，则第i个节点xi对节点T（顶事件）的灵敏度计算公式为

将GeNIe软件计算结果代入式（1），得到根节点对顶事件的灵敏度结果如表4所示，例如S通信因素=（0.266-0.105）/0.105=1.533，数值的大小表示根节点事件的发生与否对顶事件的影响程度。从表中可以看出，在所有根节点中，“培训与管理因素”对顶事件“航空器滑行道交叉冲突”的灵敏度最大，数值为2.752，需要重点管控，“道面布局因素”次之，这与诊断推理得到的结果相符。

表4 各根节点对顶事件的灵敏度Tab.4 Root node sensitivity to top events

2.4 对策建议

综上所述，“培训与管理因素”和“道面布局因素”是影响航空器滑行安全的主因，必须采取针对性的措施确保运行安全。

机场塔台管制部门和机场调度部门应完善调度人员的培训管理和考核机制，提高其业务技能水平和应变能力，包括规范陆空通话，严防“错、忘、漏”事件，并且保证调度人员对道面构型、滑行道等待位置和相应匹配机型的熟悉程度，合理优化调度政策，提高调度效率；机场方面应规范道面构型布局的设计及优化，加强地面灯光、标志和标记牌等助航设施设备的保养维护，尽可能增强可视度，严防误入误滑，保障场面上航空器、车辆及人员的安全工作；完善机场通信导航监视设备，提高管制自动化水平，提前告警预防，推广先进的场面活动引导和控制系统（A-SMGCS）、X型机场地面探测设备（ASDE-X）和机场活动区域安全系统（AMASS）等系统在国内大型枢纽机场的应用[16-17]。从而有效降低航空器滑行冲突事故的发生率，保证机场场面调度活动的安全运行。

3 结语

随着机场场面交通流量的不断增大，航空器滑行冲突成为威胁民航安全的关键问题之一。本文针对航空器滑行道交叉冲突事故，构建了基于贝叶斯网络的事故模型，利用BN模型的双向推理技术和灵敏性分析，找到了影响航空器滑行安全的主要因素是培训与管理和道面布局，与实际相符。由此提出针对性措施，能够有效降低滑行冲突事故率，为机场和塔台相关运行部门的安全管理提供了科学依据。鉴于BN建模简单，便于计算，今后可针对其它机场安全事故进行分析，有利于提高整个机场运行的安全管理水平。

[1]TRUCCO P，CAGNO E，RUGGERI F，et al.A Bayesian belief network modelling of organisational factors in risk analysis：A case study in maritime transportation[J].Reliability Engineering&System Safety，2008，93（6）：845-856.

[2]ZHAO L，WANG X，QIAN Y.Analysis of factors that influence hazardous material transportation accidents based on Bayesian networks：A case study in China[J].Safety science，2012，50（4）：1049-1055.

[3]刘文生，曾凤章.贝叶斯网络在煤矿生产系统安全评价中的应用[J].工矿自动化，2008（1）：1-4.

[4]ROELEN A L C，WEVER R，COOKE R M，et al.Aviation Causal Model using Bayesian Belief Nets to Quantify Management Influence[M]. Safety and Reliability，Lisse：Swets&Zeitlinger，2003：1321-1327.

[5]BROOKER P.Experts，Bayesian belief networks，rare events and aviation risk estimates[J].Safety science，2011，49（8）：1142-1155.

[6]曹海峰，白福利，李 彤.民航空管威胁、差错与意外状态相关性的贝叶斯网络方法研究[J].安全与环境学报，2013，1：041.

[7]罗 帆，陈小佳，顾必冲.基于贝叶斯网络的航空灾害成因机理探析[J].北京航空航天大学学报，2005，31（8）：934-938.

[8]周唯杰，王华伟，赵 飞.基于贝叶斯网络的民航安全分析研究[J].航空计算技术，2011，41（1）：44-47.

[9]罗 军，林雪宁，闫永刚.基于高斯贝叶斯网络模型的跑道侵入影响因素研究[J].安全与环境学报，2012，12（3）：196-199.

[10]高 扬，葛培荣，李 阳.基于贝叶斯网络的航空器看错落错跑道事件研究[J].中国安全生产科学技术，2010，6（2）：66-70.

[11]王永刚，孙 瑶.危险品航空运输事故的改进贝叶斯网络分析[J].安全与环境学报，2010（5）：163-166.

[12]王永刚，孙 瑶.基于BN的FTA在通用航空风险评价中的应用[J].中国安全科学学报，2011，20（3）：19-23.

[13]陈 芳，孙 瑶.基于贝叶斯网络的尾流事故机理分析[J].中国安全科学学报，2011，21（3）：54-58.

[14]KHAKZAD N，KHAN F，Amyotte P.Safety analysis in process facilities：Comparison of fault tree and Bayesian network approaches[J].Reliability Engineering&System Safety，2011，96（8）：925-932.

[15]尹晓伟，钱文学，谢里阳.系统可靠性的贝叶斯网络评估方法[J].航空学报，2008，29（6）：1482-1489.

[16]张晓全，刘 旭.机场机坪风险管理研究[J].中国安全生产科学技术，2011，7（3）：42-47.

[17]卢 飞，张宗路，张兆宁.基于网络层次分析法的跑道侵入风险模糊评价[J].中国民航大学学报，32（1）：10-14.

（责任编辑：刘智勇）

Safety evaluation of aircraft taxiing conflict based on Bayesian network

SHI Zhi-jian，WANG Hua-wei
（College of Civil Aviation，Nanjing University of Aeronautics and Astronautics，Nanjing 211106，China）

With the rapid development of civil aviation，the heavy airport surface traffic flow may cause serious safety hazard to the operation of airport.As is known，this problem is more serious in hub airports.In order to analyze the safety hazard of airport surface effectively，the Bayesian network model is applied to the safety evaluation of aircraft taxiing conflict.By analyzing the factors that cause safety accidents，the fault tree of aircraft intersection conflicting accident on taxiway is put forward.Then the Bayesian network model of this accident is established based on FTA according to the transformation algorithm.Before the analysis，according to the historical recording of one hub airport’s safety accidents and the review of references，the prior probability of root nodes are derived by utilizing empirical analysis method and expert grading method.Then，the GeNIe software is used to calculate the posteriori probability values of different nodes.Two-way reasoning technology and sensitivity analysis are used to predict and diagnose accidents.As a result，we can find out the key factors of aircraft taxiing system and propose corresponding measures so as to reduce the accident rate.Finally，the analysing results show that the factors which have greater influence on the aircraft taxiing safety are training and management factors，pavement layout factors.Therefore the airport departments should pay more attention to them emphatically.In conclusion，a comprehensive application of diagnostic reasoning and causal reasoning is used to achieve a combination of qualitative and quantitative analysis of aircraft taxiing safety.

air transport；safety evaluation；Bayesian network；taxiing conflict

V328.3

：A

：1674－5590（2015）06－0022－06

2014-05-14；

：2014-10-31

：国家自然科学基金项目（71401073，U1233115）

施志坚（1990—），男，江苏镇江人，硕士研究生，研究方向为民航安全性工程.