基于云模型的连续下降最后进近（CDFA）过程的安全裕度研究

高 扬 侯衍琛

（中国民航大学民航安全研究所 天津300300）

0 引言

2013年3月19日，中国民航局飞行标准司下发了《连续下降最后进近（CDFA）》咨询通告，对该技术的运行进行了规范，为航空公司的运用提供了指南。2013年4月27日，民航局提出了“中国民航决定在非精密进近情况下，全面推广连续下 降 最 后 进 近 （continuous descent final approach，CDFA）飞行技术”的总体要求和工作部署。2014年5月，飞行标准司检查了CDFA技术的开展和普及情况［1］。

CDFA作为1种当前国际较为先进的进近方式，近几年在我国快速普及，众多航空公司纷纷开展了关于CDFA技术的飞行培训工作。同时，航行情报中心累计完成了国内190个机场的CDFA航图修改工作，为该技术的运用扫清了障碍。随着CDFA技术的广泛运用，关于该技术安全性研究显得愈加重要。

因为部分机组成员缺少对CDFA的训练，而且我国部分机场没有支持CDFA的机场航图，因此，机组成员需要自行计算飞机下降率等参数，这些工作步骤在一定程度上增加了机组成员的工作负担，造成了不必要的工作负荷，影响了航班运行的安全裕度。

根据国际民航组织的统计数据表明，在飞机进近过程中，非精密进近和精密进近的事故率比为7∶1，非精密进近引发的事故在机场飞行事故中占有很高的比例。对于传统的非精密进近方法，由于采用梯级下降的剖面，非常容易导致进近的不稳定，所以，当CDFA的方法被美欧等航空先进国家提出后［2］，就得到了广泛验证和运用。

1 连续下降最后进近(CDFA)

1.1 研究现状

首先，CDFA是非精密进近的1种，也是当前被美国和欧盟等航空发达国家极力推崇的1种进近方式。该技术在美国下一代空管运行系统（Next Gen）中被称为连续下降进近 （CDA）［3］。在美国洛杉矶国际机场等地，相关研究人员进行了大量的实验，分别在白天、夜晚和不良天气条件下，研究了航空器的连续下降进近参数。经过了大量的实验验证，其结果表明，在同等情况下，该技术可以为航空公司节省大量燃油，并在一定程度上减少了航空器进近过程中产生的噪声［4］。

藤国梁［5］提到了CDFA对非精密进近安全裕度的影响关系，对CDFA安全性的问题进行了分析。

到2013年底，欧洲100多个机场采取连续下降进近，传统梯级下降进近方式将被取代。为实现此目标，欧洲国际机场协会、欧洲航管中心和国际航空运输协会将联合采取行动计划。该项技术在欧盟统一空域中心被称为连续下降运行（continuous descent operation，CDO），该技术在法国巴黎戴高乐机场已经得到了广泛的运用，该技术可以降低30%的碳排放，并将进近噪声下降3.9～6.5dB［6］。2014年，荷兰研究人员研发了1种新的连续下降进近安全技术，该理念被命名为时间燃料管理操作（TEMO），TEMO采用优化算法来减少推力和减速板的使用，保证CDFA过程的轨迹精确性和运行的安全稳定性［7］。

目前国内外对CDFA技术研究主要集中在噪音和燃油效率方面，对该技术安全性的研究却较少。从人为因素安全性的角度入手，以机组成员为研究重点，根据机组成员的工作负荷的大小来衡量CDFA操作的安全裕度，分析CDFA的安全性，具有一定的创新性。

1.2 CDFA技术与阶级下降方式的区别

非精密进近是1种有方位引导，但却没有垂直引导的进近方式。非精密进近和精密进近最大的区别在于非精密进近缺少垂直引导。连续下降最后进近和阶级下降进近都属于非精密进近的范畴，同时，两者存在着较大的差别。CDFA和阶级下降技术的主要区别如图1所示。

图1 CDFA和阶级下降进近的对比图Fig.1 Comparison between CDFA and conventional approach

根据相关理论，按照传统的阶级下降方式进近，航空器飞过最后进近定位点（FAF）后，可以马上下降到最低决断高度（MDA），并在航空器快速下降后执行平飞。在平飞的过程中根据相关的机场终端区情况，航空器选择保持一定的下降率完成进近，或者在到达复飞点（MAPT）前执行复飞。这种方式在国外已经逐渐取消，但是国内的非精密进近仍保留着下降至MDA后改为平飞的方法。航空器在到达复飞点之前继续下降着陆，直到建立目视参考，否则执行复飞。

CDFA是1种与稳定进近相关的飞行技术，在非精密仪表进近程序的最后进近阶段连续下降，没有平飞，从高于或等于最后进近定位点下降到高于着陆跑道入口大约15m（50ft）的点或者到该机型开始拉平操作的点。CDFA与阶级下降进近的主要区别在于没有平飞。

CDFA技术的另外1个巨大优势在于不需要复杂的设备要求。除去执行非精密进近程序所需要的基本航空器设备外，CDFA不需要添加其他的设备。飞行员从数据库中选定相应的仪表进近程序时，一般会获取航图所公布的下降角度或下滑角度。拥有飞行航迹角（FPA）模式的航空器允许飞行员根据航图所公布的垂直下降梯度或下滑角度输入下滑角的数值。若航空器没有配备此类设备，那么飞行员须自行计算下降率。

在计算下降率和CDFA程序的操作时，对飞行员造成的工作负荷会明显高于飞机的巡航阶段，因此对CDFA过程飞行员工作负荷的研究显得尤为重要。

2 CDFA安全裕度评价指标体系的建立

2.1 CDFA过程的安全裕度

飞机运行过程中的安全裕度主要指飞行员工作能力和当前飞行任务强度的差值。当飞行员的身体状态和驾驶水平高于飞行驾驶过程中的工作负荷时，飞行员拥有较高的安全裕度，可以保证飞行的安全性。因为疲劳或者其他因素，当飞行员身体状态低于正常水平时，或者工作强度过高时，安全裕度区间值会降低，飞行员产生人为因素差错的可能性会显著提升，从而影响飞行安全。合理的控制飞行员的安全裕度值，对提高飞机运行安全性和减少人为因素差错具有重要研究意义。图2为全阶段飞行安全裕度图。

图2 全阶段飞行安全裕度图Fig.2 All-stages of flight safety margin

由图2可知，飞机的起飞阶段和进近阶段是飞行员工作负荷强度较大的2个阶段［8］。特别是飞机的进近和着陆阶段，飞行员因为长时间的持续工作，自身的身体状态出现下滑，伴随着高强度的飞行进近任务，安全裕度值随之降低，因此该阶段极易发生人为因素差错而引发事故。

2.2 基于CDFA安全影响因素分析的指标体系

对CDFA过程的安全性影响因素进行分析，在连续下降最后进近阶段，机组成员工作负荷方面可能影响飞行安全裕度的研究因素主要包括以下3个主要方面：常规状态下，连续下降最后进近的工作负荷对安全裕度的研究；非常规情况下，连续下降最后进近的工作负荷对安全裕度的研究；连续下降最后进近过程中，机组成员配合度对工作负荷影响的安全裕度研究。

常规状态下，连续下降最后进近的工作负荷对安全裕度的研究主要包括以下几个方面：机组成员参照CDFA最后进近定位点的工作负荷；机组成员判断CDFA特定决断高度的工作负荷；机组成员参照CDFA航图下降梯度的工作负荷；机组成员计算CDFA下降率的工作负荷。

非常规状态下，连续下降最后进近的工作负荷对安全裕度的研究主要包括以下几个方面：CDFA过程中，机组成员确定复飞点的工作负荷；CDFA过程中，机组成员执行复飞过程的工作负荷；CDFA过程中遇特殊情况，需对下降率进行调整时，机组成员的工作负荷；飞行员经过训练，首次执行CDFA过程时的工作负荷；夜间执行CDFA过程时的工作负荷。

影响CDFA过程工作负荷的是1个多因素、多层次的复杂结构体系。假设机组成员短期能力不变的前提下，安全裕度可以通过飞行员工作负荷的大小进行简单量化，即用工作负荷大小表示安全裕度大小。通过对机组成员执行CDFA过程的工作负荷进行建模分析，可以建立1个关于CDFA过程的工作负荷指标体系，见图3。

图3 飞行员工作负荷指标体系图Fig.3 The pilot workload indicators diagram

在2014年7月份召开的飞行疲劳风险管理研讨会上，向飞行员和航空公司相关工作人员发放了调查问卷。因CDFA技术在国内尚处于推广阶段，所以相关领域专家较少，难以进行多样本评价。因此共发放问卷20份，每份问卷包括10个问题，分别评估了CDFA过程中各阶段工作负荷大小。问卷问题选项包含5档，每一档选项对应的分值如表1所示。专家根据相应的CDFA工作负荷指标进行打分，根据问卷完成情况，共回收有效问卷16份，其打分结果见表2。

表1 测量问卷分值选项对应表Tab.1 Measurement questionnaire score table

表2 问卷打分表Tab.2 Measurement questionnaire playing table

3 基于云模型算法的算例

3.1 云模型概念

云用期望值（Ex）、熵（En）和超熵（He）来表征其数字特征，其在模型中的具体含义为：

1）Ex代表定性概念的值，表示的是概念在论域的中心值，其隶属度1，即离期望Ex越近，云滴越集中；

2）En用来度性概念的模糊度，是定性概念不确定性的度量，代表了这个定性概念的云滴的离散程度，也是可被接d受云滴的取值范围；

3）He为熵的熵，它用于表征云滴离散的程度，He越大，云滴更趋于离散。

3.2 逆向云发生器

逆向云发生器（BCG）是实现从定量值到定性概念的转换模型。它可以将一定数量的精确数据转化为以数字特征（Ex，En，He）表示的定性概念，其概念图见图4。

图4 逆向云发生器Fig.4 Reverse cloud generator

其主要的计算方法为，获取大量的真实实验数据，通过逆向云发生器获得相关数据的期望值Ex，En，He，将定量数据转化为定性的概念。其公式为

Matlab软件是一款较为简单实用的仿真模拟软件。在Matlab软件下，分别对二级指标的打分数据进行处理，其在Matlab中逆向云发生器的运行代码如图5所示。

图5 逆向云模型代码图Fig.5 The code of reverse cloud generator

3.3 云模型分析

根据专家组打分结果，分别求各指标体系的Ex，En，He，其计算结果，见表3。

表3 云参数表Tab.3 The table of cloud parameters

根据对整体云模型贡献度的不同，云模型可以分为：骨干元素、基本元素、外围元素和弱外围元素4个区间。见表4。

表4 云模型区间表Tab 4 The table of cloud range

采用Matlab软件对正常状态下的CDFA过程操作云参数进行模拟分析。因样本数量较小，利用逆向云发生器生成各项指标的相关云模型图，建立1个基数为5 000的云模型，其云分布见图6。

图6 正常情况下飞行员工作负荷云模型图Fig.6 The cloud model of pilot workload（normal）

跟据图6中云模型的相关特性，当飞行员执行正常状态下的CDFA过程时，云模型贡献度区间为［2.515，6.235］，其分布基本符合专家的打分结果；熵的值为1.86，超熵的值为0.49，云分布离散情况较小，即正常运行时，飞行员的普遍负荷情况偏小。在正常情形下，飞行员执行CDFA时工作负荷低于自身负荷极限，存在较大的安全裕度。

同理分别根据机组人员配合熟练度对飞行员执行CDFA影响的相关指标参数和执行非正常状态的CDFA过程时的工作负荷参数建立云模型，见图7、图8。

图7 机组成员配合对工作负荷影响的云模型图Fig.7 The cloud model of pilot workload（team）

图8 非正常情况下飞行员工作负荷云模型图Fig.8 The cloud model of pilot workload（abnormal）

由图7分析可知，云滴数据分布的随机性较大，云模型贡献度区间为［4.76，8.99］，其分布基本符合专家的打分结果；；其中熵的值为2.115，超熵的值为0.76，云分布离散情况较大，即机组人员配合熟练度对飞行员执行CDFA过程的工作负荷影响较大。因离散程度较大，在个别条件下，机组人员在CDFA过程中配合不当所造成的工作负荷可能超过自身负荷极限，其安全裕度值低。

由图8分析可知，当飞行员执行非正常状态下的CDFA过程时，云模型贡献度区间为［3.083，7.367］，基本符合专家的打分结果；熵的值为2.142，超熵的值为0.553，云分布离散情况较小。由此分析可得，在执行非正常状态的CDFA过程时飞行员的工作负荷的问题上专家分歧较大。根据云滴的分布情况可以判断，在执行非正常状态的CDFA过程时飞行员的工作负荷较大，略高于正常状态下的工作负荷，安全裕度处于可接受范围之内。

根据美国联邦航空局关于CDFA预计到达时间误差的相关数据［9］可知：4 000组模拟 CDFA进近过程的时间误差均值为0.043s，基本符合进近的安全要求，但仍有部分误差数据值较大。因到达时间误差多与下降率有关，根据图9中CDFA预计到达时间的误差分析可知，CDFA过程中下降率的算法是该过程安全性研究的重点。

图9 预计到达时间误差直方图Fig.9 The histogram of RTA

4 结论与建议

1）依照现有CDFA程序，飞行员在正常和非正常2种情况下，其安全裕度满足飞行需要。

2）非正常情况下的安全裕度值略高于正常情况，因此需要制定更加有效的CDFA应急程序手册。

3）机组配合交流出现问题时，会明显提高执行CDFA过程的飞行员工作负荷，因此需要加强机组人员的配合训练。

根据相关结论，对CDFA的安全性推广提出以下2点建议。

1）应继续加强对CDFA航图的修改和优化，使机组成员执行CDFA过程时更加的方便，有效减少该过程中机组成员的工作负荷，提高进近的安全性。

2）尽量优化CDFA过程中航空器下降率的算法，如设定特定机场和机型的CDFA下降率查询表，减少机组成员的工作负荷，提高进近安全性。

判断CDFA过程安全裕度大小的主要依据为该过程中飞行员的工作负荷大小。在工作负荷的判断过程中，由于采取专家打分的方法，而具有很强的模糊性和随机性，云模型算法很好的实现了数据间定性定量的相互转换，提供更加科学有效的结果。

［1］ 中国民用航空总局.连续下降最后进近（CDFA）AC-121／135FS-2013-46［Z］.北京：中国民用航空总局，2013.Civil Aviation Administration of China.Continuous Descent Final Approach（CDFA）AC－121／135FS-2013-46［Z］.Beijing：Civil Aviation Administration 2013.（in Chinese）

［2］ FAVNNEC B，HOFFMAN E，TRZMIEL A，et al.The point merge arrival flow integration technique：Towards more complex environments and advanced continuous descent［C］.AIAA Aviation Technology，Integration，and Operations Conference，South Carolina：AIAA，2009.

［3］ WEITZ L .Increasing runway capacity for continuous descent approaches through airborne precision spacing［J］.AIAA Journal，2005，10（6）：15-18.

［4］ Advisory Circular A C.AC 20-169Guidance for Certification of Military and Special Mission Modifications and Equipment for Commercial Derivative Aircraft（CDA）［R］.Federal：US Department of Transportation，Federal Aviation Administration，2010.

［5］ 藤国梁.CDFA：提高非精密进近安全裕度的法宝［J］.中国电子商务，2014（20）：76-76.TENG Guoliang.CDFA：The key of safety margin about non-precision approach［J］.Discovering Value，2014（20）：76-76.（in Chinese）

［6］ ALAM S，ZHAO W，TANG J，et al.Discovering delay patterns in arrival traffic with dynamic continuous descent approaches using co-evolutionary red teaming［J］.Air Traffic Control Quarterly，2012，20（1）：47.

［7］ DE JONG P M A.Continuous descent operations using energy principles［R］.Delft：Technische Universiteit Delft，2014.

［8］ 霍志勤.基于历史数据的中国民航跑道安全管理关键问题研究［D］.南京：南京航空航天大学，2012.HUO Zhiqin.The research based on the historical data of China＇s civil aviation safety management of the key problems［D］.Nanjing：Nanjing University of Aeronautics and Astronautics，2012.（in Chinese）

［9］ CAO Baohua，LI Deyi，QIN Kun，et al.An Uncertain Control Framework of Cloud Model［J］.Rough Set and Knowledge Technology Lecture Notes in Computer Science 2011（6401）：618-625.

［10］ PRADEEP P.Evaluation of vertical profiles to design continuous descent approach procedure［J］.Dissertations ＆ Theses-Gradworks，2013，52（5）：90.

［11］ WANG J，PENG J，ZHANG H，et al.An uncertain linguistic multi-criteria group decision-making method based on a cloud model［J］.Group Decision and Negotiation，2015，24（1）：171-192.

［12］ 胡甚平，许玲，席永涛，等.基于云模型的航运公司安全管理分级评价方法［J］.中国安全科学学报，2013（10）.HU Shenping，XU Ling，XI Yongtao，et al.Cloud model based ranking evaluation of safety management for shipping company［J］.China Safety Science Journal，2013（10）.（in Chinese）