基于本体的机场安全热点特征分析方法

王洁宁，赵晓鹏，周　沅

（1.中国民航大学天津市空管运行规划与安全技术重点实验室，天津　300300；2.民航华东地区空管局，上海　200335）

基于本体的机场安全热点特征分析方法

王洁宁1，赵晓鹏1，周沅2

（1.中国民航大学天津市空管运行规划与安全技术重点实验室，天津300300；2.民航华东地区空管局，上海200335）

针对民用机场热点特征识别与分类需求，在Protégé中构建机场热点的顶层概念框架并描述逻辑（DLs）表达，引入对机场安全热点在不同层面形式化的描述，建立机场安全热点领域本体，以FaCT++推理机将热点按不同特征分类推理。该方法的意义在于为机场热点特征识别信息化和热点分类协同工作的全过程提供了一定的语义支撑，管制员可以直观、全面地掌握热点区域状况。

机场安全热点；顶层概念；领域本体；FaCT++；热点分类

机场区域内具有发生历史的、潜在的碰撞或跑道侵入且飞行员和司机需要着重关注的位置称为机场热点[1]。科学识别机场安全热点特征，并合理地区分机场安全热点，使管制员了解到危险类型，保障航班安全运行，防止航班与车辆相撞或追尾事件发生。

机场热点的识别在国内尚且处于起步阶段，且大都缺乏理论支撑与实践指导[2]。北上广等地的机场图已标示了本场的热点区域，但只有白云机场分析说明了机场安全热点的成因，并对途经热点区域的飞行员和场面特种车辆司机作出警示。研究人员针对热点区域识别提出了结合德尔菲法、矩阵法和模糊聚类分析的三选法[3]，以及基于场面监视雷达数据提取分析飞机地面滑行轨迹识别热点的方法[4]。国外提出由于机场道面几何布局欠佳、地面交通流、标记标识牌不明确、灯光设置不当或者人为差错等[5-8]都易导致热点产生，并进一步提出用圆形或多边形在机场图中表示热点。

本文针对热点特征识别与分类问题提出采用本体建模软件Protégé，结合自上而下的方法建立机场热点领域本体。首先确定热点领域本体的重要术语，将机场热点本体定义为热点（hotspot）、产生位置（location）、风险评估（risk assessment）、危险因素（hazard factors）等4大类，并确定类的等级关系。其次，定义类之间的属性关系以及属性的分面，如“风险评估”概念的子类“风险发生可能性”的取值类型为小数以及允许的取值、热点属性的定义域（domain）、值域（range）、单向关系和逆反关系等。最后，完成模型的创建，通过推理功能将被叠加了不同危险因素的热点依据不同特征满足不同的需求分类。通过构建热点本体，有助于使热点被计算机理解成为可能，有助于克服不同系统之间的鸿沟，有助于建立基于该模型的特征识别与分类策略。

1　本体概述

1.1本体的定义

目前本体还未形成统一的标准化定义，学术界普遍推介的定义是“本体即为可共享的概念化体系的明确的形式化说明”[9]，定义了本体的4部分含义为“概念化”、“共享化”、“形式化”和“明确化”。概念化说明是从客观世界范畴中捕获的相关领域概念的抽象模型，具有独立于具体环境的特性；共享化反映的是这个领域里公认的词汇，而非个体的共识，具有复用性；形式化指本体的数学描述的精确性，是一种可机器理解的标准化的描述方法；明确化指的是概念的定义及概念的属性定义都是明确的。本体提供了一个用来表达和交流某些主题知识词表的一个关系集，关系集是词表中术语间关系的集合[10]。

1.2本体的形式化表示

Perez等[11]提出本体的建模元语，即：概念（C）、关系（R）、个体（I）、公理（A）。

1）概念，亦称类，是一个三元组，包括概念名称、概念属性和概念关系。通过框架结构来表示对象的集合。集合中包含概念名称和概念描述。

2）关系，对概念集合的关系集合下定义，即为相关领域中概念间的相互作用，在语义上主要关系有part-of、kind-of、instance-of以及attribute-of等。

3）个体，即为实例，个体是本体模型当中最小的对象，可以带入推理机中推理，成为另外一些类的子类。

4）公理，是不需要证明的逻辑真理，例如概念B属于概念A的范围。

1.3本体的类型

由于不同本体的应用领域不同，本体可大致分3类，涉及具有普遍意义的客观世界常识的本体称为顶级本体，描述一般化的概念，如空间、时间、事件、行动等，独立于特定的问题与领域；涉及特定学科领域的本体称为领域本体，使用属性、关系进行定义与描述真实世界中特定的领域知识；涉及问题求解的本体称为问题、方法本体或应用本体[12]。本文所构建本体为领域本体。

2　机场热点本体构建

2.1本体构建基本思路

图1为构建机场热点本体的总体思路。这种方法既说明了构建过程中必要的步骤和思路，又相对完善地解决了本体构建中的优化问题，对今后本体的维护与优化有一定作用。

图1　机场热点本体建模流程图Fig.1　Flow chart of hotspot ontology

2.2机场热点领域分析

1）热点特征分析

本文按照3种维度分析方法展开领域本体分析。第1种维度是从产生位置的角度挖掘热点特征。所谓产生位置，即热点集中于滑行道与滑行道交叉点、滑行道与跑道交叉点等道面交通状况复杂的位置。第2种维度是从危险因素角度挖掘热点特征。危险因素是指处于机场热点中发挥重要作用衍生不良后果的特征因素，其具有多条特征链，共同形成热点危险因素。第3种维度是从风险评估的角度挖掘热点特征。所谓风险评估，就是由机场内热点发生的可能性及其严重度共同构成。不同机场内不同热点的可能性和严重度是不同的，提出风险评估有助于对热点特征细分。本文将热点危险严重程度分为A、B、C、D 4个等级[13]，A级最为严重，D级严重度最轻。A级：风险更大，需要采取特别措施才可避免碰撞事故；B级：风险继续增加，非常有可能发生碰撞；C级：风险有所增加，但有充裕的距离和时间避免碰撞；D级：几乎没有可能发生碰撞。图2为从3种维度分析机场热点特征构成方法图。

图2　从3种维度分析机场热点特征构成方法图Fig.2　Method chart of hot spot feature analysis from three dimensions

2）危险因素来源

由于热点危险来源由多方面构成，本文利用鱼骨图的方法优势[14]分析危险因素，以便于发现危险的来源。结合专家评估和分析，图3从5个主要方面进行分析，列举热点的主要危险因素。该方法列出了构成危险因素的5大主要类别：人为差错、设施、机场几何地形、地面交通流和管制员盲区，同时对这5大因素深入探究，列出危险因素的来源。在对现场的实地调研发现，这些因素在实际中以问题的形式体现出来，成为构成热点主要危险因素。

图3　机场热点危险因素鱼骨图Fig.3　Fishbone diagram of hotspot hazard factors

3）危险因素分类

本文将机场热点危险因素分为人为差错和非人为差错2大类，每大类由不同子类构成。人为差错可分为管制员、飞行员和司机造成的差错；非人为差错可分设施、管制员盲区、地面交通流和机场几何地形的差错。图4为人为差错分类，图5为非人为差错分类。

图4　人为差错分类Fig.4　Human error classification

图5　非人为差错分类Fig.5　Non-human error classification

2.3本体构建

1）层次关系

热点可以分为3个主要特征：产生位置、危险因素和风险评估。

产生位置包括滑行道/滑行道交叉口以及滑行道/跑道交叉口2个方面。

危险因素包括人为差错和非人为差错。人为差错是指因为人员操作不当或者差错而导致危险的因素，包括管制员、司机和飞行员3个方面相关差错。非人为差错包括机场几何布局、地面交通流、管制员盲区和设施不清晰4个方面。其中机场几何布局包含双道交叉、三路交叉和多路交叉3个方面；设施不清晰包含灯光、标识、标牌3个方面。

风险评估包含可能性和严重度2个方面，严重度包括A、B、C、D 4个等级。

2）属性公理

在机场热点本体中，Thing（超类）含有4个类：HotSpot（热点）、Location（产生位置）、HazardFactor（危险因素）和RiskAssessment（风险评估）。本文采用描述逻辑DLs（description logics）[15]表示属性公理。如热点和产生位置之间存在一对互逆对象属性公理的描述逻辑表示为：

其中hasLocation是对象型属性，其定义域为HotSpot，值域为Location，该属性是isLocationOf的逆。

3）本体构建

构建机场热点本体的类层次结构图如图6所示。本体概念间的层级关系可以简要作如下说明，例如：

a）热点的描述逻辑表示为：

本文定义热点的原子概念由产生位置和危险因素2个概念组成。

b）HS_1的描述逻辑表示为：

图6　本体的概念层次结构Fig.6　Structure of ontology concept

3　机场热点本体的应用

3.1FaCT++推理

为说明机场热点本体的推理特性，构建热点的子类，命名为“Named HotSpot”，在Named HotSpot下创建了5个子类，为便于区分命名为“HS_1”、“HS_2”、“HS_3”、“HS_4”、“HS_5”。HS_1为具有地面交通流因素和双道交叉因素的热点；HS_2为具有地面交通流因素、双道交叉因素和标识不明确因素的热点；HS_3为具有地面交通流因素、双道交叉因素、标识不明确因素和飞行员相关牵连差错的热点；HS_4为具有司机相关牵连差错和多道口交叉因素的热点；HS_5为具有管制员盲区因素和双道交叉因素的热点。为使定义的概念具有逻辑可推理性，还需要将这些因素生成为闭合公理（closure axiom），即充分必要性。图7为HS_1中闭合公理的表达。

图7　闭合公理在本体分类中的应用示例Fig.7　Application example of closure axiom in ontology

针对不同热点特征的不同现状，为区分这5个热点而试验性地定义了2类热点：第1类为Interesting_ Hotspot：包含地面交通流因素和双道交叉因素的热点；第2类为“Twoways_Intersection_Hotspot”，包含双道交叉因素的热点。然后使用Protégé 4.2中的FaCT++推理机[16]，对给出的试验用热点分类。针对Interesting_ HotSpot，通过推理，只有HS_1符合要求；定义一类热点Twoways_Intersection_HotSpot为含有双道交叉口因素的热点，通过推理机推理，得到只有除HS_4外的其他热点均含有双道交叉口因素。使用推理机后类的分类推理图如图8所示。

图8　使用推理机后的分类推理图Fig.8　Reasoned inference graph

3.2风险程度选择

FaCT++推理机不仅能对定义的热点按照特征分类，而且能选择单个热点实例的风险程度。上文提到，在热点风险评估类中含有风险可能性这一子类，定义2个热点实例（individual），分别命名为：“example hotspot1”，类型（Type）为HS_2，数据属性中风险可能性为0.002；“example hotspot2”，Type为HS_3，数据属性中风险可能性为0.004。现在定义一类热点命名为“Random_Hot Spot”，其为风险可能性大于0.002的热点。使用推理机后，结果如图9所示，推理机在Random_HotSpot的members中选择了example hotspot2作为其子类。

3.3案例推理

为验证模型的有效性，本文选择文献[17]中一案例推理验证。图10所示机场图中B1滑行道与两条跑道同时交叉的阴影区域为一热点，飞行员需要得到管制许可方可穿越B1滑行道停止线进入跑道，但此时飞机途经滑行道和两条跑道交叉区域时，极有可能发生跑道混淆而误入另一条跑道造成跑道侵入事件，对其他在该跑道着陆或起飞的航空器造成潜在危险。

图9　使用推理机后对实例的分类Fig.9　Classification of reasoned individuals

图10　机场热点图Fig.10　Hotspot case

根据上述案例，可推断出如下结论：

通过上述分析，在Protégé 4.2软件中建立如图11所示热点的实例B1，通过FaCT++推理得出该热点案例对应的热点类型，分别是：机组相关热点、三路交叉热点，如图12所示。根据推理结果，机组在进入B1热点区域时，应当特别注意三路交叉点的复杂地形情况，核实清楚具体进入的跑道方位，避免发生错入跑道事件。

图11　热点实例B1描述Fig.11　Individual of hot spotcase B1

图12　FaCT++推理结果Fig.12　Reasoning results by FaCT++

4　结语

针对民用机场热点的特征识别与分类需求，提出了一种基于本体的机场热点特征识别与分类方法：

1）机场热点本体模型使用了FaCT++推理机，对热点特征进行归类，细分不同热点的特征。相对于传统经验识别方法，能更精确地对热点分类和识别；

2）机场热点本体模型引入了选择热点风险大小的功能，基于此的热点特征归类不仅让管制人员了解到热点危险种类，而且能直观地认识到风险可能性。

本文主要从属性和概念等价性2个方面对机场热点风险进行了归类和推理，下一步工作是建立以语义Web规则语言（SWRL）描述模型，开发用于机场热点管理语义规则推理方法。

[1]ICAO.Procedures for Air Navigation Service-Air Traffic Management，Doc 4444-ATM/501[S].Montreal：ICAO，2007.

[2]中国民用航空局.国内资料汇编[G].北京：中国民用航空局,2012.

[3]霍志勤.机场热点区域三选法研究[J].中国安全科学学报,2012,22 (3):92-96.

[4]夏正洪,潘卫军,康瑞,等.机场冲突热点识别与等级划分方法研究[J].科学技术与工程,2014,14(21):297-301.

[5]FAA.Computer Testing Supplement for Airline Transport Pilot and Aircraft Dispatcher[EB/OL].[2015-11-20].http：//www.faa.gov/trainingtesting/testing/test_questions/media/FAA-CT-8080-7c.pdf.

[6]ANDREW T F,TIMOTHY P W,SHERRY B.Relating Airport Surface Collision Potential to Taxiway Geometry and Traffic Flow[C]//14th AIAA Aviation Technology,Integration,and Operations Conference.Atlanta，GA，2014：1-18.

[7]South African Civil Aviation Authority.Runway Incursions[EB/OL]. [2015-11-20].http：//www.caa.co.za/Safety%20Seminars%20Presentations/Runway%20Incursions.pdf.

[8]Government of India,Office of the Director General of Civil Aviation. Runway Safety Programme and Formation of Runway Safety Teams[EB/ OL].[2015-11-20].http：//dgca.nic.in/cars/D4X-X4.pdf.

[9]BORST W N.Construction of Engineering Ontologies for Knowledge Sharing and Reuse[D].Enschede:Twente University,1997.

[10]李景,钱平,苏晓鹭.构建领域本体的方法[J].计算机与农业, 2003(7):7-10.

[11]PEREZ A G,BENJAMINS V R.Overview of Knowledge Sharing and Reuse ComponentsL Ontologies and Problem-Solving Methods[C]//Pro-ceedings of the IJCAI-99 Workshop on Ontologies and Problem Solving Methods(KRR5).Stockholm,Sweden,1999.

[12]李薇.基于本体的知识组织问题研究[D].长春:东北师范大学, 2007:6-7.

[13]MRAZOVA M.Runway incursions-clear and constant danger[J].Incas Bulletin,2014,6(3):71-80.

[14]李振福.北极航线问题的鱼骨图分析及应用研究[J].航海技术, 2010(1):2-4.

[15]KRÖTZSCH M，SIMANˇC ÍK F，HORROCKS I.A Description Logic Primer[D].Oxford:University of Oxford,2013:1-17.

[16]TSARKOV D,HORROCKS I.FaCT++Description Logic Reasoner：SystemDescription[D].Manchester:TheUniversityofManchester,2006: 1-5.

[17]SCHÖNEFELD J,MÖLLER D P F.Runway incursion prevention systems:A review of runway incursion avoidance and altering system approaches[J].Progress in Aerospace Sciences,2012,51(3):31-49.

（责任编辑：刘智勇）

Ontology-based approach for airdrome safety hotspots analysis

WANG Jiening1,ZHAO Xiaopeng1,ZHOU Yuan2
（1.Tianjin Key Lab of ATM Operation Planning and Safety Techniques,CAUC,Tianjin 300300,China; 2.Air Traffic Control Bureau of East China,Shanghai 200335,China）

According to the demands for characteristics identification and classification of civil airdrome hotspots,the toplevel concept framework of hotspots is built using with Protégé tool,the core terminology is validated by descriptive logics,introducing formalized description of airport safety hot spots at different levels.A domain ontology is established,in which hotspots are classified in accordance with features based on FaCT++.This approach has benefits on common knowledge construction of airport hotspots identification and classification.It can also help controllers to know hotspots'risk level directly and completely.

airdrome safety hotspots;top-level concept;domain ontology;FaCT++;hotspots classification

X949；V351

A

1674-5590（2016）04-0016-05

2015-11-27；

2015-12-31

中央高校基本科研业务费专项（3122013P008，3122014P040）；国家空管委基金项目（GKG201410003）

王洁宁（1966—），男，甘肃兰州人，研究员，博士，研究方向为空管运行安全及空管系统仿真.