变更管制方式安全评估模型及软件设计

吴 涛，杨昌其

(1.中国民用航空华北地区空中交通管理局，北京 100621；2.中国民用航空飞行学院 空中交通管理学院，四川 广汉 618307)

变更管制方式安全评估模型及软件设计

吴 涛1，杨昌其2

(1.中国民用航空华北地区空中交通管理局，北京 100621；2.中国民用航空飞行学院 空中交通管理学院，四川 广汉 618307)

为确保因管制方式变更造成系统及运行环境变化带来的风险保持在可控范围，提出基于粗糙集模糊神经网络的安全评估模型。利用粗糙集在属性约简与规则提取方面的优势实现关键风险源提取，降低模糊神经网络数据输入维度、精简网络拓扑结构、缩短网络训练与学习时间；借助模糊神经网络在具有较强容差性和抗噪音能力前提下进行分类的能力，实现系统安全等级评定。为便于模型应用与推广，借助Visual Basic(VB)与MATLAB这2种语言将评估模型编译为可视化操作软件，该软件具有从指标体系中识别关键风险源、系统安全等级评估、评估信息汇总这3项功能。实验结果表明，该软件可从24个风险评估指标中提取出对系统安全影响最为关键的4项风险指标，系统安全等级评定为3级。该评估软件具有易于安装维护、操作简便、理论化程度高等优点，是对空管运行单位定量安全评估的一次创新尝试。

空中交通管制；安全评估；粗糙集；模糊神经网络；VB；MATLAB

0 引 言

随着对系统安全和安全文化理论的认识和加深以及各缔约国对国际民航组织(International Civil Aviation Organization)提出的建设安全管理体系(safety management system, SMS)的积极响应，民航安全已成为民航安全管理理论研究的重点。2010年中国民航局将持续安全战略作为建设民航强国三大战略首位；2011年以文件[1]形式指出：民航局鼓励和支持对安全评估的方法、技术进行研究创新，提高安全评估的科学性及规范性。国内外对民航定量安全评估运用层次分析法[2]、多层次模糊评估法[3]、人工神经网络方法[4-9]进行了相关研究。然而对空中交通的安全评估方法和技术研究还处于初级阶段。

本文基于粗糙集与模糊神经网络为核心的评估方法第一次应用于对变更管制方式前系统的安全评估，是民航空管系统定量安全评估方法的进一步推广，同时，针对变更管制方式前的可视化的安全评估软件开发尚属首次。

1 安全评估模型的有关理论

1.1 粗糙集

粗糙集[10]理论是解决模糊数据的重要概念，通过发现不完备信息所表达数据间的隐含关系，揭示其内在规律，从而在过滤冗余信息的前提下提取出对系统至关重要的信息。信息系统是粗糙集理论中的一种知识表达方式，而知识的表达方式对于借助智能算法处理数据非常重要。决策表是信息系统的直观表达，以行列表格的形式将对象、条件属性及决策属性所对应的信息以数据的形式展现出来。约简(reduction)是保证知识库分类能力不变的情况下，剔除决策表中冗余属性的过程。核(core)是对决策表所有约简的交集，是所有约简的计算基础。

1.2 T-S模糊神经网络

T-S(takagi-sugeno)模糊神经网络[11]由前件网络和后件网络两部分组成，利用“if-then”规则，将复杂系统以简单模型表示，通过简单模型的整合来完成对复杂系统的分析。

前件网络分为4层。第1层为信息输入层，用于将输入值x=[x1x2…xn]T与网络中对应节点相连，节点数为n。

第2层为模糊化层，本文选用高斯隶属函数计算上一层传递过来的输入分量对于模糊集合的隶属度，见(1)式。

(1)

第3层为模糊规则计算层，根据模糊代数乘积的算法，计算模糊语言变量值对于每条规则的适应度为

(2)

(3)

(3)式中：αj为网络节点；i=1,2,…,m。

后件网络第1层是输入层，作用有2个：①在第1层与第2层间起变量传输作用；②为模糊规则提供常数项。

第2层是计算层，由m个节点构成，每个节点与规则形成一一对应关系，计算规则的后件yij权重，见公式(4)。

(4)

(4)式中：j=1,2,…,m；i=1,2,…,r。

第3层是输出层，涉及2部分数据：①由前件网络计算输出的连接权值；②由后件网络第2层计算得到的规则后件。2项数值对应相乘之后求和，即为各规则后件加权和，见(5)式。

(5)

(5)式中：yi为后件加权和；i=1,2,…,r。

设网络期望输出与网络实际输出的误差计算公式为

(6)

(6)式中，E为ti和yi分别表示期望输出和实际输出。

(7)

(8)

(7)—(8)式中：j=1,2,…,m；i=0,1,2,…,n；l=1,2,…,r；β>0为网络学习率。

规定隶属函数中心值和宽度的学习算法，即系数修正算法，见(9)—(10)式。

(9)

(10)

(9)—(10)式中：cij为隶属函数的中心值；σij为隶属函数的宽度；j=0,1,2,…,m；i=1,2,…,n；l=1,2,…,r；β为网络学习率。

1.3 基于粗糙集模糊神经网络的安全评估模型建立步骤

1)由变更管制方式前进行安全评估的指标构建初始信息表；

2)对安全评估指标的定性评估转化为定量评估，建立实数值型决策表；

3)对建立的决策表做属性约简，得出与系统安全最为紧密相关的条件属性集和核，即影响系统安全的关键风险指标；

4)由关键风险指标建立T-S模糊神经网络模型，确定T-S模糊神经网络初始权值；

5)对T-S模糊神经网络进行训练；

6)若T-S模糊神经网络拟合误差满足要求，则结束。

2 评估软件的总体设计

2.1 评估指标的选取与处理

2.1.1 评估指标选取

借鉴由中国民用航空局空管行业管理办公室颁发的《变更管制方式安全评估指导材料》(IB-TM-2011-006)[12](简称《文件》)中的相关内容，对变更管制方式前空管系统进行风险识别的指标体系设计上从“人-机-环-管”4个方面开展，具体如表1所示。

表1 变更管制方式前安全评估指标体系

表1中，管制系统和设备X1针对新采用的空管自动化系统、雷达设备、网络通信系统等系统设备可能存在的风险因素；管制环境X2针对变更管制方式前新的管制划设范围、飞行保障情况、空管运行特点等可能存在的风险因素；运行管理程序X3是考察根据新的运行设备与环境制定的运行管理程序对于安全保障能力的符合性；管制及相关人员X4针对在现有运行环境及运行设备的前提下，管制室现有人员配置情况、人员技能水平、受训情况在保障安全运行时可能存在的风险。

2.1.2 评估尺度选取

《文件》的风险源多数以定性指标为主。为了从定量的角度对系统及运行环境进行安全评估，借助符合实际的评估尺度，将专家及一线人员对风险源的定性评估转化为定量评估。因此，根据评估指标在实际运行工作环境中的特征定义评估尺度，评估尺度如表2所示。

表2 评估尺度对照表

从表2可知，在对变更管制方式前系统风险评估中，还涉及到风险的综合打分，为了问题处理方便，同样分为5个等级。

2.1.3 评估数据的自动存储

借助Excel中VBA开发工具设计电子形式的调查问卷，方便、快捷地采集专家或一线工作人员的评估意见。

2.2 评估软件开发环境介绍

为了便于安全评估模型的推广，实现对安全评估软件的可视化操作。安全评估软件在VB(visual basic 6.0)与MATLAB 7.0 2种开发环境中编译而成，VB用于界面开发，MATLAB作为后台计算工具，VB通过ActiveX技术调用MATLAB；Excel采集并统计调查问卷数据；Word作为信息汇总及编辑工具。评估软件总体设计流程如图1所示。

图1 评估软件总体设计流程Fig.1 Integrated design flowchart of evaluation software

2.3 软件各功能模块介绍

2.3.1 程序流程图

通过评估软件中各个模块的密切配合，可以实现结构化、方法集成化、智能化的综合评估。图2为评估软件主要模块及数据流之间相互作用的关系。

图2 评估软件的程序流程Fig.2 Program flow of evaluation software

2.3.2 软件界面介绍

评估软件用户界面如图3所示。

图3 软件界面Fig.3 Sketch map of software interface

模块1：关键风险源。“调查表汇总”按钮弹出显示预定义文件路径下用于统计调查问卷结果的Excel表格，借助设置好的宏按钮，实现对多份调查问卷结果进行汇总；“关键风险源读取”借助粗糙集的属性约简思想对汇总后的调查问卷数据进行筛检，得出对系统安全构成威胁的关键的风险指标并将结果显示在文本框中。

模块2：系统安全评估。“神经网络训练”用于计算模糊系统参数，即由关键风险指标作为模糊系统的组成部分，采用等隔均匀分布式内插关键风险指标所对应的评估尺度区间生成训练样本，通过图的形式显示“训练数据预测”结果；“神经网络检测”是利用随机数检测网络期望输出与网络实际输出之间的误差是否达到之前设定的精度要求，生成 “测试数据预测”结果图；“评估数据读取”用于在给定的Excel表格中输入对于关键风险指标有关调查问卷数据，为下一步系统安全评估等级评定提供决策支持；“评估结果”按钮是根据收集来的关键风险指标数据做出对系统安全等级评定。

模块3：生成评估文件。“导入Word文档”将模块1、模块2及用户输入信息快捷地汇总到Word文档中。

3 评估软件测试与结果分析

3.1 评估软件测试

通过向填写调查问卷的人员介绍24个风险评估指标以及评估尺度的含义，收集到有效调查问卷24份。经软件计算，得出对系统安全影响最为关键的风险指标分别为程序熟练度、人机界面熟悉度、工作负荷、机组人员的配合。

T-S模糊神经网络的精度设置为0.001，训练次数为100次。误差曲线波动幅度较小说明经过训练的模糊系统达到稳定的状态，其训练数据结果如图4所示。

图4 训练数据结果Fig.4 Result of training data

点击“评估结果”按钮，之前在Excel中存储的数据通过MATLAB自带函数传输到MATLAB中，利用训练好的模糊神经网络评定系统安全等级为3级。点击“导入Word文档”按钮，将评估单位、评估时间、关键风险源、系统安全评估等级信息统一汇总于文档中。

3.2 测试结果分析

用户通过评估软件的计算得到2部分关键信息：①从24个风险评估指标中提取出4项关键风险指标，从人-机-环-管理的角度分析，4项指标都属于人为因素所囊括的范围，反应涉及管制方式变更的人员在程序方面、设备操作方面及自我调整等方面等对系统安全威胁较大，而在现有科技水平条件下的相关管制设备都已经过前期测试或其他用户已装备并经过一定时间的使用，设备可靠性值得肯定，因此，对系统安全威胁相比较小。②系统安全最终评估等级，不同的系统安全评估等级可对应着不同的响应级别，本次利用评估软件对系统安全等级评定为3级(中等级别)。

4 结 论

本文基于变更管制方式前对空管系统安全进行评估的需求，经过充分调查研究，查阅有关空管安全评估的文献，以局方文件为依据选取评估指标，借助Excel软件设计电子化形式调查问卷，以粗糙集、模糊神经网络为基础，建立针对变更管制方式前系统安全评估的数学模型，借助MATLAB编译相应程序；采用Visual Basic与MATLAB混合编程技术实现软件可视化操作。该软件可用于变更管制方式前空管系统的安全评估工作，也可按需调整调查问卷中的评估指标对空管系统进行持续安全评估工作。

[1] 中国民用航空局空管行业管理办公室. AP-83-TM-2011-01, 民航空中交通管理安全评估管理办法[S]. 北京：中国民用航空局空管行业管理办公室, 2011. Industry Management Office of the China Civil Aviation Administration Air Traffic Control. AP-83-TM-2011-01, Safety evaluation management regulation of Chinese civil air traffic management[S]. Beijing: Industry Management Office of the China Civil Aviation Administration Air Traffic Control, 2011.

[2] 杨昌其,魏光兴.空管不安全事件危险等级的量化评估方法[J].西南交通大学学报,2006,41(6):753-757. YANG Changqi, WEI Guangxing. Quantitative assessment method for severity classification of air traffic control incident [J]. Journal of Southwest Jiaotong University, 2006, 41(6): 753-757.

[3] 马国忠,米文勇,刘晓东. 民航系统安全的多层次模糊评估方法[J]. 西南交通大学学报,2007, 42 (1): 104-109. MA Guozhong, MI Wenyong, LIU Xiaodong. The civil aviation system safety multi-level fuzzy evaluation method [J]. Journal of Southwest Jiaotong University, 2007, 42(1): 104-109.

[4] GREENBERG R. COOK S C, HARRIS D. A civil aviation safety assessment model using a Bayesian belief network (BBN) [J]. The Aeronautical Journal, 2005, 109(1101): 557-568.

[5] 王衍洋,曹义华. 航空运行风险的灰色神经网络模型[J]. 航空动力学报, 2010, 25(5): 1036-1040. WANG Yanyang, CAO Yihua. Gray neural network model of aviation safety risk [J]. Journal of Aerospace Power, 2010, 25(5): 1036-1040.

[6] 王浩锋. 基于BP神经网络的民用航空航段安全风险评估[J]. 信息与电子工程, 2010, 8(5): 612-615. WANG Haofeng. Safety risk assessment model for civil aviation flight phase based on BP neural network [J]. Information and Electronic Engineering,2010,8(5):612-615.

[7] 吴志军,王璐,史荣.基于改进BP神经网络的ATM系统信息安全评估方法[J].通信学报, 2011 32(2): 150-158. WU Zhijun, WANG Lu, SHI Rong. Approach of information security assessment for ATM system based on improved model of artificial neural network[J]. Journal on Communications, 2011, 32(2): 150-158.

[8] 金灿灿,左洪福.航空公司维修质量管理系统设计与实现[J].计算机集成制造系统,2013,12:3107-3113. JIN Cancan, ZUO Hongfu. Design and implementtation of airline’s maintenance quality management system[J]. Computer Integrated Manufacturing Systems, 2013, 12: 3107-3113.

[9] 金灿灿,左洪福,张营,等.基于BBN的航空公司风险评估技术研究[J].航空学报,2013,34(3):588-596. JIN Cancan, ZUO Hongfu, ZHANG Ying, et al. Research on risk evaluation for airlines based on BBN[J]. Acta Aeronauticaet Astronautica Sinica, 2013, 34 (3): 588-596.

[10] PAWLAK Z. Rough set[J]. International Journal of Computer and Information Sciences, 1982(11): 341-356.

[11] TAKAGI. T, SUGENO. M. Fuzzy identification of systems and its application to modeling and control[G]∥IEEE Transaction on Systems. Man, Cybernetics: IEEE, 1985.

[12] 中国民用航空局空管行业管理办公室. IB-TM-2011-006, 变更管制方式安全评估指导材料[S]. 北京：中国民用航空局空管行业管理办公室, 2011. Industry Management Office of the China Civil Aviation Administration Air Traffic Control. IB-TM-2011-006, Safety evaluation guide material of air traffic control means change[S]. Beijing: Industry Management Office of the China Civil Aviation Administration Air Traffic Control, 2011.

吴涛(1988-)，男，内蒙古集宁人，硕士研究生，主要研究方向为空管安全。E-mail: yeternal@foxmail.com。

杨昌其(1974-)，男，贵州思南人，教授，硕士研究生导师，博士生，主要从事民航空管安全管理、空管人为因素、空管信息处理、空管仿真实验与技术等方向的研究。E-mail: cafcychq@21cn.com。

(编辑：刘 勇)

Safety evaluation model about air traffic control means change and its software design

WU Tao1, YANG Changqi2

(1. North China Regional Air Traffic Management Bureau of Civil Aviation of China, Beijing 100621, P.R. China; 2. College of Air Traffic Management, Civil Aviation Flight Univ. of China, Guanghan 618307, P.R. China)

Air traffic control means change brought risks to its system and operating environment. In order to make those risks controlled, the safety evaluation model based on rough sets and fuzzy neural network was proposed. Rough set, which was used to extract key risks, has the advantage for attributes reduction rule extraction and also provids the following functions to fuzzy neural network: decreasing samples dimension, simplifing the network topology and shortening the time of network training and learning. Fuzzy neural network, which was used to evaluate the safety level of system, has the capability of classification on the condition that fuzzy neural network can tolerate error and noise. In order to apply and promote the safety evaluation model, the model was compiled to visualized operation software by visual basic(VB) and MATLAB. The evaluation software had three functions that identified key risk indexes from the evaluation index system, evaluated the safety level of system and collected evaluation information. The experimental results showed that the software can extract 4 key risk indexes from 24 evaluation indexes and the safety level of system is 3. The evaluation software processed following advantages: easy installment and maintenance, straightforward operation and higher theoretical level. It was an innovative attempt that quantitative evaluation was used to operation units of air traffic control.

air traffic control; safety evaluation; rough set; fuzzy neural network; visual basic; MATLAB

10.3979/j.issn.1673-825X.2016.06.020

2015-07-22

2016-03-14

杨昌其 cafcychq@21cn.com

民航局科技创新引导资金(MHRD20140213)；四川省教育厅重点项目(13ZA0306)

Foundation Items：The Scientific and Technical Innovation Project of Civil Aviation(MHRD20140213); The Key Project of Sichuan Education Department(13ZA0306)

TP393；V355.1

A

1673-825X(2016)06-0870-06