大面积航班延误下的机场安全风险评价

张 丽，齐晓云，王小春

（中国民航大学法学院，天津 300300）

大面积航班延误导致机场运行由常态转化为非常态甚至危机状态，环境、设备、人员易产生安全风险，引发一系列安全事故。因此，大面积延误情境下的安全风险管理成为机场面临的重要课题。

国内外学者对机场安全风险管理进行了大量研究。郑伟[1]利用AHP 和模糊数学，从点、线、面3 个视角建立了机场安全风险评价模型。王燕青等[2]采取模糊层次分析法对机场飞行安全因素进行了评估。刘刚等[3]建立了机场安全风险多层次灰色评价模型。张晓全等[4]运用AHP 方法对民用机场的空防安全进行风险研究。惠翔[5]根据SHEL 模型，利用模糊数学理论提出机场安全风险评估方法。薛漾等[6]分析了航班延误与机场风险的共性因素。以上研究均未考虑航班延误对机场安全风险管理的影响。文献[7-8]对航班延误机场安全风险展开研究，但二者均基于贝叶斯网络理论构建评价模型，受数据采集和概率推算限制，难以推广。因此，有必要开发一套适用性强的大面积航班延误机场安全风险评价方法。

目前，传统安全风险评价方法大多基于层次分析法，未考虑不同层次及类别间指标的作用关系，且权重不确定性较强。基于此，Saaty[9]提出了网络分析法（ANP，analytic network process）通过建立网状结构，综合考虑各同层元素间的相互影响及非同层元素间的支配关系，但该方法利用专家打分确定各类元素间的作用关系，受专家主观判断能力的影响较大。其他学者[10-14]分别通过熵值法、数据包络分析对其进行改进，以降低专家打分主观性的影响。

基于上述分析，在前人研究基础上，引入专家均值置信区间法对ANP 进行改进，用于评价大面积航班延误下的机场安全风险。

1 改进的ANP 算法

ANP 算法首先构建网络结构，将系统元素分为控制层和网络层。各层次内部元素之间存在跨层次的依赖和反馈，即网络层内元素都受控制层支配，且内部互相影响。但ANP 网络结构中，各因素之间的重要度由专家通过两两比较得出，存在一定的主观误差。为此，引入相对权重专家均值置信法，对ANP 中两两元素重要度确定方法进行改进，以提高权重的可靠度，具体过程如下。

1）确定取值区间。在网络层次分析法中，因素比较的取值区间一般为1/9～9。

2）将专家打分均值作为两两因素权重的初值。设专家评价均值A 为

其中：a1～aq分别为第1 ～q 位专家的评价值。

3）确定置信阈值与置信区间。置信阈值不能太小，否则会把合理的评价结果排除；也不能太大，否则起不到筛选数据的作用。比较值的范围为1/9～9,通常取其和的1/2 作为置信阈值，专家资历较深，可将置信阈值再缩小50%，即2.3，置信区间为A±2.3，将每位专家的打分结果进行筛选，如果不在置信区间内，则将其评价结果删除，并重新计算评价均值与置信区间，直至所有专家评价结果都在置信区间。通过该方法降低专家打分的误差。同时，由于ANP 计算软件的要求，两两因素相对权重均值采用四舍五入取整。改进ANP 模型评价步骤如图1所示。

图1 改进ANP 模型的评价步骤Fig.1 Assessment procedure of improved ANP model

2 评价模型

2.1 大面积航班延误机场安全风险评价指标体系

大面积航班延误机场安全风险是指：大面积航班延误情景下，机场安全系统中可能导致人员伤亡或经济损失、工作环境的破坏或各种情况组合的原因或状态，可概括为4 个方面：人的风险、设备的风险、环境风险和管理风险。

通过对行业专家的访谈及机场工作人员调研，分析了大面积航班延误对机场安全风险管理及常态下安全风险管理指标的影响，最终确定大面积航班延误情景下机场安全风险评价指标体系，如表1所示。

表1 大面积航班延误机场安全风险评价指标Tab.1 Assessment indicators of airport safety risk of large-scale flight delays

续表1大面积航班延误机场安全风险评价指标Tab.1 Assessment indicators of airport safety risk of large-scale flight delays

2.2 模型求解

1）根据表1中大面积航班延误机场安全风险管理评价指标，及表2中人、机、环、管4 类影响因素之间的关系，利用超级决策软件建立ANP 链接，体现各因素之间上下级及同级的依存与反馈关系如图2所示。

图2 大面积航班延误机场安全风险ANP 评价模型Fig.2 ANP evaluation model of airport safety risk of large-scale flight delay

2）确定表2中安全风险各影响因素之间的权重。传统的ANP 评价方法是由个人确定因素间的权重。为了增加评价的可靠性，减少个体主观臆断带来的影响，邀请同领域4 位专家对表2中各因素的相对重要性进行判断，并根据式1 计算其平均值A，如果专家评分在均值A 的置信区间内，则采纳A 作为最终权重；专家评分不在置信区间内，则删除该评分，重新计算重要度均值A，直至不再有超出置信度的评价。

表2 影响因素的关系表Tab.2 Relationship of influencing factors

3）根据改进的ANP 方法，根据专家打分结果，将每组两两比较矩阵进行标准化处理并转置，可以得到每组两两比较矩阵的特征根向量Wij，将所有两两比较矩阵的特征根向量汇总在一起，得到大面积航班延误机场安全风险管理评价的未加权超矩阵，如表3所示。表中的每组特征根向量都代表了某次准则下某个维度内各指标所占的权重。

表3 未加权超矩阵Tab.3 Unweighted hypermatrix

4）以目标层“大面积航班延误机场安全风险管理”为准则，利用专家均值置信法对网络层中人、机（设备）、环、管4 个簇族进行重要度判断，计算得到簇族权重，即4 个一级指标的标准化重要性判断矩阵，如表4所示。

5）将步骤3 得到的未加权超矩阵与步骤4 得到的簇族权重相乘，得到加权超矩阵，如表5所示。

表4 簇族权重Tab.4 Clustering weights

表5 加权超矩阵Tab.5 Weighted hyper-matrices

6）对表5中的加权超矩阵进行稳定性处理，得到极限加权超矩阵，得出各指标权重，如图3所示。可以看出，大面积航班延误机场安全风险的前5 位因素是：B3（设施设备完好率）、B2（设施设备完备率）、A5（员工违章操作率）、A6（安全员监督失误率）、D4（应急教育与培训考核）。这表明大面积航班延误后，机场各类运行设施设备的完好程度及完备程度至关重要；同时，延误情景下员工因应急采取的违章操作以及监督失误也会加大风险；另外，机场应加强应急教育。

图3 机场安全风险影响因素的权重Fig.3 Weight of airport safety risk factors

3 结语

基于人机环管四大因素，构建了大面积航班延误情景下的机场安全风险的评价模型，并利用专家均值置信法改进了ANP 模型中的权重确定方法，其结果不仅考虑了各个不同层级指标之间的相互作用关系，还大大降低了专家打分带来的主观不确定性，改进了传统的赋权评价方法。案例应用结果表明，大面积航班延误机场安全风险的主要因素分别为B3（设施设备完好率），B2（设施设备完备率），A5（员工违章操作率），A6（安全员监督失误率），D4（应急教育与培训考核），这一结论充分表明，设备的本质安全，人员的正确操作与监控、应急教育与培训对于大面积航班延误的安全风险至关重要，与相关研究结果具有较高的一致性，表明所提评价模型具有较高的应用价值。