基于复杂网络的飞行区人因风险研究

崔宇婕, 程小慷

(中国民用航空飞行学院 机场学院, 四川 广汉 618307)

随着旅客数量大幅增长,机场工作量加大,飞行区内安全应引起重视。近年来,飞行区内多数项目外包,进场人数多、人员复杂,飞行区内不确定因素多,人的因素引发的事件频发。因此,对人的因素在飞行区内产生的事件进行研究,对于机场减少事件发生,保障航班安全运行具有重要意义。

描述飞行区风险和对风险研究的方法很多。潘丹等[1]采用N-K模型对飞机运行安全风险耦合进行研究。何龙泉[2]采用N-K模型(N代表组成系统的要素数量; K代表系统要素之间具有相互依赖关系的个数)从人、设、环、管4个子系统风险进行分析,发现人的影响因素最大。姚诗忆等[3]基于FTA-BN(故障树模型-贝叶斯网络模型)方法对影响因素进行分析,发现广州南站在公共卫生安全方面存在风险。付世亮等[4]引入安全风险接受和危害控制的沙漏模型原则,列出机场APM(自动旅客捷运系统)集成层的风险清单。杨骁勇等[5]提出基于Logistic回归的民航机场安检系统风险辨识方法。衣超群等[6]利用层次分析法(AHP)-熵权法确定各专家的权重,得到每个指标的综合权重,并对高高原机场夜间运行风险提出建议。李明捷和黄诗轶[7]采用变权和相对差异函数的方法,结合通用机场机坪运行特点建立评价指标体系,对通用机场机坪运行安全风险进行评估。赵益等[8]采用灰色评价理论,根据预定目标建立了安全风险评价体系,通过系统分析,对通用机场运行中的安全风险形成提供一定参考。潘丹等[9]通过各项编码和饱和度检验,运用扎根理论识别飞行区安全风险因素,提出基于范畴间关系的风险因素交互作用假设模型,并使用结构方程模型对该模型进行验证。肖琴和罗帆[10]使用鱼骨图法从人、机、环、管4个方面分析影响机场飞行区安全的风险因素,并建立了机场飞行区安全风险的四级评价指标体系,同时,采用基于突变理论和模糊集的方法,构建了一种机场飞行区安全风险评价模型。

综上,不同学者选择从不同风险角度研究风险系统。近年来飞行区外包项目增多,飞行区人因风险及事件发生是一个复杂的系统,由多个子系统组成,其中某个子系统的某个因素出现问题,这个因素就会影响其他相关联因素。人在飞行区内不确定因素大,容易产生多件事件同时发生,因此现利用复杂网络分析飞行区人因风险对事件产生的作用。

1 飞行区人因风险事件网络模型

1.1 飞行区人因风险事件因素提取

从收集的飞行区事件数据和民航局印发《事件样例》中,提取关于和人的因素有关的事件,见表1。依据飞行区事件调查报告和人因分类,将飞行区风险事件因素从地面保障、飞行机组、客舱机组、空管、机务、天气意外6个风险因素展开,并以这些因素为网络节点来建立网络。

表1 机场飞行区人因有关主要事件类型

1.2 飞行区人因风险事件因素关系的提取

飞行区由于人的因素发生的事故链较复杂,事件之间存在着伴随发生的关系,在不同风险因素的作用下,发生的事件类型及事件数量存在着相互关联的关系。在网络中,以实际数据为例,在不同的风险因素下,外来物和其他地面保障事件之间存在相互关联。因此,把该网络节点的关联程度展开研究,将飞行区人因风险事件网络视为无向网络。该模型以飞行区发生的事件和人因风险因素为节点,借助共现分析来描述各事件及其并发事件与因素之间的关联性,并将其作为边来表示,以确定节点之间的相关性。当两个事件同时出现在某个因素节点中时,这两个节点就具有共现关系,它们之间存在关联。通过构建邻接矩阵,建立风险因素之间的联系,并形成一个描述事件风险因素间相互作用、相互关联的无向网络[11]。其中,邻接矩阵中的元素值表示相应事件因素间是否存在共现关系,值为1则表示存在,否则为0。该网络中边的权重用于反映因素之间的相关性,计算 Jaccard 指数作为权重指数,以求出风险节点的共现率,来考量节点的相关性。

(1)

式中:Jij为风险因素i和j的共现率,且Jij=[0,1];ni、nj分别为风险因素i、j出现的频次;nij为风险因素i和j的共现频次。

2 飞行区人因风险事件网络

2.1 网络特征分析

2.1.1 节点的度

节点的度是指第i个节点与其他节点相连的数量,它可以用来表征复杂网络中节点的中心性[12]。节点的度越高,意味着它在网络中的连接性越强,对于网络拓扑结构的稳定性起重要作用[12]。

2.1.2 网络直径和平均最短路径长度

网络直径是指网络中任意两个节点之间的最短路径长度的最大值[13]。用于评估网络的全局连通性。而平均最短路径长度则是指网络中所有节点两两之间的最短距离相加,然后除以节点对数所得的结果。用来描述网络中节点之间的平均距离,常用于评估网络的整体效率[12]。

2.1.3 聚类系数

聚类系数是指一个节点与邻居节点之间存在联系的数量,除以邻居节点总数所得的比例,用来反映网络中局部的密集程度。

2.1.4 中间中心性

中间中心性是一种衡量网络节点重要性的指标,它反映了节点在网络中作为中介的程度,即在所有节点对之间的最短路径中[13],该节点被经过的次数。通常,中间性中心性高的节点被认为是连接网络不同区域的关键节点,扮演着重要的枢纽角色。

(2)

式中:i为待计算节点;δst为节点s和t之间最短路径的总数;δst(i)为s与t之间通过节点i的最短路径的数量。

2.1.5 接近中心度

节点的接近中心度反映了节点i与其他节点j之间的邻近程度。节点i与其他节点j之间的距离越短,意味着节点j受其他节点的限制程度较小[14],节点i与其他节点j之间的信息传播依存性也较弱[15]。接近中心度可以定义为节点i到网络中所有其他节点j的最短路径之和的倒数[16],即

(3)

2.2 网络评价

网络评价引入 PageRank 算法,此算法基于网络之间的链接关系,通过计算一个网络被其他网络链接的数量和该网络链接到其他网络的数量,来确定该网络在整个网络中的权重和重要性。一个节点PageRank值越高,表示该节点在整个网络中的影响力和重要性越大[17]。

(4)

式中:weight(pj)为边(pi,pj)的权重;degree(pj)为顶点pj的度数;PR为PageRank值。

3 实例分析

从中国民航安全信息网搜集了过去7年1 233条发生在机场飞行区因为人的因素诱发的事件数据,应用于飞行区人因风险事件网络模型中。

3.1 网络构建

以表1中提取的飞行区人因事件风险因素作为网络节点,共计48个。按共现分析建立飞行区风险事件因素网络邻接矩阵X1。

(5)

使用Jaccard 指数可以计算出集合之间的共现率,在计算 Jaccard 指数矩阵X2时,参照式(1)进行计算。

(6)

利用邻接矩阵和 Jaccard 指数矩阵构建一个加权无向网络,用于表示飞行区人因事件的风险因素。根据该网络绘制出如图 1 所示的结构,其中包含48个节点和156条边。这个网络可以帮助识别人因事件之间的关联性和可能的风险因素。从图1中可以看出,飞行区事件的发生通常伴随着多种风险因素的相互作用和影响。通过构建的风险因素网络揭示了这些因素之间的联系和相互影响,从而显示了该网络的高度复杂性。这也意味着,飞行区事件的风险评估需要考虑多个因素之间的相互作用。

图1 飞行区人因风险事件网络拓扑图

3.2 网络特征分析

3.2.1 节点的度

根据图1所示的飞行区人因风险事件网络可以发现,各个节点度值的分布存在一定的不均衡性。具体而言,飞行机组和天气的节点度值普遍较高。总体而言,网络中节点的度分布不均,这也意味着一些节点在网络中具有较为重要的地位。度值较大的节点为其他地面保障事件D10、零部件缺失/损坏/磨损D6、地面保障A1、机务A5等,这些度值较高的节点在飞行区人因风险事件网络中,被视为中心节点的关键链接因素被认为是复杂网络中的中心节点。由于这类节点数量有限,它们与周围风险因素之间的相互作用变得更加显著和复杂。这也意味着,这些中心节点在整个网络中的作用和影响具有重要意义。这表明了网络“中心节点”的特性,即少数节点具有大量的连接。在飞行区人因风险事件网络中,关键的风险因素数量相对较少,但它们占据着主导地位。

3.2.2 网络直径和平均最短路径长度

飞行区人因风险事件因素网络的直径为3,这表明网络中的风险因素之间具有密切的联系,信息传递的速度很快。此外,该网络的平均路径长度为2.009,这意味着网络中的风险因素之间联系紧密,很容易发生连锁反应。这些指标表明了风险因素之间相互作用的强度和速度,需要引起飞行区运行的高度关注。

3.2.3 聚类系数

通Python程序计算得到表2。由表2可知,网络节点D1、J15、D12、J20聚类系数为1.000 0, 聚类系数大的网络节点每个节点都与它的邻居节点相连,因为这些节点之间通常会形成高度密集的连接。这表明飞行区风险事件网络更具有稳定性。

表2 飞行区人因风险事件网络特征值

飞行区风险事件因素网络的平均聚类系数为0.518,高于同等规模的随机网络的聚类系数[18]。此外,飞行区风险事件因素网络的平均路径长度为2.009,这意味着任意两个因素之间只需要经过2个步骤就可以建立联系。这表明该网络具有小世界特性,显示了风险因素之间联系紧密且传播速度较快的特点。这些发现有助于深入了解网络结构和风险因素之间的相互关系。

3.2.4 中间中心性

由表2可知,飞行机组A2和天气意外A6因素中间中心性最高,意味着在整个网络中,多条最短路径都经过该因素,这表明它在传递信息和影响其他因素时具有重要的作用。由飞行机组这个节点引发,导致严重事故征候擦尾/擦发动机/擦翼尖/擦机腹J10。且跑道侵入/占用J8,偏出/滑错滑行道J11和未经许可推出/滑行J9这几个事件经常排列组合共同发生,是飞行区内值得重视的关键风险节点。由天气意外这个节点发生的事件外来物击伤D12、发现外来物D9以及气象变化带来的鸟击事件,这些都是由于天气及其他人因,发生甚至伴随发生的事件,都是需要高度关注的节点。在飞行区地面保障中,因节点地面保障人员A1的中间中心性也较高,它作为节点其他地面保障事件D10的重要致因,是使其和众多事件如鸟击D5、发现外来物D9伴随发生的重要节点,它直接或者间接地导致了众多事件的发生,这也表明地面保障人员导致飞行区发生事件的概率大。

3.2.5 接近中心度

由表2可知,飞行机组A2、天气意外A6、其他地面保障事件D10、地面保障A1、机务A5是接近中心性数值较高的节点,位于人因风险因素网络的核心区域,这表明它们在整个网络中扮演着至关重要的角色。这些节点对于信息传递和人因风险因素之间的相互作用具有重要的影响。飞行机组的因素,诱发大量的飞行区事件伴随发生,甚至于诱发事故征候,因此降低飞行区事件发生概率,要加强飞行机组在日常对规章和守则的学习。

3.3 风险因素节点重要程度

运用PageRank算法,衡量各个节点的重要程度。影响飞行区事件发生的人因风险因素重要性如图2所示。

图2 基于PageRank算法飞行区人因风险因素重要程度

整体看来,飞行机组和天气意外的因素带给飞行区的风险是最多的。由于航空器在飞行区内,常处在移动中,它产生的风险以及发生的事件不确定性很大,且会影响场内的整体安全,影响地面保障的工作计划,随之在高强度的工作下,会诱发由于地面保障引起的事件。地面保障相关事件会伴随飞行机组方面事件共同发生,结合实时变化的气象条件,多项事件共同发生。

4 结论

利用飞行区事件数据建立了飞行区人因风险事件网络,并通过分析该网络的统计特征, 对人因风险因素的重要程度整合评估。根据分析,得出以下结论。

1)飞行区人因风险事件网络呈现出复杂和小世界特征。人因风险因素之间存在相互耦合的关系,这种耦合可能导致事件的发生。这些因素之间的相互影响非常紧密,传播速度也很快。尽管网络中关键的风险因素数量较少,但它们在整个网络中占据着主导地位。这些结果表明,研究中需要重视网络中关键风险因素的作用和影响,以更好地控制和预防风险事件的发生。

2)飞行机组和天气意外方面因素在网络中占有重要地位,地面保障、机务、其他地面保障事件、零部件缺失/损坏/磨损、系统失效/故障/卡阻是网络关键的节点。

3)采用不同参数从多个维度度量节点的影响程度,以评估网络的整体影响力。基于节点的度、中介中心性、接近中心性和聚类系数等多种属性,创建多属性决策综合评估模型,对网络节点进行评估。该模型可以定量评估各人因风险因素对飞行区安全运行的影响。飞行机组风险因素和天气意外风险因素对飞行区人因风险事件网络影响较大,它会直接或间接导致事件的发生,并且会致使多事件伴随发生。地面保障风险因素和机务风险因素同样可能会引发其他风险因素的发生,从而导致事件或征候的发生。