3
`
李敬高级工程师陈艳秋高级工程师何高级工程师
(中国民用航空局航空安全技术中心，北京100028 )
学科分类与代码: 620. 2030中图分类号: X949; U111文献标识码: A
资助项目：科技部科研院所社会公益研究专项( 2004D I B2 J063) 。
【摘要】根据系统安全的思想，通过对航空安全历史数据的分析和专家经验，从人员、设备设施、环境和组织管理4个方面，提出中国民航机务、空管、飞行、机场4个分系统安全风险监测指标体系, 共102个风险因素指标，并合成为27个行业安全风险监测指标。以民航历史数据为样本，建立资源优化神经网络( R ON )模型，将安全风险监测指标与中国民航安全指数相联系，分析安全指数的关键影响因素，达到安全管理决策支持的目的。通过建立的风险监测指标体系和RON 模型，可以实现民航整个行业、各分系统及单个指标的安全风险监测和预警。 【关键词】航空安全; 风险指标; 监测模型; 资源优化神经网络( R ON ) ; 仿真
R e s ea r ch on R isk Mon i to r ing and Sim u l a t ion of
Ch i na’s C i vil A via t ion Indu s try
L I J i n g, Sen ior E n g i n e er C HEN Y an 2q iu, Sen ior E n g i n e er HE Pe i, Sen ior E n g i n e er
( Cen t e r of A v i a t i o n Safe t y Techno l o gy, C AA C , B e iji ng 100028 ,Ch i na)
A b s tra c t: A c co rd i ng t o the theo ry of syste m safe t y, the safe t y risk mon i t o ri ng i nd i ca t o r syste m is p re s en2 ted on the ba sis of the ana l ysis on the p revi o u s acc i den ts, i nc i den ts and o the r h ist o ri ca l da ta re l a ted t o c i v il avi a ti o n safe ty. Th is i nd i ca t o r syste m , compo sed of f ou r sub syste m s of a irc raft m a i n tenance, a ir traffi c c on2 tr o l, a irli ne s op e r a t i o n and a ir po rts op e r a t i o n, i nc l ude s 102 risk fac t o r s. The s e fac t o r s, rangi ng ove r m a n ( hum a n fac t o r s) , m a ch i ne ( equ i p m e n t and fac iliti e s) , m ed i um ( o r envir onm e n t) and o r gan i z a t i o na l m a nagem e n t, a r e i n t egra t ed i n t o 27 i ndu s tri a l safe t y risk i nd i ca t o r s. The re s ou r ce op ti m iz a t i o n ne t w o r k ( RON )mo
de l is e s tab l ished by u s i ng the h i st o r i ca l da t a a s sp e c i m e n t o li nk the s e i nd i ca t o r s w ith the safe ty i ndex of the i ndu stry. Th is mode l can ana l yz e the c riti ca l i nd i ca t o rs t o suppo rt the dec i si o n2m a k2 i ng f o r safe ty m anagem en t.The i nd i ca t o r syste m and RON mode l can be u sed f o r the who l e i ndu s tr y, o r the sub s yste m s, o r a si ngl e i nd i ca t o r t o mon i t o r risk s and rea l iz e ea rl y wa rn i ng.
Key word s:avi a t i on safe t y; risk i nd i ca t o r s; risk mon it o r i ng mode l;
re s ou r ce op ti m iz a t i o n ne t w o rk ( RON ); si m u l a t i o n
3 文章编号: 1003 - 3033 (2009 )07 - 0020 -06; 收稿日期: 2009 -03 - 18; 修稿日期: 2009 -06 - 30
〃21〃
第 7期 李 敬 等 : 中 国 民 航 业 安 全 风 险 监 测 与 仿 真 研 究
立中国民航风险监测指标体系 和行 业 安全 指数 体 系 ；针对监测指标体系 ，研究安全综合评价方法 ，建
立风险监测模型 ；最后为了在风险监测指标体系与 行业安全指数之间建立联系 ，利用人工神经网络
可 以逼近所有函数的能力 ，建立并利用历史数据训练 神经网络模型 。笔者的研究既可以用于民航行业 、 各分系统及单个指标的风险监测 ，便于及时对安全 隐患采取有效的整改措施 ，也可以对未来航空安全 趋势进行预警 ，并进一步分析确定主要风险源 ，提出 安全风险管理对策和建议 ，为政府进行安全监管提 供决策支持 。
0 引 言
航空运输是重要的交通运输方式 ，随着社会的
发展和人民生活水平的提高 ，越来越多的人选择乘 坐飞机旅行 ，人们对航空安全的关注程度和对安全 的要求也越来越高 。
从 2002 年以来 ，南方某机场先后发生了两次冲 出跑道和 一 次 偏 出 跑 道 事 故 征 候 , 在 该 地 区 其 他 两个机场也都发生过冲出跑道的严重事故征候 。而 在北方某机场 ，曾在 3 天内发生两次认错和落错跑 道事件 。特别是近年的某次空难 ，在该空难发生前 一年 ，另外一家航空公司曾经发生过类似事件但幸 免于难 。
上述事件的发生条件十分类似 ，由于没有建立 适当的风险监测系统 ，没有对上述事件信息进行有 效的分析和评估 ，致使同类风险较长时间内没有被 认识 、分析和缓解 ，导致同类危险事件重复发生 。可 见 ，建立民航安全风险监测系统对于事故预防具有 重要的现实意义 。
民航运输是一个复杂系统 ，对民航风险进行监 测和预警 ，必须符合系统工程的原理和思路 ，采用系 统综合评价的方法 ，国内外都进行了有益的研究和 探索 。文献 [ 1 - 5 ]对民航企业层级包括航空公司 、 机场 、空管和机务的安全预警体系进行了研究 ，提出 了预警指标 ，探讨了预警管理体系的构建 。许多研 究者也采用不同的方法 ，尝试对民航安全风险进行 定量的计算或评估 [ 6 - 7 ] 。他们的研究工作都为我国 民航安全风险监测奠定了基础 。美国联邦航空局具 有代表性的安全风险管理系统是航空运输监察系统
(A T O S ) ，该系统的主要工作 包 括对 航空 承 运人 的
监察和合格证加以管理 ，对其进行分析和评估 ，识别
出安全趋势 [ 8 ] 。
以上安全风险监测及预警的研究或应用多半是 针对企业开展的 ，对民航行业层面的风险如何监测 , 由于民航安全系统的复杂性 、动态性和开放性 ，其数 据的可得性 、评价技术和结果的应用都存在较大的 差别 ，目前尚未开展 。国际民航组织 ( I C AO )在最新 的安全管理手册中对民航风险管理的原理 、过程和 建立安全管理体系进行了系统的论述 ，要求各国在 国家层面实施基于数据分析的安全风险管理过程 , 通过对安全信息 的 收集 、分 析和 评估 , 查 危险 因
素 、采取纠正措施 ，从而实现主动预防 [ 9 ]
。
研究的总体思路是 : 信息 - 指标 - 模型 - 仿真 - 预警 ，即以分析不安全事件和隐患信息为基础 ，建
1 中国民航风险监测指标体系研究
1. 1 各分系统风险监测指标体系
从民航的专业特点出发 ，将民航系统按飞行 、机 务 、空管和机场划分为 4 个主要分系统 ，分别构建各
分系统的安全风险监测指标体系 ，然后将这些指标 按照类别和需求综合 ，进而构建行业安全风险监测 指标体系 。
根据系 统 安 全 的 理 论 和 思 路 , 安 全 是 系 统 的 一种状态 ，即通过持续的危险识别和风险管理过程 , 将人员伤害或财产损失的风险降至并保持在可接受 的水平或其以下 。没有发生事故不等于这个系统是 安全的 。例如 ：系统处于存在隐患的状态 ，在诱发因 素的作用下 ，有可能导致事故发生 ，该系统同样是不 [ 10 ]
安全的
。
系统安全的方法就是要全面系统地看问题 。导 致事故发生的原因是多方面的 ，其产生的机理是多 层次的 , 错综复杂的 。这些因素互相联系 、互相制 约 、互相促进 ，形成一个复杂的系统 。因此 ，必须从 系统的角度出发 ，进行详细分析 ，出影响安全的因 素 ，这样才能有效地制止和预防民航事故的发生 。 笔者在建立指标体系时 ，针对各分系统发生的 不安
全事件及其影响程度 ，分析了这些事件的差错 类型 、特点及其可能的诱因 ，将各种影响系统安全 、 诱发事故的因素分为人 、机 、环 、管 4 类 ，每一类中选 取了对安全影响较大 、又比较敏感的一些指标 ，并根 据专家经验进行了补充完善 ，建立民航各分系统的 指标体系 。对体系中的每个指标都明确定义了数据 来源和计算方法 。 在信息分析的基础上构建的风
险指标要素如 表 1 ～表 4所示 。
中 国 Ch i na
安 全 科 学 学 报
第 1 9卷 2 0 0 9年
〃22〃
Safe t y
Sc i ence
Jou r na l 表 1 机务系统风险指标要素
表 2 飞行运行系统风险指标要素 (“飞机因素 ”已在机务系统中考虑 )
表 3 空管系统风险指标要素
表 4 机场系统风险指标要素
1. 2 行业风险监测指标体系
行业风险监测指标也按照人 、机 、环境和管理 4 个方面建立 ，分为三级 。一级指标即 标 ，如表 5 所示 。
表 5 行业风险监测指标体系中的一级指标
27 个最终行业指
一级指标由 1～4 个二级指标合成 ；二级指标为 各分系统 相 应 类 别 的 指 标 , 由 各 分 系 统 内 对 应 的 多个三级基本指标合成 ；三级指标为单个指标 ，直接
来自各分系统 。以“人的因素 ”指标体系中“知识技 能 ”指标为例 ，如图 1所示 。
类别 包含的指标 ( 27个 )
人的因素 人员数量 ，知识技能 ，岗前准备 ，安全意识或态度 ，生理状况 /健康水平 ，班组资源管理 设备设施因素 机场设施设备状况 ，空管设施设备 ，飞机日利用率 ，飞机机龄和机型 ，飞机完好性 环境因素
自然环境 、工作环境
管理因素
规章标准 ，监管人员 ，监管力度 ，人员培训 ，风险管理 ，资源配臵 ，应急管理 ，机场特殊运行管理 ，军民航协 调管理情况 ，信息情报 , TCA S 相关规定执行情况 ，流量管理 ，安全生产财物保障 , (航空公司 )组织稳定性
因素类别
指标名称
人的因素 机场特有工种涵盖范围 ，机场特有工种人员技能状况 (含 7 个下级指标 ) ，员工安全意识状况 ，机场监察 员专业技能状况 ，机场监察员配臵状况
设施设备因素 飞行区场道状况 ，升降带土质区状况 (包括机场排水状况 ) ，围界 /巡场道状况 ，地面标志 、信息标记牌状 况 ，机坪状况 ，机场助航灯光系统状况 ，机场供电保障系统状况 ，供油系统状况 ，场务作业 、除冰雪系统状况 环境因素 特殊环境机场状况
管理因素
行业法规 、规章及技术标准的完善状况 ，行业监管 状况 ，企业 管理状况 , 包括安全监督 管 理 、安 全 信 息 管理 、危险识别 /隐患整改 、安全培训 /教育 、安全管理投入 、应急管理 、机场净空管理状况 (包括敏感区 /临 界区管理 ) 、机场不停航施工管理状况 、机场野生动物管理状况
因素类别 指标名称
人的因素 技术水平 ，业务知识掌握情况 ，健康水平 ，岗前准备情况 ，新管制员培养情况 ，安全意识 设备因素 空管设备按期报废率 ，空管设备完好率 ，新型空管设备应用情况
环境因素
运行期间天气情况 ，航班延误 ，值班环境状况 ，管制业务量状况 ，日高峰量
管理因素
法规 、规章完善情况 ，局 方监督审计 , 运行手册管理 , 管理制度体系合 理 性 , 风 险 管 理 , 管 理 资 源 投 入 , 军民航协调管理情况 ，飞行情报 ，情报准确程度 ，信息的收集与分析 , TCA S 规定执行情况 ，流量管理情况
因素类别 指标名称
人的因素
航空理论知识 ，技能水平 ，健康水平 ，飞行时限 ，航空卫生保健 ，安全意识或态度 ，航前准备 ，机组资源管理 环境因素
飞行准备系统 ，签派员知识技能 ，签派员执勤时限 ，运行控制系统 ，通讯系统
管理因素
法律规章标准 ，监察人员配臵 ，局方监管力度 ，规章制度 ，内部安全监察 ，人员培训 ，风险管理 ，资源配臵 , 应急管理 ，组织稳定性 ，安全生产财物保障
因素类别 指标名称
人的因素
安全意识和态度 ，知识 、技能和经验 ，维修资源管理 ，生理状况 ，心理状况 飞机因素 机龄和机型 ，飞机完好性 ，日利用率
环境因素 工具设备 ，航材情况 ，工作环境 ，工作压力
管理因素
规章标准 ，监察人员数量和素质 ，局方监管力度 ，人员培训 ，质量管理 ，资源配臵 ，应急管理 ，信息管理
〃23〃
第 7期 李 敬 等 : 中 国 民 航 业 安 全 风 险 监 测 与 仿 真 研 究
的综合评价 ，以及低级指标向高级指标的合并 。
基本过程如下 :
1) 建立评价因素集即指标体系 ，确立每个指标
的评价等级 ，笔者采用五级评价标准 ;
2 ) 确定指标的权重 ，用层次分析法 (AH P )和熵
值法获得因素权重集 W ;
3 ) 进行单因素评判 , 建立指标隶属度矩阵 , 即 确定各个评价指标的量值对各评价等级的隶属度 , 从而获得评判矩阵 R;
4 ) 模糊综合评判 , 按照模糊矩阵的乘法运算 , 得到模糊综合评判集 B ( B =W ×R ) , 用该方法进行
指标合并只需进行到这一步骤 ;
5 ) 评价结果的处理 , 从最后的评价结果 , 判断
民航的安全形势或某方面的安全状态 , 监测指标的
风险等级是否是不可接受的 。
运用该方法获得的评价结果 , 可以对民航各分 系统包括单指标的风险监测和预警系统进行评估 。 将评价结果根据不同的数值区间分为 5 个等级 , 即 很好 、较好 、一般 、较差 、很差 , 分别对应于风险评价 的 5 个等级 , 即危险度很低 、危险度较低 、危险度一 般 、危险度较高 、危险度很高 。即设定安全状态为 5个档次 : V 1 , V 2 , V 3 , V 4 和 V 5 。
5种安全状态值依次如下 : V 1 = [ 100, 90 ], V 2 =
( 90, 80 ], V 3 = ( 80, 70 ], V 4 = ( 70, 60 ], V 5 = ( 60, 0 ]。
根据对应的状态值给系统和每个指标设定预警
信号 ，提示采取不同的措施 。 按该方法对系统某年度或每个月的安全形势进
行模糊综合评价计算 ，得到每年或每个月的综合评 价值 。根据获得的评价值和设定的安全状态等级 , 分析该年度或月的安全状态 ，也可以根据某段时间 内的评价值变化分析这种状态形成的过程及发展趋 势 ，观察各风险监测指标的变动是否正常 ，对监测的 每个指标和各分系统进行风险度预警 ，从而采取及 时有效的措施 。
在该项研究中 ，机务 、飞行 、空管 、机场各系统的 安全风险监测和预警都采用了基本类似的过程 ，只 是在指标的设计层次和数量上略有差别 [ 12 - 13 ] 。
3 行业风险管理仿真研究
图 1 行业指标三级构成图 (以“知识技能 ”指标为例 )
“知识技能 ”指标包括三级 ，其中三级指标 7个 , 合成为 4 个 二 级 指 标 。如 管 制 员 的“技 术 水 平 状
况 ”指标和“业务知识掌握情况 ”指标合成“空管知 识技能指标 ”。
4个二级指标又合成一级指标即“知识技能 ”指 标 。采用类似的过程 ，即可获得 27个行业指标值 ，用 于系统的仿真计算 。指标合并的方法将在下面介绍 。
1. 3 行业安全指数
笔者在第 60 届国际航空安全年会的论文 [ 11 ] 中 对行业 安 全 指 数 体 系 做 了 详 细 的 介 绍 , 简 单 回 顾 如下 。
安全指数体系包含 4 个指数 : 人员伤亡风险指 数 、直接经济损失指数 、安全风险指数 、综合风险指 数 。在使用时 ，既可以单独使用前 3 个指数 ，反映民 航系统运行某一方面的风险 ，也可以使用前 3个指数 复合后的综合指数 ，反映民航系统整体的运行风险 。
3
3
人员伤亡风险指数 : I P = ∑年度总伤亡分数 / ∑
i = 1
年度总飞行时间 , 单位为 1 /人时 。
i = 1
3
直接经济损失指数 : I E = ∑年度总直接经济损
i = 1
3
失 / ∑年度运输总周转量 , 单位为元 /吨公里 。 i = 1
3
安全风险指数 : I R = ∑年度事故征候和不安全
1 3
事件分数 / ∑年度飞行架次 , 单位为 1 /架次 。
1
综合风险指数反映民航安全的整体情况 , 由前 面 3 个指数合成而来 :
I C = ( I P ×I E ×E R ) / ( I P ×I E ×I R ) 基准年
3. 1 风险管理仿真模型
该研究采用径向基函数 ( R B F )人工神经网络在
线建 模 的 方 法 (称 为 资 源 优 化 神 经 网 络 , 简 称
RON
[ 14 ]
)建立 民 航风 险管 理仿 真 模型 。 R ON 能 根
2 民航分系统风险评估和预警
笔者采用模糊综合评价方法进行民航各分系统
中国安全科学学报第1 9卷
2 009年〃24〃Ch i na Safe t y Sc i ence Jou r na l
据最新的误差信息实现资源优化，保证网络结构的
精简，从而保证了R B F 网的泛化能力; 模型所采用
的滑动窗口思想使RON 对学习参数变化具有较好
的鲁棒性，并更易收敛。
网络的输入选取了前述的27 个行业指标作为
模型的输入量，采用1. 3 节的综合风险指数作为网
络的输出。收集了中国民航1998 —2007 年间的数
据作为样本，使用综合风险指数的真实值进行网络
训练。没有采用综合风险指数的滚动平均值的原因
是真实值更能直接反映当年安全水平，这样训练出
来的网络对于参数调整仿真计算更加有利。因此,
该模型是一个27个输入、单输出的神经网络。模型
训练仿真结果最大的相对误差为0. 384 432 3 % ，精
度满足民航安全仿真的需要。
基于R ON 模型，研究开发了“民航安全风险监
测和预警仿真系统”[ 15 ] 。该系统具有对整个民航业
安全指数进行计算、对行业和各分系统进行风险综
合评价和预警的功能，从而为民航风险管理提供决
策支持。
监测R ON 网络中，在网络其他参数不变的情况下,
如果一个输入节点被删除，神经网络的性能将发生
变化，这种变化可以用以下的测度来说明:
ρ
i
= E
w ithou t U n it_ i
- E
w ith U n it_ i
式中,ρi 为第i个输入的灵敏度, E w ithU n it_ i是网络对训
练样本集的误差, E w ithou t U n it_ i是网络中没有第i个输
入的训练样本集的误差。这样ρi 就可以反映输入
项对网络的影响,ρi 值越大，说明第i个输入项对输
出的贡献越大，它就是关键因素。在实际计算中，为
了直观地显示结果，方便比较，采用下式进行计算。
灵敏度计算显示结果=ρi /∑ρi
通过关键因素分析获得了影响安全风险的关键
因素，行业专家就可以通过优化这些监测指标值，重
复模拟民航运行风险状况，使行业的安全风险综合
指数值降低。根据这些仿真结果，确定主要风险源
和风险程度，为民航安全运营，提出安全风险管理的
对策和建议。
3. 2 风险决策支持
运用该仿真系统，可以根据预估的行业/系统的
运行参数，计算民航运行的综合风险指数值, 通过
这个预测结果值，了解民航未来的安全风险水平，从
而为安全管理决策提供依据。
“民航安全风险监测和预警仿真系统”还提供
了关键因素分析的功能，即利用神经网络模型，计算
获得那些对我国民航安全风险影响较大的因素，可
以通过一系列措施调整这些因素，以降低民航安全
风险，起到事故预防作用。在进行关键因素分析时,
引入了灵敏度的概念，即在训练好的民航安全风险
图 2 行业安全管理决策操作原理
图2为运用该仿真系统进行行业安全管理决策
的原理图, 即通过民航真实样本数据建立R ON 模
型，进行关键因素分析，确定影响行业安全的关键因
素，对这些关键因素进行参数调节，并通过仿真模型
计算出模拟结果并采取对应的措施。
表 6 为民航行业关键因素分析结果，其中数字
即为灵敏度的计算结果。
表 6 关键因素分析结果
指标名称灵敏度( % ) 指标名称灵敏度( % ) 指标名称灵敏度( % )
人员数量4. 69 飞机日利用率4. 53 (企业)风险管理3. 37
知识技能4. 36 飞机机龄和机型4. 63 (企业)资源配臵3. 14
健康水平4. 18 飞机完好性3. 56 (企业)应急管理1. 14 安全意识或态度4. 71 自然环境3. 86 机场特殊运行管理3. 42 岗前准备4. 63 工作环境4. 04 信息情报2. 29
班组资源管理4. 67 (局方)规章标准3. 20 军民航协调管理情况2. 09 机场设施设备状况1. 06 (局方)监管人员4. 38 TC A S规定执行情况3. 18
空管设施设备4. 53 (局方)监管力度4. 42 流量管理4. 69
航空公司安全生产财物保障3. 82 (企业)人员培训3. 26 组织稳定性4. 16
