何 鹏 孙瑞山▲

（1.中国民航大学民航安全科学研究所 天津300300；2.中国民航大学安全科学与工程学院 天津300300）

0 引 言

新型冠状病毒肺炎疫情期间，中国政府采取了隔离病例、关闭公共休闲场所、禁止公众集会，以及实行交通运输管控等一系列有效的防疫措施[1]。由于交通运输对疫情的传播具有显著的正反馈作用[2]，因此，实行交通运输管控是切断高传染性病毒跨域传播途径最为关键的手段，关乎公众生命健康与安全，在疫情冲击下，公路、轨道、水运、航空运输等交通方式的运行模式与安全问题受到了广泛的关注。

公交、城市轨道交通作为居民最为频繁的出行方式，提高了有限道路资源的使用效率，但由于车厢内乘客之间的接触距离较小，因此为病毒提供了极佳的传播环境，在疫情期间，公交、轨道交通的运营数量都受到大幅度消减，线路方案[3]、载运水平[4]都面临动态调整与管控；水路航运多承担着货运的重任，是联通全球产业链不可或缺的主要通道[5]，疫情期间中国航运集装箱航运网络空间格局受严重冲击[6]，货物检疫技术与多边防疫政策的协调是航运安全的关注重点；航空运输由于其点对点的可达性优势，极大缩短了区域之间的时空距离，加强航空运输的运行管控成为减少境外输入病例的关键手段，有研究测算，疫情期间中国内地的航空网络对外连通效率下降幅度可达39.8%[7]。

航空运输作为各种交通方式中运行安全要求最高的行业，是国际区域间的重要连接纽带，同时，飞机相较于铁路和长途汽车，是疫情期间较安全的出行方式[8]，因此航空运输成为了疫情期间承担运输功能的主力军。此次疫情危机对航空运输带来了深远的影响，同时也产生了一系列航空安全领域的热点问题。笔者分析了疫情危机对航空运输的安全影响，综述疫情危机下飞行运行环节中的安全研究热点与研究进展，提出疫情危机下航空安全的研究趋势展望。

1 疫情对航空运输安全的影响

1.1 全球航空业的安全趋势

疫情下全球的航空运输量骤减，航空安全形势仍面对着严峻的挑战。新冠疫情的冲击导致全球的航空运输量而大幅度缩减，据国际航空运输协会（IATA）估算[9]，2020年全球的客运需求相较2019年将下降66%，全球航空公司收入至少下降50%。根据中国民航局数据[10]，2020年全行业完成旅客周转量6 311.28亿人·km，比2019年下降46.1%，其中国内航线旅客周转量下降31.1%，国际航线旅客周转量下降86.1%。

IATA的事故分类技术小组（ACTG）统计了2015—2020年全球范围内的航空事故率变化趋势，见图1。可以发现，2015—2020年全行业的事故率总体上呈现下降趋势，其中IATA会员企业的事故率显著低于非会员企业，但2020年新冠疫情危机下，全行业事故率却较2019年上升0.02。国际民航组织（ICAO）官网的统计数据表明，2020年全球定期商业航班共发生22起事故，事故死亡人数为297人，较2019年增加70人。此次疫情期间，全球航空安全水平形势不容乐观。

图1 2015—2020年全球范围内航空事故率Fig.1 Worldwide aviation accident rates from 2015 to 2020

1.2 疫情危机下，航空人员对安全的感知

为了全面及时地了解疫情对航空安全的影响并对安全水平加以改进，2020年10月，国际航空安全峰会（International Air Safety Submit，IASS）线上召开，会议主题为“危机下的安全领导力与全球合作”，参会方包括各国/地区民航局、航空运营人、航空服务提供商、航空组织和卫生健康部门。

IASS会议主办方向全球行业人员进行了广泛调查，从行业人员视角了解疫情下的航空安全情况，图2展示了全球民航从业人员在疫情危机期间的安全顾虑，排在前3位的分别是运行环节的安全、保持技能熟练与培训、个人健康。图3为行业人员对疫情期间安全形势的感知，其中56%的从业者认为疫情增加了安全相关的问题，34%的从业者表示疫情带来的干扰是显著的，但是对安全的影响难以监测；其余10%左右的从业者认为疫情对行业安全无负面影响。

图2 疫情期间的安全顾虑Fig.2 Safety concerns during the epidemic

图3 疫情期间行业人员的安全感知Fig.3 Perceived safety of industry personnel during the epidemic

可以看出，行业人员视角下，疫情已经对航空运输系统带来了较为明显的安全影响，运行环节的安全问题是业界关注的重点。

1.3 疫情危机下，航空安全中的热点问题

民航系统包含航司、机场、空管等多个运行主体，各主体均为“飞行运行”环节所服务，因此飞行运行环节的安全保障与运行新技术一直是全球航空安全的关注重点。通过分析疫情期间的航空运输行业的运行需求，梳理IASS会议中行业专家的安全观点，追踪航空安全学术研究领域的研究动态，总结出全球疫情危机下的航空安全领域的3个热点研究问题：飞行疲劳检测、安全数据分析、单一飞行员驾驶安全性。这3个问题来自于疫情期间航空运行中的安全需求，也是影响未来航空运输系统安全水平趋势与发展的重要问题。

2 疫情下航空安全热点研究

2.1 飞行疲劳检测

飞行疲劳是导致飞行过程产生人为差错的重要原因。新冠疫情下，各个国家防疫隔离政策不一致且不确定性大，执飞国际航线的飞行机组需要尽可能地缩短国外驻留时间，这一运行变化将导致机组疲劳程度加深；此外，不同国家、地区的疫情严重程度不一，对于执飞疫情高发地的机组，其精神压力也对主观疲劳感受带来不利影响。因此，疫情期间如何快速有效检测飞行机组的疲劳程度，并予以有效缓解，是飞行安全保障亟须解决的重要问题。

疲劳被普遍认为具有多维结构[11]，是1种复杂的生理、心理现象或感受。国际民航组织的《疲劳风险管理手册》[12]将疲劳定义为：由于睡眠不足、长时间保持清醒、昼夜节律或者工作负荷（脑力、体力活动）过重而导致开展脑力或体力活动能力降低的生理状态，这种状态会损害机组成员的警觉度及其安全地操作航空器或者履行安全相关职责的能力。可以看出：睡眠、觉醒时间、昼夜节律和工作负荷都是疲劳的重要诱发因素。疲劳作为具有一定主观性的人体状态量，较难直接进行观测，为尽可能精确地描述人体的疲劳程度，需要依实际情况构建合理的测量指标或指标体系。

目前，疲劳测量研究可分为：主观性的量表测量和客观性的生理指标测量、行为指标测量和绩效指标测量。主观测量方面，常用的疲劳量表包括卡罗琳斯卡嗜睡量表（KSS量表）、任务负荷指数量表（NASA-TLX量表）、多维疲劳量表（MFI-16量表）等；在客观测量方面，采集的生理指标包括脑电（EEG）、心电（ECG）、肌电（EKG）、呼吸频率（RSP）、血容量搏动（BVP）、皮肤电反应（GSR）、皮温（SKT），闪光融合临界频率（CFF）等；行为指标，则有眼动指标、头部或脸部的特定行为表现；绩效指标则有精神运动警戒任务（PVT），或驾驶操作绩效指标。

上述测量方法都在实际应用中存在着一定的局限性。量表具有主观性强，不确定性大，耗时长等缺点，并且导致飞行员产生附加的工作负荷。生理指标测量具有数据精度高的特点，但存在指标特异性不强的弊端，即疲劳会引起生理指标的变化，但检测到的生理指标变化不必然归因于疲劳影响，此外生理指标多采用侵入式采集方式，对任务执行造成较大干扰。行为指标测量依赖于非接触式的图像检测设备，这种非侵入式的采集方法具有较好的应用性，但时效性不强，即行为指标发生往往滞后于生理指标。绩效指标，侵入性低，绩效数据直接体现操作能力，但绩效指标受到个人驾驶习惯、风格、任务形式的影响，导致绩效下降归因具有一定困难[13]。

现有研究中关于疲劳的测量，学者多采用单一指标进行量化评估[14-15]，或采取主观量表结合某一客观指标测量的形式[16-17]。G.D.Roach等[18]研究了短途飞行员值勤时刻对其值勤前睡眠时间和初始疲劳水平的影响。通过分析70名短途飞行员的值班表和睡眠/清醒的数据，值勤时刻在04：00—05：00，飞行员的睡眠时间最少，只有5.4 h，且自评疲劳程度最高；值勤时刻每推后1 h，就会增加大约15 min的睡眠时间。客观指标中，脑电是实验室条件下测量疲劳程度的有力的工具，也是近几年逐渐兴起的疲劳测量工具[19]。脑电信号由于其非平稳特性，具有低信噪比、数据特征不明显等特点，在信号应用层面难度较大，因此在数据分析方面还需结合信号处理相关技术予以解决。基于此问题，裘旭益等[20]提出了1种基于功率谱面积耦合脑电波节律的新型脑疲劳评价指标，建立了基于贝叶斯参数推断方法的深度卷积网络学习模型，提高了模型对于离群样本分类的鲁棒性，实现了对飞行员疲劳方面脑认知的良好识别效果。Zhong Y.等[21]提出了1种结合局部线性嵌入（LLE）、支持向量聚类（SVC）和支持向量数据描述（SVDD）技术的新方法对脑电信号进行分析，并实现了对脑力负荷的评估与分类。

由于疲劳研究中的选取指标不一致，指标门槛值定义不一致，大多数研究中的疲劳测量较难形成横向对比。P.H.Gander等[22]基于飞行机组睡眠情况、操作绩效（PVT）、主观疲劳程度和嗜睡程度等疲劳测量指标，对5条长航线航班的133名机组人员在值勤前、飞行下降点的疲劳程度进行了测量。研究发现：对于相似的航班，采用不同指标的测量结果呈现显著的差异性，他建议疲劳测量过程中需要比较多个测量指标，用更全面的指标集合去确定疲劳程度。

2.2 安全数据分析

疫情期间，全球航空事故率上升，非典型进近等不安全事件率提高。数据作为系统状态与运行过程的客观反映，有效的数据分析手段可以提取、分析出不安全事件产生的原因，从而有策略的制定风险缓解措施。因此，针对疫情下严峻的安全形势，通过系统内多维多源数据明晰不安全事件的发生机理，并据此作出主动型的安全预测，将有力提升疫情下的航空安全水平。

民航运行作为1个多方主体强耦合、多任务强关联的复杂过程，系统中蕴含着大量未被充分挖掘利用的数据。其中包括快速存取记录器数据（quick access recorder，QAR）、训练数据、飞行员心理测评数据、排班数据、疲劳数据、气象数据等等。由于QAR可记录整个飞行过程中的飞机参数、飞行员操作参数、环境参数和报警信息，具有数据量大，参数种类多，客观性强的特点，目前安全数据分析中的数据源多为QAR数据。QAR数据的研究一方面集中在对于飞行参数的特征提取，与数据约减[23-24]；另一方面，鉴于飞行事故或事故征候多集中于起飞与进近着陆阶段，有大量研究还聚焦于对这2个阶段超限事件的QAR数据进行深入挖掘[25-26]，研究不安全事件下飞行参数的关联性和作用关系，探究不安全事件的数据变化规律，从而建立风险评价模型或预测模型对不安全事件进行分析与预测。郑磊等[27]从QAR飞行参数多元时间序列的特征提取及相似性度量入手，使用聚类方法挖掘QAR数据中的飞行操作模式，并依据飞行操作模式与QAR监控指标值之间的关联关系，量化了不同飞行操作模式的风险水平。Wang等[28]通过对293个QAR数据样本中的飞行参数进行方差分析，发现了拉平过程中导致异常着陆的飞行参数特征，并建立了2个回归模型分析拉平操作和着陆性能之间的相关性，结果表明：驾驶杆和油门操作对着陆距离和着陆垂直加速度有重大影响。孙瑞山等[29]基于大量QAR数据，结合数理统计分析，模拟出飞机起飞离地仰角值的可能分布，并根据其分布特征，参照飞机起飞离地的监控标准，预测了飞机起飞擦机尾事件发生的可能性。

从上述研究可以看出，在QAR数据挖掘方面，大量研究仍集中在对单一不安全事件的参数特征分析与风险预测，即对不安全事件的事后分析。由于不安全事件总数占运行总数的比例极低，因此目前的不安全事件的数据样本还较为有限。在大数据技术的趋势下，小样本挖掘的信息量还具有局限性。此外，民航系统多维多源数据还没有得到有效的融合利用，QAR数据能直观反映出飞行员操作方面的特征，但是飞行过程中不安全事件的发生不但有外显的操作因素、还有内隐的心理因素、以及组织层面的管理因素，因此仅依靠QAR数据挖掘进行事故致因与事故预防仍缺乏全面性，民航安全的系统性提升有赖于民航系统多源多维数据的融合分析。

2.3 单一飞行员驾驶（SPO）安全性

面对航空市场的巨大增长潜力，飞行员短缺是国际上的一致共识。据波音公司统计，至2035年，中国飞行员缺口将达到11万人。在商用飞机智能化、经济性的发展趋势下，单一飞行员驾驶成为提升运行效率、解决飞行员短缺的重要技术。新冠疫情期间，执飞机组的防疫、落地隔离措施都对机组运行效率带来极大的影响，SPO在重大疫情场景下又再次展现出其独特的应用优势。

SPO指在大型民机驾驶舱中仅配置1名飞行员（机长），借助机载设备自动化，或远程地面站操作员的支持，完成在各种飞行场景中的航线飞行任务[30]。直观来看，SPO运行失去了双人制机组运行中的交叉检查并加重了飞行员的工作负荷，降低了双人制运行中的安全冗余，但有学者和机构认为“机载设备与地面站组合的方式”能够弥补这一安全冗余损失[31]。目前，SPO运行安全性研究与验证仍是制约该模式应用的关键问题，集中体现复杂或非正常飞行任务中的工作负荷分配，以及飞行员失能情况下的飞行决策与操作。

现有关于SPO安全性研究较为分散，研究方多为欧美飞机制造商、适航当局，研究集中于为SPO运行中的工作负荷问题，对飞行员失能的研究还较为有限。美国国防部高级研究计划局于2014年启动了ALIAS项目（座舱机组人员自动化系统）[32]，旨在为现有的飞机，打造1种用于安装、调试和拆除的全自动驾驶系统，使起飞、巡航和降落等一系列操作均实现完全自动化。2017年，该自动化系统通过机器人手臂和机器视觉系统替代副驾驶，在波音737模拟器中完成自动化飞行实验，从而让飞行员从执行飞行操作的角色转换成为了监测飞行任务的角色，极大降低了单一飞行员的工作负荷。针对飞行员失能，2016年，Liu等[33]首次提出了监测飞行员健康和/或行为的飞行员-飞机认知界面（CPAI），通过测量不同的生理变量，例如，心率、呼吸率和眨眼率，来评估单一飞行员的认知能力，实现在飞行员失能情况下的多方提醒。欧洲方面，欧盟（EU）的降低压力和工作负荷的先进驾驶舱项目（ACROSS项目），开发了1个运行机组监控系统，该系统通过使用近红外光谱学（FNRI）来测量飞行员的认知工作量[34]，该系统经评估能够提高飞行安全性。空客公司近年来启动了“颠覆性驾驶舱技术”项目（DISCO项目），研发了一系列减轻飞行员工作负荷的新技术，保证单一飞行员驾驶的安全性。此外，空客还通过“自主滑行、起飞和着陆”项目（ATTOL项目），并在2019年实现了基于机器视觉的客机自主滑行、起飞和降落，为单一飞行员驾驶的未来应用提供了技术铺垫[35]。目前，国内研究主体同样关注SPO运行中的新兴技术[36]，中国商用飞机有限责任公司于2018年着手在国内牵头开展SPO相关技术的研发[37]，提出了SPO模式与系统架构，并研制了人机协同驾驶系统功能样机，在仿真驾驶舱中的测试结果表明，机上辅助-空地协同的SPO模式可以基本应对已知的多种复杂场景。

综上，目前国际上关于单一飞行员驾驶技术，多围绕着自动化硬件和总体设计框架进行研究。SPO运行的系统可靠性的量化研究还鲜有报道，由于运行过程中的飞行员失能问题还没有得到广泛研究，SPO技术试点应用与安全验证并未系统性开展，这些问题都是制约SPO研究向前推进的瓶颈问题。

3 航空安全研究趋势展望

3.1 疲劳的跨指标快速测量技术

飞行运行环节中的机组人员的疲劳风险管理一直都是实际运行中的关注重点。在重大疫情背景下，飞行排班的不确定性增大，影响运行安全的非传统风险愈发增多，在飞行运行前快速有效地监测管控飞行员的疲劳程度，从而预防飞行过程中人为差错的产生，是航空运输业的重大应用需求。

疲劳的跨指标快速测量，一方面依赖于明晰疲劳的致因机理，开发有效的疲劳测量指标体系，建立非侵入式的快速测量方法；另一方面，可参考人体生物节律、工作负荷实验、借助睡眠科学中的生物数学模型基础，开发评估、预测机组疲劳的生物数学模型。

1）建立疲劳快速测量体系。现有的疲劳测量指标非常多元化，鉴于疲劳的多维度特征，首先，应当明晰疲劳致因机理，确定测量指标与疲劳维度的对应关系。其次，明确可观测指标与疲劳之间是否存在特异性联系，如果不存在特异性联系，需考虑通过控制条件或变量，使得指标与疲劳之间建立起特异性。再次，还需要开展测量指标间的比较研究，明确指标之间的相关关系及相互作用机制；通过建立指标间的转换关系，使得疲劳状态能够做到跨指标测量。最后，在建立特异性指标、明晰多指标关系的基础上，要考虑降低疲劳测量过程的侵入性，通过结合新型传感技术、信号传输技术开发硬件设备采集数据，实现疲劳状态的跨指标、无感、短时、客观测量。

2）疲劳的仿真与建模。除了通过硬件设备快速测量疲劳状态，利用生物数学模型对疲劳进行预测与仿真也是疲劳风险管理的有效工具。国内外学者根据与昼夜节律和休息、清醒或工作时间相关的潜在机制，已经开发了许多疲劳的生物数学模型，其中大部分模型都借鉴参考了Borbély的睡眠调节两阶段模型的思路[38]，以预测疲劳的可能性和/或程度。但现有的疲劳模型的输入、输出变量的数量和类型都不尽相同，且模型中的参数设置还缺乏实验验证支撑，故其疲劳仿真能力存在相当大的差异，尤其对个体的疲劳情况进行仿真预测时的精度不高。因此，当前还需要围绕着飞行任务特征、操作特征、机组生理特征进行模型参数的验证实验，不断进行模型开发与迭代优化。

3.2 基于安全II与多源多维数据融合的数据分析技术

民航系统作为高可靠性组织，其事故率已经低于10-6/飞行架次，因此采取被动式的、基于已知异常事件、不安全事件的QAR数据分析已经不能满足安全水平的持续提高。此外，由于飞行运行过程是1个高度耦合、高度复杂的过程，受到多个维度因素的共同影响，因此只通过QAR数据进行事故致因、事故预防并预测，得到的结果的有效性与全面性仍存在局限于制约。在数据挖掘技术快速发展的趋势下，民航系统的安全数据分析可以从以下2个方面进行展开。

1）基于安全II理论的飞行数据挖掘。整个运行过程中的海量QAR数据下潜隐着丰富的可挖掘信息。根据安全信息的长尾理论[39]，不安全事件中的信息密度大，但是由于样本量较少，因此能够提供的总信息量较为有限。如果在QAR数据分析中能够关注具有极大样本量的非超限飞行数据，挖掘安全事件下数据规律，通过“安全的表现”来提升“安全”，则不但可以突破超限事件样本量局限性，还打破了安全的“悖论”即“safety is measured by its absence rather than its presence”。这种QAR数据研究思路是现代安全管理理念——丹麦Eric Hollnagel等[40]提出的安全Ⅱ理论的具体体现，同时体现了ICAO在《安全管理手册》中所提倡的“Proactive”型的风险管理方法[41]。基于安全Ⅱ理论的飞行数据分析具有极大的研究空间，也是今后保证飞行安全持续改进的研究重点。

2）民航多源多维数据的融合分析。民航系统中飞行员的训练/复训、心理测评、作风考核、排班、疲劳自评、以及QAR都是重要的数据源，并且各个数据源都反映出互补的维度特征。民航安全观已从机械时代、人因时代走向组织时代[42]，组织事故理论从本质上说明在航空系统的层层防护机制下，单点故障、单一因素难以造成重大安全事件，不安全事件的发生需要多种促成因素结合在一起，每个因素都必不可少。因此通过多元多维数据融合技术，探寻不同维度数据之间的关联性及数据之间的动力演变过程，可以为事件致因分析、安全预测、安全管理带来更全面的视角，这也是未来航空安全数据研究的发展趋势。

3.3 SPO系统可靠性与验证性研究

运行经济性和效率使得单一飞行员驾驶技术受到飞机制造商与航司的极大关注。从技术层面来讲，现代民机的高自动化技术，使得SPO运行具有很强的可行性，从长期发展趋势来看，SPO运行模式很大程度上是实现飞行运行无人驾驶的过渡方案。关于SPO运行安全性的研究，目前需要关注总体设计方案的可靠性研究，在解决飞行员失能问题的基础上，开展安全性验证试验。

1）SPO总体设计方案的可靠性研究。目前“机载自动化+地面站支持”的SPO设计方案受到研究界的高度认可，地面站中操作员（或签派员、潜在飞行员）的支持被认为减轻了机上飞行员的工作负荷，并在飞行员失能情况下实现飞行操作代管，从而提高了飞行运行过程的安全冗余。但同时值得注意的是，地面基站的设计极大地增加了运行系统的整体复杂性，随着系统的复杂程度的提高,其内部结构的相互影响,强关联性与耦合性使得元素之间的协调变得越来越困难,导致增大整个系统发生失效的可能性和不可预测性,系统可靠性也会随之降低。因此，在SPO整体设计框架中，需要深入分析安全冗余和复杂性之间的平衡关系，全面研究增加系统复杂性的衍生风险。

2）SPO运行中的飞行员失能问题研究。ICAO将飞行员失能定义为“可能危及飞行安全的健康程度或任何能力下降”，飞行员失能问题目前仍然是在商业航空中引入SPO时要应对的最重大挑战。在双人制机组中，驾驶舱内的机组配合和标准喊话程序可以有效发现飞行员的失能情况。在SPO运行过程中，实时探测飞行员不利生理或心理状态，建立飞行员失能的评估监测系统，应用非侵入式的机载监测设备，是解决飞行员失能的前提，进而开发设计飞行决策的权限分配与接管流程，建立飞行员失能场景下的多主体行为仿真实验，提出飞行员失能下的解决方案，并迭代优化。

3）SPO验证性实验。在解决飞行员失能问题的基础上，开展SPO运行的应用场景研究与验证性实验。SPO模式相较于地面交通中的无人驾驶技术，飞行过程中面对的航路环境更为简单，无复杂的交通冲突情形，因此SPO模式的试点运行具有一定程度的可行性。由于SPO运行极大地改变了原双人制机组运行模式下旅客与航司、旅客与飞行员之间的伦理关系，且这种改变带来的伦理障碍在短期内势必无法解决，因此SPO模式在航空客运运输中的试运行将存在巨大挑战。为避免SPO在客运运输中的伦理问题，2018年，美国联邦航空管理局（FAA）向美国国会提交了1份关于SPO货机的适航研究的预算草案。由于货航航班不涉及乘客伦理，且在夜晚运行，航路环境更为简单，因此现阶段可以在货运航航班上试行SPO运行（为保证安全，试运行过程中仍可保留2位飞行员，但其中1位飞行员在非必要情况下并不参与飞行操作）。通过在SPO试运行的过程中不断增加安全性验证研究，将具有巨大的现实意义。

4 结束语

安全水平提升是航空运输系统持续追求的目标。飞行疲劳监测、安全数据是民航安全运行中的关注重点，单一飞行员驾驶是未来航空运行的发展趋势，上述3个问题都是近年来航空安全领域的研究热点。疫情危机下，航空运行产生了一系列新的挑战与安全需求，通过分析综述行业热点安全问题的进展，指出未来的研究趋势，期望航空运输的安全水平能够迎来重大突破。