基于集对云的机坪运行管理移交安全评价研究*

2022-12-14李明捷冯庆旺

中国安全生产科学技术 2022年11期

李明捷，冯庆旺

(中国民用航空飞行学院机场学院，四川广汉 618307)

0 引言

为促进机场运行提质增效，2013年民航局提出大型机场的机坪运行管理工作交由机场单位管理[1]。2018年4月，民航局为保证移交过程中机坪运行的安全，颁布《航空器机坪管制移交工作总体方案》[2]，明确工作目标及要求。截至2021年12月，我国已有37个机场完成或部分完成机坪运行管理移交[3]。

机坪作为运行管理移交工作实施的主要场地，是机场运行过程中最复杂的系统之一，安全影响因素多且随机性大，因而对机坪运行管理移交下的机坪运行安全进行评价分析，对防范事故发生和提高机坪运行的安全等级具有重要意义[4]。Ribeiro等[5]通过分析飞机服务过程和服务过程总时间中每个组成部分的影响，确定影响停机坪运行的参数，并利用仿真工具对机场停机坪系统的性能和效率进行详细分析；Feng等[6]通过提取航空事故数据库中的机场风险项目进行关键性分析来定义机场风险的概率、严重程度和可探测性等决策因素，客观衡量风险值并建立机场的风险评估矩阵；Uchroński[7]利用SHELL模型和Bow-Tie模型分析人为因素对机场地面运行安全产生的影响，提出1种评估员工心理物理倾向的方法；牛军锋等[8]利用组合赋权的方式确定权重，并结合所构建的评价指标体系，使用模糊物元分析进一步计算和评价机场运行安全；王永刚等[9]在风险因素识别过程中运用事故树分析的方法和灰色关联分析法分析中大型机场停机坪的安全风险，对部分风险值较大的因素提出相应管理对策；刘刚等[10]针对机场风险灰度高的特点，利用灰色聚类方法对民用机场的机坪安全风险进行评估，并结合实例验证。

本文通过对已完成管理移交的民用大型运输机场的机坪运行情况进行调研分析，对机坪运行管理移交这一动态过程进行深入研究和比较分析，包括在移交点前后的前置移交、通讯移交和责任移交的管理。随后，运用PSR模型建立机坪管理移交机场的机坪运行安全评价指标体系，使用组合赋权方法确定指标权重，利用集对云模型对机坪运行风险进行评价分析，进而有针对性地提出提高机坪运行安全水平的建议与措施，以期为机坪运行安全评价提出理论参考。本文研究技术路线如图1所示。

图1 技术路线Fig.1 Technical route

1 机坪运行管理移交下的机坪运行安全评价指标体系构建

1.1 PSR模型

PSR模型是联合国经合组织提出的对系统的压力(Pressure)、状态(State)和响应(Response)3个方面进行分析的模型[11]。机场在运行过程中，压力(P)随即形成，在机场运行高峰时段以及低能见等恶略天气下，压力尤为突出；状态(S)为在特定时间内工作人员和设备设施所呈现的现状；响应(R)为机场管理机构为防止安全等级降低而采取的措施。因此，状态是压力的结果，响应是压力的治理绩效，三者处于动态平衡的过程，如图2所示。机坪运行管理移交是1个复杂的动态过程，其安全水平受到风险因素和采取措施这一过程的影响，PSR模型能够展现和分析事物发展在多种因素综合作用下的变化情况和动态机制，解释为什么、是什么、怎么办这3个问题，相较于传统的人机环管模型，更能直观地展现出当机坪运行管理移交面临压力时各项的状态，以及采取响应以提升状态应对压力提高安全水平，因此该模型适用于机坪运行管理移交动态过程，符合实际运行情况。

图2 PSR模型Fig.2 PSR model

1.2 基于PSR的机坪运行管理移交安全评价指标构建

通过查阅和分析大量机坪管理移交的相关文献，同时从民航局网站、《从统计看民航》、《机场年度工作报告》、《大型民用运输机场运行安全保障能力综合评价管理办法》[12]及中国交通运输行业研究数据库获取相关数据信息，对机坪管制工作人员开展问卷调查以及相关领域的专家交流分析，基于PSR模型框架，针对机坪运行管理移交流程，从压力、状态和响应3个方面，选取19个指标建立机坪运行管理移交安全评价指标体系。其中，压力指标分为运输压力、负荷压力和资源压力，包含7个2级评价指标；状态指标分为设施状态、工作状态和信息状态，包含8个2级评价指标；响应指标分为业务响应、制度响应和改进响应，包含4个2级评价指标。具体机坪运行管理移交下的机坪运行安全评价指标如图3所示。

图3 机坪运行管理移交安全评价指标体系Fig.3 Index system of safety evaluation on apron operation management transfer

2 指标权重确定

2.1 层次分析法

层次分析法是确定权重的常用方法[13]，其关键在于构造判断矩阵，一般计算步骤如下：邀请行业专家对指标的重要程度进行判定，在各评价指标的两两对比中反映出相互关联程度，形成层次结构模型，进而构造判断矩阵，然后对判断矩阵的一致性指标CR进行一致性检验，最后计算出主观指标权重ωk，如式(1)～(2)所示：

(1)

(2)

式中：CR为一致性指标，若CR<0.1,此判断矩阵所计算的权重可信度较高；λMAX为判断矩阵的最大特征值；RI为指标个数所对应的实数；ωk=(ω1,ω2,ω3,…,ωs)；Vi为判断矩阵的积；i为指标序列；s为指标总数。

2.2 熵值法

熵值法通过计算指标的离散程度来度量对评价结果的影响大小，从而确定权重。指标的熵值越大离散程度越小，所包含的信息量越小，权重分配也就越小[14]，客观权重向量ωz表达式如式(3)所示：

(3)

式中：ωz=(ω1,ω2,ω3,…,ωm)；eij为第j项指标在第i个评价对象中所占权重；m为指标总数。

2.3 组合赋权

由于层次分析法在确定指标权重过程中往往倚重专家经验，熵值法依赖于足够多的样本数据，信息缺乏将对权重计算结果产生影响。因此，将2种方法组合赋权使指标权重更接近实际，使用距离函数计算向量间的差异程度，从而确定权重分配。定义主客观权重的欧几里得度量函数为d(ωk,ωz)，组合赋权表达式如式(4)～(7)所示：

(4)

d(ωk,ωz)2=(α-β)2

(5)

α+β=1

(6)

ωi=αωk+βωz

(7)

式中：α，β为分配系数；ωi为组合权重，ωi=(ω1，ω2，ω3，…，ωs)。

3 基于集对云的机坪管理移交下机坪安全评价模型构建

3.1 集对联系数

集对理论[15]是分析不确定问题的理论方法，在不确定的系统中，将具有一定联系的事物以集合的形式构造为集对，集对间的共同特性、差异特性和对立特性分别称为同一度、差异度和对立度，用同一度、差异度、对立度形成联系数[16]，将事物间的模糊关系以联系数的形式量化表述，如式(8)～(9)所示。其中，式(8)为三元联系数，式(9)为五元联系数。

μ1=a+bi+cj

(8)

式中：μ1为三元联系数；a，b，c分别为同一度、差异度、对立度分量，且a+b+c=1；i，j分别为差异度分量系数、对立度分量系数。

μ2=a+b1i1+b2i2+b3i3+cj

(9)

式中：μ2为五元联系数；b1，b2，b3为差异度分量，且a+b1+b2+b3+c=1；i1，i2，i3为差异度分量系数。

3.2 正态云模型

假定系统中指标i为一定数值组成的定量论域，等级j是论域上的定性概念，将i中的任意元素x在等级j上的1次随机实现记为μij，μij在i上的分布称为隶属云，记为云n(x)，(x,μij)称为云滴[17-20]。各指标在等级j的云联系度如式(10)～(13)所示：

(10)

(11)

(12)

He=s

(13)

式中：μij为指标i对应等级j的云联系度；Exij，Enij分别为指标i对应等级j的期望与熵；Aij,max，Aij,min分别为指标i对应等级j最大与最小边界；He为各指标对应等级的超熵，主要反映为云滴的离散程度，即云层的厚度；s为常数，可依据实际需要调整。

3.3 确定综合云联系度

为确保在某一等级下指标的云联系度更具有可信性，使用Python通过正向云发生器运行N次，归一化处理得到的云联系度μij如式(14)所示：

(14)

式中：N为指标总数；k为指标序列。

隶属于不同等级的云联系度之和一般不为1，导致各指标的云联系度不具有可比性，故对各等级下的云联系度进行标准化处理，如式(15)所示：

(15)

式中：t表示联系数，若联系数为三元，t=3，若联系数为五元，t=5。

将所确定的组合权重矩阵与各指标的综合云联系度结合，根据计算得出机坪运行安全评价系统综合云联系度S，如式(16)所示：

(16)

将各评价等级的期望值与综合云联系度加权计算综合云期望值，其次根据最大确定度原则选取熵和超熵[21-22]，最后绘制安全等级云图。

4 实例分析

4.1 样本选择及数据收集

为了验证本文提出的机坪运行管理移交安全评价方法的有效性，以国内某已采取机坪运行管理移交的大型机场为例，通过查找民航局公布的《2019年民航机场生产统计公报》、邀请机坪运行指挥的一线工作人员对指标进行赋值打分、进行实地调研的方式，收集评价指标体系中各个二级指标的数据，结合云图的分布特性并且参考《运输机场总体规划规范》[23]、《首都机场航班运行质量评估考核实施细则(修订稿)》[24]，将综合评价的安全状态划分为5个等级，分别对应[1～1.5]为安全、(1.5～2.5]为较安全、(2.5～3.5]为一般安全、(3.5～4.5]为较不安全、(4.5～5]为不安全，依次用序号Ⅰ～Ⅴ表示。具体评价指标等级划分如表1所示。

4.2 指标权重

首先利用层次分析法对评价体系的指标进行两两对比，形成层次结构模型得到判断矩阵，根据式(2)得出权重ωk，且一致性指标CR=0<0.1，可信度较高；利用收集到的运行数据，构建熵值计算模型，根据式(3)得出权重ωz，并将所得权重利用欧几里得度量函数进行组合赋权，各指标权重值如表2，图4所示，准则层P、S、R权重如表3所示。可以看出部分指标权重用不同的方法计算存在着一些波动，这是由于主观经验和实际运行存在着差别，使用欧氏距离组合赋权可以最大限度减少信息的损失，使赋权的结果尽可能与实际结果接近。

4.3 综合云联系度计算

根据上文所述，将研究对象实测值代入式(10)中，计算出每个指标在各个等级下的同一度、差异度和对立度，得出指标层综合云联系度。为使各等级下的联系度之和等于1，将计算结果进行归一化处理。将所确定的组合权重矩阵，与指标层归一化综合云联系度结合，计算出准则层综合云联系度，重复归一化过程和加权递进过程，得到综合云联系度，具体结果如表4所示。

表1 机坪运行安全评价指标等级划分Table 1 Level classification on evaluation indexes of apron operation safety

表2 指标权重计算结果Table 2 Calculation results of index weights

最终得出的综合云模型的云联系度S=(0.418 8,0.412 3,0.073 9,0.000 7,0.094 8)，经过计算得出安全等级为1.941 3，位于区间(1.5～2.5]，属于等级Ⅱ较安全范围，且与该区间期望值2十分接近。根据数字特征值利用Python的matplotlib库绘制云图，并与标准云图叠加得到综合评价云图，如图5所示。

图4 指标权重对比Fig.4 Index weight comparison

4.4 结果分析

机坪运行是1个动态复杂的过程，其安全性具有一定的模糊性，图5所展示的综合评价云图，对安全状况进行直观的展示，并且从中可以看出运行过程中伴随的随机性和模糊性。根据云模型的3E原则进行检验，En/3=0.14，He=0.03，符合En/3>He，评估结果可靠。

表3 P，S，R权重计算结果Table 3 Calculation results of P,S,R weights

表4 指标综合云联系度Table 4 Comprehensive cloud connectivity of indexes

图5 综合评价云图Fig.5 Comprehensive evaluation cloud diagram

由图5计算可知，案例机场的机坪运行安全等级为1.941 3，几乎与等级Ⅱ的标准评价云图相重叠，属于较安全范围。但部分指标的同一度系数相对较低，还有提升的空间，对准则层综合云联系度进行分析，压力(P)、状态(S)和响应(R)的综合云联系度分别为：

SP=(0.401 2,0.389 8,0.182 6,0.002 2,0.024 2)

SS=(0.397 4,0.413 3,0.014 6,0,0.174 7)

SR=(0.480 1,0.439 8,0.043 3,0,0.036 8)

图6 准则层综合云联系度对比分析Fig.6 Comparative analysis on comprehensive cloud connectivity of guideline layer

对比分析如图6所示。通过对比分析可知，压力(P)的各等级云联系度总体呈逐渐减小的趋势，但差异度1和差异度2始终保持较高的状态，特别是差异度2为三者最高，对安全等级评定有较大的影响。对照表4可知，压力中进港平均滑行时间C5的同一度只有0.001，差异度1为0.37，差异度2为0.56，进港平均滑行时间为12.46 min，因此建议该机场采取措施缩短进港滑行时间，保障航班运行的流畅性。

状态(S)的同一度最低，为0.397 4；差异度1处于较高的状态，为0.413 3；对立度在三者中最高，为0.174 7，应针对具体指标提高安全水平。其中，标志标识设置完备情况C8的综合云联系度为(0.02,0.68,0.08,0.000 1,0.22)，该指标对状态(S)的影响程度最大，因此建议机场及时检查机坪各标志标识的清晰程度，提高标志标识的辨识度。

响应(R)的同一度最高，为0.480 1，但是差异度1的数值最大，为0.439 8，说明响应(R)中的指标多数处于Ⅰ～Ⅱ级的安全状态。通过对照表4可知，机坪运行指挥员的培训时长C16的差异度1最高，为0.82，制度响应中机坪应急救援预案编制与演练C18的差异度1为0.76，2项指标所反映的信息不利于提升机坪运行安全等级，因此建议增加机坪运行指挥员培训时长，提高员工素质和工作能力，重视机坪应急救援预案的编制与演练，确保应急救援力量及时有效。