CN111598327A - 一种航空风险评价方法、装置及计算机设备 - Google Patents
一种航空风险评价方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN111598327A CN111598327A CN202010399853.2A CN202010399853A CN111598327A CN 111598327 A CN111598327 A CN 111598327A CN 202010399853 A CN202010399853 A CN 202010399853A CN 111598327 A CN111598327 A CN 111598327A
- Authority
- CN
- China
- Prior art keywords
- risk
- time deviation
- evaluated
- index
- evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 131
- 238000012544 monitoring process Methods 0.000 claims abstract description 86
- 238000013139 quantization Methods 0.000 claims abstract description 57
- 230000010006 flight Effects 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000006870 function Effects 0.000 claims description 67
- 230000015654 memory Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000011002 quantification Methods 0.000 claims description 13
- 238000012502 risk assessment Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/04—Anti-collision systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种航空风险评价方法、装置及计算机设备。该方法包括:获取待评价对象的监控项目数据,监控项目数据为用以表征航空过程中不安全事件的监控数据;根据监控项目数据计算待评价对象在评价周期内各航班的综合风险量化指标;根据各航班的综合风险量化指标计算待评价对象在评价周期内的风险量化指标的概率密度函数;根据待评价对象的风险量化指标的概率密度函数及预设的历史整体航班的风险量化指标的概率密度函数计算一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值;根据一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值计算待评价对象在评价周期内的相对风险评价指标,对待评价对象的风险进行评价。
Description
技术领域
本发明涉及航空风险技术领域,具体涉及一种航空风险评价方法、装置及计算机设备。
背景技术
民用航空风险的量化和评价对于航空安全和航空管理具有非常重要的作用。目前航空管理部门和航空公司所采取的主流手段是根据各监控项目的超限事件发生的数量来进行风险评价,而且主要侧重于对单次航班的评价。这种方式不能用于多维度的航空风险评价。但是对于航空管理部门而言,对于航空风险的评估和比较存在很多维度,比如:对于各航空公司之间的比较,对于各个航线之间的比较,对于各个机场之间的比较,对于各个不同机型之间的比较等等。
发明内容
有鉴于此,为了克服现有民用航空风险评价方法不能用于多维度的航空风险评价的缺陷,本发明实施例提供了一种航空风险评价方法、装置及计算机设备。
根据第一方面,本发明实施例提供了一种航空风险评价方法,包括:获取待评价对象的监控项目数据,监控项目数据为用以表征航空过程中不安全事件的监控数据;根据监控项目数据计算待评价对象在评价周期内各航班的综合风险量化指标;根据各航班的综合风险量化指标计算待评价对象在评价周期内的风险量化指标的概率密度函数;根据待评价对象的风险量化指标的概率密度函数及预设的历史整体航班的风险量化指标的概率密度函数计算一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值;根据一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值计算待评价对象在评价周期内的相对风险评价指标;根据相对风险评价指标对待评价对象的风险进行评价。
可选地,监控项目包括警告类监控项目和非警告类监控项目,各航班的综合风险量化指标计算公式如下:
其中,l为第l个警告类监控项目,j为第j个非警告类监控项目,p为警告类监控项目的个数,q为非警告类监控项目的个数,wl为第l个警告类监控项目的权重,wj为第j个非警告类监控项目的权重,yl为该航班在整个航程中第l个警告类监控项目发生的次数,Rj=0.5×xj1+0.8×xj2+1×xj3,xj1是该航班的第j个非警告类监控项目出现蓝色预警的次数,xj2是该航班的第j个非警告类监控项目出现橙色预警的次数,xj3是该航班的第j个非警告类监控项目出现红色预警的次数;j,l,p,q为大于0的整数。
可选地,历史整体航班的风险量化指标的概率密度函数计算过程包括:获取历史整体航班的监控项目数据;根据历史整体航班的监控项目数据计算历史整体航班在历史周期内各航班的综合风险量化指标;根据历史整体航班各航班的综合风险量化指标计算历史整体航班在历史周期内的风险量化指标的概率密度函数。
可选地,根据待评价对象的风险量化指标的概率密度函数及预设的历史整体航班的风险量化指标的概率密度函数计算一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值,包括:根据历史整体航班的风险量化指标的概率密度函数计算历史整体航班的综合风险量化指标的平均值和方差;根据平均值和方差计算一倍偏差线、二倍偏差线和三倍偏差线;根据一倍偏差线、二倍偏差线、三倍偏差线、历史整体航班的风险量化指标的概率密度函数和待评价对象的风险量化指标的概率密度函数计算一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值。
可选地,通过如下公式计算一倍偏差线、二倍偏差线、三倍偏差线、一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值:
l1=μ+1×σ,
l2=μ+2×σ,
l3=μ+3×σ,
其中,μ为历史整体航班的综合风险量化指标的平均值,σ为历史整体航班的综合风险量化指标的标准差,l1为一倍偏差线,l2为二倍偏差线,l3为三倍偏差线,RRc为第c倍偏差相对风险值(c=1、2、3),pat(r)为待评价对象的风险量化指标的概率密度函数,p(r)为历史整体航班的风险量化指标的概率密度函数。
可选地,通过如下公式计算待评价对象在评价周期内的相对风险评价指标:
其中,RRat为相对风险评价指标。
根据第二方面,本发明实施例提供了一种航空风险评价装置,包括:获取模块,用于获取待评价对象的监控项目数据,监控项目数据为用以表征航空过程中不安全事件的监控数据;第一计算模块,用于根据监控项目数据计算待评价对象在评价周期内各航班的综合风险量化指标;第二计算模块,用于根据各航班的综合风险量化指标计算待评价对象在评价周期内的风险量化指标的概率密度函数;第三计算模块,用于根据待评价对象的风险量化指标的概率密度函数及预设的历史整体航班的风险量化指标的概率密度函数计算一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值;第四计算模块,用于根据一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值计算待评价对象在评价周期内的相对风险评价指标;评价模块,用于根据相对风险评价指标对待评价对象的风险进行评价。
根据第三方面,本发明实施例提供了一种计算机设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器执行如第一方面或第一方面任意实施方式中的航空风险评价方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使计算机执行如第一方面或第一方面任意实施方式中的航空风险评价方法。
本发明实施例提供的航空风险评价方法、装置及计算机设备,预先建立了历史整体航班的风险量化指标的概率密度函数,从而给出了不安全事件的综合性风险评价的全行业基准,基于该基准以及航空过程中不安全事件的综合性风险指标,可以计算不同评价对象在同一评价周期内的相对风险评价指标,计算同一评价对象在不同评价周期内的相对风险评价指标,从而可以比较不同评价对象和评价周期的相对风险水平,从而可以进行多维度的航空风险评价。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例的航空风险评价方法的流程图;
图2示出了本发明实施例的航空风险评价装置的结构框图;
图3示出了本发明实施例的计算机设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种航空风险评价方法,如图1所示,包括:
S101.获取待评价对象的监控项目数据,监控项目数据为用以表征航空过程中不安全事件的监控数据。
具体地,对于航空过程中典型的“不安全事件”包括“可控飞行撞地”、“冲/偏出跑道”、“空中失控”等。每种不安全事件都对应着一系列的监控项目。例如,对于“可控飞行撞地”,可采用快速存取记录器(quick access recorder,QAR)数据中的“下滑道偏离、航向道偏离、50英尺至接地下降率大、进近速度大、进近速度小、选择着陆构型晚、非着陆构型落地、着陆放起落架晚、接地仰角小、接地仰角大、着陆坡度大、进近坡度大(200英尺至50英尺)和地面迫近警告系统(Ground Proximity Warning System,GPWS)的地形警告”等监控项目进行刻画;对于“冲/偏出跑道风险”,可采用QAR数据中的“起飞形态警告、中断起飞、着陆速度大、进近速度大、航向道偏离、下滑道偏离、非着陆构型落地和接地距离”等监控项目进行刻画;对于“失控风险”,可采用QAR数据中的“GPWS近地警告告警、失速警告、进近速度小、航向道偏离、下滑道偏离、仰角过大、非着陆构型落地和下降率大”等监控项目进行刻画。待评价对象包括航空公司、航线、机场、机型等。在获取到待评价对象的监控项目数据后,还可以对监控项目数据进行清洗,以去除QAR数据中的失真数据。
S102.根据监控项目数据计算待评价对象在评价周期内各航班的综合风险量化指标;具体地,通常的评价周期可能是某天、某星期、某月等。监控项目可以对不安全事件进行刻画,监控项目数据为用以表征航空过程中不安全事件的监控数据,那么可以建立统一的单个航班的综合风险量化指标计算公式,根据单个航班的监控项目数据就可以计算得到单个航班的综合风险量化指标。根据待评价对象各航班在评价周期内的监控项目数据就可以计算得到待评价对象在评价周期内各航班的综合风险量化指标。
S103.根据各航班的综合风险量化指标计算待评价对象在评价周期内的风险量化指标的概率密度函数;具体地,根据待评价对象在评价周期内各航班的综合风险量化指标和核密度估算方法可以计算得到待评价对象在评价周期内的风险量化指标的概率密度函数。
S104.根据待评价对象的风险量化指标的概率密度函数及预设的历史整体航班的风险量化指标的概率密度函数计算一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值;
具体地,历史整体航班为历史周期内全行业的各航班。历史周期通常为过去的一年或几年。历史整体航班的风险量化指标的概率密度函数是预先建立的,是作为整个行业的风险基准,对于不同的待评价对象,都可以以这个行业风险基准为比较对象,来对待评价对象的综合风险进行评价。历史整体航班的风险量化指标的概率密度函数的计算方法和待评价对象在评价周期内的风险量化指标的概率密度函数计算方法相同,只是数据源不同。当历史时间为过去一年时,历史整体航班的风险量化指标的概率密度函数为过去一年全行业的风险量化指标的概率密度函数。
根据历史整体航班的风险量化指标的概率密度函数可以计算一倍偏差线、二倍偏差线及三倍偏差线,根据一倍偏差线、二倍偏差线及三倍偏差线可以分别计算待评价对象的风险量化指标的概率密度函数的尾部概率及预设的历史整体航班的风险量化指标的概率密度函数的相应的尾部概率,根据待评价对象的风险量化指标的概率密度函数的尾部概率及预设的历史整体航班的风险量化指标的概率密度函数相应的尾部概率可以计算一倍偏差相对风险值、二倍偏差相对风险值及三倍偏差相对风险值。
S105.根据一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值计算待评价对象在评价周期内的相对风险评价指标;具体地,将一倍偏差相对风险、二倍偏差相对风险及三倍偏差相对风险进行融合,可以得到待评价对象在评价周期内的相对风险评价指标。
S106.根据相对风险评价指标对待评价对象的风险进行评价。具体地,相对风险评价指标的具体数值代表了待评价对象在评价周期内的风险值,根据相对风险评价指标可以对待评价对象的风险进行评价。利用相对风险评价指标可以对不同的评价对象或不同的评价周期进行风险比较和趋势分析。例如,对于同一评价周期T(例如,2019年12月),对于不同的评价对象A1、A2……(例如,机场1,机场2,等),可以根据其相对风险评价指标RRa1t,RRa2t……来进行比较。例如,对于同一评价对象A(例如,上海虹桥机场),根据不同的评价周期T1,T2……(例如,2019年1月,2月,等),可以根据其相对应的风险评价指标RRat1,RRat2……来进行比较和趋势分析。
本发明实施例提供的航空风险评价方法,预先建立了历史整体航班的风险量化指标的概率密度函数,从而给出了不安全事件的综合性风险评价的全行业基准,基于该基准以及航空过程中不安全事件的单个航班的综合性风险指标,可以计算不同评价对象在同一评价周期内的相对风险评价指标,计算同一评价对象在不同评价周期内的相对风险评价指标,从而可以比较不同评价对象和评价周期的相对风险水平,从而可以进行多维度的航空风险评价。
飞机从起飞到降落是一个非常复杂的过程,其中所蕴含的风险因素非常多。目前采用的航空风险评价方法都是对于单个监控项目进行量化和风险评价,但如何衡量一个航班在一些特定“不安全事件”上的整体风险水平,尚缺乏有效的手段。因此,本发明人根据表征航空过程中不安全事件的监控项目的监控数据,构建了统一的单个航班的综合风险量化指标,用于衡量一个航班在一些特定”不安全事件”上的整体风险水平。因此,在一个可选的实施例中,步骤S101及S102中,监控项目包括警告类监控项目和非警告类监控项目,各航班的综合风险量化指标计算公式如下:
其中,l为第l个警告类监控项目,j为第j个非警告类监控项目,p为警告类监控项目的个数,q为非警告类监控项目的个数,wl为第l个警告类监控项目的权重,wj为第j个非警告类监控项目的权重,yl为该航班在整个航程中第l个警告类监控项目发生的次数,Rj=0.5×xj1+0.8×xj2+1×xj3,xj1是该航班的第j个非警告类监控项目出现蓝色预警的次数,xj2是该航班的第j个非警告类监控项目出现橙色预警的次数,xj3是该航班的第j个非警告类监控项目出现红色预警的次数;j,l,p,q为大于0的整数。
具体地,警告类监控项目只记录该监控项目发生或者没有发生,例如:失速警告。非警告类监控项目记录的是该监控项目的具体数值,例如:进近速度大。非警告类的监控项目的具体数值位于非正常范围时会触发预警。根据危险程度从低到高分别有蓝色预警、橙色预警和红色预警。警告类监控项目的权重及非警告类监控项目的权重可以通过专家打分得到。
通过根据监控项目数据建立单个航班的综合风险量化指标,可以将不安全事件的综合风险进行具体的量化,从而可以对不安全事件的综合风险进行评价,评价单个航班在不安全事件上的整体风险水平。
在可选的实施例中,步骤S104中,历史整体航班的风险量化指标的概率密度函数计算过程包括:获取历史整体航班的监控项目数据;根据历史整体航班的监控项目数据计算历史整体航班在历史周期内各航班的综合风险量化指标;根据历史整体航班各航班的综合风险量化指标计算历史整体航班在历史周期内的风险量化指标的概率密度函数。
具体地,历史整体航班为历史周期内全行业的各航班。获取历史整体航班的监控项目数据为获取历史周期内全行业各航班的监控项目数据。然后基于单个航班的综合风险量化指标计算公式可以计算得到历史整体航班在历史周期内各航班的综合风险量化指标,然后基于核密度估计方法,可以计算得到全行业的风险量化指标的概率密度函数。
通过建立历史整体航班的风险量化指标的概率密度函数,从而给出了不安全事件的综合性风险评价的全行业基准,基于该基准可以计算不同评价对象在同一评价周期内的相对风险评价指标,计算同一评价对象在不同评价周期内的相对风险评价指标,从而可以比较不同评价对象和评价周期的相对风险水平,从而可以进行多维度的航空风险评价。
在可选的实施例中,步骤S104,根据待评价对象的风险量化指标的概率密度函数及预设的历史整体航班的风险量化指标的概率密度函数计算一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值,包括:根据历史整体航班的风险量化指标的概率密度函数计算历史整体航班的综合风险量化指标的平均值和方差;根据平均值和方差计算一倍偏差线、二倍偏差线和三倍偏差线;根据一倍偏差线、二倍偏差线、三倍偏差线、历史整体航班的风险量化指标的概率密度函数和待评价对象的风险量化指标的概率密度函数计算一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值。
具体地,基于历史整体航班的风险量化指标的概率密度函数呈正态分布,由历史整体航班的风险量化指标的概率密度函数可以计算得到历史整体航班的综合风险量化指标的平均值和方差。基于历史整体航班的综合风险量化指标的平均值和方差,可以计算一倍偏差线、二倍偏差线和三倍偏差线。根据一倍偏差线、二倍偏差线及三倍偏差线可以分别计算待评价对象的风险量化指标的概率密度函数及预设的历史整体航班的风险量化指标的概率密度函数的各偏差线对应的尾部概率,根据待评价对象的风险量化指标的概率密度函数及预设的历史整体航班的风险量化指标的概率密度函数的各偏差线对应的尾部概率可以计算一倍偏差相对风险值、二倍偏差相对风险值及三倍偏差相对风险值。
在可选的实施例中,可通过如下公式计算一倍偏差线、二倍偏差线、三倍偏差线、一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值:
l1=μ+1×σ,
l2=μ+2×σ,
l3=μ+3×σ,
其中,μ为历史整体航班的综合风险量化指标的平均值,σ为历史整体航班的综合风险量化指标的标准差,为历史整体航班的综合风险量化指标的方差的算术平方根,l1为一倍偏差线,l2为二倍偏差线,l3为三倍偏差线,RRc为第c倍偏差相对风险值(c=1、2、3),pat(r)为待评价对象的风险量化指标的概率密度函数,p(r)为历史整体航班的风险量化指标的概率密度函数。
在可选的实施例中,可通过如下公式计算待评价对象在评价周期内的相对风险评价指标:
其中,RRat为相对风险评价指标。
本发明实施例提供了一种航空风险评价装置,如图2所示,包括:
获取模块21,用于获取待评价对象的监控项目数据,监控项目数据为用以表征航空过程中不安全事件的监控数据;具体的实施方式详见上述方法实施例中步骤S101的描述,在此不再赘述。
第一计算模块22,用于根据监控项目数据计算待评价对象在评价周期内各航班的综合风险量化指标;具体的实施方式详见上述方法实施例中步骤S102的描述,在此不再赘述。
第二计算模块23,用于根据各航班的综合风险量化指标计算待评价对象在评价周期内的风险量化指标的概率密度函数;具体的实施方式详见上述方法实施例中步骤S103的描述,在此不再赘述。
第三计算模块24,用于根据待评价对象的风险量化指标的概率密度函数及预设的历史整体航班的风险量化指标的概率密度函数计算一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值;具体的实施方式详见上述方法实施例中步骤S104的描述,在此不再赘述。
第四计算模块25,用于根据一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值计算待评价对象在评价周期内的相对风险评价指标;具体的实施方式详见上述方法实施例中步骤S105的描述,在此不再赘述。
评价模块26,用于根据相对风险评价指标对待评价对象的风险进行评价。具体的实施方式详见上述方法实施例中步骤S106的描述,在此不再赘述。
本发明实施例提供的航空风险评价装置,预先建立了历史整体航班的风险量化指标的概率密度函数,从而给出了不安全事件的综合性风险评价的全行业基准,基于该基准以及航空过程中不安全事件的综合性风险指标,可以计算不同评价对象在同一评价周期内的相对风险评价指标,计算同一评价对象在不同评价周期内的相对风险评价指标,从而可以比较不同评价对象和评价周期的相对风险水平,从而可以进行多维度的航空风险评价。
本发明实施例提供了一种计算机设备,如图3所示,包括:至少一个处理器31;以及与至少一个处理器通信连接的存储器32;其中处理器31和存储器32可以通过总线或者其他方式连接,图3中以通过总线连接为例。
处理器31可以为中央处理器(Central Processing Unit,CPU)。处理器31还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器32作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的航空风险评价方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的航空风险评价方法。
存储器32可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器31所创建的数据等。此外,存储器32可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器32可选包括相对于处理器31远程设置的存储器,这些远程存储器可以通过网络连接至处理器31。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述的一个或者多个模块存储在存储器32中,当被处理器31执行时,执行如图2所示实施例中的航空风险评价方法。
上述计算机设备具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(RandomAccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (9)
1.一种航空风险评价方法,其特征在于,包括:
获取待评价对象的监控项目数据,所述监控项目数据为用以表征航空过程中不安全事件的监控数据;
根据所述监控项目数据计算所述待评价对象在评价周期内各航班的综合风险量化指标;
根据所述各航班的综合风险量化指标计算所述待评价对象在所述评价周期内的风险量化指标的概率密度函数;
根据所述待评价对象的风险量化指标的概率密度函数及预设的历史整体航班的风险量化指标的概率密度函数计算一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值;
根据所述一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值计算所述待评价对象在所述评价周期内的相对风险评价指标;
根据所述相对风险评价指标对所述待评价对象的风险进行评价。
2.根据权利要求1所述的航空风险评价方法,其特征在于,所述监控项目包括警告类监控项目和非警告类监控项目,所述各航班的综合风险量化指标计算公式如下:
其中,l为第l个警告类监控项目,j为第j个非警告类监控项目,p为警告类监控项目的个数,q为非警告类监控项目的个数,wl为第l个警告类监控项目的权重,wj为第j个非警告类监控项目的权重,yl为该航班在整个航程中第l个警告类监控项目发生的次数,Rj=0.5×xj1+0.8×xj2+1×xj3,xj1是该航班的第j个非警告类监控项目出现蓝色预警的次数,xj2是该航班的第j个非警告类监控项目出现橙色预警的次数,xj3是该航班的第j个非警告类监控项目出现红色预警的次数;j,l,p,q为大于0的整数。
3.根据权利要求1所述的航空风险评价方法,其特征在于,所述历史整体航班的风险量化指标的概率密度函数计算过程包括:
获取历史整体航班的监控项目数据;
根据所述历史整体航班的监控项目数据计算所述历史整体航班在历史周期内各航班的综合风险量化指标;
根据所述历史整体航班各航班的综合风险量化指标计算所述历史整体航班在所述历史周期内的风险量化指标的概率密度函数。
4.根据权利要求3所述的航空风险评价方法,其特征在于,所述根据所述待评价对象的风险量化指标的概率密度函数及预设的历史整体航班的风险量化指标的概率密度函数计算一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值,包括:
根据所述历史整体航班的风险量化指标的概率密度函数计算所述历史整体航班的综合风险量化指标的平均值和方差;
根据所述平均值和方差计算一倍偏差线、二倍偏差线和三倍偏差线;
根据所述一倍偏差线、二倍偏差线、三倍偏差线、所述历史整体航班的风险量化指标的概率密度函数和所述待评价对象的风险量化指标的概率密度函数计算所述一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值。
7.一种航空风险评价装置,其特征在于,包括:
获取模块,用于获取待评价对象的监控项目数据,所述监控项目数据为用以表征航空过程中不安全事件的监控数据;
第一计算模块,用于根据所述监控项目数据计算所述待评价对象在评价周期内各航班的综合风险量化指标;
第二计算模块,用于根据所述各航班的综合风险量化指标计算所述待评价对象在所述评价周期内的风险量化指标的概率密度函数;
第三计算模块,用于根据所述待评价对象的风险量化指标的概率密度函数及预设的历史整体航班的风险量化指标的概率密度函数计算一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值;
第四计算模块,用于根据所述一倍偏差相对风险值、二倍偏差相对风险值和三倍相对偏差风险值计算所述待评价对象在所述评价周期内的相对风险评价指标;
评价模块,用于根据所述相对风险评价指标对所述待评价对象的风险进行评价。
8.一种计算机设备,其特征在于,包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-6任意一项所述的航空风险评价方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如权利要求1-6任意一项所述的航空风险评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010399853.2A CN111598327B (zh) | 2020-05-12 | 2020-05-12 | 一种航空风险评价方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010399853.2A CN111598327B (zh) | 2020-05-12 | 2020-05-12 | 一种航空风险评价方法、装置及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111598327A true CN111598327A (zh) | 2020-08-28 |
CN111598327B CN111598327B (zh) | 2023-06-13 |
Family
ID=72182311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010399853.2A Active CN111598327B (zh) | 2020-05-12 | 2020-05-12 | 一种航空风险评价方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598327B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112100037A (zh) * | 2020-09-25 | 2020-12-18 | 北京奇艺世纪科技有限公司 | 告警级别识别方法、装置、电子设备及存储介质 |
CN112907031A (zh) * | 2021-01-20 | 2021-06-04 | 同济大学 | 一种机场外来物风险评价方法、设备、装置及可读存储介质 |
CN116596295A (zh) * | 2023-02-23 | 2023-08-15 | 中国民航科学技术研究院 | 一种国内支线运输飞机安全评价与风险预测方法及系统 |
EP4418196A4 (en) * | 2021-12-15 | 2024-08-21 | Bridgestone Corp | RISK CALCULATION DEVICE, METHOD AND PROGRAM |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150051824A1 (en) * | 2013-08-14 | 2015-02-19 | Us Airways, Inc. | Operational reliability systems and methods |
CN105225193A (zh) * | 2015-09-30 | 2016-01-06 | 中国民用航空总局第二研究所 | 一种基于多重回归模型的扇区运行性能综合指数的方法及系统 |
JP2018017503A (ja) * | 2016-07-25 | 2018-02-01 | 国立大学法人信州大学 | 肺がんリスク状態の評価方法,肺がんリスク状態評価装置,肺がんリスク状態評価プログラム,肺がんリスク状態評価システム及び情報通信端末装置 |
CN109377030A (zh) * | 2018-10-09 | 2019-02-22 | 中国民航科学技术研究院 | 飞机风险事件风险值的计算方法、电子设备及存储介质 |
CN109377029A (zh) * | 2018-10-08 | 2019-02-22 | 中国民航科学技术研究院 | 飞机运行安全风险评价方法、装置、电子设备及存储介质 |
CN110443521A (zh) * | 2019-08-15 | 2019-11-12 | 中国国际航空股份有限公司 | 航班运行风险获取方法、系统和计算机设备 |
CN111091254A (zh) * | 2018-10-23 | 2020-05-01 | 中国民航科学技术研究院 | 一种运行风险量化方法、运行风险评价方法及装置 |
-
2020
- 2020-05-12 CN CN202010399853.2A patent/CN111598327B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150051824A1 (en) * | 2013-08-14 | 2015-02-19 | Us Airways, Inc. | Operational reliability systems and methods |
CN105225193A (zh) * | 2015-09-30 | 2016-01-06 | 中国民用航空总局第二研究所 | 一种基于多重回归模型的扇区运行性能综合指数的方法及系统 |
JP2018017503A (ja) * | 2016-07-25 | 2018-02-01 | 国立大学法人信州大学 | 肺がんリスク状態の評価方法,肺がんリスク状態評価装置,肺がんリスク状態評価プログラム,肺がんリスク状態評価システム及び情報通信端末装置 |
CN109377029A (zh) * | 2018-10-08 | 2019-02-22 | 中国民航科学技术研究院 | 飞机运行安全风险评价方法、装置、电子设备及存储介质 |
CN109377030A (zh) * | 2018-10-09 | 2019-02-22 | 中国民航科学技术研究院 | 飞机风险事件风险值的计算方法、电子设备及存储介质 |
CN111091254A (zh) * | 2018-10-23 | 2020-05-01 | 中国民航科学技术研究院 | 一种运行风险量化方法、运行风险评价方法及装置 |
CN110443521A (zh) * | 2019-08-15 | 2019-11-12 | 中国国际航空股份有限公司 | 航班运行风险获取方法、系统和计算机设备 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112100037A (zh) * | 2020-09-25 | 2020-12-18 | 北京奇艺世纪科技有限公司 | 告警级别识别方法、装置、电子设备及存储介质 |
CN112100037B (zh) * | 2020-09-25 | 2023-07-25 | 北京奇艺世纪科技有限公司 | 告警级别识别方法、装置、电子设备及存储介质 |
CN112907031A (zh) * | 2021-01-20 | 2021-06-04 | 同济大学 | 一种机场外来物风险评价方法、设备、装置及可读存储介质 |
CN112907031B (zh) * | 2021-01-20 | 2023-02-24 | 同济大学 | 一种机场外来物风险评价方法、设备、装置及可读存储介质 |
EP4418196A4 (en) * | 2021-12-15 | 2024-08-21 | Bridgestone Corp | RISK CALCULATION DEVICE, METHOD AND PROGRAM |
CN116596295A (zh) * | 2023-02-23 | 2023-08-15 | 中国民航科学技术研究院 | 一种国内支线运输飞机安全评价与风险预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111598327B (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111598327A (zh) | 一种航空风险评价方法、装置及计算机设备 | |
US11846750B2 (en) | Real-time weather forecasting for transportation systems | |
CN109377029B (zh) | 飞机运行安全风险评价方法、装置、电子设备及存储介质 | |
CN107742125B (zh) | 预测和防止在结构资产处的不利状况的深度机器学习 | |
US10235819B2 (en) | Fault monitoring for vehicles | |
US7081834B2 (en) | Aviation weather awareness and reporting enhancements (AWARE) system using a temporal-spatial weather database and a Bayesian network model | |
JP5474194B2 (ja) | 航空機客室騒音曝露量分析 | |
US10696418B2 (en) | Method and system for representation of flight events using icons within a graphical user interface | |
CN109785461B (zh) | 空中颠簸风险预防方法、装置、管理系统及可读存储介质 | |
CN110400061B (zh) | 一种飞行安全综合评估的方法、装置、控制器及存储介质 | |
CN111627259B (zh) | 机场净空保护区内无人机入侵分级预警方法及存储介质 | |
US11574285B2 (en) | Intelligent prediction of bundles of spare parts | |
US20220335837A1 (en) | Flight management method and system using same | |
CN109871371B (zh) | Ads-b航迹去噪系统 | |
Chatterji et al. | National airspace system delay estimation using weather weighted traffic counts | |
CN114252938A (zh) | 一种风切变警报方法及装置 | |
Weinert et al. | Processing of crowdsourced observations of aircraft in a high performance computing environment | |
CN114331052A (zh) | 航空运行风险的确定方法、计算设备及存储介质 | |
CN111091254A (zh) | 一种运行风险量化方法、运行风险评价方法及装置 | |
US11021263B2 (en) | Automated aircraft landing performance analysis | |
Pascarella et al. | Historical data analysis and modelling for drone intrusions in airports | |
Goncharenko et al. | Flight safety fuzzy risk assessment for combat aviation system | |
AU2013205845B2 (en) | Flight data monitoring method and system | |
Kim et al. | Refinements to a procedure for estimating airfield capacity | |
EP4418196A1 (en) | Risk calculation device, method, and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |