CN112381430A - 跑道入侵智能评估系统 - Google Patents
跑道入侵智能评估系统 Download PDFInfo
- Publication number
- CN112381430A CN112381430A CN202011309859.2A CN202011309859A CN112381430A CN 112381430 A CN112381430 A CN 112381430A CN 202011309859 A CN202011309859 A CN 202011309859A CN 112381430 A CN112381430 A CN 112381430A
- Authority
- CN
- China
- Prior art keywords
- weight
- risk
- module
- consistency
- judgment matrix
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 33
- 230000009545 invasion Effects 0.000 title claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims abstract description 86
- 238000010276 construction Methods 0.000 claims abstract description 9
- 238000007689 inspection Methods 0.000 claims abstract description 6
- 238000012502 risk assessment Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000000034 method Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013278 delphi method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000009897 systematic 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
- G06Q10/06—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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于跑道入侵风险评估技术领域,具体涉及一种跑道入侵智能评估系统,其包括:层次划分模块,根据机场跑道入侵风险因素构建层次模型;判断矩阵构建模块,根据层次模型构造判断矩阵;权重获取模块,根据判断矩阵获取各层权重;检验模块,对判断矩阵进行一致性检验;以及评估模块,通过一致性检验后根据各层权重获取机场跑道入侵风险评估,实现了跑道入侵风险的评估,降低了跑道入侵事件发生的概率,提高了航空事业的安全性。
Description
技术领域
本发明属于跑道入侵风险评估技术领域,具体涉及一种跑道入侵智能评估 系统。
背景技术
跑道入侵(runway incursion)是指发生在机场的对飞机跑道安全产生不 利影响的事件。随着全球航空业的迅猛发展,空中交通流量的急剧增加,跑道 入侵事件次数逐年增加,严重威胁跑到运行安全。防止跑道入侵事件的发展已 经成为当前民航运行安全中一件十分重要的工作。
因此,基于上述技术问题需要设计一种新的跑道入侵智能评估系统。
发明内容
本发明的目的是提供一种跑道入侵智能评估系统。
为了解决上述技术问题,本发明提供了一种跑道入侵智能评估系统,包括:
层次划分模块,根据机场跑道入侵风险因素构建层次模型;
判断矩阵构建模块,根据层次模型构造判断矩阵;
权重获取模块,根据判断矩阵获取各层权重;
检验模块,对判断矩阵进行一致性检验;以及
评估模块,通过一致性检验后根据各层权重获取机场跑道入侵风险评估。
进一步,所述层次划分模块适于据机场跑道入侵风险因素构建层次模型, 即
根据机场跑道入侵风险因素,以目标、准则、对象之间的关系确定最高、 中间和最低层的结构关系构建层次模型;
最高层为需要进行评估的最终目标;
中间层为最终目标下一层次涉及到的指标体系;
最低层为划分最精细的指标体系。
进一步,所述判断矩阵构建模块适于根据层次模型构造判断矩阵,即
根据专家对于各指标的打分,比较层次模型中每一层元素与上一层元素的 重要程度,从而构造判断矩阵:
B=[Bij],bij∈Bij;
其中,bij为判断矩阵的元素,并且bij适于通过相应标度给出。
进一步,所述权重获取模块适于根据判断矩阵获取各层权重,即
将判断矩阵的每一行元素相乘:
其中,n为一行元素的个数;
计算mi的n次方根得到特征向量Wi:
对权重向量W=(W1,W2,...,Wn)作归一化处理,以获取特征向量Wi的近似解:
进一步,所述检验模块适于对判断矩阵进行一致性检验,即
获取最大特征根λmax:
其中,B为判断矩阵;W为权重向量;
获取矩阵一致性指标CI:
获取一致性比率CR:
其中,RI为一致性指标;
当CR小于0.1时判断一致性检验通过,此时归一化的权重向量即为相应层 的权重,否则重新构建判断矩阵,直至判断矩阵通过一致性检验。
进一步,所述评估模块适于通过一致性检验后根据各层权重获取机场跑道 入侵风险评估,即
归一化的权重向量中的数值为各风险因素在相应层级所占权重大小,根据 权重值的大小可以获取各风险因素对机场跑道入侵工作影响的大小,以获取机 场跑道入侵风险评估。
本发明的有益效果是,本发明通过层次划分模块,根据机场跑道入侵风险 因素构建层次模型;判断矩阵构建模块,根据层次模型构造判断矩阵;权重获 取模块,根据判断矩阵获取各层权重;检验模块,对判断矩阵进行一致性检验; 以及评估模块,通过一致性检验后根据各层权重获取机场跑道入侵风险评估, 实现了跑道入侵风险的评估,降低了跑道入侵事件发生的概率,提高了航空事 业的安全性。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明 书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在 说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例, 并配合所附附图,作详细说明如下。
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是本发明所涉及的跑道入侵智能评估系统的原理框图。
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,下面将结合附图对 本发明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,本领域普通技术 人员在没有做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。
图1是本发明所涉及的跑道入侵智能评估系统的原理框图。
如图1所示,本实施例提供了一种跑道入侵智能评估系统,包括:层次划 分模块,根据机场跑道入侵风险因素构建层次模型;判断矩阵构建模块,根据 层次模型构造判断矩阵;权重获取模块,根据判断矩阵获取各层权重;检验模 块,对判断矩阵进行一致性检验;以及评估模块,通过一致性检验后根据各层 权重获取机场跑道入侵风险评估,实现了跑道入侵风险的评估,降低了跑道入 侵事件发生的概率,提高了航空事业的安全性。
在本实施例中,所述层次划分模块适于据机场跑道入侵风险因素构建层次 模型,即根据机场跑道入侵风险因素(所需解决的问题)进行系统性分析,依 次对目标、准则、对象进行深入分析,按照三者之间关系确定最高、中间和最 低层的结构关系构建层次模型;最高层为需要进行评估的最终目标;中间层为 最终目标下一层次涉及到的指标体系;最低层为划分最精细的指标体系;具体 的,从人、机、环、管角度出发,最终确定三级指标如表1所示,一级指标(最 高层)机场跑道侵入风险点,二级指标(中间层)包括人员、设备、环境、管 理四部分内容,通过对二级指标进行细化得到各三级指标(最低层);
表1:机场跑道侵入风险指标
将机场跑道入侵风险因素具体划分,可以更加精确有效的对各机场跑道入 侵风险因素进行评估。
在本实施例中,所述判断矩阵构建模块适于根据层次模型构造判断矩阵, 即根据专家对于各指标的打分,比较层次模型中每一层元素(各级指标中的元 素)与上一层元素的重要程度,从而构造判断矩阵:
B=[Bij],bij∈Bij;
其中,bij为判断矩阵的元素,并且bij适于通过相应标度(1—9)给出;具体 的各标度的含义如表2中所示。
表2:判断矩阵标度含义表
标度 | 含义 |
1 | 两因素相比,同等重要 |
3 | 比较两因素,稍微重要 |
5 | 比较两因素,明显重要 |
7 | 比较两因素,非常重要 |
9 | 比较两因素,极端重要 |
2,4,6,8 | 上述相邻判断值的中值 |
倒数 | 因元素i与j比较的判断b<sub>ij</sub>,则元素j与i的判断矩阵b<sub>ji</sub>=1/b<sub>ij</sub> |
在本实施例中,所述权重获取模块适于根据判断矩阵获取各层权重,即将 判断矩阵的每一行元素相乘:
计算mi的n次方根得到特征向量Wi:
对权重向量W=(W1,W2,...,Wn)作归一化处理,以获取特征向量Wi的近似解(近 似解是对权重向量进行归一化处理后得到的解值,该值可能存在除不尽的情况, 所以做了四舍五入的近似处理,在具体数据中取小数点后三位):
在本实施例中,所述检验模块适于对判断矩阵进行一致性检验,即
获取最大特征根λmax:
其中,B为判断矩阵;W为权重向量;最大特征根计算公式中涉及的Wi为 经过归一化后的特征向量Wi的近似解;
获取矩阵一致性指标CI:
其中,CI=0,有完全的一致性;CI接近于0,有满意的一致性;CI越大, 不一致越严重;
获取一致性比率CR:
其中,RI为一致性指标,为了衡量CI的大小,引入随机一致性指标RI,其 值如下表3所示:
表3:一致性指标RI取值对照表
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
RI | 0 | 0 | 0.52 | 0.90 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 | 1.49 |
当CR小于0.1时矩阵的不一致程度在允许的范围内,有满意的一致性,可 通过一致性检验,此时归一化的权重向量即为相应层的权重(以归一化后获取 的特征向量Wi的近似解构成的新的权重向量即为相应层中各元素的权重),否则 重新构建判断矩阵,直至判断矩阵通过一致性检验。
在本实施例中,所述评估模块适于通过一致性检验后根据各层权重获取机 场跑道入侵风险评估,即归一化的权重向量中的数值为各风险因素在相应层级 所占权重大小,根据权重值的大小可以获取各风险因素对机场跑道入侵工作影 响的大小,以获取机场跑道入侵风险评估,权重数值越大说明此因素在本层级 中越重要,对防止跑道侵入工作影响越大。
在本实施例中,以具体的数据对跑道入侵智能评估系统进行举例说明;如 何科学的对跑道侵入风险指标进行量化是跑道侵入风险评估的关键问题,针对 于此,采用DELPHI法对熟知塔台工作的26位专家进行问卷发放,共收回26 份可用问卷,排除打分错误、数据重复及缺失的问卷,有效问卷共20份。每份 问卷包含一级指标问卷调查表1张、二级指标问卷调查表4张和三级指标问卷 调查表12张。对这340张调查表权重计算,对跑道侵入风险进行评估。运用层 次分析的方法,计算一级指标数值,进而得出一级指标数值,根据计算数值得 出4个一级指标对跑道侵入风险的不同影响并排序。重点对12个二级指标进行 权重计算,通过比较每个一级指标中3个二级指标的数值大小,找出数值最高 的两个二级指标着重进行分析,从4个一级指标共得到对跑道侵入风险影响最 大的8个二级指标。在这8个二级指标中,分别对每个二级指标内的若干三级 指标进行分析、计算,分别得到权重数值最高的8个三级指标,最后针对8个 三级指标进行分析,提出风险控制建议。
进行一级指标权重计算,一级指标(层次模型中最高层)调查问卷对收回 的20份合格问卷进行处理,首先计算得到各位专家一级指标平均数值,如表4 所示:
表4:机场跑道侵入风险一级指标问卷调查
一级风险指标 | 人员风险W<sub>1</sub> | 设备风险W<sub>2</sub> | 环境风险W<sub>3</sub> | 管理风险W<sub>4</sub> |
人员风险W<sub>1</sub> | —— | 2.3 | 5.4 | 5.2 |
设备风险W<sub>2</sub> | —— | —— | 3.3 | 2.2 |
环境风险W<sub>3</sub> | —— | —— | —— | 0.8 |
管理风险W<sub>4</sub> | —— | —— | —— | —— |
根据表4中数据构建一级指标Wi对于总目标W的判断矩阵,通过对Wi之 间进行两两比较,获得判断矩阵如下表5所示:
表5:一级指标判断矩阵
计算一级指标权重并进行一致性检验,通过相关计算,获得跑道侵入风险 指标权重如下表6所示:
表6:跑道侵入风险一级指标权重
其中,B为判断矩阵,W为权重向量;计算得出λmax=4.0617,为了避免判断 矩阵不一致,现对矩阵进行一致性检验CI=(λmax-4)/(4-1)=0.0206,通过查表, 可得当n=4时,RI=0.9,故CR=0.0206/0.9=0.0229<0.1,说明一级指标判断矩 阵符合一致性检验标准。由此得到专家们的一级指标权重W=(0.545,0.256, 0.088,0.111);可以看出人为原因是造成机场跑道侵入的最重要因素,其次是 设备风险、管理风险及环境风险。
进行二级指标权重计算,收集20位专家的二级指标W11、W12、W13数据, 计算平均数值如表7所示,并对二级指标权重进行计算及一致性检验;
表7:机场跑道侵入风险二级指标W11、W12、W13问卷调查
以人员风险W1作为目标,建立在表7数据基础上,对包含的影响因素管制 员W11、飞行员W12、地面车辆运行人员W13构建判断矩阵,如表8所示:
表8:二级指标W1判断矩阵
通过相关计算,获得跑道侵入风险指标权重如下表9所示:
表9:跑道侵入风险二级指标W11、W12、W13权重
λmax=3.086,为了避免判断矩阵不一致情况的发生,我们现对矩阵进行一致 性检验:CI=(λmax-3)/(3-1)=0.043,故CR=0.043<0.1,说明二级指标W1判断 矩阵符合一致性检验标准;由此得到各位专家的二级指标平均权重W1=(0.4243, 0.4049,0.1708);可以看出W11>W12>W13,所以飞行员和管制员是一级指标人 员风险W1里需要重点关注的二级指标。
通过收集专家的二级指标(中间层)W21、W22、W23数据,计算得出平均值 如表10所示,并对二级指标权重进行计算及一致性检验;
表10:机场跑道侵入风险二级指标W21、W22、W23问卷调查
以机器(设备)风险W2作为目标,对包含的影响因素CNS设备W21、飞行 区设备W22、空管设备W23构建判断矩阵,如表11所示:
表11:二级指标W2判断矩阵
通过相关计算,获得跑道侵入风险指标权重如下表12所示:
表12:跑道侵入风险二级指标W21、W22、W23权重
λmax=3.0356,为了避免判断矩阵出现不一致的情况,现对矩阵进行一致性检 验:CI=(λmax-3)/(3-1)=0.0178,我们通过查询表格数据,可以得到当n=3时,RI=0.52,CR=0.0178/0.52=0.0342<0.1说明二级指标W2判断矩阵符合一致性检 验标准;由此得到各位专家的二级指标权重W2=(0.5505,0.1466,0.3029);可以 看出W21>W23>W22,所以CNS设备和空管设备是一级指标设备风险W2里需要 重点关注的二级指标。
收集20位专家的二级指标W31、W32、W33数据,计算得出平均值如表13 所示,并对二级指标权重进行计算及一致性检验;
表13:机场跑道侵入风险二级指标W31、W32、W33问卷调查
以环境风险W3作为目标,对包含的影响因素自然环境W31、机场环境W32、 工作环境W33构建判断矩阵,如表14所示;
表14:二级指标W3判断矩阵
通过相关计算,获得跑道侵入风险指标权重如下表15所示:
表15:跑道侵入风险二级指标W31、W32、W33权重
λmax=3.0092,为了避免判断矩阵出现不一致的情况,现对矩阵进行一致性检 验:CI=(λmax-3)/(3-1)=0.0046,我们通过查询表格数据,可以得到当n=3时, RI=0.52,CR=0.0046/0.52=0.0088<0.1,说明二级指标W3判断矩阵符合一致性检验 标准。由此得到各位专家的二级指标权重W3=(0.2595,0.6231,0.1174);可以得出 W32>W31>W33,所以机场环境和自然环境是一级指标环境风险W3里需要重点关 注的二级指标。
收集20位专家的二级指标W41、W42、W43数据,计算平均值如表16所示, 并对二级指标权重进行计算及一致性检验;
表16:机场跑道侵入风险二级指标W41、W42、W43问卷调查
以管理风险W4作为目标,对包含的影响因素管制运行管理W41、通信程序 管理W42、安全文化管理W43构建判断矩阵,如表17所示:
表17:二级指标W4判断矩阵
λmax=3.0181,为了避免判断矩阵不一致,现对矩阵进行一致性检验: CI=(λmax-3)/(3-1)=0.0091,我们通过查询表格数据,可以得到当n=3时, RI=0.52,CR=0.0091/0.52=0.0175<0.1故CR=0.0175<0.1,说明二级指标W4判 断矩阵符合一致性检验标准;由此得到各位专家的二级指标权重 W4=(0.2590,0.5553,0.1857);由此得到跑道侵入风险的二级指标W4权重,W42> W41>W43,所以机场环境和自然环境是一级指标环境风险W4里需要重点关注的 二级指标。
对三级指标(最低层)进行权重计算,通过使用MATLAB计算得到的三级 指标权重为:
W11=(0.2085,0.0603,0.0882,0.17081,0.0951,0.0731,0.1035,0.2062);
W12=(0.1396,0.2359,0.1828,0.1793,0.0965,0.1659);
W13=(0.2390,0.4972,0.1535,0.1103);
W21=(0.3127,0.2862,0.4011);
W22=(0.1053,0.6132,0.2815);
W23=(0.2688,0.7312);
W31=(0.4811,0.2181,0.3008);
W32=(0.1836,0.1434,0.1083,0.0935,0.2831);
W33=(0.6301,0.3999);
W41=(0.4012,0.3073,0.2915);
W42=(0.2899,0.2587,0.4514);
W43=(0.2284,0.2201,0.2288,0.3227);
综合以上所述,计算得出跑道侵入风险评估各层级指标权重数值。
从上述指标计算结果分析,影响跑道侵入风险的最大因素为人员风险,其 次依此为设备风险、管理风险和环境风险,其占比分别为0.545、0.256、0.111、 0.088。
在人员风险指标体系中,对其影响最大的分别是管制员及飞行员,分别占 比0.4243、0.4049。飞行员风险指标下,陆空通话不规范权重值0.2359,大于 其他三级指标,情景意识、应变和决策能力、对机场布局的熟悉程度及疲劳程 度几个三级指标比重比较大;管制员风险指标下,疲劳情况权重值0.2085,大 于其他三级指标,抗压能力和工作负荷指标权重值接近疲劳情况。
在设备风险指标体系中,对其影响最大的分别为通信导航监视设备和管制 设备,分别占比0.5505、0.3029,通信导航监视设备指标下,设备分散、种类 多权重值0.4011,大于其他三级指标;管制设备指标下,场面监视雷达不稳定 权重值0.7312,远高于其他三级指标,应给予特别关注。
在管理风险指标体系中,对其影响最大的分别是通信程序管理和管制运行 管理,分别占比0.5553、0.2590,在通信程序管理指标下,通话用语水平权重 值0.4514,大于其他三级指标;在管制运行管理指标下,与机坪管制协调配合 情况权重值0.4012,大于其他三级指标。
环境风险虽占比较小,但从机场相对复杂的运行环境来分析,环境风险不 容忽视。在环境风险指标体系中,对其影响最大的分别是机场环境和自然环境, 分别占比0.6231、0.2595,机场环境指标下,穿越跑道运行比例权重值0.2831, 大于其他三级指标;自然环境指标下,低能见度权重值0.4811,远高于其他三 级指标,几乎每年11月份到次年的2月份都是机场大雾天气多发时间,冬季大 雾天气对机场正常运行影响很大。
综上所述,本发明通过层次划分模块,根据机场跑道入侵风险因素构建层 次模型;判断矩阵构建模块,根据层次模型构造判断矩阵;权重获取模块,根 据判断矩阵获取各层权重;检验模块,对判断矩阵进行一致性检验;以及评估 模块,通过一致性检验后根据各层权重获取机场跑道入侵风险评估,实现了跑 道入侵风险的评估,降低了跑道入侵事件发生的概率,提高了航空事业的安全 性。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也 可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如, 附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机 程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的 每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代 码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注 意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图 中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它 们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框 图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用 执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件 与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立 的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一 个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用 时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技 术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以 软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若 干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备 等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包 括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存 储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代 码的介质。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作 人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。 本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围 来确定其技术性范围。
Claims (6)
1.一种跑道入侵智能评估系统,其特征在于,包括:
层次划分模块,根据机场跑道入侵风险因素构建层次模型;
判断矩阵构建模块,根据层次模型构造判断矩阵;
权重获取模块,根据判断矩阵获取各层权重;
检验模块,对判断矩阵进行一致性检验;以及
评估模块,通过一致性检验后根据各层权重获取机场跑道入侵风险评估。
2.如权利要求1所述的跑道入侵智能评估系统,其特征在于,
所述层次划分模块适于据机场跑道入侵风险因素构建层次模型,即
根据机场跑道入侵风险因素,以目标、准则、对象之间的关系确定最高、中间和最低层的结构关系构建层次模型;
最高层为需要进行评估的最终目标;
中间层为最终目标下一层次涉及到的指标体系;
最低层为划分最精细的指标体系。
3.如权利要求2所述的跑道入侵智能评估系统,其特征在于,
所述判断矩阵构建模块适于根据层次模型构造判断矩阵,即
根据专家对于各指标的打分,比较层次模型中每一层元素与上一层元素的重要程度,从而构造判断矩阵:
B=[Bij],bij∈Bij;
其中,bij为判断矩阵的元素,并且bij适于通过相应标度给出。
6.如权利要求5所述的跑道入侵智能评估系统,其特征在于,
所述评估模块适于通过一致性检验后根据各层权重获取机场跑道入侵风险评估,即
归一化的权重向量中的数值为各风险因素在相应层级所占权重大小,根据权重值的大小可以获取各风险因素对机场跑道入侵工作影响的大小,以获取机场跑道入侵风险评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011309859.2A CN112381430A (zh) | 2020-11-20 | 2020-11-20 | 跑道入侵智能评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011309859.2A CN112381430A (zh) | 2020-11-20 | 2020-11-20 | 跑道入侵智能评估系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112381430A true CN112381430A (zh) | 2021-02-19 |
Family
ID=74584543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011309859.2A Pending CN112381430A (zh) | 2020-11-20 | 2020-11-20 | 跑道入侵智能评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381430A (zh) |
-
2020
- 2020-11-20 CN CN202011309859.2A patent/CN112381430A/zh active Pending
Non-Patent Citations (3)
Title |
---|
丁松滨 等: "跑道侵入风险评价的改进网络层次分析法研究", 航空工程进展, no. 02, pages 45 - 51 * |
张宗路 等: "基于环境因素的机场跑道入侵风险评价", 交通运输工程与信息学报, no. 02, pages 121 - 128 * |
高浩然 等: "基于多元评价的跑道侵入风险防控研究", 中国民航飞行学院学报, vol. 28, no. 3, pages 24 - 28 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112508392B (zh) | 一种山区双车道公路隐患路段交通冲突风险动态评估方法 | |
CN106503807B (zh) | 一种改进型rcm分析方法及基于其的动设备完整性评价系统 | |
CN110705850A (zh) | 一种基于层次分析法的道路风险评估方法 | |
CN103413016A (zh) | 一种基于试验及服役使用数据融合的飞机结构安全寿命确定方法 | |
CN110929224A (zh) | 基于公交行车安全的安全指标体系创建方法 | |
CN113033840A (zh) | 一种公路养护的判断方法和装置 | |
CN112712250A (zh) | 一种高原机场运行安全保障能力评价方法及系统 | |
CN116245367A (zh) | 基于层次模糊神经网络的危货车运输风险评估方法及系统 | |
Shen et al. | Severity analysis of road transport accidents of hazardous materials with machine learning | |
Wang et al. | The effect of psychological risk elements on pilot flight operational performance | |
CN115115240A (zh) | 基于二维云模型的城市地铁盾构隧道施工风险评价方法 | |
CN113887872A (zh) | 一种基于态势评估技术的交通风险分级方法 | |
CN113657767A (zh) | 一种基于交通数据和模糊算法的城市主干道下穿隧道风险评估方法 | |
Lim et al. | Identifying High-Crash-Risk Intersections: Comparison of Traditional Methods with the Empirical Bayes–Safety Performance Function Method | |
Zhou et al. | Safety assessment of high-risk operations in hydroelectric-project based on accidents analysis, SEM, and ANP | |
Lei et al. | Operational risk assessment for international transport corridor: a case study of China-Pakistan economic corridor | |
CN112381430A (zh) | 跑道入侵智能评估系统 | |
CN112381431A (zh) | 机场跑道入侵风险评估方法 | |
CN110826897A (zh) | 地域安全评价方法、装置、设备及存储介质 | |
Zhang et al. | Impact analysis and classification of aircraft functional failures by using improved FHA based on gray correlation | |
Tian et al. | Research on management and control of miners’ unsafe behavior based on gray theory | |
CN114943464A (zh) | 基于改进d-s的高速公路改扩建交通安全风险评估方法 | |
Anagnostopoulos et al. | Predicting Roundabout Lane Capacity using Artificial Neural Networks. | |
Plotnikov | Civil aviation flight safety: pilot properties soft computing | |
Orugbo et al. | RCM and AHP hybrid model for road network maintenance prioritization |
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 |