CN113379331B - 一种基于不安全事件的航班运行风险网络构建与控制方法 - Google Patents
一种基于不安全事件的航班运行风险网络构建与控制方法 Download PDFInfo
- Publication number
- CN113379331B CN113379331B CN202110812937.9A CN202110812937A CN113379331B CN 113379331 B CN113379331 B CN 113379331B CN 202110812937 A CN202110812937 A CN 202110812937A CN 113379331 B CN113379331 B CN 113379331B
- Authority
- CN
- China
- Prior art keywords
- risk
- network
- nodes
- propagation
- flight operation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000010276 construction Methods 0.000 title claims abstract description 11
- 238000012954 risk control Methods 0.000 claims abstract description 32
- 241000700605 Viruses Species 0.000 claims abstract description 12
- 230000007123 defense Effects 0.000 claims abstract description 5
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000011084 recovery Methods 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 15
- 208000015181 infectious disease Diseases 0.000 claims description 14
- 230000009471 action Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 10
- 238000004891 communication Methods 0.000 description 7
- 230000033228 biological regulation Effects 0.000 description 3
- 230000006837 decompression Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000032798 delamination Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000005541 medical transmission Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual 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
- 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)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于不安全事件的航班运行风险网络构建与控制方法。该方法基于民航不安全事件数据构建航班运行风险网络，根据航班运行实际业务对网络进行逻辑补充连接；基于SIR病毒传播模型改进风险传播与控制过程，依据不同不安全事件的发生频率对不同节点间的风险传播概率加以区分，模拟风险在此网络中的传播过程。通过控制节点和网络攻击两种方法来控制风险在网络中的传播，并通过对重要节点建立防御来降低不安全事件发生风险的概率，从而提出可靠有效的航班运行风险控制方案。通过构建航班运行风险网络有助于了解航班风险因素之间、风险与事故之间的联系，使风险传播过程更加符合实际航班运行情况，确定的风险控制方案可靠度更高。
Description
技术领域
本发明涉及一种航班运行风险产生、传播与控制的分析方法，特别涉及一种基于不安全事件的航班运行风险网络构建与控制方法。
背景技术
目前，对于航班运行风险的研究主要停留在风险分析与量化评估等方向，而航班运行风险的产生条件、传播过程、控制消散方法等问题尚缺乏足够深入的研究。现有研究方案中存在一种通用假设，即风险因素间关系是树状结构。但运行风险实则与气象条件、机组资质、机场设施、障碍物、飞机维修甚至政策保障等多因素相关，而各因素间通过业务逻辑、数据流转等相互作用，错综交汇形成网状结构。
目前复杂网络理论多用于交通网络、社会网络、生物网络等研究，在民航中最早应用于全国航线网、机场网，并依此分析延误与飞行冲突等，在航班运行风险管理方面应用较少。例如，王岩韬团队于2019年首次提出基于复杂网络的航班运行风险传播分析方法并加以改进，分别运用Spearman相关系数法和偏秩相关系数法构建航班运行风险网络。但由相关系数建立的航班运行风险网络会与实际情况有所出入，如Spearman相关系数难以区分直接相关与间接相关，往往导致网络中“假相关”的连边出现，会出现较多与业务逻辑不符的连边。鉴于此，2020年王岩韬团队根据2009-2014年民航安全监察中特殊事件、工作差错及不安全事件总计25401起的统计资料，当事件记录中显示节点间存在作用关系时，即进行连线，首次构建了航班运行风险的有向加权网络，但基于实际事件建立的网络仍存在覆盖不全面的问题，需要做进一步的补充改进。
经典的SIR模型认为疾病在人与人之间传播的概率是相同的，即所有节点间风险传播概率β为一定值，但在实际的航班运行风险网络中，风险并不是以同样的概率在节点之间传播，并且近些年的航班架次每年都有百万架次，统计的不安全事件数量与之相比发生的概率很小，相对应的节点风险发生和节点间传播的概率都应该比较小，且根据不同事件发生频率将节点间风险传播的概率有所区分更加合理。
发明内容
鉴于现有技术状况，本方法提出一种基于不安全事件的航班运行风险网络构建与控制方法。该方法首先根据现有网络构建技术，基于民航不安全事件数据，结合理论知识补充构建航班运行风险网络；基于SIR病毒传播模型改进风险传播与控制过程，依据不同不安全事件的发生频率对不同节点间的风险传播概率加以区分，模拟风险在此网络中的传播过程。通过控制节点和网络攻击两种方法来控制风险在网络中的传播，并通过对重要节点建立防御来降低不安全事件发生风险的概率，从而提出可靠有效的航班运行风险控制方案。通过构建航班运行风险网络有助于了解航班风险因素之间、风险与事故之间的联系，而使用SIR病毒传播模型可模拟航班风险的传播与控制过程。
本发明采取的技术方案是：一种基于不安全事件的航班运行风险网络构建与控制方法，其特征在于，所述方法有以下步骤：
步骤一、航班运行风险网络构建
航班运行风险网络构建分成以下三个子步骤：
(1)、网络中不安全事件节点和风险因素节点选取
统计民航不安全事件类型及导致不安全事件发生的原因，将各类不安全事件设置为网络中的不安全事件节点，将导致不安全事件发生的原因设置为风险因素节点。
(2)、构建航班运行风险网络
在网络中，风险因素节点与风险因素节点、风险因素节点与不安全事件节点、不安全事件节点与不安全事件节点间均通过有向边相连，传播方向由原因指向结果，表示节点间的相互关系；以事故致因理论为基础，依据不安全事件记录为每个节点连线，当不安全事件记录中显示节点间存在作用关系时，即进行有向边连线，否则不连线；以此建立节点间的链接关系，先构建每一个不安全事件类型的子网络，最后将若干个子网络组成整体航班运行风险网络。
(3)、完善网络结构，根据航班运行实际业务对航班运行风险网络进行补充有向边连线。
步骤二、确定航班运行风险网络的风险传播概率
使用SIR病毒传播模型建立航班运行风险传播机制：将节点分为三种状态，分别是易感染状态记作S，已感染状态记作I和恢复状态记作R；处于易感染状态S的节点将以一定的风险传播概率记作β转化为已感染状态I，同时处于已感染状态I的节点自身有一定的防御能力，将以一定的恢复概率记作γ转化为恢复状态R；在SIR模型基础上对风险传播概率β进行区分，区分步骤如下：
a、首先，依据平均每年发生不安全事件频次，将各类型不安全事件风险传播发生频率划分为五个档次：风险传播发生频率高、风险传播发生频率较高、风险传播发生频率中等、风险传播发生频率低、风险传播发生频率极低。
b、然后，依据各类型不安全事件所划分的档次，设定五个档次的各类型不安全事件风险传播频率所对应的风险传播概率；不安全事件发生频率高的子网节点间风险传播概率大，不安全事件发生频率低的子网节点间风险传播概率小。
c、如果某两节点间有向边在不同的子网络中都有出现，则风险传播概率取最大值。
步骤三、航班运行风险网络控制
航班运行风险网络控制分为两种方法，一种方法是采取控制有效控制节点对航班运行风险网络进行控制，对选取的风险因素节点分别设定风险传播概率、恢复概率；搜寻所有的可控节点组合；然后挑选出有效控制方案对应的有效控制节点。
另一种方法是采用移除中心化指数高的节点对航班运行风险网络进行控制，中心化指数包括度数中心度记作DC和中间中心度记作BC，其中：
(1)、度数中心度DC是与某节点直接相连的其他节点的个数，如果一个节点与许多节点直接相连，那么该节点具有较高的度数中心度；度数中心度DC计算公式：
DC(i)＝∑j≠ka(i,j)--------------------(1)
式(1)中，i和j为航班运行风险网络中的节点，DC(i)为节点i的度数中心度，当节点i与节点j存在有向边相连时，a(i,j)＝1，否则a(i,j)＝0。
(2)、中间中心度BC计算公式：
式(2)中，σjk为节点j到节点k的所有最短路径的权值和；σjk(i)为节点j到节点k的最短路径中经过节点i的路径的权值和；两者比值称为节点i的中间中心度。
(3)、根据计算出的航班运行风险网络中每个节点的度数中心度DC值、中间中心度BC值，采取以下两种方法移除中心化指数高的节点进行控制：
方法一：移除航班运行风险网络中所有节点的度数中心度DC值最高的节点。
方法二：移除航班运行风险网络中所有节点的中间中心度BC值最高的节点。
所述根据各类型不安全事件风险传播发生频率划分为五个档次的标准为：
①、不安全事件每年发生频次大于等于1000的为风险传播频率高；
②、不安全事件每年发生频次大于等于500且小于1000的为风险传播频率较高；
③、不安全事件每年发生频次大于等于100且小于500的为风险传播频率中等；
④、不安全事件每年发生频次大于等于10且小于100的为风险传播频率低；
⑤、不安全事件每年发生频次小于10次的为风险传播频率极低。
所述五个档次的各类型不安全事件风险传播频率所对应的风险传播概率范围分别设定为：
①、不安全事件风险传播频率高的风险传播概率范围为0.8～1.0；
②、不安全事件风险传播频率较高的风险传播概率范围为0.6～0.8；
③、不安全事件风险传播频率中等的风险传播频率范围为0.4～0.6；
④、不安全事件风险传播频率低的风险传播概率范围为0.2～0.4；
⑤、不安全事件风险传播频率极低的风险传播概率范围为0～0.2。
所述采取控制有效控制节点对航班运行风险网络进行控制的方法有以下子步骤：
(一)、使用SIR病毒传播模型对航班运行风险网络进行n次仿真传播，统计n次仿真传播中各类型航空不安全事件感染风险的频次，作为初始感染频次。
(二)、将航班运行风险网络中的风险因素节点作为可控节点；随机选取三个以上风险因素节点作为一个可控节点组合，进行风险控制，其风险控制方法为：将可控节点组合内的风险因素节点风险传播概率设定为0.01以下；将恢复概率设定为0.99以上；并将可控节点组合外的其他风险因素节点和不安全事件节点的恢复概率设定为0.2以下。
(三)、搜寻网络内所有可控节点组合，每一个可控节点组合对应的风险控制方法作为一个风险控制方案，将每一种风险控制方案对应的航班运行风险网络使用SIR病毒传播模型进行n次仿真传播，统计n次仿真中各类型航空不安全事件感染风险的频次，作为风险控制后频次。
(四)、在所有风险控制方案中为每一类不安全事件挑选出有效控制方案，有效控制方案是使不安全事件的控制后频次最低的风险控制方案，有效控制方案内的风险因素节点称为有效控制节点。
(五)、多次重复(一)至(四)步骤，以避免偶然情况的发生。
所述n次仿真传播中设定n≥3000。
所述移除航班运行风险网络中所有节点的度数中心度DC值最高的1～4个节点进行控制。
所述移除航班运行风险网络中所有节点的中间中心度BC值最高的1～4个节点进行控制。
本发明的有益效果是：①以航空不安全事件为基础的航空运行风险网络可以有效体现出各个风险要素之间的前后关联，表现出各类型不安全事件间的相互影响，并且网络中每条边都有实际案例作为依据，更加符合航班实际运行情况；通过专业理论知识对网络进行逻辑补充连接，可以使得网络更加全面完整。
②与现有SIR模型固定传播概率相比，本发明通过不安全事件的发生概率区分网络节点间风险传播概率，使风险传播过程更加符合实际航班运行情况，通过此网络传播过程确定的风险控制方案可靠度更高。
③应用此网络可针对不同的不安全事件类型，搜寻风险控制方案，提出可靠有效的风险控制方法。
附图说明
图1为本发明实施例中构建的的通讯中断子网络示意图；
图2为本发明实施例中构建的航班运行风险总总网络示意图；
图3为航班运行风险传播机制示意图。
具体实施方式
以下结合附图和实施例对本发明作进一步说明。
步骤一、航班运行风险网络构建
航班运行风险网络构建分成以下三个子步骤：
(1)、网络中不安全事件节点和风险因素节点选取
根据每年民航局发布的《民航不安全事件统计分析报告》《中国民航安全信息统计分析报告》以及公开的民航不安全事件调查报告，统计民航不安全事件类型及导致不安全事件发生的原因，将各类不安全事件设置为网络中的不安全事件节点，将导致不安全事件发生的原因设置为风险因素节点。
如民航发生频率较大的典型事件类型有重着陆、中止进近/复飞、通讯中断、鸟击、雷击、外来物击伤、危险接近/飞行冲突、迷航/偏航、空中颠簸、冲/偏出跑道、航空器撞障碍物、中断起飞、发动机停车、爆胎/扎破/脱层、紧急失压和紧急油量等16类型事件，设置为不安全事件节点。
导致不安全事件的原因主要有机场鸟害防治不到位、雷暴/雨雪、低能见度、低空风切变、强风、雷暴/雨雪、大侧风、空中湍流、积冰、机组违规违章、机组资源管理差、机组情景意识差、机组训练不足、机组应急决策不当、机组疲劳、机组未建立目视、机长违规离开驾驶舱、机组安全意识差、机组交流沟通差、机组团队合作差、空管设备原因、空管情报欠缺或偏差、管制员违规违章、管制员应急决策不当、管制员疲劳、管制员口误、管制员通话用语不规范、道面维护不到位、道面维护不到位、地面监管不到位、油路堵塞等机械故障、飞机设计缺陷等44类原因，均设置为风险因素节点。
(2)、构建航班运行风险网络
在网络中，风险因素节点与风险因素节点、风险因素节点与不安全事件节点、不安全事件节点与不安全事件节点间均通过有向边相连，传播方向由原因指向结果，表示节点间的相互关系；以事故致因理论为基础，依据不安全事件记录为每个节点连线，当不安全事件记录中显示节点间存在作用关系时，即进行有向边连线，否则不连线；以此建立节点间的链接关系，先构建每一个不安全事件类型的子网络，如图1所示；最后将若干个子网络组成整体航班运行风险网络，如图2所示。
因为在实际情况中，一个风险因素会导致一个或多个不安全事件的发生，同时也会导致其他风险因素的产生，而一个不安全事件的发生又会导致其他不安全事件的发生。故在复杂网络中风险节点与风险节点、风险节点与不安全事件节点、不安全事件节点与不安全事件节点间均通过有向边相连，传播方向由原因指向结果，表示节点间的相互关系。
以事故致因理论为基础，依据上述不安全事件调查报告为每个节点连线，当事件记录中显示节点间存在作用关系时，即进行连线，否则不连线。例如在一个事故报告中有如下描述：A321飞机在哈尔滨23号跑道起飞过程中，由于鸟击导致发动机停车中断起飞。则在网络中描述为“鸟击→发动机停车→中断起飞”。
以此建立节点间的链接关系，构建每类型不安全事件的子网络(如图1所示)。
图1所示的通讯中断为航班运行风险网络中的一个子网络。该子网络由十三个节点通过十二条有向边均指向通讯中断结果。通讯中断子网络中方框内表示网络节点，节点间有向箭头表示从某一节点对下一节点产生影响，有向边连线上的数字表示在此子网络中的节点关联关系编号(即有向边的编号)，并且此编号与通讯中断子网络连接依据相对应，见下表。
(3)、完善网络结构，根据航班运行实际业务对航班运行风险网络进行补充有向边连线。建网后会发现节点之间的逻辑关系、以及节点有向边连线不准确的情况，对网络进行逻辑补充有向边连接，可以使得网络更加全面完整。
步骤二、确定航班运行风险网络的风险传播概率
使用SIR病毒传播模型建立航班运行风险传播机制(如图3所示)：将节点分为三种状态，分别是易感染状态(Susceptible)记作S，已感染状态(infected)记作I和恢复状态(recovered)记作R；β为节点间风险传播概率，γ为节点的恢复概率。图3含义为：处于易感染状态S的节点将以一定的风险传播概率β转化为已感染状态I，同时处于已感染状态I的节点自身有一定的防御能力，将以一定的恢复概率γ转化为恢复状态R。
在SIR模型基础上对风险传播概率β进行区分，区分步骤如下：
a、首先，依据平均每年发生不安全事件频次，将各类型不安全事件风险传播发生频率划分为五个档次：风险传播发生频率高、风险传播发生频率较高、风险传播发生频率中等、风险传播发生频率低、风险传播发生频率极低。
b、然后，依据各类型不安全事件所划分的档次，设定五个档次的各类型不安全事件风险传播频率所对应的风险传播概率；不安全事件发生频率高的子网节点间风险传播概率大，不安全事件发生频率低的子网节点间风险传播概率小。
c、如果某两节点间有向边在不同的子网络中都有出现，则风险传播概率取最大值。
在本实施例中，依据2010-2019平均每年发生频次，将各类型不安全事件风险传播发生频率划分为五个档次的标准为：
①、不安全事件每年发生频次大于等于1000的为风险传播频率高；
②、不安全事件每年发生频次大于等于500且小于1000的为风险传播频率较高；
③、不安全事件每年发生频次大于等于100且小于500的为风险传播频率中等；
④、不安全事件每年发生频次大于等于10且小于100的为风险传播频率低；
⑤、不安全事件每年发生频次小于10次的为风险传播频率极低。
五个档次的各类型不安全事件风险传播频率所对应的风险传播概率范围分别设定为：
①、不安全事件风险传播频率高的风险传播概率范围为0.8～1.0；
②、不安全事件风险传播频率较高的风险传播概率范围为0.6～0.8；
③、不安全事件风险传播频率中等的风险传播频率范围为0.4～0.6；
④、不安全事件风险传播频率低的风险传播概率范围为0.2～0.4；
⑤、不安全事件风险传播频率极低的风险传播概率范围为0～0.2。
感染概率具体数值可根据实际需求在一定区间范围内确定，在此只做区分，以区别不同节点间的风险传播概率，即不安全事件发生频率高的子网节点间传播概率大，不安全事件发生频率低的子网节点间传播概率小。另外，如果某一节点间连线在不同的子网络中都有出现，则取较大值。如冲/偏出跑道与爆胎/扎破/脱层几乎百分之百相关，则两节点间感染概率设为0.9；鸟击导致的发动机停车和外来物击伤导致的发动机停车平均每年发生次数为个位数，则设置节点间感染概率为0.05，鸟击导致的紧急失压和外来物击伤导致的紧急失压平均每年发生次数为个位数，则设置节点间感染概率为0.05。
为不同节点设置不同风险传播概率后，在建好的航班运行风险网络中，运用Matlab等软件根据现有SIR传播模型模拟航班运行风险传播过程。
步骤三、航班运行风险网络控制
航班运行风险网络控制分为两种方法，一种方法是采取控制有效控制节点对航班运行风险网络进行控制，对选取的风险因素节点分别设定风险传播概率、恢复概率；搜寻所有的可控节点组合；然后挑选出有效控制方案对应的有效控制节点。
采取控制有效控制节点对航班运行风险网络进行控制的方法有以下子步骤：
(一)、使用SIR病毒传播模型对航班运行风险网络进行n次仿真传播(n≥3000)，统计n次仿真传播中各类型航空不安全事件感染风险的频次，作为初始感染频次。
(二)、将航班运行风险网络中的风险因素节点作为可控节点；随机选取三个以上风险因素节点作为一个可控节点组合，进行风险控制，其风险控制方法为：将可控节点组合内的风险因素节点风险传播概率设定为0.01(表示该风险因素节点不易被感染)；将恢复概率设定为0.99；并将可控节点组合外的其他风险因素节点和不安全事件节点的恢复概率设定为0.2。
(三)、搜寻网络内所有可控节点组合，每一个可控节点组合对应的风险控制方法作为一个风险控制方案，将每一种风险控制方案对应的航班运行风险网络使用SIR病毒传播模型进行n次仿真传播，统计n次仿真中各类型航空不安全事件感染风险的频次，作为风险控制后频次。
(四)、在所有风险控制方案中为每一类不安全事件挑选出有效控制方案，有效控制方案是使不安全事件的控制后频次最低的风险控制方案，有效控制方案内的风险因素节点称为有效控制节点。
(五)、重复(一)至(四)步骤六次来避免偶然情况的发生。
在搜寻风险控制方案过程中，对每一种控制方案的航班风险网络整体传播过程模拟3000次，设置风险在网络中的传播次数20次，统计各类航空不安全事件感染风险的频次。
综合航班风险网络控制模拟得到的结果，挑选出每一航空不安全事件相对应的有效控制节点，通过对有效控制节点的风险控制来降低不安全事件的发生频率。
另一种方法是采用移除中心化指数高的节点对航班运行风险网络进行控制，中心化指数包括度数中心度记作DC和中间中心度记作BC，其中：
(1)、度数中心度DC是与某节点直接相连的其他节点的个数，如果一个节点与许多节点直接相连，那么该节点具有较高的度数中心度；度数中心度DC计算公式：
DC(i)＝∑j≠ka(i,j)--------------------(1)
式(1)中，i和j为航班运行风险网络中的节点，DC(i)为节点i的度数中心度，当节点i与节点j存在有向边相连时，a(i,j)＝1，否则a(i,j)＝0。
(2)、中间中心度BC计算公式：
式(2)中，σjk为节点j到节点k的所有最短路径的权值和；σjk(i)为节点j到节点k的最短路径中经过节点i的路径的权值和；两者比值称为节点i的中间中心度。
(3)、根据计算出的航班运行风险网络中每个节点的度数中心度DC值、中间中心度BC值，采取以下两种方法移除中心化指数高的节点进行控制：
方法一：移除航班运行风险网络中所有节点的度数中心度DC值最高的1～4个节点。
方法二：移除航班运行风险网络中所有节点的中间中心度BC值最高的1～4个节点。
通过攻击网络内度数中心度DC值、中间中心度BC值高的节点，分别得到不同攻击策略下网络传播结果，对比传播结果，选取效果最佳的攻击策略。
网络攻击的结果是移除风险节点，对应于实际运行管控，则需要更改信息传递流程或变更工作程序，这是需要时间再造并且经过风险评估的，因此更适合于时间较长的中远期管控方案设计或优化。而对于某一航班的即时与短期风险管控需要，基于现有体制与工作程序，采取控制关键节点的方式抑制风险传播仍是重要且可行的管控手段。
Claims (6)
1.一种基于不安全事件的航班运行风险网络构建与控制方法，其特征在于，所述方法有以下步骤：
步骤一、航班运行风险网络构建
航班运行风险网络构建分成以下三个子步骤：
(1)、网络中不安全事件节点和风险因素节点选取
统计民航不安全事件类型及导致不安全事件发生的原因，将各类不安全事件设置为网络中的不安全事件节点，将导致不安全事件发生的原因设置为风险因素节点；
(2)、构建航班运行风险网络
在网络中，风险因素节点与风险因素节点、风险因素节点与不安全事件节点、不安全事件节点与不安全事件节点间均通过有向边相连，传播方向由原因指向结果，表示节点间的相互关系；以事故致因理论为基础，依据不安全事件记录为每个节点连线，当不安全事件记录中显示节点间存在作用关系时，即进行有向边连线，否则不连线；以此建立节点间的链接关系，先构建每一个不安全事件类型的子网络，最后将若干个子网络组成整体航班运行风险网络；
(3)、完善网络结构，根据航班运行实际业务对航班运行风险网络进行补充有向边连线；
步骤二、确定航班运行风险网络的风险传播概率
使用SIR病毒传播模型建立航班运行风险传播机制：将节点分为三种状态，分别是易感染状态记作S，已感染状态记作I和恢复状态记作R；处于易感染状态S的节点将以一定的风险传播概率记作β转化为已感染状态I，同时处于已感染状态I的节点自身有一定的防御能力，将以一定的恢复概率记作γ转化为恢复状态R；在SIR模型基础上对风险传播概率β进行区分，区分步骤如下：
a、首先，依据平均每年发生不安全事件频次，将各类型不安全事件风险传播发生频率划分为五个档次：风险传播发生频率高、风险传播发生频率较高、风险传播发生频率中等、风险传播发生频率低、风险传播发生频率极低；
b、然后，依据各类型不安全事件所划分的档次，设定五个档次的各类型不安全事件风险传播频率所对应的风险传播概率；
c、如果某两节点间有向边在不同的子网络中都有出现，则风险传播概率取最大值；
步骤三、航班运行风险网络控制
航班运行风险网络控制分为两种方法，一种方法是采取控制有效控制节点对航班运行风险网络进行控制，对选取的风险因素节点分别设定风险传播概率、恢复概率；搜寻所有的可控节点组合；然后挑选出有效控制方案对应的有效控制节点；
所述采取控制有效控制节点对航班运行风险网络进行控制的方法有以下子步骤：
(i)、使用SIR病毒传播模型对航班运行风险网络进行n次仿真传播，统计n次仿真传播中各类型航空不安全事件感染风险的频次，作为初始感染频次；
(ii)、将航班运行风险网络中的风险因素节点作为可控节点；随机选取三个以上风险因素节点作为一个可控节点组合，进行风险控制，其风险控制方法为：将可控节点组合内的风险因素节点风险传播概率设定为0.01以下；将恢复概率设定为0.99以上；并将可控节点组合外的其他风险因素节点和不安全事件节点的恢复概率设定为0.2以下；
(iii)、搜寻网络内所有可控节点组合，每一个可控节点组合对应的风险控制方法作为一个风险控制方案，将每一种风险控制方案对应的航班运行风险网络使用SIR病毒传播模型进行n次仿真传播，统计n次仿真中各类型航空不安全事件感染风险的频次，作为风险控制后频次；
(iv)、在所有风险控制方案中为每一类不安全事件挑选出有效控制方案，有效控制方案是使不安全事件的控制后频次最低的风险控制方案，有效控制方案内的风险因素节点称为有效控制节点；
(v)、多次重复(i)至(iv)步骤，以避免偶然情况的发生；
另一种方法是采用移除中心化指数高的节点对航班运行风险网络进行控制，中心化指数包括度数中心度记作DC和中间中心度记作BC，其中：
(I)、度数中心度DC是与某节点直接相连的其他节点的个数，度数中心度DC计算公式：
DC(i)＝∑i≠ja(i，j)--------------------(1)
式(1)中，i和j为航班运行风险网络中的节点，DC(i)为节点i的度数中心度，当节点i与节点j存在有向边相连时，a(i,j)＝1，否则a(i,j)＝0；
(II)、中间中心度BC计算公式：
式(2)中，σjk为节点j到节点k的所有最短路径的权值和；σjk(i)为节点j到节点k的最短路径中经过节点i的路径的权值和；两者比值称为节点i的中间中心度；
(III)、根据计算出的航班运行风险网络中每个节点的度数中心度DC值、中间中心度BC值，采取以下两种方法移除中心化指数高的节点进行控制：
方法一：移除航班运行风险网络中所有节点的度数中心度DC值最高的节点；
方法二：移除航班运行风险网络中所有节点的中间中心度BC值最高的节点。
2.根据权利要求1所述的一种基于不安全事件的航班运行风险网络构建与控制方法，其特征在于，所述根据各类型不安全事件风险传播发生频率划分为五个档次的标准为：
①、不安全事件每年发生频次大于等于1000的为风险传播频率高；
②、不安全事件每年发生频次大于等于500且小于1000的为风险传播频率较高；
③、不安全事件每年发生频次大于等于100且小于500的为风险传播频率中等；
④、不安全事件每年发生频次大于等于10且小于100的为风险传播频率低；
⑤、不安全事件每年发生频次小于10次的为风险传播频率极低。
3.根据权利要求1所述的一种基于不安全事件的航班运行风险网络构建与控制方法，其特征在于，所述五个档次的各类型不安全事件风险传播频率所对应的风险传播概率范围分别设定为：
A、不安全事件风险传播频率高的风险传播概率范围为0.8～1.0；
B、不安全事件风险传播频率较高的风险传播概率范围为0.6～0.8；
C、不安全事件风险传播频率中等的风险传播频率范围为0.4～0.6；
D、不安全事件风险传播频率低的风险传播概率范围为0.2～0.4；
E、不安全事件风险传播频率极低的风险传播概率范围为0～0.2。
4.根据权利要求1所述的一种基于不安全事件的航班运行风险网络构建与控制方法，其特征在于，所述n次仿真传播中设定n≥3000。
5.根据权利要求1所述的一种基于不安全事件的航班运行风险网络构建与控制方法，其特征在于，所述移除航班运行风险网络中所有节点的度数中心度DC值最高的1～4个节点进行控制。
6.根据权利要求1所述的一种基于不安全事件的航班运行风险网络构建与控制方法，其特征在于，所述移除航班运行风险网络中所有节点的中间中心度BC值最高的1～4个节点进行控制。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110812937.9A CN113379331B (zh) | 2021-07-19 | 2021-07-19 | 一种基于不安全事件的航班运行风险网络构建与控制方法 |
| PCT/CN2022/077287 WO2023000666A1 (zh) | 2021-07-19 | 2022-02-22 | 一种基于不安全事件的航班运行风险网络构建与控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110812937.9A CN113379331B (zh) | 2021-07-19 | 2021-07-19 | 一种基于不安全事件的航班运行风险网络构建与控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113379331A CN113379331A (zh) | 2021-09-10 |
| CN113379331B true CN113379331B (zh) | 2022-03-25 |
Family
ID=77582481
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110812937.9A Active CN113379331B (zh) | 2021-07-19 | 2021-07-19 | 一种基于不安全事件的航班运行风险网络构建与控制方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113379331B (zh) |
| WO (1) | WO2023000666A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113379331B (zh) * | 2021-07-19 | 2022-03-25 | 中国民航大学 | 一种基于不安全事件的航班运行风险网络构建与控制方法 |
| CN116070385B (zh) * | 2023-02-09 | 2023-09-22 | 中国地质科学院矿产资源研究所 | 一种境外矿产资源供应链风险自动识别方法及系统 |
| CN116739345B (zh) * | 2023-06-08 | 2024-03-22 | 南京工业大学 | 一种危化品道路运输事故发生可能性实时评估方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108711005A (zh) * | 2018-05-14 | 2018-10-26 | 重庆大学 | 基于qar数据与贝叶斯网络的飞行风险分析方法 |
| CN108985621A (zh) * | 2018-07-13 | 2018-12-11 | 南京航空航天大学 | 基于风险管控的区域多机场不正常航班恢复方法 |
| CN109242243A (zh) * | 2018-07-27 | 2019-01-18 | 南京航空航天大学 | 一种基于改进随机集贝叶斯网络的航班运行风险动态分析方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017108133A1 (en) * | 2015-12-23 | 2017-06-29 | Swiss Reinsurance Company Ltd. | Automated, reactive flight-delay risk-transfer system and method thereof |
| CN112257175B (zh) * | 2020-10-19 | 2023-09-22 | 北京交通大学 | 一种基于改进sir模型的风险传播路径的预测方法 |
| CN113379331B (zh) * | 2021-07-19 | 2022-03-25 | 中国民航大学 | 一种基于不安全事件的航班运行风险网络构建与控制方法 |
-
2021
- 2021-07-19 CN CN202110812937.9A patent/CN113379331B/zh active Active
-
2022
- 2022-02-22 WO PCT/CN2022/077287 patent/WO2023000666A1/zh unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108711005A (zh) * | 2018-05-14 | 2018-10-26 | 重庆大学 | 基于qar数据与贝叶斯网络的飞行风险分析方法 |
| CN108985621A (zh) * | 2018-07-13 | 2018-12-11 | 南京航空航天大学 | 基于风险管控的区域多机场不正常航班恢复方法 |
| CN109242243A (zh) * | 2018-07-27 | 2019-01-18 | 南京航空航天大学 | 一种基于改进随机集贝叶斯网络的航班运行风险动态分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023000666A1 (zh) | 2023-01-26 |
| CN113379331A (zh) | 2021-09-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113379331B (zh) | 一种基于不安全事件的航班运行风险网络构建与控制方法 | |
| US20200302808A1 (en) | Conflict Alerting Method Based On Control Voice | |
| US7081834B2 (en) | Aviation weather awareness and reporting enhancements (AWARE) system using a temporal-spatial weather database and a Bayesian network model | |
| CN102737525A (zh) | 一种直升机地形感知与告警系统告警包线生成方法 | |
| la Cour-Harbo | The value of step-by-step risk assessment for unmanned aircraft | |
| CN103065505B (zh) | 一种空中交通流量控制系统 | |
| CN108152866A (zh) | 基于天气影响航班量的航空气象预报质量评估方法 | |
| CN106066649A (zh) | 用于飞行器的信息传递和信息共享的方法和系统 | |
| CN110083058A (zh) | 基于时序qar参数的重着陆分类方法 | |
| Shmelova et al. | Collective Models of the Aviation Human-Operators in Emergency for IntelligentDecisionSupportSystem. | |
| CN113408907B (zh) | 空中交通管制系统威胁影响分析方法、系统及设备 | |
| Distefano et al. | Apriori algorithm for association rules mining in aircraft runway excursions | |
| Biondi et al. | Bat incidents with US civil aircraft | |
| CN113487914B (zh) | 基于机场气象报文的低着陆运行标准识别告警方法 | |
| CN105787856A (zh) | 一种飞行员安全诚信评价方法 | |
| CN111199073A (zh) | 一种基于功能的任务失效分析方法 | |
| CN114282811B (zh) | 基于跨机型SOPs标准化公务机飞行风险监测系统及方法 | |
| CN114118802A (zh) | 一种基于层次分析法的直升机飞行风险评估方法 | |
| Schultz et al. | Concept of a long-range air traffic flow management | |
| CN105096661A (zh) | 基于垂直剖面视图的空中交通流管理系统与方法 | |
| CN115545398A (zh) | 基于人、机、环境数据量化的风险评估方法 | |
| CN106656797B (zh) | 一种考虑风险均衡的afdx网络路径优化的方法 | |
| CN114139939A (zh) | 一种基于atheana-stpa混合方法的航空人为因素分析方法 | |
| Cheng et al. | Constructing Scenarios’ Network-of-flight conflict in approach of intersecting runway | |
| CN111554126A (zh) | 一种基于飞行特征的管制指令辅助决策方法及装置 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221017 Address after: AVIC Science Park, No. 9, Guangxuan Road, Dongli District, Tianjin 300300 Patentee after: Wang Yantao Patentee after: TIANJIN SHENG YANG XIN YUAN TECHNOLOGY Co.,Ltd. Address before: 300300 Tianjin city Dongli District North Road No. 2898 Patentee before: CIVIL AVIATION University OF CHINA |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230626 Address after: AVIC Science Park, No. 9, Guangxuan Road, Dongli District, Tianjin 300300 Patentee after: Tianjin AVIC Dashengyang Technology Co.,Ltd. Address before: AVIC Science Park, No. 9, Guangxuan Road, Dongli District, Tianjin 300300 Patentee before: Wang Yantao Patentee before: TIANJIN SHENG YANG XIN YUAN TECHNOLOGY Co.,Ltd. |