變更管制方式安全評估模型及軟件設計

吳 濤，楊昌其

(1.中國民用航空華北地區空中交通管理局，北京 100621；2.中國民用航空飛行學院 空中交通管理學院，四川 廣漢 618307)

變更管制方式安全評估模型及軟件設計

吳 濤1，楊昌其2

(1.中國民用航空華北地區空中交通管理局，北京 100621；2.中國民用航空飛行學院 空中交通管理學院，四川 廣漢 618307)

為確保因管制方式變更造成系統及運行環境變化帶來的風險保持在可控范圍，提出基于粗糙集模糊神經網絡的安全評估模型。利用粗糙集在屬性約簡與規則提取方面的優勢實現關鍵風險源提取，降低模糊神經網絡數據輸入維度、精簡網絡拓撲結構、縮短網絡訓練與學習時間；借助模糊神經網絡在具有較強容差性和抗噪音能力前提下進行分類的能力，實現系統安全等級評定。為便于模型應用與推廣，借助Visual Basic(VB)與MATLAB這2種語言將評估模型編譯為可視化操作軟件，該軟件具有從指標體系中識別關鍵風險源、系統安全等級評估、評估信息匯總這3項功能。實驗結果表明，該軟件可從24個風險評估指標中提取出對系統安全影響最為關鍵的4項風險指標，系統安全等級評定為3級。該評估軟件具有易于安裝維護、操作簡便、理論化程度高等優點，是對空管運行單位定量安全評估的一次創新嘗試。

空中交通管制；安全評估；粗糙集；模糊神經網絡；VB；MATLAB

0 引 言

隨著對系統安全和安全文化理論的認識和加深以及各締約國對國際民航組織(International Civil Aviation Organization)提出的建設安全管理體系(safety management system, SMS)的積極響應，民航安全已成為民航安全管理理論研究的重點。2010年中國民航局將持續安全戰略作為建設民航強國三大戰略首位；2011年以文件[1]形式指出：民航局鼓勵和支持對安全評估的方法、技術進行研究創新，提高安全評估的科學性及規范性。國內外對民航定量安全評估運用層次分析法[2]、多層次模糊評估法[3]、人工神經網絡方法[4-9]進行了相關研究。然而對空中交通的安全評估方法和技術研究還處于初級階段。

本文基于粗糙集與模糊神經網絡為核心的評估方法第一次應用于對變更管制方式前系統的安全評估，是民航空管系統定量安全評估方法的進一步推廣，同時，針對變更管制方式前的可視化的安全評估軟件開發尚屬首次。

1 安全評估模型的有關理論

1.1 粗糙集

粗糙集[10]理論是解決模糊數據的重要概念，通過發現不完備信息所表達數據間的隱含關系，揭示其內在規律，從而在過濾冗余信息的前提下提取出對系統至關重要的信息。信息系統是粗糙集理論中的一種知識表達方式，而知識的表達方式對于借助智能算法處理數據非常重要。決策表是信息系統的直觀表達，以行列表格的形式將對象、條件屬性及決策屬性所對應的信息以數據的形式展現出來。約簡(reduction)是保證知識庫分類能力不變的情況下，剔除決策表中冗余屬性的過程。核(core)是對決策表所有約簡的交集，是所有約簡的計算基礎。

1.2 T-S模糊神經網絡

T-S(takagi-sugeno)模糊神經網絡[11]由前件網絡和后件網絡兩部分組成，利用“if-then”規則，將復雜系統以簡單模型表示，通過簡單模型的整合來完成對復雜系統的分析。

前件網絡分為4層。第1層為信息輸入層，用于將輸入值x=[x1x2…xn]T與網絡中對應節點相連，節點數為n。

第2層為模糊化層，本文選用高斯隸屬函數計算上一層傳遞過來的輸入分量對于模糊集合的隸屬度，見(1)式。

(1)

第3層為模糊規則計算層，根據模糊代數乘積的算法，計算模糊語言變量值對于每條規則的適應度為

(2)

(3)

(3)式中：αj為網絡節點；i=1,2,…,m。

后件網絡第1層是輸入層，作用有2個：①在第1層與第2層間起變量傳輸作用；②為模糊規則提供常數項。

第2層是計算層，由m個節點構成，每個節點與規則形成一一對應關系，計算規則的后件yij權重，見公式(4)。

(4)

(4)式中：j=1,2,…,m；i=1,2,…,r。

第3層是輸出層，涉及2部分數據：①由前件網絡計算輸出的連接權值；②由后件網絡第2層計算得到的規則后件。2項數值對應相乘之后求和，即為各規則后件加權和，見(5)式。

(5)

(5)式中：yi為后件加權和；i=1,2,…,r。

設網絡期望輸出與網絡實際輸出的誤差計算公式為

(6)

(6)式中，E為ti和yi分別表示期望輸出和實際輸出。

(7)

(8)

(7)—(8)式中：j=1,2,…,m；i=0,1,2,…,n；l=1,2,…,r；β>0為網絡學習率。

規定隸屬函數中心值和寬度的學習算法，即系數修正算法，見(9)—(10)式。

(9)

(10)

(9)—(10)式中：cij為隸屬函數的中心值；σij為隸屬函數的寬度；j=0,1,2,…,m；i=1,2,…,n；l=1,2,…,r；β為網絡學習率。

1.3 基于粗糙集模糊神經網絡的安全評估模型建立步驟

1)由變更管制方式前進行安全評估的指標構建初始信息表；

2)對安全評估指標的定性評估轉化為定量評估，建立實數值型決策表；

3)對建立的決策表做屬性約簡，得出與系統安全最為緊密相關的條件屬性集和核，即影響系統安全的關鍵風險指標；

4)由關鍵風險指標建立T-S模糊神經網絡模型，確定T-S模糊神經網絡初始權值；

5)對T-S模糊神經網絡進行訓練；

6)若T-S模糊神經網絡擬合誤差滿足要求，則結束。

2 評估軟件的總體設計

2.1 評估指標的選取與處理

2.1.1 評估指標選取

借鑒由中國民用航空局空管行業管理辦公室頒發的《變更管制方式安全評估指導材料》(IB-TM-2011-006)[12](簡稱《文件》)中的相關內容，對變更管制方式前空管系統進行風險識別的指標體系設計上從“人-機-環-管”4個方面開展，具體如表1所示。

表1 變更管制方式前安全評估指標體系

表1中，管制系統和設備X1針對新采用的空管自動化系統、雷達設備、網絡通信系統等系統設備可能存在的風險因素；管制環境X2針對變更管制方式前新的管制劃設范圍、飛行保障情況、空管運行特點等可能存在的風險因素；運行管理程序X3是考察根據新的運行設備與環境制定的運行管理程序對于安全保障能力的符合性；管制及相關人員X4針對在現有運行環境及運行設備的前提下，管制室現有人員配置情況、人員技能水平、受訓情況在保障安全運行時可能存在的風險。

2.1.2 評估尺度選取

《文件》的風險源多數以定性指標為主。為了從定量的角度對系統及運行環境進行安全評估，借助符合實際的評估尺度，將專家及一線人員對風險源的定性評估轉化為定量評估。因此，根據評估指標在實際運行工作環境中的特征定義評估尺度，評估尺度如表2所示。

表2 評估尺度對照表

從表2可知，在對變更管制方式前系統風險評估中，還涉及到風險的綜合打分，為了問題處理方便，同樣分為5個等級。

2.1.3 評估數據的自動存儲

借助Excel中VBA開發工具設計電子形式的調查問卷，方便、快捷地采集專家或一線工作人員的評估意見。

2.2 評估軟件開發環境介紹

為了便于安全評估模型的推廣，實現對安全評估軟件的可視化操作。安全評估軟件在VB(visual basic 6.0)與MATLAB 7.0 2種開發環境中編譯而成，VB用于界面開發，MATLAB作為后臺計算工具，VB通過ActiveX技術調用MATLAB；Excel采集并統計調查問卷數據；Word作為信息匯總及編輯工具。評估軟件總體設計流程如圖1所示。

圖1 評估軟件總體設計流程Fig.1 Integrated design flowchart of evaluation software

2.3 軟件各功能模塊介紹

2.3.1 程序流程圖

通過評估軟件中各個模塊的密切配合，可以實現結構化、方法集成化、智能化的綜合評估。圖2為評估軟件主要模塊及數據流之間相互作用的關系。

圖2 評估軟件的程序流程Fig.2 Program flow of evaluation software

2.3.2 軟件界面介紹

評估軟件用戶界面如圖3所示。

圖3 軟件界面Fig.3 Sketch map of software interface

模塊1：關鍵風險源?！罢{查表匯總”按鈕彈出顯示預定義文件路徑下用于統計調查問卷結果的Excel表格，借助設置好的宏按鈕，實現對多份調查問卷結果進行匯總；“關鍵風險源讀取”借助粗糙集的屬性約簡思想對匯總后的調查問卷數據進行篩檢，得出對系統安全構成威脅的關鍵的風險指標并將結果顯示在文本框中。

模塊2：系統安全評估?！吧窠浘W絡訓練”用于計算模糊系統參數，即由關鍵風險指標作為模糊系統的組成部分，采用等隔均勻分布式內插關鍵風險指標所對應的評估尺度區間生成訓練樣本，通過圖的形式顯示“訓練數據預測”結果；“神經網絡檢測”是利用隨機數檢測網絡期望輸出與網絡實際輸出之間的誤差是否達到之前設定的精度要求，生成 “測試數據預測”結果圖；“評估數據讀取”用于在給定的Excel表格中輸入對于關鍵風險指標有關調查問卷數據，為下一步系統安全評估等級評定提供決策支持；“評估結果”按鈕是根據收集來的關鍵風險指標數據做出對系統安全等級評定。

模塊3：生成評估文件?！皩隬ord文檔”將模塊1、模塊2及用戶輸入信息快捷地匯總到Word文檔中。

3 評估軟件測試與結果分析

3.1 評估軟件測試

通過向填寫調查問卷的人員介紹24個風險評估指標以及評估尺度的含義，收集到有效調查問卷24份。經軟件計算，得出對系統安全影響最為關鍵的風險指標分別為程序熟練度、人機界面熟悉度、工作負荷、機組人員的配合。

T-S模糊神經網絡的精度設置為0.001，訓練次數為100次。誤差曲線波動幅度較小說明經過訓練的模糊系統達到穩定的狀態，其訓練數據結果如圖4所示。

圖4 訓練數據結果Fig.4 Result of training data

點擊“評估結果”按鈕，之前在Excel中存儲的數據通過MATLAB自帶函數傳輸到MATLAB中，利用訓練好的模糊神經網絡評定系統安全等級為3級。點擊“導入Word文檔”按鈕，將評估單位、評估時間、關鍵風險源、系統安全評估等級信息統一匯總于文檔中。

3.2 測試結果分析

用戶通過評估軟件的計算得到2部分關鍵信息：①從24個風險評估指標中提取出4項關鍵風險指標，從人-機-環-管理的角度分析，4項指標都屬于人為因素所囊括的范圍，反應涉及管制方式變更的人員在程序方面、設備操作方面及自我調整等方面等對系統安全威脅較大，而在現有科技水平條件下的相關管制設備都已經過前期測試或其他用戶已裝備并經過一定時間的使用，設備可靠性值得肯定，因此，對系統安全威脅相比較小。②系統安全最終評估等級，不同的系統安全評估等級可對應著不同的響應級別，本次利用評估軟件對系統安全等級評定為3級(中等級別)。

4 結 論

本文基于變更管制方式前對空管系統安全進行評估的需求，經過充分調查研究，查閱有關空管安全評估的文獻，以局方文件為依據選取評估指標，借助Excel軟件設計電子化形式調查問卷，以粗糙集、模糊神經網絡為基礎，建立針對變更管制方式前系統安全評估的數學模型，借助MATLAB編譯相應程序；采用Visual Basic與MATLAB混合編程技術實現軟件可視化操作。該軟件可用于變更管制方式前空管系統的安全評估工作，也可按需調整調查問卷中的評估指標對空管系統進行持續安全評估工作。

[1] 中國民用航空局空管行業管理辦公室. AP-83-TM-2011-01, 民航空中交通管理安全評估管理辦法[S]. 北京：中國民用航空局空管行業管理辦公室, 2011. Industry Management Office of the China Civil Aviation Administration Air Traffic Control. AP-83-TM-2011-01, Safety evaluation management regulation of Chinese civil air traffic management[S]. Beijing: Industry Management Office of the China Civil Aviation Administration Air Traffic Control, 2011.

[2] 楊昌其,魏光興.空管不安全事件危險等級的量化評估方法[J].西南交通大學學報,2006,41(6):753-757. YANG Changqi, WEI Guangxing. Quantitative assessment method for severity classification of air traffic control incident [J]. Journal of Southwest Jiaotong University, 2006, 41(6): 753-757.

[3] 馬國忠,米文勇,劉曉東. 民航系統安全的多層次模糊評估方法[J]. 西南交通大學學報,2007, 42 (1): 104-109. MA Guozhong, MI Wenyong, LIU Xiaodong. The civil aviation system safety multi-level fuzzy evaluation method [J]. Journal of Southwest Jiaotong University, 2007, 42(1): 104-109.

[4] GREENBERG R. COOK S C, HARRIS D. A civil aviation safety assessment model using a Bayesian belief network (BBN) [J]. The Aeronautical Journal, 2005, 109(1101): 557-568.

[5] 王衍洋,曹義華. 航空運行風險的灰色神經網絡模型[J]. 航空動力學報, 2010, 25(5): 1036-1040. WANG Yanyang, CAO Yihua. Gray neural network model of aviation safety risk [J]. Journal of Aerospace Power, 2010, 25(5): 1036-1040.

[6] 王浩鋒. 基于BP神經網絡的民用航空航段安全風險評估[J]. 信息與電子工程, 2010, 8(5): 612-615. WANG Haofeng. Safety risk assessment model for civil aviation flight phase based on BP neural network [J]. Information and Electronic Engineering,2010,8(5):612-615.

[7] 吳志軍,王璐,史榮.基于改進BP神經網絡的ATM系統信息安全評估方法[J].通信學報, 2011 32(2): 150-158. WU Zhijun, WANG Lu, SHI Rong. Approach of information security assessment for ATM system based on improved model of artificial neural network[J]. Journal on Communications, 2011, 32(2): 150-158.

[8] 金燦燦,左洪福.航空公司維修質量管理系統設計與實現[J].計算機集成制造系統,2013,12:3107-3113. JIN Cancan, ZUO Hongfu. Design and implementtation of airline’s maintenance quality management system[J]. Computer Integrated Manufacturing Systems, 2013, 12: 3107-3113.

[9] 金燦燦,左洪福,張營,等.基于BBN的航空公司風險評估技術研究[J].航空學報,2013,34(3):588-596. JIN Cancan, ZUO Hongfu, ZHANG Ying, et al. Research on risk evaluation for airlines based on BBN[J]. Acta Aeronauticaet Astronautica Sinica, 2013, 34 (3): 588-596.

[10] PAWLAK Z. Rough set[J]. International Journal of Computer and Information Sciences, 1982(11): 341-356.

[11] TAKAGI. T, SUGENO. M. Fuzzy identification of systems and its application to modeling and control[G]∥IEEE Transaction on Systems. Man, Cybernetics: IEEE, 1985.

[12] 中國民用航空局空管行業管理辦公室. IB-TM-2011-006, 變更管制方式安全評估指導材料[S]. 北京：中國民用航空局空管行業管理辦公室, 2011. Industry Management Office of the China Civil Aviation Administration Air Traffic Control. IB-TM-2011-006, Safety evaluation guide material of air traffic control means change[S]. Beijing: Industry Management Office of the China Civil Aviation Administration Air Traffic Control, 2011.

吳濤(1988-)，男，內蒙古集寧人，碩士研究生，主要研究方向為空管安全。E-mail: yeternal@foxmail.com。

楊昌其(1974-)，男，貴州思南人，教授，碩士研究生導師，博士生，主要從事民航空管安全管理、空管人為因素、空管信息處理、空管仿真實驗與技術等方向的研究。E-mail: cafcychq@21cn.com。

(編輯：劉 勇)

Safety evaluation model about air traffic control means change and its software design

WU Tao1, YANG Changqi2

(1. North China Regional Air Traffic Management Bureau of Civil Aviation of China, Beijing 100621, P.R. China; 2. College of Air Traffic Management, Civil Aviation Flight Univ. of China, Guanghan 618307, P.R. China)

Air traffic control means change brought risks to its system and operating environment. In order to make those risks controlled, the safety evaluation model based on rough sets and fuzzy neural network was proposed. Rough set, which was used to extract key risks, has the advantage for attributes reduction rule extraction and also provids the following functions to fuzzy neural network: decreasing samples dimension, simplifing the network topology and shortening the time of network training and learning. Fuzzy neural network, which was used to evaluate the safety level of system, has the capability of classification on the condition that fuzzy neural network can tolerate error and noise. In order to apply and promote the safety evaluation model, the model was compiled to visualized operation software by visual basic(VB) and MATLAB. The evaluation software had three functions that identified key risk indexes from the evaluation index system, evaluated the safety level of system and collected evaluation information. The experimental results showed that the software can extract 4 key risk indexes from 24 evaluation indexes and the safety level of system is 3. The evaluation software processed following advantages: easy installment and maintenance, straightforward operation and higher theoretical level. It was an innovative attempt that quantitative evaluation was used to operation units of air traffic control.

air traffic control; safety evaluation; rough set; fuzzy neural network; visual basic; MATLAB

10.3979/j.issn.1673-825X.2016.06.020

2015-07-22

2016-03-14

楊昌其 cafcychq@21cn.com

民航局科技創新引導資金(MHRD20140213)；四川省教育廳重點項目(13ZA0306)

Foundation Items：The Scientific and Technical Innovation Project of Civil Aviation(MHRD20140213); The Key Project of Sichuan Education Department(13ZA0306)

TP393；V355.1

A

1673-825X(2016)06-0870-06