基于熵權TOPSIS的飛機重著陸風險因素排序

周進

摘 要：為研究民航飛機重著陸事件風險，提出一種基于熵權TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）的飛機重著陸事件風險因素排序方法。首先，分析了近年來中國民航飛機重著陸事件發生的規律，基于SHELL模型識別了飛機重著陸事件的風險致因，并基于專家打分法得到各風險致因的可能性和嚴重度值;最后，基于熵權TOPSIS方法對風險致因進行排序。結果表明：左座駕駛員過度放手、低空風切變的影響、機組對特殊情況的應急反應不當是導致飛機重著陸事件發生的主要原因;其次是機組盲目自信、機組疏忽失誤、機組對落地機場環境準備不充分、排班時間不合理。

關鍵詞：重著陸;熵權;TOPSIS;SHELL模型

中圖分類號：V351 文獻標識碼：A 文章編號：1003-5168（2019）19-0106-05

Abstract： In order to study the risk of civil aircraft hard landing， the method of sequencing the risk factors of aircraft hard landing based on entropy weight and technique for order preference by similarity to an ideal solution was proposed in this paper. Firstly， the regularity of outbreak for aircraft hard landing in recent years was illustrated， and the risk factors were identified based on SHELL model， and then the possibility and severity of risk factors were obtained by expert scoring method. Finally， the risk factors were sorted based on the entropy weight and TOPSIS method. According to the result， the main causes of hard landing include the left pilot let things go too much， the influence of low-altitude wind shear， and the improper emergency response of units to special circumstances， and then the blind self-confidence of the crew， the negligence of the crew， the inadequate preparation of the landing airport environment and the unreasonable scheduling time of the crew are the secondary causes of hard landing.

Keywords： hard landing;entropy weight;TOPSIS;SHELL model

重著陸指的是著陸時飛機的垂直載荷超過該機型規定的極限值，表現為翼根過載和起落架過載。據《航空運輸承運人飛行品質監控（FOQA）實施與管理》規定，在接地前5s至接地后5s內，垂直載荷大于1.6G為輕度偏差，大于1.8G為嚴重偏差?！睹裼煤娇掌渌话踩录永芬幎?，需要對航空器進行檢查的重著陸為其他不安全事件。新版《民用航空器事故征候》規定，航空器在著陸時超過該機型的使用最大過載（[G]值）造成機體結構或起落架受損，則歸為運輸航空器一般事故征候。

根據中國民航安全年報[1]，近十年的航空事故率一直處于較低水平，但不安全事件（事故征候和其他不安全事件）隨民航的快速發展而持續上升，嚴重威脅中國民航運行安全。波音公司對噴氣式飛機全球民用航空器的事故調查統計報告顯示[2]，進近著陸階段航空器事故率最高，而重著陸事件是進近著陸階段最典型的不安全事件之一。由于其發生頻率高、破壞程度大，已成為民航飛行安全的嚴重威脅。因此，及時開展飛機重著陸事件的風險評價工作，找出導致重著陸事件發生的根本原因，對減少民航事故和事故征候率，提高民航運行安全有重大意義。

目前，與重著陸相關的研究主要分為四類：①判斷重著陸的診斷模型[3-5];②對重著陸事故的預測研究[6，7];③重著陸事故風險評價[8];④重著陸的預防控制措施[9]，研究方法包括神經網絡分析方法、支持向量機分析方法、Markov分析方法和熵權TOPSIS分析方法[10]等。但是，缺乏對重著陸事件的風險致因進行深入分析和排序。因此，筆者通過分析近年來中國民航重著陸事件的發生規律，基于SHELL模型識別飛機重著陸事件風險源致因，采用專家打分法獲取風險源事件的可能性和嚴重度值，并使用熵權TOPSIS方法對其進行排序，找出飛機重著陸事件的真正原因，并提出針對性的措施保障飛行安全。

1 中國民航飛機重著陸事件統計分析

根據航空安全信息網中關于民航運行不安全事件統計數據，得到2004—2018年近15年的民航飛機重著陸不安全事件的演變規律，如圖1所示。

從圖1可知，近15年中國民航共發生了422起重著陸事件。2004—2008年，重著陸事件發生數量一直保持較低的數量;之后，發生數量呈指數形式增長，并在2013年達到歷年最高峰，為82次;然后斷崖式下降，并最終穩定在年均35次左右。其中，B737NG機型發生的重著陸事件數量最多，占比54%;A320機型占比14%。民航飛機重著陸事件的發生主要是由于機組原因導致的，占總發生數量的94%;其次是天氣原因，占總發生數量的4%。因此，飛機重著陸事件是進近著陸階段嚴重威脅飛行安全的典型風險事件。

2 基于SHELL模型的飛機重著陸事件風險源識別

SHELL模型是一種以人為中心，分析運行環境中其他要素特征可能與人之間發生相互影響的一種簡單卻實用的概念性工具，包括人、機、環、管4個部分。該模型有助于形象地顯示導致不安全事件發生的風險源之間的相互關系。其中，人是航空活動的參與者，其工作能力、生理、心理因素等條件的好壞直接決定不安全事件是否發生以及其嚴重程度;機指的是航空器，即為不安全事件的載體;環指的是不安全事件發生的外部環境和內部環境;管指的是航空不安全事件相關運行規范、程序和培訓管理方法等。通過走訪一線飛行員、專家調研以及飛機重著陸事件調研報告的學習，得出導致重著陸事件的因素主要有飛行員自身因素和外部環境因素。其中，飛行員自身原因主要表現在思想上麻痹松懈，安全意識薄弱，對天氣、機場等環境的直接準備階段的工作不細致、不充分，機型理論知識欠缺，復雜天氣下操作能力偏弱，CRM管理混亂，情景意識差;外部環境因素，如低空風切變直接誘發，或由風切變進一步誘發飛行員操作失誤是造成飛機著陸階段重著陸的重要原因之一。根據風險矩陣評價方法可知，安全風險等于風險源事件發生的概率與其嚴重度的乘積。其中，事件可能性是根據其發生的頻次（頻繁發生、偶爾發生、很少發生、基本不可能發生、極不可能發生）由專家打分所得（見表1）;其嚴重度根據重著陸事件造成的后果（災難性的、有危險的、重大的、較小的、可忽略不計的）由專家打分得到（見表2），最終再結合SHELL模型得到飛機重著陸事件安全風險等級劃分結果，如表3所示。

3 基于熵權TOPSIS方法的飛機重著陸事件風險排序

3.1 基于熵權TOPSIS法的風險因素排序流程

風險識別是風險評估的前提與基礎，為實現對風險因素的有效控制，需要運用科學的評價方法對風險因素進行排序，以便合理利用資源并制定具有針對性的風險控制措施。原始風險矩陣將可能性與嚴重性指標看得同等重要，沒有對其賦予不同權重，并且忽略了風險因素的異質性，輸出結果劃分等級較少，排序不精確。因此，筆者提出了基于熵權TOPSIS方法的風險因素排序方法，對風險矩陣進行改進和優化?；陟貦郥OPSIS法的風險因素排序流程如圖2所示。首先，通過熵權法對評價指標的權重進行賦值，其次，采用TOPSIS方法對指標的重要性程度進行排序，得出飛機重著陸事件的真正原因，并采取針對性的措施以減小該事件的發生。

3.1.1 基于熵權法求取風險因素權重。熵權法是一種確定權重的客觀方法，能消除主觀因素的影響，增加評價結果的信度?；陟貦喾ㄇ笕★L險因素權重的具體步驟如下。

①建立初始矩陣[A]，由[N]個初始評價對象的可能性與嚴重性兩個評價指標建立一個[n×2]階矩陣，即

（1）

②建立指標標準化矩陣，即

（2）

其中，[i]為安全風險;[j]為評價指標;[maxaj]表示第[j]列中的最大值;[minaj]表示第[j]列中的最小值。

③計算熵值，計算公式為：

（3）

其中，[n]為安全風險總數;[k]為玻爾茲曼常數;[xi，j]表示第[i]個安全風險的第[j]項指標的標準值;[Hj]表示第[j]項評價指標的熵值。公式（3）反映了不同安全風險相對于某一指標值的變動情況，[Hj]越大，表示安全風險指標值的差異性就越大;[Hj]越小，表示各安全風險指標就越平均。通過計算熵值可以反映整個系統的穩定情況。由于安全風險的特殊性，大部分風險處于可容忍狀態，極端風險在全部風險中占據的比例相對較小，因此，當系統處于相對穩定的狀態，即熵值較小時，更有利于管理者進行風險管理。

④計算熵權值，計算公式為：

（4）

其中，[m]為安全評價指標總數;[Wj]為第[j]項評價指標的熵權值。

⑤構建權重矩陣。用不同風險因素的歸一化值乘以相應的熵權值，形成權重矩陣。

3.1.2 基于T0PSIS的風險因素排序。TOPSIS方法排序思想是以現有評價系統中最優值和最劣值為基點，通過計算各因素到基點的相對距離和貼近度來進行排序。利用此方法不僅可以降低風險，還可以通過數值觀測各安全風險間的相對差異?；赥0PSIS的風險因素排序的步驟如下。

①確定正負理想點。將可能性與嚴重性指標下各風險的最小值確定為正理想點[v+j]，最大值確定為負理想點[v-j]，計算公式為：

（5）

（6）

②計算風險指標值到正負理想點的相對距離，計算公式為：

（7）

（8）

其中，[v+j]為第[j]項指標的正理想點;[v-j]為第[j]項指標的負理想點;[vi，j]為第[i]個安全風險第[j]項指標的權重矩陣值;[s+]為第[i]個安全風險距離正理想點的相對距離;[s-]為第[i]個安全風險距離負理想點的相對距離。相對距離綜合了某一個安全風險發生事故的可能性與后果的嚴重性指標，能直觀反映出該風險與評價系統中最低指標值和最高指標值之間的差距。[s+]越小，表示該安全風險越接近于整個評價系統的風險最低值;同理，[s-]越小，表示該安全風險越接近于整個評價系統的風險最高值。

③計算風險的安全關聯貼近度，計算公式為：

（9）

通過計算貼近度，對安全風險進行精確排序，貼近度越接近1，安全風險的等級越低;反之，則安全風險等級越高。

3.2 案列分析

首先，基于SHELL模型分析了飛機重著陸事件的風險致因，并采用專家打分給出了各風險因素的嚴重性和可能性值，然后基于熵權法對其進行標準化和歸一化得到矩陣A。

根據公式（3）可得熵值[H1]=0.983 4，[H2]=0.992 6，并進一步得到熵權值[W1]=0.692 5，[W2]=0.307 5。由此可得到排序矩陣[W]如下：

由此得到正理想點[V+]（0.013 4，0.009 6），負理想點[V-]（0.035 7，0.015 4），于是各風險因素到正負理想點之間的相對距離及貼進度如表4所示。

飛機重著陸主要是因為飛機在五邊進近及下降過程中就出現了安全隱患，主要表現為接地時起落架過載，下降率及下滑角是導致飛機重著陸的主要原因。利用熵權TOPSIS方法對風險進行評估，根據風險源的風險貼進度排序可知：左座駕駛員過度放手、低空風切變的影響、機組對特殊情況的應急反應不當是導致飛機重著陸事件發生的主要原因;其次是機組盲目自信、機組疏忽失誤、機組對落地機場環境準備不充分、排班時間不合理。因此，為了防止飛機重著陸的發生，需要做好以下幾點。

①應盡量做好飛行前的準備，預先了解所進場航線、高度、速度限制及其他特殊規定，仔細研究起降機場及備降機場的天氣特點，消除和克服環境及氣象條件引起的判斷錯覺和誤差。如果不能將飛機控制在安全范圍以內，該復飛就復飛，該返航就返航，切忌勉強落地。

②在進近與著陸階段保持清醒的頭腦、輕松的心態尤為重要，切忌情緒緊張和急躁，否則會影響自己的分析判斷能力和反應速度，也會影響操縱動作的靈活度和準確性，容易造成反映遲鈍、處理不當。

③加強機組資源管理和注意力分配，準確控制進近速度以及對應的推力、控制良好的下滑剖面和下滑點十分重要;修正偏差時，要遵循“動一穩二兼顧三”的原則。

④有針對性地加強技術訓練，組織飛行人員開展重著陸技術研討，規范著陸操作程序，提升機長決策意識，加深安全意識和情景意識。

4 結論

基于SHELL模型分析了飛機重著陸事件發生的原因，運用熵權對指標可能性與嚴重性賦權，運用TOPSIS方法對風險貼近度進行評估與排序。其中，左座駕駛員過度放手、低空風切變的影響、機組對特殊情況的應急反應不當是導致飛機重著陸事件發生的主要原因;其次是機組盲目自信、機組疏忽失誤、機組對落地機場環境準備不充分、排班時間不合理。

后續研究應該基于QAR數據建立飛行重著陸事件風險評價模型，定量地計算民航飛機重著陸事件風險值。

參考文獻：

[1]中國民用航空局航空安全辦公室.2016年中國民航航空安全報告[R].2017.

[2] Boeing Commercial Airplanes. Statistical Summary of Commercial Jet Airplane Accidents Worldwide Operations 1959—2016[R]. Seattle， WA：Boeing Commercial Airplanes，2017.

[3]曹海鵬，舒平，黃圣國.基于神經網絡的民用飛機重著陸診斷技術研究[J].計算機測量與控制，2008（7）：906-908.

[4]聶磊，黃圣國，舒平，等.基于支持向量機（SVM）的民用飛機重著陸智能診斷研究[J].中國安全科學學報，2009（7）：149.

[5]許桂梅，黃圣國.基于優化支持向量機的飛機重著陸智能診斷[J].計算機測量與控制，2011（2）：256-259.

[6]許桂梅，黃圣國.基于LS-SVM的飛機重著陸超限事件預測[J].中國制造業信息化（學術版），2010（10）：61-64.

[7]鄭薇.基于QAR數據的重著陸風險評估及預測研究[D].天津：天津民航大學，2014.

[8]汪磊，孫瑞山，吳昌旭，等.基于飛行QAR數據的重著陸風險定量評價模型[J].中國安全科學學報，2014（2）：88-92.

[9]王旭輝，舒平，曹力.基于模糊加權Markov方法的飛機重著陸風險控制研究[J].安全與環境學報，2010（6）：184-187.

[10]張青松，鄭薇.基于熵權TOPSIS的風險矩陣改進方法研究[J].安全與環境學報，2013（13）：225-228.