基于IAHP和信息熵組合賦權(quán)的空域運行風(fēng)險評估

吳仁彪 王自強 汪萬維 張妍

摘? 要： 針對傳統(tǒng)空域運行安全風(fēng)險評估方法中存在的點值評估隨意性和間斷性等問題，該文提出基于區(qū)間層次分析法（IAHP）和信息熵法結(jié)合的空域運行風(fēng)險評估方法。通過廣泛采集空域內(nèi)航空器運行產(chǎn)生的告警信息，深入分析并挖掘出對空域運行產(chǎn)生影響的風(fēng)險因子，構(gòu)建一套新的基于“人、機、環(huán)”分類思路的風(fēng)險評估多層指標(biāo)體系。所提方法主要采用IAHP和信息熵方法分別對評估指標(biāo)賦權(quán)，同時給出主客觀權(quán)重組合模型，既保證了評估數(shù)據(jù)的連續(xù)性，也兼顧到評估要素的客觀性，并在風(fēng)險隸屬度矩陣基礎(chǔ)上進(jìn)行模糊綜合評價。最后對某飛行情報區(qū)一段時間的運行狀態(tài)進(jìn)行實例評估，結(jié)果表明，該模型在空域運行風(fēng)險方面具有良好的適用性和有效性，為空中交通安全風(fēng)險管理提供理論上的決策支持。

關(guān)鍵詞： 風(fēng)險評估; 空域運行; 指標(biāo)賦權(quán); 組合建模; 模糊評價; 案例分析

中圖分類號： TN911.2?34; X949? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼： A? ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）06?0051?06

Risk assessment of airspace operation based on combination weighting of

IAHP and information entropy

WU Renbiao， WANG Ziqiang， WANG Wanwei， ZHANG Yan

（Tianjin Key Laboratory of Intelligent Signal and Image Processing， Civil Aviation University of China， Tianjin 300300， China）

Abstract： As the problem of randomness and discontinuity of point value assessment in the traditional airspace operation safety risk assessment methods， a risk assessment method of airspace operation based on the combination of interval analytic hierarchy process （IAHP） and information entropy method is proposed. The warning information generated by aircraft operation in airspace is collected widely， from which the risk factors affecting airspace operation are deeply analyzed and excavated， and a new multi?level index system of risk assessment based on the classification thinking of “people， machine and environment” is constructed. In this method， the IAHP and information entropy are used to weighting the assessment indexes respectively， and the combination model of subjective and objective weightings is given， which not only ensures the continuity of the evaluation data， but also takes into account the objectivity of the evaluation elements， and the fuzzy comprehensive evaluation is carried out on the basis of risk membership matrix. The operational status of a flight information region for some time is evaluated by an example， and the evaluation result shows that the model has good applicability and validity in airspace operation risk. It provides theoretical decision support for the risk management of the air traffic safety.

Keywords： risk assessment; airspace operation; index weighting; composite modeling; fuzzy evaluation; case analysis

0? 引? 言

隨著我國空中交通流量不斷增長，空域安全形勢日益復(fù)雜，航空器飛行不安全事件時有發(fā)生，民航界高度重視空中交通運行的安全風(fēng)險管理。風(fēng)險評估是航空安全風(fēng)險管理體系中的關(guān)鍵一環(huán)，其在后續(xù)風(fēng)險控制的過程中發(fā)揮重要的作用，是保證航空持續(xù)安全的必要前提。目前從空域運行宏觀角度分析一段時間內(nèi)航空器飛行產(chǎn)生的異常數(shù)據(jù)，定量描述其對周邊空域運行的影響程度，進(jìn)而評估空域運行的整體安全風(fēng)險水平的研究較少。

1） 建立風(fēng)險隸屬決策矩陣[R=（rij）p×t]，規(guī)范化處理得到矩陣[R];

2） 計算第[i]個指標(biāo)的信息熵：

3） 熵權(quán)模型：

2.2? 主客觀權(quán)重組合優(yōu)化模型

運用上述方法可以實現(xiàn)評估指標(biāo)的單一賦權(quán)，將兩類權(quán)重組合得到更加科學(xué)的權(quán)重是被期望的。目前的組合方法包括加權(quán)因子法、因子相乘法和離差最大化法，因子相乘法有“倍增效應(yīng)”，離差最大化法適用專家對指標(biāo)評價差異較大的情況。本文運用主客觀權(quán)重向量集成模型[w=αw+βw′]，組合權(quán)重通過折衷參數(shù)[α，β（α，β≥0）]調(diào)整，參數(shù)可由基于加權(quán)求和最優(yōu)化模型[11]確定，模型如下：

該模型的最優(yōu)解為：

將[α*，β*]進(jìn)行歸一化處理即得參數(shù)[α，β]。綜合得到集成權(quán)重為：[w=（w1，w2，…，wp）]。

2.3? 建立風(fēng)險隸屬度矩陣

模糊綜合評價中要求對因素集中的單因素進(jìn)行評判，確定[U]到[V]的一個模糊映射，以得到評價集因素與評語集元素的隸屬度。本文運用概率統(tǒng)計方法[12]衡量模糊隸屬度，參加評判的[l]位專家對因素集中的每個指標(biāo)隸屬的評語等級進(jìn)行投票。結(jié)束投票后，確定各評估指標(biāo)隸屬于各等級的頻數(shù)[lis]，計算[ris=lisl]作為第[i]指標(biāo)與評語集元素[Vs]的隸屬度，模糊隸屬度矩陣[R]為：

2.4? 模糊綜合評價

針對構(gòu)建的多層次指標(biāo)體系結(jié)構(gòu)，實現(xiàn)終端層到目標(biāo)層的分級模糊綜合評判，終端層因素與對應(yīng)的模糊隸屬度矩陣運算確定出準(zhǔn)則層因素的隸屬向量，即一級模糊綜合評判：

式中：[D1]表示準(zhǔn)則層指標(biāo)[U1]對于評語集[V1]的隸屬向量;“[?]”表示模糊算子;[R1]為準(zhǔn)則層因素[U1]下底層指標(biāo)的隸屬度矩陣。類推因素[U2，U3]的隸屬向量[D2，D3]。準(zhǔn)則層因素作模糊矩陣運算確定目標(biāo)層因素的隸屬向量，即二級模糊綜合評判：

如果，則將向量歸一化處理即為評價結(jié)果向量[B]。根據(jù)最大隸屬度原則確定運行風(fēng)險等級，? ? 最后使用參數(shù)表征法反模糊化，等級參數(shù)向量[ηv]與評價結(jié)果向量[B]進(jìn)行乘法算子運算，評估風(fēng)險值[N=ηv?BT]，[ηv]元素取表2中區(qū)間的中間值，即[ηv=（35，50，65，80，95）]。

3? 實例分析

本文通過搜集國內(nèi)某繁忙情報區(qū)一段時間內(nèi)的綜合運行數(shù)據(jù)，實例驗證評估模型。

3.1? 構(gòu)建風(fēng)險評估指標(biāo)體系

借助文獻(xiàn)[13]中動態(tài)評估的思路，在專家知識基礎(chǔ)上深入分析綜合運行情報數(shù)據(jù)，同時參照表1空域運行風(fēng)險評估指標(biāo)體系，由于該區(qū)實際運行中位置報告缺失、航跡異常中斷、最低安全高度、特殊代碼7500、特殊代碼7600、特殊代碼7700和油量偏差7項相關(guān)的風(fēng)險并不常見，而且該時段也并未出現(xiàn)此類風(fēng)險，最后確定出15項評估終端指標(biāo)，如表3所示。該指標(biāo)體系隸屬于表1中具有相對完整性的空域運行風(fēng)險評估指標(biāo)體系，作為“全集”指標(biāo)體系的“子集”指標(biāo)體系，仍然適用于評估模型，體現(xiàn)出評估指標(biāo)動態(tài)性特點。

3.2? 建立風(fēng)險評估因素集和評語集

按照該15項指標(biāo)在構(gòu)建的評估指標(biāo)體系中的層次分類關(guān)系，將各層指標(biāo)組成因素集，如下所示：

評語集[V]表示評價等級的集合，將空域運行安全狀態(tài)分為5個層級：

對應(yīng)描述為“風(fēng)險低”“風(fēng)險較低”“風(fēng)險中等”“風(fēng)險較高”“風(fēng)險高”。

3.3? 計算各因素IAHP權(quán)重

邀請5位航空安全專家參與評判，參照表1將風(fēng)險評價指標(biāo)體系中同一準(zhǔn)則層下的各因素兩兩之間重要度比較，并賦區(qū)間值。按照2.1.1節(jié)中IAHP的計算步驟1～步驟3得到5位專家對因素集[U1～U3]和子因素[U11～U33]評價的權(quán)重區(qū)間，分布如表4所示。

3.4? 計算各因素主客觀權(quán)重與組合優(yōu)化權(quán)重

由第2.1.2節(jié)方法計算出[U1～U3]的集值權(quán)系數(shù)向量[w=（0.275 1，0.455 1，0.269 8）]。根據(jù)2.1.3節(jié)中熵權(quán)確定步驟1）～步驟3），計算各因素的客觀權(quán)系數(shù)向量[w′]，由本文數(shù)據(jù)組，權(quán)重集成優(yōu)化模型自動求出[α=0.507 4，β=0.492 6]，得到各因素組合權(quán)重向量[w]。各因素集值權(quán)重、熵權(quán)和組合權(quán)重分布如表5所示。

3.5? 多層次模糊綜合評價

邀請20位航空安全專家，將因素集中各因素隸屬于評語集各等級的情況征求專家的評定意見，經(jīng)過模糊統(tǒng)計分析得出各因素隸屬于各等級的概率，組合成風(fēng)險等級隸屬矩陣[Ri]，見表6。將上文的終端層指標(biāo)集成權(quán)重系數(shù)與相應(yīng)的隸屬度矩陣算子相乘得到評價向量[Di=w?Ri]，結(jié)果為：

完成終端層指標(biāo)評判后，計算[B=w?D]，得到準(zhǔn)則層因素歸一化評價向量：

由反模糊化計算得到綜合風(fēng)險評估值[N=60.614 0]，表明該飛行情報區(qū)運行風(fēng)險水平為Ⅲ級風(fēng)險中等。

3.6? 結(jié)果分析

同樣采用AHP對上述飛行情報區(qū)算例分析，圖1所示是兩種方法實施評估后等級隸屬的比較，兩者結(jié)果趨向一致。AHP評估結(jié)果有時存在模糊性，本文中的IAHP和信息熵組合賦權(quán)的方法更能強化評估結(jié)果的區(qū)分，具有更好的準(zhǔn)確性和合理性，即該情報區(qū)該時段的風(fēng)險狀態(tài)較大程度隸屬于Ⅲ級。另外，管制指令違背、飛行程序違背、速度突變、短期沖突、禁區(qū)入侵、監(jiān)視信號失效及通信信號失效的在綜合風(fēng)險中所占權(quán)重相對較大，管制空域安全管理人員應(yīng)該特別關(guān)注上述7項指標(biāo)的相關(guān)信息，以及加強該情報區(qū)運行的風(fēng)險管理。

3.7? 可信度和有效度

本文的風(fēng)險評估過程由航空安全專家群對不同指標(biāo)評分和評定等級，采用Kendall和諧系數(shù)衡量評估結(jié)果的可信度，利用SPSS統(tǒng)計分析工具的Reliability Analysis模塊，對15個終端評估指標(biāo)多變量分析計算出Kendall和諧系數(shù)為0.853（接近于1），說明評估具備很高的內(nèi)部一致性可信度。指標(biāo)的選取參照了ICAO和民航局發(fā)布的安全法規(guī)中安全風(fēng)險間隔，并邀請多位航空安全專家多輪訪談討論確認(rèn)。另外，同一專家仍進(jìn)行不同間隔期重復(fù)評判，超過20位專家參與到評估中，具有很高的內(nèi)容效度。采用SPSS工具探索性因素分析后KMO檢驗值為0.791（介于0.6～0.8），證明評估結(jié)果的結(jié)構(gòu)有效度良好。

4? 結(jié)? 語

本文從航空器飛行產(chǎn)生的告警信息中挖掘提取空域運行風(fēng)險因子，分類綜合后構(gòu)建出空域風(fēng)險評估指標(biāo)體系，通過IAHP分析結(jié)合信息熵方法實現(xiàn)了專家對評估指標(biāo)的柔性和客觀判斷。應(yīng)用該模型對一段時間某飛行情報區(qū)的運行進(jìn)行評估算例分析，結(jié)果顯示該區(qū)運行安全水平為風(fēng)險中等。最后對比出本文算法的優(yōu)勢，并對評估的可信度和有效度進(jìn)行了驗證，為空中交通安全風(fēng)險管理提供理論上的決策支持。

注：本文通訊作者為汪萬維。

參考文獻(xiàn)

[1] BOJANA Mirkovic， FEDJA Netjasov， TATJANA Krstic Simic， et al. Safety risk assessment in future automated air traffic management system [C]// Transportation Research Board 97th Annual Meeting. Washington： TRB， 2018： 114?117.

[2] 孫曉萌.空域扇區(qū)安全評估關(guān)鍵風(fēng)險要素分析方法研究[D].天津：中國民航大學(xué)，2018.

[3] 張曉燕，韓松臣，楊昌其.基于物元分析理論的空管安全風(fēng)險模糊綜合評價[J].交通信息與安全，2016，34（4）：50?56.

[4] 袁丁，雷昱，楊楠.基于Dempster合成法則的空管安全評價方法研究[J].安全與環(huán)境學(xué)報，2018，18（3）：1014?1019.

[5] 張俊強，胡德振，曹悅琪，等.基于信息熵的危險天氣下終端區(qū)管制風(fēng)險評估[J].南京航空航天大學(xué)學(xué)報，2017，49（z1）：125?130.

[6] ICAO. Air navigation services and air traffic management [EB/OL]. [2016?11?10]. https：//ops.group/blog/wp?content/uploads/2017/03/ICAODoc4444?Pans?Atm?16thEdition?2016?OPSGROUP.

[7] 楊智，羅帆.基于粗糙集的空管安全風(fēng)險預(yù)警指標(biāo)優(yōu)選[J].武漢理工大學(xué)學(xué)報，2012，34（6）：776?780.

[8] 謝鵬，呂鵬飛.基于改進(jìn)云模型?IAHP的涉爆粉塵企業(yè)安全風(fēng)險評估[J].中國安全生產(chǎn)科學(xué)技術(shù)，2018，14（8）：187?192.

[9] 賈明明，熊錫龍，黃立文，等.基于集值統(tǒng)計?灰色模糊的航道通航環(huán)境安全評價[J].安全與環(huán)境學(xué)報，2017（1）：41?45.

[10] 儲冉，王懷秀，王亞慧.基于熵權(quán)與灰關(guān)聯(lián)度定權(quán)的VIKOR多準(zhǔn)則綜合評價研究[J].現(xiàn)代電子技術(shù)，2018，41（24）：162?166.

[11] 廖虎昌.復(fù)雜模糊多屬性決策理論與方法[M].北京：科學(xué)出版社，2016.

[12] 馬萬元，耿秀麗.基于概率統(tǒng)計的模糊隸屬函數(shù)計算研究[J].數(shù)學(xué)理論與應(yīng)用，2016，36（3）：93?100.

[13] 常昊，秦元慶，周純杰.基于貝葉斯攻擊圖的工控系統(tǒng)動態(tài)風(fēng)險評估[J].信息技術(shù)，2018（10）：62?67.