基于改進GRA-TOPSIS 法的飛行員進近著陸操縱績效評價

陳農田， 李俊輝， 滿永政

(中國民用航空飛行學院， 廣漢 618307)

1 引言

民航“黑色11 分鐘”是指飛機起飛后3 分鐘加著陸前8 分鐘，這一階段極易誘發航空器安全事件。 通過對商用飛機飛行階段事故統計，大約49%的致命事故和44%機上死亡人數發生在進近著陸階段，此階段要求飛行員精神高度集中，一旦發生異常事件或事故可供飛行員處理時間極短。 Voogt 等通過案例統計分析發現飛行員錯誤操縱是事故發生重要誘因；Prasanna 等通過統計數據分析發現1/3 的商用飛機事故是由于著陸時操縱偏差導致；杜紅兵等對1980 ～1996年發生的民航運輸飛行進近著陸事故進行歸類數據統計分析，結果表明事故的主要原因是人為因素，應加強研究民航飛行安全中的人為因素控制。因此，開展飛行員進近著陸操縱行為績效安全評估，有效識別飛行操縱行為偏差，對保障民航運輸安全具有重要現實意義。

國內外學者針對飛行進近著陸操縱行為方面開展了系列研究。 Rober從真實飛行和模擬飛行的人工操縱進近著陸建立數學模型，評估飛行員在進近著陸操縱水平方面難易程度；Archana等使用可重構飛行模擬器模擬進場著陸飛行場景，對飛行員操縱指標進行了主觀和定量測量，利用能見度下降、側風、飛機操縱質量下降等指標建立數學模型，對飛行員績效進行量化評估；Felipe 等利用飛行數據對飛行員著陸任務偏差建模分析；祁明亮等選取飛機下降率、俯仰角等飛行員綜合操作指標，利用QAR(Quick Access Recorder)超限事件，建立風險預測模型對飛行操作風險進行診斷；白杰等關注最終進近著陸階段時飛行員注意力分配所產生的影響，利用SEEV(Salience Expectancy Effort Value)模型對其量化研究；蔣浩等以飛行數據超限事件的判定參數和發生頻率代表風險后果的嚴重程度和風險發生概率，將兩者的乘積作為飛行員安全能力的衡量指標；王冉等利用仿真計算針對實際飛行數據對民機著陸安全影響因素展開研究。 在飛行員飛行品質監控(Flight Operations Quality Assurance，FOQA)方面，針對飛行員進近著陸操縱行為主要采用定性分析或定量統計分析方法，如德菲爾法、層次分析法和模糊綜合評估方法，但這些方法依然存在由權重確定主觀性的弊端。

飛行員進近著陸操縱績效評估是一個多目標決策過程，本文選擇運用群決策相對熵集結法、熵權值法確定指標體系權重，通過改進GRATOPSIS 模型以相對貼進度形式評價飛行員進近著陸操縱績效，為有效實施飛行員進近著陸安全績效測度提供參考。

2 評價指標體系構建

國際民航組織在向締約國推薦的9859 號文件安全管理手冊(Safety Management Manual，SMM)中要求現行的安全管理從組織、個人方面實施基于安全績效(Safety Performance， SP)驅動。 飛行操縱績效評價是有著多種準則以及多個目標的相對復雜的評估過程。 而評價對象可能是一種步驟程序、操作動作或飛行員自身修養等，且其能夠影響飛行操縱的品質。 根據民航飛行運行作風要求咨詢通告(AC－121－FS－2018－130)及有相關研究文獻，并結合某航空公司采集的QAR 真實數據指標進行修正，形成操縱水平()為準則層的8 項成本性指標。 運用專家調查(Delphi)方法，并選擇6 名飛行理論與技術領域專家進行重要指標遴選，形成個人素質()、機－場間協同情況()為準則層的7 項效益型指標。 從而最終得到飛行員進近著陸操縱績效評價指標體系，如表1 所示。

表1 飛行員進近著陸操縱績效評價指標體系Table 1 Index system for performance evaluation of approach landing

3 改進的GRA-TOPISI 模型

優劣解距離法(Technique for Order Preference by Similarity to an Ideal Solution，TOPSIS)是Hwang等為了解決單一型或混合型多屬性決策問題，根據各指標參數范圍、按照各方案與理想解的接近程度進行排序的方法。 灰色關聯度分析(Grey Relation Analysis，GRA)從曲線形狀相似性角度反映各方案間的接近程度。 將2 種方法結合，能彌補只計算相對距離而忽視曲線趨勢所導致的不能準確反映現實情況的缺陷。

3.1 評價指標處理

假設有個飛行員進近著陸操縱績效待評價，包括個評價指標，建立決策矩陣＝[x] ，x ≥0(＝1，2，…，；＝1，2，…，)。由于飛行員進近著陸操縱績效評價指標含義、計量單位與量綱的不同，對其指標進行歸一化處理。

效益型指標，即屬性值越大越好指標，歸一化處理見式(1):

成本型指標，即屬性值越小越好指標，歸一化見式(2):

3.2 群決策相對熵集結法計算指標主觀權重

群決策相對熵集結法是對多目標進行評判決策的主觀性方法，其克服了群決策特征根法的不足且步驟簡單:

1)構建群決策矩陣＝(h)。 采用5 分值計算，其中h為專家對指標的評判規則，且＝1，2，…，；＝1，2，…，。

2)計算標準化決策矩陣＝(c)。

3)計算群偏好向量＝(，，…，α)，即各指標的主觀權重。

其中，δ為專家對指標的決策權重，取δ＝1/。

3.3 熵權法計算指標客觀權重

熵權法是根據數據本身進行計算，從而得到多目標評判決策的客觀性方法。 利用此法處理指標離異程度較大評估時可以獲取更準確的權重。

1)求系統中第個指標的信息熵權。 傳統的熵權法規定當p＝0 和p＝1 時，pln(p)都為0，基于此弊端對此法進行改進，如式(5)、式(6)所示。

2)求第個指標的熵權v，即客觀權重。

3.4 組合權重

本文采用群決策相對熵集結法和熵權法組合主客觀權重，若主客觀權重都較大時，則主觀權重較大。 設β為結合后的指標權重，定義見式(8)。

3.5 改進GRA-TOPSIS 評價方法

3.5.1 傳統TOPSIS 法

1)構造加權規范化矩陣。 依據矩陣算數方法將標準化后的決策矩陣與組合權重β結合，見式(9):

4)計算貼近度并排序，如式(12)所示。

當貼進度值越大，飛行員進近著陸操縱績效排名越靠前，反之亦然。

3.5.2 改進TOPSIS 法

傳統的TOSIS 法具有計算簡單和結果可靠等優點，但亦有不足:①當2 個或多個評價對象位于理想解的中垂直線上時，求得正負理想解的歐式距離相等，則無法達到評判對象的優劣性，如圖1所示；②忽視了評價指標之間的相關性，認為所有指標都是獨立存在的要素，從而使評估結果存在偏差。

圖1 傳統TOPSIS 法的缺陷[16]Fig.1 Defects of traditional TOPSIS method[16]

基于上述不足，利用灰色關聯方法對傳統的TOPSIS 法進行改進，并構造一種新的計算貼近度方法，以進行飛行員進近著陸操縱績效排序。 此方法引入灰色關聯法能較好解決指標之間關聯性問題，并通過最優解和最劣解的評價值公式進行改進。 步驟如下:

其中，()為各評判對象中最優指標數值。

2)計算各指標的灰色關聯系數s，得到灰色關聯矩陣＝(s) ，見式(14)。

其中，Δ()＝｜()－r｜，為評價對象數量，＝1，2，…，；為評價指標數量，＝1，2，…，；為分辨系數，在[0，1]中取值，通常取＝0.5。

其中s()為第個飛行員的s值。

4)對式(10)、(11)進行改進，分別計算第個飛行員的各操縱績效指標到正理想解＋和負理想解－的歐式距離，見式(17)、(18):

5)計算飛行員進近著陸操縱績效的灰色關聯相對貼近度，見式(19):

根據以上計算，進行飛行員進近著陸操縱績效排序，G最大者為操縱績效表現最佳飛行員。

4 進近著陸操縱績效評價實例

4.1 數據預處理及權重確定

為驗證該改進方法的有效性，隨機抽取5 名飛行員對其1 年內進近著陸操縱績效水平進行評價(績效水平分別用、、、、表示)。 擬采用四等級及10 分值區間對定性指標進行量化，即＝{差，一般，較好，好}，對應區間分別為(0，2.5)、(2.5，5)、(5，7.5)、(7.5，10)。 收集QAR數據，將飛行員進近著陸超限次數作為定量指標實驗數據，見表2。 結合6 名專家對評價指標間重要度進行綜合評分，得到群決策矩陣， 見式(20)。

表2 評價指標原始數據Table 2 Raw data of the evaluation indicators

其中，為評估指標數量，為專家人數。

由公式(1)～(8)求得各評價指標最終組合權 重:＝(0.0631， 0.0672， 0.0622， 0.0582，0.0714，0.0717， 0.0683，0.0711，0.0708，0.0657，0.0711，0.0709，0.0667，0.0658，0.0557)，各指標重要度如圖2 所示。

圖2 評價指標重要度比較Fig.2 Comparison of significance of evaluation indexes

4.2 基于改進GRA-TOPSIS 法飛行績效評價

由式(9)求得加權規范化矩陣。 基于上述計算，可選取改進TOPISI 法中灰色關聯最優指標集U， 其參考序列為U＝(0.063，0.067，0.062，0.058，0.071，0.072，0.068，0.071，0.071，0.066，0.072，0.071，0.067，0.066，0.056)。

根據式(14)～(19)分別計算進近著陸時5名飛行員績效水平(、、、、)到正負理想解的歐式距離:＝1.758，＝1.526，＝1.575，＝1.786，＝1.725；＝1.344，＝1.597，＝1.490，＝1.463，＝1.444。

最后，根據式(19)求得灰色關聯相對貼近度＝0.433，＝0.511，＝0.486，＝0.450，＝0.456，即5 名飛行員進近著陸操縱績效優劣排序為＞＞＞＞。 由式(10)～(12)求得傳統TOPSIS 法飛行員進近著陸操縱績效貼進度為＝0.507，＝0.613，＝0.587，＝0.511，＝0.535，故＞＞＞＞。 由傳統GRA 方法計算關聯度結果為:＝0.413，＝0.484，＝0.464，＝0.419，＝0.425，故＞＞＞＞。 比較結果如圖3 可示。

圖3 評價方法比較Fig.3 Comparison of the evaluation methods

由圖3 可知，三者計算排序結果相同，第2位()為進近著陸操縱績效表現最優的飛行員，驗證了改進GRA-TOPISI 法(G-T 融合法)對于評價飛行員進近著陸操縱績效的可行性。 另外，三種方法中G-T 融合法的關聯度位于其他2種方法之間，當GRA 法與TOPSIS 方法對飛行員進近著陸操縱績效相同時，G-T 融合法排序結果相同；當GRA 法與TOPSIS 方法在評定飛行員操縱績效不同時，由于G-T 融合法結合兩者在整體性分析與相關性分析的優勢，且關聯度趨于之間，可以依據G-T 融合法的結果進行績效評定的優選。

4.3 基于雷達圖的飛行員績效差異分析

為直觀比較5 名飛行員進近著陸操縱績效在不同指標下的優勢與劣勢，根據式(17)～(19)，求得個體素質、操縱水平和機－場間協同情況3個子系統的灰色關聯相對貼進度結果，如表3 所示。 通過雷達圖分析法將3 個子系統表征出來，如圖4 所示。 圖中可以看出，總體上飛行員表現較優，但在個體素質方面有待加強；飛行員表現較差，經調查此飛行員機齡較短，應綜合全面提高；、、飛行員表現良好，但也應分別在個體素質、操縱水平以及機－場間協同方面著重提升。

圖4 個體素質、操縱水平和機－場間協同情況評價結果雷達圖Fig.4 Radar chart of evaluation results of individual quality， manipulation level and machine－field synergy

表3 5 名飛行員操縱績效水平的貼近度及排序Table 3 Approximating degree and ranking of operational performance level in 5 pilots

5 結論

1)根據民航飛行作風咨詢通告(AC)及進近著陸階段超限事件，結合專家調查法，形成了以個體素質、操縱水平和機組資源管理為一級指標，情景感知意識、GPWS 告警、語言溝通能力等15 個指標為二級指標的飛行員進近著陸操縱績效評估指標體系。 接地時垂直加速大、進近時滾轉角變化幅度大(＜100 ft)、進近時下降率大、著陸時航跡高(＜20 ft)、負荷管理等指標是影響飛行員進近著陸操縱績效應重點關注因素。

2)結合基于群決策相對熵集結法和改進熵權法對評估指標進行賦權，可有效避免單一主客觀性對評價結果的影響，實現績效評價結論客觀化。

3)將灰色關聯理論與傳統TOPSIS 法融合，構建新的貼進度評價飛行員操縱績效并進行排序，實例驗證了方法的有效性。 基于雷達圖的飛行員績效差異分析可有效識別飛行員進近著陸操縱行為偏差。