基于QAR 數據的飛機著陸載荷預測模型

葉晶晶 南京航空航天大學 春秋航空股份有限公司

鄭佳峰 孟斌 春秋航空股份有限公司

飛機著陸作為飛行員人工操作的關鍵階段，其安全性受到多方面因素的影響和制約。飛機著陸載荷超限更是落地階段頻發的不安全事件。著陸載荷超限也就是平時說的“重著陸”，主要是指著陸瞬間垂直加速度≥2G，或著陸前下降率瞬間變大，超過該機型給定的限制值。民航局相關規定中，著陸載荷三級超限的標準為1.75G，超過1.75G即被認為是需要主動報告的一般不安全事件[1]。

文章選定A320CEO 機型，僅研究分析該型號飛機在虹橋機場18 號跑道著陸過程中的各類參數，研究直觀地影響著陸載荷的各項因素。針對可能影響飛行員操作的參數進行分析，通過相關性分析等篩選出關聯性高的六個變量。通過多元線性回歸分析建立預測模型，驗證模型。通過該模型，航空公司可以考慮動態監控著陸載荷情況，同時量化查找著陸載荷不安全事件的原因，提升事件調查和風險管理的效能。

一、著陸載荷影響因素分析

（一）著陸載荷超限的行業研究

目前，行業中針對飛機著陸載荷的研究，基本上均著眼于飛機的設計與制造，通過對飛機起落架構型的研究，改變飛機起落架的構型；或者通過對飛機重量與重心的研究，提出解決方案，提升飛機著陸載荷的效能[2]。

同時，對于發生的著陸載荷超限事件，行業的研究在原因分析環節主要包括以下三個方面：天氣、機組人為操作及其他原因[3]。其中，天氣的原因主要在于天氣因素會影響機組對進近過程的判斷，以及著陸時氣象條件對飛機的影響。機組人為操作主要是進近、著陸過程中的操作。其他原因主要是機組的配合、機組人員疲勞等。可以發現，目前對著陸載荷超限原因的研究更多的是通過定性的角度，綜合分析各類影響因素[4]。

（二）篩選判斷著陸載荷核心影響因素

從人機環的維度分析影響著陸載荷的情況，可以發現除了人為的操作過程，著陸的機型、著陸過程中的環境等均會對著陸載荷產生影響[5]。從雙重預防機制的角度來看，運行過程中涉及的機型、航班落地的環境屬于危險源，屬于固有的特性，而機組的操作情況屬于可控的隱患類型。

通過組織行業以及企業內部機長、教員等從業人員、專家通過頭腦風暴等方式，初步找到了對著陸載荷可能產生影響的因素：著陸全重、著陸姿態、著陸坡度、著陸地速、著陸前1 秒下降率、著陸前最大順風分量、200 英尺至接地最大頂風、200 英尺至接地最大側風、接地前1 秒空速和VAPP 差值、收油門高度、接地點距離和著陸靜溫12 項內容。

需要說明的是，雖然著陸全重并非人為直接控制的因素，但是在頭腦風暴過程中，所有參與者一致認為著陸全重對于著陸載荷的影響較大，同時，著陸全重在運行過程中的變化較大，在目前得到的13270 條數據中，差值達18.4 噸，標準誤差值達到20.84，可見著陸全重在樣本中的變化量較大。由于目前已知的12 項變量僅是通過定性的方式獲得的，相關變量實際對著陸載荷的影響情況需要量化測試，才能確定有效的影響因素。因此，文章通過對“相關性分析”及“擬合度”的分析，對上述12 項變量進行篩選。

通過收集歷史數據，共獲得2019 年1 月至2023 年7 月以來A320CEO 機型航班在虹橋18 號跑道上的全部落地數據，合計13740 個航班。將上述實際航班中的“著陸載荷”作為因變量、所有分析獲得的影響因素作為自變量開展相關性分析，最終可得“著陸地速”“200 英尺至接地最大頂風”“收油門高度”及“著陸靜溫”與著陸載荷的相關性較低，因此將這四項因素予以剔除。相關結果詳見圖1。為確定著陸載荷與各自變量之間的函數關系，需要對通過相關性篩選后得到的8 個自變量確認擬合程度。從表1 數據可以看出，“200 英尺至接地最大頂風”及“接地點距離”的P＞|t|均大于0，而其他6 個變量的P＞|t|均等于0。故此，確定“著陸全重”“著陸姿態”“著陸坡度”“著陸前1 秒下降率”“著陸前最大順風分量”“接地前1 秒空速和VAPP 差值”作為測算著陸載荷的最終變量。

圖1 相關性分析結果

表1 著陸載荷影響變量擬合度分析

二、著陸載荷模型構建

（一）著陸載荷模型確定

通過前述相關性分析及擬合度模擬后，可以得到著陸載荷分析的相關關系式為：

為了能夠確定相關因素與著陸載荷的具體數量關系，需要再次進行回歸預測。通過第二次的多元回歸，仍舊將2019 年至2023 年的13740 個航班的歷史數據作為數據基礎，最終得出著陸載荷的具體量化關系式。根據表2，可以看到所有的P>|t|均等于0，說明所有自變量的擬合程度均非常可靠。因此，最終得到的著陸載荷與各相關變量數據值的關系式為：

表2 回歸分析預測結果

（二）著陸載荷模型檢驗

為驗證相關模型的有效性，需要對模型進行假設檢驗。相關假設檢驗主要包括回歸方程總體的情況及方程中各系數的檢驗情況。方差分析見圖2。

首先，通過Significance F 確定回歸方程總體顯著性的檢驗情況，可以看到Significance F 的值為0，說明自變量與因變量的線性關系非常顯著。

其次，在T檢驗方面，針對95%的置信區間，目前看到6 個因變量的P-value 均小于0.05，說明得到的回歸模型中各因變量的系數均具有顯著性。

再次，為了測算模型預測的結果與實際結果之間的差異，按照構建的模型重新運用過去5 年的數據計算。用歷史實際發生的著陸載荷與模型計算的著陸載荷結果計算誤差，得到誤差的平均數為0.000252，其方差僅為0.004508406。可以看出，誤差的離散程度很小，誤差的平均數僅占實際著陸載荷的0.02%，說明目前模型的計算結果基本可信。

最后，使用同樣的方法，利用2019 年至2023 年A320NEO 機型在虹橋18 號跑道以及A320CEO 機型在浦東機場某跑道的著陸運行數據測算，可以看到平均數、方差等均與A320CEO 的誤差值相似，模型的計算結果得到了驗證，見圖3。

圖3 差異機場/機型模型誤差率

（三）模型的適用性及局限性

通過著陸載荷影響因素的定性、定量分析，科學地開展多元回歸模擬及嚴謹的假設檢驗后，目前得到的著陸載荷模型基本能夠準確地、數據化地給出運行過程中各項變量對著陸載荷的影響。對于其他機型、其他機場、跑道的運行情況，可能在計算過程中存在一定的差異。但是作為測算性的嘗試，模型的思路及結構可以通過調整相關數值得到對應的模型結果。

三、關于著陸載荷控制模型的運用

（一）做好運行過程監控

根據現行的著陸載荷模型，分析各因素與著陸載荷的相關性，可以得到表3 的結果。依據上述結論，在運行過程中，簽派人員可以重點根據落地順風情況提示機組，機組人員可以針對當天航班著陸全重情況，通過關注并控制其他四個變量，控制著陸載荷情況。

表3 各影響因素相關性及系數情況

（二）著陸載荷超限預測

通過目前的模型測算，除“著陸全重”在每個航班運行過程中相對固定以外，其他5 個因素均涉及機組的操作。在運行過程中，可以通過模型持續模擬機組人員在著陸過程中行為最終導致的結果，持續動態地監控相關因素。當監控過程中發現某因素變化較大，可能導致著陸載荷過大的情況時，可以及時提醒機組人員，讓機組人員及時調整，減少著陸載荷超限的情況發生。

（三）著陸載荷超限關鍵原因推演

在實際發生著陸載荷超限時，往往只能復盤機組人員的著陸動作，最終只能泛泛地得出是由于機組人員的技能原因導致不安全事件的發生，不具備參考性。但通過著陸載荷模型可以收集該航班的相關信息，通過數字化的方式，分析是哪些因素導致了著陸載荷超限事件的發生，有針對性地提出解決措施。

四、結語

文章通過研究，找到了一些影響著陸載荷的高相關因素，然后通過多元回歸的方式模擬了相關因素與著陸載荷之間的定量關系，最后依據得到的模型對機組的著陸操作及對機組著陸載荷超限等事件提出了一些建議。