基于AHP和QAR數據的風切變風險管控*

張兆陽 孫宏 王奇 孫啟禎 趙新斌 王一

(1.中國民用航空飛行學院，四川 廣漢 618300；2.中國民航局第二研究所，四川 成都 610042；3.中國民航科學技術研究院，北京 100028)

0 引言

風切變是威脅飛行安全的重要天氣現象，因其危害性，民航局將其定義為民航紅色事件[1]。據統計，我國有記錄的由風切變引發的重大飛行事故約占飛行總事故數的31%[1]。近年來，受全球異常天氣變化影響，航班報告的風切變事件頻發，引起有關部門的高度關注，民航局已將風切變列入運行品質監控的重要工作內容。

目前，國內外關于風切變的研究主要集中于風切變識別告警。張千千等[2]建立了基于小波變換模極大值的算法以實現風切變告警，解決了風切變類型與尺度限制導致預警失效的問題。劉玉潔等[3]結合抗相關厚度，構建了關于風切變強度的參數化關系，以實現在不同空間尺度上預測風切變強度。而隨著人工智能的普及，許多機器學習的算法被用來進行風切變預測。Ryan等[4]將雷達風數據轉化成時間序列，利用深度學習來預測風切變告警。而關于風切變事件風險控制的研究還較少，業內對于風切變事件危險性的認識相對單一片面，相關人員對風切變風險的管控水平相對薄弱。

綜上所述，為幫助管理人員從全面、多維的角度建立風切變事件風險管控認識體系，本文運用層次分析法并結合QAR[5]數據進行研究，為管理者更好地認識風切變事件的風險性并及時采取正處置措施提供決策依據。

1 模型建立與驗證設計

QAR系統可以實時記錄飛行相關數據，包括發動機等設備狀況、外部環境狀況，以及飛行員的操作動作[6]。當機載設備探測已經(或即將)遭遇風切變天氣而觸發警告時，QAR系統會記錄告警信息和其他飛參數據，如告警時間、風速(WIN_SPD)、風向(WIN_DIR)、無線電高度(RALT_LH)、飛機空速(IAS、TAS等)與飛機升降速率(IVV)等字段記錄值。因此，QAR系統可以用來驗證風切變事件的風險因素及其對飛機運動的影響。具體實驗流程圖如圖1所示。

風切變類型包括預測式風切變(Predictive Wind-shear，PWS)和反應式風切變(Reactive Wind-shear，RWS)。PWS指通過機載前視氣象雷達對飛機前方一定范圍內的風場發射相干脈沖后接收回波，通過估算回波信號平均多普勒頻率的方法從而探測到的一種潛在風切變[6]。RWS指由飛機飛行增穩計算機(Flight Augmentation Computer，FAC)通過搜集在飛行環境中的系統信號、環境變量信號，判斷并且檢測出飛機當前位置已經存在的風切變[7]。因此，RWS告警時，飛機已經進入風切變區域。本文將主要分析RWS類型。

2 風險評價指標體系的構建

以中國民航科學技術研究院“飛行品質監控系統項目”為對象，構建風切變風險管控指標體系。該項目旨在定量化分析飛行器飛行狀態中的飛行品質，如飛機遭遇風切變時的處置能力評估、飛行員操作品質評估、風切變風險性管理等。通過對飛行專家、資深飛行教員使用德爾菲法得到評價指標，同時用“訓練集”統計數據對指標進行修正，以實現對風險因素的識別。分析構成風險評價體系的目標、指標等各要素之間的關系，建立多級遞階層次風險管理指標體系。風險指標體系的層次結構圖如圖2所示。

圖2 風險指標體系的層次結構圖注：1ft=0.304 8m。

從圖2可知，風切變事件風險主要分為以下四大類：

(1)機型風險。目前，國內主要機型為空客與波音，而CRJ系列和ERJ系列占比較低。對于風切變事件來說，飛行器型號必須要對風切變處置性能有足夠的彈性，而主要機載雷達則對風切變事件預警起著決定性作用[7]。

(2)高度風險。風切變的最大危害是風速、風向的瞬時變化對飛行造成的影響，而這種影響最直觀的表現就是飛機顛簸甚至墜毀。有些航班受行程條件限制，可能會導致飛機爬升高度低。同時，風切變還可以分為水平、垂直風切變，每種類型對飛機的影響都不一樣。如果飛機高度較低，一旦遭遇風切變事件，就會急劇損失大量高度，甚至墜毀。

(3)飛行階段風險。航班的航程大致可以分為起飛階段、初始爬升階段、最終進近階段和著陸階段，每個階段都需要不同的操作與風險應變能力。例如，風險發生了，但是某個階段的風險魯棒性高，損失比較小；如果該風險發生在另一階段，可能后果會十分嚴重。

(4)季節風險。風切變本質上是一種氣象現象，受各種天氣現象、大氣運動因素的影響。而當前機載多普勒氣象雷達對風切變的預警十分依賴空氣中的水汽，但是空氣中是否有足夠多的水汽以產生雷達回波，這又與季節因素有著密切聯系[7]。

3 風切變事件風險等級體系

由于風切變事件的風險來源廣泛且復雜、風險因素種類多樣，某項風險因素又可能是由多個其他因素引起的，具有多層次、多來源、難定量化的特點。因此，利用層次分析法建立多目標風險評價模型是一種切實可行的方案。

(1)構造比較矩陣。對指標進行兩兩比較，使用1～9的比例標度來賦值，進行定量化評價。用aij表示第i個因素相對于第j個因素的比較結果，aii=1，aij=1/aji。采用德爾菲法，邀請飛行專家、資深飛行教員等相關專家按照風險指標體系對風切變準則層風險指標的重要性進行判定，構造比較矩陣A、B1、B2、B3、B4，見表1～表5。

表1 風切變總體風險比較矩陣A

表2 機型風險比較矩陣B1

表3 高度風險比較矩陣B2

表4 飛行階段風險比較矩陣B3

表5 季節風險比較矩陣B4

(2)層次單排序及一致性檢驗。采用層次分析法確定各層級評價指標權重集W={w1，w2，…，wk}，該權重為風險因素對上層風險或目標的貢獻。采用MATLAB 2014b編程進行計算。經過以上步驟，即可計算出比較矩陣的最大特征λ和其所對應的特征向量w。一致性檢驗結果CRk<0.1。指標相對重要程度具有良好的傳遞性，所得結果可靠。計算結果見表6。

表6 比較矩陣最大特征及其特征向量計算結果

利用層次分析法對各項風險指標進行評估，得出本項目中風險指標權重從高到低排列分別為：高度風險>季節風險>飛行階段風險>機型風險。指標層各風險因素對目標層的合成權重表見表7。

表7 指標層各風險因素對目標層的合成權重表

由表7可知，在所有的風險指標中，高度風險權重最高，達到0.663 6，因此是風險控制的主要方向。而在高度風險中，100ft～200ft的高度是主要的控制對象，其次是10ft～50ft、50ft～100ft和200ft～1000ft。另外，季節風險的權重也比較大，達到0.173 9，其中，春夏兩季對風險的影響最大，超過了季節風險權重的0.5，因此部分機場在春夏時節要做好風切變事件風險管理。而飛行階段風險和機型風險所占權重較低。

4 結合QAR數據驗證風控體系的有效性

運用層次分析法構建的風險指標體系得出結論：高度風險中，100ft～200ft對整體風險的權重最大。為驗證其有效性，選擇2021年國內A320機型的86起RWS事件，對其遭遇風切變期間的高度(圖3)與飛機升降率(圖4)進行統計。由圖3可知，90%以上的風切變發生在200ft以下的低空，其中占比最高的是100ft～200ft，達到33.72%。因此，高度風險是威脅性最高的風險。

圖3 風切變事件高度分布

圖4 風切變對飛機升降率的影響a)起飛階段 b)進近階段

而為了讓這種風險可視化，本文依據飛機升降速率的變化預測飛機撞地事件，如圖4所示。圖中時間區間為從風切變告警時刻前4s至飛行員施加TOGA推力，0時刻對應風切變告警觸發。由圖4a可知，在起飛階段遭遇風切變導致飛機爬升率平均降幅為2142ft/min、最大可達21.21%，風切變導致飛機爬升率大幅度降低將嚴重影響飛機離場過程中的超障安全；由圖4b可知，在進近階段飛機下沉率平均降幅達799.8ft/min，如果不采取措施，預計約15s后撞地，因此高度風險的危險性得到有效驗證。

5 風險等級原因分析與風控方案建立

5.1 風險原因分析

由層次分析法可知，高度風險、季節風險的權重最大，查閱資料發現原因可能與風切變告警使用的風切變危險因子(Γ因子)計算方法有關[8]。不論是PWS還是RWS，目前風切變告警的基本判斷依據是美國國家航空航天局(NASA)提出的Γ因子[8]，其表示風切變強度對飛行的危險程度，公示如下

(1)

在100ft～200ft的近地面區域，風速與風向在垂直方向上的變化越來越小，從而導致Γ因子逐漸變大。

而季節風險權重相對較大的原因可能與機載多普勒雷達[9]的工作原理有關。多普勒雷達對風場的探測主要靠空氣中的水汽反射雷達發出的相對脈沖電波形成回波來探測，而春季空氣中缺乏產生足夠強度回波的水汽，甚至沒有水汽，多普勒雷達對風切變的探測效率就會大打折扣，因此春季風險權重在季節因素中最大，達到0.614 6。

5.2 風控方案建立

本文對“飛行品質監控系統項目”中風切變事件的4個主要因素、16項風險指標進行了分析，并列出了對應權重，應當抓住主要矛盾[10]，著重對權重最大的高度風險和季節風險做出可靠性應對措施。

對于高度風險，相關人員要采取有效措施，在遭遇風切變事件后，要密切關注飛機的高度損失，盡快執行改出操作[8-12]，防止發生墜毀事故，尤其是飛機進入100ft～200ft區域時，要保持高度注意。對于季節風險，在特定的季節如春夏航班飛行中，應做好風切變事件應對策略，防止其突然爆發。對于權重比較小的風險，應將風控措施落到實處[13]，如管理人員要盡可能地關注處于爬升或進近階段的航班，制定相應的風險控制策略，將風險發生概率和可能危害性降低到最低，保證航班的飛行安全。

6 結語

針對“飛行品質監控系統項目”中風切變風險管控的獨特性，本文利用層次分析法建立多準則、多層次、定性與定量相結合的風險評估模型，通過對風險指標兩兩比較，獲得比較準確的相對重要程度，對項目中存在的各種風險因素進行識別、度量、排序，并據此提出相應的風險管控措施。管理人員應將主要精力放在風切變造成的高度損失上，在特定季節如春夏兩季應提前做好風切變事件應變策略。對于存在大量風險指標的項目，難以直接對這些風險指標進行量化處理，傳統的層次分析法已無法滿足需要，因此將QAR數據與其結合，修正結果并驗證有效性，使評價過程更現實、更全面、更合理，為項目管理者進行風險防范和管理提供參考。另外，數據顯示，大多數告警的風切變都屬于RWS反應式風切變，因此多普勒雷達探測效率有待提高，而基于機器學習算法的風切變告警機制將逐漸成為趨勢。