基于SHEL模型的贝叶斯网络民航安全评价研究

本文以SHEL模型为人误分类依据,用收集的2000—2017年的民航飞行事故及事故征候作为数据源,采用具有概率性模式特性的贝叶斯网络方法对影响飞行安全的危险因素进行了研究。研究结果表明:在SHEL模型的4个界面和人本身的问题中,操作不当、SOP不当、机组配合/沟通不当、不利的天气和违章是影响飞行安全的主要因素。     

基于扎根理论-贝叶斯网络的消费级无人机事故致因分析（英文）

为了降低日常使用场景中消费级无人机（Unmanned aerial vehicles,UAVs）的事故率,根据消费级无人机事故案例分析了事故致因。通过扎根理论提取事故致因因素,分析了这些因素之间的关系。构建了消费级无人机事故的贝叶斯网络。利用扎根理论-贝叶斯网络,推断出坠落、空中碰撞、失踪和人身伤害4种类型事故的概率。通过对各因素的后验概率进行反向推理,得到了各事故概率最大的因果链。在分析每个因素的敏感性之后,相应地推断出网络中的关键节点。然后分析了消费级无人机事故的致因因素。结果表明,坠落事故概率最高,坠落事故与人身伤害概率最大因果链相关,作为结果节点的各类事故的敏感性分析结果不一致。     

基于贝叶斯网络的空中交通运输系统韧性评价

为准确刻画空中交通运输系统安全保障能力,引入韧性概念评估其抵御风险与恢复水平。建立层次化的贝叶斯网络模型,分析影响空中交通运输系统正常运行因素,评价系统韧性,并对2010—2019年中国空中交通运输系统韧性及变化趋势进行定量分析。通过调整模型各结点,分析因素对系统整体韧性水平的影响,以新冠疫情下底层结点的变化情况为例对系统整体韧性水平变化进行评估。研究结果表明,空中交通运输系统的总体韧性评价值在54%～60 2%之间,且随着社会经济不断发展呈现波动上升的趋势。在新冠疫情影响下系统服务水平受到较大影响,但系统整体仍能维持一定的韧性。贝叶斯网络模型较好地量化了空中交通运输系统韧性,是提高系统韧性的基础,为空中交通运输业可持续发展及抵御冲击提供有效调控策略和理论方法。     

基于模糊层次分析的航空公司安全评估

从管理、运行、维护和机队四个方面,建立了层次结构模型。然后运用三角模糊数来表征专家判断信息,构造三角模糊数互补判断矩阵,最后通过FOWA算子对各个层次的影响因素进行排序,得到其重要性的排序。结果表明该方法能有效地对影响航空公司安全的因素进行评估。     

基于SEM的通用航空公司安全管理能力实证研究

通用航空公司安全管理能力不足已成为制约我国通用航空快速发展的重要因素。本文结合通用航空公司安全管理体系的要求,依据PDCA管理理论,建立了通用航空公司安全管理能力的指标体系,该体系包括4个一级指标和14个二级指标。通过问卷调查,采用结构方程模型(SEM)研究通用航空公司安全管理能力各指标间的关系。结果表明:对安全管理能力的影响排序为:安全执行能力(0.94)安全改进能力(0.92)安全审核能力(0.74)安全策划能力(0.62),从而为提高通航企业安全管理水平提供定量依据。     

基于贝叶斯网络的发动机燃油系统故障诊断

在构建某型发动机燃油系统故障诊断贝叶斯网络模型的基础上,提出逆向推理的最强依赖路径算法,通过该算法可以对故障可能的原因按概率大小进行排序,进而快速、准确地对故障进行定位,从而大大提高复杂系统故障诊断的效率。     

基于特征工程和树增强贝叶斯网络的个人信用评估研究

基于个人信用评估数据的不平衡、高维、非线性等特性,数据集的选取和优化显得尤为重要,文章设计了基于特征工程和树增强贝叶斯网络的个人信用评估模型。首先在数据平衡、特征编码和特征选择的基础上,实现数据集的优化,降低特征维度,简化模型的输入;然后,在树增强贝叶斯分类器上建立信用评估模型;最后以德国信用数据进行实证研究。结果表明,基于特征工程和树增强贝叶斯网络模型降低了复杂度,并有效提升了分类精度,模型稳健性较好。     

基于主成分分析的贝叶斯网络在个人信用评估中的应用

针对信用评估数据的高维、非线性和冗余特点,传统降维和评估方法分类错判率高的难题,提出一种基于主成分分析的贝叶斯分类器在个人信用评估中的方法。首先采用主成分分析方法提取信用评估特征,进行降维处理,消除不必要的冗余信息,简化贝叶斯网络的输入,然后分别在朴素贝叶斯和树增强朴素贝叶斯两种分类器上建立评估模型,最后对评估模型进行验证性实验,并与其他模型进行比较分析。结果表明,应用主成分分析的贝叶斯网络建立的个人信用评估模型简洁,易于推理,提高了个人信用评估的精度。     

基于信息熵的危险天气下终端区管制风险评估

终端区结构复杂、飞机事故多,其中危险天气对航空器的安全运行影响极大,因此有必要对危险天气下终端区管制风险进行评估。针对终端区管制系统运行风险性大、易发不安全事件的问题,提出基于风险信息熵的危险天气条件下终端区管制系统风险评估模型。首先,通过分析危险天气条件下管制系统的运行过程,建立管制系统运行中的熵流模型,然后建立危险天气下终端区管制风险评估指标体系,给出评估指标灰色关联度属性的计算方法,利用其反映出的信息熵确定指标权重,最终建立危险天气下终端区管制风险评估模型,并通过算例验证了模型的可用性和有效性。     

基于机型等级的航线市场细分方法研究

提出了一种基于机型型别等级的航线市场细分方法。该方法先将飞机按座级划分为四个等级,然后根据各航线上每种座位等级的航班比例,利用设计的基于组间组内距离(BWP)指标、以极大极小算法确定初始聚类中心的K-Means集成聚类算法,对选取的35条高客流航线进行精细聚类。聚类结果显示35条航线可以很好地划分为3类航线市场。聚类结果合理且与现实基本吻合,可为飞机制造商设计合适机型、准确预测飞机需求量等活动提供重要的决策依据。     

航空公司航线网络设计的一种三阶段方法

采用三阶段方法来构建航空公司的航线网络,首先利用推广的F loyd算法得到候选航线,然后基于多属性决策方法从候选航线集中选出有效航线构成航线网络,最后结合民航实际建立了航班频率非线性整数规划模型,并采用ILOG软件求解所建模型,从而得到合理的航空公司航线网络设计方案。文中算例证明了本文航线网络设计方法的可行性和有效性。     

基于贝叶斯网的航班过站时间动态估计

一架飞机每天要执行多个航班,从而 形成航班链。前序航班进港后,若估计出飞机在机场的过站时间,后续航班的离港时间便可 较准确给出。文中选取了对航班过站时间影响较为显著的几个因素,运用历史数据,采用最 大似然估计进行贝叶斯网参数学习并获得不同情况下过站时间的估计值。同时,利用贝叶斯 网增量学习的特性,运用航班增量数据基于贝叶斯估计修正贝叶斯网参数,并用新的学习 结果更新过站时间估计值。实验数据表明,所提出的方法能较好地对飞机过站时间进行估计。最后,对影响过站时间的各因素进行了灵敏度分析对比。     

轴辐式航空货运航线网络的构建研究

当前我国多数货运航空公司正处于发展初期,主要以中小型货运航空公司为主。本文结合我国现阶段的实际现状,提出构建严格的无容量限制单一指派的枢纽式货运航线网络,并建立混合整数线性规划模型,然后基于国内实际航线运营数据,利用LINGO软件编程求解,并分别对设置不同枢纽数量进行了讨论分析。     

基于危险评估的自动紧急避撞控制策略

基于车辆危险评估机制,设计了一种集成制动和转向的汽车自动紧急避撞控制策略。首先结合车辆安全性和最优换道轨迹,分析了在紧急工况下车辆制动和转向避撞临界纵向距离,然后建立了基于模糊推理的危险评估模型,该模型输出的危险因子反映车辆发生碰撞的危险程度,并以此建立汽车自动紧急避撞控制策略。最后基于PreScan和MATLAB/Simulink的虚拟平台仿真验证该控制策略的有效性。结果表明自车在跟车行驶时,对比基于碰撞时间倒数(TTC~(-1))单一全制动无法有效避开障碍物的危险工况,该避撞策略能够通过制动和自主换道来避免车辆发生碰撞,提高了车辆安全性。     

基于灰色聚类的民航不安全事件风险评价

为提高民航运行安全水平,以2007-2016年民航不安全事件为数据源,选取事故和典型事故征候事件作为民航不安全事件风险评价指标,构建了基于灰色白化权聚类的民航不安全事件风险评价模型,采用最大离差化原理确定指标权重,以实际运行数据对这10年的民航不安全事件的风险进行了评价。结果表明:基于灰色聚类的风险评价结果与民航实际运行情况基本相符,验证了以事故和典型事故征候为指标的民航不安全事件风险评价体系的合理性,对提高民航安全生产能力有积极意义。     

Risk Index Prediction of Civil Aviation Based on Deep Neural Network

Safety is the foundation of sustainable development in civil aviation. Although catastrophic accidents are rare,indicators of potential incidents and unsafe events frequently materialize. Therefore,a history of unsafe data are considered in predicting safety risks. A deep learning method is adopted for extracting reactions in safety risks. The deep neural network(DNN)model for safety risk prediction is shown to extract complex data characteristics better than a shallow network model. Using extended unsafe data and monthly risk indices,hidden layers and iterations are determined. The effectiveness of DNN is also revealed in comparison with the traditional neural network. Through early risk detection using the method in the paper,airlines and the government can mitigate potential risk and take proactive measures to improve civil aviation safety.     

基于多元评价的跑道侵入风险防控研究

本文从跑道侵入原因入手,利用Delphil法构建了三级评价体系。进一步,应用层次分析法、模糊综合评判法和二次评判法,建立多元评价模型。最后,通过对某机场当前跑道侵入风险的实际量化评价,验证了方法的有效性。分析和计算过程是对跑道侵入风险评估的有效尝试,可为空中交通跑道安全预警和预控管理提供量化参考和决策依据。