QAR数据在飞行安全评价中的应用_孙瑞山.docx

第 2 5 卷第 7 期 2 0 1 5年 7 月 中国安全科学学报 China Safety Science Journal Vol. 25No. 7 Jul . 2 0 15 QAR数据在飞行安全评价中的应用 # 幸氺 孙瑞山 u 教 授 杨 泽 煊 汪 羞 1>2 助 理 研 究 员 (1 中国民航大学民航安全科学研究所，天津 300300 2 国家空管运行安全技术重点实验室，天津 300300) 学科分类与代码 :6203070(安全系统工程 ） 中图分类号 :X949 文献标志码 :A 基金项目 :国家自然科学基金资助 (61304207, U1333112)。 【摘要】为提高航班飞行安全水平，帮助航空公司制定有针对性的飞行技术提升措施，采用 QAR 数据建立飞行安全评价模型。模型以 QAR 超限事件为评价指标 ,通过确定白化权函数，并利用离差 最大化原理得到各指标权重 ;再应用灰色聚类方法评价一定时期内的飞行安全水平；最后以某航空 公司B737400机队 2014年度 QAR 超限频率较高的 5类实例事件对评价模型进行验证。结果表 明：该公司6 月、 9 月、 12 月运行情况很好，而 1 月、 7 月运行情况很差，这一结果与实际情况基本吻 合，证明模型适用于飞行安全评价。 【关键词】快速存取记录器 （ QAR);飞行安全评价；飞行数据；离差最大化；灰色聚类 Study on flight safety evaluation based on QAR data SUN Rui-shan YANG Yi-xuan WANG Lei (1 Research Institute of Civil Aviation Safety,Civil Aviation University of China,Tianjin 300300,China 2 National Key Laboratory of Air Traffic Operation Safety Technology,Tianjin 300300, China) Abstract ： The aim of this study is to establish a safety evaluation model for evaluating the flight safety level objectively and precisely based on the flight QAR data. The model built by the authors chose QAR exceedance events as evaluation indexes. By using white function and maximizing deviations method, the weight of each index could be determined. Then, the grey clustering method was applied to get the evaluation results. Finally, data on five kinds of most frequently occurred QAR exceedance events of a certain airline B737-800 fleet during 2014 was used to verify the model. The results show that the flight performances in June, September and December are the best while the ones in January and July are the worst. The evaluation result conforms basically with the practical situation. Therefore, the model can be used to objectively and precisely evaluate the flight safety level. Key words： quick access recorder (QAR) ； flight safety evaluation； flight data； maximizing deviations method； grey clustering 引言 随着航空安全保障技术的发展，航空事故的发 生率正在逐年下降，但与此同时，可能导致事故的不 安全事件却频频发生。为及时发现飞行中的安全隐 患，防止不安全事件酿成事故，中国民航局 1997 年 强制要求 1，国内注册的商用飞机必须安装快速存 * * 取记录器 (quick access recorder, QAR)，记录飞机飞 行过程中的一系列参数。到目前为止， QAR 数据多 用于超限管理，并未充分用于飞行安全评价 ,导致大 量记录信息被浪费。 国内外学者在应用 QAR 方面主要围绕飞行性 能监控，例如，孙瑞山等 U利用 Kruskal-Wallis 检验， 找出了飞机爬升速度大、下降率大及接地点远 3 个 * 文章编号： 1 3 -3033 (2015)07 -0087 -06; DOI： 10.16265/j. cnki. issnl 03 - 3033.2015.07.014 收稿日期 :2015-04-08;修稿日期 :2015-05-10 *通信作者 :杨绎煊（ 1990-)，女，甘肃平凉人，硕士研究生，研究方向为民航安全管理 D E-maiwngUKS.com。 88 中 国 安 全 科 学 学报 China Safety Science Journal 第 25卷 2015 年 事件的影响因素中正常数据与 QAR超限数据的差 异 ;祁明亮等 3针对着陆阶段某一超限事件，选取 飞行员操作指标建立数学模型，诊断 QAR 超限事件 发生的高风险子空间 ;汪磊等 4800机队轻度起限次数汇总 Table 1 Frequency of exceedance events of B737-800 in 2014 FI /八 xi X2 X3 X4 xs 月份 接地点远 着陆坡度大 初始爬升速度大 500 50 英尺下降率大 2 000 1 000 英尺下降率大 01 207 14 51 19 3 02 152 13 46 14 3 03 109 17 48 11 8 04 162 15 49 9 3 05 143 31 45 13 11 06 209 11 21 5 9 07 211 11 29 14 4 08 207 14 23 12 5 09 199 11 36 4 8 10 144 19 27 15 5 11 99 20 41 8 4 12 94 18 55 7 1 根据已建立的评价模型 ,评价航空公司 2014 年 度的飞行安全水平。在此将航空公司飞行安全水平 划分为好、较好、一般、差等 4 个灰类，即 s = 4。灰 类 好 属于下限测度白化权函数， 较好 和 “ 一 般 属于适中测度白化权函数， 差 ” 属于上限测度 白化权函数。结合实际飞行条件和已知的数据变化 范围，得到y 指标 A 子类的白化权函数 _( * )(> = 1， 2 , 3 , 4 ; A = 1 , 2 , 3 , 4 )见表 2。 表 2各指标白化权函数， Table 2 Whitening weight function of each index 指标 k = 1 k = 2 k = 3 k = 4 J = 1 -,-,90,120 / 105,135, ,165 135,165, ,195 / 180,210, ， 一 J = 2 AL 一，一 ， i i5 12.5,17.5, ,22.5 /； 17.5,22.5,27.5 25,30, , j = 3 A > ,20,28 24,32,-,40 32,40 ,-,48 A 44,52,一 , y = 4 AL ，一 J5,10 7.5,12.5, ,17.5 12.5,17.5, ,22.5 A 20 *25, , j = 5 s一，一 ,2.5,5 /53. 75,6.25,-,8.75 6.25,8. 75, ,11.25 10,12. 5, ， 根据式 （ 1)一式 （ 3)计算 4 个灰类下各指标的 份所占的权重矩阵如下 : 白化权函数值，并由式 （ 6)、式 （ 7)得各指标在各月 第 7 期 孙瑞山等： QAR 数 据 在 飞 行 安 全 评 价 中 的 应 用 91 . Va = 0.247 1 0.231 1 0.124 2 0.2894 0.228 0 0*212 9 0.273 3 0.2734 0.1624 0.2513 0.225 2 -0“ 197 0 0.100 7 0.140 8 0.271 8 0.155 0 01277 4 0.176 1 0.218 7 0. Ill 4 0.205 1 0.251 3 0.214 5 0.212 1 0.2103 0.108 3 0.151 0 0.193 8 0.115 6 0.1927 0.170 8 0.189 9 0.170 9 0.130 9 0.2815 0.227 3 0.192 2 0.2599 0.2114 0.113 7 0.2589 0.2202 0.218 7 0.2734 0.2564 0.2094 0.139 4 0.1364 0.219 6' 0.259 9 0 . 2 W 6 0.248 1 0.120 2 0.198 2 0.118 5 0.151 9 0.205 1 0.1S7 1 0.139 4 0.227 3- 根据灰色聚类系数心 = 得，当 =1 j=i 时 (7 丨 =0. 195 8，同理可得 erf = 0. 030 2， crf = 0. 134 5，tr| = 0.432 7，由此即得 = ( 丨， ，flrf， )。因此可计算得。， ， (r12，最终得出该公司 2014年度 B737-800 机型的飞行安全情况见表 3。 表 3 2014年度某航空公司 B737-800机型安全评价结果 Table 3 Evaluation results of a certain airlines B737-800 fleet in 2014 月份 maxCor1， <r2， r3， a4) 评价结果 01 4 差 02 2 较好 03 较好 04 3 一般 05 较好 06 1 cr 好 07 cr4 1 差 08 (X2 较好 09 a 好 10 2 较好 11 (T 一般 12 a 好 实际调研发现，公司 6 月、 9 月、 12 月组织了模 拟机复训，以提高机组的基本操作技能，并约谈 QAR 超限重点人，最终取得了良好效果。 2 月、 3 月、 5月、 8 月、 10 月由于阵风和雷雨天气的出现， 运行情况受到轻微影响。但因公司提前采取防范措 施，机组提高了警惕性。 4 月、 11 月换季气候条件复 杂，导致机队运行情况下跌。 1 月、 7 月公司增加航 班、换大飞机，以应对客流量的增加，机组执勤时间 随之增加 ,超限次数也相应增加。综上所述 ,评价结 果与实际调研情况基本吻合。该评价结果显示，公 司的飞行安全状况不够稳定，缺少长期有效的运行 监督机制。安全教育和培训会直接影响短期内运行 情况，但难以形成长期效果，导致运行情况在好、较 好 、一 般和差之间出现较大波动。 4 结论 1) 基于 QAR 数据建立飞行安全评价模型，选 取QAR 超限事件作为评价指标，依据离差最大化的 灰色聚类原理，确定各指标权重，并进行评价，得出 基于真实飞行数据的客观评价结果。 2) 应用某航空公司 B737-800 机型 2014 年的 QAR数据 ,验证了评价模型的适用性和有效性，评 价结果与实际运行情况基本吻合。该评价模型的指 标选取具有一定的灵活性，可按照航空公司具体情 况进行调整。 3) 下一步可将模型软件化，以提高评价效率， 实现飞行安全的实时评价，为航空公司及时制定管 控措施提供依据。 参 考 文 献 1 CAD1997-MULT-38,关于加装快速存储记录器 （ QAR)的规定 S. CAD1997-MULT-38, Stipulation as to adaition of quick access TecorderS. 2 孙瑞山，韩文律 .基于差异检验的飞行超限事件参数特征分析 J.中国安全生产科学技术， 2011,7(2) :22 -27. SUN Rui-shan, HAN Wen-1. Analysis on parameters characteristics of flight exceedance events based on distinction testj. Journal of Safety Science and Technology, 2011,7(2) ； 22 - 27. 3 卒圖亮，部雪焱，池宏 .QAR 超限事件飞行操作纖珍断方法 J“北京学学振， 2011,37(10):1 207-1 210. QI Ming-liang, SHAO Xue-yan, CHI Hong. Flight operations risk diagnosis method on quick-access-record exceedanceJ3. Journal of Beijing University of Aeronautics and Astronautics, 2011,37(10) ： 1 207 -1 210. 4 圧磊，孙瑞山 ,吴昌旭，等 基于飞行 QAR数据的重着陆风险定量评价模型 J.中国安全科学学报 2014, 24(2): 88 -92. 92 中国安全 学学报 China Safety Science Journal 第 25卷 2015 年 WANG Lei, SUN Rui-shan, WU Chang-xu, et al. A flight QAR data based model for hard landing risk quantitative evalu- ationj. China Safety Science Journal, 2014, 242) ： 88 -92. 5 WANG Lei, WU Chang-xu, SUN Rui-shan. An analysis of flight quick access recorder (QAR) data and it?s applications in preventing landing incidentsJ* Reliability Engineering & System Safety, 2014, 127 ： 85 -96. 6 Javensius Sembiring, Ludwig Drees, Florian Holzapfel. Extractii unmeasured parameters based on quick access recorder data usii parameter-estimation methodCj. Guidance, Navigation, and Control and Co-located Conferences, 2013-.1 -11. 7 H Haverdings, P W Chan. Quick accs recorder (QAR) data analysis software for windshear and turbulence studiesC. l8t AIAA Atmosphere and Space Environments Conference, 2(X)9： 1 -14. 8 唐卫贞 .基于物元模型的航空公司飞行安全风险綜合评价 J.安全与环境学报 ,2015,15(2) :24 -29. TANG Wei-zhen. Comprehensive evaluation for the airline flight safety risk based on the matter-elements modelJ, Journal of Safety and Environment, 2015, 15(2) ： 24 -29. 9 王新，李祥 “飞行安全模糊综合评价模型研究 J“安全与环境学报 ,2008,8(3) :150 -152. WANG Xin, LI Xiang. On the new fuzzy comprehensive evaluation model for flying safety J. Journal of Safety and Environment, 2008 , 8(3) ： 150 152. l 文军 .航空公司安全系统风险的模糊綜合评价研究 J.中国安全生产科学技术 ,2010， 6(1) :44 -48. WEN Jun. Fuzzy comprehensive evaluation of risk in airline safety systemj. Journal of Safety Science and Technology, 2010, 6(1) ：44 - 48. 11 董一哲 ,党耀国 .基于离差最大化的灰色聚类方法 J.系统工程理论与实践 ,2009,29(9):141 -146. DONGYi-zhe, DANG Yao-guo. Grey clustering method based on maximizing deviationsJ. Systems Engineering-Theory & Practice, 2009, 29(9) ： 141 -146. 12 邓聚龙 .灰理论基础 M“武汉 :华中科技大学出版社 ,2002:151 -154. DENG Ju-long. The theory of greyM. Wuhan： Huazhong University of Science and Technology Press, 2002； 151 - 154. 13 邓聚龙 “灰色系统基本方法 M.武汉 :华中科技大学出版社 ,2004:130 -138. DENG ju-long. The primary methods of grey system theoryf M. Wuhan ： Huazhong University of Science and Technology Press 32004： 130-138 M刘思峰，謝乃明 “灰色系统理论及其应用 (第 4版 M.北京 :科学出版社 ,2008:74 - 93. LIU Si-feng, XIE Nai-ming, The grey system theory and its application(4th Edition)M. Beijing； Science Press, 2008； 74-93. 作者简介：孙瑞山 （ 1958-)， 男，天津宝坻人，硕士，教授，主要从事航空安全中的人为因素、民航安全 管理、飞机性能等方面的研究。 E-mail:sunrsh hotmaiL com。