1、现代计算机Modern Computer第 29 卷 第 12 期2023 年 6 月 25 日基于超限事件的航班运行风险动态评估罗凤娥，赵强*，张鑫，杨思瀚（中国民用航空飞行学院空中交通管理学院，广汉 618300）摘要：为降低航班的运行风险，提高运行的安全水平，通过基于SPRINT的动态决策树算法，研究航班运行风险的动态评估。以某航空公司A320机队2016年3月份发生频率最高的五类QAR超限事件作为评价指标，分析飞行监控标准的风险阈值与超限事件的风险度，进而将航班运行风险划分为低风险、中等风险、高风险三类风险级别。通过改进SPRINT传统决策树算法，使其适应不断产生的航班运行风险数据，在
2、旧树的基础上不断更新生成分类准确度更高的决策树。结果表明：该系统可通过对航班运行风险数据的准确分类，实现航班运行风险级别的评定，对提高航班运行安全有重要意义。关键词：航空安全；运行风险；动态评估；超限事件；决策树文章编号:10071423（2023）12002205DOI:10.3969/j.issn.10071423.2023.12.004收稿日期：20230303修稿日期：20230323作者简介：罗凤娥（1972），女，重庆人，硕士，教授，研究方向为航空公司运行控制；*通信作者：赵强（1998），男，山东临沂人，硕士研究生，研究方向为空中交通管理（签派），Email：；张鑫（1996），
3、男，山东淄博人，硕士研究生，研究方向为航空公司运行控制；杨思瀚（1999），男，浙江绍兴人，硕士研究生，研究方向为空中交通管理（签派）0引言近几十年来，我国民航领域快速发展的同时，人们对航班运行安全程度的要求也在提升。中国航空安全报告显示，我国运输航空事故征候万时率在逐年上升，说明我国的民航航空事故发生率虽然处于较低水平，但航班运行的安全隐患以及不安全事件有增长的趋势。由于风险具有累积性和动态性的特点，如果不能对安全隐患做到及时发现、及时分析、及时避免，很可能会造成事故的发生，严重威胁着民航的飞行安全1。因此，以超限事件为指标，研究航班运行风险的动态评估，能够快速、准确地识别航班风险，并能根据
4、具体的超限事件有针对地训练飞行驾驶员，提高航班运行安全。目前，中国民航关于航班运行的评价指标多围绕“人机环管”四个方面，例如唐卫贞2采用物元理论法从这四个方面确定了影响飞行安全的重要因素；王新等3从这四个方面建立评价指标体系，并利用模糊数学理论法对飞行安全进行了综合评价。笔者认为，从人、机、环境和管理四方面出发建立的评价体系难以客观地确定各指标的权重，也容易忽略某些指标所产生的重要影响4，为此，本文采用QAR超限事件建立评价体系。传统的决策树算法只针对静态的数据集，没有考虑数据的动态变化，但是现实生活中数据集大多数都是动态变化的，比如航空公司的QAR数据库每天更新上百万条数据，虽然Utgoff
5、等5在90年代提出的ID5R算法初步解决了这个问题，但此算法忽视了新数据集中出现新类标签的情况。本文采用的基于SPRINT的动态决策树算法可以解决这个问题，并且能够快速处理航空公司每天更新的大量航班运行风险数据，生成分类准确度更高的决策树，有利于航空公司对航班运行风险作出更准确的分析，从而大幅度提高航班的运行安全。22罗凤娥等：基于超限事件的航班运行风险动态评估第12期1航班运行风险的评价1 1.1 1QARQAR数据与数据与QARQAR超限事件超限事件快速存取记录器（quick access recorder，QAR）是飞行数据记录器的升级版本，具有存储容量大、速度快的优点。航空公司在实施飞
6、行品质监控时，对QAR数据的分析是其最重要的内容，最常用的QAR数据分析方法是根据每次航班的QAR超限事件评价航班的运行风险6。QAR超限事件指的是在特定飞行阶段或飞行时刻QAR所记录的参数超出所监控标准的不安全事件。1 1.2 2确定确定QARQAR超限事件评估指标超限事件评估指标航空公司必须严格按照飞行品质监控的要求，由专业的飞行品质分析人员对QAR记录的飞行参数进行研究评估。并且借助软件筛选QAR数据，把每次航班的QAR超限事件统计成表，因此超限事件能够客观反映每架航班的运行风险7。结合某公司A320机队2016年3月份QAR超限事件实际数据统计，将发生次数较高且有研究价值的五类超限事件
7、作为评估指标，分别为：下降率大、15 至接地距离远、近地警告、TCAS RA警告、着陆放起落架晚。统计数据见表1，连续型超限事件所涉及的飞行参数与阈值标准见表2。1 1.3 3航班运行风险的等级划分航班运行风险的等级划分由于QAR超限事件能够客观反映航班运行的优劣状态，所以历来是飞行专家分析的主要内容。专家对五类超限事件风险度的打分结果见表3。依据各位专家对超限事件的打分结果，将航班的运行风险划分为低风险、中等风险、高风险三个等级。评价为低风险时，说明该次航班的飞行驾驶员技术符合安全运行的要求；评价为中等风险时，说明飞行驾驶员在这次航班的表现水平一般，需提醒驾驶员注意该次航班发生的超限事件；评
8、价为高风险时，应对本架航班的飞行驾驶员根据所发生的超限事件进行有针对性的培训。本文选取该公司2016年4月份某天10架航班运行的数据为例进行评价，并将此作为动态决策树的训练集进行模型的建立。评价结果见表4。表 1航空公司某月A320超限事件分析统计序号X1X2X3X4X5X6X7X8事件名称下降率大15 m至接地距离远近地警告TCAS RA警告着陆放起落架晚转弯滑行速度大抬前轮速度大抖杆警告第一周8157109726第二周1269711553第三周11913127583第四周911969312注：TCAS RA（traffic collision avoidance system resolu
9、tion advisory）为空中交通防撞系统决断提示表 2连续型超限事件飞行参数与阈值标准连续型超限事件下降率大15 m至接地距离远飞行参数惯性垂直速度/（mmin-1）15 m至接地距离/m蓝色预警450950橙色预警548.641050红色预警表 3五类超限事件风险度打分结果离散型超限事件名称近地警告TCAS RA警告着陆放起落架晚风险度0.50.50.3连续型超限事件名称下降率大15 m至接地距离远飞行参数惯性垂直速度/（mmin-1）15 m至接地距离/m蓝色预警450950风险度0.20.2橙色预警548.641050风险度0.30.3 23现代计算机2023年2动态决策树的思想决
10、策树构造有ID3、C4.5、CART等算法8，但是只有SPRINT算法不受内存的限制，并且能够实现并行化，适用于处理连续和离散字段9。动态决策树就是利用SPRINT算法这一优点将其与递增式学习相结合来处理不断增长的训练集，从而生成一棵适应动态变化且分类准确度更高的决策树。动态决策树算法的中心思想是利用已有的训练集生成初始决策树，采用递增式方法不断学习新增加的数据修改决策树，即当每个新增加的样本进入决策树时，根节点上的测试函数会不断地进行计算，以实现对该样本的反复划分，直到叶子节点出现，样本被划分到叶子节点的方式有以下两种10：（1）如果测试函数划分样本的最终类别与叶子节点的类别相同，只需将样本
11、保存在叶子节点上即可。（2）如果测试函数划分样本的最终类别与叶子节点的类别不相同，需根据测试函数的选择标准决定该叶子节点是否扩展为一个新的内部节点，根据新内部节点的测试函数将该样本与叶子节点上的原样本重新划分到新内部节点的不同分支上。在对增加样本的划分过程中，生成的新决策树并非最优，特别是训练集被改变的节点，测试函数一般不是最优测试，需要重新计算此类内部节点的 gini最小值，判断是否为最优测试，如果计算的结果仍是最优测试，则不做任何变动；否则需要提升测试函数，重构以该节点为根的子树11。3实现过程3 3.1 1构构造初始决策树造初始决策树（1）SPRINT算法数据结构。利用SPRINT算法及
12、最初的航班运行风险数据集建立决策树。SPRINT算法使用的数据结构主要有表示类分布信息的属性列表和计算对应节点最佳分割属性的直方图，连续属性的直方图有两个，分别用Cbelow和Cabove表示12。连续属性惯性垂直速度的属性列表13与分裂过程中的直方图信息分别见表5和表6。表 5连续属性惯性垂直速度的属性列表Position 6惯性垂直速度/（mmin-1）423431443456502518569570574585风险中低高低高中低低高低记录号表 6分裂过程中的直方图信息CbelowCabove低风险23中等风险20高风险21（2）计算最佳分裂。采用gini指数法搜索最佳分裂点，选取 gin
13、i指数最小的分割为最佳分割。设数据集S的n条记录属于c个互不相关的类14，集合S的gini值计算公式如下：表 4航班运行风险评价结果记录号惯性垂直速度/（mmin-1）45657058542343144351856957450215 m至接地距离/m9209279629789249411 0641 0711 002978近地警告无有无有无有无无有有TCAS RA警告无无有无无有有无无有着陆放起落架晚有无无有有有无无有有风险低低低中等低高中等低高高 24罗凤娥等：基于超限事件的航班运行风险动态评估第12期gini()S=1-j=1cp2j（1）式中，pj=m n，m为S中属于类j的记录数。使用分
14、裂规则cond将S划分为S1和S2两个子集的度量值gini（S,cond），计算公式如下：gini()S,cond=n1ngini()S1+n2ngini(S2)（2）式中：n1、n2分别为S1、S2的记录数，计算公式表明，gini()S，cond值越小，表明分裂规则越好。数值型属性与离散型属性寻找最佳分割点的方式是不同的，数值型属性根据排序结果选择候选分裂点，假设排序结果为 Y1，Y2，Y3，Yn，通常取Y=(Yi+Yi+1)/2作为候选分裂点，从产生的（n-1）个候选分裂点中选取gini值最小点作为候选最佳分裂点。对离散型属性而言，设有 m 个不同的取值，将 m 个值分成两个集合，共有2m
15、种划分，计算每种划分的gini值，并把最小值作为候选最佳分裂15。根据各个属性gini值的计算结果，最终得到近地警告为最佳分裂属性，近地警告的gini值见表7。表 7近地警告gini值S1 有警告无警告有警告，无警告S2有警告，无警告无警告有警告 gini值0.620.440.440.62（3）生成决策树。按照此分裂方式从根节点开始直到生成叶子节点为止，得到SPRINT算法构造的初始决策树，如图1所示。N11N10N9N8N7N6N5N4N3N2N1近地警告惯性垂直速度433中等风险15m至接地距离934低风险高风险TCAS RA警告低风险着陆放起落架晚低风险中等风险是否是否否是是否否是（）（
16、）（）（）（）（）图 1决策树13 3.2 2构构造适应动态变化的决策树造适应动态变化的决策树将同一天某航班运行的数据作为新增加的样本进入决策树，该航班的运行数据及评价结果见表8。当该样本进入决策树时，首先从N1节点开始划分，根据测试函数经N2、N5节点到达N8叶子节点，因为该样本的类别与叶子节点N8的类别不同，将N8作为内部的节点，并把该样本加入到N8的训练集当中，重新寻找到新的测试函数着陆放起落架晚，生成如图2所示的决策树。由于新生成的决策树中以N5节点为根的决策树并非最优，于是将N8点的测试函数着陆放起落架晚提升至 N5点16，得到的最优决策树如图3所示。表 8新增加的样本数据记录号惯性
17、垂直速度/（mmin-1）46415 m至接地距离/m931近地警告有TCAS RA警告无着陆放起落架晚有风险高N11N10N8N7N6N5N4N3N2N1近地警告惯性垂直速度433中等风险15m至接地距离934高风险TCAS RA警告低风险着陆放起落架晚低风险中等风险是否是否否是是否否是N9（）（）（）（）（）着陆放起落架晚低风险高风险否是()（）N12N13N11N10N9N8N7N6N5N4N3N2N1近地警告惯性垂直速度433中等风险高风险TCAS RA警告低风险着陆放起落架晚低风险中等风险是否是否否是是否否是（）（）（）（）（）着陆放起落架晚低风险（）图 2决策树2图 3决策树3 2
18、5现代计算机2023年Dynamic assessment of flight operation risk based on overrun eventLuo Feng e,Zhao Qiang*,Zhang Xin,Yang Sihan（School of Air Traffic Management,Civil Aviation Flight University of China,Guanghan 618307,China）Abstract:In order to reduce the flight operation risk and improve the operation sa
19、fety level,the dynamic evaluation of flightoperation risk is studied by using the dynamic decision tree algorithm based on sprint.Taking the five types of QAR overrun eventswith the highest frequency of an airline s A320 fleet in March 2016 as the evaluation index,the risk threshold of flight monito
20、ringstandards and the risk degree of overrun events are analyzed,and then the flight operation risk is divided into three risk levels:lowrisk,medium risk and high risk.By improving sprint s traditional decision tree algorithm,it can adapt to the constantly generatedflight operation risk data,and con
21、stantly update the old tree to generate a decision tree with higher classification accuracy.The research shows that the system can realize the evaluation of flight operation risk level through the accurate classification of flight operation risk data,which is of great significance to improve flight
22、operation safety.Keywords:aviation safety;operational risk;dynamic research;overrun event;decision tree4结语所提出的动态决策树算法实现了对不断增长的航班运行风险数据的准确分类，通过判断样本与叶子节点的类别选择具体的情况完善决策树，生成适应航班运行数据动态增长决策树。航空公司可利用此分类方法实现对航班运行风险的准确识别，并能根据具体的超限事件有针对地训练飞行驾驶员，为提高航空公司的航班运行安全提供了一种新思路。参考文献：1 万健，夏正洪，王剑辉，等.基于QAR超限事件的民航飞行安全风险评价方法
23、 J.科技导报，2019，37（11）：101108.2 唐卫贞.基于物元模型的航空公司飞行安全风险综合评价 J.安全与环境学报，2015，15（2）：2529.3 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（3）：150152.4 王剑辉，邓伟，夏正洪，等.运输航空飞行安全风险评价方法 J.中国安全科学学报，2019，29（12）：110116.5 UTGOFF P E，BERKMAN N C，Clouse J A.Decision tree induction based on efficient tree restructuring J.Machine Lea
24、rning，1997，29（1）：544.6 杨绎煊.基于QAR数据的航班运行安全风险研究D.天津：中国民航大学，2016：1420.7 李珊.基于QAR数据分析的航空公司运行品质研究 D.广汉：中国民用航空飞行学院，2020：3641.8 张新生，蔡宝泉.基于改进随机森林模型的海底管道腐蚀预测 J.中国安全科学学报，2021，31（8）：6974.9 雷炜.基于SPRINT分类算法进行医学预后分析的研究与应用 J.现代计算机（专业版），2008（10）：6779.10 迟庆云.一种动态的决策树算法研究 J.邵阳学院学报（自然科学版），2007（3）：3941.11 张青.决策树分类算法的研究
25、与改进 D.郑州：郑州大学，2002.12 魏红宁.基于SPRINT方法的并行决策树分类研究J.计算机应用，2005（1）：3941.13 罗可，张学茂.SPRINT 算法及其改进方法 J.计算机工程与应用，2005（32）：182184，193.14 刘友军，汪林林.SPRINT 算法的改进 J.计算机工程，2006（16）：5557.15 于蕾，刘大有，高滢，等.改进SPRINT算法及其在分布式环境下的研究 J.吉林大学学报（理学版），2008，46（6）：11191124.16 HANCOCK J T，KHOSHGOFTAAR T M.Gradient boosted decision tree algorithms for medicarefraud detectionJ.SN Computer Science，2021，2（4）：268.26