基于贝叶斯网络的航空公司安全风险评估研究.pdf

《基于贝叶斯网络的航空公司安全风险评估研究.pdf》由会员分享，可在线阅读，更多相关《基于贝叶斯网络的航空公司安全风险评估研究.pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于贝叶斯网络的航空公司安全风险评估研究 姬志伟;杨英宝;孙益祥【摘 要】本文参考人、机、环境和管理理论,并根据民航相关标准和规则建立航空公司风险评估指标体系.对航空公司实际调查数据进行有效性、归一化处理,用GeNIe 软件构建相应的贝叶斯网络模型,对参数进行学习,获取了各节点的 CPT,据此对模型进行正向推理和反向推理,找出了风险致因较大的因素即人的因素和管理及信息因素.最终对该航空公司风险评估的结果为 76.6.实验结果证明该方法是可行有效的.【期刊名称】中国民航飞行学院学报【年(卷),期】2016(027)006【总页数】5 页(P25-28,32)【关键词】贝叶斯网络;航空公司安全;风

2、险评估;GeNIe;风险致因【作 者】姬志伟;杨英宝;孙益祥【作者单位】浙江长龙航空有限公司 浙江杭州 311207;南京航空航天大学 江苏南京 211106;南京航空航天大学 江苏南京 211106【正文语种】中 文 民航具有资金投入大、技术密集、运行风险高等特点，安全是民航持续发展和赖以生存的重要基础1。当前我国的航空公司、机务维修组织和机场方面都在大力开展安全风险管理工作，而风险评估是航空公司主动预防事故发生的最重要环节。需实现科学的评估，要综合考虑整个指标体系，因此，寻求一种能综合评估航空公司风险的方法，是一个亟待解决的问题。目前国外针对航空公司安全评价的研究有很多，国外研究主要是利用

3、事故率进行评估，采用数理统计方法，对历史事故数据进行统计分析，但由于民航事故的稀发性，限制了此方法的应用2。国内主要采用的方法有：BP 神经网络方法3、模糊综合评价法4、D-S 证据推理方法5等，这些方法大多采用定性的分析，主要采用专家打分的方法，缺少定量数据的支撑，其评估结果的准确性往往比较低。本文在相关研究的基础上，对航空公司进行调研，邀请专家分析影响航空公司风险的影响因素，基于人、机、环境、管理理论，建立了航空公司风险评估指标体系，采用贝叶斯网络建模软件 GeNIe 对其进行仿真。该软件可以对相关数据进行学习得到各风险指标的 CPT，并能进行正向和反向的概率推理计算。该方法可以提升评估的

4、准确度和效率。2.1 指标体系的构建 建立科学合理的指标体系是保证风险评估效果的关键，在建立指标体系前，要收集相关资料，包括民航规则、指标中的相关内容和国内外实践经验。指标体系的建立应满足以下条件：能够反映当前航空公司安全风险状态和隐患情况；能充分利用航空公司调研所得数据；将 MMEM 理论运用到指标体系中。经过对指标体系的初步建立，通过与专家的不断讨论，构建了航空公司风险评估 3 级指标体系6，将航空公司风险评估体系分为人的因素（1）、飞机设备（2）、环境因素（3）、资源限制（4）、管理及信息（5），每个子系统都包含若干指标，具体指标体系如图 1 所示。2.2 评估的技术路线 本文以南京某航

5、空公司为考察对象，数据来源于中国民航局科研项目航班延误波及民航安全风险评估技术研究所用调查问卷，对调查问卷要进行有效性筛选，然后进行归一化处理，目的是使数据符合参数学习所需格式，整个评估过程如图 2所示。2.3 建立评价集 在进行航空公司安全风险评估时要建立相应的评价集，在建立评价等级时，将评价等级分为 4 个等级7，即 V=v1,v2,v3,v4=优，良，中，差，评级等级是一个集合范围，可以用其平均值来表示。表 1 为评价等级与评价结果对照表。3.1 贝叶斯网络概述 贝叶斯网络是 1988 年由 Pearl7提出的，以表示系统不确定性，进行概率推理的一种有效方法。可以利用数学模型和计算机有关

6、知识将不同来源的数据和不确定性因素结合起来，是概率推理、人工智能、决策理论等相结合的产物，近年来已广泛应用于预测、因果分析和诊断分析等领域。贝叶斯网络用 N=来描述，G 代表有向无循环图，P 为每个变量在它父节点下的条件概率，通过在每个节点上制定一个条件概率表（CPT）来表示。贝叶斯网络的各节点由父节点指向子节点，没有父节点的节点成为根节点，贝叶斯网络的典型连接方式有分连、汇连和顺连。3.2 贝叶斯公式 贝叶斯公式的事件描述形式为：设 为实验 E 的样本空间，A1，A2，Ai 是 的一个划分，若事件组 A1，A2，Ai 以及事件 B 满足以上条件，且 P（Ai）0，P(Bi)0，则我们称 为贝

7、叶斯公式，具体推导过程详见文献8。由贝叶斯公式可以看出：导致 B 事件发生的原因有 Ai 个(i=1,2,，n)，且它们之间互不相融，如果事件B 确已发生，则可以利用贝叶斯公式来推算它是由Ai 所导致的概率，即从结果来推导原因。3.3 构建贝叶斯网络拓扑模型 根据图 1 所示可以看出，各层指标与上层关系是贝叶斯网络中的汇连关系，即上层指标的概率是下层指标推断出来的，如航空公司风险评估这一总指标 A 是由 5个一级指标人的因素（1）、飞机设备（2）、环境因素（3）、资源限制（4）、管理及信息（5）来确定的，而一级指标是由二级指标 1.15.6 来确定。为了更清楚直观地表示各节点之间的关系，贝叶斯

8、模型中仅使用图 1 中各指标所对应的数字来表示，如用数字 1，2，3，4，5 这 5 个一级指标作为总指标 A 的父节点，指向 A，而 1.15.6 这 26 个二级指标作为 1，2，3，4，5 的父节点，指向它们。经过以上分析，利用匹兹堡大学决策系统实验室开发的 GeNIe 软件，构建了航空公司风险评估的贝叶斯网络模型，如图 3 所示。3.4 贝叶斯网络的参数学习 贝叶斯网络的参数学习是建立贝叶斯网络的基础，对数据的分析与整理将直接影响贝叶斯网络学习的结果。本文对南京某航空公司的 55 份调查问卷，用 SPSS 进行有效性处理，最终得到 48 份有效问卷。因为数据量少，为减少误差影响，将各个

9、节点的评价只分为 a，b 两类，a 表示指标致因强度为 1,2,3 即为小（调查问卷中所用致因强度），b 表示该指标致因强度为 4,5，即为大。在得到 48 份训练样本后，要确定贝叶斯网络学习的方法，常用方法有MATLAB-BNT10工具箱，Netica，GeNIe 等，本文选用由匹兹堡大学决策实验室开发的GeNIe 软件，该软件可以清楚直观地了解各指标的致因强度和概率值。通过建模分析软件 GeNIe 来对南京某航空公司安全风险进行评估，分析整理后的48 份风险致因训练样本结果如表 2 所示。训练样本保存为.txt 格式，导入 GeNIe 软件中，可以得出每个指标的条件概率表和概率值，最后得到

10、的航空公司风险评估值 P(风险等级=a)=77.6%，P（风险等级=b）=23.4%，如图 4 所示。对照 1.3 节所设的评价等级，可知该航空公司安全风险评价级别为良。贝叶斯网络不仅能进行正向推理还能进行反向推理，在得到航空公司风险评估训练模型后，令风险发生的概率最大，即设 b=0.99，可以得到其他各节点 p(a)和 p(b)的发生概率，各节点概率分布如表 3 所示。从表 3 中可以看出，当航空公司风险为 b 发生时，一级指标中 1（人的因素）的发生概率为 80.7%，5（管理及信息）的发生概率为 55.1%，这两个指标相对较高，说明在风险发生时人的因素和管理及信息因素的致因强度高，在控制

11、航空公司安全风险时应加强人的管理和管理措施的改善。在二级指标中，p(b=99%)55%的指标有 11 个，占比达 42.3%，人的因素中员工结构和飞行员素质的概率都超过了 60%，另外在管理因素也有一半指标都超过50%，说明该航空公司要重视人的因素和管理因素，加强员工结构和飞行员素质的提升以及监管系统和员工激励这一块，保证民航生产活动的安全运行。本文的评估结果可以为航空公司今后的运行和管理工作提供一个有效的参考。民航安全涉及因素众多，本文在前人研究成果的基础上，建立了航空公司风险评估指标体系，然后利用贝叶斯网络模型对其进行评价分析，贝叶斯具有处理不确定性问题和推理的能力。本文基于贝叶斯网络所构

12、建的模型，不仅能处理节点间复杂的逻辑关系，还能很好地表达变量间不确定性关系。相比于其他方法所需样本少，学习时间快，评估结果准确，显示更加直观，而且可以根据评估结果推出风险致因，找出风险致因大的因素。本文所需方法对其他领域风险评估也具有参考意义。1 杨英宝.民航安全系统工程M.北京：中国民航出版社，2013 2 Chang Y H.The Status and Perspective of Taiwans Civil Aviation SafetyJ.Civil Aviation Journal Quarterly,1999,1:124 3 王浩锋.基于 BP 神经网络的民用航空航段安全风险评估

13、J.信息与电子工程，2010(5)：612-615 4 马国忠，米文勇，刘晓东.民航系统安全的多层次模糊评估方法J.西南交通大学学报，2007(1)：104-109 5 王华伟，左洪福.航空公司安全评估研究J.系统工程，2006（2）：46-51 6 薛漾，王建新，厉耀威.基于贝叶斯网络的航班延误与风险共因性研究J.航空计算技术，2015（1）：48:51 7 金灿灿，左洪福，张莹，白方.基于 BBN 的航空公司风险评估技术研究J.航空学报，2013(3)：588-595 8 PEARL J.Probabilistic Reasoning in Intelligent Systems:Networks of Plausible InferenceM.Palo Alto:Morgan Kaufmann,1988 9 王双成.贝叶斯网络学习、推理与应用M.上海：立信会计出版社,2010 10 刘勃，周荷琴.基于贝叶斯网路的网络安全评估方法研究J.计算机工程，2004(22)：111-113