基于文本挖掘的空中危险接近事件致因研究

空中危险接近事件是两机相撞事故的前兆事件,传统的依赖于分析人员知识和简单统计的致因分析模型无法适用于大量空中危险接近事件,因此提出了基于文本挖掘的空中危险接近事件致因研究框架,利用潜在狄利克雷分配模型(Latent Dirichlet Allocation, LDA)提取空中危险接近事件致因主题和关键词,基于全局词向量模型(Global Vectors for Word Representation, GloVe)和关键词共现网络分析各个主题及其关键词之间的潜在关系,充分利用全局统计信息以准确挖掘大量事件报告。结果表明：利用LDA挖掘得到组织因素、现场运行管理和应急管理等6个主题,其中人的因素主题重要度最大;基于GloVe词向量模型分析得到现场运行管理主题与应急管理主题、陆空沟通及配合主题与人的因素主题2组主题存在较强关联;“意识”是空中危险接近事件发生的关键细节。提出的致因研究框架可以帮助安全管理人员准确认识和高效利用空中危险接近事件报告等文本数据,同时基于数据分析有效减少了人为分析的主观性,提高了致因分析的效率,为精准防控空中危险接近事件提供基于数据的科学决策支持。     

基于毕达哥拉斯模糊和改进TOPSIS的管制员人为风险评估

为降低由管制员导致的不安全事件比例,客观准确地评估管制员人为风险,确保风险决策的可靠性和有效性.首先,基于HFACS构建了管制员人为风险评估指标体系.其次,利用毕达哥拉斯模糊集将专家评估语言转换为定量信息,运用改进TOPSIS表征各指标之间的相对重要关系,综合评价指标确定风险排序结果,构建了基于毕达哥拉斯模糊和改进TOPSIS的管制员人为风险评估模型.最后,利用所构建的模型对某地区空管局管制员人为风险进行评估,结果表明,管制员身体状态不佳疲劳工作、管制员与飞行员沟通时用语不规范、大流量或冲突等情况下管制员处置能力差等10个指标风险较高,提出了针对性风险应对建议.