基于模糊BN和SHELLO模型的管制人为因素安全风险分析

为量化空中交通管理人为因素安全风险,识别相关风险的关键事件,将组织因素引入传统SHELL模型,将其拓展成新的空管人为因素分析模型SHELLO。利用贝叶斯网络,构建事故的致因关系。利用5年统计资料,计算管制员本身(L)、管制员与其他人员之间(L-L)、管制员与软件之间(L-S)、管制员与硬件之间(L-H)、管制员与环境之间(L-E)、管制员与组织之间(L-O)各基本风险事件的条件概率。针对"航空器之间距离小于规定间隔"事件进行了案例研究。结果表明:当这种事件发生时,有75%的概率与L因素有关,57%的概率与L-S有关,53%的概率与L-H有关,管制员自身是造成该事件的关键原因。

管制扇区的优化及对航空运营的影响

随着我国民航运输量不断增加，一些空域会出现管制负荷超出管制员所能承受范围的现象，同时因为管制原因导致的飞行流量控制增多，给飞行安全带来极大不利影响，同时影响到航空公司运营。这些都对管制人员的工作效率和各项资源的利用率提出了更高要求。本文利用算法几何的思想建立Voronoi图，对空域中的Voronoi多边形进行优化组合，并使优化组合的新解满足空域划分的基本原则。因而使得Voronoi多边形组合集合的边界就是优化的扇区边界。优化后的扇区，可以减轻管制人员工作负荷，避免工作负荷的不均衡，减少了因管制原因出现的流量控制，进一步提高航班正点率，减少不必要的空中等待，提高航空业服务质量。