Performance Evaluation of Terminal Airspace System Safety, Delay and Predictability of Muritala Mohammed International Airport, Ikeja Lagos, Nigeria

This paper outlines a multi-dimensional user-oriented performance metrics approach in evaluating the operation of the terminal airspace system to aid in the airport and airspace planning and decision making. Safety, delay and predictability metrics contribute to the analytical framework. From the findings, the occurrence of air incidence has a high severity level at departure, and arrival phases of flight, higher likelihood at the radar room and much of the incidences were as a result of faulty equipment and inherent absence of modern airspace infrastructure. Also, in Lagos terminal airspace, the number of incidences has no close correlation with the level of traffic complexity. Total schedule arrival delay ranges from 1 - 392 minutes representing an average of 7.8 - 17.9 minutes per aircraft that arrived Lagos airport at that period. Besides, the total approach contact time ranges from 1 - 57 minutes, translating to 4.6 - 7.1 minutes per aircraft. However, variability in arrival time of 1 - 5 minutes is common from published airline arrival scheduled time. In the same vein, the variability of 1 - 5 minutes is common from approach contact times of aircraft. These figures indicate sound arrival predictability signature for Lagos airport. Also, departure time variability above 30 minutes is familiar from the ATC clearance time for the various routes under study. However, there is about or more 25% variability of more than 15 minutes, and this indicates possible inconsistency of predicting departure times from the times Air Traffic Control (ATC) clearance was acquired. Above all, the predictability of departure times in Lagos airport is weak compared to those of the arrival. Taken by it, this may be a sign of airspace congestion or ATC deficiencies at the Lagos airport. This is an indication of the lack of users’ confidence in Nigeria’s air transport industry to deliver just-in-time service.

民航管制安全风险主题时空分布规律研究

为了探究民航管制安全风险的时空分布规律,基于潜在迪利克雷分布(Latent Dirichlet Allocation,LDA)主题模型识别出民航管制安全风险主题,定义民航管制安全风险主题强度的定量测度指标,运用全局空间自相关分析和冷热点分析对民航管制安全风险主题的时空分布规律进行研究。结果表明:利用LDA主题模型识别出“管制员指令错误风险”等10个管制安全风险主题;“管制员指令错误风险”主题存在较弱的全局空间自相关性,在2018—2021年,全局Moran’s I总体呈现波动增长的趋势;在2018—2021年,“管制员指令错误风险”主题强度高值聚集的区域由西南向东南转移,高值聚集区域数量变少,且不稳定,低值聚集区域发生转移并在2020年后保持稳定。通过全局空间自相关分析和冷热点分析确定了2018—2021年中国民航不同管制区域的管制安全风险的时空分布格局,为局方进行差异化的安全监管提供决策支持。

面向智能视频监控的空中交通管制员图像分割

为解决复杂场景下空中交通管制员检测与分割精度低、鲁棒性差的问题,提出一种基于掩码区域卷积神经网络(Mask Region-based Convolutional Neural Networks, Mask R-CNN)的管制员图像分割模型ATC Mask R-CNN(ATC Mask Region-based Convolutional Neural Networks)。首先,构建管制员监控图像数据集(ATC Monitor Image Dataset, AMID)并用于模型训练、测试;其次,在主干网络中引入瓶颈注意力模块(Bottleneck Attention Module, BAM)以增强管制员特征提取,采取改进的柔性非极大值抑制算法(Soft Non-maximum Suppression, Soft-NMS)替代NMS算法进行候选框选取,提高对遮挡目标的检测分割;最后,基于AMID进行管制员图像分割试验。结果显示:ATC Mask R-CNN的精确率、召回率和平均精度分别为96.49%、95.62%和88.84%,表明了该方法的有效性。与Mask R-CNN相比,ATC Mask R-CNN有效降低了复杂场景的不利影响,更适用于管制员工作场景,可以为管制大厅安全管理自动化应用提供技术支撑。

基于双流自适应图卷积网络的管制员睡岗行为识别

为识别空中交通管制员的睡岗行为,减少管制差错,保障航空器飞行安全,提出了一种基于双流自适应图卷积网络的管制员睡岗行为识别方法。该方法设计双流网络分别处理管制员骨架的一阶信息和二阶信息,实现对骨架数据的充分提取;通过自适应学习的骨骼拓扑连接矩阵,挖掘管制员不同关节之间的功能连接关系;同时在卷积层引入时空通道注意力机制,增强管制员睡岗行为识别模型在时间、空间、通道3个方向提取重要信息的能力。仿真结果表明,该方法能有效识别管制员3种睡岗行为,相较于传统的时空图卷积网络,识别准确率提高了3.08百分点,达到95.03%,可以提高民航运行安全管理水平。

基于结构主题模型的民航管制不安全事件主题识别

为探究民航管制运行不安全事件的发生规律及特点,采用结构主题模型捕捉报告中的词汇共现及层次结构。考虑结构主题的语义连贯性以及排他性等指标,辨识管制运行事件的最优主题数目。选取事件严重度及发生时间等协变量,构建融合多变量的主题分析,挖掘不同类型事件的严重度差异性及在时间维度上的演化趋势。最后,基于航空安全自愿报告系统2018-2022年的4346起管制事件报告进行实证分析。研究结果表明:与管制运行有关的不安全事件可分为管制移交、恶劣天气、人为因素事件、夜航航班、场面滑行、起飞离场、部门协调、雷达间隔、设备故障、进近程序、陆空对话、复杂空域环境、飞行冲突、飞行高度、冲/偏出跑道及跑道侵入15类;飞行区滑行、进近程序、飞行冲突等事件更易产生严重事故;飞行高度有关的不安全事件呈逐年上升趋势。研究结果可为提升管制运行安全风险水平提供理论支持,并为管理人员针对性施策提供参考。

基于相对熵逆强化学习的飞行冲突解脱方法

针对航路上的飞行冲突解脱问题,提出了基于相对熵逆强化学习的飞行冲突解脱方法。首先基于相对熵的逆强化学习算法从历史飞行轨迹数据中学习隐含的管制员先验知识,并以奖励函数的形式进行量化表达。然后,将奖励函数引入基于深度强化学习的冲突解脱模型,以指引训练模型不断向与管制员解脱方案相似的方向更新。试验结果表明,解脱模型能够学习管制先验知识,且在测试集中冲突解脱率超过73%。研究对于减少管制员工作负荷和提升空中交通管制安全性有借鉴价值。

基于变权物元可拓的中小机场空管运行安全态势评估

在建立了由人员因素、设备因素、环境因素、管理因素4个一级指标和16个二级指标的评估指标体系的基础上,根据层次分析法确定各指标的初始常权权重,引入变权向量后计算得到变权权重;结合物元可拓评估模型,得到量化的安全态势值。以某空管运行单位为例,得到的结果为“一般”,与专家评估结果和常权法模型评估结果相比较,证明了该评估模型的可行性,并且评估准确度优于传统模型。

NEW METHOD FOR SAFETY ASSESSMENT OF PARALLEL ROUTES

A new safety assessment method for parallel routes is presented. From the aspects of safety guard system of air traffic control（ATC） and considering the flight conflict as causing event of air collision accidents, this paper fosters a four-layer safety guard of controller command, short-term conflict alerts （STCAs）, pilot visual avoidance, and traffic alert collision avoidance system（TCAS）. Then, the problem of parallel routes collision risk is divided into two parts：the calculation of potential flight conflict and the analysis of failure probability of the four-layer safety guard. A calculation model for controller interference times is induced. By using cognitive reliability and error analysis method（CREAM）,the calculation problem to failure probability of controller sequencing flight conflicts is solved and a fault tree model of guard failure of STCA and TCAS is established. Finally, the Beijing-Shanghai parallel routes are taken as an example to be calculated and the collision risk of the parallel routes is obtained under the condition of radar control. Results show that the parallel routes can satisfy the safety demands.

STPA和CREAM方法在飞行冲突调配人因差错研究中的应用

为了研究管制员飞行冲突调配的人因差错问题,进而有效评估管制员解决飞行冲突的可靠性,以保障空中交通的安全运行,提出系统理论过程分析(System Theoretic Process Analysis, STPA)与认知可靠性与失误分析方法(Cognitive Reliability and Error Analysis Method, CREAM)相结合的人因可靠性分析方法。首先,通过STPA方法构建系统控制模型,识别不安全控制行为(Unsafe Control Action, UCA)以及致因因素,找到管制员在调配飞行冲突过程中可能存在的差错行为;其次,基于CREAM扩展法对管制员的差错行为进行定量分析,得到管制员调配飞行冲突的人因失误概率。研究显示:使用该方法能够系统、全面地识别出管制员在调配飞行冲突过程中出现的差错行为,进而计算管制员飞行冲突调配的人因失误概率。实例分析表明该方法可以预测管制员在飞行冲突调配过程中的人因失误概率及可靠性,为管制员人因可靠性分析提供了新思路。

管制员疲劳国内外研究综述与展望

管制员疲劳是影响空中交通管理乃至民航系统安全的重要因素。为探究预防和控制管制员疲劳的可行对策,通过系统性的文献回顾梳理了国内外管制员疲劳的研究成果,并重点对比分析了各类管制员疲劳检测方法的优缺点。研究发现,目前国内管制员疲劳研究仍存在本土化的管制员疲劳量表匮乏、管制员疲劳检测指标因果关系探索不深、多级疲劳度的预测准确率不高等不足。最后对管制员疲劳的未来研究方向做出了展望,以期为民航安全保驾护航的研究者和相关管理部门提供参考建议。

基于ST-GCN的空中交通管制员不安全行为识别

为预防和监督空中交通管制(ATC)工作中的违章行为,利用智能视频分析技术,研究适用于管制员坐姿工作的不安全行为识别模型。首先,分析管制员不安全工作行为的隐蔽性特征,总结5种典型管制员不安全行为,包括伸懒腰、瞌睡、低头入睡、歪头入睡和半躺入睡,并构建管制员不安全工作状态视频数据集(CUWS);其次,提出一种能描述管制员坐姿的骨架关键点拓展算法,基于时空图卷积网络(ST-GCN)搭建适用于管制员坐姿与腿部遮蔽情况下的不安全行为识别模型ATC-ST-GCN,并给出管制员不安全行为识别的工作流程;最后,利用CUWS数据集进行ATC-ST-GCN模型的训练和测试,并利用管制室实际监控视频开展验证试验。结果表明:该模型能够在有限验证数据集上实现5种典型不安全行为识别,准确率达到93.65%。试验结果证明该模型具有一定的科学性与有效性。

空管A/C模式二次雷达仿真软件设计

随着我国空中交通管制事业的迅猛发展,新一代二次雷达系统正逐步投入使用,为节约生产二次雷达系统过程中的巨大成本,研制出一套二次雷达仿真软件,设计一种A/C模式二次雷达仿真方案。该论文对A/C模式二次雷达工作原理和工作场景进行研究,根据原理分析该模式雷达仿真功能,介绍了二次雷达探测的影响因素、仿真用途及仿真功能需求。根据功能需求对A/C模式二次雷达仿真软件总体设计方案进行了研究,搭建仿真软件构架、进行界面设计,根据原理划分功能模块,并按照工作流程原理设计调用关系。同时,进行了A/C模式二次雷达仿真软件设计,详细介绍了各模块的设计思想、工作流程、工作原理及算法。最后进行仿真软件场景测试应用,设置了2组仿真参数并进行测试,测试结果显示仿真软件可以使用。该软件的设计能够为空管A/C模式二次雷达研究提供支撑。

面向空中交通管制员疲劳识别的哈欠检测

空中交通管制员在指挥飞机时存在频繁嘴部开合活动。为从管制员的嘴部陆空通话行为中准确区分哈欠行为,降低管制员疲劳工作产生的安全风险,提出了一种基于视频的结合卷积神经网络(Convolutional Neural Network,CNN)与长短期记忆网络(Long and Short Term Memory Networks,LSTM)的管制员嘴部行为识别方法。首先,搭建面部定位模型提取人脸68特征点,建立嘴部几何区域提取模型划分嘴部区域;其次,建立管制员哈欠检测模型分别提取嘴部视频序列帧的空间特征与时间特征;最后,采集数据集管制员嘴部活动数据集(Civil Aviation University of China-Controller,CAUC CON)用于模型训练,通过哈欠分类模型得出序列帧内管制员嘴部哈欠识别结果。结果表明:基于视频的加入时间信息的哈欠检测方法更适合管制员的工作条件,较传统哈欠识别方法的平均识别准确率最高提升了14.4%。

基于级联失效的管制扇区网络韧性评估

为减轻管制空域因遭受极端天气、设备故障等特殊事件而出现的大面积失效对航班的影响,研究了不同事件中,不同恢复策略对管制空域韧性的改变。通过复杂网络理论对管制空域进行建模,结合级联失效理论的负载容量模型与公共交通领域的韧性评价指标,提出一种适用于评价扇区网络的级联失效恢复过程。依据节点的特征参数设定扳机节点并触发级联失效过程,对扇区网络分别以度优先和介数优先2种策略进行恢复模拟。以西南地区的管制扇区为研究对象展开仿真试验,结果显示:在面对中心扇区失效时,度优先恢复策略下的容量损失更小,效率损失更低;繁忙扇区失效时,2种恢复策略各有优劣。扇区网络采取度优先的恢复策略有更好的韧性。

基于模糊DEMATEL BN的管制单位动态风险评估

为研究管制单位风险的动态性,提高风险评估的准确性,预防风险事故的发生,提出基于毕达哥拉斯模糊、试验与评估实验室(Decision Making Trial and Evaluation Laboratory,DEMATEL)、贝叶斯网络(Bayesian Network,BN)和模糊损失率的管制单位动态风险评估模型。首先识别管制单位风险因素;其次应用毕达哥拉斯模糊和DEMATEL模型探究风险因素之间的相互关系;再次将因素间的相互关系映射到BN,构建管制单位风险演化过程;然后确定先验概率,并以前兆数据作为输入信息,推导计算管制单位的动态风险概率;最后利用模糊损失率量化风险后果,计算管制单位的动态风险评估值。以某管制单位为例,对构建的管制单位动态风险评估模型进行了实证研究。结果表明:特情处置预案不合理等高严重后果概率持续上升的风险因素是该管制单位的风险管控的重点;t1~t5时间段该管制单位的动态风险评估值从1.035×10-2上升到1.1063×10-2。构建的管制单位动态风险评估模型克服了管制传统风险评估模型无法捕捉动态特征和过度依靠专家经验的不足,提高了评估的准确性,为管制单位控制和减少风险提供了决策支持。

基于云模型的空管运行系统脆弱性评估

为了评估空管运行系统脆弱性,首先,对2011—2018年这8年中1 018起空管不安全事件进行分析,将致因归类后从中提取空管运行系统脆弱性影响因素,按照空管系统管制员、设备、环境、管理4个方面,以及运行环境中飞行机组、机场保障、航空器、签派和军航活动等5个部分,共归纳出28个空管运行系统脆弱性评估指标。其次,通过层次分析和熵权法求得综合权重;考虑脆弱性影响因素,采用具有模糊性和随机性特点的云模型对系统扰动的特性进行评估;采用Delphi法打分后,利用正向云发生器绘制出能直观反映各个指标脆弱性等级的云图。最后,将评估结果与模糊综合评价法进行对比分析,结果表明,民航华北空中交通管理局空管运行系统脆弱性等级总体趋于“较高”水平,不安全事件频发,其中军航活动和管制员因素影响最大。

Automatic interval management for aircraft based on dynamic fuzzy speed control considering uncertainty

A novel real-time autonomous Interval Management System(IMS)is proposed to automate interval management,which considers the effect of wind uncertainty using the Dynamic Fuzzy Velocity Decision(DFVD)algorithm.The membership function can be generated dynamically based on the True Air Speed(TAS)limitation changes in real time and the interval criterion of the adjacent aircraft,and combined with human cognition to formulate fuzzy rules for speed adjusting decision-making.Three groups of experiments were conducted during the en-route descent stage to validate the proposed IMS and DFVD performances,and to analyze the impact factors of the algorithm.The verification experimental results show that compared with actual flight status data under controllers’command,the IMS reduces the descent time by approaching 30%with favorable wind uncertainty suppression performance.Sensitivity analysis shows that the ability improvement of DFVD is mainly affected by the boundary value of the membership function.Additionally,the dynamic generation of the velocity membership function has greater advantages than the static method in terms of safety and stability.Through the analysis of influencing factors,we found that the interval criterion and aircraft category have no significant effect on the capability of IMS.In a higher initial altitude scenario,the initial interval should be appropriately increased to enhance safety and efficiency during the descent process.This prototype system could evolve into a realtime Flight-deck Interval Management(FIM)tool in the future.

A reinforcement learning approach to vehicle coordination for structured advanced air mobility

Advanced Air Mobility(AAM)has emerged as a pioneering concept designed to optimize the efficacy and ecological sustainability of air transportation.Its core objective is to provide highly automated air transportation services for passengers or cargo,operating at low altitudes within urban,suburban,and rural regions.AAM seeks to enhance the efficiency and environmental viability of the aviation sector by revolutionizing the way air travel is conducted.In a complex aviation environment,traffic management and control are essential technologies for safe and effective AAM operations.One of the most difficult obstacles in the envisioned AAM systems is vehicle coordination at merging points and intersections.The escalating demand for air mobility services,particularly within urban areas,poses significant complexities to the execution of such missions.In this study,we propose a novel multi-agent reinforcement learning(MARL)approach to efficiently manage high-density AAM operations in structured airspace.Our approach provides effective guidance to AAM vehicles,ensuring conflict avoidance,mitigating traffic congestion,reducing travel time,and maintaining safe separation.Specifically,intelligent learning-based algorithms are developed to provide speed guidance for each AAM vehicle,ensuring secure merging into air corridors and safe passage through intersections.To validate the effectiveness of our proposed model,we conduct training and evaluation using BlueSky,an open-source air traffic control simulation environment.Through the simulation of thousands of aircraft and the integration of real-world data,our study demonstrates the promising potential of MARL in enabling safe and efficient AAM operations.The simulation results validate the efficacy of our approach and its ability to achieve the desired outcomes.

基于本质安全理念的空管设备维护思考

本文对本质安全理念发展进行梳理,并结合空管业内通信导航设备的维护工作实际,分析国内外形成本质安全的理论成果与空管设备维护工作的相关特点,通过对空管设备维护中“人、机、环、管”4个要素的本质安全化进行思考,提出了空管设备维护关键因素的本质安全的理念,以期达到设备维护的本质安全。

基于HERA-JANUS模型的空管人误认知分析

空管人误分类分析是空管人误研究的基础。为了对管制员人误进行系统的分类研究,结合空管业务知识和认知心理学理论,对欧洲航空安全局和美国联邦航空局合作开发的HERA-JANUS模型的工作原理和流程进行较详细地分析。运用该方法模型,对我国一起空管不安全事件案例进行分析后得到3个由管制员所产生的人误差错,并对这3个人误差错分别从人误类型、人误认知、相关因素3方面进行详尽的分析研究,最后得出该不安全事件的21项人误结果。结果表明,HERA-JANUS模型能较全面地从深层次分析管制员的人误,其分类形式也便于开展空管人误统计。