基于改进GRA-TOPSIS 法的飞行员进近着陆操纵绩效评价

陈农田， 李俊辉， 满永政

(中国民用航空飞行学院， 广汉 618307)

1 引言

民航“黑色11 分钟”是指飞机起飞后3 分钟加着陆前8 分钟，这一阶段极易诱发航空器安全事件。 通过对商用飞机飞行阶段事故统计，大约49%的致命事故和44%机上死亡人数发生在进近着陆阶段，此阶段要求飞行员精神高度集中，一旦发生异常事件或事故可供飞行员处理时间极短。 Voogt 等通过案例统计分析发现飞行员错误操纵是事故发生重要诱因；Prasanna 等通过统计数据分析发现1/3 的商用飞机事故是由于着陆时操纵偏差导致；杜红兵等对1980 ～1996年发生的民航运输飞行进近着陆事故进行归类数据统计分析，结果表明事故的主要原因是人为因素，应加强研究民航飞行安全中的人为因素控制。因此，开展飞行员进近着陆操纵行为绩效安全评估，有效识别飞行操纵行为偏差，对保障民航运输安全具有重要现实意义。

国内外学者针对飞行进近着陆操纵行为方面开展了系列研究。 Rober从真实飞行和模拟飞行的人工操纵进近着陆建立数学模型，评估飞行员在进近着陆操纵水平方面难易程度；Archana等使用可重构飞行模拟器模拟进场着陆飞行场景，对飞行员操纵指标进行了主观和定量测量，利用能见度下降、侧风、飞机操纵质量下降等指标建立数学模型，对飞行员绩效进行量化评估；Felipe 等利用飞行数据对飞行员着陆任务偏差建模分析；祁明亮等选取飞机下降率、俯仰角等飞行员综合操作指标，利用QAR(Quick Access Recorder)超限事件，建立风险预测模型对飞行操作风险进行诊断；白杰等关注最终进近着陆阶段时飞行员注意力分配所产生的影响，利用SEEV(Salience Expectancy Effort Value)模型对其量化研究；蒋浩等以飞行数据超限事件的判定参数和发生频率代表风险后果的严重程度和风险发生概率，将两者的乘积作为飞行员安全能力的衡量指标；王冉等利用仿真计算针对实际飞行数据对民机着陆安全影响因素展开研究。 在飞行员飞行品质监控(Flight Operations Quality Assurance，FOQA)方面，针对飞行员进近着陆操纵行为主要采用定性分析或定量统计分析方法，如德菲尔法、层次分析法和模糊综合评估方法，但这些方法依然存在由权重确定主观性的弊端。

飞行员进近着陆操纵绩效评估是一个多目标决策过程，本文选择运用群决策相对熵集结法、熵权值法确定指标体系权重，通过改进GRATOPSIS 模型以相对贴进度形式评价飞行员进近着陆操纵绩效，为有效实施飞行员进近着陆安全绩效测度提供参考。

2 评价指标体系构建

国际民航组织在向缔约国推荐的9859 号文件安全管理手册(Safety Management Manual，SMM)中要求现行的安全管理从组织、个人方面实施基于安全绩效(Safety Performance， SP)驱动。 飞行操纵绩效评价是有着多种准则以及多个目标的相对复杂的评估过程。 而评价对象可能是一种步骤程序、操作动作或飞行员自身修养等，且其能够影响飞行操纵的品质。 根据民航飞行运行作风要求咨询通告(AC－121－FS－2018－130)及有相关研究文献，并结合某航空公司采集的QAR 真实数据指标进行修正，形成操纵水平()为准则层的8 项成本性指标。 运用专家调查(Delphi)方法，并选择6 名飞行理论与技术领域专家进行重要指标遴选，形成个人素质()、机－场间协同情况()为准则层的7 项效益型指标。 从而最终得到飞行员进近着陆操纵绩效评价指标体系，如表1 所示。

表1 飞行员进近着陆操纵绩效评价指标体系Table 1 Index system for performance evaluation of approach landing

3 改进的GRA-TOPISI 模型

优劣解距离法(Technique for Order Preference by Similarity to an Ideal Solution，TOPSIS)是Hwang等为了解决单一型或混合型多属性决策问题，根据各指标参数范围、按照各方案与理想解的接近程度进行排序的方法。 灰色关联度分析(Grey Relation Analysis，GRA)从曲线形状相似性角度反映各方案间的接近程度。 将2 种方法结合，能弥补只计算相对距离而忽视曲线趋势所导致的不能准确反映现实情况的缺陷。

3.1 评价指标处理

假设有个飞行员进近着陆操纵绩效待评价，包括个评价指标，建立决策矩阵＝[x] ，x ≥0(＝1，2，…，；＝1，2，…，)。由于飞行员进近着陆操纵绩效评价指标含义、计量单位与量纲的不同，对其指标进行归一化处理。

效益型指标，即属性值越大越好指标，归一化处理见式(1):

成本型指标，即属性值越小越好指标，归一化见式(2):

3.2 群决策相对熵集结法计算指标主观权重

群决策相对熵集结法是对多目标进行评判决策的主观性方法，其克服了群决策特征根法的不足且步骤简单:

1)构建群决策矩阵＝(h)。 采用5 分值计算，其中h为专家对指标的评判规则，且＝1，2，…，；＝1，2，…，。

2)计算标准化决策矩阵＝(c)。

3)计算群偏好向量＝(，，…，α)，即各指标的主观权重。

其中，δ为专家对指标的决策权重，取δ＝1/。

3.3 熵权法计算指标客观权重

熵权法是根据数据本身进行计算，从而得到多目标评判决策的客观性方法。 利用此法处理指标离异程度较大评估时可以获取更准确的权重。

1)求系统中第个指标的信息熵权。 传统的熵权法规定当p＝0 和p＝1 时，pln(p)都为0，基于此弊端对此法进行改进，如式(5)、式(6)所示。

2)求第个指标的熵权v，即客观权重。

3.4 组合权重

本文采用群决策相对熵集结法和熵权法组合主客观权重，若主客观权重都较大时，则主观权重较大。 设β为结合后的指标权重，定义见式(8)。

3.5 改进GRA-TOPSIS 评价方法

3.5.1 传统TOPSIS 法

1)构造加权规范化矩阵。 依据矩阵算数方法将标准化后的决策矩阵与组合权重β结合，见式(9):

4)计算贴近度并排序，如式(12)所示。

当贴进度值越大，飞行员进近着陆操纵绩效排名越靠前，反之亦然。

3.5.2 改进TOPSIS 法

传统的TOSIS 法具有计算简单和结果可靠等优点，但亦有不足:①当2 个或多个评价对象位于理想解的中垂直线上时，求得正负理想解的欧式距离相等，则无法达到评判对象的优劣性，如图1所示；②忽视了评价指标之间的相关性，认为所有指标都是独立存在的要素，从而使评估结果存在偏差。

图1 传统TOPSIS 法的缺陷[16]Fig.1 Defects of traditional TOPSIS method[16]

基于上述不足，利用灰色关联方法对传统的TOPSIS 法进行改进，并构造一种新的计算贴近度方法，以进行飞行员进近着陆操纵绩效排序。 此方法引入灰色关联法能较好解决指标之间关联性问题，并通过最优解和最劣解的评价值公式进行改进。 步骤如下:

其中，()为各评判对象中最优指标数值。

2)计算各指标的灰色关联系数s，得到灰色关联矩阵＝(s) ，见式(14)。

其中，Δ()＝｜()－r｜，为评价对象数量，＝1，2，…，；为评价指标数量，＝1，2，…，；为分辨系数，在[0，1]中取值，通常取＝0.5。

其中s()为第个飞行员的s值。

4)对式(10)、(11)进行改进，分别计算第个飞行员的各操纵绩效指标到正理想解＋和负理想解－的欧式距离，见式(17)、(18):

5)计算飞行员进近着陆操纵绩效的灰色关联相对贴近度，见式(19):

根据以上计算，进行飞行员进近着陆操纵绩效排序，G最大者为操纵绩效表现最佳飞行员。

4 进近着陆操纵绩效评价实例

4.1 数据预处理及权重确定

为验证该改进方法的有效性，随机抽取5 名飞行员对其1 年内进近着陆操纵绩效水平进行评价(绩效水平分别用、、、、表示)。 拟采用四等级及10 分值区间对定性指标进行量化，即＝{差，一般，较好，好}，对应区间分别为(0，2.5)、(2.5，5)、(5，7.5)、(7.5，10)。 收集QAR数据，将飞行员进近着陆超限次数作为定量指标实验数据，见表2。 结合6 名专家对评价指标间重要度进行综合评分，得到群决策矩阵， 见式(20)。

表2 评价指标原始数据Table 2 Raw data of the evaluation indicators

其中，为评估指标数量，为专家人数。

由公式(1)～(8)求得各评价指标最终组合权 重:＝(0.0631， 0.0672， 0.0622， 0.0582，0.0714，0.0717， 0.0683，0.0711，0.0708，0.0657，0.0711，0.0709，0.0667，0.0658，0.0557)，各指标重要度如图2 所示。

图2 评价指标重要度比较Fig.2 Comparison of significance of evaluation indexes

4.2 基于改进GRA-TOPSIS 法飞行绩效评价

由式(9)求得加权规范化矩阵。 基于上述计算，可选取改进TOPISI 法中灰色关联最优指标集U， 其参考序列为U＝(0.063，0.067，0.062，0.058，0.071，0.072，0.068，0.071，0.071，0.066，0.072，0.071，0.067，0.066，0.056)。

根据式(14)～(19)分别计算进近着陆时5名飞行员绩效水平(、、、、)到正负理想解的欧式距离:＝1.758，＝1.526，＝1.575，＝1.786，＝1.725；＝1.344，＝1.597，＝1.490，＝1.463，＝1.444。

最后，根据式(19)求得灰色关联相对贴近度＝0.433，＝0.511，＝0.486，＝0.450，＝0.456，即5 名飞行员进近着陆操纵绩效优劣排序为＞＞＞＞。 由式(10)～(12)求得传统TOPSIS 法飞行员进近着陆操纵绩效贴进度为＝0.507，＝0.613，＝0.587，＝0.511，＝0.535，故＞＞＞＞。 由传统GRA 方法计算关联度结果为:＝0.413，＝0.484，＝0.464，＝0.419，＝0.425，故＞＞＞＞。 比较结果如图3 可示。

图3 评价方法比较Fig.3 Comparison of the evaluation methods

由图3 可知，三者计算排序结果相同，第2位()为进近着陆操纵绩效表现最优的飞行员，验证了改进GRA-TOPISI 法(G-T 融合法)对于评价飞行员进近着陆操纵绩效的可行性。 另外，三种方法中G-T 融合法的关联度位于其他2种方法之间，当GRA 法与TOPSIS 方法对飞行员进近着陆操纵绩效相同时，G-T 融合法排序结果相同；当GRA 法与TOPSIS 方法在评定飞行员操纵绩效不同时，由于G-T 融合法结合两者在整体性分析与相关性分析的优势，且关联度趋于之间，可以依据G-T 融合法的结果进行绩效评定的优选。

4.3 基于雷达图的飞行员绩效差异分析

为直观比较5 名飞行员进近着陆操纵绩效在不同指标下的优势与劣势，根据式(17)～(19)，求得个体素质、操纵水平和机－场间协同情况3个子系统的灰色关联相对贴进度结果，如表3 所示。 通过雷达图分析法将3 个子系统表征出来，如图4 所示。 图中可以看出，总体上飞行员表现较优，但在个体素质方面有待加强；飞行员表现较差，经调查此飞行员机龄较短，应综合全面提高；、、飞行员表现良好，但也应分别在个体素质、操纵水平以及机－场间协同方面着重提升。

图4 个体素质、操纵水平和机－场间协同情况评价结果雷达图Fig.4 Radar chart of evaluation results of individual quality， manipulation level and machine－field synergy

表3 5 名飞行员操纵绩效水平的贴近度及排序Table 3 Approximating degree and ranking of operational performance level in 5 pilots

5 结论

1)根据民航飞行作风咨询通告(AC)及进近着陆阶段超限事件，结合专家调查法，形成了以个体素质、操纵水平和机组资源管理为一级指标，情景感知意识、GPWS 告警、语言沟通能力等15 个指标为二级指标的飞行员进近着陆操纵绩效评估指标体系。 接地时垂直加速大、进近时滚转角变化幅度大(＜100 ft)、进近时下降率大、着陆时航迹高(＜20 ft)、负荷管理等指标是影响飞行员进近着陆操纵绩效应重点关注因素。

2)结合基于群决策相对熵集结法和改进熵权法对评估指标进行赋权，可有效避免单一主客观性对评价结果的影响，实现绩效评价结论客观化。

3)将灰色关联理论与传统TOPSIS 法融合，构建新的贴进度评价飞行员操纵绩效并进行排序，实例验证了方法的有效性。 基于雷达图的飞行员绩效差异分析可有效识别飞行员进近着陆操纵行为偏差。