基于数据融合的空管运行复杂安全网络理论模型设计_杨昌其.pdf

52 电子技术 第 52 卷 第 2 期（总第 555 期）2023 年 2 月Computer Engineering计算机工程助决策技术方面的基础研究2，真正做到既要防范“灰犀牛”，更要高度警惕“黑天鹅”，努力用大概率思维防范小概率事件，牢牢守住不发生系统性风险的底线。网络化是空管复杂运行安全系统发展的必然趋势,但相应的网络特征的研究较少,系统的网络特性之间缺乏有效的数据交互和融合，未充分考虑“人-机-环-管”安全要素之间的关系，未建立有效的人机协同机制，并且多种信息系统的堆叠在一定程度上导致了系统功能视图分散、态势感知困难和人机交互效率低等问题，导致民航运行风险增加，对其难以及进行时识别并做出决策处理3。要解决这一复杂系统的安全运行问题，需要改变安全范式，提出新的模型及理论。2 空管运行复杂安全关键因素空管运行及管理是一种复杂的过程，它涉及飞机的空域设施、运行员及操作流程等方面。它建立起空中交通管理系统，为飞机安全运行提供基金项目：大学生创新创业训练计划项目（S202110624267）。作者简介：杨昌其，中国民用航空飞行学院空中交通管理学院；研究方向：智能算法应用。收稿日期：2023-01-22；修回日期：2023-02-12。摘要：阐述数据关联融合的空管运行复杂网络模型的构建方法，通过收集、筛选和分析不同空管系统运行数据与运行态势变化的相关性，基于空管运行的多源数据与涉及的各类数据关联融合，从而构建出空管运行安全的复杂网络模型，从而更好地实现指导空管运行安全决策的目标。关键词：复杂网络模型，空管运行，数据融合。中图分类号：TP311.13，V355.1文章编号：1000-0755(2023)02-0052-02文献引用格式：杨昌其，李柳池，刘君豪.基于数据融合的空管运行复杂安全网络理论模型设计J.电子技术,2023,52(02):52-53.基于数据融合的空管运行复杂安全网络理论模型设计杨昌其，李柳池，刘君豪（中国民用航空飞行学院 空中交通管理学院，四川 618307）Abstract This paper describes the construction method of the complex network model of air traffic control operation based on data association and fusion.By collecting,screening and analyzing the correlation between the operation data of different air traffic control systems and the change of the operation situation,the complex network model of air traffic control operation safety is constructed based on the association and fusion of multi-source data of air traffic control operation and all kinds of data involved,so as to better achieve the goal of guiding the safety decision-making of air traffic control operation.Index Terms complex network model,air traffic control operation,data fusion.Design of Theoretical Model of Complex Security Network for Air Traffic Control Operation Based on Data FusionYANG Changqi,LI Liuchi,LIU Junhao(School of Air Traffic Management,China Civil Aviation Flight Academy,Sichuan 618307,China.)0 引言安全是民航业的生命线，但空管行业天然的复杂运行系统的特点让安全保障和风险预测变得十分困难。空管的运行多主体主要涉及民用航空服务供应商，飞行安全监管机构，机场运营商和交通管理机构1。1 研究背景虽然当今民航业复杂系统的安全性、可靠性和自动化程度都有很大提高，但随着航班量的增加，各主体运行日益繁忙，事故仍然时有发生。近年来，国内航空事故征候也难以得到有效控制。2021年，国内全年共发生运输航空征候559起，其中运输航空严重征候6起，人为责任原因征候15起。2020年，全年共发生运输航空征候440起，其中运输航空严重征候4起。2019年，全年共发生运输航空征候570起，其中运输航空严重征候11起。民航局明确要求，要不断拓展对航空安全知识的认知边界，加强对航空安全风险的实时监测、预警与辅电子技术 第 52 卷 第 2 期（总第 555 期）2023 年 2 月 53Computer Engineering计算机工程了可靠和高效的保障。近年来，空中交通部门的安全要求不断提升，需要不断优化技术和服务质量，来保障航空安全，提高运行效率。然而，空中交通管制运行存在多种潜在风险，这些风险可能产生严重后果，进而影响飞行安全。因此，空中交通管制安全的因素需要全面考虑，以提高服务水平，实现安全、可靠以及高效的运行。空中交通控制的安全关键因素，一般可以分为技术因素、人为因素、空中管理因素和服务运营因素等。技术因素是指空中交通控制系统的设备、系统和运行手续等；人为因素指的是操作人员的专业能力和操作行为；空中管理因素指的是空中交通控制措施的制定、实施和评估；服务运营因素指的是空中管制安全服务的有效性和效能的检测和评估。3 空管运行复杂安全网络模型构建（1）空管运行复杂安全网络模型构建主要基于图卷积神经及其参数修正，其构建路径如图1。基于图卷积神经网络的民航安全风险预测模型构建方法。从多维度民航运行系统的安全角度出发，结合程序运行、主体布局、调度成本等影响因素，根据民航复杂运行系统安全主题知识图谱的关系图结构，对图中的邻接矩阵A进行归一化处理A=D-1/2AD-1/2，防止模型梯度爆炸和梯度消失的问题，筛选出民航复杂系统可能出现事故的主要影响因素。以多元视角研究民航复杂系统多主体运行时空分布规律，利用图的邻接矩阵和节点特征矩阵来定义卷积操作，定义风险预测模型的图卷积操作为式（1）所示。Z=(AXW)（1）同时将多个卷积层堆叠起来提高预测模型表达能力，X表示知识图谱三元组的输入，W表示预测模型的权重矩阵。将上一层的民航主体特征矩阵 Z(l-1)作为下一层的输入特征矩阵X(l)，得到下一层的输出特征矩阵Z(l)，即式（2）所示。Z(l)=(AZ(l-1)W(l)（2）其中，W(l)是第l层的权重矩阵。最后通过输出层完成民航复杂运行系统安全风险预测的任务，根据异构数据的关联与集成的输入图结构，输出：（1）各安全要素与风险事故的关联程度；（2）各经济要素与风险事故的关联程度。（2）空管复杂运行系统安全风险预测模型参数修正方法。基于不同类型的民航复杂运行系统的安全风险，结合机场场面高精度多元异构数据，对机场不同主体的风险特征行为进行测试，调整模型关键参数，以关键区域不同风险度量指标为约束，周转时间、运行成本、用户体验为目标进行多目标优化。针对民用航空服务供应机构、飞行安全监管机构、机场运营机构、交通管理机构等关键局部区域，基于主体运行活动仿真，将依靠仿真数据的确定性计算替换为图卷积神经网络，该网络的损失函数如式（3）所示。（3）其中，RMSE为损失值，N为输出节点个数，yi为民航标签化的安全要素相关性数据，xi为作为模型输入的知识图谱三元组结构，正则化参数设置如式（4）所示。（4）对上述损失函数RMSE和正则化参数进行修正，正则化参数梯(d/dW)(/2m)W2=(/2m)W,实现安全风险等级判别模型权重参数的最优化。依靠上述采用图卷积神经网络方法计算特定风险与民航多维数据特征之间的关系，形成民航复杂运行系统处于不同状态特征关键主体的风险等级与相关主体安全要素的联系。4 结语本文提出了一种新的时空图建模模型。该模型通过将图卷积可以有效捕获和凸显民航运行时空相关性，从数据中学习隐藏的空间相关性。在未来的工作中，将研究在大规模数据集上的可扩展方法，并探索空管运行动态空间相关性的学习方法。参考文献1KirklandIDL,CavesRE,HumphreysIM,etal.Animprovedmethodologyforassessingriskinaircraftoperationsatairports,applied to runway overrunsJ.SafetyScience,2004,42(10):891-905.2Liu,Jia,etal.UrbanFlowPatternMiningBasedonMulti-SourceHeterogeneousDataFusionandKnowledgeGraphEmbeddingJ.IEEETransactionsonKnowledgeandDataEngineering,2021,35:2133-2146.3 廖勇.空管概率风险评估模型研究J.兵器装备工程学报,2022,43(04):257-264.图1 民航安全风险预测模型构建与参数修正