一种航空网络风险传播识别方法

技术领域

本发明属于民航风险评估领域，具体涉及一种航空网络风险传播识别方法。

背景技术

在航空网络运行过程中，运行风险的传播性与波及效应极强，有个别重要机场受突发天气或事故影响，就会导致其他机场的运行安全与效率受到影响，运行风险增加，从而导致全局网络的运行效率和运行安全的降低。因此，对航空网络运行风险传播的研究工作日益重要，航空网络的运行风险传播问题也越来越需要引起重视。如何合理量化航空网络运行风险，如何准确识别运行风险传播也已成为民航领域的重要问题。

在航空网络运行风险量化方面，最初美国联邦航空管理局(FAA)提出了单一安全指数指标作为民航运行安全风险指标。其他国外民航机构与单位也通过不同角度对风险指标定义与评估做出了研究，普遍思想是采用风险评价矩阵，通过计算风险概率衡量风险高低，并对风险做出不同的评级。国内对于风险量化与风险指标的选取也展开来了大量研究。中国民航局基于事故诱因层面建立了风险安全评价体系，主要从人、机、环境和管理等方面建立指标，并提出了混合指标的风险判定方法。目前虽然现在对民航行业整体层面的风险评估与指标已经有了大量技术方法，但针对航空网络层面的运行风险指标与风险量化的技术方法却相对缺少。虽然李善梅等人对航空网络的拥挤方面进行了风险评级，但也只局限于拥挤这一局部空间体现因素，目前仍然缺乏完整的航空网络层面的运行风险量化方法。

发明内容

有鉴于此，本发明的目的在于提供一种航空网络风险传播识别方法，旨在弥补航空网络层面的运行风险量化方法缺少的不足。

为达到上述目的，本发明提供如下技术方案：

一种航空网络风险传播识别方法，包括如下步骤：

对经过预处理之后的机场对风险时间序列数据基于预先建立的机场风险系数模型确定机场风险系数；

根据所述机场风险系数确定检验阶数；

基于所述检验阶数和机场对对应的风险时间序列确定对应的残差平方和；

对所述残差平方和进行检验，以识别所述机场对之间的风险传播关系。

可选的，确定机场风险系数模型，包括：

获取历史航班数据中每个机场在预设时间段内的平均起飞延误时间序列和机场饱和度序列；

对经过归一化处理之后的平均起飞延误时间序列和机场饱和度时间序列进行聚类，以获得对应的聚类范围。

可选的，获取历史航班数据中每个机场在预设时间段内的平均起飞延误时间序列和机场饱和度序列，包括：

平均起飞延误时间，满足：

其中，d

机场饱和度，满足：

其中，s

可选的，对经过归一化处理之后的平均起飞延误时间序列和机场饱和度时间序列进行聚类，包括：

对t到t+1时间段内所有机场的起飞延误时间和机场饱和度进行聚类获得延误区间和饱和度区间。

可选的，确定机场风险系数模型，还包括：

确定航空网络中每个机场在t到t+1时间段内的平均起飞延误时间与机场饱和度对应的聚类范围；

根据所述对应的聚类范围通过映射函数将航空网络中每个机场在t到t+1时间段内的平均起飞延误时间与机场饱和度映射为对应的延误权值与饱和度权值；

其中，延误权值，满足：

饱和度权值，满足：

其中，W

根据所述延误权值与饱和度权值建立机场风险系数模型，满足：

R

其中，R

可选的，根据所述机场风险系数确定检验阶数，包括：

对聚类后的所述机场风险系数进行格兰杰检验；

根据格兰杰检验获得的机场对风险等级范围确定检验阶数。

可选的，基于所述检验阶数和机场对对应的风险时间序列确定对应的残差平方和，包括：

根据所述检验阶数和机场对对应的风险时间序列分别构建无约束回归模型和有约束回归模型；

根据所述无约束回归模型和有约束回归模型确定对应的无约束残差平方和以及有约束残差平方和。

可选的，对所述残差平方和进行检验，包括：

对所述无约束残差平方和以及有约束残差平方和进行F检验、卡方检验以及似然比检验。

可选的，识别所述机场对之间的风险传播关系，包括：

若所有检验结果均超过预设临界值，则判定机场对之间存在风险传播。

可选的，识别所述机场对之间的风险传播关系之后，所述方法还包括：

对航空网络内的所有机场对进行检验，以识别航空网络的整体风险传播关系。

本发明的有益效果在于：本发明方法基于检验阶数和机场对对应的风险时间序列确定对应的残差平方和；对残差平方和进行检验，以识别机场对之间的风险传播关系，实现了对航空网络中两个机场间是否存在风险传播的判定，可以根据所识别出来的风险传播网络，达到航空网络运行风险传播识别的目的。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明实施例流程图；

图2为本发明实施例风险量化方法流程图；

图3为本发明实施例风险传播识别方法流程图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

本发明实施例提出一种航空网络风险传播识别方法，如图1所示，包括如下步骤：

对经过预处理之后的机场对风险时间序列数据基于预先建立的机场风险系数模型确定机场风险系数；

根据所述机场风险系数确定检验阶数；

基于所述检验阶数和机场对对应的风险时间序列确定对应的残差平方和；

对所述残差平方和进行检验，以识别所述机场对之间的风险传播关系。

本发明方法基于检验阶数和机场对对应的风险时间序列确定对应的残差平方和；对残差平方和进行检验，以识别机场对之间的风险传播关系，实现了对航空网络中两个机场间是否存在风险传播的判定，可以根据所识别出来的风险传播网络，达到航空网络运行风险传播识别的目的。

可选的，确定机场风险系数模型，包括：

获取历史航班数据中每个机场在预设时间段内的平均起飞延误时间序列和机场饱和度序列；

对经过归一化处理之后的平均起飞延误时间序列和机场饱和度时间序列进行聚类，以获得对应的聚类范围。

具体的说本发明方法主要包括两部分内容，第一部分风险量化方法和第二部分风险传播识别。第二部分风险传播识别需要第一部分输出的风险系数作为输入，从而识别机场之间的风险传播。

可选的，获取历史航班数据中每个机场在预设时间段内的平均起飞延误时间序列和机场饱和度序列，包括：

平均起飞延误时间，满足：

其中，d

机场饱和度，满足：

其中，s

本实施例中首选对于前述第一部分风险量化方法进行介绍，具体的本实施例中，首先确定机场风险系数模型，包括：

根据历史航班数据，获取每个机场在特定时间段内的平均起飞延误时间与机场饱和度的时间序列。其中时间序列可以以1小时为一个时间单位，并将1小时分成12个时间间隔，由此可以每5分钟计算一次平均起飞延误时间与机场饱和度。平均起飞延误时间与机场饱和度按照如下公式计算：

其中，d

其中，s

可选的，对经过归一化处理之后的平均起飞延误时间序列和机场饱和度时间序列进行聚类，包括：

对t到t+1时间段内所有机场的起飞延误时间和机场饱和度进行聚类获得延误区间和饱和度区间。

具体的说，如图2所示，本实施例中进一步，对求出的平均起飞延误与饱和度分别进行数据归一化处理。对t到t+1时间段内所有机场的起飞延误时间进行聚类，得到4个延误区间([0，λ

可选的，确定机场风险系数模型，还包括：

确定航空网络中每个机场在t到t+1时间段内的平均起飞延误时间与机场饱和度对应的聚类范围；

根据所述对应的聚类范围通过映射函数将航空网络中每个机场在t到t+1时间段内的平均起飞延误时间与机场饱和度映射为对应的延误权值与饱和度权值；

其中，延误权值，满足：

饱和度权值，满足：

其中，W

根据所述延误权值与饱和度权值建立机场风险系数模型，满足：

R

其中，R

具体的说，在本实施例中，依据前述所获得延误区间和饱和度区间，将网络中每个机场在t到t+1时间段内的平均起飞延误与饱和度对应到相应的区间中，并通过相应的基于高斯核函数的映射函数，分别映射成相应的延误权值与饱和度权值。

延误权值映射函数：

饱和度权值映射函数：

其中，W

最后机场k的风险系数R

R

基于此得出机场k在t到t+1时间段的风险量化系数。对网络中所有机场在1小时时间段内的所有时间区间分别计算风险系数R

可选的，根据所述机场风险系数确定检验阶数，包括：

对聚类后的所述机场风险系数进行格兰杰检验；

根据格兰杰检验获得的机场对风险等级范围确定检验阶数。

本实施例包含第二部分风险传播识别的内容，具体的说，对于所获取的航空网络中任意机场对A和B的风险时间序列，进行预处理，如图3所示，其中预处理包括，进行Z-Score标准化处理，去除数据趋势与平均值，再进行ADF检验，验证标准化处理后的数据平稳性，如还不平稳，则对数据进行一阶差分操作。

在获得平稳数据后，根据前述机场风险系数模型计算各个机场1小时的整体风险系数，如图3所示，格兰杰检验的最大滞后期maxlag就是A机场风险等级与B机场风险等级的平均。最后在1到maxlag范围内，选取各回归中AIC值最小的阶数作为最终检验的阶数，记为L。

可选的，基于所述检验阶数和机场对对应的风险时间序列确定对应的残差平方和，包括：

根据所述检验阶数和机场对对应的风险时间序列分别构建无约束回归模型和有约束回归模型；

根据所述无约束回归模型和有约束回归模型确定对应的无约束残差平方和以及有约束残差平方和。

具体的说，本实施例中，根据机场A、B的风险时间序列R

无约束回归模型(u)：

有约束回归模型(r)：

在本实施例中，初始假设H

可选的，对所述残差平方和进行检验，包括：

对所述无约束残差平方和以及有约束残差平方和进行F检验、卡方检验以及似然比检验。

具体的说在本实施例中，对前述两个回归模型的残差平方和进行F检验、卡方检验与似然比检验。

更为具体的，传统格兰杰检验是对两个模型的残差平方和进行F检验，即：

其中，n为每个风险时间序列的长度，L为通过AIC准则选取的滞后阶数。如果在选定的显著性水平α上计算的F值超过临界F

传统的回归分析F检验局限于回归系数的检验，只能单纯确定B机场风险时间序列是否有助于改善A机场风险时间序列的预测，但并不能保证引入B参量的复杂模型总体拟合效果和模型差异显著性满足统计学可信的要求。而且，在回归系数或模型非线性的条件下会有较大误差。在少数情况下，会因为偶然因素导致B机场序列有助于改善A机场序列的预测，但是引入B参量的复杂模型的显著性与拟合效果却不满足统计学可信的标准。

因此，本实施例中，进一步引入卡方检验与似然比检验模型可以有效避免这种少数情况的发生，验证回归模型差异的显著性(显著性越大说明引入B机场参量的自由回归模型效果越好)以及模型拟合效果，提高检验精度。卡方检验可以检查一些非线性情况下传统F检验误判的情况并加以修正，似然比检验可以验证回归模型差异的显著性，保证引入B机场参量的无约束回归模型的效果明显优于有约束回归模型的拟合效果。

具体的，本实施例中，基于残差平方和的卡方检验，满足：

在选定的显著性水平α上计算的χ

进一步，本实施例中引入似然比检验(LR)，满足：

LR＝2*(ln(L

其中，L

可选的，识别所述机场对之间的风险传播关系，包括：

若所有检验结果均超过预设临界值，则判定机场对之间存在风险传播。

具体的说，在前述F检验、卡方检验与似然比检验的基础上，本实施例中，当所有检验结果都显示拒绝H

可选的，识别所述机场对之间的风险传播关系之后，所述方法还包括：

对航空网络内的所有机场对进行检验，以识别航空网络的整体风险传播关系。

具体的说，本实施例中，对航空网络内所有机场两两之间相互进行该检验，最终识别出航空网络中的整体风险传播情况。最后可以以机场为节点，以传播关系为有向边，建立有向的风险传播网络，如果两个机场之间有风险传播关系，就将这两个机场连接起来，箭头从风险源机场指向被传播到的机场。

综上，本发明包括航空网络运行风险量化方法与风险传播识别技术两大组成部分。第一部分风险量化方法是第二部分风险传播识别技术的基础。第二部分风险传播识别需要第一部分输出的风险系数作为输入，从而识别机场之间的风险传播。

航空网络是指机场或航路点作为网络的节点，机场之间的航路航线作为网络的边的一种复杂网络。目前在民航领域，航空网络运行风险数值量化的研究还较少，而本发明的第一个部分就是提出一种新的基于聚类算法的航空网络风险量化方法。本发明从运行效率与运行安全两个角度出发，根据时间维度和空间维度两个维度的角度选取机场平均起飞延误与机场饱和度两个局部风险因素，运用聚类算法与映射耦合量化宏观的风险系数。平均起飞延误可以提现机场以及网络的运行效率，饱和度可以体现机场载荷情况，间接表现机场的运行安全状态。

本发明的第二个部分是提出一种基于卡方与似然比检验的改进格兰杰检验来进行风险传播的识别，用来识别两个机场间的风险传播。格兰杰检验的原理：在时间序列情形下，两个变量X、Y之间的格兰杰因果关系定义为：如果变量X有助于预测另一个变量Y，即在Y关于Y的过去值的回归中，添加X的过去值作为独立变量能够显著地增加回归的解释能力，则称X是Y的格兰杰原因。在航空网络中，假设两个机场A和B，通过使用B的风险系数时间序列的过去值判断是否有助于改进A的风险系数时间序列的预测，如果有助于A风险时间序列预测，则认为B是A的格兰杰原因，即B将风险传播给A。在固定时间内，首先用风险量化方法将两个对象机场的风险按指定的时间间隔计算出来，最终形成这一单位时间内的风险时间序列，再将两者的风险时间序列作为输入，利用基于卡方检验与似然比检验的改进格兰杰检验来识别两个机场间是否存在风险传播关系，以及风险传播的方向。最后对航空网络中所有机场两两进行传播识别，最终构建风险传播网络，达到航空网络运行风险传播识别的目的。

本发明方法的有益效果包括：

1、本发明方法弥补了现有技术缺少具体风险量化的不足，使航空网络中各机场的运行状态与安全效率有了更直观的体现与更具体的评估结果，有助于航空网络的风险控制与运行监视。

2、本发明方法有助于深入挖掘航空网络运行风险分布特性与传播机理，了解运行风险的传播过程，为航空网络的运行机理贡献理论经验，对相关民航部门的决策具有参考价值。

3、本发明方法有助于分析航空网络实际运行安全与运行效率，找出网络中的风险源，减少航空网络的潜在事故率，控制风险的传播，增强网络负载能力，适应航空运输的快速发展。

4、本发明方法可以用于风险传播网络的构建，从全局的角度展示航空网络在特定时间段内的运行状态与风险情况，可以更直观地展示航空网络中存在的风险隐患，预测航空网络中的风险波及范围。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。