� 飞机在进近过程中的稳定性是影响飞行安全的重要因素之一,日趋受到
民航行业的关注。进近着陆阶段虽时间上仅占整个飞行过程的约 4%,但发生飞行
事故风险的概率占整个飞行事故风险的 49.1%
[1]
。飞机降落阶段发生红色事件或者
警告事件大多伴随着不稳定进近警告,因此,探索分析不稳定进近事件时空分布规
律和其潜在诱因要素具有重要的实践意义,有助于推动对进近风险的有效规避,提
高飞行安全水平。
目前,在诱因分析方面,国内外关于不稳定进近方面的研究多围绕飞行员的人为因
素
[2]
、气象因素及机械因素
[3]
等展开,如分析突发低空风切变对飞机进近着陆
[4]
的影
响;在安全风险评估方面,采用灰色聚类方法
[5]
、进近角度和进近轨迹分析对进近
阶段安全等级进行评价;在风险预测建模方面,利用 BP(back propagation)神经网
络和 Elman 神经网络
[6]
、递归神经网络
[7]
、Logistic 回归模型
[8]
进行风险预测,以及
采用 4D 航迹预测方法
[9]
建立航迹预测分析模型。在以往的分析与预测中,主要是
针对飞行员操作与飞机自身因素进行分析
[2-9]
,很少对气象以及地形等空间因素在
精细尺度下与飞机事故之间进行关联分析。因此,本文对不稳定进近事件的时空规
律进行分析,开展了不稳定进近事件与气象及高程等诱因要素在精细尺度下的关联
分析。
本文利用中国民航行业快速存取记录器(quick access recorder,QAR)的飞行
大数据,分别对 2018 年 1 月空中客车系列飞机和波音系列飞机共约 35 万次航班
中发生的不稳定进近事件进行提取,其中,提取空客飞机不稳定进近事件数量共
10 814 次,波音飞机共 22 196 次,覆盖了全国 206 个机场,并采用探索性空间数
据分析(exploratory spatial data analysis,ESDA)方法对其时空分布模式进行分
析,探索不稳定进近发生在不同机场的潜在时空规律。在此基础上,利用皮尔逊相
关系数与地理加权汇总统计量进行对比,初步探索不稳定进近事件的诱因要素关
系,并从全局尺度和精细尺度探索其与诱因要素关系之间的相关关系,为量化分析
不稳定进近事件成因及建立精准预测模型打下坚实的理论与实践基础。
1. 研究基础
1.1 数据
为保障飞行安全和进行飞行品质监控,中国民航飞机强制安装了 QAR 设备
[10]
。QAR 主要记录飞行姿态、发动机状态、气象信息等飞行参数,相对完整地记
录了飞机的飞行过程,可用于状态监控、故障诊断、飞行品质评估
[11]
、飞行过程可
视化仿真重现、机务维修、油耗控制等方面
[12]
,在民航工程和飞行过程研究中有重
要意义。
评论0
最新资源