本文選題：民航安全 + 主動報告��； 參考：《中國民航大學》2017年碩士論文

【摘要】：航空安全信息是辨識安全隱患、控制安全風險、改善航空安全的重要基礎(chǔ)。除事故、事故征候信息以外,來自從業(yè)人員的主動報告信息也是完善航空系統(tǒng)運行的重要信息來源。深入挖掘主動報告信息中的隱患,梳理報告中可能誘發(fā)嚴重后果的安全風險,建立同一類事件原因與可能衍生后果之間的語義網(wǎng)絡(luò)關(guān)系,可以為進一步的安全風險分析提供基于數(shù)據(jù)的分析基礎(chǔ)。本文以美國航空安全報告系統(tǒng)(ASRS)發(fā)布的近4年200份飛行機組疲勞報告信息為樣本,采用語義網(wǎng)絡(luò)分析法,研究報告中飛行員疲勞發(fā)生的時間、所處飛行階段、可能的原因、引發(fā)的后果,按照報告原文關(guān)鍵信息提取、疲勞語義網(wǎng)絡(luò)框架構(gòu)建、各模塊節(jié)點確定和節(jié)點關(guān)系確定的流程,建立飛行疲勞事件語義網(wǎng)絡(luò)圖;利用灰色關(guān)聯(lián)分析方法計算原因節(jié)點與疲勞之間、原因節(jié)點與后果節(jié)點之間的灰色加權(quán)關(guān)聯(lián)度大小排序,進一步分析不同層次節(jié)點之間相關(guān)性;利用Bow-Tie模型對飛行疲勞語義網(wǎng)絡(luò)內(nèi)容進行針對原因的預(yù)防控制措施及針對后果的緩解措施補充分析,最終建立能描述疲勞事件原因與可能后果的語義網(wǎng)絡(luò)圖。以2015年報告序號為1255485的疲勞事件為例進行實證分析結(jié)果表明:參照飛行疲勞語義網(wǎng)絡(luò)圖對疲勞事件過程進行分析,一是可以便捷地得出飛行員疲勞事件包含的疲勞原因、后果等信息,使飛行員疲勞事件演化過程的信息脈絡(luò)簡明、清晰;二是可以根據(jù)分析出的事件原因,利用節(jié)點關(guān)聯(lián)度分析結(jié)果,分析可能引發(fā)不同后果的安全風險,并參照建立的飛行疲勞Bow-tie模型給出控制措施建議;三是可以將新的原因和后果信息補充到現(xiàn)有語義網(wǎng)絡(luò)圖中,使其內(nèi)容不斷豐富和完善,進而為科學控制疲勞風險提供支持和參考。綜上,語義網(wǎng)絡(luò)分析法能夠很好地梳理和分析知識及之間存在的聯(lián)系,除進行飛行疲勞報告原因及后果的分析之外,也為主動報告中同一類事件的分析提供了參考。但由于主動報告無固定字段、順序等要求的特點,語義網(wǎng)絡(luò)目前在主動報告的分析中仍然處于人工分析的階段,在以后的分析中可增加分析工具的使用,提高分析效率。
[Abstract]:Aviation safety information is an important foundation to identify hidden dangers, control safety risks and improve aviation safety. In addition to accident and accident information, active reporting information from employees is also an important source of information to improve the operation of aviation system. The hidden dangers of active reporting information are deeply excavated, the security risks that may induce serious consequences in the report are combed, and the semantic network relationship between the causes of the same kind of events and the possible derivative consequences is established. It can provide data-based analysis basis for further security risk analysis. Based on 200 flight crew fatigue report information released by ASRSs, this paper uses semantic network analysis method to study the time, flight stage and possible causes of pilot fatigue in the report. According to the process of extracting the key information, constructing the fatigue semantic network framework, determining the node of each module and determining the relationship between nodes, the semantic network chart of flight fatigue event is established. The grey relational analysis method is used to calculate the grey weighted correlation degree between cause node and fatigue node, cause node and consequence node, and further analyze the correlation between different levels of nodes. The Bow-Tie model is used to analyze the prevention and control measures for the causes and the mitigation measures for the consequences of the flight fatigue semantic network. Finally, a semantic network diagram which can describe the causes and possible consequences of the fatigue events is established. Taking the fatigue event reported as 1255485 in 2015 as an example, the results show that the fatigue event process can be analyzed by referring to the flight fatigue semantic network diagram. First, the fatigue causes contained in the pilot fatigue event can be obtained conveniently. Such information as consequences makes the information of the evolution process of pilot fatigue events concise and clear. Second, the safety risks that may lead to different consequences can be analyzed by using the results of nodal correlation analysis according to the causes of the events analyzed. According to the established flight fatigue Bow-tie model, the control measures are suggested. Thirdly, the new cause and consequence information can be added to the existing semantic network diagram, which can enrich and improve the content of the model. Furthermore, it provides support and reference for scientific control of fatigue risk. In summary, the semantic network analysis method can sort out and analyze the knowledge and the relationship between them. Besides the analysis of the causes and consequences of the flight fatigue report, it also provides a reference for the analysis of the same kind of events in the active reporting. However, the semantic network is still in the stage of manual analysis in the analysis of active reports because of the characteristics of no fixed fields and order of active reports. In the later analysis, the use of analysis tools can be increased and the efficiency of analysis can be improved.
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：V328

【參考文獻】

相關(guān)期刊論文 前10條

1 胡臨春;;以問題為導向構(gòu)建民航主動報告制度[J];中國民用航空;2015年03期

2 尹麗英;趙捧未;;基于語義網(wǎng)絡(luò)社團劃分的中文文本分類研究[J];圖書情報工作;2014年19期

3 李海燕;李永建;;民航飛行疲勞致因分析與對策研究[J];產(chǎn)業(yè)與科技論壇;2014年11期

4 韓冰;;基于Shell模型分析人的因素在陸空通話中的重要性[J];網(wǎng)友世界;2013年22期

5 金愛明;;關(guān)聯(lián)理論在外語閱讀教學中的應(yīng)用探析[J];遼寧農(nóng)業(yè)職業(yè)技術(shù)學院學報;2013年05期

6 王文俊;白福利;;民航安全監(jiān)管信息研究綜述[J];交通企業(yè)管理;2013年03期

7 劉俊杰;李華明;梁文娟;崔振新;;基于內(nèi)容分析法的航空安全自愿報告信息分析[J];中國安全科學學報;2012年04期

8 田占偉;張慶普;劉臣;;語義知識網(wǎng)絡(luò)的結(jié)構(gòu)分析與構(gòu)建[J];情報理論與實踐;2011年10期

9 張晨;劉洪波;;美國航空安全信息共享和分析[J];中國民用航空;2011年10期

10 胡臨春;;我國民航迫切需要完善航空安全主動報告制度[J];中國民用航空;2011年07期

相關(guān)博士學位論文 前1條

1 許雯;基于溫病古籍知識概念語義網(wǎng)絡(luò)構(gòu)建研究[D];中國中醫(yī)科學院;2015年

相關(guān)碩士學位論文 前3條

1 姚媛媛;針灸概念語義網(wǎng)絡(luò)的構(gòu)建研究[D];中國中醫(yī)科學院;2014年

2 李觀;基于語義網(wǎng)絡(luò)的災(zāi)害知識表示研究[D];華中科技大學;2013年

3 孫玉剛;灰色關(guān)聯(lián)分析及其應(yīng)用的研究[D];南京航空航天大學;2007年

，

本文編號：1778217