飞行安全时空大数据理论与实践(精)

第1章绪论 1.1引言 随着现代科技的发展，人类的出行方式越来越多样化，汽车、火车、轮船、飞机等交通工具大大扩展了人们的活动范围，并缩短了旅途中的时间。而在出行的过程中，安全是人们*关心的问题。在诸多交通工具之中，飞机发生事故的概率是较低的，但是其事故的严重程度较高、造成的社会影响较大，因此往往*受人们关注。安全是民航永恒的主题，也是民航工作的重中之重。作为世界第二航空运输大国，中国民航每天约有1.6万个航班在起降，只有保障每一个航班的飞行安全，才能保障民航的整体安全。 飞行品质监控（Flight OperationalQuality Assurance，FOQA）是目前国际上公认的保证飞行安全的重要手段，得到了世界民航业的普遍认可。1997年，为改变中国民航事故频发的状况，提高飞行安全水平，中国民用航空总局（民航局）决定在所有运输航空公司强制推行飞行品质监控工程，要求从1998年1月1日起，在中国境内注册并营运的运输飞机应当安装快速存取记录器（Quick Access Recorder，QAR）或等效设备，利用QAR记录的飞行数据，对飞行操纵、飞机性能等进行监控，及时发现与标准飞行程序之间的操纵偏差及飞机性能偏差，分析查找原因，制定改进措施指导运行，并通过后续飞行检验措施的有效性，通过循环往复的改进保障飞行安全。我国成为世界首*强制开展飞行品质监控的国家，通过20多年的努力，中国民航运输安全水平取得了长足进步，实现了从跟跑到并跑再到领跑的转变。 为有效全面掌控所有运输航空公司的飞行安全状况，2013年底，民航局正式批复中国民航飞行品质监控基站建设项目，指定由中国民航科学技术研究院负责收集、处理与分析中国民航所有运输飞机QAR记录的全部数据，该数据具备了时空大数据的属性（QAR记录的参数主要包括时间、经纬度、高度、速度、风速、温度、近地警告、飞行姿态等多达2000多个参数，这些参数可以反映飞机的时间属性、空间属性、飞行员操控属性、发动机性能属性等维度信息，参数记录频率多为1秒1次，部分参数可达1秒8次）。2017年12月31日，基站一期工程验收通过并上线运行，截至2021年12月31日，已实现中国民航全部54家按CCAR-121（China Civil Aviation Regulations）部运行的运输航空公司的3900余架飞机的飞行数据航后自动汇聚到基站。该基站的建设在世界上首次实现了国家*全行业飞行数据的汇聚，为研究飞行风险，提升飞行安全水平提供了完备的数据保障。 目前，飞行品质监控多以超限事件探测和统计分析为主，分析超限事件在不同机型、不同机场和不同航线的发生率，统计分析方法局限于表象特征的分析，缺乏结合空间地理信息和气象信息诱因的关联综合分析。纵观国内外FOQA研究领域，缺乏一本能够系统、深入地讲解FOQA数据的采集、译码、监控、挖掘分析及应用的教学参考书，这也是作者撰写本书的初衷。 1.2飞行数据监控 飞行品质监控亦称为FDM（Flight Data Monitoring）或者FDA（Flight Data Analysis），通过收集和分析日常飞行数据，尽早地识别出不符合标准的操作、存在缺陷的程序、航空器性能的衰减、空中交通管制系统的不完善等安全隐患，以便提高飞行机组的操作品质、改进标准操作程序、完善飞行训练大纲、优化空中交通管制程序、改善空中航行服务或航空器维修和设计、减少运行和维护成本以及为安全管理中的风险管理提供数据和信息支持，是国际上公认的保证飞行安全的重要手段之一，已得到世界民航业的普遍认可。 飞行品质监控作为国际上公认的规避飞行风险的有效技术手段，于1958年由美国民用航空局*早提出，但由于飞行数据的保密问题，项目没有开展起来。1962年，英国率先开展飞行品质项目研究，利用飞机上的记录数据来确认适航标准。1993年，美国飞行安全基金会全面系统地提出了飞行操作质量保证计划的概念和框架，即飞行品质监控项目。1995年，美国联邦航空局开展了一项为期三年的FOQA项目，目的是对实施FOQA项目的成本、航空公司获得的效益和该项目对提高飞行安全的程度进行研究。2004年，美国联邦航空局发布了飞行运行品质保证的咨询通告W，强调了飞行数据统计分析的重要性；2011年，澳大利亚民航局CASA发布了飞行数据分析纳入安全管理体系（Safety Management System，SMS）的要求和指南[2]2012年，英国民航局发布了2011—2013年安全规划[3]，就如何构建基于飞行数据的先兆指标进行了规定，安全规划中7个关键风险（Significant Seven）的安全绩效指标来自典型QAR事件。2013年，英国民航局发布了CAP739（《飞行数据监测》），强调将飞行数据监测与SMS融合的必要性和方法；2014年，国际民航组织发布的Doc 10000（飞行数据分析方案，Flight Data Analysis Program）161中，使用大量篇幅提出将飞行数据分析纳入SMS的目标和必要性。FOQA项目的结果显示，监控飞行品质能够提高民用航空安全系数、发现潜在危险因素，同时也提高了各个航空公司多方面的效益。近年来在欧洲航空安全局的指导下，欧洲各运输航空公司联合成立了欧洲运营商飞行数据管理委员会，推进各航空公司的飞行品质监控项目开展。由于各航空公司数据的保密性问题，国际上关于FOQA研究的论文甚少，无法获取飞行品质监控项目的标准、模型和核心技术。 与国外相比，我国民航在20世纪80年代引入了飞行品质监控的译码技术，但当时只有少数几个航空公司在研究，我国全面开展飞行品质监控的研究和应用工作开始于20世纪90年代中后期。国内的飞行品质监控研究分为两个层面，一是数据层面，目前国内各运输航空公司都建立了飞行品质监控相关部门，负责对各公司的飞机QAR数据进行监控与分析，存在分而治之且相互独立的行业现状。由于数据保密性的原因，各公司根据自身的需求和数据，设立监控标准，进行数据分析，研发了一些实用的应用程序（APP）等，对公司提升飞行安全起到了积极作用。但从全局理论分析的角度来看，大多数分析以安全事件为中心，主要围绕对不同机型或超限事件直观分类统计和回归分析，局限于样本数小，仅对表象特征分析，鲜有综合利用多源时空信息和关联事件多方面诱因进行综合分析，缺乏对飞行品质监控信息深层次、系统性的挖掘与应用。二是学术研究层面，开展FOQA研究的机构主要集中在民航领域的院所，如中国民航科学技术研究院、中国民航大学等，少量业外的高校参与其中，主要原因还是在于数据的分散和保密问题，由于缺乏多学科的介入和融合，学术研究成果相对较少。研究成果主要集中在风险预测、事故分析、发动机监控、飞机系统故障预测与诊断等专题领域，关于民航时空大数据分析的研究几乎还是空白。随着行业飞行品质监控基站的建立和大数据技术的发展和应用，整合集成全行业的QAR数据，消除数据孤岛，进行多学科、深层次的交叉融合研究，已成为满足民航大数据建设战略需求的重要手段和提升民航飞行安全的重要抓手。 中国民航飞行品质监控基站的建设，为研究飞行风险、提升飞行安全提供了完备的数据保障 FOQA的研究，经历了从QAR到WQAR（Wireless Quick Access Recorder），直至将来的ATG（AirtoGround），硬件采集装置逐步升级换代。 1.3时空大数据 1.3.1时空大数据概述 随着人工智能以及物联网等新型技术的迅速发展，人们的位置、行为以及环境中的每一点变化都成为可以用来感知、记录、存储、分析以及利用的数据，全球信息化的进程已经迈入“大数据时代与时空位置相关的时空大数据是当今*重要的大数据之一，时空大数据通过所在空间的空间实体与空间现象在时间、空间以及属性三个方面的固有特征，呈现出多维、语义以及时空动态关联的复杂性。 时间、空间和属性是构成地理信息的三个基本要素。时空数据是指以地球为对象，基于统一时空基准，与位置相关联的地理要素或现象的数据集，具有空间维、属性维和时间维等基本特征。其中，空间维指地理信息具有精确的三维空间位置、s-XYZ）或空间分布特征；属性维指空间维上可加载的各种相关信息具有多维特征，需要一个科学的分类体系和标准编码体系；时间维指地理信息是随时间的变化而变化的，具有时态性，需要一个精确的时间基准。 时空数据的本质功能，是反映地理世界各要素或现象的数量和质量特征、空间结构和空间关系及其随时间的变化，是人类认知地理世界的基础。时空数据反映人类活动的时空规律，是一切大数据集合和聚合的基础时空框架，是各部门各行业信息系统的基础时空信息共享平台。随着卫星导航定位技术、天地空一体化遥感技术、地理信息系统技术以及计算机网络技术的发展，地球表面的集合特征和物理特征等，已经成为可被感知、记录、存储、分析和利用的地理时空数据。 因为时空大数据所在的空间以及空间现象中有时间、空间以及属性三个方面的属性，呈现出了多维、语义以及时间动态关联的复杂性。同时，通过时空模式挖掘、时空聚类、时空分类、时空异常检测等手段对时空大数据进行挖掘，挖掘时空大数据中有价值的模式。通过时空数据挖掘多维关联描述的形式化的表达以及关联挖掘分析，时空大数据的协同计算以及重构可以提供快速而准确的面向任务的关联约束，并展现出以下的特点[12]： （1）时空大数据包含对象、过程、事件在空间、时间、语义等方面的关联关系。 （2）时空大数据具有时变、空变、动态、多维演化特点，这些基于对象、过程、事件的时空变化是可度量的，其变化过程可作为事件来描述，通过对象、过程与事件的关联映射，建立时空大数据的动态关联模型。 （3）时空大数据具有尺度特性，可建立时空大数据时空演化关联关系的尺度选择机制；针对不同尺度的时空大数据的时空演化特点，可实现对象、过程、事件关联关系的尺度转换与重建，进而实现时空大数据的多尺度关联分析。 （4）时空大数据时空变化具有多类型、多尺度、多维、动态关联特点，对关联约束可进行面向任务的分类分级，建立面向任务的关联约束选择、重构与更新机制，根据关联约束之间的相关性，可建立面向任务的关联约束启发式生成方法。 （5）时空大数据具有时间和空间维度上的特点，实时地抽取阶段行为特征，以及参考时空关联约束建立态势模型，实时地觉察、理解和预测导致某特定阶段行为发生的态势。可针对时空大数据事件理解与预测问题，研究空间大数据事件行为的本体建模和规则库构建，为异常事件的模式挖掘和主动预警提供知识保障，可针对相似的行为特征、时空约束和事件级别来挖掘事件模式并构建大尺度事件及其应对方案的规则库。 1.3.2时空大数据研究进展 近年来，面向人类活动的时空大数据逐渐被挖掘、利用，生成各类智慧服务并渗透到人们生活的各方面，如图1-1所示。在智慧经济方面，企业利用数据挖掘技术，从客户消费的时空大数据中获取人们消费习惯，并划分成不同的消费群体，从而有针对性地投放产品，实现精准营销；在智慧交通方面，通过分析人流和车辆移动轨迹的时空大数据，可以预测路段的人流密度与交通状况，从而有效改善交通拥堵现象；在智慧医疗方面，通过对海量病历数据进行分析建模，可以了解人群疾病的时空分布规律，从而及时进行疾病的预防和控制。 时空大数据分析应用遍及智能交通、人类行为城市信息学等诸多领域。特别在交通运输领域方面，出租车轨迹、公交地铁数据铁路数据和移动互联网位置数据等时空大数据在行为模式分析、客流量预测、城市交通状况评估等方面进行了深入的应用。而在民航交通领域，海量QAR大数据的整理与收集为飞行风险方面的研究与探索提供了一个巨大的“数据金矿例如，根据四川航空公司航线飞行的A319和A320机型的QAR过载数据分析了高原航线上飞机颠簸出现航线分布及高度分布规律[221。但受限于之前的数据采集渠道，针对民航行业