图1 网络层次分析模型
Fig.1 Modelforanalyticnetworkprocess(ANP)
陈 斌a， 杜 醒a， 张兴俭b， 赵嶷飞b
(中国民航大学a. 飞行技术学院，b. 空管研究院， 天津 300300)
摘 要：为了正确评价私用飞行员的安全驾驶行为，在系统分析飞行运行全过程的基础上，建立了基于模糊网络分析法(FANP)的私用驾驶员安全驾驶行为评价模型.针对模型中三角模糊数互补判断矩阵一致性检验过于复杂的问题，引入了最小方差的非线性规划模型，通过求取最优解以简化计算，获得可信度较高的评价指标权重.以某航校飞行学员的评价为实例进行实证分析，结果表明，该模型较传统评价方式更全面、客观，有助于飞行员的安全驾驶行为训练.
关 键 词：私用驾驶员； 安全驾驶行为； 飞行运行； 三角模糊数； 模糊网络分析法(FANP)； 最小方差； 非线性规划模型； 最优解
目前，在国内外私用驾驶员执照申请人的安全驾驶行为评估中，各能力的重要性和优先程度主要依靠考试员来主观判断，缺乏客观性.中国民航局制定的《私用驾驶员执照实践考试标准》中规定：安全驾驶行为应当包括飞行计划制定、飞行技术动作、领航技术及应急情况处理等多个方面的能力，而国内外部分学者在定量评价飞行员方面做的一些研究都仅仅集中在评估飞行技术动作这单一科目[1-2].为了综合考虑飞行实践考试中的各个方面，需要建立一套全面、客观、有效的飞行员实践能力定量评定方法.考虑到私用驾驶员安全驾驶行为评估实质上是一个多目标评价问题，评价指标具有不确定性和模糊性等特征，评价指标之间存在相互影响，且评价结果容易受到考试员的主观影响[3-5]，因此，本文拟采用模糊网络分析法(以下简称FANP)对私用驾驶员安全驾驶行为进行评估分析.
由于FANP方法中判断矩阵一致性的检验过程比较复杂繁琐，本文使用基于最小方差的非线性规划模型法来求得三角模糊判断矩阵最优解，使计算过程简化，无须通过一致性检验便可获得可信度较高的三角模糊数权重向量[6-9].
1.1 模糊网络分析法
FANP方法由ANP和模糊综合评价法结合组成.ANP结构一般包括控制层和网络层，网络层中各元素之间相互影响作用，构成一个网络结构.典型的ANP结构如图1所示.
图1 网络层次分析模型
Fig.1 Modelforanalyticnetworkprocess(ANP)
根据ANP原理，控制层元素常作为准则，网络层元素作为次准则.各元素进行优势度比较，获得准则下元素之间影响关系的超矩阵，进而求得各元素在全局中的稳定权重，然后根据模糊数学的隶属度理论把定性评价转化为定量评价，应用模糊综合评价法对实际问题进行评价[10-11].
1.2 基于最小方差的非线性规划法
本文采用三角模糊数互补判断矩阵来表征专家对评价指标进行两两比较所给出的决策信息.三角模糊数互补判断矩阵表示为B=(bij)n×n，其中，bij=(blij，bmij，buij).设v=(v1，v2，…，vn)T为判断矩阵B的排序向量，分量vi=(vli，vmi，vui)，则其偏差函数为
(1)
为了得到合理的排序向量，上述偏差函数的期望值均应为0，因此，可以根据此多目标问题，使用最小方差法来建立非线性规划模型[4]，即
min
[bmij(vmi+vmj)-vmi]2+
[buij(vli+vlj)-vui]2}
s.t. 0<vli≤vmi≤vui≤1
(2)
通过LINGO进行编程求解该模型，便得到可信度较高的三角模糊数权重向量，从而省去了一致性检验的繁杂过程.
2.1 构建评价指标体系
飞行实践的过程是应用知识和技能解决飞行实际问题的过程，本文就取得单发陆地飞机私照所应具备的安全驾驶行为进行分析研究.构建私用驾驶员安全驾驶行为评价指标体系应当满足如下原则：首先是指标的全面性和可验证性，要能够全面反映整个飞行活动中应表现出的本领，以便进行综合评价；其次是指标的代表性和科学性，所选取的指标应当能够合理、有效地体现行业标准要求.在此原则基础上，结合《私用驾驶员执照实践考试标准》对飞行实践全过程中的飞行前准备、机场运行、飞行技术、领航技术、应急操作以及人为因素六个部分进行分析.通过分析最终构建出私用驾驶员安全驾驶行为评价指标体系，如表1所示.体系中各个指标因素相互作用影响，共同决定私用驾驶员安全驾驶行为的强弱.
2.2 构建私用驾驶员安全驾驶行为评价模型
2.2.1 建立ANP结构模型
根据表1的评价指标体系，将目标层作为控制层，评价元素组和各元素指标作为网络层，考虑各评价元素组及指标间相互影响关系，用箭头指向表示影响作用方向，建立私用驾驶员安全驾驶行为评价的ANP结构模型如图2所示.
各评价指标元素之间的相互影响关系如表2所示.“1”表示行指标元素会影响列指标元素，“0”表示不存在影响关系.
2.2.2三角模糊数互补判断矩阵与超矩阵
邀请专家根据表2各评价指标间的影响关系，分别以各指标为准则，采用0.1～0.9为评估标度对ANP结构中的相关指标进行两两重要度比较判断.将所得评价标度值转换为三角模糊数来表征专家判断信息，以此建立准则间的三角模糊数互补判断矩阵.
表1 私用驾驶员安全驾驶行为评价指标
Tab.1 Evaluationindexesforsafeflyingbehaviorofprivatepilot
图2 私用驾驶员安全驾驶行为的网络层次分析模型
Fig.2 ANPmodelforsafeflyingbehaviorofprivatepilot
以元素P1(飞行计划的制定)为准则，在元素组N(领航技术)中建立评估基本面.元素组N中的元素指标N1(推测领航)、N2(基本无线电领航)、N3(改航)和N4(迷航处置)按照其对P1(飞行计划的制定)的影响大小进行间接优势度比较，构造出三角模糊数互补判断矩阵如表3所示.
通过LINGO11对表中数据进行计算，求得三角模糊数最优解v1=(0.343，0.379，0.379)，v2=(0.343，0.379，0.379)，v3=(0.139，0.160，0.172)，v4=(0.056，0.056，0.069)，再计算vi的期望值，归一化后得到N1、N2、N3和N4对指标元素P1的影响权重向量v=(v1，v2，v3，v4)T=(0.387，0.387，0.165，0.062)T.以指标元素P2为准则，在元素组N(领航技术)中进行间接优势度比较，由表2可知P2与N中元素不相关，故N1、N2、N3和N4对指标元素P2的影响权重向量v=(0，0，0，0)T.综上可得元素组N中元素对元素组P中元素的影响程度矩阵WNP=(0.387，0.387，0.165，0.062，0，0，0，0)T.
同理，可计算得到其他元素影响程度矩阵，将各影响程度矩阵整合在一起即构成私用驾驶员安全驾驶行为评价指标超矩阵W.
2.2.3 确定指标全局权重
按照ANP原理确定超矩阵内各元素组之间的权重关系，以每个元素组作为准则分别对其他元素组进行两两比较，得到各元素组的权重矩阵如表4所示.
表2 各评价指标间的影响关系
Tab.2 Influencerelationshipbetweenevaluationindexes
表3 元素组N对P1的判断矩阵
Tab.3 JudgementmatrixofNtoP1inelementgroup
表4 安全驾驶行为权重矩阵
Tab.4 Weightmatrixforsafeflyingbehavior
对超矩阵进行加权处理，归一化后计算加权矩阵的极限稳定权重向量，使用MATLAB2012b计算出结果，即得私用驾驶员安全驾驶行为评价指标的全局稳定权重值分别为：0.109，0.014，0.014，0.022，0.009，0.020，0.010，0.061，0.051，0.023，0.037，0.036，0.037，0.026，0.052，0.071，0.025，0.195，0.189.
2.2.4 构建基于FANP模型的评价函数
将归一化所求得的评价指标全局权重值转化为评价指标权重向量，按六个评价元素组计算得全局稳定权重向量W=(0.123，0.045，0.165，0.136，0.148，0.384)，各评价元素组内稳定权重向量WP=(0.109，0.014)，WO=(0.014，0.022，0.009)，WF=(0.020，0.010，0.061，0.051，0.023)，WN=(0.037，0.036，0.037，0.026)，WE=(0.052，0.071，0.025)，WH=(0.195，0.189).
将以上权重向量作为基于FANP模型的评估函数系数向量C，将考试员或专家对私用驾驶员安全驾驶行为考核打分的成绩转化为评估矩阵R，将系数向量C与评估矩阵R相乘得到评估函数为
M=CR
(3)
3.1 用Fuzzy法评价飞行学员的安全驾驶行为
在某航校私照飞行检查时，通过7位考试员(包括为5名飞行教员和2名检查员)分别对3名私照飞行学员(分别以“学员A”、“学员B”、“学员C”表示)的各项安全驾驶行为评价指标进行评判打分，打分采用10分制，分为五个等级，[8，10)为优秀，[6，8)为良好，[4，6)为中等，[2，4)为及格，[0，2)为不及格.汇总统计每位飞行学员的评价结果如表5所示.
表5 评价统计
Tab.5 Evaluationstatistics
将统计结果利用模糊线性变换法构建相应学员各项指标的评价矩阵，以学员A为例，得出其各项指标的评价矩阵rA为
(4)
由以上结果可求得学员A各评价元素组所对应的评价向量，如飞行前准备评价向量为
RAP=WPrAP=
(0.030，0.093，0，0，0)
(5)
同理，可得机场运行评价向量RAO为(0.022，0.013，0.010，0，0)；飞行技术评价向量RAF为(0.001，0.030，0.094，0.039，0)；领航技术评价向量为RAN为(0.010，0.105，0.021，0，0)；应急操作评价向量RAE为(0，0.073，0.060，0.015，0)；人为因素评价向量RAH为(0，0，0.219，0.165，0).根据RAP，RAO，RAF，RAN，RAE，RAH可构建飞行学员A的整体评价矩阵RA.
于是，根据FANP模型的评价函数式可得学员A安全驾驶行为的总体评价向量为
MA=WRA=
(0.123，0.045，0.165，0.136，0.148，0.384)·
(0.006，0.042，0.112，0.072，0)
(6)
同理，可得学员B和学员C各评价元素组及整体能力评价向量，评价结果按隶属度最大原则确定，将3名私照飞行学员能力评价结果汇总，见表6.
表6 3名飞行学员考核评价结果
Tab.6 Examinationandevaluationresultsof3flightcadets
3.2 结果分析
从所得结果可以看出，学员A的各项评价指标中，机场运行为优秀，较为突出，其他方面的理论与实践表现的比较均衡，为良好或者中等，综合评价结果为中等.由于在私照飞行阶段，运行的机场通常较小，运行程序相对比较简单，因此机场运行此项对综合评定结果的影响比较有限.
学员B的飞行理论知识掌握较好，飞行前准备为优秀，机场运行为良好，但是其实践操作欠缺，飞行技术一项仅为及格，其综合评价结果为中等.
学员C除了领航技术为及格外，其余指标表现比较平均，但其综合评价为良好，优于学员A和学员B.在私照飞行阶段，实际操作能力比理论知识更为重要，飞行学员可以在飞行训练中随着飞行经验的累积加深对理论的掌握和理解；而飞行习惯和行为模式在飞行训练中一旦形成，通常很难改变，甚至伴其一生，因此在私照阶段非常重要.所以，学员C虽然理论方面表现一般，但是人为因素一项为良好，因此其综合评价成绩相对比较突出.
上述安全驾驶行为考核的评价结果与这3名学员平时考试成绩的存档记录基本吻合.后续的飞行训练可根据分析结果进行针对性的调整，学员A理论知识掌握较好，应该在以后加强飞行技术训练和个人素质的培养；学员B飞行技术能力较差，理论知识掌握较好，应加强飞行操作能力的训练，提高应用理论的能力；学员C实际动手操作能力较强，但其领航技术欠缺，在后续的训练中应该有所侧重.
通过以上分析得出如下结论：
1) 本文结合ANP和模糊综合评价方法构建了私用驾驶员安全驾驶行为评价模型，通过求解私用驾驶员各项安全驾驶行为指标的稳定权重，得到评估函数系数，进而构建了基于FANP模型的私用驾驶员安全驾驶行为评估函数.实例验证表明，该方法构建的FANP模型评估函数能够全面、客观、有效地评估私用驾驶员的安全驾驶行为并发现其存在问题，为以后的训练指明方向.
2) 本文使用基于最小方差的非线性规划模型来求得可信度较高的三角模糊数权重向量，使计算过程简化，省去了一致性检验的复杂繁琐过程.
3) 该方法具有较强的可操作性，不同的飞行教员均可以利用该评价函数来综合评价飞行学员的安全驾驶行为水平，从反馈的结果寻找问题，实现以最少的成本投入达到最佳的训练效果，为今后私用驾驶员安全驾驶行为评判和优秀飞行员的培养提供决策参考.
参考文献(References)：
[1]柳忠起，袁修干，樊瑜波.基于BP神经网络的飞行绩效评价模型 [J].北京航空航天大学学报，2010，36(4)：403-406.
(LIUZhong-qi，YUANXiu-gan，FANYu-bo.PilotperformanceevaluationmodelbasedonBPneuralnetworks[J].JournalofBeijingUniversityofAeronauticsandAstronautics，2010，36(4)：403-406.)
[2]高文琦，张复春，王立波，等.飞行训练成绩评估模型的建立与实现 [J].电子设计工程，2011，19(24)：50-52.
(GAOWen-qi，ZHANGFu-chun，WANGLi-bo，etal.Flighttrainingperformanceassessmentmodelandimplementation[J].ElectronicDesignEngineering，2011，19(24)：50-52.)
[3]和媛媛，周德群，王强.三角模糊数互补判断矩阵排序的最小方差法 [J].控制与决策，2008，23(10)：1113-1116.
(HEYuan-yuan，ZHOUDe-qun，WANGQiang.Leastvarianceprioritymethodfortriangularfuzzynumbercomplementaryjudgmentmatrix[J].ControlandDecision，2008，23(10)：1113-1116.)
[4]陈芳，罗云.管制员安全能力模型研究 [J].中国安全科学学报，2012，22(1)：17-23.
(CHENFang，LUOYun.Studyonsafetycapabilitymodelofairtrafficcontrollers[J].ChinaSafetyScienceJournal，2012，22(1)：17-23.)
[5]陈斌.基于网络分析法的私用驾驶员飞行能力评估 [J].中国民航大学学报，2015，33(6)：37-41.
(CHENBin.Flightcapacityevaluationofprivatepilotbasedonanalyticnetworkprocess[J].JournalofCivilAviationUniversityofChina，2015，33(6)：37-41.)
[6]刘保国，沈铭龙，马强.模糊网络分析法在公路山岭隧道施工风险分析中的应用 [J].岩石力学与工程学报，2014，33(增刊l)：2861-2869.
(LIUBao-guo，SHENMing-long，MAQiang.Applicationoffuzzyanalyticnetworkprocessinriskanalysisforconstructionofhighwaymountaintunnel[J].ChineseJournalofRockMechanicsandEngineering，2014，33(Supl)：2861-2869.)
[7]赵振武，刘福鳌.基于模糊网络分析法的机场旅客安检系统保障能力评估 [J].安全与环境学报，2015，15(2)：20-24.
(ZHAOZhen-wu，LIUFu-ao.Evaluationmethodofthesupportingfunctionsoftheairportpassengersecu-rityinspectionsystembasedonthefuzzyanalyticnetworkprocess[J].JournalofSafetyandEnvironment，2015，15(2)：20-24.)
[8]柏骏，夏靖波，赵卫虎，等.基于马尔科夫链模型的网络链路权重评价方法 [J].重庆邮电大学学报(自然科学版)，2014，26(5)：617-621.
(BAIJun，XIAJing-bo，ZHAOWei-hu，etal.WeightsevaluationofnetworklinksbasedonMarkovchainmodel[J].JournalofChongqingUniversityofPostsandTelecommunications(NaturalScienceEdition)，2014，26(5)：617-621.)
[9]夏春艳，蒋鲲.基于信度系数的人机界面评价指标权重分配 [J].沈阳工业大学学报，2013，35(1)：53-57.
(XIAChun-yan，JIANGKun.Weightassignmentofevaluationindexesforhumanmachineinterfacebasedonreliabilitycoefficient[J].JournalofShenyangUniversityofTechnology，2013，35(1)：53-57.)
[10]类淑菊，孙佳，李彤，等.基于G1法的飞行疲劳风险模糊综合评判方法研究 [J].安全与环境学报，2013，13(4)：244-249.
(LEIShu-ju，SUNJia，LITong，etal.FuzzycomprehensiveevaluationontheflightfatigueriskbasedonG1method[J].JournalofSafetyandEnvironment，2013，13(4)：244-249.)
[11]王燕青，马越，李振.基于模糊ANP的民航安检人员作业可靠性风险评估 [J].安全与环境学报，2014，14(5)：34-39.
(WANGYan-qing，MAYue，LIZhen.Renovatedriskassessmentmodelforoperationalreliabilityofaviationsecuritystaffbasedonfuzzy-ANPmethod[J].JournalofSafetyandEnvironment，2014，14(5)：34-39.)
(责任编辑：景 勇 英文审校：尹淑英)
CHENBina,DUXinga,ZHANGXing-jianb,ZHAOYi-feib
(a.FlightTechnologyCollege,b.AirTrafficManagementInstitute,CivilAviationUniversityofChina,Tianjin300300,China)
Abstract：Inordertocorrectlyevaluatethesafeflyingbehaviorofprivatepilot,anevaluationmodelforthesafeflyingbehaviorofprivatepilotbasedonfuzzyanalyticnetworkprocess(FANP)wasestablishedonthebasisofsystematicallyanalyzingthewholeflightoperationprocess.Aimingattheproblemthattheconsistencytestingoftriangularfuzzynumbercomplementaryjudgmentmatrixistoocomplicated,anon-linearprogrammingmodelbasedonminimumvariancewasintroduced,thecalculationwassimplifiedthroughfindingtheoptimalsolution,andtheevaluationindexweightwithhighcredibilitywasobtained.Anempiricalanalysiswasperformedwithchoosingtheevaluationofflightcadetsinaflightschoolasanexample.Theresultsshowthattheproposedmodelismorecomprehensiveandobjectivecomparedwiththetraditionalevaluationmodels,andisbeneficialtothetrainingofsafeflyingbehaviorofpilots.
Key words：privatepilot;safeflyingbehavior;flightoperation;triangularfuzzynumber;fuzzyanalyticnetworkprocess(FANP);minimumvariance;non-linearprogrammingmodel;optimalsolution
收稿日期：2016-03-09.
基金项目：中央高校基金资助项目(3122013X006)； 民航联合研究基金资助项目(U1533117).
作者简介：陈 斌(1980-)，男，广东汕头人，讲师，硕士，主要从事飞行技术与航空安全等方面的研究.
doi：10.7688/j.issn.1000-1646.2016.05.20
中图分类号：TP273
文献标志码：A
文章编号：1000-1646(2016)05-0590-07
*本文已于2016-09-07 16∶10在中国知网优先数字出版. 网络出版地址：http：∥www.cnki.net/kcms/detail/21.1189.T.20160907.1610.042.html