機場雷達數據的鳥擊風險評估范文

本站小編為你精心準備了機場雷達數據的鳥擊風險評估參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

鳥擊風險評估模型

以鳥擊概率（P）和嚴重程度（S）為自變量，建立鳥擊風險（R）評估模型，如式(1)所示。式中，P代表了某飛鳥侵入某跑道的概率，S代表了該飛鳥與飛行器撞擊的嚴重程度，二者的值劃分為非常高（VH）、高（H）、中等（M）、低（L）、非常低（VL）五個等級。表1給出了一個5×5的風險評估矩陣，建立了R與（P，S）之間的函數關系。風險值劃分為3個等級，要求機場管理人員分別采取不同的應對策略，表2提出了分級應對策略建議。

鳥擊概率估計

鳥擊概率估計模型綜合考慮了飛鳥與跑道的相對位置，估計某飛鳥目標侵入某跑道的概率，如圖1所示。點A和B為跑道的兩端，飛鳥目標（C）與跑道中點（O）之間的距離為L，OC與跑道之間的夾角為θ（0°≤θ≤90°）。

嚴重程度估計

本部分首先介紹了科學獲取專家知識的德爾菲法，進而提出一種雙層結構的DAHP模型，基于專家知識進行鳥擊嚴重程度估計。

1德爾菲法

德爾菲法是為了克服專家會議法的缺點而產生的一種專家預測方法。在預測過程中，專家彼此互不相識、互不往來，這就克服了在專家會議法中經常發生的專家們不能充分發表意見、權威人物的意見左右其他人的意見等弊病。各位專家能真正充分地發表自己的預測意見。德爾菲法依據系統的程序，采用匿名發表意見的方式，即專家之間不得互相討論，不發生橫向聯系，只能與調查人員發生關系，通過多輪次調查專家對問卷所提問題的看法，經過反復征詢、歸納、修改，最后匯總成專家基本一致的看法，作為預測的結果。這種方法具有廣泛的代表性，較為可靠。本文基于德爾菲法設計了專家調查問卷。問卷中首先簡要介紹了鳥擊風險評估和AHP方法的基礎知識，然后列出了需要專家填寫的DAHP模型中不同層次上的比較矩陣，最后提出了開放性問題，請專家對影響鳥擊風險的因素提出增減與合并建議。專家選擇是德爾菲法中一個重要問題，需要兼顧權威性和普遍性。因此，我們選擇的專家包括高等院校的鳥類學家、民航科研院所的航空安全專家以及機場一線的驅鳥人員。專家的數量需要合理設置，數量過少影響各領域的普遍性，數量過多造成操作困難，通常邀請10~20位專家。

2雙層結構的DAHP模型

建立雙層結構的DAHP模型估計鳥擊嚴重程度。在第一層結構中，考慮飛行器（EA）和鳥（EB）兩類因素；在第二層結構中，飛行器因素包含飛行器類型（TA）和飛行器狀態（SA）兩個子因素，飛鳥因素包含飛鳥數量（NB）和飛鳥重量（MB）兩個子因素；見下式。共邀請10名專家填寫調查問卷。其中，2名為高等院校的鳥類學家，5名為民航科研院所的航空安全專家，3名為機場一線的驅鳥人員。專家經過3輪問卷的征詢、歸納和修改，給出了趨于一致的比較矩陣。在第一層結構中，包含EA和EB的比較矩陣為當鳥群密集運動時，由于雷達分辨力有限，可能無法提供準確的飛鳥數量。此時，可以通過統計雷達圖像中鳥群目標的像素數，大致給出對應的飛鳥數量和種群規模[10]。最終的鳥擊嚴重程度由下式計算

機場實例

利用北京首都國際機場（三跑道）的仿真數據和北海福城機場（單跑道）的實測數據，對本文提出的鳥擊風險評估方法進行測試。

1仿真數據

圖2所示為北京首都國際機場三條跑道（R1、R2、R3）的位置與四群飛鳥目標（F1、F2、F3、F4）的運行軌跡，探鳥雷達的覆蓋區域為[-8,8]×[-8,8]。三條跑道長度分別為2km，8km和8km。表4給出了跑道與飛行器的相關信息，包括跑道端點的坐標與飛行器的型號和狀態，3個飛行器的狀態均為“起飛”。跑道2的北端設定為坐標系的原點。每條跑道的北端為A，南端為B。表5出了飛鳥目標信息，包括每群飛鳥目標的飛行起點和終點，以及每個群中目標的數量和重量。在圖2中，每個目標群的起點都被圈出，仿真時間為200s，10s更新一次坐標數據。利用以上仿真數據，估計每群目標的鳥擊概率和嚴重程度。圖3所示為4群目標針對3條跑道的鳥擊概率。在圖3(a)中，目標1距跑道1最近，其侵入跑道1的概率也最大，但由于其距跑道較遠，其侵入3條跑道的概率在整個仿真過程中始終低于0.4；在圖3(b)中，目標2對跑道3的鳥擊概率在150s之后接近100%，原因在于其在這段時間內與跑道3距離過近（<0.6km）；目標3在跑道1和跑道2之間的區域運動，其侵入這兩條跑道的概率也相對較高，見圖3(c)；目標4與3條跑道的距離基本相同，其3條概率曲線相互也比較靠近，見圖3(d)。

四群目標針對三條跑道上不同飛行器的鳥擊嚴重程度見表6。目標1和4的鳥擊嚴重程度等級均為H，可見一群小鳥與單只大鳥的鳥擊風險基本相同。基于圖3給出的概率估計結果和表6給出的嚴重程度估計結果，按照表1中的風險評估矩陣規則，得出的鳥擊風險評估結果如圖4所示。圖4(a)中，盡管目標1的鳥擊概率較低，但由于其嚴重程度估計值較高，其風險等級仍然較高；圖4(b)中，目標2對跑道1的風險等級高于對跑道2的風險等級，原因在于跑道2上的飛行器為B737，其對鳥擊的承受能力較差；圖4(c)中，由于目標3侵入跑道3的概率較低，其對跑道3造成的風險等級也較低。跑道1的風險等級比跑道2略早達到3；圖4(d)中，目標4與跑道1距離較近，對跑道1的風險等級也最高。三條跑道分別在50s、120s和180s達到風險等級3。

2實測數據

采用“機場雷達探鳥實驗系統”獲取的北海福城機場鳥情信息，將其與機場地圖疊加，如圖5所示。本實驗系統放置在機場跑道南端，以該位置為原點建立直角坐標系，跑道全長2km，兩端坐標分別為（0,-0.3）和（0.8,2.8）。圖5共顯示了某飛鳥群目標在1分鐘之內的運動情況，其中心位置由矩形方框標定，運動方向由一條短線表示。該目標群包括3只小鳥（0~50g），其橫穿跑道南端的同時，一架B737飛機正在滑行。采用本文提出的方法進行鳥擊風險評估，鳥擊概率等級為“VH”，鳥擊嚴重程度等級為“L”，風險等級為2級。按照表2提出的應對策略建議，此時應加強關注飛鳥目標，必要時采取相關驅鳥措施。

結束語

本文提出的基于探鳥雷達數據的鳥擊風險評估方法為機場管理人員科學評估鳥擊風險，積極采取應對措施提供了有力的工具。本方法考慮了鳥擊概率和嚴重程度兩方面的因素。其中，鳥擊概率估計以飛鳥目標位置為自變量，嚴重程度估計以飛鳥數量、體重和飛行器型號、狀態為自變量。由于本方法基于實時的鳥情信息，飛鳥目標的位置能夠及時更新，因此在鳥擊概率估計中未考慮其速度和方向因素。在鳥擊嚴重程度估計中，建立了雙層結構的DAHP模型，避免了同一層次上參數過多造成的比較矩陣一致性問題。

作者：陳唯實萬健李敬單位：中國民航科學技術研究院