基于事理图谱的飞行冲突事故演化研究_王洁宁.pdf

文章编号:1009-6094(2023)06-1961-09基于事理图谱的飞行冲突事故演化研究王洁宁1,2,朱 妍1,2(1 中国民航大学空中交通管理学院,天津 300300;2 中国民航大学天津市空管运行规划与安全技术重点实验室,天津 300300)摘 要:为识别飞行冲突事故的诱发事件与关键演化链路,提出了一种基于事理图谱的事故分析方法。首先依据系统理论过程分析(System Theoretic Process Analysis,STPA)方法辨识飞行冲突场景潜在风险事件,归纳出描述各组件交互过程的场景分析框架;再利用自然语言处理方法从事故文本中提取结构化事件,基于语义相似度匹配建立与风险事件的映射,组成事件演化链条,构建事理图谱;通过对飞行冲突场景进行仿真,运用统计指标定量分析网络拓扑结构,揭示事件对事故演化过程的影响力。结果表明,构建的事理图谱可视化诊断出机组突破管制员指令、机组操作不当导致偏航、航空器机上通讯导航设备故障、管制员纠正指令发布过晚、空中交通预警和防撞系统(Traffic Alert and Collision AvoidanceSystem,TCAS)发出异常措施通告/活动通告(ResolutionAdvisory/Traffic Advisory,RA/TA)警告、航空器出现飞行汇聚趋势 6 个诱发事件与 3 条关键演化链路,其中机组突破管制员指令与管制员指令发布过晚为重点管控事件。关键词:安全社会工程;事故分析;事理图谱;自然语言处理;飞行冲突中图分类号:X928 文献标志码:ADOI:10.13637/j.issn.1009-6094.2021.1900收稿日期:20211028作者简介:王洁宁,教授,硕士生导师,从事空管运行安全及 空 管 系 统 仿 真 研 究,wang _ jiening 。基金项目:国家重点研发计划项目(2016YFB0502401);民航华东空管局科技项目(KJ2101)0 引 言为保障空管安全运行,需要为航空器与航空器之间或航空器与障碍物之间配备合理安全间隔,以避免飞行冲突事件的发生。以往飞行冲突的研究多数聚焦于冲突探测与解脱方法优化问题1 3,尽管能够帮助管制员掌握复杂空域态势,但忽略了其发展过程中的事理逻辑。如何有效解决这一问题,研究其关键诱因与演化过程,对于提高管制员的应急处置能力,助推强安全、强效率、强智慧、强协同的现代化空管体系建设,提升空管安全运行品质具有重要现实意义。自然语言处理(Natural Language Processing,NLP)为人工智能技术奠定了研究基础,已经在信息抽取、语义分析等方面有了丰富积累4 5。2017 年,Sizov 等6首次使用自然语言处理从航空事故报告中自动提取旧事件的解释,生成的事件推理图能够将最终结果与根本原因通过中间状态环环相连,进而确定其演化过程。此后,自然语言处理在国外广泛应用于航空事故报告的分析。伴随着人工智能在国内的发展,2000 年,丁效等7提出事理图谱(EventLogic Graph,ELG)新理论,作为一种新的文本推理方法,它在事件逻辑关系推理8、事件可视化分析9方面的研究验证了这一方法在还原事件演变过程上的科学性。石瑞10基于大量施工安全事故文本数据建立了施工安全领域的事理图谱模型,可自动化推理和识别施工现场风险。此外,系统理论过程分析(System Theoretic Process Analysis,STPA)作为一种安全性分析的可靠方法,能够建立事件间的耦合作用与时序关系模型,应用于分析场景的各个阶段。张亚东等11采用 STPA 方法,辨识了单电台无线闭塞中心场景下潜在的不安全控制风险,结合多智能体仿真技术,验证了 STPA 危险分析的正确性。但在空管领域尚无 STPA 结合 NLP 建立事理图谱的相关研究。综上,本文基于 NLP 抽取文本语义信息与演化事件,引入 STPA 分析场景不安全控制行为及其对应风险事件,发现其中隐含的风险演化逻辑。再利用文本相似度建立事件映射,组成事件演化链路,构建飞行冲突事理图谱。展开仿真验证,通过深入分析网络拓扑特征,挖掘出飞行冲突发生的内在机制和潜在规律,以期提高管制运行单位冲突防范能力。1 演化模型框架结合 STPA 系统风险分析方法及自然语言处理,对飞行冲突事件报告进行数据处理与分析,并建立分析模型对场景演化过程进行研究,研究方法构架见图 1,具体步骤如下。1)运用空管安全信息管理系统中对飞行冲突危险的划分对飞行冲突场景进行分析,利用控制反馈结构诊断得到所有的不安全控制行为对应的风险事件类型。2)数据获取及自然语言处理。爬虫脚本获取飞行冲突不正常事件报告,通过自然语言处理对文本1691第 23 卷第 6 期2023 年 6 月 安全 与 环 境 学 报Journal of Safety and Environment Vol.23 No.6Jun.,2023图 1 研究方法构架Fig.1 Framework of research method词性、句法、语义信息进行抽取,实现对数据进行结构化处理,确定报告中飞行冲突演化过程中发生的所有演化事件。3)以 Doc2vec 模型为基础,对所得风险事件数据与演化事件数据进行文本相似度匹配,组合事件演化链路,获得飞行冲突场景的事理图谱,利用网络的拓扑特征参数计算得到飞行冲突场景下的诱发事件与关键演化链路。2 飞行冲突事理图谱构建2.1 飞行冲突场景的 STPA 分析飞行冲突场景的演化过程可用 STPA 方法中系统的各个组件与其之间的交互过程来描述。STPA认为系统危险是由于组件间交互缺乏充足的控制而导致的。因此基于空管安全信息系统,从全局角度将飞行冲突过程根据 4 种系统级危险划分为相应类型:顺向、交叉及逆向飞行冲突,紧急情况引发的与其他航空器的飞行冲突,军民航飞行冲突,措施通告(Resolution Advisory,RA)指示下操作引发的与其他航空器的飞行冲突。通过确定执行器、控制器、控制过程及传感器层级间随时间推移发生的变化与交互行为,建立飞行冲突场景层级间的控制反馈结构(见图 2),以确定系统内各个组件之间的交互过程。根据过程的分层控制结构,从不恰当的控制过程风险、不严格的执行过程风险、不可预期的外界干扰风险、错误的反馈信息风险 4 个方面剖析,诊断出TA(Traffic Advisory)为活动通告,CLAM(Cleared Level AdherenceMonitoring)为偏离高度层告警,STCA(Short Term Conflict Alerts)为短期冲突告警,TCAS(Traffic Alert and Collision Avoidance System)为 空中交通预警和防撞系统。图 2 飞行冲突控制反馈结构Fig.2 Flight conflict control feedback structure飞行冲突过程中所有潜在的不安全控制行为,结合民用航空器征候等级划分办法识别出相应的风险事件,如表 1 所示,其中 4 个子过程共包含 37 个风险事件。2.2 文本信息抽取针对从以往事件报告的非结构化描述文本中自动抽取其演化过程中所有发生事件的问题,需要通过文本预处理将语料转化为计算机能够理解的人类命令。将有关民航空域信息与行业敏感信息进行去噪与清理后,对文本中无实际意义的助词、介词、副词等进行停用词过滤,初步实现文本语料的结构化。再使用自然语言处理工具 Hanlp 对文本数据进行分词,空格符代表将句子切割为词语的分词结果。最后,结合空管领域词库,对民航专业词汇,如“冲突解脱”“TCAS 防撞系统”等,做出短语结构标记,将处理的结果进行词性标注,如图 3 所示,“vn”代表具有名词功能的动词、“p”代表介词、“q 代表量词”等,标注标准为 PKU 语料库中的 43 类词性定义。事理图谱中定义事件为:一个或若干角色参与在某特定时间段、特定地方内发生的动作集合或实体状态发生改变。为了从预处理后的文本语料中抽取出所有的演化事件,将事件结构化表示为三元组V=def(S,P,O)(下标 def 表示“定义”),其中 S 表示主语,P 表示谓语,O 表示宾语。通过对句子筛选后的相应词性进行拆分重组,将事件抽取问题转化为分类问题。采用 Hanlp 模型抽取文本相应的句法2691 Vol.23 No.6 安全 与 环 境 学 报 第 23 卷第 6 期表 1 飞行冲突风险事件Table 1 Flight conflict risk events子过程风险事件类型子过程风险事件类型控制过程管制员未按照应急预案操作程序进行处理 C1管制员发出(纠正)指令过晚 C2管制员指令错误 C3管制员混淆相似航班号 C4管制员未向机组证实是否具备缩小垂直间隔最低标准(Reduced Vertical Separation Minimum,RVSM)能力 C5管制员未加强对故障航空器的监控及进行活动通报 C6管制员未对故障航空器使用影响正常垂直速率的指令 C7管制员未对故障航空器慎用最小间隔标准 C8管制员未询问突破管制指令的机组意图 C9管制员未处理机组请求 C10管制员未与军航指挥室建立沟通(管制受军方活动影响)C11执行过程机组未听到管制员指令 M1机组误听管制员指令 M2机组接收到管制员指令后未复诵 M3机组突破管制员指令 M4机组操作不当导致偏航 M5机组混淆相似航班号 M6机组执行未知的操作 M7机组未经允许/错误绕飞 M8外部扰动航空器遭遇气流、雹击等自然天气干扰 D1航空器遭遇无人机、鸟袭、激光照射等其他不明空中活动干扰 D2航空器机上通讯、导航设备故障 D3航空器受其他航空器特情影响 D4航空器动力、定位、防冰等设备故障 D5航空器非调配原因的盘旋等待 D6航空器原因导致偏航 D7航空器自动驾驶问题 D8航空器机载设备内容突变 D9地面通讯设备故障 D10反馈过程机组完成指令后未及时回复管制员 F1雷达告警 F2出现飞行冲突 F3TCAS 发出措施通告/活动通告(ResolutionAdvisory/Traffic Advisory,RA/TA)警告 F4机组未报告观察到的异常空中交通事件 F5TCAS反馈出现异常 F6空管自动化系统 STCA 告警 F7出现飞行汇聚趋势,未产生飞行冲突 F8图 3 文本预处理示例Fig.3 Example of text pre-processing与语义信息,确定词语之间的语义关系,模型基于条件随机场序列标注的命名实体识别技术,通过事件触发词识别文本中的事件、事件类型及其组成要素。借助 parseDependency 函数判定句子中词汇与词汇之间的相互依存关系,将结果可视化输出为 SDP 格式的依存句法树,见图 4。抽取句法分析结果中的事件元素,得到如图 5所示的语义分析结果,进而判断其元素角色,筛选组成演化事件,抽取事件三元组结果见表 2。2.3 语义匹配为探究抽取出的事件三元组之间的演化关系,采用 Doc2vec 方法12将演化事件通过文本相似性36912023 年6 月 王洁宁,等:基于事理图谱的飞行冲突事故演化研究Jun.,2023图 4 依存句法树示例Fig.4 Example of a dependency syntax tree表 2 演化事件提取结果示例Table 2 Example of evolutionary event extraction results输入文本事件抽取结果抽取事件个数爬升过程中机组通过 TCAS 发现左边 10 点方位一架飞机下降高度,大约9 000 英尺出现 RA 警告(机组 发现 飞机下降)(TCAS 发出 RA 警告)2管制员开始进行冲突解脱,指挥航班 1 立即左转航向 270,并通报是由于冲突(管制员 解脱 冲突)(航班 1 左转 航向 270)(管制员 通报 冲突)3管制员指挥航班 2 立即左转航向 070,并停止下降,同时通报是由于冲突(航班 2 左转 航向 070)(管制员 停止下降 航班 2)(管制员 通报 冲突)3TCAS 告警解除,两机始终未小于管制间隔,未对其他航空器造成影响(TCAS 解除 警告)(冲突 未影响 其他航空器)2图 5 语义分析示例Fig.5 Example of semantic analysis映射到 STPA 分析得到的 37 个风险事件中,根据组件间的交互过程,确定风险事件的逻辑演化关系,并将所有风险事件组成演化事件链条。Doc2vec 通过将长文本映射成低维稠密向量,实现了长文本学习的固定长度特征表示,能够有效克服线性判别分析(Linear Discriminant Analysis,LDA)、词频 逆向文件频率(Term Frequency-Inverse Document Frequency,TFIDF)等方法没有语序信息与语义信息的缺陷。使用如图 6 所示的段落向量的分布式存储模型(Distributed Memory Model of Paragraph Vectors,PVDM)方 法 训 练 模 型,累 加 输 入 段 落 识 别 码(Identification,ID)与专属于该段落某一窗口内的上下文词向量 One-hot 编码,结束后每个句子都映射到了投影层的向量空间中,用窗口滑动的方式产生训练集,输出上下文的预测结果。训练后的 Doc2vec 模型能够将事件语料高效的表达为向量形式,本文余弦相似度计算公式为cos=xyxy=Ni=1xiyiNi=1x2iNi=1y2i(1)式中 xi、yi代表文本语句。计算每个文本向量在其空间上的位置距离,确定文本间的语义相似性。判4691 Vol.23 No.6 安全 与 环 境 学 报 第 23 卷第 6 期图 6 PVDM 训练模型结构Fig.6 PVDM training model定任意文本间的余弦相似度不小于预定义阈值0.674 的事件具有共指关系,若相似度小于匹配预定义阈值,则无法实现映射。3 试验仿真分析3.1 仿真建模为了验证上述模型的合理性与可靠性,选取我国监管部门公布的 357 条飞行冲突不安全事件报告中过程描述语料作为案例数据,收集了报告中对于事故演化过程的专家分析结果作为验证集,开展飞行冲突事理图谱的构建。借助 Gephi 软件,将信息抽取后的 852 个演化事件映射到 STPA 分析后的风险事件作为节点,每个节点标签分别对应表 1 中的飞行冲突风险事件,节点的大小和颜色深浅都对应着每个事件在飞行冲突事理图谱中的中心性;并将事件匹配在控制反馈结构中的演化关系作为边,每个边的方向表示事件的演化方向,边的粗细程度代表着事件重复演化出现的频次,即边权重。箭头尾端是演化的前置事件,箭头指向的是演化的后续事件,能够推导出事件在时间序列上的演化关系;通过组合语义匹配获取的事件链生成如图 7 所示的飞行冲突事理图谱,包括 37 个节点和 127 条有向边。飞行冲突事理图谱通过对飞行冲突不正常事件报告中信息抽取后可视化重构,实现了飞行冲突场景完整演化过程的抽象建模。本质上是存储飞行冲突风险事件演化过程中事理逻辑的知识库,因此事理图谱反映出了事件演化过程的特征。通过分析事图 7 飞行冲突事理图谱Fig.7 Flight conflict event logic graph理图谱的网络特性,能够揭示事件演化的深层逻辑和内在规律,挖掘出飞行冲突事故中有价值的演化信息。3.2 网络拓扑特性分析在飞行冲突事理图谱中能够直观地观察到,所有节点都会通过各种不同的路径最终指向 F8。这意味着任何风险事件一旦发生,都可能通过不同的演化方式,导致飞行冲突汇聚情况的发生。若无管制员处置特情,风险事件会进一步升级,进而造成飞行冲突事故或事故征候。且事故由多种事件耦合作用所致,不同事件节点及其有向边分布的密集与稀疏程度差异明显。为深入探究飞行冲突事故的演化机制,挖掘不同节点在图谱中的重要度区别,帮助管制员找到阻止事件进一步演化的关键风险控制手段。选取节点度、节点强度等网络拓扑特征作为衡量演化过程的指标13,分析事理图谱的统计特性,寻找事故的诱发事件和关键演化链路。1)节点度。在有向网络中,节点度代表与节点相连的邻边数目,在本文中代表风险事件在事理图谱中的连通性,能够有效表征节点的重要程度。节点的总度数定义为节点出度与节点入度之和,从某一节点出发连接至其他节点的边数,记为该节点的出度;从其他节点指向某一节点的边数,记为该节点的入度。飞行冲突事理图谱中各节点的总度、入度和出度分布见图 8。节点 F8、M4、D3、M5、F4、F3、C2度分布明显56912023 年6 月 王洁宁,等:基于事理图谱的飞行冲突事故演化研究Jun.,2023较高,表示以上事件易在遭遇干扰时频发,从而引发安全风险;反馈过程节点 F8、F3、F4、F2排在入度的前 4 位,其中节点 F8远高于其他相邻节点,表明即使在空管自动化系统的协助下,大多数飞行冲突情况仍然需要依靠管制员通过责任扇区内已知的雷达航迹对现有飞行潜在冲突的预判,这依赖于管制员的专注程度和工作经验积累;执行过程与外部扰动节点 M4、D3、M5出度大于 8。由此可见机上通讯设备出现信号丢失、机组突破管制员指令或在执行过程中出现偏航的情况仍然是多数飞行冲突的主要成因,应该成为管控的重点关注方向。图 8 节点的度分布Fig.8 Degree distribution of nodes2)节点强度。在有向网络中,节点强度代表节点的所有邻边所对应权值之和,反映了直接相连节点间影响关系的强弱。节点的总强度定义为出强度与入强度之和,从某一节点出发连接至其他节点的边权重之和,记为该节点的出强度;从其他节点指向某一节点的边权重之和,记为该节点的入强度。图谱中强度大于 50 的节点分布见图 9。其中,节点 M4、D3、F4、M5和 C2的传播效率排在前 5 位,分布比例与节点度相似,因此飞行冲突事理图谱中,节点颜色越深,相应指向线条的颜色也大多越深。节点 F4、F3、M4、M5、D3和 C2的入强度排在前 6 位,值分别为 260、210、140、110、80 和 80;节点 M4、D3、C2、M5和 D1的出强度排在前 5 位,值分别为 580、340、240、238 和 170。这表明事件“机组突破管制员指令”“航空器机上通6691 Vol.23 No.6 安全 与 环 境 学 报 第 23 卷第 6 期讯、导航设备故障”“管制员发出(纠正)指令过晚”不仅容易受其他事件干扰,且发生后更容易对飞行产生严重的影响,是飞行冲突事件演化的关键防控步骤。3)节点介数。介数衡量了节点出现在任意两个随机节点之间图 11 节点簇系数分布Fig.11 Distribution of nodes clustering coefficient最短路径上的频率。节点介数越大,表示事件在演化过程中所发挥的传递作用越强。经计算,介数大于 0.01 的节点分布如图 10 所示,相应节点在多维雷达图点的位置代表其节点介数。距离图中中心原点越近,即介数越低,代表该节点传递作用较弱;距离中心原点越远,介数越高,则该节点传递作用较强。在 37 个节点中,介数大于 0.05 的节点有 D3、M4、F7、M5和 D9,对应事件大多出现在图谱中的最短路径。其值分别为0.260 4、0.177 3、0.110 3、0.108 5 和0.068 0,占累积介数的 84%,包含了整个图谱超过4/5 的最短演化链路。因此针对以上事件进行控制,可以有效切断潜在冲突演化过程,提高管控效率。4)簇系数。节点的簇系数可以衡量图谱中节点聚集程度,簇系数越高,表明相邻节点间耦合作用越强。图谱中簇系数大于 0.2 的节点分布见图 11。由图 11 可见,C7、C9、M2、M3、M7、D2、D4、D7和 D10这些诱发事图 9 强度大于 50 的节点Fig.9 Nodes with strength greater than 50件与相邻事件关联密切,异常时会引起连锁反应。其中控制过程中,“管制员误用正常垂直速率”“对机组未知操作的反应”与“执行过程中机组误听指令”事件同样需要严格预防。5)平均路径长度。飞行冲突事理图谱直径为 7,平均路径长度为2.6936,意味着该网络中节点间距离的最大值为 7,每个节点平均 2 步就可以与另外一个节点产生较强的关联,网络的整体分离程度较小,风险的演化效率极高。当管制员发现异常情况时应第一时间进行冲突解脱。3.3 结果分析通过分析飞行冲突事理图谱的统计指标,可明显发现一些节点在推动事件演化中至关重要,且与其他节点频繁共同出现。本文将图谱中重要性较强的节点和紧密度较高的节点组合分别称作诱发节点与关键演化链路,见表 3。综合节点的度、强度及介数分布的结果,将对图谱演化影响力较明显的节点F8、M4、D3、M5、F4和 F3判定为飞行冲突场景的诱发节点。考虑簇系数和最短路径的全局指标可以反映图 10 节点介数分布Fig.10 Distribution of node betweeness76912023 年6 月 王洁宁,等:基于事理图谱的飞行冲突事故演化研究Jun.,2023表 3 最终结果分析Table 3 Final results analysis统计指标诱发节点关键链路节点度F8、M4、D3、M5、F4、F3、C2节点强度M4、D3、F4、M5、C2聚类系数C7、C9、M2、M3、M7、D2、D4、D7、D10介数D3、M4、F7、M5、D9最短路径C6D4、C9F8、M2M4综合分析F8、M4、D3、M5、F4、F3C6D4F8、M2M4D10C9F8、M3D3C7F8出关联最为密切的节点关系 C6D4、C9F8、M2M4,结合介数分布结果确定 3 条飞行冲突场景的关键演化链路为 C6D4F8、M2M4D10C9F8、M3D3C7F8,分析结果与报告中多位专家分析结果中的诱发因素与演化过程基本一致。管制员通过加强对诱发事件的预防和提前切断关键演化链路的发展,高效提高冲突防范能力,将安全关口前移。4 结 论1)NLP 与 STPA 结合的事理图谱构建,能够实现计算机对于飞行冲突事故文本的智能化推理,适用于各种场景的事故演化可视化分析。网络拓扑特征可以有效揭示事件在情景下的重要性和事件间的作用关系。2)经过统计分析可知,机组突破管制员指令、机组操作不当导致偏航、航空器机上通讯导航设备故障、管制员纠正指令发布过晚、TCAS 发出异常 RA/TA 警告、航空器出现飞行汇聚趋势是导致飞行冲突发生的主要诱发事件。并探究出管制员未加强对故障航空器的监控及飞行活动情报航空器受其他航空器特情影响出现飞行汇聚趋势、机组接收到管制员指令后未复诵航空器机上通讯、导航设备故障管制员未对故障航空器使用影响正常垂直速率的指令出现飞行汇聚趋势、机组误听管制员指令机组突破管制员指令地面通讯设备故障管制员未询问突破管制令的机组意图出现飞行汇聚趋势这 3 条飞行冲突事故关键演化链路。建议管制员增强情景意识,对于已经出现故障和未执行指令的航空器的异常,时刻保持警觉性,及时处理机组的相关请求;对于已经发生告警的航空器,第一时间进行冲突解脱,并实时确认飞行汇聚趋势,证实机组对指令的理解是否正确,避免由于通讯设备或理解偏差造成的误听指令。3)本文强调了对飞行冲突事理图谱的构建与分析,而缺少对事件发生的可能性与事件之间转移概率的可靠分析。为了提升网络分析性能,下一步拟定量研究演化事件之间的转移概率,从而有针对性地深入探讨高效的管理措施。参考文献(References):1吴明功,王泽坤,甘旭升,等.基于复杂网络理论的关键飞行冲突点识别J.西北工业大学学报,2020,38(2):279287.WU M G,WANG Z K,GAN X S,et al.Identification ofkey flight conflict nodes based on complex network theoryJ.Journal of Northwestern Polytechnical University,2020,38(2):279287.2 毕可心,吴明功,张文斌,等.基于速度障碍法的飞行冲突网络建模与分析J.系统工程与电子技术,2021,43(8):21632173.BI K X,WU M G,ZHANG W B,et al.Modeling andanalysis of flight conflict network based on velocityobstaclemethod J.SystemsEngineeringandElectronics,2021,43(8):21632173.3 刘飞,余敏建,李佳威,等.基于复杂网络理论的飞行冲突关键点识别J.空军工程大学学报(自然科学版),2019,20(4):1925.LIU F,YU M J,LI J W,et al.An identification of flightconflict key nodes based on complex network theoryJ.Journal of Air Force Engineering University(NaturalScience Edition),2019,20(4):1925.4 ABEDIN M.Automatic cause identification from aviationsafety incident reportsD.Dallas:University of Texas atDallas,2011.5 SIZOV G,OZTURK P,STRYAK J.Acquisition andreuse of reasoning knowledge from textual cases forautomated analysis J.Lecture Notes in ComputerScience,2014,8765:465479.8691 Vol.23 No.6 安全 与 环 境 学 报 第 23 卷第 6 期6 SIZOV G,OZTURK P,MARSI E.Let me explain:adaptation of explanations extracted from incident reportsJ.Ai Communications,2017,30(3):114.7 丁效,李忠阳,刘挺.事理图谱:事件演化的规律和模式EB/OL.20000108.https:/ X,LI Z Y,LIU T.Event logic graph:laws andpatterns of event evolutionEB/OL.20000108.https:/ 夏立新,陈健瑶,余华娟.基于事理图谱的多维特征网络舆情事件可视化摘要生成研究J.情报理论与实践,2020(10):157164.XAI L X,CHEN J Y,YU H J.Research on the visualsummary generation of network public opinion eventsbasedonmulti-dimensionalcharacteristicsofeventevolution graph J.Information Studies:Theory&Application,2020(10):157164.9 冯钧,王云峰,邬炜,等.城市内涝事理图谱构建方法及应用J.河海大学学报(自然科学版),2020,48(6):479487.FENG J,WANG Y F,WU W,et al.Constructionmethod and application of event logic graph for urbanwater loggingJ.Journal of Hohai University(NaturalSciences),2020,48(6):479487.10 石瑞.基于事理图谱和图像语义的施工安全风险识别D.大连:大连理工大学,2021.SHI R.Identification of construction safety risks basedon event logic graph and image semanticsD.Dalian:Dalian University of Technology,2021.11 张亚东,王硕,李亚,等.基于 STPA 与多智能体的列控运营场景危险分析及仿真验证方法J.中国铁道科学,2021,42(1):147155.ZAHNG Y D,WANG S,LI Y,et al.Hazard analysisand simulationverificationmethodoftraincontroloperation scenarios based on STPA and multi-agentJ.China Railway Science,2021,42(1):147155.12 GHOSH S,CHOLLET M,LAKSANA E,et al.Affect-LM:a neural language model for customizable affectivetext generation J.AssociationforComputationalLinguistics,2017,1:634642.13 张伟,张潇,薛楠楠,等.塔吊安全事故致因网络模型构建与分析J.中国安全科学学报,2020,30(12):17.ZHANG W,ZHANG X,XUE N N,et al.Networkmodel establishment and analysis of tower crane safetyaccident causes J.China Safety Science Journal,2020,30(12):17.Research on the evolution of flightconflict accidents based on eventlogic graphWANG Jiening1,2,ZHU Yan1,2(1 College of Air Traffic Management,Civil Aviation Universityof China,Tianjin 300300,China;2 Tianjin Key Laboratory ofOperation Programming and Safety Technology of Air TrafficManagement,CivilAviationUniversityofChina,Tianjin300300,China)Abstract:This paper proposed an accident analysis method thatcan identify the inducing events and key evolutionary links offlight conflict accidents based on the Event Logic Graph.To thisend,we identified 37 potentially unsafe control behaviors andtheir corresponding risk events for four processes in a flightconflict scenario based on Systems-Theoretic Process Analysis(STPA).Thus,the scene analysis framework describing theinteraction process of each component was summarized.Thelexical,syntactic,and grammatical information contained in theevent text is extracted using natural language processing methodsand stored in a structured form to evolve the event.We mappedevolutionary events to risk events based on semantic similarityand formed an event evolutionary chain.In this process,we usedevents as the nodes and the event evolution relationship as theedges and constructed the Event Logic Graph of flight conflictevents.Finally,we simulated flight conflict scenarios andquantitatively analyzed the topological properties of the networkin terms of node degree,node strength,and clustering coefficientof the Event Logic Graph.In this way,we obtained differenteffects of different events on the evolution of the overall flightconflict event.Andexploredtheevolutionarypatternsofsuccessive events and models of event evolution.Then weexcavated the induced events and key evolution links in theevolution process of flight conflict.The results show that theconstructed Event Logic Graph visually diagnosed six triggeringevents andthreekeyevolutionarychains:crewbreakingcontroller instructions,crew mismanagement leading to yaw,aircraftin-flightcommunicationandnavigationequipmentfailure,the controller issuing instructions toolate,TCAS(Traffic Alert and Collision Avoidance System)issuing abnormalRA/TA(Resolution Advisory/Traffic Advisory)warnings,andaircraft showing flight convergence trend.Among them,the keycontrol events were the crew breaking controller instructions andthe controller issuing instructions too late.Key words:safety social engineering;accident analysis;eventlogic graph;natural language processing;flightconflict96912023 年6 月 王洁宁,等:基于事理图谱的飞行冲突事故演化研究Jun.,2023