郭云東，孫有朝

（南京航空航天大學(xué)民航學(xué)院，南京210016）

機(jī)載設(shè)備和自動(dòng)化技術(shù)的不斷發(fā)展大大提高了飛機(jī)的可靠性和安全性，但人為差錯(cuò)造成的航空事故并沒有得到明顯的抑制。依據(jù)國際民航組織安全調(diào)查報(bào)告數(shù)據(jù)統(tǒng)計(jì)，民航運(yùn)輸過程中超過75%的飛行風(fēng)險(xiǎn)與人為差錯(cuò)有直接或間接的關(guān)系[1-2]。在復(fù)雜的駕駛艙人機(jī)系統(tǒng)中，由于不友好的環(huán)境和物理限制等因素的影響，飛行員往往會(huì)有一些操作過失或錯(cuò)誤[3-4]。在飛行任務(wù)執(zhí)行過程中，如果某一操作動(dòng)作的差錯(cuò)概率很高，并且此差錯(cuò)對飛機(jī)系統(tǒng)安全性有很大的負(fù)面影響，則此操作就是一個(gè)高風(fēng)險(xiǎn)人為差錯(cuò)。為了有效地預(yù)防和控制高風(fēng)險(xiǎn)人為差錯(cuò)的發(fā)生，有必要對人為差錯(cuò)的風(fēng)險(xiǎn)進(jìn)行量化，并進(jìn)一步識(shí)別關(guān)鍵的人為差錯(cuò)，以提高飛行安全性。

人因可靠性分析方法是識(shí)別和確定人為差錯(cuò)的最有效技術(shù)手段之一。典型的人因可靠性分析方法主要涉及THERP（Technique for Human Error Rate Prediction）、HCR（Human Cognitive Reliability）、HEART（Human Error Assessment and Reduction Technique）、CREAM（Cognitive Reliability and Error Analysis Method）、ATHEANA（A Technique for Human Error Analysis）等方法，這些方法關(guān)注焦點(diǎn)在于量化人為差錯(cuò)發(fā)生概率，已在航空、核電、海事等領(lǐng)域得到了廣泛應(yīng)用[5-8]。然而，他們均沒有考慮到人為差錯(cuò)對系統(tǒng)可能產(chǎn)生的負(fù)面影響或嚴(yán)重后果，不能直接用于飛機(jī)駕駛?cè)藶椴铄e(cuò)風(fēng)險(xiǎn)評(píng)估。

人為差錯(cuò)風(fēng)險(xiǎn)評(píng)估的目的是控制飛機(jī)操縱過程中人為差錯(cuò)的風(fēng)險(xiǎn)水平，以便進(jìn)一步制定人機(jī)交互優(yōu)化策略。評(píng)估結(jié)果的有效性在很大程度上取決于已建立的風(fēng)險(xiǎn)模型和輸入數(shù)據(jù)的準(zhǔn)確性[9]。但是，分析人員通常會(huì)遇到一些問題。例如，數(shù)據(jù)不足、不確定性、過于依靠專家主觀判斷來確定人為差錯(cuò)的可能性等[10]。此外，由于飛機(jī)駕駛艙人機(jī)系統(tǒng)的復(fù)雜功能和交互作用，很難明確評(píng)估人為差錯(cuò)對系統(tǒng)風(fēng)險(xiǎn)的影響。因此，有必要提出一種考慮飛行情境環(huán)境的飛機(jī)駕駛?cè)藶椴铄e(cuò)風(fēng)險(xiǎn)量化方法，以對不確定性人為差錯(cuò)進(jìn)行建模并識(shí)別關(guān)鍵的人為差錯(cuò)。

基于以上事實(shí)，本文引入模糊推理（Fuzzy Inference System，F(xiàn)IS）方法，模糊邏輯在表達(dá)具有清晰邊界的定性知識(shí)和經(jīng)驗(yàn)方面具有明顯優(yōu)勢[11]。隸屬度函數(shù)的概念用于區(qū)分模糊集，處理輸入和輸出變量之間的模糊關(guān)系。模糊邏輯方法提供了一種使用定性術(shù)語來評(píng)估風(fēng)險(xiǎn)因素的有效工具，并且該方法已廣泛用于許多領(lǐng)域的系統(tǒng)安全性和風(fēng)險(xiǎn)評(píng)估。但這些研究忽略了與人為差錯(cuò)有關(guān)的風(fēng)險(xiǎn)以及人為差錯(cuò)對系統(tǒng)的影響。綜上所述，考慮到人為差錯(cuò)及差錯(cuò)對系統(tǒng)可能產(chǎn)生的負(fù)面影響，本文提出一種基于FIS-CREAM方法的人為差錯(cuò)風(fēng)險(xiǎn)評(píng)估模型。通過CREAM方法確定人為差錯(cuò)概率，以人為差錯(cuò)概率、差錯(cuò)影響概率及后果嚴(yán)重性為風(fēng)險(xiǎn)指標(biāo)，引入FIS 方法對人為差錯(cuò)風(fēng)險(xiǎn)進(jìn)行量化計(jì)算，從而識(shí)別關(guān)鍵人為差錯(cuò)風(fēng)險(xiǎn)，確保航空飛行安全。

1 基于FIS-CREAM 方法的人為差錯(cuò)風(fēng)險(xiǎn)評(píng)估模型

為了降低專家判斷的主觀性，解決數(shù)據(jù)不足造成的人為差錯(cuò)風(fēng)險(xiǎn)識(shí)別的不確定性和模糊性問題，本文提出了基于模糊推理系統(tǒng)的駕駛艙人為差錯(cuò)風(fēng)險(xiǎn)量化方法，其結(jié)構(gòu)框架見圖1。該方法包括3 個(gè)階段：①任務(wù)分析；②人為差錯(cuò)風(fēng)險(xiǎn)指標(biāo)識(shí)別；③人為差錯(cuò)風(fēng)險(xiǎn)量化。

圖1 人為差錯(cuò)風(fēng)險(xiǎn)評(píng)估方法的結(jié)構(gòu)框架Fig.1 Framework of human error risk assessment

1.1 任務(wù)分析

任務(wù)分析階段共有5 個(gè)實(shí)施步驟：識(shí)別具體的分析對象、信息收集整理、關(guān)鍵任務(wù)選擇、任務(wù)分析和確定可能的人為差錯(cuò)。

1）應(yīng)該選擇有價(jià)值的分析對象并定義分析對象的邊界。本文選擇進(jìn)近任務(wù)作為具體的分析對象，因?yàn)樵陂L時(shí)間持續(xù)飛行過程中，進(jìn)近階段的操作任務(wù)相對于起飛、巡航、下降階段的人為差錯(cuò)率更高，更容易導(dǎo)致災(zāi)難性的事故[12]。

2）分析人員應(yīng)收集整理并著重分析與具體研究對象相關(guān)的信息，主要包括飛行程序和情境環(huán)境、歷史數(shù)據(jù)和文檔、專家和操作員訪談的數(shù)據(jù)等。

3）確定關(guān)鍵任務(wù)，區(qū)分那些可能危害乘客生命和財(cái)產(chǎn)安全，造成嚴(yán)重后果（如飛機(jī)墜毀和環(huán)境污染）的事件。

4）任務(wù)分析，目的是將所分析的任務(wù)詳盡地分解為一系列子任務(wù)單元，直到無法分解為止，引入任務(wù)層次分析方法（Hierarchical Task Analysis，HTA）[13]，構(gòu)造飛行任務(wù)事件序列。

5）通過上述信息確定最可能的人為差錯(cuò)。

1.2 人為差錯(cuò)風(fēng)險(xiǎn)指標(biāo)

人為差錯(cuò)是影響系統(tǒng)安全主要風(fēng)險(xiǎn)因素之一。許多研究學(xué)者主要是基于人因可靠性來構(gòu)建人為差錯(cuò)風(fēng)險(xiǎn)的量化模型。而在系統(tǒng)概率風(fēng)險(xiǎn)評(píng)估過程中，不僅要考慮人為差錯(cuò)概率，還應(yīng)考慮人為差錯(cuò)對系統(tǒng)的影響以及系統(tǒng)損失程度。因此，本文引入人為差錯(cuò)概率（Human Error Probability，HEP）、差錯(cuò)影響概率（Error Impact Probability，EIP）和人為差錯(cuò)后果（Human Error Consequence，HEC）作為人為差錯(cuò)風(fēng)險(xiǎn)的量化指標(biāo)，并考慮各指標(biāo)的相對權(quán)重進(jìn)而計(jì)算駕駛艙人為差錯(cuò)風(fēng)險(xiǎn)水平。

1.2.1 風(fēng)險(xiǎn)指標(biāo)的模糊集

基于CREAM方法和MIL-STD-1629A標(biāo)準(zhǔn)，分別給出3個(gè)風(fēng)險(xiǎn)指標(biāo)的取值范圍，結(jié)合專家判斷，給出其對應(yīng)的定性描述水平，并構(gòu)建各風(fēng)險(xiǎn)指標(biāo)的模糊集合，結(jié)果如表1 所示。其中，HEP={非常低，低，中等，高，非常高}，EIP={幾乎沒影響，可能有影響，極有可能影響，絕對影響}，HEC={非常低，低，中等，高，非常高}。

表1 風(fēng)險(xiǎn)指標(biāo)取值范圍及對應(yīng)的定性描述Tab.1 Qualitative description and the value range of risk indexes

為解決計(jì)算過程中專家判斷的不確定性以及人為差錯(cuò)數(shù)據(jù)不足造成的結(jié)果不精確性等問題，本文引入模糊邏輯方法構(gòu)建駕駛艙人為差錯(cuò)風(fēng)險(xiǎn)評(píng)估模型。隸屬函數(shù)是表示模糊集的數(shù)學(xué)工具，常用的隸屬函數(shù)主要有高斯型隸屬函數(shù)、鐘形隸屬函數(shù)、梯形隸屬函數(shù)和三角形隸屬函數(shù)等。其中，三角形隸屬函數(shù)是人因可靠性評(píng)估過程中較為合理和有效的選擇[14-15]。因此，本文引入三角形隸屬函數(shù)，用區(qū)間某個(gè)數(shù)表示一個(gè)精確風(fēng)險(xiǎn)指標(biāo)值屬于某個(gè)模糊集合的程度。

圖2 顯示了HEP、EIP 和HEC 的模糊集合對應(yīng)的隸屬函數(shù)。其中，由于HEP 值范圍跨度較大，為了便于圖形化顯示，對其采用對數(shù)化處理，EIP和HEC值范圍跨度較小，可根據(jù)其范圍直接確定三角形隸屬函數(shù)。

圖2 HEP、EIP和HEC的三角形隸屬函數(shù)Fig.2 Triangular membership function of HEP，EIP，HEC

1.2.2 風(fēng)險(xiǎn)指標(biāo)的計(jì)算

1）人為差錯(cuò)概率。人為差錯(cuò)概率指的是在規(guī)定的時(shí)間和規(guī)定的條件下，操作員沒有完成指定任務(wù)的概率[16]。CREAM方法是被研究學(xué)者已廣泛認(rèn)可的人為差錯(cuò)概率量化方法，且有很多改進(jìn)的CREAM方法，并成功應(yīng)用于核電、航空、海事等行業(yè)。

本文引入一種SCREAM（Simplified CREAM）方法，該方法用于量化進(jìn)近任務(wù)操作單元的人為差錯(cuò)概率，其計(jì)算表達(dá)式為[17]：

式（1）中：CFP0代表標(biāo)定的人的認(rèn)知失效概率；ρi代表第i 個(gè)因素的績效影響指數(shù)，即第i 個(gè)任務(wù)情境影響因素對人為差錯(cuò)的影響。

通過SCREAM 方法可知影響進(jìn)近階段飛行員績效的情境因素主要包括9 個(gè)類別：地面支持、機(jī)組負(fù)荷、機(jī)組訓(xùn)練和經(jīng)驗(yàn)、程序質(zhì)量、程序數(shù)量、時(shí)間壓力、人機(jī)界面適宜性、組織適應(yīng)性和工作條件。如表2 所示，通過專家判斷給出每個(gè)績效影響因素的水平，結(jié)合績效影響指數(shù)[17]和式（1），可計(jì)算得出每個(gè)操作單元的人為差錯(cuò)概率。

表2 績效影響因素水平和指數(shù)Tab.2 Level and index of performance shaping factors

2）差錯(cuò)影響概率和人為差錯(cuò)后果。本文基于模糊理論中的去模糊方法確定EIP 和HEC 的精確值。EIP是條件概率，即在特定的人為差錯(cuò)情況下，該差錯(cuò)對系統(tǒng)不同狀態(tài)影響的概率。人為差錯(cuò)后果（HEC）是指特定的人為差錯(cuò)發(fā)生導(dǎo)致系統(tǒng)損失的嚴(yán)重程度。在本研究中，根據(jù)系統(tǒng)的成本損失比例來劃分人為差錯(cuò)的后果，其定性描述和取值范圍如表1 所示。一般情況下，需要工程師或分析人員根據(jù)他們的知識(shí)和經(jīng)驗(yàn)來衡量這些風(fēng)險(xiǎn)指標(biāo)。他們可以提供精確值，數(shù)字范圍，也可以給出定性描述或三角模糊值等。如果信息足夠，并且指標(biāo)是定量指標(biāo)，則專家或工程師可以提供準(zhǔn)確的值。但是，當(dāng)信息不足且不確定時(shí)，專家有時(shí)不容易提供準(zhǔn)確的值。此時(shí)，采用定性水平或模糊值可能更合適；然后，使用三角形重心的去模糊化方法來獲得精確的值，其表達(dá)式為[18]：

1.3 基于模糊推理的人為差錯(cuò)風(fēng)險(xiǎn)量化

考慮到飛機(jī)駕駛?cè)藶椴铄e(cuò)風(fēng)險(xiǎn)的模糊性和不確定性，引入模糊推理方法對飛機(jī)駕駛?cè)藶椴铄e(cuò)風(fēng)險(xiǎn)進(jìn)行建模。通過分析飛機(jī)駕駛?cè)藶椴铄e(cuò)及差錯(cuò)對系統(tǒng)產(chǎn)生的負(fù)面影響，以人為差錯(cuò)概率、差錯(cuò)影響概率和人為差錯(cuò)后果作為模型的輸入?yún)?shù)，人為差錯(cuò)風(fēng)險(xiǎn)作為模型輸出結(jié)果。輸出變量風(fēng)險(xiǎn)嚴(yán)重性（Risk Severity，RS）共有10個(gè)等級(jí)，定性術(shù)語描述如下：極低（U）、較低（Mi）、非常低（V-L）、低（L）、適中（Mo）、稍高（SH）、高（M-H）、非常高（V-H）、極高（E-H）、絕對（AH）。構(gòu)建的模糊集合為RS={極低，較低，非常低，低，適中，稍高，高，非常高，極高，絕對}，其三角隸屬函數(shù)如圖3所示。

圖3 RS的三角形隸屬函數(shù)Fig.3 Triangular membership function of RS

上述3個(gè)風(fēng)險(xiǎn)指標(biāo)參數(shù)對人為差錯(cuò)風(fēng)險(xiǎn)影響程度不同。其中，人為差錯(cuò)發(fā)生概率和人為差錯(cuò)后果的嚴(yán)重性可能導(dǎo)致人為風(fēng)險(xiǎn)最強(qiáng)，差錯(cuò)影響概率較弱。因此，根據(jù)專家評(píng)估給出上述3 個(gè)參數(shù)的權(quán)重值（0.4、0.2、0.4），并將其融合到構(gòu)建的模型中，其形式化表達(dá)式為：

模型具體求解過程如下：首先，通過1.2.2 部分給出的風(fēng)險(xiǎn)指標(biāo)計(jì)算方法可以獲取3 個(gè)參數(shù)的精確值，將其輸入到構(gòu)建的模糊邏輯模型中；其次，通過IFTHEN規(guī)則生成模糊規(guī)則庫，以邏輯AND運(yùn)算符作為構(gòu)造模式，共形成5×4×5=100 條規(guī)則；最后，采用重心法解模糊化求得人為差錯(cuò)風(fēng)險(xiǎn)的精確值。

2 結(jié)果與討論

2.1 人為差錯(cuò)風(fēng)險(xiǎn)計(jì)算結(jié)果

本文基于波音737 標(biāo)準(zhǔn)操作程序（SOP），選擇進(jìn)近階段操作任務(wù)為目標(biāo)任務(wù)，通過HTA方法客觀系統(tǒng)地分析了任務(wù)及其子任務(wù)的關(guān)系。首先，將進(jìn)近階段操作任務(wù)分解為起始進(jìn)近和最終進(jìn)近；然后，分別將這2 個(gè)子任務(wù)進(jìn)一步分解為一系列操作單元，直至不能分解為止；最后，確定操作過程中可能的人為差錯(cuò)，結(jié)果如圖5 所示。圖5 中的操作單元按照從左到右，從上到下的順序依次執(zhí)行。

圖4 基于HTA的進(jìn)近任務(wù)分析結(jié)果Fig.4 Analysis result of approach mission based on HTA method

以操作單元1.1 為例，基于風(fēng)險(xiǎn)量化模型分別計(jì)算出HEP、EIP、HEC 3 個(gè)風(fēng)險(xiǎn)指標(biāo)值。操作單元1.1“設(shè)置著陸燈開關(guān)”的認(rèn)知活動(dòng)是“執(zhí)行（Execute）”，相應(yīng)的認(rèn)知功能為“執(zhí)行（Execution）”，潛在的差錯(cuò)類型為“錯(cuò)失動(dòng)作（E5）”，表明其標(biāo)定的人為差錯(cuò)概率CFP0為3.0E-2[13]。那么操作單元1.1的人為差錯(cuò)概率為：

為了便于計(jì)算，本文對HEP 值進(jìn)行了取對數(shù)處理。“設(shè)置著陸燈開關(guān)”潛在的人為差錯(cuò)類型為“E5”，它導(dǎo)致系統(tǒng)損失的程度被評(píng)估為“低”。根據(jù)3名專家的判斷，給出一個(gè)三角模糊數(shù)（0.5，0.6，0.4），通過式（2）計(jì)算得出EIP 的精確值為0.5，這表示差錯(cuò)類型“E5”可能影響系統(tǒng)損失。類似地，針對人為差錯(cuò)后果（HEC），基于專家知識(shí)和經(jīng)驗(yàn)給出的三角模糊數(shù)為（0.2，0.4，0.4），其精確值通過式（2）計(jì)算可得為0.333，這表明該人為差錯(cuò)導(dǎo)致的系統(tǒng)成本損失比是“低”。將3個(gè)風(fēng)險(xiǎn)指標(biāo)值-2.12，0.5，0.333 輸入到構(gòu)造的模糊推理系統(tǒng)中，可得出操作單元1.1 的人為差錯(cuò)風(fēng)險(xiǎn)嚴(yán)重度為RS=0.64 ，其推理過程如圖5 所示。類似地，可依次計(jì)算得出其他所有操作單元的風(fēng)險(xiǎn)指標(biāo)值，并根據(jù)構(gòu)造的人為差錯(cuò)模糊推理系統(tǒng)得出每個(gè)操作單元的人為差錯(cuò)風(fēng)險(xiǎn)嚴(yán)重度，計(jì)算結(jié)果如表3所示。

從表3 中可以看出，最關(guān)鍵的人為差錯(cuò)類型是“E5”（錯(cuò)失動(dòng)作），涉及操作單元1.2、2.1、2.9、2.11、2.12、2.13和2.16，風(fēng)險(xiǎn)值均為0.9。主要原因是飛行員在短時(shí)間內(nèi)執(zhí)行大量任務(wù)時(shí)容易忽略某些動(dòng)作，如果發(fā)生這些錯(cuò)失的動(dòng)作，后果將非常嚴(yán)重。因此，航空公司應(yīng)更加注意針對這些操作單元采取一些改進(jìn)措施，以減少錯(cuò)失動(dòng)作數(shù)量。第二個(gè)嚴(yán)重差錯(cuò)類型是操作單元2.5 中的“E1”（錯(cuò)誤操作），其風(fēng)險(xiǎn)值為0.892。在這種情況下的診斷是基于經(jīng)驗(yàn)的操作，診斷的差錯(cuò)概率可能很高，航空公司或組織管理部門可以考慮在這些操作過程中增加輔助決策設(shè)備，提高診斷準(zhǔn)確性，降低人為差錯(cuò)風(fēng)險(xiǎn)。操作單元2.3、2.4和2.10中的差錯(cuò)類型“O2”（錯(cuò)誤標(biāo)識(shí)）也是嚴(yán)重的人為差錯(cuò)。其他差錯(cuò)類型的風(fēng)險(xiǎn)值可以在表3中查詢。根據(jù)這些風(fēng)險(xiǎn)值，可以確定每個(gè)操作單元的風(fēng)險(xiǎn)嚴(yán)重度。此外，航空公司可以根據(jù)這些操作單元的風(fēng)險(xiǎn)優(yōu)先級(jí)來制定適當(dāng)?shù)囊?guī)則和管理措施，以防止發(fā)生人為差錯(cuò)。

表3 飛機(jī)駕駛?cè)藶椴铄e(cuò)風(fēng)險(xiǎn)評(píng)估結(jié)果Tab.3 Results of human error risk assessment for aircraft operating

2.2 SCREAM方法與FIS-CREAM方法對比分析

為驗(yàn)證本文提出的FIS-CREAM方法的可信性和有效性，將基于SCREAM 方法與FIS-CREAM 方法得到的人為差錯(cuò)結(jié)果進(jìn)行對比分析，結(jié)果見圖6。依據(jù)人因可靠性分析方法觀點(diǎn)，SCREAM方法僅通過人為差錯(cuò)概率來識(shí)別關(guān)鍵人為差錯(cuò)風(fēng)險(xiǎn)，而FIS-CREAM方法綜合了人為差錯(cuò)概率、差錯(cuò)影響概率和人為差錯(cuò)后果3 個(gè)指標(biāo)來確定人為差錯(cuò)風(fēng)險(xiǎn)。由圖6 可知，依據(jù)SCREAM 方法和FIS-CREAM 方法執(zhí)行，其人為差錯(cuò)排序結(jié)果是不同的。其中，前者結(jié)果顯示最重要的人為差錯(cuò)出現(xiàn)在操作單元2.2、2.3、2.4、2.6、2.10、2.14、2.20，而后者結(jié)果顯示最重要的人為差錯(cuò)出現(xiàn)在操作單元1.2、2.1、2.9、2.11、2.12、2.13、2.16。出現(xiàn)此差異性結(jié)果的主要原因是通過人為差錯(cuò)概率值識(shí)別出的關(guān)鍵人為差錯(cuò)沒有充分考慮這些差錯(cuò)對駕駛艙系統(tǒng)的影響，不能系統(tǒng)且全面地評(píng)估人為差錯(cuò)對駕駛艙系統(tǒng)造成的航空安全風(fēng)險(xiǎn)。結(jié)合表3 和圖6 結(jié)果分析可知，人為差錯(cuò)風(fēng)險(xiǎn)值不僅考慮了人為差錯(cuò)概率，而且考慮了差錯(cuò)影響概率及人為差錯(cuò)后果，得出的結(jié)果能夠綜合評(píng)估飛機(jī)操縱過程中人為差錯(cuò)風(fēng)險(xiǎn)并識(shí)別出關(guān)鍵的人為差錯(cuò)，且可以對這些人為差錯(cuò)進(jìn)行風(fēng)險(xiǎn)優(yōu)先排序，為改善交互界面設(shè)計(jì)及提高駕駛艙人機(jī)交互績效提供建議和指導(dǎo)。

圖6 基于SCREAM和FIS-CREAM方法的人為差錯(cuò)結(jié)果對比分析Fig.6 Results comparison based on SCREAM and FIS-CREAM

3 結(jié)論

人為差錯(cuò)是導(dǎo)致不安全事件或航空事故的最重要風(fēng)險(xiǎn)因素之一。本文提出了一種基于FIS-CREAM方法的人為差錯(cuò)風(fēng)險(xiǎn)量化評(píng)估方法，以識(shí)別關(guān)鍵人為差錯(cuò)類型及差錯(cuò)風(fēng)險(xiǎn)，進(jìn)而評(píng)估飛機(jī)操縱過程中的航空飛行安全。進(jìn)近階段任務(wù)的人為差錯(cuò)風(fēng)險(xiǎn)評(píng)估實(shí)驗(yàn)結(jié)果表明，“錯(cuò)失動(dòng)作”是任務(wù)執(zhí)行過程中發(fā)生人為差錯(cuò)最重要的差錯(cuò)類型，主要體現(xiàn)在操作單元1.2、2.1、2.9、2.11、2.12、2.13 和2.16 中。此外，可以根據(jù)得出的風(fēng)險(xiǎn)值識(shí)別每個(gè)操作單元的風(fēng)險(xiǎn)優(yōu)先級(jí)，這為航空公司或組織管理部門加強(qiáng)飛行安全管理和提升飛行員技能提供了理論支持。本研究提出的飛機(jī)駕駛?cè)藶椴铄e(cuò)風(fēng)險(xiǎn)定量評(píng)估方法引入了HEP、EIP 和HEC 3 個(gè)風(fēng)險(xiǎn)指標(biāo)作為模糊推理系統(tǒng)的輸入?yún)?shù)，它不僅考慮了人為差錯(cuò)的概率，還考慮了人為差錯(cuò)對系統(tǒng)的影響，同時(shí)，3個(gè)風(fēng)險(xiǎn)指標(biāo)的相對權(quán)重也被納入模糊規(guī)則庫中，確保了評(píng)估結(jié)果的準(zhǔn)確性和有效性。該方法能夠用于任務(wù)執(zhí)行過程中飛行員的人為差錯(cuò)風(fēng)險(xiǎn)量化及航空飛行安全評(píng)估。