机场雷达数据的鸟击风险评估范文

鸟击风险评估模型

以鸟击概率（P）和严重程度（S）为自变量，建立鸟击风险（R）评估模型，如式(1)所示。式中，P代表了某飞鸟侵入某跑道的概率，S代表了该飞鸟与飞行器撞击的严重程度，二者的值划分为非常高（VH）、高（H）、中等（M）、低（L）、非常低（VL）五个等级。表1给出了一个5×5的风险评估矩阵，建立了R与（P，S）之间的函数关系。风险值划分为3个等级，要求机场管理人员分别采取不同的应对策略，表2提出了分级应对策略建议。

鸟击概率估计

鸟击概率估计模型综合考虑了飞鸟与跑道的相对位置，估计某飞鸟目标侵入某跑道的概率，如图1所示。点A和B为跑道的两端，飞鸟目标（C）与跑道中点（O）之间的距离为L，OC与跑道之间的夹角为θ（0°≤θ≤90°）。

严重程度估计

本部分首先介绍了科学获取专家知识的德尔菲法，进而提出一种双层结构的DAHP模型，基于专家知识进行鸟击严重程度估计。

1德尔菲法

德尔菲法是为了克服专家会议法的缺点而产生的一种专家预测方法。在预测过程中，专家彼此互不相识、互不往来，这就克服了在专家会议法中经常发生的专家们不能充分发表意见、权威人物的意见左右其他人的意见等弊病。各位专家能真正充分地发表自己的预测意见。德尔菲法依据系统的程序，采用匿名发表意见的方式，即专家之间不得互相讨论，不发生横向联系，只能与调查人员发生关系，通过多轮次调查专家对问卷所提问题的看法，经过反复征询、归纳、修改，最后汇总成专家基本一致的看法，作为预测的结果。这种方法具有广泛的代表性，较为可靠。本文基于德尔菲法设计了专家调查问卷。问卷中首先简要介绍了鸟击风险评估和AHP方法的基础知识，然后列出了需要专家填写的DAHP模型中不同层次上的比较矩阵，最后提出了开放性问题，请专家对影响鸟击风险的因素提出增减与合并建议。专家选择是德尔菲法中一个重要问题，需要兼顾权威性和普遍性。因此，我们选择的专家包括高等院校的鸟类学家、民航科研院所的航空安全专家以及机场一线的驱鸟人员。专家的数量需要合理设置，数量过少影响各领域的普遍性，数量过多造成操作困难，通常邀请10~20位专家。

2双层结构的DAHP模型

建立双层结构的DAHP模型估计鸟击严重程度。在第一层结构中，考虑飞行器（EA）和鸟（EB）两类因素；在第二层结构中，飞行器因素包含飞行器类型（TA）和飞行器状态（SA）两个子因素，飞鸟因素包含飞鸟数量（NB）和飞鸟重量（MB）两个子因素；见下式。共邀请10名专家填写调查问卷。其中，2名为高等院校的鸟类学家，5名为民航科研院所的航空安全专家，3名为机场一线的驱鸟人员。专家经过3轮问卷的征询、归纳和修改，给出了趋于一致的比较矩阵。在第一层结构中，包含EA和EB的比较矩阵为当鸟群密集运动时，由于雷达分辨力有限，可能无法提供准确的飞鸟数量。此时，可以通过统计雷达图像中鸟群目标的像素数，大致给出对应的飞鸟数量和种群规模[10]。最终的鸟击严重程度由下式计算

机场实例

利用北京首都国际机场（三跑道）的仿真数据和北海福城机场（单跑道）的实测数据，对本文提出的鸟击风险评估方法进行测试。

1仿真数据

图2所示为北京首都国际机场三条跑道（R1、R2、R3）的位置与四群飞鸟目标（F1、F2、F3、F4）的运行轨迹，探鸟雷达的覆盖区域为[-8,8]×[-8,8]。三条跑道长度分别为2km，8km和8km。表4给出了跑道与飞行器的相关信息，包括跑道端点的坐标与飞行器的型号和状态，3个飞行器的状态均为“起飞”。跑道2的北端设定为坐标系的原点。每条跑道的北端为A，南端为B。表5出了飞鸟目标信息，包括每群飞鸟目标的飞行起点和终点，以及每个群中目标的数量和重量。在图2中，每个目标群的起点都被圈出，仿真时间为200s，10s更新一次坐标数据。利用以上仿真数据，估计每群目标的鸟击概率和严重程度。图3所示为4群目标针对3条跑道的鸟击概率。在图3(a)中，目标1距跑道1最近，其侵入跑道1的概率也最大，但由于其距跑道较远，其侵入3条跑道的概率在整个仿真过程中始终低于0.4；在图3(b)中，目标2对跑道3的鸟击概率在150s之后接近100%，原因在于其在这段时间内与跑道3距离过近（<0.6km）；目标3在跑道1和跑道2之间的区域运动，其侵入这两条跑道的概率也相对较高，见图3(c)；目标4与3条跑道的距离基本相同，其3条概率曲线相互也比较靠近，见图3(d)。

四群目标针对三条跑道上不同飞行器的鸟击严重程度见表6。目标1和4的鸟击严重程度等级均为H，可见一群小鸟与单只大鸟的鸟击风险基本相同。基于图3给出的概率估计结果和表6给出的严重程度估计结果，按照表1中的风险评估矩阵规则，得出的鸟击风险评估结果如图4所示。图4(a)中，尽管目标1的鸟击概率较低，但由于其严重程度估计值较高，其风险等级仍然较高；图4(b)中，目标2对跑道1的风险等级高于对跑道2的风险等级，原因在于跑道2上的飞行器为B737，其对鸟击的承受能力较差；图4(c)中，由于目标3侵入跑道3的概率较低，其对跑道3造成的风险等级也较低。跑道1的风险等级比跑道2略早达到3；图4(d)中，目标4与跑道1距离较近，对跑道1的风险等级也最高。三条跑道分别在50s、120s和180s达到风险等级3。

2实测数据

采用“机场雷达探鸟实验系统”获取的北海福城机场鸟情信息，将其与机场地图叠加，如图5所示。本实验系统放置在机场跑道南端，以该位置为原点建立直角坐标系，跑道全长2km，两端坐标分别为（0,-0.3）和（0.8,2.8）。图5共显示了某飞鸟群目标在1分钟之内的运动情况，其中心位置由矩形方框标定，运动方向由一条短线表示。该目标群包括3只小鸟（0~50g），其横穿跑道南端的同时，一架B737飞机正在滑行。采用本文提出的方法进行鸟击风险评估，鸟击概率等级为“VH”，鸟击严重程度等级为“L”，风险等级为2级。按照表2提出的应对策略建议，此时应加强关注飞鸟目标，必要时采取相关驱鸟措施。

结束语

本文提出的基于探鸟雷达数据的鸟击风险评估方法为机场管理人员科学评估鸟击风险，积极采取应对措施提供了有力的工具。本方法考虑了鸟击概率和严重程度两方面的因素。其中，鸟击概率估计以飞鸟目标位置为自变量，严重程度估计以飞鸟数量、体重和飞行器型号、状态为自变量。由于本方法基于实时的鸟情信息，飞鸟目标的位置能够及时更新，因此在鸟击概率估计中未考虑其速度和方向因素。在鸟击严重程度估计中，建立了双层结构的DAHP模型，避免了同一层次上参数过多造成的比较矩阵一致性问题。

作者：陈唯实万健李敬单位：中国民航科学技术研究院