大数据背景下基于机场视角的民航事故风险预警机制研究

The safety of civil aviation is affected bycomplex factors such as traditional festival, travel discount and so on. Hence, we use AI integration technologies, network data mining, traditional data for early warning about emergency at airport. Thus, it is necessary and significant to adopt perfect forecasting methods and multi-dimensional risk factors. In view of big data , this research will break through traditional data about civil aviation accidents and construct a new method to measure risk of civil aviation by using data mining and AI integration algorithms. Prediction model, early-warning mechanism and emergency preparation will be studied and implemented in this research. It is very helpful and meaningful for improving the civil aviation safety environment. This project adopts big data theory, artificial intelligent techniques, and risk management theory to analyze risk factors, reveal the mechanisms of data acquisition and integrating, form the multi-dimensional indicator for establishing the prediction model about civil aviation risk. According to the new compound AI technology, we can calculate the risk probability, accident consequence, prediction precision, and risk attitudes with inputting multi-dimension risk data. Moreover, we design high-dimensional risk matrix with forecasting accuracy, excepting probability and consequence. On the basis of aforementioned discussions, we make the corresponding and effective emergency preparedness plans, optimize the storage and distribution of emergency resources, and offer guidance strategies for civil aviation to response the accidents timely and efficiently. This research will make major breakthroughs in managing risk of civil aviation accident, including risk indicator system, risk forecasting methods, risk matrix, and emergency coordination mechanism.

考虑到民航事故发生受传统节日、大型社会活动、票价折扣等多种复杂因素共同影响，我们借助大数据背景下AI集成技术，突破传统数据源束缚，构建基于网络数据挖掘和传统数据结合的机场视角下民航事故预警新模式。同时，给出机场视角的民航事故风险应急准备预案，帮助机场改善突发事件预警机制。本研究综合运用大数据理论、网络和传统数据源、AI集成技术、风险管理等理论，识别机场视角下突发因素，刻画其风险指征，明晰网络数据获取机理，探究网络数据与传统数据的整合方式。此外，我们构建提高预测精准度的AI技术集成方法，计算机场视角下民航事故发生概率与后果、设计多维风险矩阵与预警机制。进而构建针对性应急准备方案，优化大数据背景下应急资源的动态调配与协调，建立动态应急准备预案，提出我国机场视角的民航应急救援策略。本课题将在机场视角下民航事故风险因素识别与集成预警、应急救援与政策制定等领域有创新性进展。

民航风险是由存在环境的不确定性引起的，不仅包括民航内部运行环境，还包括网络互动的社会环境，而挖掘尽可能全面的相关因素，才能更准确地对事故风险进行评估并实施有效的应对措施。申请人以民航为核心，在新冠疫情背景，以政策分析为辅助路径，主要围绕典型民航企业案例分析、疫情对中国民航业的影响、风险分级等领域开展深入的理论探索和应用研究。首先，以海南航空为例，调查海南航空在疫情期间的应对举措。调查发现，海南航空在疫情期间主要通过严格控制公司运营成本、制定针对性风险防控措施、加快处理非航空主营业务资产等方式不断优化公司的资产结构，缓解疫情冲击。进一步，申请人面向具有一定经营能力的民航企业征集了民航企业在新冠期间所面临的风险情况。研究发现，受疫情影响，这些民航公司的收入都有不同程度的下降。问卷调查结果显示，民航公司营收下降的主要原因是客运量减少、国外航线干扰、飞机日常使用率减少、员工人数减少。为了企业的生存和发展，这些企业采取自救的方法，如申请贷款、补贴、救助资金等。最后，针对风险问题，申请人以复杂的临床病例数据为例，基于机器学习方法，提出了患者病情评估分级框架。利用过滤法筛选出关键特征，然后通过基于熵的特征离散化算法确定单项特征的划分标准，最终计算出总分以及综合评定后的病情等级，从而辅助临床医生判定患者的病情严重程度和制定的治疗方案。申请人针对民航风险应对管理的研究内容能够为民航应对可能存在的突发事件和冲击提供参考和对策，以临床数据为依托的风险分级框架能够推动大数据在风险评估和分级中的探索。研究成果不仅提升民航企业在未来发展过程中的风险管理和应对能力，也能够促进复杂情境下大数据在风险管理中的应用。