基于ASRS报告的近空中相撞关联分析：贝叶斯网络的稳健性与时间敏感性

《Big Data and Cognitive Computing》：Bootstrap Stability and Learner Sensitivity in Bayesian Network Modeling of near Midair Collision Incidents Using Aviation Safety Narratives and Operational Data

　　近空中相撞（NMACs）仍是一个由运行条件和人为因素共同作用而形成的复杂航空安全挑战。航空安全报告系统（ASRS）的叙述性报告提供了关于通信、目视获取、工作负荷及其他事件情境的有用信息，但从自愿报告中识别出的关联可能因分析方法的不同和时间的推移而有所变化。本研究考察了1988年至2025年间13,111份与NMAC相关的ASRS报告，以识别运行条件、遭遇距离、叙述主题和所报告的规避动作之间稳定的报告层面关联。在两种贝叶斯网络方法和500对自助抽样样本中，起落航线运行/训练和塔台通信/排序是与所报告的规避动作直接相关的最强变量。然而，这些关联的复现性是中等而非普遍性的，并且在不同关系选择阈值下，其纳入情况会发生变化。这表明，尽管这两个变量始终排在应对动作邻近候选变量的前列，但围绕所报告的规避动作的局部结构对建模决策较为敏感。额外的稳健性检验在全数据模型中保留了这两个应对动作的父节点，同时显示出更广泛网络结构的变化。时间评估则产生了不同的模式。基于1988年至2019年报告训练、并在2020年至2025年报告上评估的模型，反而将空域结构/雷达接触问题和五边进近/四边转五边冲突识别为应对动作邻近变量。由于叙述主题特征是从整个语料库中提取的，本分析代表了一种在固定主题表征条件下的时间评估，而非对完整建模流程的独立验证。因此，改变的应对动作父节点表明了时间敏感性，但并未确立非平稳性。这些发现描述了自愿安全报告内部的关联，不应被解释为因果关系、碰撞风险或运行预警性能的证据。本研究贡献了一个可复现、经过系统性压力测试的框架，用于评估航空安全叙述中的贝叶斯网络发现。它确定了通信、排序、目视获取和起落航线运行是值得专家审查和前瞻性测量的优先事项，同时提醒人们不要将历史叙述中发现的关联视为稳定的运行预测因子。