《Computation》：Cross-National Statistical Analysis of Multi-Rotor Unmanned Aircraft Accidents: Causal Factors, Flight Phases, and Temporal Trends (2016–2022)
编辑推荐：
摘要：多旋翼无人机系统（UAS）现已无处不在，然而关于其如何失效及为何失效的定量证据仍分散于各国异构的报告系统之中。本研究分析了2016–2022年间从三个官方来源编码得到的319起多旋翼UAS事件：美国SAFECOM系统（122起）、澳大利亚运输安全局（AT
摘要：多旋翼无人机系统（UAS）现已无处不在，然而关于其如何失效及为何失效的定量证据仍分散于各国异构的报告系统之中。本研究分析了2016–2022年间从三个官方来源编码得到的319起多旋翼UAS事件：美国SAFECOM系统（122起）、澳大利亚运输安全局（ATSB）数据库（159起）以及英国航空事故调查局（AAIB）报告（38起）。每起事件均依据十二因素分类法被赋予一个主要因果因素，并划分飞行阶段（起飞、航路、着陆）。分析包括基于Wilson置信区间的分布估计、针对稀疏表的置换p值的卡方关联检验、Cochran–Armitage趋势检验以及对应分析。人为因素（23.2%，95% CI 18.9–28.1）与数据链路问题（21.0%，CI 16.9–25.8）占主导地位，且74.6%的事件发生在航路阶段——这一阶段分布与有人驾驶航空相反。原因与阶段显著相关（置换p < 0.001，Cramér's V = 0.305）：所有起飞事件均为技术性原因，无一涉及人为因素，且电池故障集中于着陆阶段（42%）。不同报告系统之间的因果分布存在显著差异（p < 0.0001，V = 0.338），提示不应简单合并数据；数据链路问题的占比从2016–17年的11.9%增至2021–22年的32.9%，几乎翻了三倍。研究结果为操作员培训、链路冗余、电池管理及报告标准化提供了依据。
多旋翼无人机事故的跨国统计研究解读
一、研究背景与问题
多旋翼无人机系统（UAS）兼具垂直起降、悬停与精确低速机动能力，且平台紧凑、成本低廉，因而在航拍、基础设施巡检、精准农业、建筑施工、应急响应、物流及安防等领域获得广泛应用。然而，这一扩散也成倍增加了失效机会：失控、飞失及碰撞等事件可能损毁财产、伤人，并在专业应用中使平台所承担的服务本身失效。
既有文献从多个角度探讨UAS安全问题，包括对国家事故数据的探索性分析、事故成因的人因分析、数据驱动的风险建模、安全评估方法的系统综述以及民用UAS运行风险建模的回顾。然而，定量图景在三个方面仍呈碎片化：第一，多数实证研究仅分析单一国家数据库，因果谱系能否跨司法辖区与报告文化推广尚属未知；第二，少有研究限定于技术同质的平台类别——固定翼与多旋翼在空气动力学、失效模式与运行剖面方面均不相同，合并分析会模糊因果归因；第三，已发表分析极少报告推断统计量，因而原因、阶段或年份之间的差异无法与抽样噪声区分。
此外，多旋翼事件产生的风险不限于操作员与平台本身。由于此类飞行器在任务环境内部而非机场之间飞行，失控会暴露未参与运行的第三方人员与财产，即主导民用UAS监管处理的地面风险。当代框架对此类暴露进行显式量化，但事故数据库仅记录引发事件的失效，不记录事件发生时的暴露情况。二者互补：地面风险模型需要可信的失效谱作为输入，而该谱系正是基于事件的研究所提供的。
二、研究内容与意义
研究人员针对上述三个缺口，对来自三个国家三个官方报告系统——美国SAFECOM系统、澳大利亚ATSB数据库与英国AAIB报告——的319起多旋翼UAS安全事件进行了统一筛选与编码，开展了跨国统计分析。研究的主要贡献包括：起飞事件全部源于技术性失效，无一涉及人为因素，该阶段的安杠杆是飞行前技术验证而非驾驶技能；阶段分布与有人驾驶航空相反，74.6%的事件发生在航路阶段，而电池故障集中于着陆阶段（42%），对应任务末端能量耗尽的物理表现；数据链路退化是唯一具有显著时间趋势的因果因素，其占比从2016–17年的11.9%增至2021–22年的32.9%，几乎翻了三倍；国家报告系统不可互换，其因果分布差异显著（Cramér's V = 0.338），对应分析将异质性归结为一个主导对比——链路中心与导航中心事件剖面之间的对比，占惯量的84.4%；单一初始因素编码被证明是数据源本身的属性而非研究假设——在更细的源编码中，319起事件仅6起携带第二因素，且均为同一数据链路失效的两种症状，无一起记录两个因果独立因素。该论文发表于《Computation》期刊。
三、关键技术方法
研究采用以下主要统计方法：比例估计使用Wilson分数区间，因其在计数较小（如电磁干扰仅3例）时比Wald区间具有更优覆盖率且不越界；关联检验使用Pearson卡方统计量，通过Pearson残差定位单元格层面的偏离，效应量以Cramér's V报告；针对12×3因果×阶段表中61%单元格期望计数低于5的稀疏问题，采用Patefield算法进行B = 200,000次双边缘条件置换以获得有效p值；趋势检验使用Cochran–Armitage统计量，采用等间距得分，并对四个因素的p值进行Holm校正；因果×报告系统表通过对应分析分解，以主惯量和行列主坐标在公共平面呈现剖面相似性。数据来源为三个官方报告系统，样本为2016–2022年间319起电动多旋翼事件，其中SAFECOM 122起、ATSB 159起、AAIB 38起。
四、研究结果
因果因素与飞行阶段。图1报告了主要因果因素的分布及Wilson置信区间。两个因素占主导：人为因素（74起，23.2%，CI 18.9–28.1%）与数据链路问题（67起，21.0%，CI 16.9–25.8%），其次为电池故障（43起，13.5%，CI 10.2–17.7%）与缺陷机械部件（34起，10.7%，CI 7.7–14.5%）。其余八个因素各自占比低于8%，最低为电磁干扰（3例，0.9%）。两个主导因素在统计上不可区分（置信区间重叠），但明显高于第三位因素。飞行阶段分布强烈不对称：238起（74.6%，CI 69.6–79.1%）发生在航路阶段，67起（21.0%）在着陆阶段，仅14起（4.4%）在起飞阶段。该剖面与经典有人驾驶航空模式相反。聚合为类别后，内部因素占63.0%（CI 57.6–68.1%），技术性因素占67.4%（CI 62.1–72.3%）。
因果–阶段关联。因果×阶段关联显著且强度中等（χ2 = 59.2，置换p < 0.001，Cramér's V = 0.305）。图2将关联定位于三种模式：第一，人为因素事件在起飞阶段完全缺失（74起中0起），集中于航路阶段（81%）——现代多旋翼的起飞序列高度自动化，而航路阶段是驾驶决策、障碍接近与任务负荷累积之处；第二，对称地，全部14起起飞事件均为技术性起源——技术/非技术×阶段关联本身显著（χ2 = 7.15，置换p = 0.026，V = 0.150），恰因该空格所致；第三，电池故障偏离总体阶段剖面：43起中18起（42%）发生于着陆阶段，而数据集整体着陆占比为21%——与失效模式的物理机制一致，容量耗尽与电压跌落表现于任务末端。GPS问题（38%于着陆）与恶劣天气（47%）亦呈类似的飞行后期集中。相比之下，内部/外部二分法与阶段无显著关联（χ2 = 1.92，置换p = 0.39，V = 0.078）：事件的阶段剖面携带其技术性质的信息，而非其起源在平台内外的信息。
跨国比较。三个报告系统的因果分布差异显著（χ2 = 72.7，置换p < 0.0001，Cramér's V = 0.338）。图3映射因果×系统表的Pearson残差，图4通过对应分析总结同一结构（维度1：84.4%惯量；维度2：15.6%）。主导对比对立于澳大利亚与美国系统：数据链路问题在ATSB记录中显著过度代表（残差+3.9），在SAFECOM（?3.3）与AAIB（?2.1）中不足；GPS问题呈反向模式，在SAFECOM中过度代表（+3.2），在ATSB中不足（?2.3）。阶段分布相应不同（χ2 = 37.7，p < 0.0001）：着陆事件占SAFECOM记录的37.7%，而仅占ATSB记录的8.2%。对应分析平面中，第一维度将ATSB（被拉向数据链路问题）与SAFECOM（被拉向GPS问题、软件与电磁干扰）分离，AAIB处于中间位置，更接近硬件相关因素。这些差异可能反映系统性质而非国家空域性质：SAFECOM收集政府机构运行事件（常在卫星导航退化显著的偏远或山区环境），ATSB聚合广泛的民用事件通报（其中C2链路丢失是突出、易识别且强制报告的事件），AAIB则调查少量经深度工程分析的严重事故。
时间趋势。五个时期中，总体因果×时期关联未达显著（χ2 = 50.0，置换p = 0.24）：因果谱系总体稳定。在此稳定背景下，数据链路问题占比呈强烈且显著的上升趋势（Cochran–Armitage z = 3.01，p = 0.003），从2016–17年的11.9%升至2021–22年的32.9%。其余三个主导因素均无显著趋势（人为因素p = 0.74；电池故障p = 0.75；缺陷机械部件p = 0.52）。数据链路趋势在四个因素的Holm校正后仍显著（校正p = 0.010）。
综合。四项分析呈现的图景内部一致：多旋翼事件由两类性质完全不同的失效主导——任务期间的人为错误与C2链路丢失或退化——电池相关失效是首要纯能量性原因，集中于物理机制所决定的位置，即飞行末端。航路阶段集中了各类别的绝大部分风险；起飞阶段在本数据集中纯粹是技术失效阶段。跨系统异质性大且有结构，唯一通过显著性门槛的时间信号是数据链路问题权重的增长。
五、讨论与结论
讨论部分指出：多旋翼阶段剖面与有人驾驶航空相反，原因在于任务在任务环境内部而非机场之间飞行，航路阶段是视距拉伸、负荷峰值与C2链路暴露最甚之处；人为因素作为首要单一原因，其完全缺失于起飞且81%集中于航路，表明培训与程序应针对任务执行而非基本操控；数据链路问题的上升可能源于暴露增长、非授权频段频谱拥挤与报告敏感性三者的混合，无论构成如何，运营含义相同——C2链路是多旋翼运行中最薄弱的增长环节，冗余或多元化链路及配置良好且演练充分的链路丢失失效保护是相应缓解措施；电池故障集中于着陆阶段指向任务末端能量耗尽，缓解措施为基于实测容量而非标称容量计算的返航阈值、电池健康监测与退役政策；报告系统不可互换，合并数据库而不建模系统效应可能将单一报告文化的伪迹归因于"无人机总体"。
结论部分：该论文提供了据研究人员所知首个跨国、推断完整的多旋翼UAS安全事件统计表征，基于2016–2022年间来自美国SAFECOM、澳大利亚ATSB与英国AAIB系统的319起统一编码事件。分析以量化置信确立了描述性研究仅能暗示的内容：人为因素与数据链路问题的主导地位；四分之三事件集中于航路阶段，颠倒有人驾驶航空剖面；起飞事件的纯粹技术性；电池故障的着陆阶段特征；数据链路问题的显著上升趋势；以及国家报告系统的强结构化异质性，对应分析将其归结为单一的链路对导航主导对比。编码过程本身还产生一项发现：319起事件中，源叙述无一支持第二个因果独立因素，这为因果链建模能从该报告深度的数据中提取的内容设置了经验界限。未来工作将沿三条线推进：纳入暴露数据以将事件占比转换为率并进而转换为第三方风险；将编码扩展至次要及贡献因素——这需要记录这些因素的源系统而非对相同记录的不同分析；以及将跨国基础扩大至更多报告系统，将系统效应诊断转变为同时携带平台类别与运行背景的形式化元分析模型。
