Key risk identification of flight accidents based on multi-source text mining

doi:10.16265/j.cnki.issn1003-3033.2025.08.1120

Abstract

Abstract:

In order to enhance the risk control efficiency of civil aviation flight safety in China and accurately identify the key risk factors that cause flight accidents, multi-source text mining of flight accident risks was conducted using Weibo information, news reports, and aviation accident investigation reports as samples. Flight accident risk factors were identified using the bidirectional encoder representations from transformers for topic modeling(BERTopic). The semantic correlation of risk factors was analyzed using the Word2Vec model and complex network, from which the key risk factors were determined. The bidirectional encoder representations from transformers(BERT) was adopted to mine the personnel risk factors that trigger the most serious negative emotions among the public. The key personnel risk factors in low-altitude airspace were identified through word frequency statistics. The results indicate that personnel risk is the key risk factor leading to flight accidents. Among them, failure to strictly follow operating procedures, bird strikes, and sickness of flight crew are the key risk factors affecting flight safety. The non-strict implementation of operation procedures by flight crew not only arouses the most negative public emotions but also constitutes the key personnel risk factor leading to low-altitude airspace accidents.

Key words: multi-source text mining, flight accidents, key risk, negative emotions, low altitude airspace

CLC Number:

X949

TIAN Ze, LUO Fan. Key risk identification of flight accidents based on multi-source text mining[J]. China Safety Science Journal, 2025, 35(8): 156-163.

Figures/Tables 14

Fig.1

Table 1

Flight accident risk factors based on multi-source texts

飞行事故风险	飞行事故风险因素	部分主题关键词	飞行事故风险	飞行事故风险因素	部分主题关键词
人员风险 A	未严格执行操作程序A₁	频率、管制、夜班、管制员、扇区、航班、信号、机场、报告、值夜班、离场、程序	环境风险 C	鸟击C₁	鸟类、鸟击、发动机、驱鸟、叶片、飞鸟、风扇、鸟群、动物、鸟害、威胁、栖息地
人员风险 A	机组成员疾病A₂	机长、医生、医疗、症状、血压、袖带、驾驶舱、救助、乘务员、身体、酒精、医药	环境风险 C	空中湍流 C₂	事故、机长、机组、报告、机场、飞行员、高度、遭遇、数据、湍流、气象、航班
人员风险 A	管制员工作失误A₃	管制员、间隔、指令、冲突、飞机、航班、管制、咨询、机组、高度、航路、航空	环境风险 C	地面强光干扰C₃	灯光、荧光屏、机场、光源、红灯、目视、亮度、闪光灯、反射光、强光、标志灯
	飞行员驾驶经验不足A₄	速度、空速、飞机、机长、驾驶仪、襟翼、高度、油门、飞行员、机组、迎角、慢车	环境风险 C	能见度较低C₄	目视、航空器、高度、飞机、交通、区域、管制、流量、冲突、视线、信标台、意识
	操作失误A₅	直升机、作业、旋翼、事发、高压线、尾桨、飞行员、调查组、航空器、事故、坠地	管理风险 D	航图标识不准确D₁	定位点、航图、航路、航线、错误、页面、名称、路线、偏差、指令、航向、标识
	忽视警告A₆	警告、高度、飞机、空速、地形、程序、机组、机长、机场、仪表、目视、飞行员		空中管理不足D₂	空域、管制、航空器、冲突、指令、进场、距离、高度、离场、间隔、报告、航路
	机组成员安全意识淡薄A₇	烟雾、气味、驾驶舱、空调、面罩、氧气、机组人员、报告、发动机、检查、异味		飞机配载不当D₃	数据、错误、重量、检查、速度、飞机、参数、标识符、检测、燃油、高度限制
	没有遵照空中交通管制指令A₈	管制员、进场、空域、终端、速度、高度、空速、程序、指令、定位点、管制、报告		航行计划执行不当 D₄	航路、航线、标准、路线、航向、间隔、滑行道、计划、区域、机务、航迹、报告
	故障排除能力不足 A₉	发动机、叶片、燃油、涡轮、检查、风扇、整流罩、高压、裂纹、故障、碎片、滑油		安全信息管理不到位D₅	事故、猜测、失联、报告、失控、调查结果、黑匣子、信息管理、媒体报道、情报
	管制员情景意识不足A₁₀	扇区、高度、航路、进场、飞行高度、飞机、飞行员、空域、余度、作业、障碍物		监督检查力度不够 D₆	人员、培训、危险品、经营、规章、机务、危险源、报告、局方、负责人、航空安全
	设备维护不足A₁₁	发电机、故障、总线、电缆、检查单、升降舵、报告、面板、机组、步骤、线缆		培训不足D₇	学员、教员、训练、事发、坠机、油门、调查组、燃油、动作、培训、降落伞、坠机
机械设备风险 B	引擎故障B₁	引擎、客机、直升机、航空、空域、机上、飞机、事故、故障、航班、失联、坠机		旅客不当行为D₈	电池、锂电池、手机、短路、失控、电子设备、锂离子、电流、电压、火灾、危险品
	控制系统故障B₂	压力、氧气、活门、面罩、客舱、高度、外流、空调、故障、控制器、舱压、警告	机械设备风险B	通信设备故障B₄	信号、监护、频率、指挥棒、偏差、障碍物、传输、频段、终端、导航台、对讲机
	机械磨损故障B₃	液压、起落架、线缆、软管、故障、油量、齿轮箱、液压油、扰流板、组件、壳体

Table 1

Table 2

Fig.2

Fig.3

Fig.4

Fig.5

Fig.6

Fig.7

Fig.8

Table 3

Fig.9

Fig.10

Fig.11

References 12

[1]	上观新闻. 济州航空事故中的致命因素[EB/OL]. (2024-12-30). https://www.jfdaily.com/wx/detail.do?id=835929.
[2]	黄静洋, 潘璇, 付小蓉, 等. 中低空通用航空飞行计划安全风险评估[J]. 中国安全科学学报, 2023, 33 (12):23-30. doi: 10.16265/j.cnki.issn1003-3033.2023.12.1873
	HUANG Jingyang, PAN Xuan, FU Xiaorong, et al. Safety risk assessment for low and medium altitude general aviation fight plans[J]. China Safety Science Journal, 2023. 33(12):23-30. doi: 10.16265/j.cnki.issn1003-3033.2023.12.1873
[3]	许保光, 王蓓蓓, 池宏, 等. 基于贝叶斯网络的航空安全中不安全信息分析[J]. 中国管理科学, 2020, 28(12):118-129.
	XU Baoguang, WANG Beibei, CHI Hong, et al. Insecurity information analysis in civil aviation safety based on Bayesian network[J]. Chinese Journal of Management Science, 2020, 28(12):118-129.
[4]	袁乐平, 张文东, 赵力梵, 等. 基于TEM模型的民航不安全事件关联规则挖掘与分析[J]. 中国安全生产科学技术, 2022, 18(10):31-36.
	YUAN Leping, ZHANG Wendong, ZHAO Lifan, et al. Mining and analysis of association rules in civil aviation unsafe incidents based on TEM model[J]. Journal of Safety Science and Technology, 2022, 18(10):31-36.
[5]	王红, 祝寒, 林海舟. 航空安全事故因果关系抽取方法的研究[J]. 计算机工程与应用, 2020, 56(11):265-270. doi: 10.3778/j.issn.1002-8331.1902-0257
	WANG Hong, ZHU Han, LIN Haizhou. Research on causality extraction of civil aviation accident[J]. Computer Engineering and Applications, 2020, 56(11):265-270. doi: 10.3778/j.issn.1002-8331.1902-0257
[6]	刘俊杰, 杜尹岚, 闫慧娟. Python环境下的航空安全报告信息分析方法[J]. 科学技术与工程, 2021, 21(10):4278-4283.
	LIU Junjie, DU Yinlan, YAN Huijuan. The analysis method of aviation safety reporting information based on Python[J]. Science Technology and Engineering, 2021, 21(10):4278-4283.
[7]	YUAN Leping, LIANG Man, XIE Yiran. Change-oriented risk management in civil aviation operation: a case study in China air navigation service provider[J]. Journal of Advanced Transportation, 2020: DOI: 10.1155/2020/4721437.
[8]	高凡, 徐思佳. 基于BERTopic模型的数字政府治理领域的主题识别与内容分析[J]. 情报理论与实践, 2024, 47(8): 95-106.
	GAO Fan, XU Sijia. Topic identification and content analysis in the field of digital government governance based on BERTopic model[J]. Information Studies: Theory & Application, 2024, 47 (8): 95-106.
[9]	刘全龙, 张晓霖, 张悦倩, 等. 基于事故致因的标准化煤矿建筑规范库构建[J]. 中国安全科学学报, 2023, 33(5):128-133. doi: 10.16265/j.cnki.issn1003-3033.2023.05.1865
	LIU Quanlong, ZHANG Xiaolin, ZHANG Yueqian, et al. Construction of a database of standardized coal mine building regulation based on accident causation[J]. China Safety Science Journal, 2023, 33(5):128-133. doi: 10.16265/j.cnki.issn1003-3033.2023.05.1865
[10]	SUNG Y Y, KIM S B. Topical keyphrase extraction with hierarchical semantic networks[J]. Decision Support Systems, 2020,128: DOI: 10.1016/j.dss.2019.113163.
[11]	YANG N, JO J, JEON M, et al. Semantic and explainable research related recommendation system based on semi-supervised methodology using BERT and LDA models[J]. Expert Systems with Applications, 2022,190: DOI: 10.1016/j.eswa.2021.116209.
[12]	中国民用航空局. 航空器的运行文件[Z]. 2024-12-06.

飞行事故风险	飞行事故风险因素	部分主题关键词	飞行事故风险	飞行事故风险因素	部分主题关键词
人员风险 A	未严格执行操作程序A₁	频率、管制、夜班、管制员、扇区、航班、信号、机场、报告、值夜班、离场、程序	环境风险 C	鸟击C₁	鸟类、鸟击、发动机、驱鸟、叶片、飞鸟、风扇、鸟群、动物、鸟害、威胁、栖息地
人员风险 A	机组成员疾病A₂	机长、医生、医疗、症状、血压、袖带、驾驶舱、救助、乘务员、身体、酒精、医药	环境风险 C	空中湍流 C₂	事故、机长、机组、报告、机场、飞行员、高度、遭遇、数据、湍流、气象、航班
人员风险 A	管制员工作失误A₃	管制员、间隔、指令、冲突、飞机、航班、管制、咨询、机组、高度、航路、航空	环境风险 C	地面强光干扰C₃	灯光、荧光屏、机场、光源、红灯、目视、亮度、闪光灯、反射光、强光、标志灯
	飞行员驾驶经验不足A₄	速度、空速、飞机、机长、驾驶仪、襟翼、高度、油门、飞行员、机组、迎角、慢车	环境风险 C	能见度较低C₄	目视、航空器、高度、飞机、交通、区域、管制、流量、冲突、视线、信标台、意识
	操作失误A₅	直升机、作业、旋翼、事发、高压线、尾桨、飞行员、调查组、航空器、事故、坠地	管理风险 D	航图标识不准确D₁	定位点、航图、航路、航线、错误、页面、名称、路线、偏差、指令、航向、标识
	忽视警告A₆	警告、高度、飞机、空速、地形、程序、机组、机长、机场、仪表、目视、飞行员		空中管理不足D₂	空域、管制、航空器、冲突、指令、进场、距离、高度、离场、间隔、报告、航路
	机组成员安全意识淡薄A₇	烟雾、气味、驾驶舱、空调、面罩、氧气、机组人员、报告、发动机、检查、异味		飞机配载不当D₃	数据、错误、重量、检查、速度、飞机、参数、标识符、检测、燃油、高度限制
	没有遵照空中交通管制指令A₈	管制员、进场、空域、终端、速度、高度、空速、程序、指令、定位点、管制、报告		航行计划执行不当 D₄	航路、航线、标准、路线、航向、间隔、滑行道、计划、区域、机务、航迹、报告
	故障排除能力不足 A₉	发动机、叶片、燃油、涡轮、检查、风扇、整流罩、高压、裂纹、故障、碎片、滑油		安全信息管理不到位D₅	事故、猜测、失联、报告、失控、调查结果、黑匣子、信息管理、媒体报道、情报
	管制员情景意识不足A₁₀	扇区、高度、航路、进场、飞行高度、飞机、飞行员、空域、余度、作业、障碍物		监督检查力度不够 D₆	人员、培训、危险品、经营、规章、机务、危险源、报告、局方、负责人、航空安全
	设备维护不足A₁₁	发电机、故障、总线、电缆、检查单、升降舵、报告、面板、机组、步骤、线缆		培训不足D₇	学员、教员、训练、事发、坠机、油门、调查组、燃油、动作、培训、降落伞、坠机
机械设备风险 B	引擎故障B₁	引擎、客机、直升机、航空、空域、机上、飞机、事故、故障、航班、失联、坠机		旅客不当行为D₈	电池、锂电池、手机、短路、失控、电子设备、锂离子、电流、电压、火灾、危险品
	控制系统故障B₂	压力、氧气、活门、面罩、客舱、高度、外流、空调、故障、控制器、舱压、警告	机械设备风险B	通信设备故障B₄	信号、监护、频率、指挥棒、偏差、障碍物、传输、频段、终端、导航台、对讲机
	机械磨损故障B₃	液压、起落架、线缆、软管、故障、油量、齿轮箱、液压油、扰流板、组件、壳体

飞行事故风险因素	空中湍流	设备维护不足	引擎故障
空中湍流	1	-0.059 424 3	0.461 055 6
设备维护不足	-0.059 424 3	1	-0.213 631 6
引擎故障	0.461 055 6	-0.213 631 68	1