نمذجة انتشار المخاطر في مناطق الحركة بالمطار اعتمادًا على وزن سببي ديناميكي

لماذا تعتبر مخاطر المدارج مهمة لكل من يسافر جوًا

يفكر معظم ركاب الطيران بالسلامة من منظور الإقلاع والهبوط، لكن عددًا كبيرًا مفاجئًا من الحوادث والاقترابات الخطرة يحدث أثناء تحرك الطائرات على الأرض، أو عبور المدارج، أو الانتظار في صف الإقلاع. هذه «مناطق الحركة» المزدحمة هي حيث يلتقي الطيارون والمركبات الأرضية والمراقبون والمعدات والطقس والإجراءات. أخطاء صغيرة — مثل تعليمات مسموعة خطأ، أو ممر أرضي زلق، أو لافتة مُربكة — يمكن أن تتصل ببعضها البعض وتؤدي إلى حوادث خطيرة. تطرح هذه الدراسة سؤالًا عمليًا ذا تبعات كبيرة: هل يمكننا استخدام بيانات العالم الحقيقي وخوارزميات تعلّم حديثة لرصد كيفية تراكم هذه المخاطر وانتشارها، في وقت كافٍ لوقفها؟

مشكلات صغيرة كثيرة، وشبكة متشابكة واحدة

ينطلق المؤلفون من الفكرة القائلة إن سطح المطار ليس سلسلة بسيطة من الأخطاء، بل شبكة كثيفة من الأسباب والآثار. بالاستناد إلى 2795 حادثًا حقيقيًا من مطارات في الولايات المتحدة والصين بين 2008 و2021، سجّلوا كل ما ساهم في كل حدث: زلات بشرية، أعطال معدات، طقس، علامات سيئة، قضايا إدارية، والمزيد. وباستخدام أدوات تحليل النصوص على التقارير السردية وتصنيف تدريبي للطيران، استخلصوا قائمة أولية تضم 98 عاملًا محتملاً. ثم طبقوا طريقة محسّنة من «الارتباط الرمادي» — وهي وسيلة لاختبار مدى تحرّك العوامل والحوادث معًا بمرور الزمن — لتصفية الروابط الضعيفة. تركت هذه الخطوة 63 عاملًا يهمون باستمرار، من ضعف الرؤية وتكوين مدارج معقد إلى أخطاء في الاتصالات الراديوية وتأخيرات الصيانة.

تحويل الحوادث إلى خريطة مخاطرة حيّة

من هذه المكونات الـ63، بنى الفريق شبكة تحاكي كيفية انتشار المشاكل فعليًا على أرض المطار. يصبح كل عامل عقدة، والأسهم بين العقد تمثل كيف يجعل مشكلة واحدة حدوث أخرى أكثر احتمالًا — على سبيل المثال، عبء عمل مرتفع على المراقب يؤدي إلى تعليمات متأخرة، والتي بدورها تهيئ لحدوث دخول غير مصرح به على المدرج. وعلى عكس العديد من النماذج السابقة التي تعامل كل العقد بالمثل، تميّز هذه الشبكة بين أنواع السلوك. بعض العقد تجمع المخاطر حتى يتجاوز ذلك حدًا، مثل عطل معدات يتفاقم تدريجيًا. أما أخرى فتعمل ككوابح، مثل إجراءات التدقيق والرقابة التي تمتص وتخفف المشاكل. كما يتعرف النموذج على أشكال تفاعل مختلفة: سلاسل مباشرة، أشجار متفرعة حيث يولد مشكلة واحدة عدة أخرى، ومسارات متقاربة حيث تتجمع قضايا صغيرة متعددة لتصبح خطرًا كبيرًا واحدًا.

نموذج تعلّمي يتكيف مع المطار

بناء الخريطة هو نصف القصة فقط؛ التحدي الحقيقي أن المطارات ليست ثابتة. تتغير مستويات الحركة والطاقم والتكنولوجيا والإجراءات مع الزمن، ما يغيّر شدة تأثير عامل على آخر. لالتقاط هذا، أنشأ المؤلفون نموذج «سعة‑حِمل» مع أوزان ديناميكية على كل سهم. لدى كل عقدة سعة — مقدار الضغط الذي تتحمله — وحمل متغير — مقدار المخاطر التي تحملها حاليًا. عندما يتجاوز الحمل السعة، «تفشل» العقدة وتنقل المخاطر إلى الأمام. حجم هذا الانسكاب يحكمه وزن متغير زمنيًا يتعلمه خوارزمية متخصصة تُسمى التعلم المعزّز الالتفافي السببي (CCRL). تستخرج هذه الخوارزمية أنماطًا في تسلسلات الحوادث التاريخية، ثم تضبط باستمرار قوة الاتصالات مع ورود بيانات جديدة. في الاستخدام المباشر، يستوعب النظام بيانات الحركة والطقس والتشغيل الحالية، ويحدّث الأوزان في أقل من عُشر الثانية، ويعيد حساب كيفية انتشار المخاطر عبر السطح.

العثور على الروابط الضعيفة الأكثر تأثيرًا

لتقييم جدوى هذا النهج، قارن الباحثون نموذجهم الديناميكي مع أدوات راسخة مثل الشبكات البايزية الديناميكية، الانحدار الذاتي المتجه، وشبكات الرسوم الزمنية العصبية. باستخدام دقة التنبؤ بالحوادث كمقياس، تفوق أسلوبهم على الآخرين، متفوقًا على التعلم العميق مع بقاءه أكثر قابلية للتفسير. ثم عرّفوا ثلاثة مؤشرات عملية: مؤشر تأثير خطر العقدة ليُظهر مقدار الضرر الذي يمكن لمتغير واحد أن يسببه، مؤشر الصلابة البنيوية لقياس مدى سهولة تفتت الشبكة عند استهداف نقطة، ومؤشر انتشار الشبكة لتلخيص مدى اتساع انتشار الإخفاقات. كشفت هذه القياسات عن رؤى غير بديهية. عوامل مثل أعطال معدات معينة أو مشاكل في الاتصال، التي لا تجلس في «مراكز» واضحة بالشبكة، يمكن أن تثير مع ذلك سلسلة تأثيرات كبيرة. بالمقابل، تبين أن بعض العقد شديدة الاتصال هي إلى حد ما حميدة نسبيًا.

ما يعنيه هذا لرحلات أكثر أمانًا وسلاسة

لمشغلي المطارات والمنظمين، العائد هو طريقة أذكى لترتيب أولويات موارد السلامة المحدودة. عندما حاكى الفريق استراتيجيات سيطرة مختلفة، أدت تقوية عقد عشوائية أو التركيز فقط على الأكثر اتصالًا إلى خفض متواضع في انتشار المخاطر العام. لكن استهداف العقد التي أشارت مؤشراتهم إلى أنها ذات تأثير عالٍ فعلاً خفّض مؤشر انتشار المخاطر في النموذج بحوالي عُشرَيْن. ببساطة، تُظهر الدراسة أن سلامة السطح ليست مجرد إضافة قواعد أو موظفين؛ بل تتعلق بفهم أي تراكيب محددة من الناس والآلات والبيئة والرقابة تميل إلى تحويل الأيام الروتينية إلى أيام سيئة، ثم تعزيز تلك النقاط قبل أن تتفاقم المشكلة. مع تدفق بيانات أكثر تفصيلاً إلى مثل هذه النماذج التكيفية، قد تنتقل المطارات من رد الفعل على الحوادث إلى توقعها — مما يجعل مرحلة الأرض في الرحلة هادئة وآمنة كما يتوقع الركاب بالفعل بالنسبة للمدة في الهواء.

الاستشهاد: Wu, W., Lin, J., Wei, M. et al. Dynamic causal weighting-based risk propagation modeling for airport movement areas. Sci Rep 16, 5249 (2026). https://doi.org/10.1038/s41598-026-36059-3

الكلمات المفتاحية: سلامة المطارات, مخاطر المدارج, حوادث الطيران, انتشار المخاطر, التعلّم المعزّز