面对外界复杂空管运行态势信息,管制员需要快速响应并及时做出正确决策。管制任务繁重和精神压力大,使得人为差错不可避免。为提升空管运行品质,并辅以风险把控决策建议,提出本体驱动贝叶斯网络建模技术,利用本体语义描述逻辑形式化表示领域知识,在此基础上结合贝叶斯网络(Bayesian Network,BN)概率推理机制对空管安全相关不确定性信息进行量化分析,并给出防范措施建议。通过总结归纳不确定性信息处理、可靠性评估和故障诊断等领域中本体和贝叶斯网络集成建模技术的应用现况,结合管制活动特点,参考领域相关文献和实际管制工作经验,设计本文研究方法的整体框架。采用知识工程建模方法,利用本体语义描述逻辑对领域概念、属性及关系进行形式化表述,在此基础上开展空管人为差错不安全事件数据机器学习,利用BN概率推理机制对空管安全风险演变机制进行分析,并给出相应的防范和应对措施。研究分析结果表明,本文所提方法提高了飞行冲突态势感知能力,可实现管制移交人误关键致因诊断,提升了机场场面运行风险管控水平;实现了空管人为差错领域知识的有效管理,以及风险有关不确定性概率信息合理量化,为空管运行安全保障信息智能化提供了更好的应用支撑。