一、引言世界各地都依賴復雜的系統(tǒng)來運輸基本商品，提供包括水、食物、能源以及健康、交通和通信等相關的服務。這些商品和服務的全球需求量驚人，并且預期需求還會增長。例如，2017年全球約有90%的人口至少享有基本飲用水服務，但是，預計到2050年將有近60億人遭受清潔水短缺的困擾。發(fā)達國家擁有龐大且互聯(lián)的水務基礎設施系統(tǒng)，能夠為其人口提供高質量的飲用水服務。例如，英國的英格蘭和威爾士有1000多個生產飲用水的水處理廠，長達346000km的水路網(wǎng)服務于2600多萬戶家庭；荷蘭的飲用水水路網(wǎng)長達120000多公里，能夠為800多萬戶家庭提供服務。這種基礎設施提供的服務具有規(guī)模性、復雜性、生命周期長和關鍵性等特點，因而使得系統(tǒng)規(guī)劃和管理極為困難。

在過去20年里，現(xiàn)代數(shù)字化技術迅速發(fā)展。通過改善復雜系統(tǒng)，如銀行、交通、市場、娛樂和旅游等部門的規(guī)劃和管理，現(xiàn)代數(shù)字化技術推進了社會變革。利用大規(guī)模、廣泛的數(shù)據(jù)采集，預測能力日益精準的云計算，以及互聯(lián)網(wǎng)和物聯(lián)網(wǎng)（IoT）的全球連接，許多新興應用已經被開發(fā)出來并投入使用。例如，零售銀行的數(shù)字化轉型使得用戶可以通過在線和移動工具進行交易和資產管理。此外，一些企業(yè)組織如優(yōu)步，借助數(shù)字化技術建立了一種新型商業(yè)模式，顛覆了運輸業(yè)的傳統(tǒng)模式。其他企業(yè)組織，包括谷歌、亞馬遜、愛彼迎、網(wǎng)飛和蘋果的一些部門也利用了數(shù)字化技術。從數(shù)字化技術的角度來看，航空行業(yè)和汽車行業(yè)這兩個領域相當有趣，這不僅是因為安全因素在這兩個行業(yè)中至關重要，還因為它們在實現(xiàn)完全自動化方面取得了最重大的進展。盡管為了使這些系統(tǒng)能夠獨立運作，人類已經投入了大量精力和成本，但是絕大多數(shù)系統(tǒng)的運作仍必須與人類交互，由人類負責監(jiān)管其作業(yè)，指導系統(tǒng)運作，或協(xié)作系統(tǒng)完成作業(yè)。然而，數(shù)字化技術的引入和自動化程度的增強，也導致了一些與這些先進技術的使用方式有關的重大事故。例如，特斯拉的自動駕駛儀（Autopilot）無法避免汽車碰撞，以及波音737MAX及其機動特性增強系統(tǒng)（MCAS）軟件疑似已導致兩次飛機失事，是造成重大傷亡的原因之一。通過明確這些案例中存在的新技術的失誤點，有望從中學習經驗和教訓，預防事故發(fā)生。數(shù)字化革命已深入人類生活的許多領域，水務行業(yè)也開始從數(shù)字化轉型中受益。水文信息學領域的先進技術和人工智能（AI）的應用已經開始在水務行業(yè)及其管理中發(fā)揮作用。然而，水務行業(yè)的數(shù)字化進展落后于其他領域，原因是其還存在一些挑戰(zhàn)，包括遺留的數(shù)據(jù)收集和管理系統(tǒng)，以及難以為數(shù)字應用、網(wǎng)絡安全問題和“人為因素”建立明確的商業(yè)案例。在過去的20年里，“取證工程”（forensicengineering）利用工程原理和分析方法，調查工程系統(tǒng)的故障或其他性能問題，并且取得了實質性的進步。取證調查的目的在于確定故障的根本原因，從而預防類似故障再次發(fā)生。早期取證工程的例子，包括對導致橋梁設計、建造和檢驗發(fā)生重大變化的故障進行調查。如1879年的泰河鐵路橋（TayBridge）坍塌事故和1940年的塔科馬海峽吊橋（TacomaNarrowsBridge）倒塌事故。本文的目的有兩個：①確定水務行業(yè)的關鍵數(shù)字化技術的進展；②對一些在數(shù)字化轉型和自動化過程中（數(shù)字化技術發(fā)揮重要作用）經歷失敗的領域應用取證工程原則。目的是要從這些失誤中吸取教訓，避免水務行業(yè)重蹈覆轍。二、水務行業(yè)數(shù)字化的進展

（一）智能灌溉農業(yè)灌溉用水量占全球用水量的70%，是用水量最多的領域，農業(yè)灌溉在糧食安全中發(fā)揮著重要作用。世界上許多地區(qū)采用密集的漫灌并抽取地下水灌溉作物，使含水層的消耗量超過其自然補給量，從而影響水安全。因此，利用數(shù)字化技術更有效地使用水資源，優(yōu)化決策方法迫在眉睫。數(shù)字化技術所帶來的智能灌溉系統(tǒng)，可根據(jù)當?shù)貤l件，如溫度、濕度和土壤含水量進行調整，為作物提供必要的水分。遙感技術是灌溉管理領域中一項重要的數(shù)字化進展。遙感技術是指借助衛(wèi)星、飛機（包括有人和無人系統(tǒng)）、拖拉機和手持傳感器對農田反射和輻射的電磁波信息進行非接觸測量。遙感測量技術的廣泛使用使人們獲得了大量數(shù)據(jù)，即大數(shù)據(jù)。需要對這些大量且高度多變的數(shù)據(jù)類型進行快速處理和分析，以便提供新的見解。遙感和AI技術的最新研究進展可以讓田間規(guī)模的表型信息得到準確量化，并與大數(shù)據(jù)整合，以便開發(fā)出具有預測性和規(guī)范性的管理工具。遙感技術常用于預估作物的需水量。此技術在預測性模型的基礎上，利用基于各類數(shù)據(jù)、能量平衡、空氣動力學和輻射物理學的算法計算作物需水量。這些模型采用了多種數(shù)據(jù)類型組合，包括衛(wèi)星圖像數(shù)據(jù)（如表面溫度、表面反射率、植被指數(shù)）、天氣傳感器數(shù)據(jù)（如空氣溫度、風速、濕度）和地理數(shù)據(jù)（如數(shù)字高程、土地覆蓋）。例如，F(xiàn)ruitLook服務作為一種在線工具，利用衛(wèi)星和地理數(shù)據(jù)幫助南非西開普省的水果和葡萄酒農場主優(yōu)化水資源的使用并提高生產力。在使用FruitLook服務的生產者中，有近半數(shù)表示用水量至少減少了10%，還有一些表示減少了30%。FruitLook系統(tǒng)在改善作物生產管理方面得到了積極的應用。該系統(tǒng)擁有700名固定用戶，包括生產者、顧問和研究人員，他們受益于從南非西開普省約900萬公頃的土地中獲得的可用數(shù)據(jù)。（二）城市智慧水務預計到2050年，全球城市人口總數(shù)將達到總人口的70%，約97億。除了城市化外，人口增長、氣候變化和資源限制也給城市基礎設施的規(guī)劃和管理（包括水務服務和廢水服務）帶來了巨大的挑戰(zhàn)。由于異質傳感器的大量使用和廣泛的數(shù)據(jù)采集，城市水務系統(tǒng)正在產生越來越多的傳感數(shù)據(jù)。這就需要采用數(shù)據(jù)分析和新興AI方法來應對數(shù)據(jù)大爆炸，從而對網(wǎng)絡化、互通和內在復雜的水務系統(tǒng)中的數(shù)據(jù)結構及其動態(tài)特征進行利用和解釋。水文信息學和數(shù)字水務工具起初只限于科學界，現(xiàn)已進入水務領域。本文沒有對這些工具進行一一列舉，但介紹了一些成熟的技術，包括用于檢測地下基礎設施異常情況的機器學習技術（ML）、用于規(guī)劃和管理水務基礎設施系統(tǒng)的自然啟發(fā)式優(yōu)化工具，以及數(shù)字孿生技術。1.應用于供水系統(tǒng)異常檢測的機器學習技術減少無收益水，即經過抽取、處理并泵入分配系統(tǒng)中但沒有流向用戶和向用戶收費的水（即“損失的水”）的產生量，是全世界水務公司的主要目標之一。然而，因為供水網(wǎng)絡具有規(guī)模性和復雜性，且大多位于地下，所以要確定這些水損失的具體位置非常困難。英國聯(lián)合公用事業(yè)公司（UnitedUtilities）購買了一套故障檢測工具作為綜合故障管理系統(tǒng)的一部分，為泄漏、爆裂、壓力或流量異常、傳感器故障或遙測問題等提供近實時、可操作的警報。該故障檢測系統(tǒng)包括了可以自主學習的AI和ML技術以及統(tǒng)計數(shù)據(jù)分析工具，每15min自動處理網(wǎng)絡中收集的壓力數(shù)據(jù)和流量傳感器數(shù)據(jù)。然后，對這些數(shù)據(jù)進行分析并與新的觀測值進行比較，以檢測重大偏差，然后利用人工神經網(wǎng)絡（ANN）來預測近期未來的數(shù)值。同時，還利用統(tǒng)計過程控制技術來分析壓力和流量與預測信號的偏差，利用貝葉斯網(wǎng)絡對收集到的故障進行推理，以此來分析多個故障發(fā)生的證據(jù)。該系統(tǒng)對故障發(fā)生的可能性進行估計，并反饋給檢測報警機制。該故障檢測系統(tǒng)采用一套自主學習技術，根據(jù)過往故障來改進對未來故障的檢測性能。最重要的是，該系統(tǒng)不需要使用供水網(wǎng)絡的水力模型。圖1顯示了英國聯(lián)合公用事業(yè)公司故障檢測系統(tǒng)輸出的信息被整合到供水網(wǎng)絡故障識別（ERWAN）系統(tǒng)界面的過程。此案例對異常情況進行識別并實施了兩次干預（小型和大型服務）措施，從而避免了網(wǎng)絡中因壓力大幅增加導致的更嚴重故障。自2015年以來，ERWAN系統(tǒng)已經在聯(lián)合公用事業(yè)公司的網(wǎng)絡中投入使用。實踐證明該系統(tǒng)穩(wěn)固且可擴展。它可以每15min處理來自7500多個壓力和流量傳感器的數(shù)據(jù)，并及時可靠地檢測出管道爆裂和泄漏等事件，具有高準確率和低誤報率的特點。圖1.ERWAN系統(tǒng)對壓力突增的情況進行報警，原因可能是減壓閥故障。DMA：區(qū)計量領域（districtmeteredareas）。2.應用于廢水系統(tǒng)故障分類的圖像處理和機器學習技術必須定期檢查廢水基礎設施，以便制定設施維護或更換計劃。此類檢查一般價格昂貴且耗時，因此只有相對少部分的廢水系統(tǒng)使用閉路電視監(jiān)控系統(tǒng)（CCTV）進行檢查。Myrans等使用圖像處理和ML技術處理CCTV錄像，并自動識別下水道系統(tǒng)中的各種故障類型。該程序采用了ML領域的隨機森林技術。這一創(chuàng)新方法已經在英國一家水務公司收集的CCTV監(jiān)控錄像中得到驗證和演示。結果顯示，該程序在真實的下水道系統(tǒng)中的峰值準確率為74%。3.應用于洪水管理的元胞自動機系統(tǒng)在強降水期間，當降雨量超出排水系統(tǒng)的負荷時，水量無法完全排除從而引發(fā)地表水泛濫?，F(xiàn)代測繪技術，如合成孔徑雷達、航空數(shù)字攝影測量和激光探測及測距系統(tǒng)（LIDAR），改善了城市地區(qū)洪水建模（模型是新型的且需求量大）程序中數(shù)據(jù)的可用性和準確性。普通的仿真工具無法有效處理覆蓋大面積城區(qū)的洪水模型，但目前具有高分辨率的數(shù)字高程模型的廣泛使用解決了這一問題。特別是，當利用模型進行洪水風險評估或不確定性和減災分析時，需要考慮計算效率問題，因為此過程需要重復進行仿真運行。適用于大規(guī)模問題的快速洪水建?？捎晌墨I[34]中二維元胞自動機模型實現(xiàn)。圖形處理單元（GPU）和元胞自動機具有大規(guī)模并行計算能力。這些學者利用這些工具把新模型應用于基準程序和實例研究，使處理速度呈數(shù)量級增長。4.自然啟發(fā)式優(yōu)化技術先前研究表明，自然啟發(fā)式優(yōu)化算法已在水務行業(yè)得到應用。自然啟發(fā)式優(yōu)化算法已應用到各個領域，從修復設計規(guī)劃到優(yōu)化城市水務基礎設施系統(tǒng)運行。20世紀80年代末和90年代初，自然啟發(fā)式算法問世，進化計算算法、群體智能和ANN獲得初步成功，更加復雜的城市水務基礎設施問題得到解決。該領域不斷做出新的貢獻，從經濟驅動型單一目標框架發(fā)展成多目標模型，產生一系列權衡解決方案，即非主導或帕累托最優(yōu)解決方案，而不再是單一的解決方案。在供水網(wǎng)絡管理中應用自然啟發(fā)式算法，可以確定壓力傳感器和流量計的最佳位置，以進行泄漏檢測和定位。此方法在荷蘭真實的供水網(wǎng)絡中得到實際應用。多目標優(yōu)化模型研究了傳感器最小安裝數(shù)量和最大探測覆蓋范圍之間的權衡問題，選取有問題的供水網(wǎng)絡作為試點，確定壓力傳感器的最佳數(shù)量和位置以對現(xiàn)有的10個傳感器進行補充，目的是最大限度地提高泄漏檢測的準確性和傳感器覆蓋的范圍。從每個附加傳感器得到的結果可以看出，客戶連接的最佳位置和覆蓋范圍，檢測到了泄漏百分比和傳感器覆蓋的網(wǎng)絡管道長度。將20個新傳感器與先前的10個傳感器進行比較，結果顯示客戶連接的覆蓋范圍從11411（覆蓋率26.5%）增加到22967（53.2%），檢測到的泄漏百分比從26.2%提高到48.5%，覆蓋的管道長度從236.75km（25.1%）增加到415.55km（44%）。這些發(fā)現(xiàn)與“水傳感器網(wǎng)絡之戰(zhàn)（BattleoftheWaterSensorNetworks,BWSN）”的設計挑戰(zhàn)結果一致，該挑戰(zhàn)證明了供水網(wǎng)絡中安裝多目標優(yōu)化傳感器的優(yōu)勢。5.數(shù)字孿生在水務系統(tǒng)運行管理中，數(shù)字孿生可充當決策支持工具，并越來越頻繁地應用到水務行業(yè)中。數(shù)字孿生是真實系統(tǒng)的虛擬數(shù)字副本，它不斷地更新數(shù)據(jù)，以模仿系統(tǒng)過去、現(xiàn)在和未來的行為。西班牙瓦倫西亞市把數(shù)字孿生應用到供水系統(tǒng)，為160萬人口服務，展示了數(shù)字孿生仿真各種網(wǎng)絡運行條件的過程。創(chuàng)建一個由113000根管道和其他大量組件（如8個水庫、28個儲罐、47個泵、259個調節(jié)閥、48500個手動閥、4600個消防栓、118000個服務連接、97個流量計和470個壓力表）組成的網(wǎng)絡數(shù)字孿生系統(tǒng)有相當大的挑戰(zhàn)。由于此系統(tǒng)復雜且規(guī)模龐大，研究者設計了一個包括大約10000個管道的戰(zhàn)略模型（約為原始規(guī)模的10%），目的是得到一個計算效率高的數(shù)字孿生系統(tǒng)。實驗結果是令人鼓舞的，因為利用600個傳感器測量值（壓力值、流量值和水位值）就可以在一個10000節(jié)點的戰(zhàn)略模型中獲得對供水系統(tǒng)行為的實時了解。數(shù)字孿生技術開辟了一條豐富多彩、沉浸式、有趣的建模新體驗，通過嚴肅游戲和增強現(xiàn)實、虛擬現(xiàn)實或混合增強/虛擬現(xiàn)實技術吸引眾多利益相關者。通過這些技術，不同的利益相關者（如運營和規(guī)劃人員、用戶和監(jiān)管者）可以了解水務系統(tǒng)的復雜行為，利用數(shù)字孿生技術進行安全實驗，了解不同的、相互沖突的觀點，并制定戰(zhàn)略，為復雜系統(tǒng)尋找更加可持續(xù)的解決方案。6.機器人技術具有傳感功能和AI功能的機器人被越來越多地應用到制造業(yè)和一些緊急行動中，如搜索、救援任務和軍事行動。機器人可以比人類更快、更連貫、更準確地執(zhí)行一些任務，這增加了各行各業(yè)裁員的可能性，尤其是制造業(yè)。在水務行業(yè)，機器人設備如自主水下機器人和地表水機器人已應用于水質建模。此類機器人可針對從大范圍、不同深度獲取的水質數(shù)據(jù)進行實時優(yōu)化。檢測地下水資產的結構狀態(tài)是機器人設備的另一個重要研究和應用領域。由于年代久遠，管道容易發(fā)生故障（如泄漏、破裂、堵塞和坍塌），檢查難度較大。一般利用CCTV攝像機的非破壞性或破壞性方法（如拆除短管段）檢查管道狀況。然而，此方法可能導致服務中斷，代價高昂，并且檢查范圍很小。機器人可以系統(tǒng)地評估地下管道狀況，支持水資產管理計劃。機器人設備正被廣泛地應用于埋地管道檢測，如遍布式自動群體機器人，這已引起了研究團隊和水資產管理公司的興趣。這只是一個時間問題，此設備的第一個商業(yè)實施會在不久的將來實現(xiàn)。三、運輸系統(tǒng)數(shù)字化解決方案和自動化的故障取證分析（一）自動駕駛汽車自2004年美國國防部高級研究計劃局（DefenseAdvancedResearchProjectsAgency,DARPA）首次提出無人駕駛挑戰(zhàn)以來，學術界和工業(yè)界對自動化或自動駕駛汽車產生了極大的興趣。如今，更準確的說法是將控制車輛的此類軟件稱為駕駛員輔助系統(tǒng)（DAS）。這類軟件以自動方式或提醒方式幫助駕駛員注意潛在問題并避免碰撞，但并不屬于完全自動駕駛。特斯拉是插電式電動汽車的主要生產商。特斯拉汽車安裝的軟件，即特斯拉自動駕駛儀，可以根據(jù)交通狀況匹配汽車行駛速度，確保汽車在車道內行駛改變車道、調換路線、在目的地附近駛出道路、在停車位附近自動停車、召喚出入用戶車庫。然而，快速發(fā)展的自動駕駛汽車發(fā)生了幾起重大碰撞事故。這些事故涉及研發(fā)DAS的知名公司，如特斯拉、谷歌和優(yōu)步試驗研發(fā)的汽車。有些碰撞事故導致了致命后果。其中一些碰撞事故的發(fā)生是由于DAS無法識別道路上的固定障礙物（如一輛特斯拉汽車與一輛停放在路邊的消防車相撞），遇到其他車輛時無法變道，或者無法檢測和避免行人。然而，在幾乎所有的事故中，DAS都被啟動了，但司機沒有注意到路況。同樣，DAS獲取數(shù)據(jù)輸入的技術限制也可能增加碰撞事故發(fā)生的風險。傳感器的標準組合包括LIDAR系統(tǒng)（基于激光的雷達系統(tǒng)，可以創(chuàng)建詳細的道路地圖）、無線電探測和測距（RADAR）系統(tǒng)（探測遠處的物體及其速度），以及獲取視覺信息（如交通標志或交通燈的紅綠顏色）的高分辨率相機。例如，特斯拉汽車沒有使用LIDAR系統(tǒng)，只依靠攝像頭和RADAR向DAS提供環(huán)境信息。這可能是導致特斯拉汽車發(fā)生碰撞的原因，也可能不是。最后，因為特斯拉的自動駕駛系統(tǒng)不屬于完全自主的自動駕駛系統(tǒng)，所以特斯拉公司提醒司機要最終對車輛在道路上的行為負責。（二）自動駕駛飛機系統(tǒng)波音737是世界上最暢銷的飛機，銷量達15000多架，服役期超過50年。升級版737MAX機型裝配了體積更大、更省油的發(fā)動機和新型航電設備，且其航程更長，運營成本更低。升級版的機型與舊機型有足夠多的共同點，因此不需要再次進行冗長的認證程序，而且飛行員也不需要接受新飛機仿真器培訓就能操作新機型。自2017年首次投入使用以來，737Max成為波音公司有史以來銷售最快的客機，獲得全球100多家航空公司的5000份訂單。然而，2018年和2019年，737MAX機型在5個月內發(fā)生了兩起致命的墜機事故，總共造成346名乘客死亡。這導致人們對737MAX機型的安全性產生質疑，隨后，2019年3月該機型在全球停飛。在這兩起墜機事件中，飛機在起飛后不久就開始上升，而飛行員試圖保持飛機上升角度，待飛機達到規(guī)定的飛行速度后再上升。737MAX機型的設計是導致墜機的關鍵原因之一，例如與前代飛機相比，737MAX大尺寸發(fā)動機安裝在機翼更靠前且更高的位置。新發(fā)動機尺寸和位置改變了飛機的空氣動力性能，導致飛機機頭在某些情況下，如在起飛后的低速飛行中或是當飛機處于手動駕駛模式時可能發(fā)生向上傾斜。這種向上的俯仰增加了飛機失速的風險。這兩起事故都發(fā)生在起飛后不久，當飛機正在獲得高度時，MCAS反復啟動并迫使飛機俯沖。這一發(fā)現(xiàn)指出了MCAS的潛在缺陷，MCAS設計的初衷是通過將飛機的機頭向下推以自動激活和穩(wěn)定飛機。737MAX裝有兩個攻擊角傳感器，但MCAS只能從一個攻擊角傳感器讀取信息，很容易受到傳感器錯誤讀數(shù)的影響，這讓情況變得復雜。導致這兩起墜機事件的另一個因素是，飛行員并不完全了解或者根本沒有被告知MCAS的存在以及該系統(tǒng)的功能。四、經驗教訓和結論鑒于水務系統(tǒng)管理具有復雜性、關鍵性（與健康和食品供應相關）和行業(yè)所需的安全特性，以及目前的數(shù)字化進展，水務行業(yè)有機會向其他在自動化和數(shù)字化轉型方面更先進的行業(yè)學習。本文從交通運輸領域的事故中吸取經驗教訓（至少部分可以歸因于數(shù)字化和自動化），有助于為水務行業(yè)的數(shù)字化轉型和自動化制定學術和行業(yè)的研究議程。（1）自動化需要在回路系統(tǒng)配置人員。公用事業(yè)部門的工作人員最能感受到數(shù)字化和自動化對水務行業(yè)的影響。日益強大的數(shù)字化和自動化系統(tǒng)可以為復雜的自然系統(tǒng)以及工程系統(tǒng)的保護、控制和操作方式帶來根本性的改變。然而，盡管對汽車和飛機行業(yè)等領域的自動化創(chuàng)新和實施投入了巨額資金，但高安全水平的操作系統(tǒng)仍需要訓練有素的航空公司飛行員和汽車司機。對于水務行業(yè)而言，這意味著即便有AI和ML解決方案等智能軟件，自動化系統(tǒng)仍然需要高度熟練的勞動力以確保未來水務系統(tǒng)的安全運行。（2）人類操作員需要接受自動化培訓。水務系統(tǒng)的管理人員必須了解系統(tǒng)的復雜性才能進行更有效的管理，而且還必須接受操作數(shù)字化技術系統(tǒng)的培訓，目的是改善系統(tǒng)性能并了解其局限性。例如，兩起737MAX墜機事故中的飛行員沒有完全了解（或可能未被告知）MCAS，這讓自動化系統(tǒng)變得不堪一擊，伴有發(fā)生嚴重事故的風險。汽車駕駛員過于相信特斯拉自動駕駛儀等汽車自動化軟件，誤以為汽車可以獨立運行，這也是發(fā)生嚴重交通事故的可能原因。把自動駕駛重新命名為駕駛輔助系統(tǒng)，也有助于澄清一個事實，即司機在控制車輛時必須始終保持警惕。對于水務工作人員，必須通過培訓和學習說明書，使其充分了解到自動化系統(tǒng)的能力及缺陷，才能夠讓系統(tǒng)的能力得到充分發(fā)揮。（3）自動化需要配置人工手動選項。自動安全系統(tǒng)，如安裝在飛機和汽車中的自動安全系統(tǒng)可以在沒有任何人類參與的情況下啟動，從而帶來附加風險。引發(fā)兩起737MAX墜機事故的原因可能是，飛機的MCAS軟件接收了迎角傳感器的錯誤數(shù)據(jù)并指示飛機的機頭向下傾斜，導致飛機進入失速狀態(tài)，引發(fā)墜機。737MAX在印度尼西亞第一次發(fā)生墜毀事件時，波音公司尚未發(fā)布關于飛行員采取補救措施的明確指示，而在埃塞俄比亞發(fā)生第二次墜毀事件時，駕駛737MAX飛機的飛行員已接受了針對印度尼西亞墜機事件的培訓。問題的關鍵似乎出在MCAS上，事故中其多次被自動激活。雖然水務行業(yè)的大多數(shù)數(shù)字解決方案并不屬于完全自動化，但是，未來任何涉及自動化的開發(fā)程序都應該包括故障安全機制，當系統(tǒng)啟動時，該機制應對用戶發(fā)出提醒，或者允許操作人員啟動手動干預來應對情況。（4）冗余傳感器對安全關鍵性系統(tǒng)有益。飛機和汽車行業(yè)都應用了傳感器冗余技術來保護人類的生命。例如，在大規(guī)模生產的車輛中，保證人類的安全是最重要的，特斯拉汽車（和其他自動駕駛汽車）裝有許多傳感器，具有高水平的冗余。特斯拉Model3車型安裝了視覺系統(tǒng)，包括8個攝像頭（可在250m的半徑范圍內360°觀察到汽車周圍的情況），還有12個超聲波傳感器，以及一個面向前方的RADAR系統(tǒng)。然而，該車型沒有安裝LIDAR，而幾乎所有其他自動駕駛汽車公司研發(fā)的車型都使用了LIDAR技術。另一方面，波音公司在737MAX機型中安裝了兩個迎角傳感器，但MCAS只能從其中一個迎角傳感器中讀取信息。任何傳感器都容易發(fā)生故障，配備冗余傳感器或