空管系统是一个典型的高交互、高分布式和具备联合认知特征的复杂社会离散系统。近年来,随着空中交通管制自动化水平的提高,人因差错成为系统中最为薄弱的环节,因此采取有效的措施来减少人因差错及其影响是非常必要的。与此同时,传统的风险分析和识别方法并不能很好的解决人因差错导致的潜在风险分析与识别,原因在于没有从人的认知过程角度深入的进行风险分析。基于空管系统的动态发展特性,航空器到达目的机场的时间是不确定的,这将造成管制负荷的增加,成为潜在的诱发管制员人因差错的危险源。本文采取面向Agent的编程语言JACK实现了进近排序动态仿真。首先定义并分析排序系统中角色及角色之间的关系,根据各个角色的职能实现Agent的Belief,Desire,Intention各个模块的设计。首次提出了ETA修订点的概念,当航空器飞越ETA修订点时,为航空器重新分配ETA及跑道,使管制员获得较为准确的航空器进场顺序建议,一定程度上缓解管制员负荷,是减少人因差错的有效措施。进场航空器顺序的调整对进近管制员的工作状态参数的变化,这可能导致管制员认知过程中出现由于人因差错导致的潜在风险。本文基于进场排序Agent系统所得数据作为面向管制员认知过程风险分析的基础及信息来源,分析并验证航空器进场顺序的变化对管制员一系列的状态参数的影响。将进场航空器排序任务分解,对其中至关重要的认知子任务-“确定/更新MP”为研究实例,首次提出利用BPMN语言的规范性和可拓展性的优势,建立进近管制员“确定/更新MP”任务模型,提出了基于拓展BPMN的事件树风险分析方法,实现风险由定性到定量的分析。结果表明,此方法具有广泛实用性,且通过对管制员认知过程的跟踪和训练,根据计算得出的风险值可以确定流程中影响安全的薄弱环节,为空管风险识别与分析提供支持。