文思敏

摘 要：航班的過站時間可以反映機(jī)場和航空公司的運行效率。過站時間的合理設(shè)置不僅能夠有效提高航班正點率和旅客滿意度，同時還能減輕航班延誤對航班計劃的影響，以及改善機(jī)場運行能力。因此對航班過站時間的預(yù)測非常必要，而想要準(zhǔn)確的預(yù)測過站時間，首先需要對航班過站時間的可預(yù)測性進(jìn)行分析。文章對白云機(jī)場和浦東機(jī)場的航班過站時間進(jìn)行數(shù)據(jù)分析，比較分析了不同時間段以及不同機(jī)型下過站時間可預(yù)測性。發(fā)現(xiàn)一天內(nèi)，繁忙時間段的過站時間可預(yù)測性較差。同時，相較于小機(jī)型，大機(jī)型的航班過站時間可預(yù)測性較差。

關(guān)鍵詞：航班過站時間；可預(yù)測性；研究分析

1 概述

隨著我國航班量的增長，航班運行效率低下的情況卻日益嚴(yán)重。如何評價航班的運行效率是對機(jī)場和航空公司進(jìn)行有效管理以及減少延誤的基礎(chǔ)。在以往的研究中，延誤往往作為一個評價航班服務(wù)質(zhì)量好壞的主要指標(biāo)，減少延誤成為了提升航班運行效率的主要目標(biāo)。近年來，F(xiàn)AA提出了把可預(yù)測性作為一個新的指標(biāo)來評價航班運行狀況，并把提升可預(yù)測性作為“2025計劃”的目標(biāo)[1]。歐洲空管局（EUROCONTROL）也將可預(yù)測性作為評價機(jī)場運行狀況的關(guān)鍵性指標(biāo)[2]。

可預(yù)測性是指能夠定性或定量的正確預(yù)測一個系統(tǒng)狀態(tài)的程度。國際民航組織將航班運行可預(yù)測性定義為空域使用者和空中導(dǎo)航服務(wù)提供者能夠提供持續(xù)可靠的技術(shù)水平的能力。航班運行的可預(yù)測性對空域使用者以及整個民航業(yè)來說是必不可少的，因為他們是按照航班時刻表來執(zhí)行和操作的，而航班時刻表的編排又依賴于航班可預(yù)測性的好壞[3]。

航班過站時間是指同一架飛機(jī)在到達(dá)某機(jī)場后，再離開該機(jī)場，在該機(jī)場所停留的時間。航班的過站時間可在一定程度上反映機(jī)場和航空公司的運行效率。對航班過站時間可預(yù)測性研究，可以對機(jī)場的運行效率進(jìn)行評估。國內(nèi)目前對過站時間的研究只關(guān)于航班延誤對過站時間的影響，以及對過站時間的估計[4-6]。而用過站時間的可預(yù)測性對機(jī)場的運行狀況及服務(wù)質(zhì)量進(jìn)行評價幾乎沒有。

文章對白云機(jī)場和浦東機(jī)場的航班過站時間進(jìn)行數(shù)據(jù)分析，比較分析了不同時間段以及不同機(jī)型下過站時間可預(yù)測性。

2 研究現(xiàn)狀

國外對可預(yù)測性的研究較多，Gulding等人考慮起飛機(jī)場從推出到落地機(jī)場推入整個過程，利用美國和歐洲的OOOI數(shù)據(jù)進(jìn)行對比，提到進(jìn)場可預(yù)測性主要受離場可預(yù)測性的影響，通過對比運行時間分位數(shù)的不同來研究可預(yù)測性[7]。Liu等人通過分析來自SARDA的Human-in-the-loop仿真數(shù)據(jù)來研究機(jī)場運行的可預(yù)測性。利用仿真數(shù)據(jù)，從管制員、飛行員及運行商的角度對機(jī)場是否有SARDA進(jìn)行可預(yù)測性的測量和比較[8]。

國內(nèi)目前對可預(yù)測性研究主要在地面交通，黃中祥、王正武、況愛武運用狀態(tài)空間重構(gòu)和GP算法對不同觀測尺度下高速公路交通流的短期行為特性進(jìn)行了研究，結(jié)果表明小尺度下的交通流具有混沌特性，然后運用遞歸圖和Kolmogorov熵從定性和定量兩個方面對其可預(yù)測性進(jìn)行了分析和比較[9]。黃阿瓊和關(guān)偉運用R/S分析法計算不同觀測尺度下的Hurst指數(shù)值，發(fā)現(xiàn)同一天內(nèi)Hurst指數(shù)值隨觀測尺度的變大而增大，同一觀測尺度下，Hurst指數(shù)隨著樣本量的增加而降低[10]。姜桂艷等人提出了交通數(shù)據(jù)序列動態(tài)可預(yù)測性分析的思想，在設(shè)計了交通數(shù)據(jù)序列動態(tài)可預(yù)測性關(guān)聯(lián)數(shù)據(jù)特征指標(biāo)的基礎(chǔ)上，基于BP神經(jīng)網(wǎng)絡(luò)建立了交通數(shù)據(jù)序列動態(tài)可預(yù)測性分析方法[11]。

3 過站時間定義及影響因素分析

3.1 過站時間定義

航班的運行主要包括以下幾個環(huán)節(jié)：起飛機(jī)場滑出、航路飛行、滑入目的機(jī)場、過站、再次滑出前往下一個目的機(jī)場。根據(jù)以上流程，可以的得到航班過站流程如圖1所示。

由圖1描述可知，航班運行時有以下幾個關(guān)鍵時間節(jié)點：（1）EOBT/AOBT：預(yù)計/實際撤輪擋時間；（2）ETOT/ATOT：預(yù)計/實際起飛時間；（3）ELDT/ALDT：預(yù)計/實際降落時間；（4）EIBT/AIBT：預(yù)計/實際擋輪擋時間。

由此可以得到航班過站時間的計算，可以直接由以下公式得出：

ATTT=ATOT-ALDT （1）

ETTT=ETOT-ELDT （2）

其中，ATTT-實際過站時間，ATOT-實際起飛時間，ALDT-實際擊落時間，ETTT-預(yù)計過站時間，ETOT-預(yù)計起飛時間，ELDT-實際起飛時間。

根據(jù)以上所述，對浦東機(jī)場和白云機(jī)場2014年一年的過站航班進(jìn)行計算，得到過站時間統(tǒng)計圖如圖2、圖3所示。其中橫坐標(biāo)表示過站時間，縱坐標(biāo)表示航班數(shù)量。

圖2 2014年浦東機(jī)場過站時間分布圖

圖3 2014年白云機(jī)場過站時間分布圖

由圖2、圖3可知廣州機(jī)場與白云機(jī)場的過站時間分布具有相似性，其中白云機(jī)場的過站時間分布相較于浦東機(jī)場更加穩(wěn)定。

3.2 影響因素分析

影響航班過站時間的因素眾多，通過經(jīng)驗分析，主要有以下幾種：

（1）計劃過站時間。在正常的執(zhí)行航班的情況下，飛機(jī)的實際過站時間和預(yù)計過站時間幾乎無偏差，但是在有了其他因素的影響下，實際過站時間才會與預(yù)計過站時間發(fā)生差異。發(fā)生延誤時，如果實際的過站時間小于預(yù)計的過站時間，那么延誤能夠被吸收，而當(dāng)實際得過站時間大于預(yù)計的過站時間時，延誤的情況就會更加嚴(yán)重。

（2）飛機(jī)類型。由于飛機(jī)的機(jī)型不同，速度不同，旅客數(shù)量不同，飛機(jī)過站時間也會受到相應(yīng)的影響。一般來說，機(jī)型越大，過站時間也越大。

（3）機(jī)場起降架次。機(jī)場的大小也會對航班過站時間造成影響，在繁忙機(jī)場，相較于一般機(jī)場，由于飛機(jī)起降架次較多，必會造成一定延誤，從而對航班過站時間造成一定影響。

（4）航班到達(dá)時間段。在不同的時間段，實際的過站時間也會有所不同。如果航班的到達(dá)時間是在機(jī)場相對繁忙的時間段，實際的過站時間相對于在其他時間段，也會有所偏長。

4 可預(yù)測性分析

為了量化過站時間的分布情況，一般使用方差、標(biāo)準(zhǔn)差、平均絕對偏差、四分位差等作為指標(biāo)，對可預(yù)測性進(jìn)行量化分析[1]。文章選用標(biāo)準(zhǔn)差作為評價過站時間可預(yù)測性的方法。

標(biāo)準(zhǔn)差定義是總體各單位標(biāo)準(zhǔn)值與其平均數(shù)離差平方的算術(shù)平均數(shù)的平方根。它反映組內(nèi)個體間的離散程度。標(biāo)準(zhǔn)差是用于描述時間序列變化波動性的統(tǒng)計變量，也是用來評價可預(yù)測性好壞的常見方法。對于一組時間序列x1，x2，x3，…，xn，平均值為u，其標(biāo)準(zhǔn)差計算公式為：

（3）

由上文可知，影響航班過站時間的因素眾多，根據(jù)上述影響因素，文章將分析航班到達(dá)時間段不同和機(jī)型不同對可預(yù)測性的影響。

4.1 不同時間段過站時間可預(yù)測性比較

航班到達(dá)時間段是影響的過站時間大小的重要因素，若航班到達(dá)的時間是在機(jī)場相對繁忙的時間段，實際過站時間可能相對于其他時間段就會偏長。文章接下來比較分析不同時間段對過站時間可預(yù)測性的影響。

首先將一天24h，以2h為間隔，共劃分為12個時間段，分別是00：00～01：59，02：00～03：59，04：00～05：59，06：00～07：59，08：00～09：59，10：00～11：59，12：00～13：59，14：00～15：59，16：00～17：59，18：00～19：59，20：00～21：59，22：00～24：59。為了比較不同時間段下機(jī)場繁忙程度對過站時間可預(yù)測性的影響，對不同時間段下的機(jī)場起降架次進(jìn)行統(tǒng)計，計算各時間段起降架次所占機(jī)場一天總起降架次比例，最后與各時間段過站時間可預(yù)測性值相比較，得到圖4和圖5。

如圖4、圖5所示，其中左縱坐標(biāo)軸表示標(biāo)準(zhǔn)差值，右縱坐標(biāo)軸表示起降架次比例值。從圖4、圖5中可發(fā)現(xiàn)，總體趨勢上，過站時間的標(biāo)準(zhǔn)差值與機(jī)場各時間段的流量呈正相關(guān)關(guān)系，在機(jī)場繁忙時間段，起降架次數(shù)量多，過站時間的標(biāo)準(zhǔn)差較大，可預(yù)測性較差，反之，在機(jī)場的閑暇時間段，起降架次數(shù)量少，過站時間標(biāo)準(zhǔn)差較小，可預(yù)測性較好。白云機(jī)場6：00-7：59時間段起降架次增加而標(biāo)準(zhǔn)差值減少，可能是2：00-6：00時間段航班量較少，起到了一定緩解作用。

4.2 不同機(jī)型過站時間可預(yù)測性比較

當(dāng)飛機(jī)機(jī)型不同時，座位數(shù)不同，對航班過站時間也會造成影響，一般來說飛機(jī)較大，過站時間較長，較小的飛機(jī)過站時間較短。文章接下來分析不同機(jī)型對過站時間可預(yù)測性的影響。

根據(jù)對白云機(jī)場及浦東機(jī)場的過站航班的統(tǒng)計，可知主要機(jī)型有以下幾種：A319、A320、A321、A332、A333、A346、B733、B738、B777、B744。以100座為間隔，將過站航班機(jī)型分類如表1所示：

根據(jù)分類機(jī)型，計算各類機(jī)型的過站時間標(biāo)準(zhǔn)差，得到過站時間標(biāo)準(zhǔn)差值與飛機(jī)座位數(shù)關(guān)系，如圖6所示：

從圖6中可以看出，隨著機(jī)型的改變，過站時間的平均值發(fā)生了顯著變化，隨著飛機(jī)座位數(shù)的增多，航班的平均過站時間也相應(yīng)的變長。同時，過站時間的標(biāo)準(zhǔn)差值也隨著飛機(jī)座位數(shù)的增多而呈上升趨勢。即機(jī)型越大，飛機(jī)座位數(shù)越多，過站時間的可預(yù)測性越差。

5 結(jié)束語

文章利用標(biāo)準(zhǔn)差值對白云機(jī)場和浦東機(jī)場的過站時間進(jìn)行分析，得到以下結(jié)論：航班過站時間的可預(yù)測性大小與機(jī)場各時間段的繁忙程度有關(guān)，當(dāng)機(jī)場處于繁忙時間，流量增加，起降架次較多，航班過站時間可預(yù)測性較差，反之，當(dāng)機(jī)場處于空閑時間段，流量減少，起降架次減小。過站時間可預(yù)測性大小也與機(jī)型相關(guān)，對機(jī)型越大，飛機(jī)座位數(shù)越多，可預(yù)測性越差，機(jī)型越小，飛機(jī)座位數(shù)越少，可預(yù)測性越好。對于航班過站時間可預(yù)測性的研究是預(yù)測過站時間的前提，綜合現(xiàn)有的預(yù)測方法對過站時間的可預(yù)測性進(jìn)行驗證是論文下一步的研究方向。

參考文獻(xiàn)

[1]Hao L， Hansen M. Flight time predictability： concepts， metrics and impact on Scheduled Block Time[C].Proceedings of 92nd Annual Meeting of the Transportation Research Board Carrier Cost Structure： Evidence from US Airlines， 2013， Washington， DC.

[2]Eurocontrol. Measuring Airport Airside and Nearby Airspace Performance. Performance Review Unit， 15th December 2009.

[3]ICAO 9883， Manual on Global Performance ofthe Air Navigation System， Montreal，2008.

[4]丁建立，趙鍵濤，曹衛(wèi)東.基于貝葉斯網(wǎng)的航班過站時間動態(tài)估計[J].南京航空航天大學(xué)學(xué)報，2015，47（4）：517-524.

[5]曹衛(wèi)東，林翔宇.基于貝葉斯網(wǎng)絡(luò)的機(jī)場過站時間分析[J].航空計算機(jī)技術(shù)，2010，40（5）：5-9.

[6]戚彥龍.航班延誤分級和過站時間研究[D].南京航空航天大學(xué)，2014.

[7]Gulding J， Knorr D， Rose M， et al. US/Europe comparison of ATM-related operational performance[C].Proceeding of 8th USA/Europe Air Traffic Management Research and Development Seminar， 2009， Napa， California.

[8]Liu Y， Hansen M， Wan Z. Predictability in airport surface operation management[C]. Proceedings of 2013 Aviation Technology， Integration， and Operations Conference， August 12-14，2013，Los Angeles， CA.

[9]黃中祥， 王正武， 況愛武.短期交通流可預(yù)測性分析與比較[J].土木工程學(xué)報，2004，37（2）：101-104.

[10]黃阿瓊，關(guān)偉.不同時間尺度下短期交通流的可預(yù)測性[J].系統(tǒng)工程，2010（5）：75.

[11]姜桂艷，常安德，牛世峰，等.基于BP神經(jīng)網(wǎng)絡(luò)的交通數(shù)據(jù)序列動態(tài)可預(yù)測性分析方法[J].北京工業(yè)大學(xué)學(xué)報，2011（7）：1019.