鐘翔+王曉萌+梁竹平+白楊

摘 要：大面積航班延誤或取消的情況下，航站樓內(nèi)易發(fā)生旅客流量異常進(jìn)而導(dǎo)致機(jī)場的服務(wù)保障能力受到考驗，因此，對航站樓內(nèi)旅客流量進(jìn)行異常預(yù)警是十分必要且刻不容緩的。文章主要通過研究特殊天氣以及空中管制因素影響下航站樓內(nèi)旅客流量變化的規(guī)律，建立基于評價模型分別建立特殊天氣因素單獨影響、空中管制因素單獨影響以及特殊天氣和空中管制雙因素共同影響下航站樓內(nèi)旅客流量的預(yù)警模型。通過建立上述預(yù)警模型，可以根據(jù)不同因素的影響程度來預(yù)測航站樓內(nèi)旅客流量的變化，進(jìn)而為機(jī)場的服務(wù)保障能力提供量化的輔助性支持。

關(guān)鍵詞：航站樓；特殊天氣；空中管制；旅客流量；預(yù)警模型

中圖分類號：V19 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-2945（2018）07-0001-07

Abstract： In the case of large-area flight delays or cancellations， passenger flow anomaly easily occurs in the terminal building， which will test the service support capability of the airport. It is necessary and urgent to carry on the abnormal early warning to the passenger flow in the terminal building. Through the study of special weather and air control factors under the influence of passenger traffic changes in the terminal， and based on the evaluation model， this paper mainly establishes the early warning model of passenger flow in terminal under the influence of special weather factors alone， air control factors alone and dual factors of special weather and air control. Through the establishment of the early warning model， we can predict the change of passenger flow in terminal according to the influence degree of different factors， and then provide the quantitative auxiliary support for the airport service support ability.

Keywords： terminal； special weather； air control； passenger flow； forewarning model

1 概述

民航客機(jī)起降的準(zhǔn)點率受天氣和航路等因素的影響較大，而在大面積航班延誤或取消情況下，航站樓內(nèi)易發(fā)生旅客流量異?，F(xiàn)象[1][2]，這對機(jī)場的服務(wù)保障能力是一個巨大的考驗。因此對機(jī)場航站樓旅客流量進(jìn)行異常預(yù)警研究是十分必要的。

本文以天津機(jī)場歷史離港旅客數(shù)據(jù)和航班數(shù)據(jù)為研究對象，結(jié)合歷史天氣數(shù)據(jù)，研究探索因天氣、空中管制等原因造成大面積航班延誤或取消情況下航站樓旅客流量異常的規(guī)律，進(jìn)而建立大面積航班延誤或取消情況下航站樓內(nèi)旅客流量的預(yù)警模型，最終為機(jī)場服務(wù)保障能力[3]提供量化的輔助性支持。

2 航站樓離港旅客流量異常分析

筆者通過對天津機(jī)場2016年6月至2017年5月的航班、旅客和本場天氣數(shù)據(jù)進(jìn)行分析發(fā)現(xiàn)，航班延誤是機(jī)場航站樓內(nèi)旅客流量異常的主要原因，而影響航班正常性的原因主要為本場天氣能見度、空中管制（包括軍事活動）這兩大類。

2.1 特殊天氣情況下航站樓隔離區(qū)內(nèi)旅客流量變化情況

按照天津機(jī)場空管局規(guī)定，可視距離500米以下飛機(jī)不允許起飛，可視距離550米以下飛機(jī)不允許降落。通過對天津空管局天氣數(shù)據(jù)的分析，航站樓內(nèi)旅客人數(shù)影響大的天氣主要為暴雨、雪天和霧天。以2016年11月5日為例，當(dāng)天天氣為“霧”， 隔離區(qū)內(nèi)旅客人數(shù)與同時刻年平均值對比如圖1所示。

從圖1可知，11月5日隔離區(qū)內(nèi)旅客人數(shù)峰值是同時刻年平均值峰值的4倍左右。為驗證上面霧天航班延誤對應(yīng)旅客流量異常的相關(guān)性分析是否具有普遍性，選取天氣同是“霧”的2017年1月2日和2017年2月14日繼續(xù)分析。這兩天隔離區(qū)內(nèi)旅客數(shù)量與同時刻年平均值對比分別如圖2和圖3所示。

通過對比11月5日，1月2日及2月14日這三天的數(shù)據(jù)，可得出在惡劣天氣情況下隔離區(qū)內(nèi)旅客人數(shù)的變化呈以下特點，0-3000人的積累過程每小時約增加1000人，隨著早高峰的到來，若后續(xù)天氣能見度情況依然得不到改善的話，后面每40-50分鐘即增加約1000人。如能見度改善致航班陸續(xù)起飛，航站樓內(nèi)旅客人數(shù)從最高峰回到日常均值需要6-8小時。

另外，全天機(jī)場能見度都為500米以下時，大部分航班將會取消，隔離區(qū)內(nèi)旅客人數(shù)將會遠(yuǎn)遠(yuǎn)少于日常均值。

2.2 空中管制情況下航站樓隔離區(qū)內(nèi)旅客流量變化情況

通過查閱天津運(yùn)行指揮中心2017年5月份的航班正常性月報發(fā)現(xiàn)空中管制影響下2017年5月12日航班放行率最低為35.19%，2017年5月31日航班放行率最高為96.86%。并且這兩天的計劃航班數(shù)量一致，沒有明顯的增減。從機(jī)場安檢信息系統(tǒng)中抽取5月12日，5月31日這兩天的旅客數(shù)據(jù)，并進(jìn)行人工計算，我們從早上5：30分開始，以每隔10分鐘計算一次航站樓內(nèi)隔離區(qū)的旅客數(shù)量，一直持續(xù)到晚上23：00結(jié)束，得出隔離區(qū)內(nèi)旅客人數(shù)變化（如圖4）。endprint

從上圖我們可以很明顯的發(fā)現(xiàn)，從5月12日的7：10分開始，機(jī)場隔離區(qū)內(nèi)旅客人數(shù)明顯呈上升趨勢，一直持續(xù)到17：00分，人數(shù)幾乎是5月31日同時段的四倍，從17：00分-23：30分這段時間，人數(shù)也明顯比31日多。通過運(yùn)行指揮中心的航班正常性月報可以看出5月12日空中管制原因影響航班138班，由此可以判斷出空中管制原因會導(dǎo)致航班延誤，進(jìn)而導(dǎo)致航站樓隔離區(qū)內(nèi)旅客人數(shù)的增加。

為了驗證這一現(xiàn)象的普遍性，我們選擇2017年5月26日這一天的數(shù)據(jù)進(jìn)行分析，從航班正常性月報發(fā)現(xiàn)這一天的航班放行率為47.51%，并且空中管制原因影響航班數(shù)為112個。我們將2017年5月12日、5月26日、5月31日隔離區(qū)內(nèi)人數(shù)變化趨勢在一張圖里同時展現(xiàn)，如圖5所示。

通過對上圖的分析可以得出，空中管制影響航班數(shù)越小，隔離區(qū)內(nèi)人數(shù)積聚量就會相對而言減少。但是總體相對于沒有空中管制影響的數(shù)據(jù)而言，隔離區(qū)內(nèi)人數(shù)還是增多趨勢。

綜上所述，空中管制會影響航班放行率，進(jìn)而影響隔離區(qū)內(nèi)人數(shù)的變化，隨著空中管制影響時間的延長，隔離區(qū)內(nèi)人數(shù)會比正常值偏多。

3 不同因素影響下航站樓旅客流量異常預(yù)警模型

3.1 特殊天氣的航站樓旅客流量異常預(yù)警模型

特殊天氣可以大致分為三種：雨、雪、霧。三種特殊天氣對航班放行的影響主要是能見度的影響。

（1）霧天單獨影響的情況下，通過上述章節(jié)對于2016年11月5日、2017年1月2日以及2017年2月14日三天霧天隔離區(qū)內(nèi)人數(shù)變化的分析可以得出，6：30時刻隔離區(qū)內(nèi)人數(shù)基本都會達(dá)到1300人（此時刻年度均值），6：30-8：30期間，隔離區(qū)內(nèi)人數(shù)以850人/小時的速度增加，8：30至放行時刻前40分鐘（天津機(jī)場目前登機(jī)時間為計劃起飛時間前40分鐘）隔離區(qū)內(nèi)的人數(shù)以1200人/小時的速率增加，放行時刻前40分鐘至放行時刻隔離區(qū)內(nèi)人數(shù)增長幅度為450人，放行時刻隔離區(qū)內(nèi)人數(shù)達(dá)到這一天的最高峰，晚上21：00左右，隔離區(qū)內(nèi)人數(shù)逐漸回落至平均人數(shù)水平。因此，霧天的隔離區(qū)內(nèi)人數(shù)計算模型為：

F=N+S×T+N2 （1）

其中，N為大霧天6：30隔離區(qū)內(nèi)人數(shù)的基數(shù)，根據(jù)上述分析我們?nèi)≈禐?300人，T為能見度小于500米的持續(xù)時間減去40分鐘（40分鐘為計劃起飛時間與計劃登機(jī)時間的間隔時間），S為隔離區(qū)內(nèi)人數(shù)增長的速率，N2為放行時刻前40分鐘至放行時刻隔離區(qū)內(nèi)人數(shù)的增長數(shù)，取值為450人。當(dāng)放行時刻前40分鐘在8：30之前時，S為850人/小時；當(dāng)放行時刻前40分鐘在8：30之后時，S分為兩部分速度，在6：30-8：30期間，S為850人/小時，在8：30至放飛時刻前40分鐘期間，S為1200人/小時。

通過此模型，我們結(jié)合天氣預(yù)報，可以預(yù)知次日因大霧造成航班延誤時隔離區(qū)內(nèi)旅客人數(shù)增長情況。次日出現(xiàn)大霧天并且沒有空中管制的情況下，根據(jù)全天不同時刻天氣情況的預(yù)測，從出現(xiàn)大霧天并且能見度小于500米的時刻算起（一般情況下霧天都是從早上開始，我們這里按霧天從早上5：30開始），當(dāng)能見度大于等于500米的時刻出現(xiàn)在7：50（8：30-40分鐘）之前時，利用上述模型可以推算出，此種情況下隔離區(qū)內(nèi)人數(shù)最多為3000人。當(dāng)能見度大于等于500米的時刻出現(xiàn)在8：30之后時，利用上述模型可以推算出，此種情況下隔離區(qū)內(nèi)人數(shù)在10：30時刻會達(dá)到5400人，如果能見度大于等于500米的時刻一直延續(xù)到11：10之后，那么隔離區(qū)內(nèi)人數(shù)會大于5400人，機(jī)場此時應(yīng)時刻關(guān)注天氣變化及現(xiàn)場隔離區(qū)內(nèi)的人數(shù)變化，隨時準(zhǔn)備進(jìn)行干預(yù)。

（2）小雪天氣單獨影響的情況下，通過對2016年11月21日、12月26日、2017年2月21日歷史數(shù)據(jù)分析可知，2016年11月21日雪天影響時間為7：30-21：15，12月26日雪天影響時間為6：40-13：50，2017年2月21日雪天影響時間為15：30-23：30。通過分析可知，如果天氣影響結(jié)束時間為20：00之前，則隔離區(qū)內(nèi)全天最高峰會出現(xiàn)在結(jié)束影響時刻左右；如果天氣影響結(jié)束時間為20：00之后，則隔離區(qū)內(nèi)全天最高峰會出現(xiàn)在早高峰7：00左右（如圖6）。

具體模型如下：

X=N+S1×T1 （2）

其中，X為雪天隔離區(qū)內(nèi)人數(shù)，N為雪天6：30隔離區(qū)內(nèi)人數(shù)的基數(shù)，根據(jù)上述分析我們?nèi)≈禐?300人，T1為6：30至雪天影響結(jié)束時刻的持續(xù)時間，S1為6：30至雪天影響結(jié)束時刻隔離區(qū)內(nèi)人數(shù)的增長速率。其中，通過對歷史數(shù)據(jù)的分析可知，當(dāng)雪天影響結(jié)束時間為20：00之前時，S1為67人/小時，當(dāng)雪天影響結(jié)束時間為20：00之后時，S1為1200人/小時，T1為30分鐘。

通過此模型，我們結(jié)合天氣預(yù)報，可以預(yù)知次日因雪天造成航班延誤時隔離區(qū)內(nèi)旅客人數(shù)增長情況。當(dāng)通過天氣預(yù)報預(yù)知次日會出現(xiàn)小雪天并且沒有空中管制的情況下，根據(jù)全天不同時刻天氣情況的預(yù)測，當(dāng)小雪天結(jié)束時刻在20：00之前時，利用上述模型可以推算出，此種情況下隔離區(qū)內(nèi)人數(shù)最多為2105人左右，隔離區(qū)內(nèi)人數(shù)高峰出現(xiàn)時刻大約在小雪天結(jié)束時刻。當(dāng)小雪天結(jié)束時刻在20：00之后時，利用上述模型可以推算出，此種情況下隔離區(qū)內(nèi)人數(shù)最多為1900人，出現(xiàn)時刻為早高峰7：00左右。因此，小雪天天氣對隔離區(qū)內(nèi)人數(shù)的影響并不大，不會造成隔離區(qū)內(nèi)人數(shù)過多的積壓。

（3）暴雨天氣單獨影響的情況下，通過對2016年6月28日、7月20日歷史數(shù)據(jù)分析可知，6：30隔離區(qū)內(nèi)基數(shù)人數(shù)為920左右，在13：30至14：30，會出現(xiàn)全天隔離區(qū)內(nèi)人數(shù)最高峰，平均增長速率為250人/小時，因此高峰時刻人數(shù)會達(dá)到2898左右，之后開始緩慢下降至20：00回到平均水平。模型如圖7所示。

R=N1+S3×T3 （3）

其中，R為暴雨天隔離區(qū)內(nèi)人數(shù)，N1為雨天6：30隔離區(qū)內(nèi)人數(shù)的基數(shù)，根據(jù)上述分析我們?nèi)≈禐?20人，T3為6：30至雨天影響高峰時刻（這里取值14：30）的持續(xù)時間，S3為6：30至雨天影響高峰時刻隔離區(qū)內(nèi)人數(shù)的增長速率，取值為250人/小時。endprint