李明捷， 陸搖搖， 汪家保

(1.中國民用航空飛行學(xué)院 機場工程與運輸管理學(xué)院， 四川 廣漢 618307； 2.華設(shè)設(shè)計集團北京民航設(shè)計研究院有限公司， 北京 101300)

據(jù)民航局官方數(shù)據(jù)統(tǒng)計顯示，2019年全國239個民用運輸機場運送旅客13.5億人次，貨郵吞吐量1 709.6萬t，起降架次1 165.4萬架次，同比分別增長6.9%、2.1%和5.1%。其中，年旅客吞吐量在 1 000 萬人次以上的機場有39個，占全國運輸機場總數(shù)的16.3%；這些機場的年旅客運送人數(shù)為11.3億人次，占全國機場旅客運送總量的83.7%[1]。由此可見，民航運輸業(yè)務(wù)量分布相對較為集中在一些大型運輸機場，并且隨著機場交通密度的持續(xù)增加，勢必會給機場各子系統(tǒng)的運行造成巨大壓力。并且，在機場實際運行中，高峰時段流量在很大程度上決定了機場的各項設(shè)施、設(shè)備的運行保障水平以及機場運行的安全與效率，有必要對機場高峰時段的時間分布規(guī)律進行詳細分析，進而為合理安排航班和運行保障資源、降低和減少延誤提供理論依據(jù)。

學(xué)者們對機場高峰時段的確定進行了諸多研究。吳曉等[2]通過對芝加哥奧海爾機場和倫敦希思羅機場陸側(cè)交通流的特性分析，發(fā)現(xiàn)其高峰日交通量分布具有相似的特點；楊磊等[3]采用容量包絡(luò)線描述多機場系統(tǒng)進離場耦合運行高峰服務(wù)能力，據(jù)此提出基于頻次約束的分位回歸包絡(luò)線預(yù)測方法，并以上海兩場為例進行驗證[3]；趙征和胡明華[4]通過研究機場歷史高峰運行數(shù)據(jù)的頻率篩選閾值與樣本基數(shù)的關(guān)聯(lián)，據(jù)此提出大數(shù)據(jù)樣本的歷史高峰服務(wù)架次評估方法；李雄等[5]以O(shè)AG航班計劃數(shù)據(jù)為基礎(chǔ)，對全球大型機場航班起降時刻在機場全天24 h中的數(shù)量分布曲線進行研究，探索總結(jié)航班波特性，以期合理有效組織航班運行，提升機場使用效率；許辰澄等[6]按照機場時刻容量評估技術(shù)規(guī)范的最新要求，以置信區(qū)間的統(tǒng)計學(xué)理論為基礎(chǔ)，對基于歷史數(shù)據(jù)的機場高峰服務(wù)能力評估方法進行了改良和優(yōu)化；汪家保[7]建立了以飛機等待時間限定值為目標的機位動態(tài)容量模型，并且明確指出高峰時段的確定是研究機位動態(tài)容量首先需要分析的內(nèi)容；許保光等[8]將機場繁忙程度這一因素加入到構(gòu)建到港延誤對離港延誤的波及貝葉斯網(wǎng)絡(luò)預(yù)測模型中，更準確的預(yù)估航班延誤波及情況。

1 機場高峰流量特性與高峰持續(xù)時間分析

交通流理論是交通工程學(xué)的基礎(chǔ)，它是以道路上的車流和人流為研究對象，運用物理學(xué)和數(shù)學(xué)方法來描述交通特性[9]。本文引入交通流時間分布的概念，旨在探究不同機場的高峰日及高峰小時旅客流量和航班起降架次的時間分布特性。

1.1 高峰日及高峰小時旅客流量特性分析

借鑒公路小時交通量的確定方法，標準繁忙率(standard busy rate，SBR)將全年8 760 h的旅客流量按照降序排列，第30位小時對應(yīng)的旅客流量作為機場的設(shè)計流量，即全年只有29 h的旅客流量高于此值。SBR被作為設(shè)計標準而廣泛應(yīng)用，即設(shè)計目標年內(nèi)每年超負荷運轉(zhuǎn)的時間少于30 h，并且這部分超負荷運行時間在生產(chǎn)實踐中被認為是可以接受的。通常，絕對高峰小時旅客流量一般為SBR的1.2倍。但英國機場管理局(British Aviation Administrdtion，BAA)通過研究各個機場年高峰小時、標準繁忙率和高峰日旅客流量的關(guān)系，發(fā)現(xiàn)隨著年旅客吞吐量的增加，SBR和高峰小時旅客流量也隨之增加。根據(jù)統(tǒng)計，當旅客吞吐量為200萬人次時，高峰日與平均日流量之比為2.255，SBR與高峰小時流量之比為0.732；隨著年旅客吞吐量的逐步增加，達到5 000萬人次時，高峰日與平均日流量之比為1.036，SBR與高峰小時流量之比為0.976。年旅客吞吐量與高峰流量的比例關(guān)系如圖1所示。

圖1 年旅客吞吐量與高峰流量比例的關(guān)系

由圖1可知，高峰日與平均日流量之比會隨著年旅客吞吐量的增加而逐步減小，SBR與高峰小時流量之比會隨著年旅客吞吐量的增加而逐步增大，最終都會趨近于1，這進一步說明隨著年旅客吞吐量的增加，會導(dǎo)致高峰小時旅客流量趨于平緩，與其他時段的流量差值逐步減少。并且，機場年旅客吞吐量越大，極端的高峰小時流量逐漸將趨于消失[7]。而持續(xù)的高峰會對機場運行保障資源帶來壓力，降低機場航班保障效率。

1.2 高峰日航班起降架次時間分布特性分析

為進一步研究高峰日航班起降架次隨時間分布的特點，選取國內(nèi)7個機場高峰日的航班運行數(shù)據(jù)進行對比分析。這7個機場年旅客吞吐量從250萬至5 500萬不等，如表1所示。

表1 國內(nèi)7個機場年旅客吞吐量

圖2為表1中7個機場的高峰日飛機起降架次日分布圖。通過觀察機場高峰日起降架次分布圖可以發(fā)現(xiàn)，盡管機場的年旅客吞吐量存在較大差別，但各個機場在高峰日的起降架次分布卻具有共同的特點，既有高峰又有低谷，并且極端的高峰小時流量與鄰近小時的運行流量差距較小。高峰時期往往集中在白天的時間，且與航班時刻安排緊密相關(guān)。

圖2 國內(nèi)7個機場高峰日流量分布圖

由圖2可知，以機場2的高峰日航班起降架次為例，從其高峰日起降價次分布圖整體可以看出：

1)在0:00—2:00，機場飛機起降架次呈現(xiàn)顯著下降的趨勢；

2)在2:00—6:00，進入全天運行的低谷期，飛機起降架次略有升高，但總體平穩(wěn)；

3)在6:00—10:00，運行流量顯著提升，開始進入高峰期；

4)在10:00—24:00，進入全天運行的高峰期，最高小時流量達到32架次，并且這段時間內(nèi)各小時流量之間相差不是很大，總體呈現(xiàn)較為平緩的趨勢。

生產(chǎn)實踐表明，由于機場的地面資源的保障能力有限，且各航班的機型、航班性質(zhì)等的差異會導(dǎo)致保障時間不同，因此，飛機在最高時段起降架次分布的不均衡性，給機場航班地面保障工作形成的壓力具有向前和向后傳遞的特性，傳遞的范圍也就決定高峰時期的持續(xù)時段長度。

2 高峰持續(xù)時段確定方法與實例分析

2.1 系統(tǒng)聚類分析法簡介

系統(tǒng)聚類的基本思想是首先將樣品(或變量)看成單獨的一類，然后規(guī)定類與類之間的距離，賦予相近的樣品(或變量)聚類的優(yōu)先權(quán)，選擇距離最小的一類合并成新的一類[10]。系統(tǒng)聚類分析法是SPSS軟件功能中的一種分析方法，SPSS軟件能夠利用多種類型的數(shù)據(jù)文件及數(shù)據(jù)來源，生成統(tǒng)計報表和統(tǒng)計圖形，進而可以使操作者進行簡單或復(fù)雜的統(tǒng)計分析[11]。若一次聚類理想，則可直接采用結(jié)果；若一次聚類沒有達到預(yù)期的目標，可繼續(xù)聚類，SPSS軟件會再重新計算新類與其他類之間的距離，繼續(xù)合并成新類，如此迭代計算，歸類數(shù)據(jù)。系統(tǒng)聚類分析方法中提供了多種聚類方法以及度量標準，如表2所示。

表2 聚類方法及區(qū)間類型

2.2 高峰持續(xù)時段確定

由于航班可能會早于或者晚于計劃時間進出港，所以在對多個大型機場的起降架次分布對比分析中發(fā)現(xiàn)，日高峰小時流量不是一個固定值，日高峰小時也不是某一個特定小時。但通過對高峰日起降架次的日流量分布圖分析發(fā)現(xiàn)，對于年旅客吞吐量較大的機場，日高峰小時的起降架次也比較穩(wěn)定。因此，采用起降架次數(shù)據(jù)為控制變量，采用SPSS聚類分析中的平方Euclidean距離和組間聯(lián)接聚類。組間聯(lián)接聚類法中定義的距離為兩類間的平均平方距離，即利用了個體與小類的所有的距離信息，克服了最近距離或者最遠距離受極端值影響的弱點。

(1)

(2)

平均平方距離為DKL，DJM為遞推公式，式中CK和j∈CL分別為數(shù)量為NK和NL的個體。

系統(tǒng)聚類法確定高峰持續(xù)時段的步驟如圖3所示。

圖3 系統(tǒng)聚類法確定高峰時段的步驟

2.3 實例分析

以鄭州新鄭國際機場的航班起降數(shù)據(jù)為例，分別選取高峰月內(nèi)高峰日的航班起降架次和高峰月內(nèi)次高峰日的航班起降架次為分析對象，以便消除研究單日機場起降架次的高峰時段造成的偶然性誤差，高峰日與次高峰日的起降架次統(tǒng)計如圖4所示。

圖4 高峰日與次高峰日的起降架次統(tǒng)計

圖4中，系列1表示高峰日航班起降架次，系列2表示次高峰日航班起降架次。高峰日與次高峰日航班起降架次在走勢上具有一定的相似性，故在此基礎(chǔ)上進行的聚類分析所得到的高峰時段，能夠反映該機場高峰持續(xù)時段的分布特性。

運用SPSS軟件，將滿足設(shè)定條件的數(shù)據(jù)篩選出來進行匯總，經(jīng)檢驗，處理數(shù)據(jù)全部有效，可操作性高。將數(shù)據(jù)輸入SPSS軟件進行舉例分析，如表3所示，可以觀察群集1和群集2的進階和系數(shù)變化。第1列表示聚類的階段，第2列和第3列表示在這一階段中，哪些小類聚在了一起，形成新的類；第4列表示類與類之間的距離；首次出現(xiàn)階群集表示生成新的類將與這一步的樣本聚類，最后一列表示該步生成的樣本聚類。

表3 聚類表

運用SPSS軟件處理得到的該機場高峰月內(nèi)高峰日以及次高峰日的航班起降架次的聚類分析結(jié)果如樹狀圖5所示。由圖5可見，兩組數(shù)據(jù)聚類的組內(nèi)距離較小，組間距離較大，聚類結(jié)果比較理想。與圖4該機場高峰和次高峰日兩天的起降架次分布圖進行對比分析可知，兩天的高峰小時流量值都是40架次，發(fā)生的時段分別是15:00—16:00和17:00—18:00，且這兩個小時應(yīng)當包含在高峰持續(xù)時段內(nèi)。在圖5的樹狀圖可以看到，15:00—16:00和17:00—18:00被分成了一類，且是連續(xù)的時間段，因此可以確定該機場的高峰持續(xù)時間段為15:00—18:00，共3 h。

圖5 系統(tǒng)聚類組間聯(lián)接樹狀圖

3 結(jié)論

首先運用交通流理論對機場高峰流量特性與高峰持續(xù)時間進行分析，著重從高峰日及高峰小時旅客流量特性和高峰日起降架次分布特性兩個維度探究高峰日運行機理。然后，針對機場高峰時段持續(xù)的問題，提出了以其典型高峰日航班運行架次為研究對象，運用SPSS數(shù)據(jù)分析軟件對其進行分析，進而確定出高峰時段，為機場合理配置和調(diào)動運行保障資源提供理論依據(jù)。得出如下結(jié)論：

1)高峰小時必須包含在高峰時段內(nèi)，并且高峰時段應(yīng)當是以高峰小時為基點，向前后擴散的一個時間段。

2)大型運輸機場的高峰時段一般為一個連續(xù)的時間段。

3)在高峰時段內(nèi)允許出現(xiàn)某個小時的流量值低于高峰時段以外的最大流量值。