陳 琦 張 芮 牟 夏 康嘉祺 孫 震 姬夏迎

（中國(guó)民航大學(xué),天津 300300）

1 引言

隨著人工智能領(lǐng)域快速發(fā)展，智慧民航建設(shè)逐漸提上日程，對(duì)民航信息流的量化要求越來(lái)越高，而目前針對(duì)機(jī)場(chǎng)天氣信息對(duì)空中交通影響，仍為人工判別，自動(dòng)化程度較低，這給我國(guó)民航運(yùn)輸業(yè)帶來(lái)了不便。由各種資料可知，天氣在對(duì)空中交通影響因素中占據(jù)了主導(dǎo)地位，如2017年上海虹橋機(jī)場(chǎng)始發(fā)正常率低于50%的典型13天的原因分析顯示，主要是天氣原因?qū)е碌目展芑驒C(jī)場(chǎng)保障能力下降，導(dǎo)致流量控制。近些年，隨著航班數(shù)量增加，各類(lèi)機(jī)場(chǎng)都趨于飽和狀態(tài)，再加之全球變暖現(xiàn)象使得反常天氣狀況的出現(xiàn)日漸頻繁，各種各樣造成航班延誤的原因也體現(xiàn)得更加明顯，以2016年天津全年航班相關(guān)數(shù)據(jù)為例（見(jiàn)圖1），造成航班延誤原因共包含84種，將其分為9類(lèi)，其中占據(jù)重要比例的即為環(huán)境原因，而對(duì)于環(huán)境影響最為重要的即為危險(xiǎn)天氣。

圖1 2016年天津全年影響航班延誤的因素

為實(shí)現(xiàn)國(guó)內(nèi)機(jī)場(chǎng)航空危險(xiǎn)天氣定量化評(píng)估，先搜集整理現(xiàn)有天氣定量化方法，對(duì)比不同方法的優(yōu)劣性，確定適合的機(jī)場(chǎng)航空危險(xiǎn)天氣定量化方法。

國(guó)內(nèi)相關(guān)研究如鄒燕等人的《氣候年景定量化評(píng)價(jià)方法》[1]，以低溫年景指數(shù)、高溫年景指數(shù)、干旱年景指數(shù)和雨澇年景指數(shù)作為氣候年景的評(píng)價(jià)因子。該方法優(yōu)點(diǎn)是對(duì)天氣情況分級(jí)明確，判定范圍清晰，有清晰的計(jì)算公式，實(shí)用性很強(qiáng)，但缺點(diǎn)是該方法是氣候年景的定量化評(píng)估方法，是一種長(zhǎng)遠(yuǎn)角度的評(píng)估方法，且該方法是對(duì)已發(fā)生天氣進(jìn)行的評(píng)估，不能起到預(yù)見(jiàn)性作用；《空間天氣預(yù)報(bào)模式集成可視化研究與實(shí)現(xiàn)》[2]中提到初步構(gòu)建空間天氣定量化業(yè)務(wù)預(yù)報(bào)框架并實(shí)現(xiàn)了可視化演示，該研究方法是采用組件的松耦合與高速數(shù)據(jù)通道相結(jié)合的設(shè)計(jì)思想集成了多區(qū)域的空間天氣模型和種類(lèi)繁多的空間天氣數(shù)據(jù)；《貴州春季強(qiáng)冰雹天氣定量化概念模型》[3]中選取 2009—2013 年以來(lái)符合研究定義的強(qiáng)冰雹天氣事件個(gè)例，采用基數(shù)據(jù)回放方式研究其降雹前 3～15 min雷達(dá)回波形態(tài)、結(jié)構(gòu)和類(lèi)型特征，并通過(guò)這些特征來(lái)有效識(shí)別冰雹云。國(guó)外相關(guān)研究如《Algorithm to describe weather conditions at European airports》[4]描述了歐盟氣象部門(mén)工作組協(xié)商開(kāi)發(fā)的天氣算法。

2 數(shù)據(jù)來(lái)源與研究方法

2.1 數(shù)據(jù)來(lái)源

選取天津?yàn)I海機(jī)場(chǎng)、上海虹橋機(jī)場(chǎng)、烏魯木齊地窩堡機(jī)場(chǎng)、成都雙流機(jī)場(chǎng)、長(zhǎng)沙黃花機(jī)場(chǎng)、沈陽(yáng)桃仙機(jī)場(chǎng)等年吞吐量在2 000萬(wàn)以上的機(jī)場(chǎng)作為研究對(duì)象，從www.ogimet.com中獲取機(jī)場(chǎng)2017年、2018年、2019年的全部METAR報(bào)文共計(jì)262 800條。METAR報(bào)文即航空例行天氣報(bào)告，采用標(biāo)準(zhǔn)國(guó)際格式報(bào)告機(jī)場(chǎng)每半小時(shí)或一小時(shí)內(nèi)的天氣觀(guān)測(cè)資料，主要包括重要?dú)庀蠼M分：風(fēng)向風(fēng)速組、能見(jiàn)度組、跑道視程組、好天氣組、天氣現(xiàn)象組、云組、溫度/露點(diǎn)組、修正海平面氣壓組、天氣變化組等。[5]并在“飛常準(zhǔn)”APP中收集統(tǒng)計(jì)機(jī)場(chǎng)2017年、2018年、2019年（因2020年受到新冠病毒疫情影響，造成大量航班取消，故不納入統(tǒng)計(jì)范圍）以天為計(jì)量單位的起飛取消率、起飛延誤率等共計(jì)236 520個(gè)數(shù)據(jù)。前文提到的起飛延誤率是指每天起飛延誤量/執(zhí)行量。

2.2 研究方法

使用ATMAP軟件計(jì)算報(bào)文并輸出結(jié)果，將得分與起飛延誤率等數(shù)據(jù)進(jìn)行擬合得到相關(guān)系數(shù)R，分析天氣得分規(guī)律、機(jī)場(chǎng)延誤規(guī)律以及得分對(duì)延誤的影響。

2.2.1 算法描述

METAR報(bào)文因其固定格式，極利于計(jì)算機(jī)使用算法自動(dòng)識(shí)別并提取有用數(shù)據(jù)，算法思路概括如下。

（1）自動(dòng)識(shí)別并提取風(fēng)速、能見(jiàn)度、降水、冰凍條件和危險(xiǎn)天氣5個(gè)要素。

（2）給不同天氣要素的不同嚴(yán)重程度分配系數(shù)，每個(gè)天氣要素系數(shù)總和就是最后的天氣得分。如表1所示，當(dāng)出現(xiàn)GS（小冰雹或霰）時(shí)系數(shù)為18，當(dāng)出現(xiàn)FC、DS、SS、VA、SA、GR、PL、TS時(shí)系數(shù)為24，當(dāng)出現(xiàn)+TS時(shí)系數(shù)為30。

表1 ATMAP天氣算法中有關(guān)危險(xiǎn)天氣評(píng)分標(biāo)準(zhǔn)

（3）通過(guò)該算法，按照其評(píng)分標(biāo)準(zhǔn)，可以對(duì)每一條解析過(guò)的METAR報(bào)數(shù)據(jù)進(jìn)行量化。例如：METAR ZBTJ 021730Z 15008MPS 8000 -TSRA FEW013 BKN033CB 21/14 Q0997 NOSIG=，此報(bào)文量化總得分為26。

2.2.2 相關(guān)系數(shù)R擬合

首先獲取機(jī)場(chǎng)2017年、2018年、2019年的全部METAR報(bào)文，使用ATMAP軟件計(jì)算報(bào)文并輸出結(jié)果。分別將天氣總得分、危險(xiǎn)天氣等得分的日平均、月平均和年平均與各項(xiàng)數(shù)據(jù)進(jìn)行擬合，并計(jì)算出絕對(duì)系數(shù)R2，開(kāi)方得到R，通過(guò)R判斷其相關(guān)程度。航班延誤不僅受天氣影響，還有許多其他因素的影響，本文只考慮與天氣的關(guān)系。（相關(guān)性標(biāo)準(zhǔn)：R取0.20～0.39為低度相關(guān)，0.40～0.69為中度相關(guān)，0.70～0.89為高度相關(guān)，0.90～1.00為極高相關(guān)）相關(guān)系數(shù)(R)公式：

3 結(jié)果分析

3.1 機(jī)場(chǎng)天氣狀況分析

圖2 各大機(jī)場(chǎng)天氣得分季節(jié)變化折線(xiàn)

制作上海虹橋機(jī)場(chǎng)ZSSS、天津?yàn)I海國(guó)際機(jī)場(chǎng)ZBTJ、成都雙流機(jī)場(chǎng)ZUUU、新疆地窩堡機(jī)場(chǎng)ZWWW、長(zhǎng)沙黃花機(jī)場(chǎng)ZGHA和沈陽(yáng)桃仙機(jī)場(chǎng)ZYTX天氣得分隨季節(jié)變化圖像（見(jiàn)圖2），其中春季為3至5月，夏季為6至8月，秋季為9至11月，冬季為12至次年2月，統(tǒng)計(jì)數(shù)據(jù)為各機(jī)場(chǎng)2017年至2019年全部METAR報(bào)文經(jīng)ATMAP算法運(yùn)算后得到的平均值結(jié)果，即為三年數(shù)據(jù)平均值。

由圖2可知，北方城市如沈陽(yáng)、天津冬季總分受霜凍因素（freezing）影響較為嚴(yán)重，新疆冬季受風(fēng)（wind）因素影響較為嚴(yán)重，且平均分?jǐn)?shù)遠(yuǎn)遠(yuǎn)超過(guò)其他機(jī)場(chǎng)以及其他因素得分，推測(cè)因?yàn)樾陆拷鼇喼拗行模ǘ撅L(fēng)源地），地形主要以山地為主，城市處于山口位置，機(jī)場(chǎng)由于飛機(jī)起飛和降落的越障要求位于城市邊緣地區(qū)，加大風(fēng)的影響力，同時(shí)植被較為稀疏，森林防風(fēng)能力差。以上海和成都為例，兩者均受霜凍（freezing）影響較小，因地處秦嶺淮河一線(xiàn)以南，四季在正常情況下均不會(huì)出現(xiàn)降雪的現(xiàn)象，但受危險(xiǎn)天氣（dangerous）因素影響較大，如 GR（冰雹）、PL（冰粒）、TS（雷暴）。夏季空氣中水汽充足，受南方暖濕氣流影響同時(shí)太陽(yáng)輻射強(qiáng)烈，近地面空氣較熱，很容易發(fā)生強(qiáng)烈的上升運(yùn)動(dòng)形成雷雨云進(jìn)行放電產(chǎn)生雷暴。成都平原丘陵區(qū)無(wú)霜期長(zhǎng)、雨水充沛、日照較少，山區(qū)海拔1 300m以上的中低山雨水、云霧偏多，機(jī)場(chǎng)天氣得分（scores）與危險(xiǎn)天氣（dangerous）單項(xiàng)評(píng)分折線(xiàn)變化幅度幾乎一致，可見(jiàn)成都雙流機(jī)場(chǎng)全年受危險(xiǎn)天氣（dangerous）影響較大。

3.2 機(jī)場(chǎng)航班延誤特征分析

根據(jù)數(shù)據(jù)分析得到曲線(xiàn)（見(jiàn)圖3）可知，ZBTJ三年內(nèi)在延誤率高峰期出現(xiàn)在六七月份，夏季的高溫降雨常常會(huì)影響航班正常起飛降落，ZBTJ冬季干冷的氣候同樣影響航班正常飛行，延誤率的小高峰期則出現(xiàn)在冬季，而春季天津機(jī)場(chǎng)的延誤率較低。ZUUU三年以來(lái)延誤率高峰期出現(xiàn)在七八月份，同樣夏季延誤率高于春秋冬季延誤率，不同于天津機(jī)場(chǎng)，成都機(jī)場(chǎng)冬季延誤率保持在較低水平。ZGHA延誤率分部較為分散，夏季七八月份仍然是延誤率的高峰期，而冬季的延誤率水平較低，反觀(guān)初春二三月份ZGHA延誤率則是另一個(gè)高峰期，春天氣溫降雨的多變是導(dǎo)致延誤率升高的重要原因。根據(jù)ZWWW曲線(xiàn)分析一月和七月延誤率基本持平，為雙高峰期，其冬季氣候的多變性導(dǎo)致了延誤率的升高，而春秋延誤率保持在較低水平。對(duì)于ZSSS曲線(xiàn)可以發(fā)現(xiàn)，隨著日序的推移，延誤率的平均值逐步升高，在夏季七八月份到達(dá)頂峰，再隨著日序的推移，延誤率迅速降低，冬季延誤率達(dá)到全年最低。根據(jù)ZYTX曲線(xiàn)可以發(fā)現(xiàn)，相較于其他機(jī)場(chǎng)，沈陽(yáng)桃仙機(jī)場(chǎng)的延誤率曲線(xiàn)相對(duì)平滑，高峰期同樣出現(xiàn)在夏季。根據(jù)不同機(jī)場(chǎng)延誤率曲線(xiàn)，經(jīng)過(guò)數(shù)據(jù)分析可知，在一年中不同日序航班的延誤率是不同的，明顯的是夏季延誤率會(huì)高于其他季節(jié)，而按照資料可以發(fā)現(xiàn)機(jī)場(chǎng)的延誤率圖像普遍為單峰型，而有些機(jī)場(chǎng)如ZGHA和ZWWW則為雙峰型?？梢哉f(shuō)明這些機(jī)場(chǎng)冬季天氣較差，機(jī)場(chǎng)地理位置影響了機(jī)場(chǎng)的天氣狀況，天氣的多變影響了航班正常運(yùn)行。

圖3 各大機(jī)場(chǎng)三年起飛延誤率平均

3.3 天氣與延誤水平相關(guān)分析

圖4是六個(gè)機(jī)場(chǎng)起飛延誤率與危險(xiǎn)天氣得分的擬合圖。ZBTJ擬合絕對(duì)系數(shù)R2為0.616 3，相關(guān)系數(shù)R為0.785，已經(jīng)達(dá)到高度相關(guān)，可知隨著危險(xiǎn)天氣的增多，其起飛延誤率逐漸上升。ZUUU絕對(duì)系數(shù)R2為0.804 8，相關(guān)系數(shù)為0.9，屬于極高相關(guān)，同時(shí)沒(méi)有危險(xiǎn)天氣情況的起飛延誤率極低，也說(shuō)明危險(xiǎn)天氣是影響成都機(jī)場(chǎng)延誤的主要因素。ZYTX擬合的絕對(duì)系數(shù)R2為0.660 7，相關(guān)系數(shù)為0.813，屬于高度相關(guān)。從ZGHA三年天氣平均的數(shù)據(jù)可以發(fā)現(xiàn)，很少出現(xiàn)一月內(nèi)均無(wú)危險(xiǎn)天氣的情況，天氣的復(fù)雜多變性導(dǎo)致了其起飛延誤率的增高，其擬合絕對(duì)系數(shù)R2為0.464 4，相關(guān)系數(shù)為0.681，屬于中度相關(guān)。ZSSS整體延誤率較低，且危險(xiǎn)天氣出現(xiàn)的情況較少，圖像顯示曲線(xiàn)較為平滑，延誤率和危險(xiǎn)天氣的絕對(duì)系數(shù)R2為0.209 3，相關(guān)系數(shù)為0.457，屬于中度相關(guān)。而ZWWW由于新疆地形為喀什地貌，風(fēng)力多為大風(fēng)，不穩(wěn)定的天氣情況導(dǎo)致其絕對(duì)系數(shù)極低。由此可見(jiàn)，危險(xiǎn)天氣的出現(xiàn)是影響航班起飛延誤率的重要因素，天氣的多變性和不穩(wěn)定性是阻礙提高航班正常放行率的主要因素。

圖4 危險(xiǎn)天氣與起飛延誤率擬合

4 結(jié)語(yǔ)

本文采用歐盟天氣算法（ATMAP算法），并利用國(guó)內(nèi)主要機(jī)場(chǎng)2017年到2019年內(nèi)的METAR數(shù)據(jù)對(duì)正常放行率、起飛延誤率、降落延誤率等數(shù)據(jù)進(jìn)行擬合，得出起飛延誤率與危險(xiǎn)天氣擬合程度在ZUUU極高相關(guān)、ZBTJ高度相關(guān)、ZYTX高度相關(guān)、ZGHA與ZSSS中度相關(guān)等，考慮地方性差異，可以認(rèn)為較好驗(yàn)證了ATMAP算法在國(guó)內(nèi)主要機(jī)場(chǎng)危險(xiǎn)天氣定量化評(píng)估的適用性，能對(duì)未來(lái)預(yù)測(cè)危險(xiǎn)天氣提供一定的理論支持。接下來(lái)將會(huì)以這次研究成果為基礎(chǔ)，開(kāi)發(fā)出基于TAF報(bào)文的危險(xiǎn)天氣定量化評(píng)估軟件，為機(jī)場(chǎng)面對(duì)突發(fā)危險(xiǎn)天氣做好應(yīng)急預(yù)案提供一種可能性，從而降低航班延誤率，提高乘客滿(mǎn)意度，為航空公司創(chuàng)造更優(yōu)的經(jīng)濟(jì)效益。