郭洪源，賈鎮(zhèn)亮，吳亞波

1.首都機場集團有限公司；2.北京中科九章軟件有限公司

一、背景

隨著中國國家經(jīng)濟的高速發(fā)展，中國民航業(yè)發(fā)展迅速，航班量急劇增加。2006年到2017年，各類飛行起降架次持續(xù)增長，11年間增長了178%，年均增長10.39%。2018年，全行業(yè)累計實現(xiàn)營業(yè)收入10142.5億元。航空運輸量增加的同時，民航運輸?shù)男屎桶踩枰岣吆捅Ｕ?。?jù)統(tǒng)計，2006—2015年，航班正常率隨航班量增長呈持續(xù)下滑趨勢，2016年止跌回升，2017年又有所下降[1]。

民航航班運行對天氣的依賴程度很高，不利天氣導致的航班延誤在整個航班延誤量中占了很大的比例。2017年航班延誤的主要因素是天氣、其他空域用戶和航空公司自身原因，分別達到51.28%、27.73%和8.62%[1]，2018年航班延誤的主要因素是天氣、航空公司原因、空管原因（含流量原因）、其他，分別達到48.62%、21.00%、2.75 和 27.63%[2]。

對于民航業(yè)來說，惡劣天氣主要有強降雨、雷電、大雪、冰凍、大風等，其中雷電常常伴隨著強降雨、冰雹和側風等，是對機場作業(yè)危害很大的天氣狀況。

雷電是一種強放電自然現(xiàn)象，其本身屬于爆發(fā)性自然危害，主要表現(xiàn)為伴有雷鳴、閃電的放電現(xiàn)象，在不同地物條件下有不同雷電表現(xiàn)。從雷電活動一般地物條件看，空曠地中孤立建筑物、接收天線、輸電線路、大樹以及其他帶有尖端放電特性的設備，均易受到雷擊，尤其對于電子化、信息化等設備，危害更加明顯。以當前民航機場為例，現(xiàn)代化機場建設中逐漸引入較多電子電氣設備，如飛機跑道導航設備、程控交換機、塔臺內(nèi)指揮設備、衛(wèi)星接收設備、指揮中心設備、高頻收發(fā)設備、雷達設備、自動轉報設備以及微波通信設備等，這些電子設備對雷電均保持較高的敏感性。雖然當前電子設備的性能不斷地改善調整，但由于運行中均需控制在一定電壓范圍下，所以對于雷電帶來的高壓很難應對，一旦電子設備在處于運行狀態(tài)時遭受雷擊影響，可能直接出現(xiàn)設備損壞問題，電子設備相關數(shù)據(jù)也因此消失，將影響機場整體運行，飛機起飛與著陸安全更加受到嚴重影響。同時，機場作業(yè)過程中若發(fā)生雷擊也會造成人員傷亡等重大安全事故。

民航系統(tǒng)一直以來不遺余力地采取了多種內(nèi)部挖潛措施，尤其是機場協(xié)同決策系統(tǒng)（ACDM）是一種降低航班延誤、整體提高機場運營效率和安全的一種重要方案。

二、機場協(xié)同決策系統(tǒng)

近年來，國內(nèi)主要繁忙機場都結合實際建設適用自身發(fā)展的機場協(xié)同決策系統(tǒng)。機場協(xié)同決策系統(tǒng)建設由機場牽頭組織，航空公司、空管以及其他相關單位共同參加，以構建以提升地面運行效率為核心的機場保障管理體系為指導，以提高航空公司、機場、空管等部門之間信息及時有效共享為目標，通過優(yōu)化資源利用和改善時間節(jié)點可預測性，保證各單位間信息暢通，進一步充分調動保障資源，提升資源利用效率和機場整體運行效率，尤其是進一步提升機場地面運行效率和大面積航班延誤下的快速響應和處置能力。

中國民航目前采用的流量管理手段包括戰(zhàn)略階段和戰(zhàn)術階段。戰(zhàn)略階段的工作是合理調整全國和某些地區(qū)的航線結構，合理安排制定班期時刻表和飛行前一日對非定期航班的飛行時刻進行協(xié)調。戰(zhàn)術階段的工作是當惡劣天氣時，對未起飛的航班一般采取計劃順延，已經(jīng)起飛的航班一般采取加大飛行間隔、空中盤旋等待或者備降到指定機場等措施；當管制區(qū)域內(nèi)流量過大時，及時增開扇區(qū)，限制其他管制區(qū)飛機進入本管制區(qū)時間。

為了有效地完成戰(zhàn)術階段的工作，精準預測包括雷電在內(nèi)天氣情況、提前研判部署，積極應對不利影響，對提升惡劣天氣條件下的航班運行安全、效率和公平都有很重要意義。

在航班延誤發(fā)生時，為了應對航班延誤造成的旅客積壓、滯留機場等問題，在特殊情況下確保旅客運輸工作安全有序，提高服務保障質量也迫切需要精準的雷電預測。

本文提出用雷電預警在系統(tǒng)性雷暴（雷暴類型分為兩類：占絕大多數(shù)的系統(tǒng)性雷暴和小量的局地性雷暴）天氣條件下準確預測雷暴團到達機場的時間、離開機場時間和雷暴強度，基于這些雷暴過程參數(shù)調整航班保障節(jié)點時間的估計值，從而更加有效地獲得相應地機場協(xié)同決策的里程碑估計，提高提升機場地面運行效率和安全（見圖1）。

圖1 機場協(xié)同決策的里程碑[3]

三、雷電預警

本文中定義的機場防護區(qū)是指以對雷擊敏感的機場作業(yè)區(qū)域中心為圓心，10公里為半徑的圓的區(qū)域。針對具體機場，機場防護區(qū)雷暴期為在一個雷暴過程持續(xù)時間周期，也就是在機場防護內(nèi)第一個雷擊的時刻點作為雷暴過程的開始時間T1（如圖2），在機場防護內(nèi)最后一個雷擊作為雷暴過程的結束時間T2(如圖3)，機場防護區(qū)雷暴時間為兩者的間隔，即T2–T1。

圖2 第一個雷擊發(fā)生時間T1

圖3 最后一個雷擊發(fā)生時間T2

用歷史數(shù)據(jù)統(tǒng)計可以獲得地多次該機場防護雷暴時間，取該統(tǒng)計值95%分位點，記為TMAX，單位是小時。2018年首都機場雷暴過程如表1所示。

表1 2018年首都機場雷暴過程[4]

為了有效估計將在機場作業(yè)區(qū)發(fā)生雷暴過程的強弱，定義雷暴密度，雷暴密度用雷擊在定義區(qū)域落雷頻率來衡量，通常在可獲得的歷史雷擊數(shù)據(jù)中，雷擊都有詳細的雷擊特征：位置信息（經(jīng)緯度）等。雷暴密度定義為機場防護區(qū)（即機場區(qū)域中心為圓心，10KM半徑圓內(nèi)）在雷暴過程中總雷擊數(shù)除以雷暴過程持續(xù)時間（分鐘數(shù)）。例如在3小時的雷暴過程中，在機場防護區(qū)內(nèi)共發(fā)生250個雷擊，則雷暴密度是250/（3X60），即1.388次每分鐘。收集多年（例如2013年-2018年）具體機場防護區(qū)的歷史雷暴過程數(shù)據(jù)，共有N個雷暴過程，每個雷暴過程的雷暴密度Di，統(tǒng)計所有這N個雷暴密度，求均值P.獲得均值P后，以該均值P為閾值，對某一雷暴過程若雷暴密度大于該閾值，定義該雷暴過程為強雷暴過程，否則為弱雷暴過程。

本文的雷電預警模型預測出防護內(nèi)雷暴開始與雷暴結束時間，同時也預估出相應雷暴過程的強度。

（一）雷暴過程預警模型

本節(jié)中的雷電預測模型是基于深度學習的門控循環(huán)單元（GRU）的encoder-decoder網(wǎng)絡模型[5,6]，基本架構如圖4所示。

圖4 GRU網(wǎng)路模型

其中x1,x2,x3,x4,x5,x6,x7,x8,x9,x10為 輸 入 變 量，y1,y2,y3,y4,y5,y6,y7,y8,y9,y10為輸出變量。Xi,Yi都一定間隔樣本數(shù)據(jù)，每個是50×50的矩陣向量。

每幀的時間間隔為TCLIP分鐘，模型級聯(lián)encoder和decoder個數(shù)n由TMAX/TCLIP確定（例如TMAX為1時間即60分鐘，TCLIP為6，則n取10）。

現(xiàn)在，我們需要預測未來TMAX小時的雷電情況，我們可以應用這種encoder-decoder模型來實現(xiàn)這個預測。

1.模型樣本數(shù)據(jù)生成方法

構建一個以機場區(qū)域中心為中心的50×50網(wǎng)格結構，網(wǎng)格中的每個小方格代表1平方公里，收集每一次具體機場的雷暴過程數(shù)據(jù)，以雷暴過程開始之前TMAX小時開始，每TCLIP分鐘取一幀，一直到雷暴過程結束時間，如果有幾個雷電落在小方格所代表地范圍之中就標記該方格的值為幾。如圖5：有7個雷電落在第1行第2列的方格中，就標記該方格的值為7，而第1行第3列的方格中沒有落雷，則標記為0（圖中空白為0）。如圖6：示例了雷暴接近防護區(qū)對應矩陣，有3個雷電落在第2行第2列的方格中，就標記該方格的值為3，而第3行第4列的方格中有1個落雷，則標記為1（圖中空白為0）。這樣我們就得到一個50×50的矩陣。

圖5 某幀樣例: 空白區(qū)為0

圖6 雷暴團更接近防護區(qū)時某幀樣例: 空白區(qū)為0

根據(jù)時間序列的連續(xù)性，按照TCLIP分鐘進行一次切割，把TCLIP分鐘的數(shù)據(jù)按照樣本數(shù)據(jù)生成的方式進行處理，生成一個50×50的矩陣。觀察窗口為TMAX小時，表現(xiàn)窗口為TMAX小時。在觀察窗口這TMAX小時內(nèi)可以生成TMAX×10個樣本數(shù)據(jù)，即TMAX×10個50×50的矩陣。同樣，在表現(xiàn)窗口這TMAX小時內(nèi)也可以生成10×TMAX個樣本數(shù)據(jù)，即TMAX×10個50×50的矩陣。

2.模型訓練與評估

基于具體機場多年的雷擊數(shù)據(jù)，我們就可以用生成樣本的方法得到大量的樣本數(shù)據(jù)。

將生成的樣本數(shù)據(jù)輸入進構建好的GRU encoder-decoder模型進行模型訓練，將樣本數(shù)據(jù)分為兩部分，訓練樣本數(shù)據(jù)和測試樣本數(shù)據(jù)。模型利用訓練樣本進行重復訓練直到均方誤差趨于穩(wěn)定，利用測試樣本對訓練好的模型進行測試以觀測模型的訓練效果。

3模型輸出

模型輸出的結果如圖7所示。

圖7 預測出的第i個結果Yi

（二）防護區(qū)雷暴時間估計

根據(jù)一系列共TMAX×10個Y輸出，能確定預測的機場防護區(qū)雷暴開始和結束時間。

設計一個數(shù)組LIGHTNING_TIME_ARRAY,該 數(shù) 組 共TMAX×10個 元素，對于Yi,若有雷擊分布在機場防護區(qū)覆蓋的至少一個網(wǎng)格中，如圖7，有一個網(wǎng)格中有3個雷，則LIGHTNING_TIME_ARRAY[i]=1,表示預測在（i-1）×6分鐘到i×6分鐘之間機場防護區(qū)有雷擊。否則LIGHTNING_TIME_ARRAY[i]=0，表示預測在（i-1）×6分鐘到i×6分鐘之間機場防護區(qū)不會發(fā)生雷擊，如圖8所示。

圖8 預測防護范圍內(nèi)不會發(fā)生雷擊

這個數(shù)組LIGHTNING_TIME_ARRAY會出現(xiàn)如下幾種情況：

（三）雷暴過程強度估計

根據(jù)雷暴過程強度的定義和閾值P.根據(jù)模型輸出獲得在機場防護區(qū)內(nèi)總預測的雷擊數(shù)SUM_LIGHTNINGS， 再根據(jù)模型輸出矩陣獲得的雷暴持續(xù)時間THUNDERSTORM_TIME,計算預測雷暴密度(SUM_LIGHTNINGS除 以THUNDERSTORM_TIME).當結果大于閾值P，預測結果是強雷暴過程，否則是弱雷暴過程。

四、用雷電預警結果調整航班保障節(jié)點時間的估計

（一）雷暴天氣航班保障作業(yè)策略

ACDM是基于不斷更新的數(shù)據(jù)信息做出決策方案，根據(jù)具體機場航班保障作業(yè)的特征，運用關鍵路徑法將這些作業(yè)按時間先后關系分解。一個實例如圖9所示。再根據(jù)保障作業(yè)的特征制定雷電防護策略，一個實例如表2所示（實際特征應根據(jù)具體機場相關部門研究制定）。

圖9 機場航班保障作業(yè)流程

表2 機場保障作業(yè)特征實例

（二）航班保障節(jié)點時間的估計

機場航班保障作業(yè)，為了達到運營效率的優(yōu)化，根據(jù)保障作業(yè)特征和作業(yè)之間的相互關系，做出如下保障節(jié)點時間估計（見圖10）。

圖10 原航班保障節(jié)點估計

從上輪擋到撤輪擋，有多條保障作業(yè)流路經(jīng)（如path_i, path_j,path_m）,它們之間是并行的， 同時，在每一條路徑之內(nèi)，有1個或多個作業(yè)流串行。其中的最大路徑（一條路徑上所有串行作業(yè)時間之和）決定了估計的撤輪擋時間。在雷暴天氣條件下，需要對航班保障節(jié)點做出新的估計。

根據(jù)雷電預警，得到的機場雷暴過程的開始時間和結束時間。假設它們與原估計各保障作業(yè)節(jié)點關系如圖11。根據(jù)雷電預警預測出雷暴過程的強度（弱或高強度），重新基于最大路徑法的估計就會出現(xiàn)與原估計不同的估計結果（見圖12、圖13）。其中Process_j1可能在弱雷暴強度可以繼續(xù)作業(yè)。

圖11 雷暴過程與某航班保障作業(yè)時間重疊

圖12 強雷暴過程

圖13 弱雷暴過程

機場根據(jù)業(yè)務要求，以合適的頻率更新機場協(xié)同決策系統(tǒng)中各里程碑節(jié)點估計時間，機場協(xié)同決策系統(tǒng)的各個用戶，決策方就能根據(jù)這些變化作出相應的調整以適應雷暴天氣情況下的航運要求。

五、總結

民航系統(tǒng)近年來為了降低航班延誤、整體提高機場運營效率在大力部署機場協(xié)同決策系統(tǒng)的建設，為了有效地估計機場協(xié)同決策的里程碑時間點，本文提出了用雙模型雷電預警預測雷暴團經(jīng)臨機場的開始結束時間、雷暴過程強度的方法，從而對航班保障過程節(jié)點做出及時的調整，各決策方能夠更高效地利用機場協(xié)同決策系統(tǒng)完成運營任務。