大數據在機場航班延誤管理中的應用

摘 要隨之全球社會經濟的發展，航空業已經在國民經濟活動中起到越來越大的作用，航班準確率一直是整個機場服務品質的重要標準之一，如何提升機場運行效率解決航班延誤問題，也成為目前民航業的重點研究課題。為了改善航班延誤問題，提高航班保障能力，本文從功能設計和技術實現兩方面介紹了基于大數據的航班延誤管理系統的建設方案，重點研究系統的功能設計、技術架構、數據架構和業務模型，為國內機場同類系統建設提供借鑒。

【關鍵詞】大數據 航班延誤

1 背景概述

航班延誤問題是目前制約國內民航服務質量的焦點問題，航班正常性工作已成為民航業內的重中之重，不僅關乎民生，更是關乎民航整體運行品質。

為了提高民航資源（空域、跑道、航班）運行效率，各空管局和機場相繼建設了CDM/A-CDM系統來協調空域流量資源和機場跑道資源，解決航班正點率低的問題。但航班延誤是一個非常復雜的系統性問題，航班飛行保障是個需要各方緊密協作的活動，涉及空管、機場和航空公司三方各種非正常性因素的起因和疊加，除了天氣、軍事活動等不可控因素外，空域流量限制、航班計劃編排、航路時刻通行等多重因素交織，不是簡單通過A-CDM系統就能徹底解決問題，需要深入分析和研究清楚各機場的延誤特點和規律，找準瓶頸和痛點，才能針對性采取措施，從源頭上解決航班延誤問題。

因此我們需要充分運用大數據技術加強對航班正常性的分析工作，通過業務梳理和數據建模，從航班編排、空域協同、機場協同、航班保障等各個方面發現航班延誤關鍵癥結，從而對現有的資源條件、保障情況和A-CDM系統的協同機制提出更加基礎、更趨完善的解決方案，為提高航班正常性提供智能支撐。

2 基于大數據的航班延誤管理系統功能設計

2.1 總體目標

航班延誤管理系統是一個典型的行業大數據分析系統，核心技術是航班運行業務建模和智能數據挖掘算法技術，依托強大的智能算法組件，以航班正常性為基準，通過民航生態值管理，對航班運行的海量歷史數據和實時數據按照業務模型進行挖掘分析處理，監測分析機場航班延誤的特點和規律，以可視化的形式，全面、深刻、細致、準確地還原影響航班延誤的各種因素及其相互作用關系，為從航班編排計劃、容量分配、機位分配等源頭和根本上解決或緩解航班延誤問題提供切實可行的路徑。

2.2 主要功能模塊

基于大數據的航班延誤管理系統的功能模塊以延誤檢測、原因分析、優化建議為主線，實現航班延誤監測、運行數據統計分析，并進一步預測運行趨勢，提供優化和決策依據。主要包括：生態值管理、延誤情況分析、延誤原因癥結分析、航班優化、運行報表等模塊。

2.2.1 生態值管理

包括機場航班的降落、滑入、停靠、除冰、地服、登機、上/撤輪檔、滑出、起飛、機位置機、機位使用、安檢、陸測交通等資源運行管理的正常性值的計算與管理。

2.2.2 航班延誤情況分析

該模塊主要針對小延誤航班、大面積航班延誤、延誤航班、航線延誤情況進行分析，具體如下：

（1）“小延誤航班分析”：指延誤時間在五分鐘之內的航班，該類型航班特點是可以通過合并席位加快過站進度等措施消除延誤，從而增加航班正常率；

（2）“大面積航班延誤分析”：研究分析旅客積壓人數與大面積延誤航班分布的關系，對大面積航班延誤進行預警與預測，并預測大面積航班延誤造成的經濟損失；

（3）“延誤航班”分析：機場延誤航班中包括始發航班延誤和非始發航班延誤，始發航班延誤對后續航班的正常率具有明顯影響，所以延誤航班分析將重點對始發航班的延誤率走勢、始發航班延誤波及程度進行分析；

（4）“航線延誤分析”：對航線延誤情況進行分析，涉及各個航線排名、各個航線正常率、每個航線上正常率最低的航班、各個航線上延誤的架次等數據，從而找到正常率極低的航線，以便采取有效的措施，提升航線正常率。

2.2.3 航班延誤原因癥結分析

對延誤原因進行清單管理，按照來源因素可以單列出的延誤原因清單包括：不可抗拒因素（天氣、軍演、對方機場）、空管因素（空中流量控制、近進容量控制、跑道容量控制）、航司保障因素（飛機起降、滑行、飛機準備、除冰、檢修、飲食、其他）、機場管理服務因素（計劃推出、放行、機位容量、機位置機、安檢）、地面服務因素（監護、清潔、加油、客梯車、擺渡車、陸測交通）、旅客因素（遲到）等。

實際航班延誤的原因是很復雜的，各種延誤因素之間會傳導和相互影響，可能是一種或幾種原因（因素）造成的，或者上一個航班延誤或前一個航班保障服務節點延誤傳導過來的。而每個節點延誤都與管理或執行主體的行為或制度密切相關，該模塊對航班延誤進行關聯分析，針對每類延誤原因，分析造成原因的主體對象、操作行為和管理制度，例如可能是航班編排計劃不合理、停機位分配不合理、機場放行時間ACOBT不合理、滑入滑出次序/線路不合理、起飛等待不合理等等各種會產生資源沖突的原因。

2.2.4 航班優化分析

航班優化是一個比較系統和復雜的問題，系統性主要體現在優化不是著力于一個點而是覆蓋整個面，包括航班時刻編排、停機位選擇、飛機推出與滑入等。該模塊針對航班延誤原因癥結分析的結果，通過大數據模型和算法，提供航班優化的建議，例如航班時刻編排的削峰填谷、停機位使用效率的優先選擇等，以幫助機場提高航班正點率。

3 系統技術實現

3.1 技術架構

基于大數據的航班延誤管理系統采用分布式架構搭建，總體架構如圖1所示。

整個系統包括數據源層、數據采集層、數據存儲層、服務引擎層、應用層以及展示互動層等六個重要組成部分，對各部分的簡述如下：

3.1.1 數據源層

基于大數據構建航班延誤管理系統所需的相關數據源主要包括空管數據（航班計劃、流量容量、起降指令等）；航司數據（航班運行計劃和保障數據等）；機場服務數據（機位分配、上撤輪擋、推出放行、值機安檢數據等）；其他數據（天氣、陸測交通數據等）。

3.1.2 數據采集層

通過建立WebService數據接口，從現有的機場A-CDM系統、空管CDM系統等現有業務信息系統中采集源數據，并利用ETL數據抽取工具對航班延誤相關數據進行抽取、清洗轉換和加載，生成可用于航班延誤各種主題分析的數據集合。

3.1.3 數據存儲層

數據存儲層采用分布式的結構，使用主流的Hadoop、Spark和Storm三大分布式計算系統相結合的架構來實現。其中Hadoop負責離線的復雜的大數據處理，Spark負責離線的快速的大數據處理，Storm負責在線的實時的大數據處理。而在Hadoop中，yarn負責協調并管理底層資源和調度作業的運行，hdfs負責分布式存儲，hive負責大數據的清洗、處理和計算，hbase負責大數據的實時查詢。最后，經過大數據處理后的分析數據和業務數據被存儲在Mysql中，可以為這些數據的查詢提供快速響應。

3.1.4 服務引擎層

該層建立航班數據分析的引擎服務對延誤數據體進行分析挖掘，主要功能包括查詢服務、OLAP引擎、業務模型庫、預警預測、數據挖掘算法服務和業務模型庫等。

3.1.5 數據應用層

基于航班延誤機理研究，開發分析應用模塊，主要包括：生態值分析模塊、延誤情況分析模塊、延誤原因分析模塊、延誤癥結分析模塊等。

3.1.6 展示互動層

該層是將應用層的模型結果進行可視化展現，既提供傳統的餅狀圖、柱狀圖、折線圖及數據表結合等展現形式，還提供大數據分析展現方式包括決策樹、地圖分布、駕駛艙、儀表盤、全景視圖和多維立方體等。

3.2 數據架構

建立支持分布式航班延誤監測與分析的數據資源體系，實現航班延誤監測與分析數據的采集、加工、存儲和管理，數據架構如圖2所示。

數據架構采用從數據源、數據類型、指標體系到數據主題、數據模型、元數據的架構進行管理，具體如下：

3.2.1 數據源

數據源主要來自：

（1）空管數據：包括航班計劃審批數據、流量容量數據、起降指令數據等；

（2）航司數據：包括航班運行計劃、航班保障數據；

（3）機場服務數據：包括機位分配、加油、除冰、上撤輪擋、推出放行、安檢等數據；

（4）其他相關數據：包括天氣、陸測交通數據等信息。

3.2.2 數據類型

主要分為結構化數據和非結構化數據、實時數據和非實時數據，具體來說可分為文件流型數據、事件型數據、周期型數據以及圖片、視頻等多媒體型數據。

3.2.3 指標體系

根據業務主題來劃分不同的指標體系，例如空管指標體系、航班運行與保障指標體系、機場管理服務指標體系、航班延誤指標體系、延誤原因指標體系等。

3.2.4 數據主題

根據不同的應用目的，將數據分為不同的主題，例如航班運行數據、保障數據、延誤數據、延誤原因數據、延誤癥結數據等。

3.2.5 數據模型

為了滿足不同的分析場景，利用數據處理、統計分析和數據挖掘等算法構建不同的數據模型。

3.2.6 元數據

關于數據的數據，用于對數據進行描述和數據編目，形成數據的資源目錄體系，便于管理。

3.3 業務建模

業務建模包括生態值模型設計、延誤情況統計分析模型、延誤原因分析模型、延誤原因癥結分析模型等內容。

3.3.1 生態值模型設計

生態值指的是資源在正常條件下運行的數值，由于各種干擾和意外因素影響，資源實際運行值往往會偏離正常值。民航生態值包括航班的降落、滑入、停靠、除冰、地服、登機、上/撤輪檔、滑出、起飛、機位置機、機位使用、安檢、陸測交通等資源運行生態值，生態值計算符合統一的均值方差標準模型。建立生態值模型的目的是為了計算資源當前運行的正常性范圍，為量化監測和分析資源運行的非正常性提供基準依據。

3.3.2 延誤情況統計分析模型

航班延誤情況分析的目的是了解當前機場航班延誤波及的資源范圍、程度、分布和趨勢情況，包括按時間、航線、航空公司、航班、機場、停機位分析航班延誤率、延誤時間程度分布，總結延誤規律，為延誤原因分析和解決延誤問題提供途徑依據，該模型需要體現對延誤情況分析的全覆蓋、分層次、分時段、分級別等特征，如圖3所示。

3.3.3 延誤原因分析模型

分析航班延誤原因的目的是為了了解各種因素對航班延誤的影響范圍、影響特點和影響程度，對各種航班延誤來源因素進行定量考量和分類排序，為減少或消除來源因素對航班延誤的影響提供途徑依據。該模型支持按時間、航線、航空公司、航班、機場、停機位統計分析航班延誤的各種原因分布，對于每類原因，統計航班延誤的次數、延誤程度情況、影響范圍。

3.3.4 延誤原因癥結分析模型

延誤原因癥結分析需要建立原因關聯航班節點模型、航班節點延誤關聯模型、延誤原因制度關聯模型等三個基礎模型。其中原因關聯航班節點模型如圖4所示，用以解決延誤原因是如何施加到航班節點上的問題；航班節點延誤關聯模型用以解決時間延誤是如何在各航班節點之間傳導的問題；延誤原因制度關聯模型用以解決延誤操作是哪個主體的哪個行為產生的，該行為依據了哪個管理制度，這為通過改進制度和操作辦法來減少延誤提供了技術支持。如圖4所示。

3.3.5 航班優化模型

航班優化主要體現在航班時刻編排、停機位、飛機滑入滑出方面的優化，因為經濟原因大多數航班都集中在“黃金時刻”，這就造成了航班編排時刻不合理。在一天中某個時段航線特別擁擠，導致航班的正常性降低。對航班時刻的優化方案采用削峰填谷的方式，可以在降低經濟效益最低的基礎上最大程度地提高航班正常率。對于機場停機位與飛機推出方面的優化也有助于提高航班正常性。

4 總結

將大數據技術運用于航班延誤管理，有助于分析清楚導致機場航班延誤的各種原因及責任主體，為從源頭上解決航班延誤問題提供了方案依據，建立基于大數據的航班延誤管理系統對于促進空管、航空公司、機場三大運行主體的協調運行，減少航班延誤，提高機場資源利用率，提升旅客服務質量等方面具有重要作用。

參考文獻

[1]Tom White.Hadoop權威指南：大數據的存儲與分析[M].北京：清華大學出版社，2017.

[2]馮思軼，胡曉蕓，李沁.基于CDM的航班綜合信息應用平臺研究[A].上海空港，2014.

[3]施瓦茨，扎伊采夫，特卡琴科.高性能MySQL[M].北京：電子工業出版社，2017.

作者簡介

馮思軼，碩士學位。工程師，主要從事機場信息集成系統的運行管理工作。

作者單位

上海機場（集團）有限公司虹橋國際機場公司 上海市 200335