我國典型航線航班時刻價值對比分析

民航浙江空管分局 沈怡晨／文

當前，我國正努力實現從民航大國到民航強國的跨越，形成全球領先的航空公司、輻射力強的國際航空樞紐、一流的航空服務體系、發達的通用航空體系、現代化空中交通管理體系、完備的安全保障體系和高效的民航治理體系。

參照歷年的發展態勢和目前公布的機場發展結果，在內地龐大的市場需求驅動下，我們堅信國內航空公司依然會保持著較好的發展勢頭。但與此同時，我們仍需正視國內航司在發展質量上存在著一些問題。以國內三大航空集團為例，雖然營收規模均在千億以上，但是利潤率較低，客公里收入水平與世界著名航空公司相比，仍有較大的提升空間。因此，航空公司亟需提升自身競爭力，提高收益水平。

油價、匯率等宏觀因素雖然對航空公司的運營影響較大，但航空公司較難通過改善自身運營來提升，因此仍需挖掘微觀層面的影響指標打造航空公司的競爭力。借鑒國內外研究成果，航空公司競爭力受到運營規模、運營管理、航線網絡、服務質量與生產效益等主要因素的影響。當下，針對航線網絡、服務質量等成熟指標的研究已經相對較為完善，但對航班時刻的價值卻缺乏深入的分析。航班時刻作為航空公司日常運行的核心要素，一直是航空運輸市場的稀缺資源，其質量直接決定了航空公司的收益水平。如果航空公司的收益管理部門能夠合理評估航班時刻的價值，基于價值配置航空公司的航線網絡，對于提升航空公司的經營水平將具有巨大的幫助。

圍繞航班時刻，本文以典型航線為例，運用歷史數據，對航班時刻的整體效應進行了對比，宏觀識別航班時刻效益較高的時段、日期等，進而對具體航班時刻的價值進行對比分析，鎖定各時段內的優質時刻，從而為航空公司航班時刻的運行管理提供了輔助決策支持。

研究方法和對象選取

基于數據挖掘方法可以有效地從海量歷史數據中提煉有價值的信息，幫助我們識別民航運行管理中的各類規律。關聯、聚類、分類、預測等都是常見的數據挖掘方法。例如，在民航業中，通常利用時間序列、回歸、神經網絡等方法預測行業發展趨勢，為建立中長期發展戰略提供數據支持；在實際運行中，空管系統也會利用預測方法對飛行沖突進行預判、對航班軌跡進行預測，從而幫助管制人員有效地制定管制策略。因此，本文也借鑒使用了相關方法，初步探索航班時刻的價值。

在2019年，我國內地城市對航線繁忙程度排名前20的依次為北京首都——上海虹橋、上海虹橋——深圳寶安、上海虹橋——廣州白云、北京首都——深圳寶安、北京首都——成都雙流、昆明長水——西雙版納嘎灑、北京首都——廣州白云、廣州白云——成都雙流、廣州白云——杭州蕭山、成都雙流——深圳寶安、北京首都——杭州蕭山、北京首都——重慶江北、北京首都——昆明長水、杭州蕭山——深圳寶安、深圳寶安——重慶江北、廣州白云——重慶江北、上海浦東——大連周水子、南京祿口——廣州白云、北京首都——西安咸陽、廣州白云——西安咸陽。如圖1所示，展示了前20條城市對航線的航班量。

根據繁忙程度，從上述航線中選取5個進行對比分析，由于時刻數據的敏感性，使用A、B、C、D、E分別代指航線對象，使用1個月的歷史數據。選取客座率、可用座位數等指標來反映航班時刻價值。基于航班運行特性和數據的可用性，選取7∶00～21∶00作為分析時段，時間間隔為1小時。首先對該月的整體運行水平進行對比：分別統計每個相同時段每月的平均客座率；分別統計周一至周日，每天的平均客座率（由于航班時刻編排的特性，以周日為例，選取該月內所有的周日進行計算取均值，以獲取“周日”的平均運行水平，其他同理可推）。通過計算，可以得到不同時段或日期下該航線上航班時刻運營的集體效應。

整體對比分析

通過分時段對比 可 知（見 圖2、圖3），5條 航 線 在7∶00～21∶00時段內平均客座率最高的分別是17∶00～18∶00，17∶00～18∶00，12∶00～13∶00，16∶00～17∶00，18∶00～19∶00，即主要集中在晚高峰；此外，E航線在大部分時段的平均客座率均是最高的。

按照一周來對比，有3條航線的平均客座率最高，均是周五，其他兩條分別是周一、周三。此外，對比5個航線在周一至周日的平均表現可知，E航線在周一、周二、周三和周日的平均客座率均最高，而在周四、周五、周六表現最好的則是C航線。

通過時間維度的整體對比，可以發現在典型航線上最有商業使用價值的時段，以及在不同時間組合下最有價值的航線對象，這將為航空公司的客運營銷部門在航班時刻協調時提供有效的分析支持。

當選取可用座位數來對比時（見圖4、圖5），統計結果又呈現出新的趨勢，就時段而言，A航線提供座位最多的是17∶00～18∶00，B航線提供座位最多的是7∶00～8∶00，C航線提供座位最多的是8∶00～9∶00，D航線提供座位最多的是9∶00～10∶00，E航線提供座位最多的是11∶00～12∶00，大部分航線提供運力最多的均是在上午時段，而這與平均客座率所反映出來的趨勢剛好相反。也就是說在上午，各條航線上運力過剩，導致客座率沒有達到最高水平，表面上看各個航司在這5條航線上存在運力投放不精準的問題。

由于航班計劃編排的周屬性，同樣，對一周的運營情況進行對比，可用運力結果依然展現出不同的規律。對于所選5條航線，可用座位數最高的基本是周四，其次才是周五或周六，而根據客座率統計結果來看，周四的平均客座率水平并不高，因此同樣看出，目前對于航班時刻的整體利用價值仍存在不足，沒有與需求完全匹配。

相關性對比分析

相關性分析用于判斷不同對象之間是否存在某種相互影響的關系，并對具有依存關系的對象定量計算其相關程度，是分析隨機變量之間相關關系的一種統計方法。本節選取一種常用的相關系數：皮爾森相關系數（Pearson correlation coefficient），對客座率和可用座位數兩類指標的相關性進行檢驗分析，從而判斷目前在各時段的整體安排上，供需是否能夠達到協同效應。

根據周一到周日各時段的平均客座率和平均可用座位數建立對應的時間序列，通過兩個指標的時間序列計算相關性，從而判斷目前航班時刻整體安排上的協同效應。相關系數計算結果如圖6所示。

根據相關性分析結果可知，對于A、B航線，相關性最高的是周二，可見周二各時段可用座位數與客座率的市場結果最為協同，兩者的相關性最高，變化趨勢最為一致。對于C航線，相關性最高的是周一，對于D航線，相關性最高的是周五，對于E航線，相關性最高的是周日。

同樣，根據7∶00～21∶00，各時段對應的平均客座率和平均可用座位數建立對應的時間序列，通過兩個指標的時間序列計算相關性，從而判斷在時段維度上各個航線航班時刻的協同效應。由于計算結果較多，故不再一一詳細展示。對于A航線，相關性最高的是9∶00～10∶00；對于B航線，相關性最高的是16∶00～17∶00；對于C航線，相關性最高的是18∶00～19∶00；對于D航線，相關性最高的是14∶00～15∶00；對于E航線，相關性最高的是7∶00～8∶00。

由于不同航線的市場需求和運力投放策略差異較大，因此相關性分析結果也呈現了不同的規律。只有基于各航線的歷史數據，才能結合相關性分析結果，探求該航線運力與需求的協同情況，從而制定出合適的優化策略，使得運力供給與市場需求最為匹配，從而提升兩者之間的協同效應，減少資源浪費。

綜上所述，隨著航空運輸業的持續發展，航空市場的需求也將隨之增加，同時帶來的問題即是航空公司如何更好地利用自身資源，高效地追求效益最大化。有鑒于此，航空公司既需要充分挖掘即有和潛在時刻的價值，同時也需要結合民航局的管理辦法，根據航班時刻的執行率、航班正點率、航班的通達性、流向均衡性、航線穩定性等各類因素，努力提升自身的硬件條件，為更好地爭取航班時刻奠定良好的基礎。最終準確把握需求，實現航線網絡、航班時刻、航班正常等諸多目標的綜合優化。