基于進近管制自動化程序的工作效率評估優化

陳廣杰 樂美龍

摘 ?要：根據終端區入口點雷達數據和BADA數據，設計出一個進港航班自動化程序，提前預測航班在各個節點上的沖突，并自動模擬管制員常用策略解決線路上的沖突，實現飛機排序降落;計算出管制員對每架到達最終進近點飛機所消耗的指令以及工作負荷，并通過MinDS模型評估各級管制員在不同繁忙程度下的工作效率。結合國內白云機場進場航班的數據進行案例計算，結果表明，此程序能夠在一定程度上模擬管制員決策，解決潛在沖突，推算飛機降落時間，有效評估管制員工作負荷及管制效率。

關鍵詞：工作效率;空中交通管制;到達航班;沖突解決

中圖分類號：TP311 ? ? ? 文獻標識碼：A文章編號：2096-4706（2021）21-0115-06

Abstract： According to the radar data and BADA data at the entrance point of the terminal area， an automatic program for inbound flights is designed to predict the conflicts of flights at each node in advance， and automatically simulate the common strategies of controllers to solve the conflicts on the line， so as to realize the sequential landing of aircraft; calculate the command and workload consumed by the controller for each aircraft reaching the final approach point， and evaluate the work efficiency of controllers at different levels under different busy levels through MinDS model. Case calculation is carried out in combination with the data of inbound flights of domestic Baiyun Airport， the results show that this program can simulate the controllers decision-making to a certain extent， solve potential conflicts， calculate the aircraft landing time， and effectively evaluate the controllers workload and control efficiency.

Keywords： work efficiency; air traffic control; arrival flight; conflict resolution

0 ?引 ?言

在到達航班的管理中，進近管制員的工作是終端區航班管理中最重要的一個環節，進近管制員從終端區入口點就開始承接區調管制員交接的到達航班，其主要工作是監視到達航班，發現潛在沖突，通過調整飛機速度、高度、航向以及雷達引導等手段實現到達航班之間的安全間隔，到最終進近點將航班交接給塔臺管制人員。然而，在實際指揮中，管制員的精力有限，發出指令時的思考時間也比較短促，所以提前發現沖突并提供解決方案，對減輕管制員的工作負荷以及保證到達航班降落效率具有重大的現實意義。與此同時，在管制員行使調整策略后，科學合理地計算管制員的工作負荷并評估其管制效率有助于提高終端區安全管理水平，對改進管制員管理體系有著重要的參考意義。

目前，國際上關于效率的評價方法主要有主成分分析法、前沿面分析法、數據包絡分析等，其中應用性較強的是數據包絡分析方法。數據包絡分析（Data envelopment analysis， DEA）是一種對多投入、多產出的決策單元進行效率評價的研究分析方法。1978年，Charnes、Cooper和Rhodes三人創立了DEA方法，其基本模型分為CCR模型和BCC模型，后續的各種衍生模型都是在這兩個模型基礎上的改進，其中包括本文采用的由Aparicio等人提出的至強有效前沿最近距離模型（Minimum Distance to Strong Efficient Frontier， MinDS）。MinDS模型是一種非導向模型，可以同時改進投入和產出變量，并且可以彌補傳統模型中缺少松弛改進量的缺陷，與傳統CCR、BBC模型相比具有一定的優越性。

對管制員負荷評估的方法有基于時間統計的分析方法（如Doratask和MBB方法），有主觀測量法（如空中交通負荷輸入技術、問卷調查法），還有借助于電子儀器實現的生理測量法。國際上應用較為廣泛的方法是由英國運籌與分析理事會提出的Doratask算法，此算法將管制員的主要工作負荷劃分為“看得見的”和“看不見的”兩部分以及必要的休息時間，看得見的部分主要是指管制員的語音指令以及填寫進程單等可測量取平均值的常規操作，看不見的部分主要是指管制員監視雷達屏幕，發出指令前的思考負荷等。

國內對管制員工作效率評估方面的研究較少，大多為對管制員工作負荷評估的研究，而且研究重心側重于流量計算和扇區容量評估。姚虹翔等利用動態密度模型預測管制員工作負荷變化情況并評估扇區容量。胡明華、董襄寧等通過提取扇區復雜性指標和流量分析來計算管制員工作負荷，最終評估扇區容量。本文基于BADA數據，設計可自動處理潛在沖突的程序，對到達航班進行排序，計算進近管制員在每架到達航班上所用的指令類型和次數，得出降落航班的排序以及管制員在其降落過程所用的指令和消耗的負荷，最后對管制員的工作效率進行評估。本文建立了科學有效的數學模型，并通過實地調查，采集一線管制員的工作數據，保證了評估結果的準確性。

1 ?模型建立

管制員工作負荷的計算模型，多數都是以Doratask和MBB為基礎依據進行各種各樣的改進，管制員的工作負荷會受各種復雜性因素的影響而隨之改變，比如天氣因素、扇區結構變化、流量變化、生理變化，等等。本文以到達航班的每架飛機為單位，計算管制員分別在每架飛機上消耗了多少負荷，所以文中的工作負荷數學模型只提取主要衡量指標，并融合所調研地區的終端區特點以及管制規則進一步優化建模。本文將管制員工作負荷分為四大類：通信負荷、非通信負荷、思考負荷、雷達引導負荷。根據調研了解到，當飛機存在潛在沖突亟待調整時，管制員的首要手段就是雷達引導，所以本文會在數學模型中融入雷達引導時的工作負荷計算公式。最后通過MinDS模型進行管制員工作效率的評估。

1.1 ?至強有效前沿最近距離模型（MinDS模型）

其中，ρ為效率值，i為投入要素，m為投入要素數量，r為產出要素，q為產出要素數量，k為決策單元，x為投入變量，y為產出變量，λ為DMU的線性組合系數，和為投入產出松弛變量，投入和產出的無效率分別體現為、。

其中，M為一個足夠大的正數。MinDS模型由兩部分構成：第一部分是模型（1），由目標函數和約束（1）組成;第二部分由約束（2）組成，約束（2）的目的是使參考標桿位于同一超平面內。

1.2 ?進近管制員工作負荷模型

本文將管制員工作負荷分為四大類：通信負荷、非通信負荷、思考負荷、雷達引導負荷。管制員工作中的通信負荷主要是指指令負荷和交接負荷，其中指令負荷包含發出更改航空器高度、速度、航向指令以及指令發出后接收飛行員的復誦、確認或其他反饋信息所需的時間;交接負荷是指當航空器進入其他扇區，為了保證空管指揮工作順利交接，需要與負責不同扇區管制員進行的協調交接工作。

管制員的非通信負荷主要包括屏幕監視負荷和填寫操作負荷。屏幕監視負荷是指關注進場航空器動態，發現各個進場航空器之間存在的潛在沖突，及時跟進航空器的航行要素信息（如航班號、計劃路徑、位置、高度、航向和速度等），進行精準的識別與記錄，與此同時，還需要對飛行進程單（電子或紙質）進行相應的填寫和標記，在管制自動化系統的人機界面（Human Machine Interface， HMI）上進行相應的操作等。

管制員的思考負荷是指在發出更改航空器高度、速度以及航向指令前，管制員根據具體情況提前預測思考所耗費的時間。

雷達引導為解決沖突的首要手段，使用頻率較高，所以雷達引導的工作負荷需要分開計算。一般前后飛機在某個航路點有沖突時，管制員通常會進行雷達引導，時刻關注飛機動態發布指令引導飛機飛行，雷達引導包含調整飛機速度、高度和航向等措施，而且在在雷達引導期間屏幕監視負荷會增加，所以雷達引導的工作負荷為雷達引導期間所用的指令負荷、思考負荷以及監視負荷之和。

在時間段t內，扇區管制員總工作負荷的計算公式為：

其中：W（t）為在時間段t內，扇區管制員的總工作負荷;為對于路徑k上的航空器i，s扇區管制員所需承擔的工作負荷。可進一步細分為通信負荷、非通信負荷、思考負荷和雷達引導負荷，如式（4）所示：

其中，為對于路徑k上的航空器i，管制員所需承擔的平均通信工作負荷;為對于路徑k上的航空器i，管制員所需承擔的平均非通信工作負荷;為對于路徑k上的航空器i，管制員所需承擔的思考工作負荷;為對于路徑k上的航空器i，管制員所需承擔的雷達引導工作負荷。

2 ?到達航班排序及管制員負荷算法設計

本文以管制雷達所記錄的入口點數據為初始值，每架入場航班都有自己的計劃飛行路線，每條路線上分布著已知的航路點，我們以BADA數據為基礎預測每架航班在航路點上的預計到達時間，然后進行排序。當發現前后飛機在同一個航路點上有潛在沖突時，程序會模擬進近管制員采取相應策略調節尾隨飛機，直至沖突解決。同時程序會記錄所降落的航班被行使了哪些策略，從而計算出值班的管制員在此航班上消耗了多少負荷。

2.1 ?基于BADA數據的航路點時間預測

航空器基礎資料（Base of Aircraft Data， BADA）包含了世界上399種機型航空器性能參數，本文從中選取了白云機場常年飛行的航空器數據，將其分為中型機（M）、重型機（C）、一般重型機（B）、超級重型機（J），分別讀取并整理不同類型航空器在進場、進近過程中的速度信息和高度信息。其中，根據航空器性能參數，我們以平均速度為基準，將速度調整區間控制在0.9 avg～1.15 avg之間，根據不同機型將每個不同高度層的航段下降速度分為5檔，1檔即最大下降速度（1.15 avg）、2檔下降速度（1.1 avg）、3檔下降速度（1.05 avg）、4檔即平均下降速度（avg）、5檔下降速度（0.95 avg），并將其轉化為以秒為單位的時段用時，以A320為例，如表1所示。

2.2 ?算法流程

本算法以15分鐘為一個時間段，在同一個時間段內讀取進入終端區的航班數據，基于BADA數據預測航路段用時，如表1所示，計算下一個航路點的預計到達時間，按照這個預計到達時間進行先后排序，對于存在潛在沖突的前后飛機，則會使用調整策略（調速、調高、航向改變）對尾隨飛機進行調配，更新到達時間，找到最優策略直至沖突解決，然后再次更新排序。算法具體設計流程如圖1所示。

3 ?算例

本算例采用JavaScript進行編程計算，開發平臺為Node.js v14.15.4。

3.1 ?終端區概況

如圖2所示，本文將終端區分為兩大扇區，共有五個入口點，兩個最終進近點。西扇區的入口點有ATAGA、GYA，最終進近點為G404;東扇區的入口點為IGONO、P270、IDUMA，最終進近點為G407。當到達航班最終降落到G404時由西扇區的管制員負責管制，降落到G407時則由東扇區的管制員負責管制。

目前，飛機入場路線分為7條，分別為：

A：ATAGA—p1—TAN—AGVOS—G404

a1：ATAGA—p1—CON—CEN—G408—G407

b：GYA—AGVOS—G404

c：IDUMA—SHL—CEN—G408—G407

d：P270—SHL—CEN—G408—G407

e：IGONO—p2—CON—CEN—G408—G407

e1：IGONO—p2—TAN—AGVOS—G404

其中，a1路線和e1路線的到達航班跨越兩個扇區，所以日常的交接指令會增加一條。

3.2 ?預計到達時間及工作負荷計算

管制席位等級劃分為見習管制員、五級管制員、四級管制員、三級管制員、二級管制員、一級管制員和特級管制員。目前白云機場終端區一共有放單人員（即管制員）80人，其中一級管制員和特級管制員較少，常常作為帶班主任進行全局把控，所以本文選取五級至二級管制員作為具體操作人員。另外，本文通過語音統計計算以及問卷調查量化了管制員的各項工作內容耗時，如表2所示。

除表2所示的數據外，日常的監視負荷設定為飛機飛行時間的25%，雷達引導狀態下的監視負荷設定為35%～50%。

本部分采用白云機場三個時段的到達航班數據進行預測計算，每個時段的時長為1小時，分別是空閑時段的20架航班，繁忙時段的35架航班，以及非常繁忙時段（高峰小時段）的43架航班。以繁忙時段到達航班數據為例，在繁忙時段有35架航班到達，其中有20架航班降落在西扇區的最終進近點G404，有15架航班降落在東扇區的最終進近點G407。

表3為西扇區的部分降落數據，其中單架飛機總負荷是指管制員在該飛機上所消耗的通信負荷、非通信負荷以及雷達引導負荷之和。

其中，通信負荷中的指令負荷和雷達引導負荷中的指令負荷都是通過記錄管制指令數量來計算的。管制指令分為日常指令和雷達引導的指令，日常指令分為速度、高度、航向改變指令和交接指令;雷達引導的指令分為速度、高度航向改變指令。以降落次序第18的航班7為例，其路線選擇為a：ATAGA—p1—TAN—AGVOS—G404，除去終點G404，一共有4個航路點，由于各個航路點的高度層、速度及航向都不一樣，所以管制員都會在某個航班到達一個航路點時對其發出速度、高度以及航向指令去改變或者維持飛機的飛行狀態，以免該航班在下一個航路點與其他航班發生沖突。

當某一航班在某個航路點與前面一架飛機的間距小于15 km（96 s）即存在潛在沖突時，管制員會對該航班進行雷達引導，密切關注飛機動態并發出指令以避免沖突，優先對飛機調整速度，其次是調整高度。本文默認到達航班在航路上以最大速度飛行，所以當飛機調整速度時能調整5個檔次的速度，如表1所示，如果調整為最慢飛行速度還無法解決沖突，則采用雷達引導航向改變策略飛三角形航線，如果航向改變策略亦無法解決沖突或者是在采用該策略后造成新的沖突則使用調整高度策略，以均速向上飛行300 m以保持垂直安全間隔。

綜上所述，管制員的指令分為日常指令和雷達引導的指令兩大類，雷達引導時可供選擇的策略有三種：調整速度、調整航向以及調整高度。而管制員的工作總負荷就是通信負荷、非通信負荷以及雷達引導負荷之和。

由表3可以看出，該算法程序模擬管制員策略，規避了潛在沖突，并自動進行了降落隊列排序，同時還預估了管制員所消耗的負荷，有利于提高管制員的管制效率。

3.3 ?進近管制員工作效率評估

表4中的數據指標是實例數據代入算法的綜合結果，決策單元（Decision Making Unit， DMU）中的（III）、（II）、（I）分別代表非常繁忙時段、繁忙時段和空閑時段。決策單元“五級西（III）”代表在非常繁忙時段中西扇區的五級管制員。（I）總負荷為投入變量，為西扇區每架降落飛機所消耗管制員的工作負荷總和。（O）降落架次、（O）解決沖突次數以及（O）準時降落架次這三者為產出變量，其中：

（1）降落架次。管制員指揮降落的飛機總和。

（2）解決沖突數。所有降落飛機在飛行過程中產生的沖突總和。

（3）準時降落架次。按航班時刻表準時降落的飛機架次總和。

表5為MinDS模型的測算結果，松弛變量即可優化的量，效率值小于1的為無效DMU，效率值等于1的為有效DMU。由表5可知，有效DMU有4個，分別為二級東（I）、二級西（I）、二級西（II）、二級西（Ⅲ）。從級別來看，管制員級別越高，能力越強，管制效率越高;從繁忙程度來看，同級別管制員在空閑時段的管制效率高于繁忙時段和非常繁忙時段，主要原因是空閑時段管制員工作量小即所承受的管制員負荷較低;由于MinDS模型為非導向模型，所以最終結果會盡可能同時優化投入和產出變量，例如2號DMU二級東（II）的總負荷、降落架次、解決沖突次數、準時降落架次的優化結果分別為（-291.67、1.33、0.11、0.67）。

4 ?結 ?論

本文基于BADA數據對進場航班進行過點時間預測，并設計了算法程序提前發現潛在沖突，模擬管制員的調配策略自動解決沖突，對進場航班的到達時間進行排序，最終記錄每架航班所用策略以及所消耗的指令，合理評估了進近管制員的工作負荷，并通過DEA方法中的MinDS模型測算了工作效率。算例表明此程序可以有效地輔助管制員進行預測和思考決策，提高管制效率。同時此算法可用于評估管制員能力，對于空管部門戰略部署、容量評估、優化進場策略具有積極意義。下一步準備豐富算法中的管制策略，改進效率評估模型，使預測時間和效率評估更貼近現實情況。

參考文獻：

[1] CHARNES A，Cooper W W，RHODES E. Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978，2（6）：429-444.

[2] 姚虹翔.管制員工作負荷評估方法研究 [D].南京：南京航空航天大學，2007.

[3] 董襄寧，胡明華，蘇璟.基于管制員工作負荷的終端區容量評估 [J].航空計算技術，2011，41（1）：5-8+13.

[4] LI Y J，Wang L Z，LI F. A data-driven prediction approach for sports team performance and its application to National Basketball Association [J].Omega，2021，98：102123.

[5] 陳芳，沈芮宇，楊詩琪.基于畢達哥拉斯模糊和改進TOPSIS的管制員人為風險評估[J].安全與環境學報，2021，21（5）：2093-2100.

[6] MAHMOUDI R，EMROUZNEJAD A，SHETAB-BOUSHEHRI S N，et al. The origins， development and future directions of data envelopment analysis approach in transportation systems [J].Socio-Economic Planning Sciences，2020，69：22-35.

[7] KOHL S，SCHOENFELDER J，F?GENER A，et al. The use of Data Envelopment Analysis （DEA） in healthcare with a focus on hospitals [J].Health Care Management Science，2019，22（2）：245-286.

[8] TOSHIYUKI S，YAN Y，MIKA G. A literature study for DEA applied to energy and environment [J].Energy Economics，2017，62：104-124.

[9] LIU J S，LU L Y Y，LU W M. Research fronts in data envelopment analysis [J].Omega：The International Journal of Management Science，2016，58：33-45.

[10] KAO C. Network data envelopment analysis： A review [J].European Journal of Operational Research，2014，239（1）：1-16.

[11] 張婧婷.基于管制負荷的扇區運行安全評估研究 [D].南京：南京航空航天大學，2014.

[12] COOK W D，TONE K，ZHU J. Data envelopment analysis： Prior to choosing a model [J].Omega，2014（44）：1-4.

[13] LIU J S，LU L Y Y，LU W M. Data envelopment analysis 1978-2010： A citation-based literature survey [J].Omega，2013，41（1）：3-15.

[14] 陳晨，向東.基于管制語音特點統計分析的管制負荷評價 [J].空中交通管理，2010（10）：4-6.

[15] TONE K. A slacks-based measure of efficiency in date envelopment analysis [J].European Journal of Operational Research，2001，130（3）：498-509.

作者簡介：陳廣杰（1996—），男，漢族，湖北黃岡人，碩士研究生在讀，研究方向：空中交通管理優化。