基于Anylogic的航站樓模擬仿真高國康

關鍵詞：Anylogic;航站樓;模擬仿真

中圖分類號：TP391.9 文獻標志碼：A

0 引言（Introduction）

新型冠狀病毒感染疫情，使全球民航運輸領域遭受到重大沖擊，但仍有較大比重的出行人員選擇民航運輸方式。根據中國民用航空局發布的《2021年民航行業發展統計公報》顯示，2021年全國民航運輸機場完成旅客吞吐量9.07億人。

機場航站樓是民航運輸體系的重要組成部分，容納了大量旅客。在整個體系中，機場候機樓承擔著疏散旅客和聚集旅客的作用[1]。若旅客離港業務進展緩慢，會延長旅客滯留時間，降低旅客的出行體驗。因此，航站樓必須從細節入手，通過優化機場航站樓布局方案和更好地進行航站樓內部資源管理，為旅客提供高效、快捷的出行體驗。

相較于傳統的數學模型，虛擬仿真技術具備體驗性和交互性的特點[2]。采用計算機模擬仿真的形式，可以在不使用任何物理資源的條件下，獲得與航站樓實際運行接近的模擬效果[3-6]。基于以上特點，本研究使用Anylogic仿真軟件對機場航站樓進行環境構建和邏輯模塊編寫，完成模型運行中數據的可視化。

1 社會力模型簡介（Introduction to the socialforces model）

公式（4）中參數意義與公式（3）中參數意義類似，此處不再贅述。

Anylogic仿真軟件使用的行人庫基于社會力模型，能夠精準地描述行人心理對其行為的影響，并且重現疏散過程中“快即慢”“出口拱形”等現象[2]，因此本研究選用Anyloigc仿真軟件進行仿真建模。

2 航站樓空間模塊的構建（Terminal spacemodule construction）

航站樓模擬空間的構建是完成整體仿真過程的基礎，本研究根據真實的航站樓CAD圖的比例構建航站樓模擬空間，在Anylogic仿真軟件中使用空間模塊進行相應的設施搭建。空間模塊包括Walls（墻體）、Target line（目標線）、Service（服務區域）等。在Anylogic仿真軟件中，墻體可視為模擬空間中存在的墻壁和障礙物，目標線可視為行人智能體生成、前往和消失的線。目標線在本研究中作為旅客登機生成和消失區域，是旅客智能體生成區域和登機目標。服務區域可以分為區域服務和線性服務，與邏輯模塊結合使用可視為智能體在此區域內接受服務。服務區域在本研究中作為航站樓內行人可參與各種服務設施，例如航站樓內部店鋪、安檢排隊線。

圖1為航站樓模擬空間模塊搭建效果圖，整體框架描繪線條表示航站樓墻體，各登機口用目標線設置，并在附近進行標號，作為旅客智能體的最終目的地。登機口附近區域為旅客登機前的休息區域，被墻體包裹的其他矩形區域為航站樓內部的商鋪。本研究中以安檢區域作為分割線將航站樓分為值機大廳與等待大廳，值機大廳中并排排列的服務線為值機柜臺及排隊區域。調整比例尺，使1 m對應6.57像素，讓空間模塊的比例與真實航站樓一致。至此，航站樓模擬空間模塊搭建完成。

3 航站樓離港旅客流程分析（Terminaldeparture passenger flow analysis）

為了使模擬效果更加貼近航站樓的日常運行，需要對當前航站樓的運行流程進行分析。在航站樓中，旅客要經歷的流程可以分為必要流程和非必要流程兩類。必要流程是指旅客在登機前要經歷的必要事件，如安檢、值機等。不進行必要流程則無法進行下一流程。非必要流程是指旅客可以根據自身意志選擇行動，如到咖啡店買咖啡、到問訊處咨詢等。航站樓旅客服務流程如圖2所示。

航站樓的環境復雜，本研究僅考慮航站樓旅客登機層，不考慮旅客到達層，旅客到達后先進門安檢，然后可以選擇進入值機流程或享受值機大廳提供的其他服務，而值機是必須的流程且只需進行一次，值機流程后，則需要選擇安檢流程或享受值機大廳提供的其他服務。旅客安檢后進入等待大廳，在等待大廳需要選擇候機流程或享受等待大廳提供的其他服務。到登機時間，機場廣播通知旅客登機，此時進行登機流程，至此旅客在航站樓經歷的整個流程結束。以上僅為航站樓旅客需經歷的簡單流程，仿真模擬所需細節構造將在第5部分給出。

4 邏輯模塊構造（Logical module construction）

本研究使用Anylogic仿真軟件中的邏輯模塊進行航站樓流程構造。可以利用Anylogic仿真軟件中的行人庫仿真模擬旅客智能體，其中行人庫中包含pedSource模塊、pedSink模塊、pedGoTo模塊等，通過連接線連接各個邏輯模塊，可以實現旅客智能體從生成到經歷各個流程的整體過程。但是，邏輯模塊不能單獨使用，必須與空間模塊相結合，才能仿真模擬旅客在航站樓的整個流程。在Anylogic模型中，智能體通過左側目標線與行人生成模塊（pedSource）結合，實現從左側目標線生成行人智能體。矩形節點與行人等待模塊（pedWait）結合，實現行人智能體等待。線服務與行人服務模塊（pedService）結合，實現線性等待。pedGoTo模塊讓智能體從線性排隊到達最后目標線，pedSink使智能體消失，也是流程的終點，如圖3所示。

但是，僅使用Anylogic行人庫自帶邏輯模塊，會使得在頁面中的邏輯模塊過多，并導致連接線繁雜，不利于后期更改模塊或找尋相應的參數。因此，本研究使用封裝智能體的方式，將重復的邏輯模塊封裝為智能體，減少頁面中的邏輯模塊，并能準確定位各模塊[8]。

Anylogic仿真軟件封裝智能體并在主界面中使用的方式如下：①選擇新建智能體的類型;②根據使用者的需求，使用軟件自帶的邏輯模塊在新智能體類型中構建邏輯圖;③在主界面中通過拖拽的方式將新建智能體類型放入主界面中;④在新建的智能體類型中設置邏輯模塊參數。

以智能體值機為例，值機柜臺的數量為12個，一個值機柜臺有10個值機窗口，同樣值機的排隊線也有10條。在不封裝智能體的情況下，由于行人庫中的選擇模塊（ped SelectOutput）只能選定5個分支，則至少需要選擇2個模塊、10個服務模塊（ped Service）以及30多條連接線，因此要完成整個值機模塊的復雜性非常高。

封裝智能體，僅需設置初始智能體的數量，并綁定封裝智能體的內部參數，即可實現多個相近的邏輯流程。

圖4展示了封裝智能體的過程，左側為封裝智能體，右側為使用封裝好的智能體。封裝智能體內部使用enter模塊，一般與exit模塊對應使用。exit模塊將傳入智能體從流程流中取出，并允許用戶指定如何處理它們。enter模塊則接受exit模塊中取出的智能體，并將智能體插入流程模型的特定點。圖5中的enterCheckIn 模塊起到了接受智能體的作用。queueBeforeCheckIn模塊綁定值機線性服務，RestrictedAreaStart與RestrictedAreaEnd模塊作為限制模塊，限制它們之間的模塊智能體數目。checkin模塊綁定目標線，旅客智能體將在此處停留，模擬辦理值機窗口的業務，然后行人智能體將在圖標處離開本封裝智能體。在主界面中可以直接選擇與邏輯模塊綁定的空間模塊，但是封裝后，需要在封裝智能體內部提供一些參數，使用封裝模塊時將需要的值與封裝智能體內部參數對應，實現邏輯模塊與空間模塊的綁定。

封裝智能體使用過程如圖4右側所示，將傳入參數與封裝智能體內部參數的類型和數量進行對應，即可使用封裝智能體。在本研究中，創建了10個checkin智能體，它們的索引可由get（index）獲得，而下方checkIn1_checkInDeskQueueShape與checkIn1_stopBeforeDeskLine是由本研究提前創建的該類型數據的集合，各包含了10個線服務與10個相對應的等待線。通過以上方式可將提前創建的10個checkin智能體綁定不同的空間模塊，而checkInTimeMin、checkInTimeMean等是所有checkin智能體公用的參數，以上就完成了封裝智能體的使用，實現了一個值機柜臺的邏輯模塊與空間模塊的綁定，后續需要再次封裝，就可以獲得12個值機柜臺的集合的封裝智能體checkins。

其他的服務流程類似，本文不再贅述，航站樓整體邏輯模塊如圖5所示。旅客智能體通過passengerarrival模塊生成，從5個入口進入值機大廳，通過exitTo選擇進入checkins模塊進行值機流程，或是選擇進入serviceBeforeCheckIn模塊享受值機大廳提供的其他服務，而旅客智能體完成值機流程后，通過Towait_or_leave模塊離開，并從fromCheckin模塊與選擇享受值機大廳提供的其他服務的旅客智能體匯合，通過service_exit模塊。在service_exit模塊中，可以選擇旅客智能體進入服務或進行值機或安檢，如果旅客智能體未進行值機流程，那么將無法進行安檢流程。安檢模塊分為經濟艙安檢與貴賓安檢，旅客智能體經過安檢模塊后，可以前往等待大廳服務模塊或等待起飛，直到登機流程開始，旅客智能體排隊登機進入登機口后，整個流程結束。為了避免旅客智能體無法進行登機操作卻仍留在仿真環境中，使用passengerIsLateOrDocumentsAreNotCorrect模塊接收所有無法按時完成整體流程的旅客智能體，并銷毀智能體。

5 參數設定及仿真模擬（Parameter setting andsimulation）

5.1 輸入參數設定

輸入的參數準確與否是仿真是否可靠的直觀體現，本研究從中國民用航空第二研究所獲得了大量真實數據，包括值機時間、安檢時間、候機時間等。但是，大量的數據無法直接當作參數輸入模型中，需要采用數學方法獲得能夠輸入模型的參數。

（1）旅客到達分布

旅客到達分布是指同一航班旅客到達航站樓時間的分布情況。控制旅客智能體的到達時間，對模擬仿真研究至關重要。根據現有研究[3]可知，到達旅客分布基本符合泊松分布，從真實數據來看，旅客提前到達時間處于飛機起飛前1～3 h，故根據泊松分布與旅客到達時間區間確定同一航班各旅客智能體到達時間間隔。

（2）功能單元與工作人員配備

功能單元與工作人員人數如表1所示。

值機柜臺數量為12個，同時值機柜臺開啟的數量隨著時間變化而有所變化，由于機場航站樓的航班較為密集，因此值機柜臺開啟數量基本保持在10個左右，值機柜臺配備工作人員1～2人、后臺開包檢查員配備4～8人。

值機大廳商鋪有21個，等待大廳有商鋪49個，根據每個商鋪的面積大小通常配備服務人員2～6人。

安檢柜臺數量有28個，與安檢通道數量一致，安檢柜臺工作人員一般配備1人，安檢通道工作人員配備2～6人。

航站樓樓層入口有5個（不包含其他樓層）。

航站樓登機口共69個，在本研究樓層中有43個，其余登機口在本樓層樓下，但是需要從值機大廳乘坐電梯或扶梯到達下一層登機口。雖然這部分旅客并不在本研究中的樓層進行登機操作，但流程操作一致，故邏輯模塊中對于此類旅客，流程結束即旅客到達扶梯指定位置。

（3）各單元服務時間

關于各單元的服務時間，由于旅客攜帶物品情況、旅客年齡、旅客操作是否熟悉等因素各不相同，因此無法確定一個統一的時間，但經過數據分析，得出各功能單元服務時間區間如表2所示。

旅客完成值機的時間大多為1～4 min，有部分旅客由于自身原因花費時間會大大超出此時間區間，所以此類數據應當剔除。安檢時間是指旅客通過整個安檢通道花費的平均時間，一般為1～2 min，同樣有大大超出平均時間的特例，在此也不做考慮。機場播放登機廣播一般為飛機起飛時間前30 min，本研究不考慮航班延誤或提前等情況，默認為航班準時起飛，在機場播放登機廣播后，工作人員開始檢查登機牌，并引導旅客從登機口進入飛機，一般檢查時間為1～6 s即可完成。

（4）航班信息

本文模擬環境采用真實航班信息，包含航班名稱、起飛時間、值機柜臺和航班人數。航班人數在本模型中與旅客到達分布結合，完成旅客到達模塊。值機柜臺的數據包括值機柜臺名稱、值機時間、航班信息等，在本研究的航站樓中，旅客可以在各航空公司的柜臺進行值機操作，而其中有一些柜臺僅向商務艙開放，在值機模塊前，智能體需要提前從所有可選擇的值機柜臺中選擇一個進行值機。首先獲取當前旅客智能體的坐標（x，y），并與可以進行值機操作的柜臺進行距離比較，最終選擇最近的值機柜臺。值機柜臺下仍包含多個值機窗口，故旅客智能體會選擇排隊人數較少的窗口進行值機操作，而商務艙旅客智能體則會選擇指定值機窗口進行值機。

5.2 仿真模擬

將邏輯模塊與空間模塊結合，并將上文所述參數加入仿真模型當中，并對旅客智能體加以一些限制，在服務選擇上采用隨機選擇的方式，但在離航班起飛前1.5 h，則強制智能體前往值機柜臺進行值機，其他必要環節同理。如果不對旅客智能體加以限制，就可能導致航班接近起飛但旅客仍未完成值機、安檢等一系列必要的流程操作，從而導致誤機現象產生。

Anylogic仿真軟件中允許使用Excel表格作為數據來源，故將存儲航班信息的Excel表導入Anylogic仿真軟件中，并逐行讀取航班信息，將航班信息作為參數導入封裝好的航班智能體當中，使仿真模型旅客生成模塊可以按照對應航班生成旅客智能體，并將上文所述各單元服務時間加入對應邏輯模塊當中。運行2D仿真模型，仿真2D效果圖如圖6所示。

在2D環境下，由于本研究中的航站樓空間布局較大，因此不利于發現擁堵區域，此時可以使用密度圖的方式解決此問題。密度圖顏色的深淺代表當前每平方米的行人智能體的數量，顏色深代表當前區域人數多，顏色淺表示區域人數少。

Anylogic仿真軟件支持觀看模型的仿真3D模擬效果，在主頁面加入3D窗口即可觀看模型的3D動畫效果，此外可以添加3D元素，比如顯示器、安檢門等，可以讓模型更加生動。航站樓的部分仿真3D模擬效果如圖7所示。

5.3 數據可視化

本研究的目標為建立細致化的仿真模型，能夠在一定程度上反映航站樓內部情況，便于后期對航站樓的布局設計進行優化，對加強資源管理提出可行性方案。但是，僅搭建仿真平臺并不能讓管理者直觀地了解旅客平均安檢排隊時間、旅客平均等待時間等關鍵數據，更無法實時發現哪些區域會產生擁堵情況，故本研究采用數據可視化方式將仿真模型在動態運行中的各類數據以圖表的形式呈現，既方便在調試中發現異常，又可以直觀地了解各區域人數與旅客平均等待時間等關鍵數據。

對圖8中的各類數據進行解釋，并講解數據獲取方式。服務利用率是指各類服務中旅客智能體的數量與服務最大容納量的比值。以值機柜臺為例，本研究中設定每一個值機窗口前旅客排隊數量最多為30人，一號值機柜臺有10個值機窗口，那么當前人數與一號值機柜臺最多容納人數300的比值即為服務利用率。同樣，服務利用率可以展示值機柜臺的利用率，利用組合框模塊組合可編輯字段和下拉列表，就能實現多種數據組合，并通過選擇不同服務展現不同服務區域的利用率。總時間統計是指旅客智能體從生成到完成值機的時間，在創建旅客智能體時，還要創建一個參數存儲旅客智能體的生成時間，并利用Anylogic仿真軟件自帶的獲取當前模型時間函數獲取模型當前時間。在完成登機流程時，再次獲取模型當前時間，減去旅客智能體生成時間，即旅客智能體在航站樓的總時間統計，并將此值加入條形圖數據集中，完成總時間統計數據集構建。平均用時是指總時間統計數據集中所有智能體完成登機的用時數據的平均值，旅客用時分布為以5 min為間隔的時間區間內完成登機流程的智能體數量。

通過可視化模型運行期間的部分動態數據，在接下來的仿真優化研究中，能夠快速地對各優化方案進行評估，仿真模型使用難度也大大降低。

6 結論（Conclusion）

通過Anylogic仿真軟件對機場航站樓進行邏輯模塊和空間模塊建模，并對航站樓旅客流程進行梳理，使用智能體封裝的方式減少邏輯模塊的數量，大大提高了模塊的復用性。在未來的研究中，可以為航站樓設施優化和資源管理構建仿真平臺，按照實際布局進行模擬仿真，向機場管理者提供實時數據，并根據仿真結果提出優化建議。

作者簡介：

高國康（2000-），男，碩士生。研究領域：數據挖掘，機器學習。

鄭皎凌（1981-），女，博士，副教授。研究領域：智能信息處理與知識工程，機器學習。