機場運行態勢評價

摘要 隨著民航機場規模的擴大，提升機場效率成為當務之急。隨著建設“四型機場”要求的提出，通過數字化信息化手段提升機場運行效率成為“智慧機場”建設的重要抓手。該研究通過挖掘A-CDM系統數據，利用云模型和模糊綜合評價方法，實現機場運行態勢動態感知，提供預測和預警功能，為資源調度優化和效率提升提供數據支持。案例驗證表明：該算法和結果符合實際航班流量的時空分布特征，且其提供的預警功能有效，評估模型及算法在機場運行效率評價中具備實用性和可行性。

關鍵詞 機場運行；機場協同決策系統；云模型；模糊綜合評價

中圖分類號 V351 文獻標識碼 A 文章編號 2096-8949（2024）21-0009-04

0 引言

近年來，我國運輸機場數量與規模達到歷史新高，預計到2025年將超過270個。然而，僅依賴基礎設施擴建已無法滿足行業發展的需要，行業普遍認同數字化、信息化、智能化技術的重要性，以提升機場的保障能力、運營水平和服務品質，優化資源配置，提高運營效率。

在此背景下，民航局提出實施新時代民航高質量發展戰略，加快推進以“平安機場、綠色機場、智慧機場、人文機場”為核心的“四型機場”建設[1]。其中，機場協同決策（A-CDM）計劃于2013年啟動，對該技術平臺的數據進行挖掘，構建機場運行態勢實時評價體系，有利于提升運營管理水平、優化資源配置與調度、助力智慧機場建設。

從機場運行保障的角度出發，根據航空器在機場運行保障的主要環節建立指標體系、評價集和權重集，構建機場運行態勢動態評價模型。通過案例驗證模型可行性，幫助管理者實時了解和預測機場運行態勢，為資源配置提供支持和決策依據，提升機場運行效率。

1 機場運行系統及影響因素分析

機場是航空運輸最重要的基礎設施，需要多個部門共同協作完成運行，因此機場運行的影響因素也來源于多個方面。歐洲國家通常從機場的交通量、航班準時性、可預測性、效率和容量來評價機場運行效率；美國FAA除了考慮上述五個方面外還著重考量了航空器燃油消耗和跑道安全；我國民航總局在2014年發布的《民航航班正常統計辦法》中，將航班不正常原因歸類為天氣、空管、航空公司、軍事活動、機場、安檢、公共安全、旅客等12方面。

機場運行系統是復雜的動態交通運輸系統，以航空器為主要服務對象。隨著航班進港、離港，機場運行能力和質量不斷變化，因此航空器的運行流程與保障情況是機場運行態勢表征的核心部分。研究著眼于航空器進港、航班保障和放行三個階段，使用A-CDM技術平臺中針對機場運行流程的實時監控、里程碑技術以及信息共享功能，構建評價模型，實現機場運行態勢的動態評價。

2 機場運行態勢評價模型

2.1 指標體系

通過對機場運行系統的分析，圍繞航空器的到港、保障和放行流程，借鑒其他相關研究以及中國民用航空局起草發布的《機場協同決策系統技術規范》和《民航航班正常統計辦法》，構建機場運行態勢評價指標體系（圖1），包括三個一級指標和十六個二級指標[2-3]。

2.2 基于德爾菲法-云模型的指標權重確定

2.2.1 云模型

（1）概述

云模型的概念是在1995年，由李德毅院士提出的定性、定量轉換模型[4]。這是一種將概率統計與傳統模糊數學相結合的模型[5-6]。云模型利用數據挖掘的方法來構造“數據—概念”的視圖，對定性概念進行定量的處理，反映了事物的不確定性和隨機性。在數據處理中引入云模型可以有效提高分析的精度。

關于各個指標的具體計算方式見表1。

（2）云模型數字特征

數字特征實現了云概念的圖形表達，主要包括期望、熵、超熵三個數字特征[7]。

期望值Ex表示云的中心位置，是U中能夠代表定性概念的數值，可以用來表示結果值。熵值En是云滴x離散程度的直觀體現，也是一個反映定性概念可以接受云滴的取值范圍；熵值的大小可以直接反映模糊與隨機的關系，用來表示結果可靠性。超熵He是對熵的不確定性的度量；云的“厚度”是由超熵直接決定的，可以反映出評價結果的穩定性以及準確性。

（3）逆向發生器

逆向云發生器：與正向的發生器相比，它通過輸入N個樣本點得到定性概念的數字特征值，實現了定量數據到定性概念的轉換[8]，具體算法步驟：樣本均值—樣本方差—云模型的熵值—超熵。

2.2.2 評價指標賦權

該文采用德爾菲法，邀請民航領域專家評價各指標對航班保障正常性及機場資源占用的影響，評分范圍1～10分（分值越大代表該指標對機場運行狀態的影響程度越大）。通過公式計算專家評分數據特征，并利用MATLAB編程云模型的正向發生器生成各指標權重的云滴分布圖。如云圖不穩定，反饋修正打分，直至評分結果的熵和超熵值小于0.5。修正后各指標權重見表2。

2.3 模糊綜合評價

1965年美國Lotfi A. Zadeh教授第一次用隸屬度來表示差異之間的過渡情況[9]。模糊評價的關鍵在于運用精確的數學方法，準確地描述某些模糊的概念和問題，并解決了系統的模糊性和不確定性。

2.3.1 模糊綜合評價的步驟

（1）確定指標因素集：指標因素集是評價系統中各個評價指標組成的集合U，記為U={u1，u2，...，un}，因素集包含n個評價指標，該文中的因素集為上述的16個評價指標。

（2）確定評價集：評價集是評價等級組成的集合V。該文的評價集包含5個評價等級，分別為“優秀”[0，0.2]，“較好”[0.2，0.4]，“一般”[0.4，0.6]，“較差”[0.6，0.8]和“差”[0.8，1]五個級別，用于對評價結果進行描述。

（3）確定隸屬度：對指標進行逐一量化，確定每個評價指標相對于評價等級的隸屬度rij，將這些評價指標的隸屬度綜合起來得到模糊關系矩陣R：

（1）

rij表示評估目標僅從指標ui的角度出發考量，相對于評價等級vj的隸屬度，其中∑m j=1rij=1。該文中的隸屬度函數按照梯形分布進行構建具體如下：

“差”等級隸屬度分布函數：

（2）

“較差”等級隸屬度分布函數：

（3）

“一般”等級隸屬度分布函數：

（4）

“較好”等級隸屬度分布函數：

（5）

“優秀”等級隸屬度分布函數：

（6）

（4）確定指標權重：通過合適的方法確定每一個評價指標的權重值，且∑n i=1wi=1。權重向量記為W={w1，w2，...，wn}。

（5）求解評價結果：將模糊關系矩陣R與權重集W通過合理的模糊算子進行關系變換可以得到最終的評價結果集S。常見的模糊算子有：（?，?）、（?，●）、（+，●）、（⊕，?）等[10]。該文的評價指標較多，且每一個因素對于評價結果都存在一定的影響，只是貢獻程度有所差異，故該文擬采用加法算子（+，●），這樣能夠較為全面地考慮每個因素的影響，避免丟失重要信息。具體計算公式如下所示。

2.3.2 某一研究時間段單一航班運行情況評估

將根據上文中闡述的模糊綜合評價方法求得的評價結果集S和評價集V的各個等級的中間值進行加權平均計算，便可求得某一時刻單一航班的運行情況結果，如式12所示。

Pi（t）=S1·VT （8）

2.3.3 機場運行態勢實時評估模型

機場運行情況大致是由各個航班的運行情況組成，因此可以通過單一航班的運行情況，對所在機場當下時刻的整體運行情況進行評估。需要注意的是，當機場出現了一個運行情況最差的航班時，它對機場整體運行也會產生很大的影響。故而除了需要考慮該時刻機場中所有航班的整體運行情況外，對于運行狀態最差的航班也要進行一個考量，該文擬采用的解決方法是對其分別進行賦值。

P=a·1 n∑ n i=1Pi（t）+b·max（Pi（t）） （9）

式中：a——為機場整體運行態勢權重；b——運行狀態最差航班的權重；n——研究時刻機場內運行航班總數。

3 實例驗證

以烏魯木齊地窩堡機場的實際運行數據為例，運用上文構建的機場運行態勢評價模型，對該機場的運行態勢進行實時評價分析。

3.1 案例機場概況

烏魯木齊地窩堡國際機場有一條長度為3 600 m的跑道供航班起降，飛行區等級為4E，現有停機位共118個，C、D、E類停機位分別有75、23、20個。航站樓有T1、T2、T3三座。2019年旅客吞吐量為2 396萬，起降架次達到了178 000架次。

3.2 運行態勢評價

通過查閱資料、實地調查以及詢問該機場相關工作人員，對機場A-CDM系統實時監測得到的節點數據進行推理計算，收集到該機場2021年7月1日7：40至8：00的14個航班原始數據，將指標原始數據進一步處理并歸一化后，對該評價時刻機場內的14個航班進行模糊綜合評價，分別得到1～14號航班的模糊綜合評價得分如表3所示。

依托A-CDM系統，收集機場不同時刻的航班數據，同樣運用上述的評價方法，可以進一步得到該機場一天內的運行情況?，F收集到2021年7月1日烏魯木齊地窩堡機場的運行數據，研究日內該機場共有463個航班進入評價數據集內，依照上文評價模型進一步處理可以得到當天463個航班中運行情況達到“優秀”的共有6個，達到“較好”的有60個，達到“一般”的有214個，“較差”的有130個，“差”的有53個，數量分布上大致符合正態分布特征，平均值為0.571，分布在中間等級中。證明了該文評價等級標準劃分的合理性。同時將該機場一天的運行情況進行圖形化表達，得趨勢圖如圖2所示。

通過對烏魯木齊機場實際運行數據的計算可以發現：凌晨航班處于停航狀態時，評價結果為0，此時機場各方面處于優秀狀態；隨著客流高峰的到來，航班量不斷增加，機場運行態勢發生變化，9：00之后狀態有變差趨勢，10：00機場得分為0.709，運行態勢評價達到了“較差”，需要引起機場管理者的注意；此后評價值在短暫下降后，于19：00到達一天中運行狀態最差的時刻，此時評分為0.936，機場各部門的管理人員需要高度重視，對資源進行重新配置，解決瓶頸環節保障問題，該狀態到達22：00后隨航班量減少陸續緩解。

4 結語

機場的運行態勢變化趨勢符合實際航班流量的時空分布特征，證明態勢評估結果是可信的，評估模型在實際工作中具有可行性。該項研究深化了機場運行態勢評價的理論和實踐，其成果對于理解和優化機場運行過程中的各種因素具有重要意義，可為機場運行安全與效率提供了科學的評價工具和方法，對國內外在機場運行態勢評價領域的研究提供了寶貴的參考和借鑒。

參考文獻

[1]馮正霖.推進民航業高質量發展[J].大飛機，2021（6）：12-14.

[2]中國民用航空局.關于印發《航班安全運行保障標準》的通知[EB/OL].（2020-01-16）[2024-04-15].

[3]機場協同決策系統技術規范：MH/T 6125-2022[S].北京：中國民用航空局，2022.

[4]李德毅，孟海軍，史雪梅.隸屬云和隸屬云發生器[J].計算機研究與發展，1995（6）：15-20.

[5]YI L， LONG Z， HAIYAN L， et al. Air quality forecasting based on cloud model granulation[J]. EURASIP Journal on Wireless Communications and Networking， 2018（1）：106.

[6]YAN M， WANG J， DAI Y， et al. A method of multiple-attribute group decision making problem for 2-dimension uncertain linguistic variables based on cloud model[J]. Optimization and Engineering， 2021（4）：2403-2427.

[7]賴勇超，劉敦文，黃利俊，等.基于云模型的機制砂混凝土結構耐久性評估[J].硅酸鹽通報，2019（10）：3302-3308.

[8]王媛，劉佳豪，郝澤嘉，等.基于AHP-云模型的大型輸水倒虹吸安全綜合評價[J].水利水電科技進展，2022（2）：79-84.

[9]A. Z L. Fuzzy sets[J]. Information & Control， 1965（3）： 338-353.

[10]謝麗娟，陳俏.模糊綜合評判中合成算子的選取[J].科協論壇（下半月），2012（9）：103-104.

收稿日期：2024-04-22

作者簡介：郭冉昊（2000—），男，碩士，研究方向：推薦算法。

通訊作者：李龍海（1971—），男，碩士，副教授，研究方向：機場運行，運行安全，智慧機場。

基金項目：大學生創新創業訓練計劃項目資助“基于A-CDM技術的機場運行風險動態監控研究”（202110059059）。