航班起降波形分類及特征研究

李雄, 陳曉清, 李冬賓, 衛東選

(1.中國民航機場建設集團公司 規劃設計總院, 北京 100101;2.中國航空工業發展研究中心, 北京 100029;3.中國民航管理干部學院 空管系, 北京 100102;4.長安大學 公路學院, 陜西 西安 710064)

?

航班起降波形分類及特征研究

李雄1, 陳曉清2, 李冬賓3, 衛東選4

(1.中國民航機場建設集團公司 規劃設計總院, 北京 100101;2.中國航空工業發展研究中心, 北京 100029;3.中國民航管理干部學院 空管系, 北京 100102;4.長安大學 公路學院, 陜西 西安 710064)

摘要:以OAG航班計劃數據為基礎,對全球大型機場日客運航班的起降波形進行分析并歸納分類,得出鋸齒形、梯形、早晚高峰形和疊加形4類航班波。同時,提出4個特征指標用于對航班起降波形進行評估,分別為高峰起降航班占比率、飛行架次標準差比值、高峰起降間隔時間和降落-起飛高峰配對數。以我國旅客吞吐量排名前10位的機場為例,分析各機場航班起降波形及其特征指標。研究結果表明:我國大型機場客運航班起降波形以早晚高峰形航班波為主,高峰起、降航班占比率均值分別為64.1%和59.0%,飛行架次標準差比值為0.12,日間運行時段尚未形成明顯的降落-起飛高峰配對,與國際大型樞紐機場航班運作模式尚有一定差距。

關鍵詞:空中交通管制; 航班波; OAG航班計劃數據; 機場; 航班時刻

0引言

根據國際機場協會(Airport Council International,ACI)最新公布的統計數據,2014年旅客吞吐量排名世界前20位的機場,中國內地占據3席,分別是第2位北京首都國際機場、第15位廣州白云國際機場和第19位上海浦東國際機場,年旅客吞吐量分別達到8 613萬、5 478萬和5 169萬人次。隨著機場客運量的增大,航班起降架次迅猛增加,機場航班時刻資源日益緊張,尤其是大型機場的航班時刻已成為稀缺性資源[1]。航班起降時刻在機場全天24 h中的數量分布曲線,即形成機場起降航班波。因此,開展對航班起降波形,尤其是大型機場客運航班起降波形的研究,對于合理有效組織航班運行,提升機場使用效率具有重要意義。

當前針對航班時刻或航班起降波形的研究主要圍繞以下幾方面展開:(1)從政策法規的角度,對航班時刻的統籌管理、公平分配進行研究[2-4];(2)從理論算法、數學模型的角度,對航班時刻優化配置、減少航班延誤展開研究[5-9];(3)從構建樞紐機場的角度,對航班起降波形的優化調整進行研究[10-12];(4)針對特定機場、航空公司的航班時刻安排或航線網絡布局開展研究[13-16]。總體而言,針對航班時刻或起降波形的研究多側重于對機場航班時刻優化調整及航班波形重構的分析,對現有大型機場既已形成的航班起降波形及其特點的系統分析、研究并不多見。

本文將以官方航空指南 (Official Airline Guide,OAG)[17]航班計劃數據為基礎,深入分析全球大型機場高峰月的日客運航班的起降波形,并進行歸納分類,同時對波形特征評估指標進行研究,并應用于我國大型機場的客運航班起降波形分析。

1航班起降波形分類

針對全球年旅客吞吐量排名前50位的國際大型機場,應用OAG航班計劃分析工具提取其2014年高峰月的日客運航班起降架次數據進行分析,并生成日客運航班起降波形圖。根據各機場波形特征歸納得出以下4類具有代表性的航班波形。

(1)鋸齒形航班波

航班起降高峰交替出現,一天之中形成3組及以上降落、起飛航班波峰(波谷)對,代表機場有巴黎戴高樂和迪拜國際機場,高峰日客機起、降架次分別為1 275和1 017架次,如圖1所示。形成起飛、降落鋸齒形航班波的機場,通常具有明顯的樞紐機場特性,一個進港航班密集時段緊隨一個出港航班密集時段,進出港航班銜接緊密,有利于中轉航班靈活安排起降時刻,提高中轉效率。

除以上機場,其他具有鋸齒形航班波的機場還包括:阿姆斯特丹、丹佛、仁川、香港和新加坡國際機場等。

圖1　巴黎戴高樂、迪拜國際機場Fig.1　Charles De Gaulle, Dubai International Airport

(2)梯形航班波

航班小時起降架次達到初始高峰后,日間運行階段維持窄幅振蕩,直至夜間起降航班數量快速減少形成波谷,代表機場如倫敦希思羅和東京羽田國際機場,高峰日客機起、降架次分別為1 342和1 181架次,如圖2所示。

圖2　倫敦希思羅、東京羽田國際機場Fig.2　London Heathrow, Tokyo International Airport

形成梯形航班波的機場,運行時段起降架次相對均衡,總運行架次維持在一定水平小幅波動,機場使用效率高,趨于滿負荷運行。此外,形成梯形航班波的另一客觀因素是機場周邊對噪聲較為敏感,夜間航班大幅減少或禁航。

(3)早晚高峰形航班波

起、降航班波峰極值分別出現在早上及夜晚,日間運行階段起降航班小時架次存在一定波動性,峰谷交替出現,代表機場如芝加哥奧黑爾和雅加達蘇加諾國際機場,高峰日客機起、降架次分別為2 611和1 152架次,如圖3所示。形成早晚高峰形航班波的機場,航班具有明顯的早出晚歸特征,通常作為大型航空公司的基地機場,過夜航班多。機場及跑道使用存在一定不均衡性,早離港航班、晚進港航班運行壓力大。

除以上機場,其他具有早晚高峰形航班波的機場還包括:北京首都、倫敦蓋特威克、廣州白云和上海浦東國際機場等。

圖3　芝加哥奧黑爾、雅加達蘇加諾國際機場Fig.3　Chicago O’Hare, Soekarno-Hatta International Airport

(4)疊加形航班波

起、降航班波形近似,部分時段起、降波峰重疊,小時總起降架次具有明顯波動性,代表機場如亞特蘭大和悉尼國際機場,高峰日客機起、降架次分別為2 427和843架次,如圖4所示。形成疊加形航班波的機場,航班小時總起降架次具有較強波動性,航班日運行架次仍有較大提升空間,尚未達到機場飽和運行容量。

圖4　亞特蘭大、悉尼國際機場Fig.4　Hartsfield-Jackson Atlanta, Sydney International Airport

2波形特征評估指標

針對不同機場高峰日客運航班起降波形,選取4類特征指標對航班波形進行評估。

(1)高峰起降航班占比率

高峰起飛、降落航班占比率計算公式如下:

高峰起飛航班占比率=(日小時起飛架次最大的3個時段起飛航班架次之和)/(日小時總起降架次最大的3個時段航班架次之和)

(1)

高峰降落航班占比率=(日小時降落架次最大的3個時段降落航班架次之和)/(日小時總起降架次最大的3個時段航班架次之和)

(2)

該指標主要用于評估起降高峰時段跑道使用的不均衡性,指標值越大表明起飛或降落航班占比越大,接近50%則說明高峰起降運行相對均衡。如巴黎戴高樂和倫敦希斯羅國際機場高峰起飛航班占比率分別為65.4%和51.8%,高峰降落航班占比率分別為60.0%和50.6%。

(2)航班飛行架次標準差比值

航班飛行架次標準差比值,指機場在時段07:00～ 22:00運行期間共15個時段小時起降架次的標準差與全天平均小時起降架次的比值。該指標主要用于評估機場常態化運行期間,小時飛行架次的波動性,指標值越大航班小時運行數量波動性越大,反之則波動性越小。對于運行流量趨于飽和的機場,通常小時飛行架次波動性較小,即相應的航班飛行架次標準差比值較小。如新加坡國際機場航班飛行架次標準差比值為0.12,而亞特蘭大則為0.32。

(3)高峰起降間隔時間

起飛高峰間隔時間指起飛航班波峰之間的時間間隔;降落高峰間隔時間指降落航班波峰之間的時間間隔,如圖5所示(阿姆斯特丹國際機場)。若存在多個間隔時間,則取其算術平均值。該指標主要用于評估鋸齒形航班波航班中轉時間,通常一對降落航班波峰之間伴有一個起飛波峰,航班中轉時間可近似估算為降落高峰間隔時間的一半。對于航班波峰、波谷起伏無明顯變化的機場,該指標參考意義較小。

阿姆斯特丹和巴黎戴高樂國際機場起飛高峰間隔時間分別為2.8 h和2.4 h,降落高峰間隔時間分別為2.8 h和2.7 h。

圖5　高峰起、降間隔時間Fig.5　Taking off and landing peak interval

(4)降落-起飛高峰配對數

降落航班波峰與隨后相鄰的起飛航班波峰形成一個降落-起飛波峰對,這樣的波峰對在全天起降波形中出現的總次數即為降落-起飛高峰配對數,如圖6所示(丹佛國際機場)。該指標主要用于評估中轉航班波在全天出現的頻次,指標值越大中轉航班波頻次越多。如丹佛和芝加哥奧黑爾國際機場的降落-起飛高峰配對數分別為5和4。

圖6　降落-起飛高峰配對數Fig.6　Landing-taking off peak paired quantity

3我國大型機場航班波形分析

以2014年中國旅客吞吐量排名前10位的機場為例(見表1[18]),分析國內大型機場航班起降波形及其特征指標。

表1　機場旅客吞吐量與起降架次

上述機場2014年高峰月的日客運航班起降波形如圖7所示。波形特征指標評估如表2所示。

通過對航班起降波形圖的分析,我國大型機場航班起降波形基本屬于早晚高峰形航班波范疇。早出港高峰、晚進港高峰特征較為明顯,日間運行階段降落、起飛高峰交替出現,可形成2～4組降落-起飛高峰對。

中國大型機場高峰起、降航班占比率均值分別為64.1%和59.0%,高峰起降時段跑道使用存在一定不均衡性,起飛高峰尤為突出。成都雙流和北京首都機場起降高峰跑道使用不均衡性最為明顯,高峰起飛航班占比率分別達到75.8%和70.7%,高峰降落航班占比率分別為68.5%和65.6%。深圳寶安機場起、降高峰使用跑道相對均衡,高峰起、降航班占比率分別為58.0%和55.2%。

我國大型機場平均航班飛行架次標準差比值約為0.12,機場常態化運行期間小時飛行架次波動性較小,國際同類大型機場該指標值在0.16～0.25之間。成都雙流和北京首都機場該指標值最小,僅為0.05和0.06,日間運行架次趨于飽和,因此成都和北京第二機場正在規劃建設之中。

我國大型機場高峰起、降間隔時間均值分別為

3.3 h和3.2 h,可用于航班中轉的時間近似估算約為90 min,基本滿足國內、國際航班中轉時間需求(通常國內轉國內航班在45～60 min內完成,國內轉國際或國際轉國內航班在90 min內完成[12])。

案例中分析的國內大型機場在早出港高峰與晚進港高峰之間雖然能形成若干起降高峰配對,但較之鋸齒形航班波機場(如迪拜、巴黎戴高樂、法蘭克福、阿姆斯特丹等),波動性明顯不足,尚未形成真正意義上的樞紐型運作。

機場指標1高峰起降航班占比率/%起飛降落指標2航班飛行架次標準差比值指標3高峰起降間隔時間/h起飛降落指標4降落-起飛高峰配對數1北京首都70.765.60.062.83.342廣州白云62.255.70.123.03.523上海浦東62.356.00.143.03.044上海虹橋64.260.80.144.33.03

(續表2)

4結論

本文對世界大型機場客運航班的起降波形進行了分類研究,提出了4個波形特征評估指標,并將其應用于我國大型機場客運航班起降波形的分析研究,所得結論如下:

(1) 根據航班起降波形的形態特征,歸納得出4類波形,分別為鋸齒形航班波、梯形航班波、早晚高峰形航班波和疊加形航班波。我國大型機場客運航班起降波形以早晚高峰形航班波為主。

(2) 中國大型機場航班飛行架次標準差比值約為0.12,略低于國際平均水平,機場常態化運行期間小時飛行架次波動性較小,部分機場運行流量已趨于飽和,如北京首都機場和成都雙流機場。

(3) 目前國內大型機場在日間運行時段,尚未形成明顯的起降高峰配對,與國際大型樞紐機場(如迪拜、巴黎戴高樂、法蘭克福等)的航班運作模式尚有一定差距。

(4) 對于設有大型基地航空公司的機場,早起飛與晚降落高峰特性不易被打破,可考慮在日間運行階段合理組織3～4個鋸齒形進、離港航班波峰對,以增強機場的樞紐功能。對于具有區位優勢的機場或同城第二機場,可參考鋸齒形航班波打造樞紐型運行模式。

參考文獻：

[1]金永利,劉光才,莊文武.我國航班時刻管理機制及其改革方案研究[J].中國民用航空,2008(10):107-109.

[2]楊濤.航班起降時刻資源配置研究[D].北京:北京交通大學,2008.

[3]劉光才,李章萍.航班時刻分配與抽簽機制研究[J].工業技術經濟,2008,27(7):83-85.

[4]武丁杰,孫宏.航班時刻資源的優化與管理[J].中國民用航空,2013(6):43-44.

[5]武丁杰,孫宏.基于航班延誤水平的機場航班時刻管理評價方法[J].交通運輸工程與信息學報,2014,12(1):18-21.

[6]高強,嚴俊,朱金福.CDM機制下航空公司時隙分配優化決策[J].交通運輸系統工程與信息,2011,11(5):94-98.

[7]嚴俊,吳桐水,高強,等.協同決策機制下的時隙二次指派[J].南京航空航天大學學報,2013,45(1):140-146.

[8]吳剛,夏洪山,高強.機場群運行方式下的航班時刻與頻率優化模型[J].交通運輸工程學報,2013,13(4):79-86.

[9]Kim D,Barnhart C.Flight schedule design for a charter airline[J].Computers & Operations Research,2007,34:1516-1531.

[10]李雯,許俐.我國樞紐機場航班時刻優化方法研究[J].科技信息,2009(35):152-153.

[11]王偉,王成金.樞紐機場航班時刻資源配置的時空網絡模式[J].地理學報,2013,68(6):762-774.

[12]劉武君.航空樞紐規劃[M].上海:上海科學技術出版社,2013.

[13]孫啟玲,蘇欣.首都機場航班波分析與優化[J].中國民用航空,2013(10):30-31.

[14]Dennis N P S.Long-term route traffic forecasts and flight schedule pattern for a medium-sized European airport[J].Journal of Air Transport Management,2002(8):313-324.

[15]黨亞茹,丁飛雅,宋素珍.我國航班時刻資源的分布研究[J].交通運輸工程與信息學報,2013,11(3):14-23.

[16]朱承元,衛宏,刁琳.珠三角地區多機場系統航班時刻的仿真優化[J].計算機工程與應用,2013,49(4):236-239.

[17]OAG.航班計劃分析工具[EB/OL].(2015-3-1)[2015-6-28].http://www.oag.cn.

[18]中國民用航空局.2014年全國機場生產統計公報[EB/OL].(2015-4-3)[2015-6-28].http://www.caac.gov.cn/I1/K3/201504/t20150403-73469.html.

(編輯：方春玲)

Classification and characteristics of flights taking off and landing waveforms

LI Xiong1, CHEN Xiao-qing2, LI Dong-bin3, WEI Dong-xuan4

(1.Planning and Design Institute, China Airport Construction Group Corporation,Beijing 100101, China;2.Aviation Industry Development Research Center of China, Beijing 100029, China;3.Department of Air Traffic Management, Civil Aviation of Management Institute of China, Beijing 100102, China;4.Highway School, Chang’an University, Xi’an 710064, China)

Abstract:The daily passenger flights taking off and landing waveforms of world’s large airports were analysed and classified based on the OAG flight plan data. There were four kinds of flight waveforms: zigzag waveform, trapezoidal waveform, morning and night peak waveform and superposed waveform. Besides, four characteristic indexes were proposed to evaluate the flights taking off and landing waveforms, respectively for peak taking off and landing flights percentage, flight movements standard deviation ratio, taking off and landing peak interval and landing-taking off peak paired quantity. A case study on the top 10 airports by passenger throughput in China, flights taking off and landing waveforms and their characteristic indexes were analysed. The result shows that the passenger flights taking off and landing waveforms of large airports in China are mainly morning and night peak waveforms. The average peak taking off and landing flights percentage are 64.1% and 59.0% respectively. The average flight movements’ standard deviation ratio is 0.12. During the running time, the vast majority of airports have not yet formed clear landing-taking off peak pairing. There is still a some difference between the large international hub airport and ours in terms of flights operation mode.

Key words:air traffic control; flight waveform; OAG flights plan data; airport; flight time

中圖分類號：V355; U8

文獻標識碼：A

文章編號：1002-0853(2016)02-0090-05

作者簡介:李雄 (1980-)，男，天津人，高級工程師，博士，研究方向為機場仿真模擬、機場與空域規劃設計。

基金項目:國家科技支撐計劃項目(2014BAJ04B02)

收稿日期:2015-08-20;

修訂日期:2015-11-13; 網絡出版時間:2016-01-10 14:13