基于評價模型的航站樓旅客流量異常預警模型研究

鐘翔+王曉萌+梁竹平+白楊

摘 要：大面積航班延誤或取消的情況下，航站樓內易發生旅客流量異常進而導致機場的服務保障能力受到考驗，因此，對航站樓內旅客流量進行異常預警是十分必要且刻不容緩的。文章主要通過研究特殊天氣以及空中管制因素影響下航站樓內旅客流量變化的規律，建立基于評價模型分別建立特殊天氣因素單獨影響、空中管制因素單獨影響以及特殊天氣和空中管制雙因素共同影響下航站樓內旅客流量的預警模型。通過建立上述預警模型，可以根據不同因素的影響程度來預測航站樓內旅客流量的變化，進而為機場的服務保障能力提供量化的輔助性支持。

關鍵詞：航站樓；特殊天氣；空中管制；旅客流量；預警模型

中圖分類號：V19 文獻標志碼：A 文章編號：2095-2945（2018）07-0001-07

Abstract： In the case of large-area flight delays or cancellations， passenger flow anomaly easily occurs in the terminal building， which will test the service support capability of the airport. It is necessary and urgent to carry on the abnormal early warning to the passenger flow in the terminal building. Through the study of special weather and air control factors under the influence of passenger traffic changes in the terminal， and based on the evaluation model， this paper mainly establishes the early warning model of passenger flow in terminal under the influence of special weather factors alone， air control factors alone and dual factors of special weather and air control. Through the establishment of the early warning model， we can predict the change of passenger flow in terminal according to the influence degree of different factors， and then provide the quantitative auxiliary support for the airport service support ability.

Keywords： terminal； special weather； air control； passenger flow； forewarning model

1 概述

民航客機起降的準點率受天氣和航路等因素的影響較大，而在大面積航班延誤或取消情況下，航站樓內易發生旅客流量異?，F象[1][2]，這對機場的服務保障能力是一個巨大的考驗。因此對機場航站樓旅客流量進行異常預警研究是十分必要的。

本文以天津機場歷史離港旅客數據和航班數據為研究對象，結合歷史天氣數據，研究探索因天氣、空中管制等原因造成大面積航班延誤或取消情況下航站樓旅客流量異常的規律，進而建立大面積航班延誤或取消情況下航站樓內旅客流量的預警模型，最終為機場服務保障能力[3]提供量化的輔助性支持。

2 航站樓離港旅客流量異常分析

筆者通過對天津機場2016年6月至2017年5月的航班、旅客和本場天氣數據進行分析發現，航班延誤是機場航站樓內旅客流量異常的主要原因，而影響航班正常性的原因主要為本場天氣能見度、空中管制（包括軍事活動）這兩大類。

2.1 特殊天氣情況下航站樓隔離區內旅客流量變化情況

按照天津機場空管局規定，可視距離500米以下飛機不允許起飛，可視距離550米以下飛機不允許降落。通過對天津空管局天氣數據的分析，航站樓內旅客人數影響大的天氣主要為暴雨、雪天和霧天。以2016年11月5日為例，當天天氣為“霧”， 隔離區內旅客人數與同時刻年平均值對比如圖1所示。

從圖1可知，11月5日隔離區內旅客人數峰值是同時刻年平均值峰值的4倍左右。為驗證上面霧天航班延誤對應旅客流量異常的相關性分析是否具有普遍性，選取天氣同是“霧”的2017年1月2日和2017年2月14日繼續分析。這兩天隔離區內旅客數量與同時刻年平均值對比分別如圖2和圖3所示。

通過對比11月5日，1月2日及2月14日這三天的數據，可得出在惡劣天氣情況下隔離區內旅客人數的變化呈以下特點，0-3000人的積累過程每小時約增加1000人，隨著早高峰的到來，若后續天氣能見度情況依然得不到改善的話，后面每40-50分鐘即增加約1000人。如能見度改善致航班陸續起飛，航站樓內旅客人數從最高峰回到日常均值需要6-8小時。

另外，全天機場能見度都為500米以下時，大部分航班將會取消，隔離區內旅客人數將會遠遠少于日常均值。

2.2 空中管制情況下航站樓隔離區內旅客流量變化情況

通過查閱天津運行指揮中心2017年5月份的航班正常性月報發現空中管制影響下2017年5月12日航班放行率最低為35.19%，2017年5月31日航班放行率最高為96.86%。并且這兩天的計劃航班數量一致，沒有明顯的增減。從機場安檢信息系統中抽取5月12日，5月31日這兩天的旅客數據，并進行人工計算，我們從早上5：30分開始，以每隔10分鐘計算一次航站樓內隔離區的旅客數量，一直持續到晚上23：00結束，得出隔離區內旅客人數變化（如圖4）。endprint

從上圖我們可以很明顯的發現，從5月12日的7：10分開始，機場隔離區內旅客人數明顯呈上升趨勢，一直持續到17：00分，人數幾乎是5月31日同時段的四倍，從17：00分-23：30分這段時間，人數也明顯比31日多。通過運行指揮中心的航班正常性月報可以看出5月12日空中管制原因影響航班138班，由此可以判斷出空中管制原因會導致航班延誤，進而導致航站樓隔離區內旅客人數的增加。

為了驗證這一現象的普遍性，我們選擇2017年5月26日這一天的數據進行分析，從航班正常性月報發現這一天的航班放行率為47.51%，并且空中管制原因影響航班數為112個。我們將2017年5月12日、5月26日、5月31日隔離區內人數變化趨勢在一張圖里同時展現，如圖5所示。

通過對上圖的分析可以得出，空中管制影響航班數越小，隔離區內人數積聚量就會相對而言減少。但是總體相對于沒有空中管制影響的數據而言，隔離區內人數還是增多趨勢。

綜上所述，空中管制會影響航班放行率，進而影響隔離區內人數的變化，隨著空中管制影響時間的延長，隔離區內人數會比正常值偏多。

3 不同因素影響下航站樓旅客流量異常預警模型

3.1 特殊天氣的航站樓旅客流量異常預警模型

特殊天氣可以大致分為三種：雨、雪、霧。三種特殊天氣對航班放行的影響主要是能見度的影響。

（1）霧天單獨影響的情況下，通過上述章節對于2016年11月5日、2017年1月2日以及2017年2月14日三天霧天隔離區內人數變化的分析可以得出，6：30時刻隔離區內人數基本都會達到1300人（此時刻年度均值），6：30-8：30期間，隔離區內人數以850人/小時的速度增加，8：30至放行時刻前40分鐘（天津機場目前登機時間為計劃起飛時間前40分鐘）隔離區內的人數以1200人/小時的速率增加，放行時刻前40分鐘至放行時刻隔離區內人數增長幅度為450人，放行時刻隔離區內人數達到這一天的最高峰，晚上21：00左右，隔離區內人數逐漸回落至平均人數水平。因此，霧天的隔離區內人數計算模型為：

F=N+S×T+N2 （1）

其中，N為大霧天6：30隔離區內人數的基數，根據上述分析我們取值為1300人，T為能見度小于500米的持續時間減去40分鐘（40分鐘為計劃起飛時間與計劃登機時間的間隔時間），S為隔離區內人數增長的速率，N2為放行時刻前40分鐘至放行時刻隔離區內人數的增長數，取值為450人。當放行時刻前40分鐘在8：30之前時，S為850人/小時；當放行時刻前40分鐘在8：30之后時，S分為兩部分速度，在6：30-8：30期間，S為850人/小時，在8：30至放飛時刻前40分鐘期間，S為1200人/小時。

通過此模型，我們結合天氣預報，可以預知次日因大霧造成航班延誤時隔離區內旅客人數增長情況。次日出現大霧天并且沒有空中管制的情況下，根據全天不同時刻天氣情況的預測，從出現大霧天并且能見度小于500米的時刻算起（一般情況下霧天都是從早上開始，我們這里按霧天從早上5：30開始），當能見度大于等于500米的時刻出現在7：50（8：30-40分鐘）之前時，利用上述模型可以推算出，此種情況下隔離區內人數最多為3000人。當能見度大于等于500米的時刻出現在8：30之后時，利用上述模型可以推算出，此種情況下隔離區內人數在10：30時刻會達到5400人，如果能見度大于等于500米的時刻一直延續到11：10之后，那么隔離區內人數會大于5400人，機場此時應時刻關注天氣變化及現場隔離區內的人數變化，隨時準備進行干預。

（2）小雪天氣單獨影響的情況下，通過對2016年11月21日、12月26日、2017年2月21日歷史數據分析可知，2016年11月21日雪天影響時間為7：30-21：15，12月26日雪天影響時間為6：40-13：50，2017年2月21日雪天影響時間為15：30-23：30。通過分析可知，如果天氣影響結束時間為20：00之前，則隔離區內全天最高峰會出現在結束影響時刻左右；如果天氣影響結束時間為20：00之后，則隔離區內全天最高峰會出現在早高峰7：00左右（如圖6）。

具體模型如下：

X=N+S1×T1 （2）

其中，X為雪天隔離區內人數，N為雪天6：30隔離區內人數的基數，根據上述分析我們取值為1300人，T1為6：30至雪天影響結束時刻的持續時間，S1為6：30至雪天影響結束時刻隔離區內人數的增長速率。其中，通過對歷史數據的分析可知，當雪天影響結束時間為20：00之前時，S1為67人/小時，當雪天影響結束時間為20：00之后時，S1為1200人/小時，T1為30分鐘。

通過此模型，我們結合天氣預報，可以預知次日因雪天造成航班延誤時隔離區內旅客人數增長情況。當通過天氣預報預知次日會出現小雪天并且沒有空中管制的情況下，根據全天不同時刻天氣情況的預測，當小雪天結束時刻在20：00之前時，利用上述模型可以推算出，此種情況下隔離區內人數最多為2105人左右，隔離區內人數高峰出現時刻大約在小雪天結束時刻。當小雪天結束時刻在20：00之后時，利用上述模型可以推算出，此種情況下隔離區內人數最多為1900人，出現時刻為早高峰7：00左右。因此，小雪天天氣對隔離區內人數的影響并不大，不會造成隔離區內人數過多的積壓。

（3）暴雨天氣單獨影響的情況下，通過對2016年6月28日、7月20日歷史數據分析可知，6：30隔離區內基數人數為920左右，在13：30至14：30，會出現全天隔離區內人數最高峰，平均增長速率為250人/小時，因此高峰時刻人數會達到2898左右，之后開始緩慢下降至20：00回到平均水平。模型如圖7所示。

R=N1+S3×T3 （3）

其中，R為暴雨天隔離區內人數，N1為雨天6：30隔離區內人數的基數，根據上述分析我們取值為920人，T3為6：30至雨天影響高峰時刻（這里取值14：30）的持續時間，S3為6：30至雨天影響高峰時刻隔離區內人數的增長速率，取值為250人/小時。endprint