基于ATMAP算法的天氣對航班延誤的影響特征分析

陳 琦 張 芮 牟 夏 康嘉祺 孫 震 姬夏迎

（中國民航大學,天津 300300）

1 引言

隨著人工智能領域快速發展，智慧民航建設逐漸提上日程，對民航信息流的量化要求越來越高，而目前針對機場天氣信息對空中交通影響，仍為人工判別，自動化程度較低，這給我國民航運輸業帶來了不便。由各種資料可知，天氣在對空中交通影響因素中占據了主導地位，如2017年上海虹橋機場始發正常率低于50%的典型13天的原因分析顯示，主要是天氣原因導致的空管或機場保障能力下降，導致流量控制。近些年，隨著航班數量增加，各類機場都趨于飽和狀態，再加之全球變暖現象使得反常天氣狀況的出現日漸頻繁，各種各樣造成航班延誤的原因也體現得更加明顯，以2016年天津全年航班相關數據為例（見圖1），造成航班延誤原因共包含84種，將其分為9類，其中占據重要比例的即為環境原因，而對于環境影響最為重要的即為危險天氣。

圖1 2016年天津全年影響航班延誤的因素

為實現國內機場航空危險天氣定量化評估，先搜集整理現有天氣定量化方法，對比不同方法的優劣性，確定適合的機場航空危險天氣定量化方法。

國內相關研究如鄒燕等人的《氣候年景定量化評價方法》[1]，以低溫年景指數、高溫年景指數、干旱年景指數和雨澇年景指數作為氣候年景的評價因子。該方法優點是對天氣情況分級明確，判定范圍清晰，有清晰的計算公式，實用性很強，但缺點是該方法是氣候年景的定量化評估方法，是一種長遠角度的評估方法，且該方法是對已發生天氣進行的評估，不能起到預見性作用；《空間天氣預報模式集成可視化研究與實現》[2]中提到初步構建空間天氣定量化業務預報框架并實現了可視化演示，該研究方法是采用組件的松耦合與高速數據通道相結合的設計思想集成了多區域的空間天氣模型和種類繁多的空間天氣數據；《貴州春季強冰雹天氣定量化概念模型》[3]中選取 2009—2013 年以來符合研究定義的強冰雹天氣事件個例，采用基數據回放方式研究其降雹前 3～15 min雷達回波形態、結構和類型特征，并通過這些特征來有效識別冰雹云。國外相關研究如《Algorithm to describe weather conditions at European airports》[4]描述了歐盟氣象部門工作組協商開發的天氣算法。

2 數據來源與研究方法

2.1 數據來源

選取天津濱海機場、上海虹橋機場、烏魯木齊地窩堡機場、成都雙流機場、長沙黃花機場、沈陽桃仙機場等年吞吐量在2 000萬以上的機場作為研究對象，從www.ogimet.com中獲取機場2017年、2018年、2019年的全部METAR報文共計262 800條。METAR報文即航空例行天氣報告，采用標準國際格式報告機場每半小時或一小時內的天氣觀測資料，主要包括重要氣象組分：風向風速組、能見度組、跑道視程組、好天氣組、天氣現象組、云組、溫度/露點組、修正海平面氣壓組、天氣變化組等。[5]并在“飛常準”APP中收集統計機場2017年、2018年、2019年（因2020年受到新冠病毒疫情影響，造成大量航班取消，故不納入統計范圍）以天為計量單位的起飛取消率、起飛延誤率等共計236 520個數據。前文提到的起飛延誤率是指每天起飛延誤量/執行量。

2.2 研究方法

使用ATMAP軟件計算報文并輸出結果，將得分與起飛延誤率等數據進行擬合得到相關系數R，分析天氣得分規律、機場延誤規律以及得分對延誤的影響。

2.2.1 算法描述

METAR報文因其固定格式，極利于計算機使用算法自動識別并提取有用數據，算法思路概括如下。

（1）自動識別并提取風速、能見度、降水、冰凍條件和危險天氣5個要素。

（2）給不同天氣要素的不同嚴重程度分配系數，每個天氣要素系數總和就是最后的天氣得分。如表1所示，當出現GS（小冰雹或霰）時系數為18，當出現FC、DS、SS、VA、SA、GR、PL、TS時系數為24，當出現+TS時系數為30。

表1 ATMAP天氣算法中有關危險天氣評分標準

（3）通過該算法，按照其評分標準，可以對每一條解析過的METAR報數據進行量化。例如：METAR ZBTJ 021730Z 15008MPS 8000 -TSRA FEW013 BKN033CB 21/14 Q0997 NOSIG=，此報文量化總得分為26。

2.2.2 相關系數R擬合

首先獲取機場2017年、2018年、2019年的全部METAR報文，使用ATMAP軟件計算報文并輸出結果。分別將天氣總得分、危險天氣等得分的日平均、月平均和年平均與各項數據進行擬合，并計算出絕對系數R2，開方得到R，通過R判斷其相關程度。航班延誤不僅受天氣影響，還有許多其他因素的影響，本文只考慮與天氣的關系。（相關性標準：R取0.20～0.39為低度相關，0.40～0.69為中度相關，0.70～0.89為高度相關，0.90～1.00為極高相關）相關系數(R)公式：

3 結果分析

3.1 機場天氣狀況分析

圖2 各大機場天氣得分季節變化折線

制作上海虹橋機場ZSSS、天津濱海國際機場ZBTJ、成都雙流機場ZUUU、新疆地窩堡機場ZWWW、長沙黃花機場ZGHA和沈陽桃仙機場ZYTX天氣得分隨季節變化圖像（見圖2），其中春季為3至5月，夏季為6至8月，秋季為9至11月，冬季為12至次年2月，統計數據為各機場2017年至2019年全部METAR報文經ATMAP算法運算后得到的平均值結果，即為三年數據平均值。

由圖2可知，北方城市如沈陽、天津冬季總分受霜凍因素（freezing）影響較為嚴重，新疆冬季受風（wind）因素影響較為嚴重，且平均分數遠遠超過其他機場以及其他因素得分，推測因為新疆靠近亞洲中心（冬季風源地），地形主要以山地為主，城市處于山口位置，機場由于飛機起飛和降落的越障要求位于城市邊緣地區，加大風的影響力，同時植被較為稀疏，森林防風能力差。以上海和成都為例，兩者均受霜凍（freezing）影響較小，因地處秦嶺淮河一線以南，四季在正常情況下均不會出現降雪的現象，但受危險天氣（dangerous）因素影響較大，如 GR（冰雹）、PL（冰粒）、TS（雷暴）。夏季空氣中水汽充足，受南方暖濕氣流影響同時太陽輻射強烈，近地面空氣較熱，很容易發生強烈的上升運動形成雷雨云進行放電產生雷暴。成都平原丘陵區無霜期長、雨水充沛、日照較少，山區海拔1 300m以上的中低山雨水、云霧偏多，機場天氣得分（scores）與危險天氣（dangerous）單項評分折線變化幅度幾乎一致，可見成都雙流機場全年受危險天氣（dangerous）影響較大。

3.2 機場航班延誤特征分析

根據數據分析得到曲線（見圖3）可知，ZBTJ三年內在延誤率高峰期出現在六七月份，夏季的高溫降雨常常會影響航班正常起飛降落，ZBTJ冬季干冷的氣候同樣影響航班正常飛行，延誤率的小高峰期則出現在冬季，而春季天津機場的延誤率較低。ZUUU三年以來延誤率高峰期出現在七八月份，同樣夏季延誤率高于春秋冬季延誤率，不同于天津機場，成都機場冬季延誤率保持在較低水平。ZGHA延誤率分部較為分散，夏季七八月份仍然是延誤率的高峰期，而冬季的延誤率水平較低，反觀初春二三月份ZGHA延誤率則是另一個高峰期，春天氣溫降雨的多變是導致延誤率升高的重要原因。根據ZWWW曲線分析一月和七月延誤率基本持平，為雙高峰期，其冬季氣候的多變性導致了延誤率的升高，而春秋延誤率保持在較低水平。對于ZSSS曲線可以發現，隨著日序的推移，延誤率的平均值逐步升高，在夏季七八月份到達頂峰，再隨著日序的推移，延誤率迅速降低，冬季延誤率達到全年最低。根據ZYTX曲線可以發現，相較于其他機場，沈陽桃仙機場的延誤率曲線相對平滑，高峰期同樣出現在夏季。根據不同機場延誤率曲線，經過數據分析可知，在一年中不同日序航班的延誤率是不同的，明顯的是夏季延誤率會高于其他季節，而按照資料可以發現機場的延誤率圖像普遍為單峰型，而有些機場如ZGHA和ZWWW則為雙峰型。可以說明這些機場冬季天氣較差，機場地理位置影響了機場的天氣狀況，天氣的多變影響了航班正常運行。

圖3 各大機場三年起飛延誤率平均

3.3 天氣與延誤水平相關分析

圖4是六個機場起飛延誤率與危險天氣得分的擬合圖。ZBTJ擬合絕對系數R2為0.616 3，相關系數R為0.785，已經達到高度相關，可知隨著危險天氣的增多，其起飛延誤率逐漸上升。ZUUU絕對系數R2為0.804 8，相關系數為0.9，屬于極高相關，同時沒有危險天氣情況的起飛延誤率極低，也說明危險天氣是影響成都機場延誤的主要因素。ZYTX擬合的絕對系數R2為0.660 7，相關系數為0.813，屬于高度相關。從ZGHA三年天氣平均的數據可以發現，很少出現一月內均無危險天氣的情況，天氣的復雜多變性導致了其起飛延誤率的增高，其擬合絕對系數R2為0.464 4，相關系數為0.681，屬于中度相關。ZSSS整體延誤率較低，且危險天氣出現的情況較少，圖像顯示曲線較為平滑，延誤率和危險天氣的絕對系數R2為0.209 3，相關系數為0.457，屬于中度相關。而ZWWW由于新疆地形為喀什地貌，風力多為大風，不穩定的天氣情況導致其絕對系數極低。由此可見，危險天氣的出現是影響航班起飛延誤率的重要因素，天氣的多變性和不穩定性是阻礙提高航班正常放行率的主要因素。

圖4 危險天氣與起飛延誤率擬合

4 結語

本文采用歐盟天氣算法（ATMAP算法），并利用國內主要機場2017年到2019年內的METAR數據對正常放行率、起飛延誤率、降落延誤率等數據進行擬合，得出起飛延誤率與危險天氣擬合程度在ZUUU極高相關、ZBTJ高度相關、ZYTX高度相關、ZGHA與ZSSS中度相關等，考慮地方性差異，可以認為較好驗證了ATMAP算法在國內主要機場危險天氣定量化評估的適用性，能對未來預測危險天氣提供一定的理論支持。接下來將會以這次研究成果為基礎，開發出基于TAF報文的危險天氣定量化評估軟件，為機場面對突發危險天氣做好應急預案提供一種可能性，從而降低航班延誤率，提高乘客滿意度，為航空公司創造更優的經濟效益。