基于進(jìn)近管制自動化程序的工作效率評估優(yōu)化

陳廣杰 樂美龍

摘 ?要：根據(jù)終端區(qū)入口點雷達(dá)數(shù)據(jù)和BADA數(shù)據(jù)，設(shè)計出一個進(jìn)港航班自動化程序，提前預(yù)測航班在各個節(jié)點上的沖突，并自動模擬管制員常用策略解決線路上的沖突，實現(xiàn)飛機排序降落;計算出管制員對每架到達(dá)最終進(jìn)近點飛機所消耗的指令以及工作負(fù)荷，并通過MinDS模型評估各級管制員在不同繁忙程度下的工作效率。結(jié)合國內(nèi)白云機場進(jìn)場航班的數(shù)據(jù)進(jìn)行案例計算，結(jié)果表明，此程序能夠在一定程度上模擬管制員決策，解決潛在沖突，推算飛機降落時間，有效評估管制員工作負(fù)荷及管制效率。

關(guān)鍵詞：工作效率;空中交通管制;到達(dá)航班;沖突解決

中圖分類號：TP311 ? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：2096-4706（2021）21-0115-06

Abstract： According to the radar data and BADA data at the entrance point of the terminal area， an automatic program for inbound flights is designed to predict the conflicts of flights at each node in advance， and automatically simulate the common strategies of controllers to solve the conflicts on the line， so as to realize the sequential landing of aircraft; calculate the command and workload consumed by the controller for each aircraft reaching the final approach point， and evaluate the work efficiency of controllers at different levels under different busy levels through MinDS model. Case calculation is carried out in combination with the data of inbound flights of domestic Baiyun Airport， the results show that this program can simulate the controllers decision-making to a certain extent， solve potential conflicts， calculate the aircraft landing time， and effectively evaluate the controllers workload and control efficiency.

Keywords： work efficiency; air traffic control; arrival flight; conflict resolution

0 ?引 ?言

在到達(dá)航班的管理中，進(jìn)近管制員的工作是終端區(qū)航班管理中最重要的一個環(huán)節(jié)，進(jìn)近管制員從終端區(qū)入口點就開始承接區(qū)調(diào)管制員交接的到達(dá)航班，其主要工作是監(jiān)視到達(dá)航班，發(fā)現(xiàn)潛在沖突，通過調(diào)整飛機速度、高度、航向以及雷達(dá)引導(dǎo)等手段實現(xiàn)到達(dá)航班之間的安全間隔，到最終進(jìn)近點將航班交接給塔臺管制人員。然而，在實際指揮中，管制員的精力有限，發(fā)出指令時的思考時間也比較短促，所以提前發(fā)現(xiàn)沖突并提供解決方案，對減輕管制員的工作負(fù)荷以及保證到達(dá)航班降落效率具有重大的現(xiàn)實意義。與此同時，在管制員行使調(diào)整策略后，科學(xué)合理地計算管制員的工作負(fù)荷并評估其管制效率有助于提高終端區(qū)安全管理水平，對改進(jìn)管制員管理體系有著重要的參考意義。

目前，國際上關(guān)于效率的評價方法主要有主成分分析法、前沿面分析法、數(shù)據(jù)包絡(luò)分析等，其中應(yīng)用性較強的是數(shù)據(jù)包絡(luò)分析方法。數(shù)據(jù)包絡(luò)分析（Data envelopment analysis， DEA）是一種對多投入、多產(chǎn)出的決策單元進(jìn)行效率評價的研究分析方法。1978年，Charnes、Cooper和Rhodes三人創(chuàng)立了DEA方法，其基本模型分為CCR模型和BCC模型，后續(xù)的各種衍生模型都是在這兩個模型基礎(chǔ)上的改進(jìn)，其中包括本文采用的由Aparicio等人提出的至強有效前沿最近距離模型（Minimum Distance to Strong Efficient Frontier， MinDS）。MinDS模型是一種非導(dǎo)向模型，可以同時改進(jìn)投入和產(chǎn)出變量，并且可以彌補傳統(tǒng)模型中缺少松弛改進(jìn)量的缺陷，與傳統(tǒng)CCR、BBC模型相比具有一定的優(yōu)越性。

對管制員負(fù)荷評估的方法有基于時間統(tǒng)計的分析方法（如Doratask和MBB方法），有主觀測量法（如空中交通負(fù)荷輸入技術(shù)、問卷調(diào)查法），還有借助于電子儀器實現(xiàn)的生理測量法。國際上應(yīng)用較為廣泛的方法是由英國運籌與分析理事會提出的Doratask算法，此算法將管制員的主要工作負(fù)荷劃分為“看得見的”和“看不見的”兩部分以及必要的休息時間，看得見的部分主要是指管制員的語音指令以及填寫進(jìn)程單等可測量取平均值的常規(guī)操作，看不見的部分主要是指管制員監(jiān)視雷達(dá)屏幕，發(fā)出指令前的思考負(fù)荷等。

國內(nèi)對管制員工作效率評估方面的研究較少，大多為對管制員工作負(fù)荷評估的研究，而且研究重心側(cè)重于流量計算和扇區(qū)容量評估。姚虹翔等利用動態(tài)密度模型預(yù)測管制員工作負(fù)荷變化情況并評估扇區(qū)容量。胡明華、董襄寧等通過提取扇區(qū)復(fù)雜性指標(biāo)和流量分析來計算管制員工作負(fù)荷，最終評估扇區(qū)容量。本文基于BADA數(shù)據(jù)，設(shè)計可自動處理潛在沖突的程序，對到達(dá)航班進(jìn)行排序，計算進(jìn)近管制員在每架到達(dá)航班上所用的指令類型和次數(shù)，得出降落航班的排序以及管制員在其降落過程所用的指令和消耗的負(fù)荷，最后對管制員的工作效率進(jìn)行評估。本文建立了科學(xué)有效的數(shù)學(xué)模型，并通過實地調(diào)查，采集一線管制員的工作數(shù)據(jù)，保證了評估結(jié)果的準(zhǔn)確性。

1 ?模型建立

管制員工作負(fù)荷的計算模型，多數(shù)都是以Doratask和MBB為基礎(chǔ)依據(jù)進(jìn)行各種各樣的改進(jìn)，管制員的工作負(fù)荷會受各種復(fù)雜性因素的影響而隨之改變，比如天氣因素、扇區(qū)結(jié)構(gòu)變化、流量變化、生理變化，等等。本文以到達(dá)航班的每架飛機為單位，計算管制員分別在每架飛機上消耗了多少負(fù)荷，所以文中的工作負(fù)荷數(shù)學(xué)模型只提取主要衡量指標(biāo)，并融合所調(diào)研地區(qū)的終端區(qū)特點以及管制規(guī)則進(jìn)一步優(yōu)化建模。本文將管制員工作負(fù)荷分為四大類：通信負(fù)荷、非通信負(fù)荷、思考負(fù)荷、雷達(dá)引導(dǎo)負(fù)荷。根據(jù)調(diào)研了解到，當(dāng)飛機存在潛在沖突亟待調(diào)整時，管制員的首要手段就是雷達(dá)引導(dǎo)，所以本文會在數(shù)學(xué)模型中融入雷達(dá)引導(dǎo)時的工作負(fù)荷計算公式。最后通過MinDS模型進(jìn)行管制員工作效率的評估。

1.1 ?至強有效前沿最近距離模型（MinDS模型）

其中，ρ為效率值，i為投入要素，m為投入要素數(shù)量，r為產(chǎn)出要素，q為產(chǎn)出要素數(shù)量，k為決策單元，x為投入變量，y為產(chǎn)出變量，λ為DMU的線性組合系數(shù)，和為投入產(chǎn)出松弛變量，投入和產(chǎn)出的無效率分別體現(xiàn)為、。

其中，M為一個足夠大的正數(shù)。MinDS模型由兩部分構(gòu)成：第一部分是模型（1），由目標(biāo)函數(shù)和約束（1）組成;第二部分由約束（2）組成，約束（2）的目的是使參考標(biāo)桿位于同一超平面內(nèi)。

1.2 ?進(jìn)近管制員工作負(fù)荷模型

本文將管制員工作負(fù)荷分為四大類：通信負(fù)荷、非通信負(fù)荷、思考負(fù)荷、雷達(dá)引導(dǎo)負(fù)荷。管制員工作中的通信負(fù)荷主要是指指令負(fù)荷和交接負(fù)荷，其中指令負(fù)荷包含發(fā)出更改航空器高度、速度、航向指令以及指令發(fā)出后接收飛行員的復(fù)誦、確認(rèn)或其他反饋信息所需的時間;交接負(fù)荷是指當(dāng)航空器進(jìn)入其他扇區(qū)，為了保證空管指揮工作順利交接，需要與負(fù)責(zé)不同扇區(qū)管制員進(jìn)行的協(xié)調(diào)交接工作。

管制員的非通信負(fù)荷主要包括屏幕監(jiān)視負(fù)荷和填寫操作負(fù)荷。屏幕監(jiān)視負(fù)荷是指關(guān)注進(jìn)場航空器動態(tài)，發(fā)現(xiàn)各個進(jìn)場航空器之間存在的潛在沖突，及時跟進(jìn)航空器的航行要素信息（如航班號、計劃路徑、位置、高度、航向和速度等），進(jìn)行精準(zhǔn)的識別與記錄，與此同時，還需要對飛行進(jìn)程單（電子或紙質(zhì)）進(jìn)行相應(yīng)的填寫和標(biāo)記，在管制自動化系統(tǒng)的人機界面（Human Machine Interface， HMI）上進(jìn)行相應(yīng)的操作等。

管制員的思考負(fù)荷是指在發(fā)出更改航空器高度、速度以及航向指令前，管制員根據(jù)具體情況提前預(yù)測思考所耗費的時間。

雷達(dá)引導(dǎo)為解決沖突的首要手段，使用頻率較高，所以雷達(dá)引導(dǎo)的工作負(fù)荷需要分開計算。一般前后飛機在某個航路點有沖突時，管制員通常會進(jìn)行雷達(dá)引導(dǎo)，時刻關(guān)注飛機動態(tài)發(fā)布指令引導(dǎo)飛機飛行，雷達(dá)引導(dǎo)包含調(diào)整飛機速度、高度和航向等措施，而且在在雷達(dá)引導(dǎo)期間屏幕監(jiān)視負(fù)荷會增加，所以雷達(dá)引導(dǎo)的工作負(fù)荷為雷達(dá)引導(dǎo)期間所用的指令負(fù)荷、思考負(fù)荷以及監(jiān)視負(fù)荷之和。

在時間段t內(nèi)，扇區(qū)管制員總工作負(fù)荷的計算公式為：

其中：W（t）為在時間段t內(nèi)，扇區(qū)管制員的總工作負(fù)荷;為對于路徑k上的航空器i，s扇區(qū)管制員所需承擔(dān)的工作負(fù)荷。可進(jìn)一步細(xì)分為通信負(fù)荷、非通信負(fù)荷、思考負(fù)荷和雷達(dá)引導(dǎo)負(fù)荷，如式（4）所示：

其中，為對于路徑k上的航空器i，管制員所需承擔(dān)的平均通信工作負(fù)荷;為對于路徑k上的航空器i，管制員所需承擔(dān)的平均非通信工作負(fù)荷;為對于路徑k上的航空器i，管制員所需承擔(dān)的思考工作負(fù)荷;為對于路徑k上的航空器i，管制員所需承擔(dān)的雷達(dá)引導(dǎo)工作負(fù)荷。

2 ?到達(dá)航班排序及管制員負(fù)荷算法設(shè)計

本文以管制雷達(dá)所記錄的入口點數(shù)據(jù)為初始值，每架入場航班都有自己的計劃飛行路線，每條路線上分布著已知的航路點，我們以BADA數(shù)據(jù)為基礎(chǔ)預(yù)測每架航班在航路點上的預(yù)計到達(dá)時間，然后進(jìn)行排序。當(dāng)發(fā)現(xiàn)前后飛機在同一個航路點上有潛在沖突時，程序會模擬進(jìn)近管制員采取相應(yīng)策略調(diào)節(jié)尾隨飛機，直至沖突解決。同時程序會記錄所降落的航班被行使了哪些策略，從而計算出值班的管制員在此航班上消耗了多少負(fù)荷。

2.1 ?基于BADA數(shù)據(jù)的航路點時間預(yù)測

航空器基礎(chǔ)資料（Base of Aircraft Data， BADA）包含了世界上399種機型航空器性能參數(shù)，本文從中選取了白云機場常年飛行的航空器數(shù)據(jù)，將其分為中型機（M）、重型機（C）、一般重型機（B）、超級重型機（J），分別讀取并整理不同類型航空器在進(jìn)場、進(jìn)近過程中的速度信息和高度信息。其中，根據(jù)航空器性能參數(shù)，我們以平均速度為基準(zhǔn)，將速度調(diào)整區(qū)間控制在0.9 avg～1.15 avg之間，根據(jù)不同機型將每個不同高度層的航段下降速度分為5檔，1檔即最大下降速度（1.15 avg）、2檔下降速度（1.1 avg）、3檔下降速度（1.05 avg）、4檔即平均下降速度（avg）、5檔下降速度（0.95 avg），并將其轉(zhuǎn)化為以秒為單位的時段用時，以A320為例，如表1所示。

2.2 ?算法流程

本算法以15分鐘為一個時間段，在同一個時間段內(nèi)讀取進(jìn)入終端區(qū)的航班數(shù)據(jù)，基于BADA數(shù)據(jù)預(yù)測航路段用時，如表1所示，計算下一個航路點的預(yù)計到達(dá)時間，按照這個預(yù)計到達(dá)時間進(jìn)行先后排序，對于存在潛在沖突的前后飛機，則會使用調(diào)整策略（調(diào)速、調(diào)高、航向改變）對尾隨飛機進(jìn)行調(diào)配，更新到達(dá)時間，找到最優(yōu)策略直至沖突解決，然后再次更新排序。算法具體設(shè)計流程如圖1所示。

3 ?算例

本算例采用JavaScript進(jìn)行編程計算，開發(fā)平臺為Node.js v14.15.4。

3.1 ?終端區(qū)概況

如圖2所示，本文將終端區(qū)分為兩大扇區(qū)，共有五個入口點，兩個最終進(jìn)近點。西扇區(qū)的入口點有ATAGA、GYA，最終進(jìn)近點為G404;東扇區(qū)的入口點為IGONO、P270、IDUMA，最終進(jìn)近點為G407。當(dāng)?shù)竭_(dá)航班最終降落到G404時由西扇區(qū)的管制員負(fù)責(zé)管制，降落到G407時則由東扇區(qū)的管制員負(fù)責(zé)管制。

目前，飛機入場路線分為7條，分別為：

A：ATAGA—p1—TAN—AGVOS—G404

a1：ATAGA—p1—CON—CEN—G408—G407

b：GYA—AGVOS—G404

c：IDUMA—SHL—CEN—G408—G407

d：P270—SHL—CEN—G408—G407

e：IGONO—p2—CON—CEN—G408—G407

e1：IGONO—p2—TAN—AGVOS—G404

其中，a1路線和e1路線的到達(dá)航班跨越兩個扇區(qū)，所以日常的交接指令會增加一條。

3.2 ?預(yù)計到達(dá)時間及工作負(fù)荷計算

管制席位等級劃分為見習(xí)管制員、五級管制員、四級管制員、三級管制員、二級管制員、一級管制員和特級管制員。目前白云機場終端區(qū)一共有放單人員（即管制員）80人，其中一級管制員和特級管制員較少，常常作為帶班主任進(jìn)行全局把控，所以本文選取五級至二級管制員作為具體操作人員。另外，本文通過語音統(tǒng)計計算以及問卷調(diào)查量化了管制員的各項工作內(nèi)容耗時，如表2所示。

除表2所示的數(shù)據(jù)外，日常的監(jiān)視負(fù)荷設(shè)定為飛機飛行時間的25%，雷達(dá)引導(dǎo)狀態(tài)下的監(jiān)視負(fù)荷設(shè)定為35%～50%。

本部分采用白云機場三個時段的到達(dá)航班數(shù)據(jù)進(jìn)行預(yù)測計算，每個時段的時長為1小時，分別是空閑時段的20架航班，繁忙時段的35架航班，以及非常繁忙時段（高峰小時段）的43架航班。以繁忙時段到達(dá)航班數(shù)據(jù)為例，在繁忙時段有35架航班到達(dá)，其中有20架航班降落在西扇區(qū)的最終進(jìn)近點G404，有15架航班降落在東扇區(qū)的最終進(jìn)近點G407。

表3為西扇區(qū)的部分降落數(shù)據(jù)，其中單架飛機總負(fù)荷是指管制員在該飛機上所消耗的通信負(fù)荷、非通信負(fù)荷以及雷達(dá)引導(dǎo)負(fù)荷之和。

其中，通信負(fù)荷中的指令負(fù)荷和雷達(dá)引導(dǎo)負(fù)荷中的指令負(fù)荷都是通過記錄管制指令數(shù)量來計算的。管制指令分為日常指令和雷達(dá)引導(dǎo)的指令，日常指令分為速度、高度、航向改變指令和交接指令;雷達(dá)引導(dǎo)的指令分為速度、高度航向改變指令。以降落次序第18的航班7為例，其路線選擇為a：ATAGA—p1—TAN—AGVOS—G404，除去終點G404，一共有4個航路點，由于各個航路點的高度層、速度及航向都不一樣，所以管制員都會在某個航班到達(dá)一個航路點時對其發(fā)出速度、高度以及航向指令去改變或者維持飛機的飛行狀態(tài)，以免該航班在下一個航路點與其他航班發(fā)生沖突。

當(dāng)某一航班在某個航路點與前面一架飛機的間距小于15 km（96 s）即存在潛在沖突時，管制員會對該航班進(jìn)行雷達(dá)引導(dǎo)，密切關(guān)注飛機動態(tài)并發(fā)出指令以避免沖突，優(yōu)先對飛機調(diào)整速度，其次是調(diào)整高度。本文默認(rèn)到達(dá)航班在航路上以最大速度飛行，所以當(dāng)飛機調(diào)整速度時能調(diào)整5個檔次的速度，如表1所示，如果調(diào)整為最慢飛行速度還無法解決沖突，則采用雷達(dá)引導(dǎo)航向改變策略飛三角形航線，如果航向改變策略亦無法解決沖突或者是在采用該策略后造成新的沖突則使用調(diào)整高度策略，以均速向上飛行300 m以保持垂直安全間隔。

綜上所述，管制員的指令分為日常指令和雷達(dá)引導(dǎo)的指令兩大類，雷達(dá)引導(dǎo)時可供選擇的策略有三種：調(diào)整速度、調(diào)整航向以及調(diào)整高度。而管制員的工作總負(fù)荷就是通信負(fù)荷、非通信負(fù)荷以及雷達(dá)引導(dǎo)負(fù)荷之和。

由表3可以看出，該算法程序模擬管制員策略，規(guī)避了潛在沖突，并自動進(jìn)行了降落隊列排序，同時還預(yù)估了管制員所消耗的負(fù)荷，有利于提高管制員的管制效率。

3.3 ?進(jìn)近管制員工作效率評估

表4中的數(shù)據(jù)指標(biāo)是實例數(shù)據(jù)代入算法的綜合結(jié)果，決策單元（Decision Making Unit， DMU）中的（III）、（II）、（I）分別代表非常繁忙時段、繁忙時段和空閑時段。決策單元“五級西（III）”代表在非常繁忙時段中西扇區(qū)的五級管制員。（I）總負(fù)荷為投入變量，為西扇區(qū)每架降落飛機所消耗管制員的工作負(fù)荷總和。（O）降落架次、（O）解決沖突次數(shù)以及（O）準(zhǔn)時降落架次這三者為產(chǎn)出變量，其中：

（1）降落架次。管制員指揮降落的飛機總和。

（2）解決沖突數(shù)。所有降落飛機在飛行過程中產(chǎn)生的沖突總和。

（3）準(zhǔn)時降落架次。按航班時刻表準(zhǔn)時降落的飛機架次總和。

表5為MinDS模型的測算結(jié)果，松弛變量即可優(yōu)化的量，效率值小于1的為無效DMU，效率值等于1的為有效DMU。由表5可知，有效DMU有4個，分別為二級東（I）、二級西（I）、二級西（II）、二級西（Ⅲ）。從級別來看，管制員級別越高，能力越強，管制效率越高;從繁忙程度來看，同級別管制員在空閑時段的管制效率高于繁忙時段和非常繁忙時段，主要原因是空閑時段管制員工作量小即所承受的管制員負(fù)荷較低;由于MinDS模型為非導(dǎo)向模型，所以最終結(jié)果會盡可能同時優(yōu)化投入和產(chǎn)出變量，例如2號DMU二級東（II）的總負(fù)荷、降落架次、解決沖突次數(shù)、準(zhǔn)時降落架次的優(yōu)化結(jié)果分別為（-291.67、1.33、0.11、0.67）。

4 ?結(jié) ?論

本文基于BADA數(shù)據(jù)對進(jìn)場航班進(jìn)行過點時間預(yù)測，并設(shè)計了算法程序提前發(fā)現(xiàn)潛在沖突，模擬管制員的調(diào)配策略自動解決沖突，對進(jìn)場航班的到達(dá)時間進(jìn)行排序，最終記錄每架航班所用策略以及所消耗的指令，合理評估了進(jìn)近管制員的工作負(fù)荷，并通過DEA方法中的MinDS模型測算了工作效率。算例表明此程序可以有效地輔助管制員進(jìn)行預(yù)測和思考決策，提高管制效率。同時此算法可用于評估管制員能力，對于空管部門戰(zhàn)略部署、容量評估、優(yōu)化進(jìn)場策略具有積極意義。下一步準(zhǔn)備豐富算法中的管制策略，改進(jìn)效率評估模型，使預(yù)測時間和效率評估更貼近現(xiàn)實情況。

參考文獻(xiàn)：

[1] CHARNES A，Cooper W W，RHODES E. Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978，2（6）：429-444.

[2] 姚虹翔.管制員工作負(fù)荷評估方法研究 [D].南京：南京航空航天大學(xué)，2007.

[3] 董襄寧，胡明華，蘇璟.基于管制員工作負(fù)荷的終端區(qū)容量評估 [J].航空計算技術(shù)，2011，41（1）：5-8+13.

[4] LI Y J，Wang L Z，LI F. A data-driven prediction approach for sports team performance and its application to National Basketball Association [J].Omega，2021，98：102123.

[5] 陳芳，沈芮宇，楊詩琪.基于畢達(dá)哥拉斯模糊和改進(jìn)TOPSIS的管制員人為風(fēng)險評估[J].安全與環(huán)境學(xué)報，2021，21（5）：2093-2100.

[6] MAHMOUDI R，EMROUZNEJAD A，SHETAB-BOUSHEHRI S N，et al. The origins， development and future directions of data envelopment analysis approach in transportation systems [J].Socio-Economic Planning Sciences，2020，69：22-35.

[7] KOHL S，SCHOENFELDER J，F(xiàn)?GENER A，et al. The use of Data Envelopment Analysis （DEA） in healthcare with a focus on hospitals [J].Health Care Management Science，2019，22（2）：245-286.

[8] TOSHIYUKI S，YAN Y，MIKA G. A literature study for DEA applied to energy and environment [J].Energy Economics，2017，62：104-124.

[9] LIU J S，LU L Y Y，LU W M. Research fronts in data envelopment analysis [J].Omega：The International Journal of Management Science，2016，58：33-45.

[10] KAO C. Network data envelopment analysis： A review [J].European Journal of Operational Research，2014，239（1）：1-16.

[11] 張婧婷.基于管制負(fù)荷的扇區(qū)運行安全評估研究 [D].南京：南京航空航天大學(xué)，2014.

[12] COOK W D，TONE K，ZHU J. Data envelopment analysis： Prior to choosing a model [J].Omega，2014（44）：1-4.

[13] LIU J S，LU L Y Y，LU W M. Data envelopment analysis 1978-2010： A citation-based literature survey [J].Omega，2013，41（1）：3-15.

[14] 陳晨，向東.基于管制語音特點統(tǒng)計分析的管制負(fù)荷評價 [J].空中交通管理，2010（10）：4-6.

[15] TONE K. A slacks-based measure of efficiency in date envelopment analysis [J].European Journal of Operational Research，2001，130（3）：498-509.

作者簡介：陳廣杰（1996—），男，漢族，湖北黃岡人，碩士研究生在讀，研究方向：空中交通管理優(yōu)化。