空管數字化轉型中的數據業務化與可視化初探

徐 雯

(福建空管分局，福建 福州 350001)

大數據、云計算、物聯網及人工智能等技術的迅猛發展和廣泛應用，以及各類新興技術與生產生活的深度融合，對我國經濟社會發展產生了深刻影響。黨的十九屆四中全會明確將“數據”作為生產要素，使得數字化轉型成為順應發展潮流的必然選擇，以“智慧”為特征的行業變革正在全方位重塑民航業態。空中交通管理(以下簡稱空管)作為保障民航安全高效運行的重要中樞，也順勢而為把握機遇，積極探索空管數字化轉型之路。數字化轉型既需要“業務數據化”，也需要“數據業務化”。空管行業的業務數據化已隨著信息化和電子化的發展不同程度地完成，但對數據業務化和可視化的深化應用仍在初期探索階段。

1 數據業務化

國際民航組織(ICAO)積極推進全球航行信息共享，數字經濟、大數據、新基建等也都納入了政府工作報告。在信息大爆炸的今天，我們最缺的不是數據，而是對這些數據的理解與應用。空管各業務領域的信息系統較為完善，但缺乏有效的整合利用。如果止步于此，數字化轉型便只能浮于信息化的表面，數據只是無意義的數字，無法真正釋放其價值，實現業務賦能。因此在業務數據化的同時，還必須實現數據業務化。

業務數據化是將各個業務環節的原始痕跡以數據形式進行表現和解讀，并將這些數據系統性地組織起來，實現客觀世界在計算機世界里的復制和還原。而數據業務化是指數據經過整合、分析、加工乃至預測后，智能化地反哺業務，為更精準的決策提供依據，為更高效的管理提供指導。

“業務數據化”與“數據業務化”的關系可以簡述為數據從業務場景中來，又反過來回到業務場景中提供指導。二者相輔相成，同是數字化轉型不可或缺的環節。雖然目前已有各種業務數據化的解決方案，但信息收錄不全、標準不一的問題仍然存在。正如人們難以從缺失或錯誤的線索中得出正確的結論，數據作為基礎素材，其數量和質量決定了數據業務化成果的可靠性和精確度。因此，數據業務化也對業務數據化提出了更高要求，倒逼上游數據收集存儲的優化。

2 數據可視化

在獲取了海量多維運行數據的基礎上，辨明其潛藏深意、挖掘其潛在關聯，則有賴于數據可視化的幫助。可視化是一種數據的視覺表現形式，利用圖形化手段，清晰、有效地傳達信息，從而實現對復雜數據集的深入洞察。借助可視化，我們得以更好地呈現數據的意義。

一組數字或者表格的表現力單一，局限性大。相較之下，圖形、顏色、標尺等幫助我們更加直觀地理解數據。空管運行數據橫跨管制、情報、氣象、通信導航等多個專業領域，分散于各個運行系統中卻又相互作用緊密聯系，對于如何將這些維度多元、體量龐大、錯綜復雜的離散數據整合展示，可視化具有明顯的優勢。各數據點的位置、大小、相對關系等都以更具象的形式表現出來，這樣的畫面感幫助我們從局部或者整體亦或是兩者的關系去觀察數據所表達的意義，可以說是“見樹又見林”，也為更深入的數據分析提供了研究方向。

3 融合應用

數據業務化讓數據資產充分釋放潛能，可視化則為數據業務化提供高質量的解讀和洞察切入點，提升了信息獲取的效率，二者的融合應用能夠滿足不同數據消費者的定制化需求。通過構建貼合運行情境的管理視角，幫助不同崗位、層級能夠基于一致的理解實現無縫配合。民航福建空管分局于2020年實施了智慧空管創新項目，陸續開展了云計算、大數據、機器學習等新技術在空管運行管理領域的研究和驗證工作，目前仍在持續迭代研發中。本文結合其中的幾個實踐案例加以說明。

3.1 航跡匯聚分析

空管自動化系統是空中交通管制員對空指揮的核心系統，它的主要功能是對多源雷達數據及自動相關監視(ADS)信號進行融合處理，并與飛行計劃動態相關聯，輸出綜合航跡數據，為管制員提供空中交通的各項實時信息，包括航空器的方位、高度、航向和速度等航行諸元。管制員通過自動化系統，掌握航空器的運行動態，實施管制指揮。但面向運行指揮的定位使其著重于對單架航班的逐個關注，而從整體視角提煉航班流規律特征較為欠缺。其記錄重演服務器(DRF)24小時不間斷地記錄著綜合航跡數據和系統時間信息，滾動存儲30天，可回放30天內某一時刻的歷史航跡。但對于回放更早的時刻或是一段時間內的航跡累積并不支持，而觀察一段較長時間區間內的航跡疊加情況，更能反映出空域內交通流的整體運行規律。

因此，我們將空管自動化系統中輸出的綜合航跡數據長期保存，對歷史航跡進行統計分析，并在地圖上描繪出來，可以抽象出較為頻繁和相對固定的飛行軌跡，從而反映航線繁忙程度、改航路線、偏離規律、管制負荷等。線條的粗細表征了航跡分散或集中的程度，越粗則該區域內的各個位置都有航跡經過，反之則各航跡趨近于重疊。明暗程度表征流量疏密，越亮則該航跡上疊加的流量越多，反之則流量越小。借助歷史航跡匯聚的表現力呈現空域內的飛行軌跡全貌，既能清晰地顯露規律性，又能容易地發現離群點。

圖1展示了福州一管制空域內2022年1月19日的航跡匯聚數據。為了更容易區分不同性質的航空器，我們將進港與離港航班分別用紅色和黃色標識，兩股航班流的分離程度一目了然。從圖中能夠清晰地識別出紅色的進港航班流大都嚴格按照航線飛行，黃色的離港航班流則較為頻繁地出現了偏離，但是偏離程度都集中在航線兩側5海里左右。航班流在D點交匯處的情況更為復雜，飛行軌跡縱橫交錯，多個交叉點相對集中、互相干擾，遠離交匯處的航班流則呈分離疏散趨勢。航跡匯聚分析幫助再現空域運行的整體態勢，為判明矛盾主次、優化資源配置提供了直觀的決策依據。

圖1 2022年1月19日航跡匯聚分析

圖2為2021年5月31日同一空域內的飛行軌跡。因彼時大雨，空域中分布有快速移動的積雨云，航班為避開危險天氣執行了一定程度的繞飛。可以明顯看出，復雜氣象條件下不僅飛行量降低，而且航跡匯聚形態顯著區別于常態，鮮有航跡貼合預定航線，且改航軌跡顯得雜亂無章，失去了原有的分布特征，趨勢難辨。這也使得管制指揮增加了不確定性，原有的調配預案不再適用。因此，研究不同季節、不同氣象條件、空域限制乃至運行周期內的航跡匯聚變化趨勢具有很強的指導意義。

圖2 2021年5月31日航跡匯聚分析

結合氣象信息、限制區域等圖層的疊加，可進一步進行致因分析，為挖掘潛在關聯因素指明研究方向。特別是在飛行量持續增長、空域資源日益緊張的背景下，為理順交通流走向、優化繁忙航段提供了數據支撐，也為改進預案策略、實現進離港均衡給予有力輔助。

3.2 沖突熱力圖比對

保障安全是管制服務的首要任務和核心目標，空域運行情況越繁忙則安全保障的壓力也隨之提升。飛行流量是反映空域繁忙與否的重要因素，但并不足以涵蓋全部，存在流量攀升但有序順暢、無需管制員干預的情況，也存在流量雖處于低位但航班之間兩兩沖突、牽一發而動全身的場景。因此必須將沖突情況納入考量，才能更準確地量化空域繁忙程度。此處所討論的“沖突”，是指如果管制員不進行干預或者密切監控則很有可能引發不安全事件的情況，并不意味著已經觸發了飛行間隔標準的底線，但管制員必須投入相當的精力持續關注或是直接采取措施緩解風險。例如兩架航空器以同樣的高度、從不同方向趨近同一個導航臺，管制員指令其中一架航空器改變高度層，以確保兩機在水平間隔最小時仍有足夠的垂直間隔。這種情況下，可以認為兩架航空器之間存在沖突。

根據空管自動化系統輸出的綜合航跡計算出兩機相對位置，從而判定是否存在沖突，并將沖突點在地圖上描繪出來。根據兩機航跡的夾角大小，可將沖突分為順向、相對、交叉、分散等類型。通過讀取各個區域的沖突點數量和疏密程度，能夠快速判別不同區域的調配量大小及主要沖突類型，高效制定有針對性的指揮預案，建立重點突出、特征鮮明的沖突模型。

圖3為福州某空域內2022年2月1日至3月31日的沖突對比圖。左側展示的是交叉型沖突，右側為相對型的沖突分布，上部表格則列出了兩類沖突的具體數值及在A1、A2等各區域中的分布情況。對比發現，交叉型沖突主要集中于D點處，其余位置僅零星分布，這與圖1中航跡匯聚分析所示的D點處多條航班流交錯匯合的情況相吻合；相對型沖突則與圖1中的高亮雙色航班流相重合，印證了大流量的雙向干線航路更易發生逆向沖突；同時，A1及A2區域內相對型沖突較之交叉型占據主導，T(即塔臺)區域內反之。

在沖突集中的區域，會出現多個沖突點重疊于同一位置的情況，容易造成沖突數量的誤判。為解決這一問題，我們將沖突點以熱力圖的形式呈現，單個沖突點為暗綠色，較多沖突點疊加于相近位置則顯示為亮黃色，沖突在同一位置高發則標注為醒目的紅色。即顏色越黯淡沖突發生頻率越低，顏色越鮮亮警醒則沖突越頻發，以此清晰地提示管制員對沖突多發航段予以重點關注，發現隱藏的管制運行風險，為運行人員及管理者提供空域沖突模型的畫面感，也為預案的制定和選擇提供可量化、可視化的依據。

圖4 為福州某空域內2021年第四季度與第三季度的沖突熱力圖對比。左側為2021年10月1日至12月31日的數據，右側為2021年7月1日至9月30日，上部表格則列出了各類型沖突的具體數值及在A1、A2等各區域中的分布情況。比較得出，第四季度的沖突量顯著增長，約是第三季度的兩倍，其中相對型沖突量的提升最為突出，是第三季度的6.9倍，交叉型及順向型沖突量變化不大，分散型沖突則大幅度減少。從空間分布來看，第四季度西南部航段的沖突較第三季度激增且位置集中，而東北部航段的沖突也有所增長，但是聚集程度較輕，基本均勻分布于航段上。這樣的可視化橫向比較，使得不同條件下沖突點的空間分布和頻發位置的偏移都能一目了然，空域的繁忙程度和調配的復雜程度得以量化。

持續監測沖突點的變化規律和趨勢，能夠直觀顯示區域內的沖突聚集情況是否消解，沖突的頻發程度是否降低，有助于科學評測所采取的沖突緩解措施是否有效。

(a)交叉型 (b)相對型

(a)第四季度 (b)第三季度

3.3 數據相關性分析

空管運行系統作為一個有機整體，并非各個業務環節的機械組合或簡單相加，這就需要關注數據之間的潛在關聯，以此作為運行管理的切入點。尤其在復雜多變的運行環境中，難以在短時間內抽絲剝繭、定位問題并尋根溯源。因此，傳統的“出現問題—識別致因—采取補救”的被動式管理方式，相對瞬息萬變的運行情況而言顯得總是“慢半拍”。在積累了大量的運行數據后，我們得以通過綜合分析多元數據洞察其關聯性，依據數據間的相關關系而非因果關系主動發現疑似的風險點，從而向前瞻式管理模式邁進。

以陸空通話檢查為例，傳統做法是隨機抽樣，即隨機選取回放不同時間段的陸空通話錄音進行檢查，確認通話的語速是否合適、用語是否標準、話音是否清晰等。抽查時段的隨意性較大，在樣本較小的情況下難以鎖定問題。有限的人力面對海量的運行數據必然力不從心，這就需要關注運行中的偏離點，縮小范圍，更有針對性地排查問題。

將管制指揮最直接相關的兩個指標——流量及通話負荷，對齊在時間軸上進行分析比較。流量反映一定時間范圍內航班數量的多少，通話負荷則反映了這段時間范圍內陸空通話的繁忙程度，例如以15分鐘為周期，管制員與機組累計通話了10分鐘，則通話負荷記為66.67%。圖5展示的是福州一空域 2021年5月7日13∶52至15∶25的流量負荷峰值統計，圖6則為2022年1月27日00∶00至03∶15 的流量負荷峰值比較情況。通過觀察航班流量與通話負荷的關系不難發現，二者在大部分時候同增同減，即在航班流量上漲的情況下，通話負荷也隨之升高，反之亦然，這也非常符合一般認知。

圖5 2021年5月7日流量負荷峰值統計

圖6 2022年1月27日流量負荷峰值統計

需要注意的是，在部分時段，二者的增減成反比，如圖7所示。1時左右航班流量下降，4時左右維持在低水平，但這兩個時刻的通話負荷卻顯示上升，根據通話內容復核，是由于當時受大雨影響，機組的繞飛和管制員通報機場天氣等導致通話量增加。其他可能造成流量低位通話負荷卻攀升的原因還包括空域中出現復雜限制、各類惡劣天氣、遇險航班等；反之若航班流量上升或維持在高水平時，通話負荷卻顯示持續保持在低水平，則也可能出現了特殊情況。無論哪種都可以視為與普遍規律的偏離，指導我們有的放矢地重點關注異常時段，以便進一步核查和復盤。根據冰山理論，這些篩查出的疑似事件為發現隱患提供了線索和突破口，有助于規避可能存在的風險。

圖7 2021年5月31日流量負荷峰值統計

4 結論

在數字化轉型的浪潮下，數據被賦予了新的使命。對充分釋放數據潛能的迫切需求，加速了空管管理思路的轉變和技術應用的升級。為了避免在信息利用過程中的盲目和迷失，需始終強調 “數據業務化”的必要性，讓積累沉淀的數據不再成為閑置資產，為順暢業務運行和提升管理效能創造真正的價值。可視化又進一步幫助我們在多元致因無法剝離分析的復雜場景下，從現象向本質溯源。從海量運行數據中抽取的線索，指引我們刻畫空管運行特征，構建安全風險模型，為研判安全形勢、合理配置資源以及衡量調配效果等精細化管理，提供數據支撐和決策依據。

圍繞數據的業務化與可視化，數據得以在持續的流動和積累中，發揮聚焦短板、精準施策和統籌協調的積極作用，實現管理能力相對發展速度的關系從“追趕”到“引領”的轉變，助力民航空管高質量發展。