我国典型航线航班时刻价值对比分析

民航浙江空管分局 沈怡晨／文

当前，我国正努力实现从民航大国到民航强国的跨越，形成全球领先的航空公司、辐射力强的国际航空枢纽、一流的航空服务体系、发达的通用航空体系、现代化空中交通管理体系、完备的安全保障体系和高效的民航治理体系。

参照历年的发展态势和目前公布的机场发展结果，在内地庞大的市场需求驱动下，我们坚信国内航空公司依然会保持着较好的发展势头。但与此同时，我们仍需正视国内航司在发展质量上存在着一些问题。以国内三大航空集团为例，虽然营收规模均在千亿以上，但是利润率较低，客公里收入水平与世界著名航空公司相比，仍有较大的提升空间。因此，航空公司亟需提升自身竞争力，提高收益水平。

油价、汇率等宏观因素虽然对航空公司的运营影响较大，但航空公司较难通过改善自身运营来提升，因此仍需挖掘微观层面的影响指标打造航空公司的竞争力。借鉴国内外研究成果，航空公司竞争力受到运营规模、运营管理、航线网络、服务质量与生产效益等主要因素的影响。当下，针对航线网络、服务质量等成熟指标的研究已经相对较为完善，但对航班时刻的价值却缺乏深入的分析。航班时刻作为航空公司日常运行的核心要素，一直是航空运输市场的稀缺资源，其质量直接决定了航空公司的收益水平。如果航空公司的收益管理部门能够合理评估航班时刻的价值，基于价值配置航空公司的航线网络，对于提升航空公司的经营水平将具有巨大的帮助。

围绕航班时刻，本文以典型航线为例，运用历史数据，对航班时刻的整体效应进行了对比，宏观识别航班时刻效益较高的时段、日期等，进而对具体航班时刻的价值进行对比分析，锁定各时段内的优质时刻，从而为航空公司航班时刻的运行管理提供了辅助决策支持。

研究方法和对象选取

基于数据挖掘方法可以有效地从海量历史数据中提炼有价值的信息，帮助我们识别民航运行管理中的各类规律。关联、聚类、分类、预测等都是常见的数据挖掘方法。例如，在民航业中，通常利用时间序列、回归、神经网络等方法预测行业发展趋势，为建立中长期发展战略提供数据支持；在实际运行中，空管系统也会利用预测方法对飞行冲突进行预判、对航班轨迹进行预测，从而帮助管制人员有效地制定管制策略。因此，本文也借鉴使用了相关方法，初步探索航班时刻的价值。

在2019年，我国内地城市对航线繁忙程度排名前20的依次为北京首都——上海虹桥、上海虹桥——深圳宝安、上海虹桥——广州白云、北京首都——深圳宝安、北京首都——成都双流、昆明长水——西双版纳嘎洒、北京首都——广州白云、广州白云——成都双流、广州白云——杭州萧山、成都双流——深圳宝安、北京首都——杭州萧山、北京首都——重庆江北、北京首都——昆明长水、杭州萧山——深圳宝安、深圳宝安——重庆江北、广州白云——重庆江北、上海浦东——大连周水子、南京禄口——广州白云、北京首都——西安咸阳、广州白云——西安咸阳。如图1所示，展示了前20条城市对航线的航班量。

根据繁忙程度，从上述航线中选取5个进行对比分析，由于时刻数据的敏感性，使用A、B、C、D、E分别代指航线对象，使用1个月的历史数据。选取客座率、可用座位数等指标来反映航班时刻价值。基于航班运行特性和数据的可用性，选取7∶00～21∶00作为分析时段，时间间隔为1小时。首先对该月的整体运行水平进行对比：分别统计每个相同时段每月的平均客座率；分别统计周一至周日，每天的平均客座率（由于航班时刻编排的特性，以周日为例，选取该月内所有的周日进行计算取均值，以获取“周日”的平均运行水平，其他同理可推）。通过计算，可以得到不同时段或日期下该航线上航班时刻运营的集体效应。

整体对比分析

通过分时段对比 可 知（见 图2、图3），5条 航 线 在7∶00～21∶00时段内平均客座率最高的分别是17∶00～18∶00，17∶00～18∶00，12∶00～13∶00，16∶00～17∶00，18∶00～19∶00，即主要集中在晚高峰；此外，E航线在大部分时段的平均客座率均是最高的。

按照一周来对比，有3条航线的平均客座率最高，均是周五，其他两条分别是周一、周三。此外，对比5个航线在周一至周日的平均表现可知，E航线在周一、周二、周三和周日的平均客座率均最高，而在周四、周五、周六表现最好的则是C航线。

通过时间维度的整体对比，可以发现在典型航线上最有商业使用价值的时段，以及在不同时间组合下最有价值的航线对象，这将为航空公司的客运营销部门在航班时刻协调时提供有效的分析支持。

当选取可用座位数来对比时（见图4、图5），统计结果又呈现出新的趋势，就时段而言，A航线提供座位最多的是17∶00～18∶00，B航线提供座位最多的是7∶00～8∶00，C航线提供座位最多的是8∶00～9∶00，D航线提供座位最多的是9∶00～10∶00，E航线提供座位最多的是11∶00～12∶00，大部分航线提供运力最多的均是在上午时段，而这与平均客座率所反映出来的趋势刚好相反。也就是说在上午，各条航线上运力过剩，导致客座率没有达到最高水平，表面上看各个航司在这5条航线上存在运力投放不精准的问题。

由于航班计划编排的周属性，同样，对一周的运营情况进行对比，可用运力结果依然展现出不同的规律。对于所选5条航线，可用座位数最高的基本是周四，其次才是周五或周六，而根据客座率统计结果来看，周四的平均客座率水平并不高，因此同样看出，目前对于航班时刻的整体利用价值仍存在不足，没有与需求完全匹配。

相关性对比分析

相关性分析用于判断不同对象之间是否存在某种相互影响的关系，并对具有依存关系的对象定量计算其相关程度，是分析随机变量之间相关关系的一种统计方法。本节选取一种常用的相关系数：皮尔森相关系数（Pearson correlation coefficient），对客座率和可用座位数两类指标的相关性进行检验分析，从而判断目前在各时段的整体安排上，供需是否能够达到协同效应。

根据周一到周日各时段的平均客座率和平均可用座位数建立对应的时间序列，通过两个指标的时间序列计算相关性，从而判断目前航班时刻整体安排上的协同效应。相关系数计算结果如图6所示。

根据相关性分析结果可知，对于A、B航线，相关性最高的是周二，可见周二各时段可用座位数与客座率的市场结果最为协同，两者的相关性最高，变化趋势最为一致。对于C航线，相关性最高的是周一，对于D航线，相关性最高的是周五，对于E航线，相关性最高的是周日。

同样，根据7∶00～21∶00，各时段对应的平均客座率和平均可用座位数建立对应的时间序列，通过两个指标的时间序列计算相关性，从而判断在时段维度上各个航线航班时刻的协同效应。由于计算结果较多，故不再一一详细展示。对于A航线，相关性最高的是9∶00～10∶00；对于B航线，相关性最高的是16∶00～17∶00；对于C航线，相关性最高的是18∶00～19∶00；对于D航线，相关性最高的是14∶00～15∶00；对于E航线，相关性最高的是7∶00～8∶00。

由于不同航线的市场需求和运力投放策略差异较大，因此相关性分析结果也呈现了不同的规律。只有基于各航线的历史数据，才能结合相关性分析结果，探求该航线运力与需求的协同情况，从而制定出合适的优化策略，使得运力供给与市场需求最为匹配，从而提升两者之间的协同效应，减少资源浪费。

综上所述，随着航空运输业的持续发展，航空市场的需求也将随之增加，同时带来的问题即是航空公司如何更好地利用自身资源，高效地追求效益最大化。有鉴于此，航空公司既需要充分挖掘即有和潜在时刻的价值，同时也需要结合民航局的管理办法，根据航班时刻的执行率、航班正点率、航班的通达性、流向均衡性、航线稳定性等各类因素，努力提升自身的硬件条件，为更好地争取航班时刻奠定良好的基础。最终准确把握需求，实现航线网络、航班时刻、航班正常等诸多目标的综合优化。