航班起降波形分类及特征研究

李雄, 陈晓清, 李冬宾, 卫东选

(1.中国民航机场建设集团公司 规划设计总院, 北京 100101;2.中国航空工业发展研究中心, 北京 100029;3.中国民航管理干部学院 空管系, 北京 100102;4.长安大学 公路学院, 陕西 西安 710064)



航班起降波形分类及特征研究

李雄1, 陈晓清2, 李冬宾3, 卫东选4

(1.中国民航机场建设集团公司 规划设计总院, 北京 100101;2.中国航空工业发展研究中心, 北京 100029;3.中国民航管理干部学院 空管系, 北京 100102;4.长安大学 公路学院, 陕西 西安 710064)

摘要:以OAG航班计划数据为基础,对全球大型机场日客运航班的起降波形进行分析并归纳分类,得出锯齿形、梯形、早晚高峰形和叠加形4类航班波。同时,提出4个特征指标用于对航班起降波形进行评估,分别为高峰起降航班占比率、飞行架次标准差比值、高峰起降间隔时间和降落-起飞高峰配对数。以我国旅客吞吐量排名前10位的机场为例,分析各机场航班起降波形及其特征指标。研究结果表明:我国大型机场客运航班起降波形以早晚高峰形航班波为主,高峰起、降航班占比率均值分别为64.1%和59.0%,飞行架次标准差比值为0.12,日间运行时段尚未形成明显的降落-起飞高峰配对,与国际大型枢纽机场航班运作模式尚有一定差距。

关键词:空中交通管制; 航班波; OAG航班计划数据; 机场; 航班时刻

0引言

根据国际机场协会(Airport Council International,ACI)最新公布的统计数据,2014年旅客吞吐量排名世界前20位的机场,中国内地占据3席,分别是第2位北京首都国际机场、第15位广州白云国际机场和第19位上海浦东国际机场,年旅客吞吐量分别达到8 613万、5 478万和5 169万人次。随着机场客运量的增大,航班起降架次迅猛增加,机场航班时刻资源日益紧张,尤其是大型机场的航班时刻已成为稀缺性资源[1]。航班起降时刻在机场全天24 h中的数量分布曲线,即形成机场起降航班波。因此,开展对航班起降波形,尤其是大型机场客运航班起降波形的研究,对于合理有效组织航班运行,提升机场使用效率具有重要意义。

当前针对航班时刻或航班起降波形的研究主要围绕以下几方面展开:(1)从政策法规的角度,对航班时刻的统筹管理、公平分配进行研究[2-4];(2)从理论算法、数学模型的角度,对航班时刻优化配置、减少航班延误展开研究[5-9];(3)从构建枢纽机场的角度,对航班起降波形的优化调整进行研究[10-12];(4)针对特定机场、航空公司的航班时刻安排或航线网络布局开展研究[13-16]。总体而言,针对航班时刻或起降波形的研究多侧重于对机场航班时刻优化调整及航班波形重构的分析,对现有大型机场既已形成的航班起降波形及其特点的系统分析、研究并不多见。

本文将以官方航空指南 (Official Airline Guide,OAG)[17]航班计划数据为基础,深入分析全球大型机场高峰月的日客运航班的起降波形,并进行归纳分类,同时对波形特征评估指标进行研究,并应用于我国大型机场的客运航班起降波形分析。

1航班起降波形分类

针对全球年旅客吞吐量排名前50位的国际大型机场,应用OAG航班计划分析工具提取其2014年高峰月的日客运航班起降架次数据进行分析,并生成日客运航班起降波形图。根据各机场波形特征归纳得出以下4类具有代表性的航班波形。

(1)锯齿形航班波

航班起降高峰交替出现,一天之中形成3组及以上降落、起飞航班波峰(波谷)对,代表机场有巴黎戴高乐和迪拜国际机场,高峰日客机起、降架次分别为1 275和1 017架次,如图1所示。形成起飞、降落锯齿形航班波的机场,通常具有明显的枢纽机场特性,一个进港航班密集时段紧随一个出港航班密集时段,进出港航班衔接紧密,有利于中转航班灵活安排起降时刻,提高中转效率。

除以上机场,其他具有锯齿形航班波的机场还包括:阿姆斯特丹、丹佛、仁川、香港和新加坡国际机场等。

图1　巴黎戴高乐、迪拜国际机场Fig.1　Charles De Gaulle, Dubai International Airport

(2)梯形航班波

航班小时起降架次达到初始高峰后,日间运行阶段维持窄幅振荡,直至夜间起降航班数量快速减少形成波谷,代表机场如伦敦希思罗和东京羽田国际机场,高峰日客机起、降架次分别为1 342和1 181架次,如图2所示。

图2　伦敦希思罗、东京羽田国际机场Fig.2　London Heathrow, Tokyo International Airport

形成梯形航班波的机场,运行时段起降架次相对均衡,总运行架次维持在一定水平小幅波动,机场使用效率高,趋于满负荷运行。此外,形成梯形航班波的另一客观因素是机场周边对噪声较为敏感,夜间航班大幅减少或禁航。

(3)早晚高峰形航班波

起、降航班波峰极值分别出现在早上及夜晚,日间运行阶段起降航班小时架次存在一定波动性,峰谷交替出现,代表机场如芝加哥奥黑尔和雅加达苏加诺国际机场,高峰日客机起、降架次分别为2 611和1 152架次,如图3所示。形成早晚高峰形航班波的机场,航班具有明显的早出晚归特征,通常作为大型航空公司的基地机场,过夜航班多。机场及跑道使用存在一定不均衡性,早离港航班、晚进港航班运行压力大。

除以上机场,其他具有早晚高峰形航班波的机场还包括:北京首都、伦敦盖特威克、广州白云和上海浦东国际机场等。

图3　芝加哥奥黑尔、雅加达苏加诺国际机场Fig.3　Chicago O’Hare, Soekarno-Hatta International Airport

(4)叠加形航班波

起、降航班波形近似,部分时段起、降波峰重叠,小时总起降架次具有明显波动性,代表机场如亚特兰大和悉尼国际机场,高峰日客机起、降架次分别为2 427和843架次,如图4所示。形成叠加形航班波的机场,航班小时总起降架次具有较强波动性,航班日运行架次仍有较大提升空间,尚未达到机场饱和运行容量。

图4　亚特兰大、悉尼国际机场Fig.4　Hartsfield-Jackson Atlanta, Sydney International Airport

2波形特征评估指标

针对不同机场高峰日客运航班起降波形,选取4类特征指标对航班波形进行评估。

(1)高峰起降航班占比率

高峰起飞、降落航班占比率计算公式如下:

高峰起飞航班占比率=(日小时起飞架次最大的3个时段起飞航班架次之和)/(日小时总起降架次最大的3个时段航班架次之和)

(1)

高峰降落航班占比率=(日小时降落架次最大的3个时段降落航班架次之和)/(日小时总起降架次最大的3个时段航班架次之和)

(2)

该指标主要用于评估起降高峰时段跑道使用的不均衡性,指标值越大表明起飞或降落航班占比越大,接近50%则说明高峰起降运行相对均衡。如巴黎戴高乐和伦敦希斯罗国际机场高峰起飞航班占比率分别为65.4%和51.8%,高峰降落航班占比率分别为60.0%和50.6%。

(2)航班飞行架次标准差比值

航班飞行架次标准差比值,指机场在时段07:00～ 22:00运行期间共15个时段小时起降架次的标准差与全天平均小时起降架次的比值。该指标主要用于评估机场常态化运行期间,小时飞行架次的波动性,指标值越大航班小时运行数量波动性越大,反之则波动性越小。对于运行流量趋于饱和的机场,通常小时飞行架次波动性较小,即相应的航班飞行架次标准差比值较小。如新加坡国际机场航班飞行架次标准差比值为0.12,而亚特兰大则为0.32。

(3)高峰起降间隔时间

起飞高峰间隔时间指起飞航班波峰之间的时间间隔;降落高峰间隔时间指降落航班波峰之间的时间间隔,如图5所示(阿姆斯特丹国际机场)。若存在多个间隔时间,则取其算术平均值。该指标主要用于评估锯齿形航班波航班中转时间,通常一对降落航班波峰之间伴有一个起飞波峰,航班中转时间可近似估算为降落高峰间隔时间的一半。对于航班波峰、波谷起伏无明显变化的机场,该指标参考意义较小。

阿姆斯特丹和巴黎戴高乐国际机场起飞高峰间隔时间分别为2.8 h和2.4 h,降落高峰间隔时间分别为2.8 h和2.7 h。

图5　高峰起、降间隔时间Fig.5　Taking off and landing peak interval

(4)降落-起飞高峰配对数

降落航班波峰与随后相邻的起飞航班波峰形成一个降落-起飞波峰对,这样的波峰对在全天起降波形中出现的总次数即为降落-起飞高峰配对数,如图6所示(丹佛国际机场)。该指标主要用于评估中转航班波在全天出现的频次,指标值越大中转航班波频次越多。如丹佛和芝加哥奥黑尔国际机场的降落-起飞高峰配对数分别为5和4。

图6　降落-起飞高峰配对数Fig.6　Landing-taking off peak paired quantity

3我国大型机场航班波形分析

以2014年中国旅客吞吐量排名前10位的机场为例(见表1[18]),分析国内大型机场航班起降波形及其特征指标。

表1　机场旅客吞吐量与起降架次

上述机场2014年高峰月的日客运航班起降波形如图7所示。波形特征指标评估如表2所示。

通过对航班起降波形图的分析,我国大型机场航班起降波形基本属于早晚高峰形航班波范畴。早出港高峰、晚进港高峰特征较为明显,日间运行阶段降落、起飞高峰交替出现,可形成2～4组降落-起飞高峰对。

中国大型机场高峰起、降航班占比率均值分别为64.1%和59.0%,高峰起降时段跑道使用存在一定不均衡性,起飞高峰尤为突出。成都双流和北京首都机场起降高峰跑道使用不均衡性最为明显,高峰起飞航班占比率分别达到75.8%和70.7%,高峰降落航班占比率分别为68.5%和65.6%。深圳宝安机场起、降高峰使用跑道相对均衡,高峰起、降航班占比率分别为58.0%和55.2%。

我国大型机场平均航班飞行架次标准差比值约为0.12,机场常态化运行期间小时飞行架次波动性较小,国际同类大型机场该指标值在0.16～0.25之间。成都双流和北京首都机场该指标值最小,仅为0.05和0.06,日间运行架次趋于饱和,因此成都和北京第二机场正在规划建设之中。

我国大型机场高峰起、降间隔时间均值分别为

3.3 h和3.2 h,可用于航班中转的时间近似估算约为90 min,基本满足国内、国际航班中转时间需求(通常国内转国内航班在45～60 min内完成,国内转国际或国际转国内航班在90 min内完成[12])。

案例中分析的国内大型机场在早出港高峰与晚进港高峰之间虽然能形成若干起降高峰配对,但较之锯齿形航班波机场(如迪拜、巴黎戴高乐、法兰克福、阿姆斯特丹等),波动性明显不足,尚未形成真正意义上的枢纽型运作。

机场指标1高峰起降航班占比率/%起飞降落指标2航班飞行架次标准差比值指标3高峰起降间隔时间/h起飞降落指标4降落-起飞高峰配对数1北京首都70.765.60.062.83.342广州白云62.255.70.123.03.523上海浦东62.356.00.143.03.044上海虹桥64.260.80.144.33.03

(续表2)

4结论

本文对世界大型机场客运航班的起降波形进行了分类研究,提出了4个波形特征评估指标,并将其应用于我国大型机场客运航班起降波形的分析研究,所得结论如下:

(1) 根据航班起降波形的形态特征,归纳得出4类波形,分别为锯齿形航班波、梯形航班波、早晚高峰形航班波和叠加形航班波。我国大型机场客运航班起降波形以早晚高峰形航班波为主。

(2) 中国大型机场航班飞行架次标准差比值约为0.12,略低于国际平均水平,机场常态化运行期间小时飞行架次波动性较小,部分机场运行流量已趋于饱和,如北京首都机场和成都双流机场。

(3) 目前国内大型机场在日间运行时段,尚未形成明显的起降高峰配对,与国际大型枢纽机场(如迪拜、巴黎戴高乐、法兰克福等)的航班运作模式尚有一定差距。

(4) 对于设有大型基地航空公司的机场,早起飞与晚降落高峰特性不易被打破,可考虑在日间运行阶段合理组织3～4个锯齿形进、离港航班波峰对,以增强机场的枢纽功能。对于具有区位优势的机场或同城第二机场,可参考锯齿形航班波打造枢纽型运行模式。

参考文献：

[1]金永利,刘光才,庄文武.我国航班时刻管理机制及其改革方案研究[J].中国民用航空,2008(10):107-109.

[2]杨涛.航班起降时刻资源配置研究[D].北京:北京交通大学,2008.

[3]刘光才,李章萍.航班时刻分配与抽签机制研究[J].工业技术经济,2008,27(7):83-85.

[4]武丁杰,孙宏.航班时刻资源的优化与管理[J].中国民用航空,2013(6):43-44.

[5]武丁杰,孙宏.基于航班延误水平的机场航班时刻管理评价方法[J].交通运输工程与信息学报,2014,12(1):18-21.

[6]高强,严俊,朱金福.CDM机制下航空公司时隙分配优化决策[J].交通运输系统工程与信息,2011,11(5):94-98.

[7]严俊,吴桐水,高强,等.协同决策机制下的时隙二次指派[J].南京航空航天大学学报,2013,45(1):140-146.

[8]吴刚,夏洪山,高强.机场群运行方式下的航班时刻与频率优化模型[J].交通运输工程学报,2013,13(4):79-86.

[9]Kim D,Barnhart C.Flight schedule design for a charter airline[J].Computers & Operations Research,2007,34:1516-1531.

[10]李雯,许俐.我国枢纽机场航班时刻优化方法研究[J].科技信息,2009(35):152-153.

[11]王伟,王成金.枢纽机场航班时刻资源配置的时空网络模式[J].地理学报,2013,68(6):762-774.

[12]刘武君.航空枢纽规划[M].上海:上海科学技术出版社,2013.

[13]孙启玲,苏欣.首都机场航班波分析与优化[J].中国民用航空,2013(10):30-31.

[14]Dennis N P S.Long-term route traffic forecasts and flight schedule pattern for a medium-sized European airport[J].Journal of Air Transport Management,2002(8):313-324.

[15]党亚茹,丁飞雅,宋素珍.我国航班时刻资源的分布研究[J].交通运输工程与信息学报,2013,11(3):14-23.

[16]朱承元,卫宏,刁琳.珠三角地区多机场系统航班时刻的仿真优化[J].计算机工程与应用,2013,49(4):236-239.

[17]OAG.航班计划分析工具[EB/OL].(2015-3-1)[2015-6-28].http://www.oag.cn.

[18]中国民用航空局.2014年全国机场生产统计公报[EB/OL].(2015-4-3)[2015-6-28].http://www.caac.gov.cn/I1/K3/201504/t20150403-73469.html.

(编辑：方春玲)

Classification and characteristics of flights taking off and landing waveforms

LI Xiong1, CHEN Xiao-qing2, LI Dong-bin3, WEI Dong-xuan4

(1.Planning and Design Institute, China Airport Construction Group Corporation,Beijing 100101, China;2.Aviation Industry Development Research Center of China, Beijing 100029, China;3.Department of Air Traffic Management, Civil Aviation of Management Institute of China, Beijing 100102, China;4.Highway School, Chang’an University, Xi’an 710064, China)

Abstract:The daily passenger flights taking off and landing waveforms of world’s large airports were analysed and classified based on the OAG flight plan data. There were four kinds of flight waveforms: zigzag waveform, trapezoidal waveform, morning and night peak waveform and superposed waveform. Besides, four characteristic indexes were proposed to evaluate the flights taking off and landing waveforms, respectively for peak taking off and landing flights percentage, flight movements standard deviation ratio, taking off and landing peak interval and landing-taking off peak paired quantity. A case study on the top 10 airports by passenger throughput in China, flights taking off and landing waveforms and their characteristic indexes were analysed. The result shows that the passenger flights taking off and landing waveforms of large airports in China are mainly morning and night peak waveforms. The average peak taking off and landing flights percentage are 64.1% and 59.0% respectively. The average flight movements’ standard deviation ratio is 0.12. During the running time, the vast majority of airports have not yet formed clear landing-taking off peak pairing. There is still a some difference between the large international hub airport and ours in terms of flights operation mode.

Key words:air traffic control; flight waveform; OAG flights plan data; airport; flight time

中图分类号：V355; U8

文献标识码：A

文章编号：1002-0853(2016)02-0090-05

作者简介:李雄 (1980-)，男，天津人，高级工程师，博士，研究方向为机场仿真模拟、机场与空域规划设计。

基金项目:国家科技支撑计划项目(2014BAJ04B02)

收稿日期:2015-08-20;

修订日期:2015-11-13; 网络出版时间:2016-01-10 14:13