基于评价模型的航站楼旅客流量异常预警模型研究

钟翔+王晓萌+梁竹平+白杨

摘 要：大面积航班延误或取消的情况下，航站楼内易发生旅客流量异常进而导致机场的服务保障能力受到考验，因此，对航站楼内旅客流量进行异常预警是十分必要且刻不容缓的。文章主要通过研究特殊天气以及空中管制因素影响下航站楼内旅客流量变化的规律，建立基于评价模型分别建立特殊天气因素单独影响、空中管制因素单独影响以及特殊天气和空中管制双因素共同影响下航站楼内旅客流量的预警模型。通过建立上述预警模型，可以根据不同因素的影响程度来预测航站楼内旅客流量的变化，进而为机场的服务保障能力提供量化的辅助性支持。

关键词：航站楼；特殊天气；空中管制；旅客流量；预警模型

中图分类号：V19 文献标志码：A 文章编号：2095-2945（2018）07-0001-07

Abstract： In the case of large-area flight delays or cancellations， passenger flow anomaly easily occurs in the terminal building， which will test the service support capability of the airport. It is necessary and urgent to carry on the abnormal early warning to the passenger flow in the terminal building. Through the study of special weather and air control factors under the influence of passenger traffic changes in the terminal， and based on the evaluation model， this paper mainly establishes the early warning model of passenger flow in terminal under the influence of special weather factors alone， air control factors alone and dual factors of special weather and air control. Through the establishment of the early warning model， we can predict the change of passenger flow in terminal according to the influence degree of different factors， and then provide the quantitative auxiliary support for the airport service support ability.

Keywords： terminal； special weather； air control； passenger flow； forewarning model

1 概述

民航客機起降的准点率受天气和航路等因素的影响较大，而在大面积航班延误或取消情况下，航站楼内易发生旅客流量异常现象[1][2]，这对机场的服务保障能力是一个巨大的考验。因此对机场航站楼旅客流量进行异常预警研究是十分必要的。

本文以天津机场历史离港旅客数据和航班数据为研究对象，结合历史天气数据，研究探索因天气、空中管制等原因造成大面积航班延误或取消情况下航站楼旅客流量异常的规律，进而建立大面积航班延误或取消情况下航站楼内旅客流量的预警模型，最终为机场服务保障能力[3]提供量化的辅助性支持。

2 航站楼离港旅客流量异常分析

笔者通过对天津机场2016年6月至2017年5月的航班、旅客和本场天气数据进行分析发现，航班延误是机场航站楼内旅客流量异常的主要原因，而影响航班正常性的原因主要为本场天气能见度、空中管制（包括军事活动）这两大类。

2.1 特殊天气情况下航站楼隔离区内旅客流量变化情况

按照天津机场空管局规定，可视距离500米以下飞机不允许起飞，可视距离550米以下飞机不允许降落。通过对天津空管局天气数据的分析，航站楼内旅客人数影响大的天气主要为暴雨、雪天和雾天。以2016年11月5日为例，当天天气为“雾”， 隔离区内旅客人数与同时刻年平均值对比如图1所示。

从图1可知，11月5日隔离区内旅客人数峰值是同时刻年平均值峰值的4倍左右。为验证上面雾天航班延误对应旅客流量异常的相关性分析是否具有普遍性，选取天气同是“雾”的2017年1月2日和2017年2月14日继续分析。这两天隔离区内旅客数量与同时刻年平均值对比分别如图2和图3所示。

通过对比11月5日，1月2日及2月14日这三天的数据，可得出在恶劣天气情况下隔离区内旅客人数的变化呈以下特点，0-3000人的积累过程每小时约增加1000人，随着早高峰的到来，若后续天气能见度情况依然得不到改善的话，后面每40-50分钟即增加约1000人。如能见度改善致航班陆续起飞，航站楼内旅客人数从最高峰回到日常均值需要6-8小时。

另外，全天机场能见度都为500米以下时，大部分航班将会取消，隔离区内旅客人数将会远远少于日常均值。

2.2 空中管制情况下航站楼隔离区内旅客流量变化情况

通过查阅天津运行指挥中心2017年5月份的航班正常性月报发现空中管制影响下2017年5月12日航班放行率最低为35.19%，2017年5月31日航班放行率最高为96.86%。并且这两天的计划航班数量一致，没有明显的增减。从机场安检信息系统中抽取5月12日，5月31日这两天的旅客数据，并进行人工计算，我们从早上5：30分开始，以每隔10分钟计算一次航站楼内隔离区的旅客数量，一直持续到晚上23：00结束，得出隔离区内旅客人数变化（如图4）。endprint

从上图我们可以很明显的发现，从5月12日的7：10分开始，机场隔离区内旅客人数明显呈上升趋势，一直持续到17：00分，人数几乎是5月31日同时段的四倍，从17：00分-23：30分这段时间，人数也明显比31日多。通过运行指挥中心的航班正常性月报可以看出5月12日空中管制原因影响航班138班，由此可以判断出空中管制原因会导致航班延误，进而导致航站楼隔离区内旅客人数的增加。

为了验证这一现象的普遍性，我们选择2017年5月26日这一天的数据进行分析，从航班正常性月报发现这一天的航班放行率为47.51%，并且空中管制原因影响航班数为112个。我们将2017年5月12日、5月26日、5月31日隔离区内人数变化趋势在一张图里同时展现，如图5所示。

通过对上图的分析可以得出，空中管制影响航班数越小，隔离区内人数积聚量就会相对而言减少。但是总体相对于没有空中管制影响的数据而言，隔离区内人数还是增多趋势。

综上所述，空中管制会影响航班放行率，进而影响隔离区内人数的变化，随着空中管制影响时间的延长，隔离区内人数会比正常值偏多。

3 不同因素影响下航站楼旅客流量异常预警模型

3.1 特殊天气的航站楼旅客流量异常预警模型

特殊天气可以大致分为三种：雨、雪、雾。三种特殊天气对航班放行的影响主要是能见度的影响。

（1）雾天单独影响的情况下，通过上述章节对于2016年11月5日、2017年1月2日以及2017年2月14日三天雾天隔离区内人数变化的分析可以得出，6：30时刻隔离区内人数基本都会达到1300人（此时刻年度均值），6：30-8：30期间，隔离区内人数以850人/小时的速度增加，8：30至放行时刻前40分钟（天津机场目前登机时间为计划起飞时间前40分钟）隔离区内的人数以1200人/小时的速率增加，放行时刻前40分钟至放行时刻隔离区内人数增长幅度为450人，放行时刻隔离区内人数达到这一天的最高峰，晚上21：00左右，隔离区内人数逐渐回落至平均人数水平。因此，雾天的隔离区内人数计算模型为：

F=N+S×T+N2 （1）

其中，N为大雾天6：30隔离区内人数的基数，根据上述分析我们取值为1300人，T为能见度小于500米的持续时间减去40分钟（40分钟为计划起飞时间与计划登机时间的间隔时间），S为隔离区内人数增长的速率，N2为放行时刻前40分钟至放行时刻隔离区内人数的增长数，取值为450人。当放行时刻前40分钟在8：30之前时，S为850人/小时；当放行时刻前40分钟在8：30之后时，S分为两部分速度，在6：30-8：30期间，S为850人/小时，在8：30至放飞时刻前40分钟期间，S为1200人/小时。

通过此模型，我们结合天气预报，可以预知次日因大雾造成航班延误时隔离区内旅客人数增长情况。次日出现大雾天并且没有空中管制的情况下，根据全天不同时刻天气情况的预测，从出现大雾天并且能见度小于500米的时刻算起（一般情况下雾天都是从早上开始，我们这里按雾天从早上5：30开始），当能见度大于等于500米的时刻出现在7：50（8：30-40分钟）之前时，利用上述模型可以推算出，此种情况下隔离区内人数最多为3000人。当能见度大于等于500米的时刻出现在8：30之后时，利用上述模型可以推算出，此种情况下隔离区内人数在10：30时刻会达到5400人，如果能见度大于等于500米的时刻一直延续到11：10之后，那么隔离区内人数会大于5400人，机场此时应时刻关注天气变化及现场隔离区内的人数变化，随时准备进行干预。

（2）小雪天气单独影响的情况下，通过对2016年11月21日、12月26日、2017年2月21日历史数据分析可知，2016年11月21日雪天影响时间为7：30-21：15，12月26日雪天影响时间为6：40-13：50，2017年2月21日雪天影响时间为15：30-23：30。通過分析可知，如果天气影响结束时间为20：00之前，则隔离区内全天最高峰会出现在结束影响时刻左右；如果天气影响结束时间为20：00之后，则隔离区内全天最高峰会出现在早高峰7：00左右（如图6）。

具体模型如下：

X=N+S1×T1 （2）

其中，X为雪天隔离区内人数，N为雪天6：30隔离区内人数的基数，根据上述分析我们取值为1300人，T1为6：30至雪天影响结束时刻的持续时间，S1为6：30至雪天影响结束时刻隔离区内人数的增长速率。其中，通过对历史数据的分析可知，当雪天影响结束时间为20：00之前时，S1为67人/小时，当雪天影响结束时间为20：00之后时，S1为1200人/小时，T1为30分钟。

通过此模型，我们结合天气预报，可以预知次日因雪天造成航班延误时隔离区内旅客人数增长情况。当通过天气预报预知次日会出现小雪天并且没有空中管制的情况下，根据全天不同时刻天气情况的预测，当小雪天结束时刻在20：00之前时，利用上述模型可以推算出，此种情况下隔离区内人数最多为2105人左右，隔离区内人数高峰出现时刻大约在小雪天结束时刻。当小雪天结束时刻在20：00之后时，利用上述模型可以推算出，此种情况下隔离区内人数最多为1900人，出现时刻为早高峰7：00左右。因此，小雪天天气对隔离区内人数的影响并不大，不会造成隔离区内人数过多的积压。

（3）暴雨天气单独影响的情况下，通过对2016年6月28日、7月20日历史数据分析可知，6：30隔离区内基数人数为920左右，在13：30至14：30，会出现全天隔离区内人数最高峰，平均增长速率为250人/小时，因此高峰时刻人数会达到2898左右，之后开始缓慢下降至20：00回到平均水平。模型如图7所示。

R=N1+S3×T3 （3）

其中，R为暴雨天隔离区内人数，N1为雨天6：30隔离区内人数的基数，根据上述分析我们取值为920人，T3为6：30至雨天影响高峰时刻（这里取值14：30）的持续时间，S3为6：30至雨天影响高峰时刻隔离区内人数的增长速率，取值为250人/小时。endprint