基于大数据挖掘的航空器预位时间分析与应用

周得博，蔡思思

基于大数据挖掘的航空器预位时间分析与应用

周得博，蔡思思

（杭州萧山国际机场飞行区管理中心，浙江 杭州 311207）

针对大型运输机场现有保障流程中存在保障资源等待闲置的问题，基于大数据挖掘技术对航空器预位时间进行分析，考虑到保障资源派工提前量过大会导致资源闲置、提前量过小会带来航班延误风险的问题，引入“效能系数”计算资源派工提前量标准建议值，最后采用实际运行数据进行算例验证，结果证明了此方法具有可行性。

大数据挖掘；航空器预位时间；机场地面保障；资源调度优化

近年来，随着大型运输机场航班量的快速增长，航班地面保障日趋复杂，保障资源趋紧，对地面保障资源的调度提出了更高的要求。传统的地面保障资源按照航空器预计到达着陆时间（预达时间）前固定时间内到位等待[1]，而航空器经由地面滑行进入机位后，保障单位才真正开始保障工作。如果资源派工提前量过大，势必会造成不必要的资源等待闲置。准确预计航空器到达机位的时间（预位时间），合理安排派工提前量，对于优化资源调度、提高地面保障效率有着重要作用。当前，数据是第一生产力，通过大数据技术分析和挖掘机场的航班地面保障数据可以更好地对地面保障环节进行管理，从而提高机场的保障效率[2]。

本文针对现有地面保障流程中资源等待闲置的问题，分析地面保障资源调度与航空器预位时间的关联关系，基于大数据挖掘技术对航空器的预位时间偏差进行统计分析，考虑到保障资源派工提前量过大会导致资源闲置、提前量过小会带来航班延误风险的问题，引入“效能系数”计算资源派工提前量标准建议值，最后采用实际运行数据进行算例验证，以证明本文方法的可行性。本文的工作有助于对地面保障流程进行精细化管理，能够为大型运输机场实现运行高效化、管理精细化、服务个性化提供有益借鉴和参考。

1 问题描述与数学模型

1.1 数学模型

航空器预位时间分析过程包含三个重要的时间参数：①预达时间，即航班预计到达机场跑道的着陆时间；②预位时间，即航班预计滑入机位上轮挡的时间；③进港可变滑行时间，即从跑道落地滑行到机位所需的平均滑行时间。

三个变量之间满足如下关系式：=+。

由于航空器实际到达时间与预达时间一般会存在偏差，而且航空器落地后从跑道头滑行至指定机位还需一定时间，受地面保障条件的限制，实际入位时间与预位时间之间往往也存在偏差。

本文分析航班落地后预位时间偏差的概率分布情况，采用1表示实际落地时间与预达时间的偏差，2表示实际入位时间与预位时间的偏差，1=实际落地时间－预达时间，1＜0表示落地时间提前，1＞0表示落地时间推后。2=实际入位时间－预位时间，2＜0表示入位时间提前，2＞0表示入位时间推后。

现行机坪运行管理规定航空器提供保障作业的资源（人员和车辆）应在航空器落地前分钟（一般为10 min）到达指定位置，进行作业准备工作。因此依据现有标准可以计算出地面保障人员的等待时间：

不同于现有标准，本文从预位时间入手，规定地面保障资源必须在预位时间分钟之前到达保障现场，由此可以计算出该建议标准下地面保障人员的等待时间：

用△表示两种标准下节约的时间成本△=1－2=min+min。

根据现有标准（预落前分钟到位）可计算出滞后保障的概率为：1=（1＜0）=（－2＞+）。

根据建议标准（预位前分钟到位）可得滞后保障的概率为：2=（2＜0）=（－2＞）。

综合1与2可知，的取值只需考虑2的分布和的取值。

1.2 VTT的取值和预位偏差分布

进港可变滑行时间值是近2年来航空器在不同时间不同繁忙程度下从特定跑道头滑至指定机位的滑行时间的采样分布均值。2定义为实际入位时间与预计入位时间的差值，简称预位偏差，该随机偏差服从正态分布。

1.3 节约时间成本与保障滞后风险

1.4 效能系数的引入

本文将取得最大效能系数所对应的值作为地面保障提前量标准值，即=（）。

2 算例分析

本文以杭州萧山国际机场为例进行算例分析，假设在萧山机场的06号跑道到停机位312之间执行1 000个航班，进港可变滑行时间=6 min。采集萧山机场2018年所有进港航空器的历史运行数据，统计其实际入位时间与预位时间差值的分布情况，记为2的随机样本，并求得2的概率密度函数如下：

效能系数的计算过程是依次计算执行1 000架次航班的延误风险架次、节约时间成本，从而确定出最优的效能系数及其对应的预位前资源派工提前量时间。

由于萧山机场平均滑入时间为6 min，现有标准（预达时间提前10 min）等价于=+=10+6=16 min[3]，节省时间成本=0。如果=15 min，则节省时间成本=（16－15）×24个保障主体单元×1 000架次/60=400 h。当=14，13，12，11…时同理可求得相应节省的时间成本。

求得各值对应的效能系数，并绘制如图1所示曲线。

图1 效能系数分布图

由图1可知，=13时效能系数值最大，说明在该标准建议值下，单位风险架次带来的平均时间成本节省量最大，因此建议保障资源按照预位前13 min的标准到位保障。

3 结语

本文基于大数据挖掘技术对航空器的预位时间进行分析，针对大型运输机场现有保障流程中存在资源派工过早、保障资源等待闲置的问题，通过平衡保障资源利用率和航班延误风险水平之间的关系，对保障资源的提前派工时间进行量化计算，对于降低资源闲置、提高地面保障资源利用率有着重要意义。值得注意的是，在实际确定保障资源派工提前量时，需要采用专家评分法综合各种影响因素来评判，专家评分可以考虑多重因素：夏天机坪高温、冬天寒冷、旅客服务质量、企业成本控制、航班正常性、多机备降和大面积航班延误等情况。

［1］任子云.大型机场航班地面保障车辆协同调度研究［D］.天津：中国民航大学，2016.

［2］王尧.基于关联规则的机场航班地面保障模式研究［J］.科技与创新，2017（2）：86-87.

［3］孙荣恒.概率论和数理统计［M］.重庆：重庆大学出版社，2000.

V351

A

10.15913/j.cnki.kjycx.2019.17.017

2095－6835（2019）17－0040－02

周得博（1988—），男，研究方向为机场运行与正常性管理。蔡思思（1996—），女，研究方向为机场运行与管理、航空器场面运行优化。

〔编辑：严丽琴〕