摘要 隨著民航機(jī)場(chǎng)規(guī)模的擴(kuò)大，提升機(jī)場(chǎng)效率成為當(dāng)務(wù)之急。隨著建設(shè)“四型機(jī)場(chǎng)”要求的提出，通過(guò)數(shù)字化信息化手段提升機(jī)場(chǎng)運(yùn)行效率成為“智慧機(jī)場(chǎng)”建設(shè)的重要抓手。該研究通過(guò)挖掘A-CDM系統(tǒng)數(shù)據(jù)，利用云模型和模糊綜合評(píng)價(jià)方法，實(shí)現(xiàn)機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)動(dòng)態(tài)感知，提供預(yù)測(cè)和預(yù)警功能，為資源調(diào)度優(yōu)化和效率提升提供數(shù)據(jù)支持。案例驗(yàn)證表明：該算法和結(jié)果符合實(shí)際航班流量的時(shí)空分布特征，且其提供的預(yù)警功能有效，評(píng)估模型及算法在機(jī)場(chǎng)運(yùn)行效率評(píng)價(jià)中具備實(shí)用性和可行性。

關(guān)鍵詞 機(jī)場(chǎng)運(yùn)行；機(jī)場(chǎng)協(xié)同決策系統(tǒng)；云模型；模糊綜合評(píng)價(jià)

中圖分類(lèi)號(hào) V351 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2096-8949（2024）21-0009-04

0 引言

近年來(lái)，我國(guó)運(yùn)輸機(jī)場(chǎng)數(shù)量與規(guī)模達(dá)到歷史新高，預(yù)計(jì)到2025年將超過(guò)270個(gè)。然而，僅依賴基礎(chǔ)設(shè)施擴(kuò)建已無(wú)法滿足行業(yè)發(fā)展的需要，行業(yè)普遍認(rèn)同數(shù)字化、信息化、智能化技術(shù)的重要性，以提升機(jī)場(chǎng)的保障能力、運(yùn)營(yíng)水平和服務(wù)品質(zhì)，優(yōu)化資源配置，提高運(yùn)營(yíng)效率。

在此背景下，民航局提出實(shí)施新時(shí)代民航高質(zhì)量發(fā)展戰(zhàn)略，加快推進(jìn)以“平安機(jī)場(chǎng)、綠色機(jī)場(chǎng)、智慧機(jī)場(chǎng)、人文機(jī)場(chǎng)”為核心的“四型機(jī)場(chǎng)”建設(shè)[1]。其中，機(jī)場(chǎng)協(xié)同決策（A-CDM）計(jì)劃于2013年啟動(dòng)，對(duì)該技術(shù)平臺(tái)的數(shù)據(jù)進(jìn)行挖掘，構(gòu)建機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)實(shí)時(shí)評(píng)價(jià)體系，有利于提升運(yùn)營(yíng)管理水平、優(yōu)化資源配置與調(diào)度、助力智慧機(jī)場(chǎng)建設(shè)。

從機(jī)場(chǎng)運(yùn)行保障的角度出發(fā)，根據(jù)航空器在機(jī)場(chǎng)運(yùn)行保障的主要環(huán)節(jié)建立指標(biāo)體系、評(píng)價(jià)集和權(quán)重集，構(gòu)建機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)動(dòng)態(tài)評(píng)價(jià)模型。通過(guò)案例驗(yàn)證模型可行性，幫助管理者實(shí)時(shí)了解和預(yù)測(cè)機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)，為資源配置提供支持和決策依據(jù)，提升機(jī)場(chǎng)運(yùn)行效率。

1 機(jī)場(chǎng)運(yùn)行系統(tǒng)及影響因素分析

機(jī)場(chǎng)是航空運(yùn)輸最重要的基礎(chǔ)設(shè)施，需要多個(gè)部門(mén)共同協(xié)作完成運(yùn)行，因此機(jī)場(chǎng)運(yùn)行的影響因素也來(lái)源于多個(gè)方面。歐洲國(guó)家通常從機(jī)場(chǎng)的交通量、航班準(zhǔn)時(shí)性、可預(yù)測(cè)性、效率和容量來(lái)評(píng)價(jià)機(jī)場(chǎng)運(yùn)行效率；美國(guó)FAA除了考慮上述五個(gè)方面外還著重考量了航空器燃油消耗和跑道安全；我國(guó)民航總局在2014年發(fā)布的《民航航班正常統(tǒng)計(jì)辦法》中，將航班不正常原因歸類(lèi)為天氣、空管、航空公司、軍事活動(dòng)、機(jī)場(chǎng)、安檢、公共安全、旅客等12方面。

機(jī)場(chǎng)運(yùn)行系統(tǒng)是復(fù)雜的動(dòng)態(tài)交通運(yùn)輸系統(tǒng)，以航空器為主要服務(wù)對(duì)象。隨著航班進(jìn)港、離港，機(jī)場(chǎng)運(yùn)行能力和質(zhì)量不斷變化，因此航空器的運(yùn)行流程與保障情況是機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)表征的核心部分。研究著眼于航空器進(jìn)港、航班保障和放行三個(gè)階段，使用A-CDM技術(shù)平臺(tái)中針對(duì)機(jī)場(chǎng)運(yùn)行流程的實(shí)時(shí)監(jiān)控、里程碑技術(shù)以及信息共享功能，構(gòu)建評(píng)價(jià)模型，實(shí)現(xiàn)機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)的動(dòng)態(tài)評(píng)價(jià)。

2 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)評(píng)價(jià)模型

2.1 指標(biāo)體系

通過(guò)對(duì)機(jī)場(chǎng)運(yùn)行系統(tǒng)的分析，圍繞航空器的到港、保障和放行流程，借鑒其他相關(guān)研究以及中國(guó)民用航空局起草發(fā)布的《機(jī)場(chǎng)協(xié)同決策系統(tǒng)技術(shù)規(guī)范》和《民航航班正常統(tǒng)計(jì)辦法》，構(gòu)建機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)評(píng)價(jià)指標(biāo)體系（圖1），包括三個(gè)一級(jí)指標(biāo)和十六個(gè)二級(jí)指標(biāo)[2-3]。

2.2 基于德?tīng)柗品?云模型的指標(biāo)權(quán)重確定

2.2.1 云模型

（1）概述

云模型的概念是在1995年，由李德毅院士提出的定性、定量轉(zhuǎn)換模型[4]。這是一種將概率統(tǒng)計(jì)與傳統(tǒng)模糊數(shù)學(xué)相結(jié)合的模型[5-6]。云模型利用數(shù)據(jù)挖掘的方法來(lái)構(gòu)造“數(shù)據(jù)—概念”的視圖，對(duì)定性概念進(jìn)行定量的處理，反映了事物的不確定性和隨機(jī)性。在數(shù)據(jù)處理中引入云模型可以有效提高分析的精度。

關(guān)于各個(gè)指標(biāo)的具體計(jì)算方式見(jiàn)表1。

（2）云模型數(shù)字特征

數(shù)字特征實(shí)現(xiàn)了云概念的圖形表達(dá)，主要包括期望、熵、超熵三個(gè)數(shù)字特征[7]。

期望值Ex表示云的中心位置，是U中能夠代表定性概念的數(shù)值，可以用來(lái)表示結(jié)果值。熵值En是云滴x離散程度的直觀體現(xiàn)，也是一個(gè)反映定性概念可以接受云滴的取值范圍；熵值的大小可以直接反映模糊與隨機(jī)的關(guān)系，用來(lái)表示結(jié)果可靠性。超熵He是對(duì)熵的不確定性的度量；云的“厚度”是由超熵直接決定的，可以反映出評(píng)價(jià)結(jié)果的穩(wěn)定性以及準(zhǔn)確性。

（3）逆向發(fā)生器

逆向云發(fā)生器：與正向的發(fā)生器相比，它通過(guò)輸入N個(gè)樣本點(diǎn)得到定性概念的數(shù)字特征值，實(shí)現(xiàn)了定量數(shù)據(jù)到定性概念的轉(zhuǎn)換[8]，具體算法步驟：樣本均值—樣本方差—云模型的熵值—超熵。

2.2.2 評(píng)價(jià)指標(biāo)賦權(quán)

該文采用德?tīng)柗品?，邀?qǐng)民航領(lǐng)域?qū)＜以u(píng)價(jià)各指標(biāo)對(duì)航班保障正常性及機(jī)場(chǎng)資源占用的影響，評(píng)分范圍1～10分（分值越大代表該指標(biāo)對(duì)機(jī)場(chǎng)運(yùn)行狀態(tài)的影響程度越大）。通過(guò)公式計(jì)算專(zhuān)家評(píng)分?jǐn)?shù)據(jù)特征，并利用MATLAB編程云模型的正向發(fā)生器生成各指標(biāo)權(quán)重的云滴分布圖。如云圖不穩(wěn)定，反饋修正打分，直至評(píng)分結(jié)果的熵和超熵值小于0.5。修正后各指標(biāo)權(quán)重見(jiàn)表2。

2.3 模糊綜合評(píng)價(jià)

1965年美國(guó)Lotfi A. Zadeh教授第一次用隸屬度來(lái)表示差異之間的過(guò)渡情況[9]。模糊評(píng)價(jià)的關(guān)鍵在于運(yùn)用精確的數(shù)學(xué)方法，準(zhǔn)確地描述某些模糊的概念和問(wèn)題，并解決了系統(tǒng)的模糊性和不確定性。

2.3.1 模糊綜合評(píng)價(jià)的步驟

（1）確定指標(biāo)因素集：指標(biāo)因素集是評(píng)價(jià)系統(tǒng)中各個(gè)評(píng)價(jià)指標(biāo)組成的集合U，記為U={u1，u2，...，un}，因素集包含n個(gè)評(píng)價(jià)指標(biāo)，該文中的因素集為上述的16個(gè)評(píng)價(jià)指標(biāo)。

（2）確定評(píng)價(jià)集：評(píng)價(jià)集是評(píng)價(jià)等級(jí)組成的集合V。該文的評(píng)價(jià)集包含5個(gè)評(píng)價(jià)等級(jí)，分別為“優(yōu)秀”[0，0.2]，“較好”[0.2，0.4]，“一般”[0.4，0.6]，“較差”[0.6，0.8]和“差”[0.8，1]五個(gè)級(jí)別，用于對(duì)評(píng)價(jià)結(jié)果進(jìn)行描述。

（3）確定隸屬度：對(duì)指標(biāo)進(jìn)行逐一量化，確定每個(gè)評(píng)價(jià)指標(biāo)相對(duì)于評(píng)價(jià)等級(jí)的隸屬度rij，將這些評(píng)價(jià)指標(biāo)的隸屬度綜合起來(lái)得到模糊關(guān)系矩陣R：

（1）

rij表示評(píng)估目標(biāo)僅從指標(biāo)ui的角度出發(fā)考量，相對(duì)于評(píng)價(jià)等級(jí)vj的隸屬度，其中∑m j=1rij=1。該文中的隸屬度函數(shù)按照梯形分布進(jìn)行構(gòu)建具體如下：

“差”等級(jí)隸屬度分布函數(shù)：

（2）

“較差”等級(jí)隸屬度分布函數(shù)：

（3）

“一般”等級(jí)隸屬度分布函數(shù)：

（4）

“較好”等級(jí)隸屬度分布函數(shù)：

（5）

“優(yōu)秀”等級(jí)隸屬度分布函數(shù)：

（6）

（4）確定指標(biāo)權(quán)重：通過(guò)合適的方法確定每一個(gè)評(píng)價(jià)指標(biāo)的權(quán)重值，且∑n i=1wi=1。權(quán)重向量記為W={w1，w2，...，wn}。

（5）求解評(píng)價(jià)結(jié)果：將模糊關(guān)系矩陣R與權(quán)重集W通過(guò)合理的模糊算子進(jìn)行關(guān)系變換可以得到最終的評(píng)價(jià)結(jié)果集S。常見(jiàn)的模糊算子有：（?，?）、（?，●）、（+，●）、（⊕，?）等[10]。該文的評(píng)價(jià)指標(biāo)較多，且每一個(gè)因素對(duì)于評(píng)價(jià)結(jié)果都存在一定的影響，只是貢獻(xiàn)程度有所差異，故該文擬采用加法算子（+，●），這樣能夠較為全面地考慮每個(gè)因素的影響，避免丟失重要信息。具體計(jì)算公式如下所示。

2.3.2 某一研究時(shí)間段單一航班運(yùn)行情況評(píng)估

將根據(jù)上文中闡述的模糊綜合評(píng)價(jià)方法求得的評(píng)價(jià)結(jié)果集S和評(píng)價(jià)集V的各個(gè)等級(jí)的中間值進(jìn)行加權(quán)平均計(jì)算，便可求得某一時(shí)刻單一航班的運(yùn)行情況結(jié)果，如式12所示。

Pi（t）=S1·VT （8）

2.3.3 機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)實(shí)時(shí)評(píng)估模型

機(jī)場(chǎng)運(yùn)行情況大致是由各個(gè)航班的運(yùn)行情況組成，因此可以通過(guò)單一航班的運(yùn)行情況，對(duì)所在機(jī)場(chǎng)當(dāng)下時(shí)刻的整體運(yùn)行情況進(jìn)行評(píng)估。需要注意的是，當(dāng)機(jī)場(chǎng)出現(xiàn)了一個(gè)運(yùn)行情況最差的航班時(shí)，它對(duì)機(jī)場(chǎng)整體運(yùn)行也會(huì)產(chǎn)生很大的影響。故而除了需要考慮該時(shí)刻機(jī)場(chǎng)中所有航班的整體運(yùn)行情況外，對(duì)于運(yùn)行狀態(tài)最差的航班也要進(jìn)行一個(gè)考量，該文擬采用的解決方法是對(duì)其分別進(jìn)行賦值。

P=a·1 n∑ n i=1Pi（t）+b·max（Pi（t）） （9）

式中：a——為機(jī)場(chǎng)整體運(yùn)行態(tài)勢(shì)權(quán)重；b——運(yùn)行狀態(tài)最差航班的權(quán)重；n——研究時(shí)刻機(jī)場(chǎng)內(nèi)運(yùn)行航班總數(shù)。

3 實(shí)例驗(yàn)證

以烏魯木齊地窩堡機(jī)場(chǎng)的實(shí)際運(yùn)行數(shù)據(jù)為例，運(yùn)用上文構(gòu)建的機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)評(píng)價(jià)模型，對(duì)該機(jī)場(chǎng)的運(yùn)行態(tài)勢(shì)進(jìn)行實(shí)時(shí)評(píng)價(jià)分析。

3.1 案例機(jī)場(chǎng)概況

烏魯木齊地窩堡國(guó)際機(jī)場(chǎng)有一條長(zhǎng)度為3 600 m的跑道供航班起降，飛行區(qū)等級(jí)為4E，現(xiàn)有停機(jī)位共118個(gè)，C、D、E類(lèi)停機(jī)位分別有75、23、20個(gè)。航站樓有T1、T2、T3三座。2019年旅客吞吐量為2 396萬(wàn)，起降架次達(dá)到了178 000架次。

3.2 運(yùn)行態(tài)勢(shì)評(píng)價(jià)

通過(guò)查閱資料、實(shí)地調(diào)查以及詢問(wèn)該機(jī)場(chǎng)相關(guān)工作人員，對(duì)機(jī)場(chǎng)A-CDM系統(tǒng)實(shí)時(shí)監(jiān)測(cè)得到的節(jié)點(diǎn)數(shù)據(jù)進(jìn)行推理計(jì)算，收集到該機(jī)場(chǎng)2021年7月1日7：40至8：00的14個(gè)航班原始數(shù)據(jù)，將指標(biāo)原始數(shù)據(jù)進(jìn)一步處理并歸一化后，對(duì)該評(píng)價(jià)時(shí)刻機(jī)場(chǎng)內(nèi)的14個(gè)航班進(jìn)行模糊綜合評(píng)價(jià)，分別得到1～14號(hào)航班的模糊綜合評(píng)價(jià)得分如表3所示。

依托A-CDM系統(tǒng)，收集機(jī)場(chǎng)不同時(shí)刻的航班數(shù)據(jù)，同樣運(yùn)用上述的評(píng)價(jià)方法，可以進(jìn)一步得到該機(jī)場(chǎng)一天內(nèi)的運(yùn)行情況?，F(xiàn)收集到2021年7月1日烏魯木齊地窩堡機(jī)場(chǎng)的運(yùn)行數(shù)據(jù)，研究日內(nèi)該機(jī)場(chǎng)共有463個(gè)航班進(jìn)入評(píng)價(jià)數(shù)據(jù)集內(nèi)，依照上文評(píng)價(jià)模型進(jìn)一步處理可以得到當(dāng)天463個(gè)航班中運(yùn)行情況達(dá)到“優(yōu)秀”的共有6個(gè)，達(dá)到“較好”的有60個(gè)，達(dá)到“一般”的有214個(gè)，“較差”的有130個(gè)，“差”的有53個(gè)，數(shù)量分布上大致符合正態(tài)分布特征，平均值為0.571，分布在中間等級(jí)中。證明了該文評(píng)價(jià)等級(jí)標(biāo)準(zhǔn)劃分的合理性。同時(shí)將該機(jī)場(chǎng)一天的運(yùn)行情況進(jìn)行圖形化表達(dá)，得趨勢(shì)圖如圖2所示。

通過(guò)對(duì)烏魯木齊機(jī)場(chǎng)實(shí)際運(yùn)行數(shù)據(jù)的計(jì)算可以發(fā)現(xiàn)：凌晨航班處于停航狀態(tài)時(shí)，評(píng)價(jià)結(jié)果為0，此時(shí)機(jī)場(chǎng)各方面處于優(yōu)秀狀態(tài)；隨著客流高峰的到來(lái)，航班量不斷增加，機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)發(fā)生變化，9：00之后狀態(tài)有變差趨勢(shì)，10：00機(jī)場(chǎng)得分為0.709，運(yùn)行態(tài)勢(shì)評(píng)價(jià)達(dá)到了“較差”，需要引起機(jī)場(chǎng)管理者的注意；此后評(píng)價(jià)值在短暫下降后，于19：00到達(dá)一天中運(yùn)行狀態(tài)最差的時(shí)刻，此時(shí)評(píng)分為0.936，機(jī)場(chǎng)各部門(mén)的管理人員需要高度重視，對(duì)資源進(jìn)行重新配置，解決瓶頸環(huán)節(jié)保障問(wèn)題，該狀態(tài)到達(dá)22：00后隨航班量減少陸續(xù)緩解。

4 結(jié)語(yǔ)

機(jī)場(chǎng)的運(yùn)行態(tài)勢(shì)變化趨勢(shì)符合實(shí)際航班流量的時(shí)空分布特征，證明態(tài)勢(shì)評(píng)估結(jié)果是可信的，評(píng)估模型在實(shí)際工作中具有可行性。該項(xiàng)研究深化了機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)評(píng)價(jià)的理論和實(shí)踐，其成果對(duì)于理解和優(yōu)化機(jī)場(chǎng)運(yùn)行過(guò)程中的各種因素具有重要意義，可為機(jī)場(chǎng)運(yùn)行安全與效率提供了科學(xué)的評(píng)價(jià)工具和方法，對(duì)國(guó)內(nèi)外在機(jī)場(chǎng)運(yùn)行態(tài)勢(shì)評(píng)價(jià)領(lǐng)域的研究提供了寶貴的參考和借鑒。

參考文獻(xiàn)

[1]馮正霖.推進(jìn)民航業(yè)高質(zhì)量發(fā)展[J].大飛機(jī)，2021（6）：12-14.

[2]中國(guó)民用航空局.關(guān)于印發(fā)《航班安全運(yùn)行保障標(biāo)準(zhǔn)》的通知[EB/OL].（2020-01-16）[2024-04-15].

[3]機(jī)場(chǎng)協(xié)同決策系統(tǒng)技術(shù)規(guī)范：MH/T 6125-2022[S].北京：中國(guó)民用航空局，2022.

[4]李德毅，孟海軍，史雪梅.隸屬云和隸屬云發(fā)生器[J].計(jì)算機(jī)研究與發(fā)展，1995（6）：15-20.

[5]YI L， LONG Z， HAIYAN L， et al. Air quality forecasting based on cloud model granulation[J]. EURASIP Journal on Wireless Communications and Networking， 2018（1）：106.

[6]YAN M， WANG J， DAI Y， et al. A method of multiple-attribute group decision making problem for 2-dimension uncertain linguistic variables based on cloud model[J]. Optimization and Engineering， 2021（4）：2403-2427.

[7]賴勇超，劉敦文，黃利俊，等.基于云模型的機(jī)制砂混凝土結(jié)構(gòu)耐久性評(píng)估[J].硅酸鹽通報(bào)，2019（10）：3302-3308.

[8]王媛，劉佳豪，郝澤嘉，等.基于AHP-云模型的大型輸水倒虹吸安全綜合評(píng)價(jià)[J].水利水電科技進(jìn)展，2022（2）：79-84.

[9]A. Z L. Fuzzy sets[J]. Information & Control， 1965（3）： 338-353.

[10]謝麗娟，陳俏.模糊綜合評(píng)判中合成算子的選取[J].科協(xié)論壇（下半月），2012（9）：103-104.

收稿日期：2024-04-22

作者簡(jiǎn)介：郭冉昊（2000—），男，碩士，研究方向：推薦算法。

通訊作者：李龍海（1971—），男，碩士，副教授，研究方向：機(jī)場(chǎng)運(yùn)行，運(yùn)行安全，智慧機(jī)場(chǎng)。

基金項(xiàng)目：大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目資助“基于A-CDM技術(shù)的機(jī)場(chǎng)運(yùn)行風(fēng)險(xiǎn)動(dòng)態(tài)監(jiān)控研究”（202110059059）。