機(jī)場(chǎng)延誤因素分析與建模

機(jī)場(chǎng)延誤因素分析與建模

與其他類(lèi)型的運(yùn)輸相比，航空運(yùn)輸具有速度快、建設(shè)周期短、效率高、舒適等特點(diǎn)。自20世紀(jì)90年代以來(lái)，旅游業(yè)在長(zhǎng)途運(yùn)輸方面發(fā)揮了絕對(duì)優(yōu)勢(shì)，保持了兩個(gè)位數(shù)的增長(zhǎng)率。2002—2012年,中國(guó)航空旅客運(yùn)輸量從8594萬(wàn)人次上升到31936萬(wàn)人次,航空運(yùn)力投放從602架增加到了1941架,航班班次從79.25萬(wàn)班次增加到250.2萬(wàn)班次。然而,在中國(guó)民用空域有限的條件下,在民航運(yùn)輸由少數(shù)高檔消費(fèi)演變?yōu)榻裉斓娜翊蟊娤M(fèi)時(shí),市場(chǎng)需求總量和需求質(zhì)量預(yù)期要求不斷提高,航空運(yùn)輸各項(xiàng)指標(biāo)迅速增長(zhǎng),帶來(lái)的卻是航空運(yùn)輸通道的擁擠和不暢,由此導(dǎo)致的航班延誤總量和比率持續(xù)增加,航班延誤投訴率不斷攀升。2012年中國(guó)航班正常率為74.83%,是近五年來(lái)的最低,不正常航班63.0萬(wàn)班次,每天因延誤約浪費(fèi)57萬(wàn)小時(shí),平均每人次耽誤40分鐘。2013年6月,美國(guó)航空數(shù)據(jù)網(wǎng)站FlightStats公布了世界35家機(jī)場(chǎng)和32家航空公司航班的延誤率,首都機(jī)場(chǎng)和上海浦東機(jī)場(chǎng)的延誤率分別以81.7%和71.3%在亞洲排名第一和第二,四家航空公司排名包攬倒數(shù)四名［１］。據(jù)中國(guó)消費(fèi)者協(xié)會(huì)2010—2011年投訴統(tǒng)計(jì)數(shù)據(jù)反映,航空運(yùn)輸服務(wù)已成為服務(wù)類(lèi)投訴增幅最大的行業(yè),投訴增幅居首位,航班延誤及其后續(xù)服務(wù)投訴最多,是消費(fèi)者最不滿意的航空服務(wù)。中國(guó)消費(fèi)者協(xié)會(huì)和民航總局2012年的航空服務(wù)消費(fèi)者調(diào)查報(bào)告顯示,有76.5%的消費(fèi)者遇到過(guò)航班延誤,49.5%的消費(fèi)者對(duì)航班延誤后的服務(wù)不滿意?？梢?jiàn),讓航空運(yùn)輸相關(guān)部門(mén)感到棘手的不僅是航班延誤率的增加,還有消費(fèi)者對(duì)航班延誤及其后續(xù)服務(wù)的不滿意。這是因?yàn)?目前中國(guó)只有《民用航空法》、《航班延誤經(jīng)濟(jì)補(bǔ)償指導(dǎo)意見(jiàn)》兩個(gè)法律政策可指導(dǎo)航班延誤問(wèn)題處理,缺少依據(jù)航班延誤關(guān)鍵影響因素及其影響程度和不同航班延誤時(shí)長(zhǎng)而制定的統(tǒng)一的、權(quán)威的、具體的和可操作的相關(guān)政策措施,導(dǎo)致許多航班延誤問(wèn)題和顧客投訴問(wèn)題都不能得到很好的解決。在沒(méi)有統(tǒng)一政策規(guī)定指導(dǎo)下,各個(gè)航空公司各施其政,制定出不同的航班延誤服務(wù)補(bǔ)救依據(jù)和標(biāo)準(zhǔn),有的航空公司為了息事寧人,甚至采取“大鬧大賠,小鬧小賠”的辦法,不僅混淆了旅客對(duì)航班延誤問(wèn)題的正確認(rèn)識(shí),誤導(dǎo)他們產(chǎn)生“只要遭遇航班延誤,都可要求補(bǔ)償”的理解,如要求不能得到滿足,就采取群體性行為或極端行為危害機(jī)場(chǎng)公共安全。國(guó)內(nèi)外有關(guān)航班延誤原因的研究,經(jīng)歷了由淺入深、由單一到多重、由單獨(dú)影響到交互影響的過(guò)程,但相關(guān)文獻(xiàn)較少［２］。AllanS.S.等運(yùn)用美國(guó)紐約紐瓦克國(guó)際機(jī)場(chǎng)的數(shù)據(jù),借助數(shù)據(jù)庫(kù)開(kāi)發(fā)工具分析了天氣與大規(guī)模航班延誤的關(guān)系,指出不同類(lèi)型的天氣事件,會(huì)產(chǎn)生登機(jī)、滑出、空中和到達(dá)等不同類(lèi)型的延誤［３］。張靜建立了瞬時(shí)排隊(duì)模型和模糊線性回歸模型,論證了天氣與航班延誤之間存在高度相關(guān)關(guān)系［４］。AbdelghanyK.F.等運(yùn)用航班延誤的鏈?zhǔn)侥Ｐ妥C明波及延誤是航班延誤的主要原因［５］。邵維亮基于航班運(yùn)行仿真方法,分析了航空公司航班計(jì)劃編制是可以控制的影響航班延誤的主要因素［６］。JarrahA.I.Z.等采用兩個(gè)最小費(fèi)用流模型分析了航班延誤波及影響和飛機(jī)短缺帶來(lái)的航班延誤問(wèn)題,指出航班計(jì)劃之間是緊密相連的,一個(gè)航班的延誤,必然導(dǎo)致后續(xù)航班被迫相應(yīng)延誤和延誤波及［７］。Liou用人工神經(jīng)網(wǎng)絡(luò)模型來(lái)估計(jì)單個(gè)航班離港延誤,歸納出影響延誤的主要因素是航線、飛機(jī)類(lèi)型、航班順序和空中交通流量［８］。GeorginaS.等運(yùn)用瓶頸模型和歐洲主要機(jī)場(chǎng)的數(shù)據(jù),驗(yàn)證了大型航空公司和在機(jī)場(chǎng)具有控制力的航空公司能夠內(nèi)部化航班延誤,航班延誤更多出現(xiàn)在樞紐機(jī)場(chǎng)［９］。邢有洪等采用Logit模型分析了航空公司內(nèi)部因素對(duì)航班延誤的影響,發(fā)現(xiàn)航空公司的償債能力、盈利能力、客座率以及載運(yùn)率等對(duì)航班延誤都有顯著影響［１０］。邵荃等通過(guò)建立貝葉斯網(wǎng)絡(luò)分析模型,指出航班延誤的主要原因有航空公司計(jì)劃、本站天氣、前站天氣、旅客、運(yùn)力調(diào)配、前站飛機(jī)、航路限制及各自的比重［１１］?？傊?已有相關(guān)文獻(xiàn)較少,且僅識(shí)別影響因素或評(píng)價(jià)少數(shù)因素引發(fā)延誤的頻率高低,很少同時(shí)識(shí)別航班延誤的關(guān)鍵影響因素、各因素引發(fā)延誤的頻率及其影響強(qiáng)度,而頻率和強(qiáng)度之間并非正向相關(guān)關(guān)系,有的因素引發(fā)延誤的頻率可能較低但影響強(qiáng)度很大。這也是目前中國(guó)航班延誤應(yīng)急及服務(wù)補(bǔ)救措施無(wú)法統(tǒng)一,進(jìn)而導(dǎo)致消費(fèi)者不滿和采取極端行為的根本原因。因此,急需運(yùn)用科學(xué)方法,探索航班延誤的關(guān)鍵影響因素及其影響程度,為應(yīng)對(duì)航班延誤的應(yīng)急方案設(shè)計(jì)以及制定行業(yè)統(tǒng)一的航班延誤服務(wù)補(bǔ)救措施提供依據(jù)。一、飛機(jī)起落架和旅客勞動(dòng)過(guò)程中的血壓因素為了提高飛機(jī)利用效率,航空公司的同一架飛機(jī)的運(yùn)行路線往往不是點(diǎn)對(duì)點(diǎn)的往返飛行,而是由連續(xù)的不同航段組成的一個(gè)閉環(huán)。在航班運(yùn)行的閉環(huán)中,按照航班延誤的表現(xiàn)形式,可把航班延誤分為三類(lèi):一是旅客延誤,常見(jiàn)的情形有:旅客晚到;登機(jī)時(shí)旅客不辭而別;旅客證件問(wèn)題耽誤時(shí)間;旅客因航班延誤等其它服務(wù)問(wèn)題霸占飛機(jī)或拒絕登機(jī);旅客隨身攜帶過(guò)多行李;突發(fā)疾病等。目前,因旅客原因?qū)е碌暮桨嘌诱`比例占到3%,已成為航班延誤“新的增長(zhǎng)點(diǎn)”。二是排隊(duì)延誤,包括安檢排隊(duì)延誤和飛機(jī)起飛降落排隊(duì)延誤。安檢排隊(duì)延誤是由于機(jī)場(chǎng)的服務(wù)能力有限或是旅客在一段時(shí)間內(nèi)太過(guò)密集而造成的安檢不暢,形成很長(zhǎng)的排隊(duì)等待,這與安檢站臺(tái)的服務(wù)容量和安檢服務(wù)效率密切相關(guān),發(fā)生的概率相對(duì)較低。飛機(jī)起飛降落排隊(duì)延誤,是由于起飛或降落航班過(guò)多,或是天氣、軍事活動(dòng)和流量控制,或者是低效率的地面服務(wù),造成飛機(jī)難以立即起飛的地面排隊(duì)或不能在機(jī)場(chǎng)找到降落位置而不得不停留在空中繼續(xù)盤(pán)旋等待排隊(duì)。這種延誤會(huì)引起連鎖反應(yīng),對(duì)后續(xù)飛機(jī)產(chǎn)生較長(zhǎng)的排隊(duì)時(shí)間,如果不及時(shí)采取措施,就會(huì)導(dǎo)致后續(xù)所有飛機(jī)都延遲起飛或降落,不斷累積,形成更大更強(qiáng)的延誤波?，F(xiàn)階段,波及延誤是占比最高的延誤,特別是起飛排隊(duì)延誤。為了弱化這種累計(jì)的航班延誤波及效應(yīng),一般的做法就是在航班運(yùn)行的每個(gè)環(huán)節(jié)都設(shè)置一段時(shí)間的緩沖時(shí)間。三是航空公司造成的延誤,這是因航空公司自身的運(yùn)營(yíng)管控能力或機(jī)械故障造成的航班計(jì)劃安排不當(dāng)引起的航班延誤。引發(fā)上述三種航班延誤的因素按照可控與否,可分為不可控因素和可控因素,不可控因素包括流量控制、軍事活動(dòng)、天氣等,可控因素包括安檢、旅客、機(jī)械故障、機(jī)場(chǎng)原因和公共安全等,其中可控因素是航班延誤研究和治理的重點(diǎn)［９，１２］。根據(jù)民航總局2005—2013年航班延誤統(tǒng)計(jì)數(shù)據(jù),造成中國(guó)航班延誤的關(guān)鍵因素包括流量控制、航空公司、天氣、軍事活動(dòng)、機(jī)場(chǎng)因素、機(jī)械故障以及旅客等因素,綜合主要航空公司和主要機(jī)場(chǎng)的相關(guān)數(shù)據(jù),得到各因素引發(fā)的延誤比例結(jié)構(gòu)見(jiàn)表1。這些統(tǒng)計(jì)數(shù)據(jù)僅反映了各關(guān)鍵影響因素引起航班延誤發(fā)生頻率的比重,而沒(méi)有體現(xiàn)對(duì)航班延誤的影響程度,因而下面本文將基于航班延誤的指數(shù)分布驗(yàn)證,構(gòu)建航班延誤的排隊(duì)模型,探析各個(gè)關(guān)鍵影響因素的發(fā)生頻率及對(duì)航班延誤的影響程度。二、重、難點(diǎn)夯實(shí)了泊松基礎(chǔ)上的重分布泊松分布適用于描述單位時(shí)間(或空間)內(nèi)隨機(jī)事件發(fā)生的次數(shù)。如某一服務(wù)設(shè)施在一定時(shí)間內(nèi)到達(dá)的人數(shù),電話交換機(jī)接到呼叫的次數(shù),汽車(chē)站臺(tái)的候客人數(shù)等。機(jī)場(chǎng)作為提供航空運(yùn)輸服務(wù)的公共基礎(chǔ)設(shè)施,單位時(shí)間內(nèi)到達(dá)和起飛的飛機(jī)數(shù)量符合泊松分布特征,可以假設(shè)機(jī)場(chǎng)飛機(jī)的起飛和到達(dá)都是服從泊松分布。根據(jù)概率論,如果一個(gè)序列服從泊松分布,那么它的序列間隔服從負(fù)指數(shù)分布,即如果飛機(jī)到達(dá)和起飛呈現(xiàn)出泊松分布,可以推導(dǎo)出起飛和到達(dá)延誤時(shí)間服從均值為1/λ,方差為1/λ２的指數(shù)分布［１３－１４］。當(dāng)然,只要驗(yàn)證到達(dá)延誤分布服從指數(shù)分布,就可間接求證飛機(jī)到達(dá)分布服從泊松分布,并且求出相應(yīng)的λ值［１５］１２７－１４５。表2是隨機(jī)收集的2013年3月咸陽(yáng)機(jī)場(chǎng)和首都機(jī)場(chǎng)四個(gè)樣本時(shí)間段航班延誤時(shí)長(zhǎng)和數(shù)量。通過(guò)分析航班延誤樣本的實(shí)際分布和理論指數(shù)分布之間的擬合度,來(lái)驗(yàn)證航班延誤的指數(shù)分布假設(shè),驗(yàn)證結(jié)果見(jiàn)表3。表3檢驗(yàn)結(jié)果表明,航班延誤理論指數(shù)分布和實(shí)際分布的擬合程度超過(guò)98%,驗(yàn)證了航班到達(dá)和起飛符合泊松分布,航班延誤符合指數(shù)分布,可以利用所統(tǒng)計(jì)的數(shù)據(jù)來(lái)建模。西安咸陽(yáng)機(jī)場(chǎng)和首都機(jī)場(chǎng)飛機(jī)到達(dá)泊松分布的系數(shù)分別為:咸陽(yáng)機(jī)場(chǎng):1/λ=到達(dá)間隔的平均時(shí)間=3.6分鐘;λ=16.8(架次/小時(shí))。首都機(jī)場(chǎng):1/λ=到達(dá)間隔的平均時(shí)間=1.9分鐘;λ=31.5(架次/小時(shí))。三、基于顧客來(lái)源的排隊(duì)模型為了更好地應(yīng)對(duì)和處理由天氣、軍事活動(dòng)、流量控制和機(jī)械故障等不可控因素引起的航班延誤,做好相應(yīng)的延誤服務(wù)補(bǔ)救,減少由旅客、機(jī)場(chǎng)和航空公司等可控因素引起的安檢延誤、起飛延誤、到達(dá)延誤以及由此引發(fā)的延誤波及效應(yīng),可以基于指數(shù)分布驗(yàn)證結(jié)果,建立動(dòng)態(tài)排隊(duì)模型,進(jìn)一步識(shí)別和剖析航班延誤的各關(guān)鍵影響因素及其影響程度大小。機(jī)場(chǎng)作為公共基礎(chǔ)設(shè)施,一般實(shí)行超前設(shè)計(jì)建設(shè),在相對(duì)較長(zhǎng)的時(shí)間內(nèi),其跑道數(shù)量基本固定不變(服務(wù)臺(tái)數(shù)不變),又因航班延誤更多發(fā)生在大中型樞紐機(jī)場(chǎng),其跑道數(shù)量基本為兩個(gè),因此這里分析統(tǒng)一采用雙跑道模式。對(duì)于航班排隊(duì)過(guò)程中的服務(wù)規(guī)則,遵守航空運(yùn)輸業(yè)的先到先服務(wù)規(guī)則。一般排隊(duì)模型用A/B/C:a/b/c表示:A表示系統(tǒng)中排隊(duì)對(duì)象的到達(dá)分布,如泊松分布、指數(shù)分布;B表示系統(tǒng)服務(wù)時(shí)間的分布,如指數(shù)分布;C表示服務(wù)臺(tái)的個(gè)數(shù);a表示服務(wù)規(guī)則,如先到先服務(wù)、后到先服務(wù);b表示系統(tǒng)容量;c表示顧客來(lái)源的最大量［１６］234-259。航班的到達(dá)和起飛都服從泊松分布,航班到達(dá)和起飛服務(wù)時(shí)間服從指數(shù)分布。那么,無(wú)論對(duì)于安檢、降落還是起飛排隊(duì),根據(jù)上面的分析,可得到如下的假設(shè)結(jié)論:P{在長(zhǎng)度為Δt的微小時(shí)間區(qū)間內(nèi)有一個(gè)飛機(jī)到達(dá)}=λｎΔt+O(Δt)P{在Δt內(nèi)有多于一個(gè)飛機(jī)到達(dá)}=O(Δt)P{在Δt內(nèi)有一個(gè)飛機(jī)離開(kāi)|系統(tǒng)非空}=uｎΔt+O(Δt)P{在Δt內(nèi)有多于一個(gè)飛機(jī)離開(kāi)|系統(tǒng)中最大顧客數(shù)大于1}=O(Δt)在這個(gè)排隊(duì)系統(tǒng)中,pｎ(t)表示在t時(shí)刻隊(duì)伍中有n個(gè)飛機(jī)到達(dá)或離開(kāi)的概率為:整理式(1)和(2)可得:當(dāng)處于穩(wěn)態(tài)時(shí),Pｎ(t)不再依賴(lài)于時(shí)間t,因而得到:對(duì)式(5)和(6)進(jìn)行化簡(jiǎn),得到:因?yàn)轱w機(jī)到達(dá)服從參數(shù)為λ的泊松分布,其服務(wù)時(shí)間服從平均服務(wù)率為u的指數(shù)分布,因而λｎ=λ、uｎ=u,可得:由于P０+P１+P２+…+Pｎ+…=1,假設(shè),否則隊(duì)伍將無(wú)限長(zhǎng),與實(shí)際不符。因此,當(dāng)系統(tǒng)處于比較穩(wěn)定之時(shí),由Little公式可得:排隊(duì)系統(tǒng)中期望的顧客數(shù):排隊(duì)隊(duì)列中的期望顧客數(shù):排隊(duì)系統(tǒng)中每個(gè)顧客期望的等待時(shí)間:排隊(duì)隊(duì)列中每個(gè)顧客的期望等待時(shí)間:同理,由以上相同的推斷方式,可以得到當(dāng)排隊(duì)模型是M/M/2時(shí)(令r=λ/2u):排隊(duì)系統(tǒng)中期望的顧客數(shù):排隊(duì)隊(duì)列中每個(gè)顧客的期望等待時(shí)間:排隊(duì)系統(tǒng)中每個(gè)顧客期望的等待時(shí)間:那么,安檢、起飛和降落三個(gè)環(huán)節(jié)的排隊(duì)模型如下。安檢排隊(duì)是一個(gè)典型的M/M/D模型,乘客到達(dá)服從泊松分布,每個(gè)乘客接受安檢的時(shí)間服從負(fù)指數(shù)分布。起飛排隊(duì)和降落排隊(duì)模型會(huì)因飛機(jī)起飛降落模式的不同而不同。當(dāng)起飛和降落相分離,各自使用不同的專(zhuān)用跑道時(shí),起飛和降落是兩個(gè)相互獨(dú)立的典型M/M/1/先到先服務(wù)模型;當(dāng)起飛和降落共用一條跑道,按照“先到先服務(wù)”的順序起飛或降落時(shí),構(gòu)成了一個(gè)2M/M/1/先到先服務(wù)模型系統(tǒng);當(dāng)起飛和降落采用先到先服務(wù)原則,混合排隊(duì)使用兩條跑道時(shí),起飛和降落相互關(guān)聯(lián)、相互影響,構(gòu)成了一個(gè)2M/M/2/先到先服務(wù)模型系統(tǒng)。本文分析基于國(guó)內(nèi)大型機(jī)場(chǎng),采用的是雙跑道混合模式,其基本排隊(duì)模式是2M/M/2模式。用λ1代表飛機(jī)起飛的泊松分布,用λ2代表飛機(jī)到達(dá)的泊松分布,用λ3表示乘客到達(dá)機(jī)場(chǎng)的泊松分布,用U1代表飛機(jī)起飛所用時(shí)間的負(fù)指數(shù)分布,用U2代表飛機(jī)降落所用時(shí)間的負(fù)指數(shù)分布,用U3代表乘客進(jìn)行安檢過(guò)程中所耗時(shí)間的負(fù)指數(shù)分布。此時(shí),排隊(duì)模型相當(dāng)于一個(gè)飛機(jī)來(lái)源服從(λ1+λ2)的泊松分布;這里的服務(wù)時(shí)間仍然是U1和U2,因?yàn)槊刻爝M(jìn)出一個(gè)機(jī)場(chǎng)的飛機(jī)數(shù)量基本相同,可選用(U1+U2)/2作為服務(wù)時(shí)間所服從的指數(shù)分布;服務(wù)臺(tái)數(shù)是雙跑道———雙服務(wù)臺(tái);排隊(duì)規(guī)則是先到先服務(wù)。四、可控制不夠不夠的可以消除誤差的拉格朗日模型將上面的三個(gè)可控延誤模型以及航班延誤波及模型匯合,建立總的可控制延誤模型如圖1所示。該模型僅考慮一次意外所造成的延誤以及由此而產(chǎn)生的波及效應(yīng)。假設(shè)在其它情況都正常時(shí),由于一次意外的檢修、天氣等因素,造成在航班運(yùn)行過(guò)程中的任何一個(gè)環(huán)節(jié)的初始延誤及飛機(jī)某一排隊(duì)的一個(gè)意外增加,接著會(huì)因航班延誤的波及效應(yīng)影響到飛機(jī)運(yùn)行其它一系列環(huán)節(jié)。當(dāng)不考慮由不可控因素引起的航班延誤時(shí),各個(gè)機(jī)場(chǎng)的延誤相互獨(dú)立,波及航班延誤也不再是一個(gè)連續(xù)的過(guò)程,僅將安檢、起飛、降落等各個(gè)階段分別加入可控制延誤模型。此時(shí),各個(gè)環(huán)節(jié)的排隊(duì)隊(duì)長(zhǎng)就是在原有正常隊(duì)長(zhǎng)的基礎(chǔ)上加一個(gè)因波及延誤而產(chǎn)生的波及隊(duì)長(zhǎng)。已有文獻(xiàn)證明,航班運(yùn)行各個(gè)環(huán)節(jié)的波及延誤效應(yīng)基本呈現(xiàn)指數(shù)遞減態(tài)勢(shì),且縱向傳遞近似于以1/2為等比的遞減數(shù)列,因此可以假設(shè)航班延誤的波及效應(yīng)呈現(xiàn)平穩(wěn)遞減。假設(shè)緩沖時(shí)間為H,若延誤時(shí)間小于H,則可被直接緩沖消除;若大于H,只會(huì)一部分被消除。假設(shè)初始延誤=D０,每個(gè)階段延誤波及被緩沖消除該階段延誤的一半,則有:可控制延誤模型各個(gè)環(huán)節(jié)的延誤時(shí)間為:相關(guān)聯(lián)的第一個(gè)機(jī)場(chǎng):當(dāng)考慮因天氣、流量控制和軍事活動(dòng)等不可控因素時(shí),這些因素引發(fā)的延誤可能會(huì)發(fā)生在航班運(yùn)行的各個(gè)環(huán)節(jié),在此將以各因素近三年引發(fā)的航班延誤的平均發(fā)生率把它們納入模型,形成了航班延誤的總動(dòng)態(tài)排隊(duì)模型(圖2)。根據(jù)最近三年航班延誤影響因素的統(tǒng)計(jì)數(shù)據(jù),流量控制、軍事活動(dòng)和天氣引發(fā)的航班延誤發(fā)生概率分別為0.25、0.09和0.21。五、模型仿真結(jié)果以咸陽(yáng)機(jī)場(chǎng)為初始出發(fā)機(jī)場(chǎng),基于西安—成都—云南—杭州—西安四個(gè)機(jī)場(chǎng)組成的航班運(yùn)營(yíng)閉環(huán),利用2013年3月1日—6月30日該閉環(huán)中航班延誤的數(shù)據(jù),模擬仿真分析各個(gè)關(guān)鍵影響因素對(duì)于航班延誤的影響程度(仿真模擬示意圖見(jiàn)圖3)［１７］。模擬的假設(shè)前提有:(1)機(jī)場(chǎng)采用的是雙跑道混合模式,因而無(wú)需對(duì)一個(gè)航班在機(jī)場(chǎng)中的到達(dá)和起飛單獨(dú)進(jìn)行分析,而將機(jī)場(chǎng)看作一個(gè)整體進(jìn)行分析;(2)閉環(huán)中的每個(gè)機(jī)場(chǎng)具有相同的特質(zhì),它們的起飛和到達(dá)分布、服務(wù)能力都相同。雖然所選的四個(gè)機(jī)場(chǎng)特質(zhì)有區(qū)別,但是運(yùn)行模式、航班延誤造成因素等大同小異,且它們都屬于中型樞紐機(jī)場(chǎng);(3)航班運(yùn)行的閉環(huán)過(guò)程包含了所有影響航班延誤的因素;(4)對(duì)于各個(gè)機(jī)場(chǎng),設(shè)置一個(gè)正常排隊(duì)隊(duì)列L０和一個(gè)會(huì)導(dǎo)致航班延誤的臨界隊(duì)長(zhǎng)Lｄ,其中L０是指現(xiàn)有的機(jī)場(chǎng)服務(wù)能力水平下的正常期望隊(duì)長(zhǎng);Lｄ是指在閉環(huán)的一個(gè)機(jī)場(chǎng)中,本階段所能達(dá)到緩沖隊(duì)長(zhǎng),在這個(gè)范圍內(nèi),機(jī)場(chǎng)可以?xún)?nèi)化延誤而不產(chǎn)生波及效應(yīng),否則產(chǎn)生波及效應(yīng)［９－１０］。在上述假設(shè)基礎(chǔ)上,利用matlab軟件工具和設(shè)計(jì)模型對(duì)四個(gè)機(jī)場(chǎng)的各類(lèi)數(shù)據(jù)進(jìn)行模擬,結(jié)果見(jiàn)表4。依據(jù)表4結(jié)果繪制出由不同影響因素引發(fā)的航班延誤發(fā)生頻率及其影響程度圖(圖4),其中橫軸表示各因素發(fā)生的頻率高低,縱軸表示影響程度的強(qiáng)弱,橢圓形大小代表了此種因素對(duì)于航班延誤的影響大小:橢圓面積越大,則影響越大;面積越小,影響越小。表5給出了各個(gè)影響因素對(duì)航班延誤影響的大小和發(fā)生頻率高低的排序。表5和圖4仿真模擬結(jié)果顯示:(1)仿真結(jié)果與官方統(tǒng)計(jì)的各因素引發(fā)的航班延誤占比歷史數(shù)據(jù)排序相似,反映官方統(tǒng)計(jì)從歷史數(shù)據(jù)角度較為準(zhǔn)確地反映了各關(guān)鍵因素引發(fā)航班延誤的頻率,但各因素的影響程度和頻率并不完全一一對(duì)應(yīng)。這說(shuō)明航班延誤服務(wù)補(bǔ)救措施的制定,不能僅依據(jù)各影響因素的發(fā)生頻率,還必須考慮其影響程度。(2)模擬結(jié)果表明,航空公司因素引發(fā)的航班延誤不僅發(fā)生頻率高,而且影響程度很大,為30%,延誤時(shí)長(zhǎng)往往不可預(yù)測(cè)。這進(jìn)一步說(shuō)明政府必須盡快制定統(tǒng)一和具有可操作性的航班延誤服務(wù)補(bǔ)救制度,通過(guò)制度的設(shè)立激勵(lì)約束航空公司通過(guò)航班計(jì)劃的合理安排和運(yùn)力的合理分配,積極應(yīng)對(duì)減少航班延誤。(3)流量控制和天氣因素引發(fā)的航班延誤頻率高,分別為28%和20%,影響程度也大,延誤平均時(shí)長(zhǎng)分別為60分鐘和55分鐘。面對(duì)這兩個(gè)因素引發(fā)的高頻率延誤,一方面是做好延誤的服務(wù)補(bǔ)救,減少其震蕩延誤;另一方面是進(jìn)行空域改革,提高空域容量。(4)值得關(guān)注的是軍事活動(dòng)和機(jī)械故障因素,它們引發(fā)的航班延誤發(fā)生頻率一般,分別為12%和7%,但以延誤平均時(shí)長(zhǎng)反映的影響程度很大,分別為185分鐘和140分鐘,位居第二、三位,遠(yuǎn)遠(yuǎn)超過(guò)了旅客的等待忍耐時(shí)限,是航班延誤服務(wù)補(bǔ)救的重點(diǎn)和難點(diǎn)。(5)由機(jī)場(chǎng)和旅客因素引發(fā)的航班頻率較低,影響程度也很低,但由航班延誤引起的沖突經(jīng)常發(fā)生在機(jī)場(chǎng),旅客非理性行為成為航班延誤新的增長(zhǎng)點(diǎn)和社會(huì)的關(guān)注點(diǎn),說(shuō)明延誤服務(wù)補(bǔ)救中,關(guān)注服務(wù)旅客始終是航空運(yùn)輸?shù)暮诵?。六、模型?gòu)建及仿真分析本文基于航班運(yùn)行流程,通過(guò)識(shí)別航班延誤的原因及其主要發(fā)生的環(huán)節(jié),對(duì)航班延誤的泊松分布進(jìn)行了驗(yàn)證,構(gòu)建了航班延誤的一般和動(dòng)態(tài)排隊(duì)模型,并運(yùn)用樣本機(jī)場(chǎng)的數(shù)據(jù),對(duì)動(dòng)態(tài)模型進(jìn)行了模擬分析,得到以下結(jié)論:航班運(yùn)行流程閉環(huán)的不同階段分解分析反映,航班延誤的主要原因包括流量控制、軍事活動(dòng)、天氣