基于運行數據分析的航班正常性管理探究

張 軼

（廣東機場白云信息科技有限公司，廣東 廣州 510470）

0 引言

一直以來，航班延誤都是社會議論的焦點，所以航班的正常性就成為安全保障前提下的重中之重，并且航班正常率是機場、航空公司以及空中管制單位的績效考核指標之一，研究航班正常性管理勢在必行。

1 航班正常性管理要求

1.1 航班正常保障

在實施航班正常性管理中，航班正常保障是核心環節，需要各個部門的配合，從而建立對應的預警機制，并且考慮不同的因素，確保航班的準點率。航班正常保障制度還需要機場、航空公司等共同決策，這樣才能在信息高度共享的前提下，確保航班的正常運行。

第一，在保障航班正常性方面，需要做好航班延誤預警機制的建立健全，在沒有出現航班延誤的時候，就需要做好實時監控，確保各種因素的合理把控，在達到預警值的時候，就需要及時地溝通協調，確保將延誤可以降至最低，以此來保障正常運行。

第二，空管部門需要做好航班流量的把控，合理安排起降，實施預警管理，并且指定對應的應急措施，實現信息共享，以此來保障航班的正常運行。

1.2 航班延誤處置

當出現航班延誤之后，需要做好對應的決策，找準處置方法，明確各種影響航班正常性的因素，從而在實際的恢復過程中可以做到有理有據，不能憑借經驗處置，而是要采取合理有效的方法，找準解決措施，這樣才能夠確保航班可以恢復正常。

在實際的處置過程中，需要恢復飛機、機組與旅客形成，但是這里面會有諸多問題滋生，需要各方及時的協調溝通，以此來提高信息的共享，確?？梢允褂酶鞣N方法來解決航班延誤的問題。當發生航班延誤之后，航空公司不能及時的采取措施，主要是因為缺少對應的恢復策略，進而對于旅客的利益產生了嚴重的影響，最終導致旅客的投訴率在不斷的上升，還需要去合理的解決。所以，通過模式化的處理，就可以提升旅客的滿意度，最終實現航班延誤的恢復。

2 航班正常性影響的因素分析

對于航班正常性而言，影響的因素較多，基于《民航航班正常統計辦法》的具體規定，直接將航班正常性的影響因素劃分為天氣、航空公司、空管、機場等11類。對不正常航班的原因進行分析，具體因素見圖1所示。

基于圖1的分析，繪制航班正常性影響的因素分布圖，通過圖中所述可以看出影響的主要原因在于天氣原因、自身計劃原因、空中交通管制，這三種因素占整體的90%，其余的影響因素包含了機場原因、旅客因素等[1]。

3 基于運行數據分析的旅客流恢復問題

圖1 影響航班正常率的因素

通過上述對影響原因進行分析，針對旅客流恢復問題進行具體的闡述。

3.1 旅客流問題描述

航空公司對于旅客的重視度在不斷提升，因為這直接掛鉤航空公司的切身利益。航空公司出臺了《不正常航班旅客服務指南》，在正常性的管理之中也明確提出了旅客投訴與管理問題，這就成為各個航空公司需要重點考慮的問題，即對旅客行程的恢復。民航局具體規定了對于旅客的服務問題，如無論是何種原因，承運人都需要向著旅客提供膳食服務；在始發地因為承運人原因導致航班延誤或者是取消的，需要提供免費的食宿等。

在出現不正常航班之后，行程問題就成為在正常性管理之中需要處置的重要問題，并且對于可能出現的旅客恢復問題也進行了其余的描述，要給予足夠的重視，實現更好的恢復[2]。

3.2 建立旅客流恢復模型

針對旅客流恢復涵蓋的問題較多，并且涉及到的部門相對復雜，需要建立模型，讓整體恢復過程變得更加簡單明了。針對本文所述的旅客流恢復問題進行了如下假設：第一，已經完成對于不正常航班的航班計劃的調整，這是在恢復問題之前就已經完成的。第二，在實際的恢復過程中，主要是選擇改簽與取消的方式來進行對應的處置。第三，已經固定了需求客戶數量，將航班客座剩余的數量當作為航班的容量。

3.3 Dantzig-Wolfe算法選取原因

本章節所使用的旅客形成恢復模型主要是基于時空網絡來構建多商品流模型，并且是一個組合優化的問題。因為時空網絡之中的航班弧和OD對數量規模較大，如果針對所有組合都預先生成，然后進行最優化的搜索，那么會影響實際的效率。但是選擇使用Dantzig-Wolfe算法，主要是利用組合求解的方式減少對于空間和時間的消耗，以此來提升實際的效率。本算法的使用是在列生成算法基礎上直接將約束條件設定為“難”和“易”處理約束。這是因為對于大規模的線性規劃問題，可以直接選擇“難處理”的約束條件都實現對于主問題的構造；針對“易處理”的約束條件，需要做好子問題的構造，但是不需將所有的列都列出來，只需求解這一約束局陣列的子集構成問題，從而獲取原問題的解。在每一步的求解限制住問題迭代之中，通過子問題的解就可以實現入基新列的產生，然后進行重新迭代。一旦限制主問題的解能夠與最優性檢驗標準匹配，就可以停止迭代，獲取原問題的最優解[3]。

3.4 案例分析

基于Dantzig-Wolfe算法的使用，通過實際的案例來進行分析。即選擇大面積雷雨天氣等影響導致飛機的運行情況需要進行調整，進而出現大面積航班不正常運行，因為取消或者延誤航班，最終影響旅客的正常行程，之后選擇使用一組數據來進行具體的分析。

3.4.1 不正常航班源數據分析

針對具體的不正常航班源數據分析，具體見表1 所示。

表1 不正常航班數據

3.4.2 恢復方案介紹

在獲取源數據之后，就可以使用一般恢復方法的恢復結果，以及選擇數據代入之后的依據，這樣能夠讓它變得更加科學合理，并且能夠擁有單一變量的基本特點，不過恢復方法存在差距。

首先，需要直接將航班運行的相關數據代入到對應的模型之后，針對具體的約束條件：旅客流平衡約束、航班容量約束、變量非負約束（具體的公式不一一呈現），之后就可以獲取對應的目標函數。

最后，通過Dantzig-Wolfe分解算法的使用，可以直接將整體模型直接分解成為主問題和子問題來進行求解。并且基于上述求解的難易程度，將旅客流平衡約束作為主問題，其余的作為子問題，然后分別求解。

其中，對于兩個問題可以選擇使用運籌學的方法來進行簡單的求解。針對主問題的表示，可以考慮到小規模線性規劃問題，然后選擇利用單純形法來進行求解。針對子問題，則可以看成K號OD對的廣義最短路問題，然后基于搜索策略來求解最短路。通過對應的算法與代入之后，就可以獲取最后的優化結果[4]。

3.4.3 恢復后的數據與源數據比較

表2 旅客流恢復策略比較

3.4.4 結論

基于實例數據和恢復策略得出的數據進行分析比較，數據本身具有較強的相似性，也就說明方案本身的可行性較高，并且基于總成本數據來分析，旅客流恢復問題擁有更強的合理性，可以滿足對于成本的節約需求。

4 結束語

在當今信息高速發展的形勢下，民航各個系統平臺要懂得為人民群眾普及民航知識，積極解決他們所關心的問題，從而獲取良好的溝通效果。其中，針對航班延誤來說，雖然不可避免，但是在確保航班安全的前提下需要實現航班的正常性管理。所以，基于運行數據分析來進行航班的正常性管理，就能在滿足航班正常性管理要求，同時讓社會大眾正確看待航班延誤的問題。