基于运行数据分析的航班正常性管理探究

张 轶

（广东机场白云信息科技有限公司，广东 广州 510470）

0 引言

一直以来，航班延误都是社会议论的焦点，所以航班的正常性就成为安全保障前提下的重中之重，并且航班正常率是机场、航空公司以及空中管制单位的绩效考核指标之一，研究航班正常性管理势在必行。

1 航班正常性管理要求

1.1 航班正常保障

在实施航班正常性管理中，航班正常保障是核心环节，需要各个部门的配合，从而建立对应的预警机制，并且考虑不同的因素，确保航班的准点率。航班正常保障制度还需要机场、航空公司等共同决策，这样才能在信息高度共享的前提下，确保航班的正常运行。

第一，在保障航班正常性方面，需要做好航班延误预警机制的建立健全，在没有出现航班延误的时候，就需要做好实时监控，确保各种因素的合理把控，在达到预警值的时候，就需要及时地沟通协调，确保将延误可以降至最低，以此来保障正常运行。

第二，空管部门需要做好航班流量的把控，合理安排起降，实施预警管理，并且指定对应的应急措施，实现信息共享，以此来保障航班的正常运行。

1.2 航班延误处置

当出现航班延误之后，需要做好对应的决策，找准处置方法，明确各种影响航班正常性的因素，从而在实际的恢复过程中可以做到有理有据，不能凭借经验处置，而是要采取合理有效的方法，找准解决措施，这样才能够确保航班可以恢复正常。

在实际的处置过程中，需要恢复飞机、机组与旅客形成，但是这里面会有诸多问题滋生，需要各方及时的协调沟通，以此来提高信息的共享，确保可以使用各种方法来解决航班延误的问题。当发生航班延误之后，航空公司不能及时的采取措施，主要是因为缺少对应的恢复策略，进而对于旅客的利益产生了严重的影响，最终导致旅客的投诉率在不断的上升，还需要去合理的解决。所以，通过模式化的处理，就可以提升旅客的满意度，最终实现航班延误的恢复。

2 航班正常性影响的因素分析

对于航班正常性而言，影响的因素较多，基于《民航航班正常统计办法》的具体规定，直接将航班正常性的影响因素划分为天气、航空公司、空管、机场等11类。对不正常航班的原因进行分析，具体因素见图1所示。

基于图1的分析，绘制航班正常性影响的因素分布图，通过图中所述可以看出影响的主要原因在于天气原因、自身计划原因、空中交通管制，这三种因素占整体的90%，其余的影响因素包含了机场原因、旅客因素等[1]。

3 基于运行数据分析的旅客流恢复问题

图1 影响航班正常率的因素

通过上述对影响原因进行分析，针对旅客流恢复问题进行具体的阐述。

3.1 旅客流问题描述

航空公司对于旅客的重视度在不断提升，因为这直接挂钩航空公司的切身利益。航空公司出台了《不正常航班旅客服务指南》，在正常性的管理之中也明确提出了旅客投诉与管理问题，这就成为各个航空公司需要重点考虑的问题，即对旅客行程的恢复。民航局具体规定了对于旅客的服务问题，如无论是何种原因，承运人都需要向着旅客提供膳食服务；在始发地因为承运人原因导致航班延误或者是取消的，需要提供免费的食宿等。

在出现不正常航班之后，行程问题就成为在正常性管理之中需要处置的重要问题，并且对于可能出现的旅客恢复问题也进行了其余的描述，要给予足够的重视，实现更好的恢复[2]。

3.2 建立旅客流恢复模型

针对旅客流恢复涵盖的问题较多，并且涉及到的部门相对复杂，需要建立模型，让整体恢复过程变得更加简单明了。针对本文所述的旅客流恢复问题进行了如下假设：第一，已经完成对于不正常航班的航班计划的调整，这是在恢复问题之前就已经完成的。第二，在实际的恢复过程中，主要是选择改签与取消的方式来进行对应的处置。第三，已经固定了需求客户数量，将航班客座剩余的数量当作为航班的容量。

3.3 Dantzig-Wolfe算法选取原因

本章节所使用的旅客形成恢复模型主要是基于时空网络来构建多商品流模型，并且是一个组合优化的问题。因为时空网络之中的航班弧和OD对数量规模较大，如果针对所有组合都预先生成，然后进行最优化的搜索，那么会影响实际的效率。但是选择使用Dantzig-Wolfe算法，主要是利用组合求解的方式减少对于空间和时间的消耗，以此来提升实际的效率。本算法的使用是在列生成算法基础上直接将约束条件设定为“难”和“易”处理约束。这是因为对于大规模的线性规划问题，可以直接选择“难处理”的约束条件都实现对于主问题的构造；针对“易处理”的约束条件，需要做好子问题的构造，但是不需将所有的列都列出来，只需求解这一约束局阵列的子集构成问题，从而获取原问题的解。在每一步的求解限制住问题迭代之中，通过子问题的解就可以实现入基新列的产生，然后进行重新迭代。一旦限制主问题的解能够与最优性检验标准匹配，就可以停止迭代，获取原问题的最优解[3]。

3.4 案例分析

基于Dantzig-Wolfe算法的使用，通过实际的案例来进行分析。即选择大面积雷雨天气等影响导致飞机的运行情况需要进行调整，进而出现大面积航班不正常运行，因为取消或者延误航班，最终影响旅客的正常行程，之后选择使用一组数据来进行具体的分析。

3.4.1 不正常航班源数据分析

针对具体的不正常航班源数据分析，具体见表1 所示。

表1 不正常航班数据

3.4.2 恢复方案介绍

在获取源数据之后，就可以使用一般恢复方法的恢复结果，以及选择数据代入之后的依据，这样能够让它变得更加科学合理，并且能够拥有单一变量的基本特点，不过恢复方法存在差距。

首先，需要直接将航班运行的相关数据代入到对应的模型之后，针对具体的约束条件：旅客流平衡约束、航班容量约束、变量非负约束（具体的公式不一一呈现），之后就可以获取对应的目标函数。

最后，通过Dantzig-Wolfe分解算法的使用，可以直接将整体模型直接分解成为主问题和子问题来进行求解。并且基于上述求解的难易程度，将旅客流平衡约束作为主问题，其余的作为子问题，然后分别求解。

其中，对于两个问题可以选择使用运筹学的方法来进行简单的求解。针对主问题的表示，可以考虑到小规模线性规划问题，然后选择利用单纯形法来进行求解。针对子问题，则可以看成K号OD对的广义最短路问题，然后基于搜索策略来求解最短路。通过对应的算法与代入之后，就可以获取最后的优化结果[4]。

3.4.3 恢复后的数据与源数据比较

表2 旅客流恢复策略比较

3.4.4 结论

基于实例数据和恢复策略得出的数据进行分析比较，数据本身具有较强的相似性，也就说明方案本身的可行性较高，并且基于总成本数据来分析，旅客流恢复问题拥有更强的合理性，可以满足对于成本的节约需求。

4 结束语

在当今信息高速发展的形势下，民航各个系统平台要懂得为人民群众普及民航知识，积极解决他们所关心的问题，从而获取良好的沟通效果。其中，针对航班延误来说，虽然不可避免，但是在确保航班安全的前提下需要实现航班的正常性管理。所以，基于运行数据分析来进行航班的正常性管理，就能在满足航班正常性管理要求，同时让社会大众正确看待航班延误的问题。