航站楼离港旅客聚集影响因素研究_李明捷.pdf

（）年 第 卷 第 期 收稿日期：基金项目：四川省科技厅项目（）；中央高校基本科研业务费基金项目（）作者简介：李明捷，女，副教授，硕士生导师，主要从事机场规划与设计、机场运行管理研究，：；通信作者 王涛，男，硕士研究生，主要从事机场运行管理研究，：。本文引用格式：李明捷，王涛，苗容瑜，等 航站楼离港旅客聚集影响因素研究 重庆理工大学学报（自然科学），（）：，（），（）：（）航站楼离港旅客聚集影响因素研究李明捷，王 涛，苗容瑜，黄欣宁（中国民用航空飞行学院 机场学院，四川 广汉）摘 要：为明确航站楼离港旅客聚集影响因素及形成机制，提高航站楼运行安全和效率，运用偏序集理论对 进行改进，克服传统两者联合建模过程中阈值确定的经验性和不确定性。通过原因度、中心度、因素权重图和对抗层级拓扑图相结合的形式对影响因素的重要度排序和关联性进行研究，对航站楼旅客聚集致因进行深入分析，并以西南某干线机场为例验证方法的实用性。研究结果显示：航班计划变更、极端天气、高峰客流处于对抗层拓扑图的顶层，基于中心度、原因度绝对值和的对应权重分别为、，是影响航站楼离港旅客聚集的最直接因素；位于模型底层的航站楼供电设施、旅客流线以及飞机机械故障是根源影响因素。表明要应对大规模的航站楼旅客聚集，必须提高机场及相关单位自身的服务意识和保障能力。关 键 词：航站楼；旅客聚集；偏序关系；中图分类号：文献标识码：文章编号：（）引言随着国民经济持续稳定的发展，人们对于航空出行的需求逐年提升，大型民用运输机场面临的客流压力越来越大，由天气、流量管制等诸多原因导致的航班延误、航站楼滞留旅客聚集问题时有发生。通常情况下，离港旅客进入航站楼内按照既定流程完成值机、安检等流程之后可乘机离开，即使在机场较为繁忙的时间段也不会影响航站楼的正常运行。当发生严重的航班延误或其他突发情况时，旅客无法按计划乘机离开会导致人群聚集在航站楼内，而大量旅客长时间聚集既影响机场的正常运行也降低了航空旅客的出行体验。目前，对于航站楼离港旅客的相关研究主要在离港旅客资源配置、旅客离港流程仿真和流量预测等方面。针对航站楼旅客值机拥堵、等待时间较长等现象，王加冕等基于蒙特卡洛仿真原理对某机场进行实例建模，发现旅客的到达时间和值机柜台的服务时间服从负指数分布。当开放最佳值机柜台数量时，旅客值机排队时间可降低。等在考虑合理分配航站楼内旅客资源位置的前提下建立以随机位置为目标函数的非线性规划模型，通过模拟退火算法求解并验证了模型的可行性。张天炫等基于排队论，建立以旅客等待时间为目标函数的双排队模型，运用该模型的实例验证表明，一天可节约旅客时间 。在机场航站楼实际运行过程中，静态模式下的离港旅客资源配置方式导致资源的利用率不高或难以应对航班延误下资源的动态调整。为此，刘英等基于值机和托运设备两者间的协调关系，构建静态资源整数规划模型和动态调整模型。仿真结果表明 种模型下的资源配置方案可有效提高设备的利用率，降低一半以上旅客的排队等待时间。陆迅等对上海虹桥机场的离港旅客流程和行为进行调查分析，使用 仿真软件发现安检是旅客离港流程的瓶颈，提出安检优化方案以提高安检效率。刘浩使用 仿真软件对航站楼离港旅客离港的整个流程进行模拟仿真，并以绵阳机场为实例给出离港业务流程的优化方案。张培文等考虑旅客行为特征、航站楼出发厅旅客服务流程和应急疏散业务流程建立仿真模型。等针对航站楼旅客离港中流程安检和值机区域人群的聚集拥挤问题，提出错误使用航站楼人均空间服务水平标准和低效初始布局是导致旅客聚集拥挤的主要影响因素，基于此构建宏观动力学模型描述离港旅客流，并对航站楼功能区重新进行区域分配。等针对航站楼旅客值机排队等待过长的旅客聚集现象，对埃森博阿国际机场高峰客流时段旅客值机流程进行模拟，发现开放最佳数量的值机设备有助于减少旅客聚集排队等待时间，在新冠病毒流行期间航站楼旅客值机聚集排队密度较以往正常情况下有大幅度增加。邢志伟等通过旅客自助值机数据对航站楼内旅客聚集现象进行动力学分析，验证了离港旅客聚集受航班截止时间影响且服从重尾分布，并基于此构建航班离港时刻主导的单航班离港旅客聚集模型。在离港旅客流量预测方面，等为了提高航站楼短时客流预测精度，构建基于深度时空学习的多闸门短时客流预测模型。根据广州白云机场离港旅客流数据进行验证表明，该模型与、相比能更加有效地预测短期客流。刑志伟等 通过选取相似历史运营日作为预测特征向量对传统 近邻算法进行改进，建立短时离港旅客流量预测的双层 近邻模型。在对离港旅客值机排队的研究中分析旅客聚集性质，建立了有效的离港旅客值机排队预测模型。综上，国内外学者在航站楼离港旅客资源配置、旅客离港流程仿真等方面取得了大量成果，但关于航站楼离港旅客聚集的相关研究仍较少。为解决航站楼旅客保障压力逐年增加和人文机场建设要求之间的矛盾，研究航站楼离港旅客聚集影响因素势在必行。导致离港旅客在航站楼内聚集的因素众多，在机场、航司、旅客等多种因素相互影响和制约下，很难从某一角度直接量化众多的离港旅客聚集影响因素。为了探寻影响离港旅客聚集的关键因素，明确各因素的重要度和相互作用机理，采用决策与评价实验室法（）和对抗解释结构模型（），引入偏序关系将两者进行有机结合，改进 在联用它法时阈值确定过程中所带来的不确定性，提高模型结果的客观性和准确性。定量化计算和定性化分析复杂繁多的离港旅客聚集影响因素，为机场航站楼管理部门高效准确地处理旅客聚集事件提供参考。离港旅客聚集影响因素体系构建考虑到航站楼离港旅客聚集的影响因素较多且错综复杂，查阅国内外航站楼旅客聚集相关案例、文献并结合德尔菲法进行因素的确定。目前，航站楼绝大部分旅客聚集事件都是由极端天气引起，天气原因导致航班大面积延误、机场通行能力下降，大量旅客无法按计划出行。随着延误程度和时间的增加，航站楼内聚集的旅客数逐渐增加甚至超过航站楼可容纳的人员负荷，最终导致群体性事件发生。查阅民航航班正常统计资料可知，天气因素占不正常航班原因的比例最大，对航班正常放行率和起飞正常率影响较大。因此，极端天气可作为影响航站楼旅客聚集的重要因素。航空公司航班计划变更与否会直接影响旅客的出行计划。对于大型枢纽机场，出行旅客一般会被告知至少提前 到达机场。若旅客到达机场后被告知乘坐的航班计划有变，大量旅客将会聚集在值机大厅或候机室内等待，而长时间等待容易引发一些危险事件影响航站楼内的正常运行。因此，综合机场、航空公司、航班正常性、突发情况、其他因素这 个维度得出 个离港旅客聚集影响因素，如表 所示。表 离港旅客聚集影响因素分类名称编号含义机场因素航站楼供电设施设备为航站楼正常运行提供电力供应的设施设备旅客服务设施为旅客提供地面服务的主要建筑设施，如值机安检以及登机设施旅客流线航站楼内离港旅客流线设计机场地面保障设备为保障飞机正常运行的相关服务设备航班正常性因素极端天气大雾、暴雨、冰雪等极端天气第三方活动军方活动流量管制空中交通管制航司因素航班计划变更各航司所制定的飞行计划发生变化飞机机械故障飞机机械故障突发因素地震地震等自然灾害发生火灾航站楼内起火其他因素航班波航班起飞降落形成的高峰和低峰大客流（高峰客流）春节、国庆等假期出现的高峰客流团体旅客以群体形式出行的旅客，如观光团、旅游团等机场陆侧交通为客、货到达或离开机场服务的交通设施 模型构建决策与评价试验法（，）是通过使用图论和矩阵进行复杂系统问题分析的方法。对抗解释 结 构 模 型（，）是在经典解释结构模型（）的基础上融入生成对抗网络（）和博弈论（）而形成。能够在不损失系统完整功能的前提下通过原因和结果 种不同的层级抽取规则，得到一组简化的对抗层级拓扑图。与公式符号或文字相比，能更加清晰且直观地描述系统内要素间的关系及所处位置。运用 中原因度和中心度组成的决策矩阵，通过偏序关系构建 的输入关系矩阵。根据所构建的旅客聚集影响因素体系，邀请 位民航专家及相关从业人员按照评估语义标度对影响因素之间的关联性进行评估。模型构建流程如图 所示。图 模型构建流程框图李明捷，等：航站楼离港旅客聚集影响因素研究 直接影响矩阵 设定影响因素集，根据影响因素 关联度专家评估语义标度（无影响，较小影响，一般影响，较强影响，极强影响），对航站楼离港旅客聚集影响因素间的关系进行评估，构建原始直接影响矩阵 （）。综合影响矩阵 根据式（）对矩阵 （）进行规范化处理，得到矩阵 （）。通过式（）计算得到综合影响矩阵 （）。()()()（）式中：()()()为矩阵 的行和与列和平方的最大值。（）（）影响度、被影响度、原因度、中心度影响度、被影响度、原因度、中心度 可用来衡量要素在系统中的影响程度，根据式（）（）进行计算。，（），（）（）（）影响因素权重计算通过原因度的绝对值和中心度 计算航站楼离港旅客聚集影响因素的权重。不同的权重计算方式可能导致不同的结果，为了更准确地体现各因素在系统中的权重，采用 种权重计算方式。由于要素中心度 代表着该要素在整个系统中的作用大小程度，因此可通过中心度直接计算各影响因素在系统中的权重值。，（）以中心度为直角坐标横轴，原因度为纵轴绘制散点图。可通过影响因素所在坐标和到坐标原点的距离计算权重、。（），（）（），（）偏序 决策矩阵决策矩阵 （），其中 代表要素，代表维度。对于 中 个要素的任意维度都需要满足严格的可比性。文中决策矩阵维度 由各影响因素的原因度的绝对值 、中心度的绝对值 构成。偏序规则对于 列评估决策矩阵，每一列指标都具有同属性、可比性。指标属性可分为正向指标和负向指标，正向指标数值越大越优，记为；负向指标越小越差，记为。对于评估决策矩阵 中要素的任意两行，若同时满足正、负向指标，即（，）（，）（，）（，），则要素 与 的偏序关系记为：表示要素 重要度或影响度高于要素。关系矩阵 由决策矩阵 通过式（）得到关系矩阵 （）。，其他（）一般性骨架矩阵 根据式（）计算得到可达矩阵。在可达矩阵的基础上进行缩点和缩边运算，消除因素间自身的关联影响，得到一般性骨架矩阵。（）（）（）（）式中：取正整数。对抗层级抽取在可达矩阵 的基础上根据式（）进行因素集的划分：先行集（）、可达集（）、共同集（）。根据原因优先和结果优先的抽取原则，并结合一般性骨架矩阵 绘制对抗层级拓扑图。型层级拓扑图：通过结果优先的层级划分抽取方式，抽取规则为：（）（）。可达集与共同集相同时，所抽取的元素放在上层，抽取的放置顺序是从上往下。型层级拓扑图：通过原因优先的层级划分抽取方式，抽取规则：（）（）。先行集与共同集相同时，所抽取的元素放在下层，抽取的放置顺序是从下往上。（），（），（），（）（）|实例分析以西南某区域枢纽机场为例。该机场曾发生 次较为严重的航站楼离港滞留旅客聚集事件，航站楼总聚集旅客近万人，产生较严重的负面影响。将该机场作为评估数据源，运用 方法进行航站楼离港旅客聚集影响因素分析。模型结果通过表 中各因素间关联影响度进行评估，得出直接影响矩阵。根据式（）对直接影响矩阵进行规范化处理得矩阵，之后由式（）计算出综合影响矩阵，按照式（）（）求得各因素影响度、被影响度、原因度、中心度。以中心度为横轴、原因度为纵轴绘制散点图，见图。图 中心度原因度散点图 中心度和原因度能更为全面地反映各因素在系统中的位置及作用。根据式（）（）计算各影响因素权重和不同维度下因素权重，如图 和图 所示。通过原因度和中心度绝对值构建决策矩阵如表 所示，同时根据式（）引入偏序关系，在保留因素间差异性的前提下得到邻接关系矩阵 作为 的输入变量。邻接矩阵 按照式（）计算得到可达矩阵，如表 所示。同时，根据式（）层级抽取规则分别进行 型和 型因素抽取。图 因素权重示意图图 不同维度下因素权重直方图表 决策矩阵因素原因度中心度 李明捷，等：航站楼离港旅客聚集影响因素研究 基于中心度和原因度的对抗层级图较少具有强关联回路。观察表 的可达矩阵发现无强关联因素，可直接使用代数公式 （）进行布尔运算得出一般性骨架矩阵。将一般性骨架矩阵中各因素间的影响关系通过有向线段表示，结合对抗层级抽取结果绘制如图 所示的对抗层级拓扑示