基于ATMAP算法的天氣對航班延誤的影響特征分析

陳 琦 張 芮 牟 夏 康嘉祺 孫 震 姬夏迎

（中國民航大學,天津 300300）

1 引言

隨著人工智能領域快速發(fā)展，智慧民航建設逐漸提上日程，對民航信息流的量化要求越來越高，而目前針對機場天氣信息對空中交通影響，仍為人工判別，自動化程度較低，這給我國民航運輸業(yè)帶來了不便。由各種資料可知，天氣在對空中交通影響因素中占據(jù)了主導地位，如2017年上海虹橋機場始發(fā)正常率低于50%的典型13天的原因分析顯示，主要是天氣原因導致的空管或機場保障能力下降，導致流量控制。近些年，隨著航班數(shù)量增加，各類機場都趨于飽和狀態(tài)，再加之全球變暖現(xiàn)象使得反常天氣狀況的出現(xiàn)日漸頻繁，各種各樣造成航班延誤的原因也體現(xiàn)得更加明顯，以2016年天津全年航班相關數(shù)據(jù)為例（見圖1），造成航班延誤原因共包含84種，將其分為9類，其中占據(jù)重要比例的即為環(huán)境原因，而對于環(huán)境影響最為重要的即為危險天氣。

圖1 2016年天津全年影響航班延誤的因素

為實現(xiàn)國內機場航空危險天氣定量化評估，先搜集整理現(xiàn)有天氣定量化方法，對比不同方法的優(yōu)劣性，確定適合的機場航空危險天氣定量化方法。

國內相關研究如鄒燕等人的《氣候年景定量化評價方法》[1]，以低溫年景指數(shù)、高溫年景指數(shù)、干旱年景指數(shù)和雨澇年景指數(shù)作為氣候年景的評價因子。該方法優(yōu)點是對天氣情況分級明確，判定范圍清晰，有清晰的計算公式，實用性很強，但缺點是該方法是氣候年景的定量化評估方法，是一種長遠角度的評估方法，且該方法是對已發(fā)生天氣進行的評估，不能起到預見性作用；《空間天氣預報模式集成可視化研究與實現(xiàn)》[2]中提到初步構建空間天氣定量化業(yè)務預報框架并實現(xiàn)了可視化演示，該研究方法是采用組件的松耦合與高速數(shù)據(jù)通道相結合的設計思想集成了多區(qū)域的空間天氣模型和種類繁多的空間天氣數(shù)據(jù)；《貴州春季強冰雹天氣定量化概念模型》[3]中選取 2009—2013 年以來符合研究定義的強冰雹天氣事件個例，采用基數(shù)據(jù)回放方式研究其降雹前 3～15 min雷達回波形態(tài)、結構和類型特征，并通過這些特征來有效識別冰雹云。國外相關研究如《Algorithm to describe weather conditions at European airports》[4]描述了歐盟氣象部門工作組協(xié)商開發(fā)的天氣算法。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

選取天津濱海機場、上海虹橋機場、烏魯木齊地窩堡機場、成都雙流機場、長沙黃花機場、沈陽桃仙機場等年吞吐量在2 000萬以上的機場作為研究對象，從www.ogimet.com中獲取機場2017年、2018年、2019年的全部METAR報文共計262 800條。METAR報文即航空例行天氣報告，采用標準國際格式報告機場每半小時或一小時內的天氣觀測資料，主要包括重要氣象組分：風向風速組、能見度組、跑道視程組、好天氣組、天氣現(xiàn)象組、云組、溫度/露點組、修正海平面氣壓組、天氣變化組等。[5]并在“飛常準”APP中收集統(tǒng)計機場2017年、2018年、2019年（因2020年受到新冠病毒疫情影響，造成大量航班取消，故不納入統(tǒng)計范圍）以天為計量單位的起飛取消率、起飛延誤率等共計236 520個數(shù)據(jù)。前文提到的起飛延誤率是指每天起飛延誤量/執(zhí)行量。

2.2 研究方法

使用ATMAP軟件計算報文并輸出結果，將得分與起飛延誤率等數(shù)據(jù)進行擬合得到相關系數(shù)R，分析天氣得分規(guī)律、機場延誤規(guī)律以及得分對延誤的影響。

2.2.1 算法描述

METAR報文因其固定格式，極利于計算機使用算法自動識別并提取有用數(shù)據(jù)，算法思路概括如下。

（1）自動識別并提取風速、能見度、降水、冰凍條件和危險天氣5個要素。

（2）給不同天氣要素的不同嚴重程度分配系數(shù)，每個天氣要素系數(shù)總和就是最后的天氣得分。如表1所示，當出現(xiàn)GS（小冰雹或霰）時系數(shù)為18，當出現(xiàn)FC、DS、SS、VA、SA、GR、PL、TS時系數(shù)為24，當出現(xiàn)+TS時系數(shù)為30。

表1 ATMAP天氣算法中有關危險天氣評分標準

（3）通過該算法，按照其評分標準，可以對每一條解析過的METAR報數(shù)據(jù)進行量化。例如：METAR ZBTJ 021730Z 15008MPS 8000 -TSRA FEW013 BKN033CB 21/14 Q0997 NOSIG=，此報文量化總得分為26。

2.2.2 相關系數(shù)R擬合

首先獲取機場2017年、2018年、2019年的全部METAR報文，使用ATMAP軟件計算報文并輸出結果。分別將天氣總得分、危險天氣等得分的日平均、月平均和年平均與各項數(shù)據(jù)進行擬合，并計算出絕對系數(shù)R2，開方得到R，通過R判斷其相關程度。航班延誤不僅受天氣影響，還有許多其他因素的影響，本文只考慮與天氣的關系。（相關性標準：R取0.20～0.39為低度相關，0.40～0.69為中度相關，0.70～0.89為高度相關，0.90～1.00為極高相關）相關系數(shù)(R)公式：

3 結果分析

3.1 機場天氣狀況分析

圖2 各大機場天氣得分季節(jié)變化折線

制作上海虹橋機場ZSSS、天津濱海國際機場ZBTJ、成都雙流機場ZUUU、新疆地窩堡機場ZWWW、長沙黃花機場ZGHA和沈陽桃仙機場ZYTX天氣得分隨季節(jié)變化圖像（見圖2），其中春季為3至5月，夏季為6至8月，秋季為9至11月，冬季為12至次年2月，統(tǒng)計數(shù)據(jù)為各機場2017年至2019年全部METAR報文經ATMAP算法運算后得到的平均值結果，即為三年數(shù)據(jù)平均值。

由圖2可知，北方城市如沈陽、天津冬季總分受霜凍因素（freezing）影響較為嚴重，新疆冬季受風（wind）因素影響較為嚴重，且平均分數(shù)遠遠超過其他機場以及其他因素得分，推測因為新疆靠近亞洲中心（冬季風源地），地形主要以山地為主，城市處于山口位置，機場由于飛機起飛和降落的越障要求位于城市邊緣地區(qū)，加大風的影響力，同時植被較為稀疏，森林防風能力差。以上海和成都為例，兩者均受霜凍（freezing）影響較小，因地處秦嶺淮河一線以南，四季在正常情況下均不會出現(xiàn)降雪的現(xiàn)象，但受危險天氣（dangerous）因素影響較大，如 GR（冰雹）、PL（冰粒）、TS（雷暴）。夏季空氣中水汽充足，受南方暖濕氣流影響同時太陽輻射強烈，近地面空氣較熱，很容易發(fā)生強烈的上升運動形成雷雨云進行放電產生雷暴。成都平原丘陵區(qū)無霜期長、雨水充沛、日照較少，山區(qū)海拔1 300m以上的中低山雨水、云霧偏多，機場天氣得分（scores）與危險天氣（dangerous）單項評分折線變化幅度幾乎一致，可見成都雙流機場全年受危險天氣（dangerous）影響較大。

3.2 機場航班延誤特征分析

根據(jù)數(shù)據(jù)分析得到曲線（見圖3）可知，ZBTJ三年內在延誤率高峰期出現(xiàn)在六七月份，夏季的高溫降雨常常會影響航班正常起飛降落，ZBTJ冬季干冷的氣候同樣影響航班正常飛行，延誤率的小高峰期則出現(xiàn)在冬季，而春季天津機場的延誤率較低。ZUUU三年以來延誤率高峰期出現(xiàn)在七八月份，同樣夏季延誤率高于春秋冬季延誤率，不同于天津機場，成都機場冬季延誤率保持在較低水平。ZGHA延誤率分部較為分散，夏季七八月份仍然是延誤率的高峰期，而冬季的延誤率水平較低，反觀初春二三月份ZGHA延誤率則是另一個高峰期，春天氣溫降雨的多變是導致延誤率升高的重要原因。根據(jù)ZWWW曲線分析一月和七月延誤率基本持平，為雙高峰期，其冬季氣候的多變性導致了延誤率的升高，而春秋延誤率保持在較低水平。對于ZSSS曲線可以發(fā)現(xiàn)，隨著日序的推移，延誤率的平均值逐步升高，在夏季七八月份到達頂峰，再隨著日序的推移，延誤率迅速降低，冬季延誤率達到全年最低。根據(jù)ZYTX曲線可以發(fā)現(xiàn)，相較于其他機場，沈陽桃仙機場的延誤率曲線相對平滑，高峰期同樣出現(xiàn)在夏季。根據(jù)不同機場延誤率曲線，經過數(shù)據(jù)分析可知，在一年中不同日序航班的延誤率是不同的，明顯的是夏季延誤率會高于其他季節(jié)，而按照資料可以發(fā)現(xiàn)機場的延誤率圖像普遍為單峰型，而有些機場如ZGHA和ZWWW則為雙峰型。可以說明這些機場冬季天氣較差，機場地理位置影響了機場的天氣狀況，天氣的多變影響了航班正常運行。

圖3 各大機場三年起飛延誤率平均

3.3 天氣與延誤水平相關分析

圖4是六個機場起飛延誤率與危險天氣得分的擬合圖。ZBTJ擬合絕對系數(shù)R2為0.616 3，相關系數(shù)R為0.785，已經達到高度相關，可知隨著危險天氣的增多，其起飛延誤率逐漸上升。ZUUU絕對系數(shù)R2為0.804 8，相關系數(shù)為0.9，屬于極高相關，同時沒有危險天氣情況的起飛延誤率極低，也說明危險天氣是影響成都機場延誤的主要因素。ZYTX擬合的絕對系數(shù)R2為0.660 7，相關系數(shù)為0.813，屬于高度相關。從ZGHA三年天氣平均的數(shù)據(jù)可以發(fā)現(xiàn)，很少出現(xiàn)一月內均無危險天氣的情況，天氣的復雜多變性導致了其起飛延誤率的增高，其擬合絕對系數(shù)R2為0.464 4，相關系數(shù)為0.681，屬于中度相關。ZSSS整體延誤率較低，且危險天氣出現(xiàn)的情況較少，圖像顯示曲線較為平滑，延誤率和危險天氣的絕對系數(shù)R2為0.209 3，相關系數(shù)為0.457，屬于中度相關。而ZWWW由于新疆地形為喀什地貌，風力多為大風，不穩(wěn)定的天氣情況導致其絕對系數(shù)極低。由此可見，危險天氣的出現(xiàn)是影響航班起飛延誤率的重要因素，天氣的多變性和不穩(wěn)定性是阻礙提高航班正常放行率的主要因素。

圖4 危險天氣與起飛延誤率擬合

4 結語

本文采用歐盟天氣算法（ATMAP算法），并利用國內主要機場2017年到2019年內的METAR數(shù)據(jù)對正常放行率、起飛延誤率、降落延誤率等數(shù)據(jù)進行擬合，得出起飛延誤率與危險天氣擬合程度在ZUUU極高相關、ZBTJ高度相關、ZYTX高度相關、ZGHA與ZSSS中度相關等，考慮地方性差異，可以認為較好驗證了ATMAP算法在國內主要機場危險天氣定量化評估的適用性，能對未來預測危險天氣提供一定的理論支持。接下來將會以這次研究成果為基礎，開發(fā)出基于TAF報文的危險天氣定量化評估軟件，為機場面對突發(fā)危險天氣做好應急預案提供一種可能性，從而降低航班延誤率，提高乘客滿意度，為航空公司創(chuàng)造更優(yōu)的經濟效益。