基于改進(jìn)對抗解釋結(jié)構(gòu)模型和交叉影響矩陣相乘法的多航站區(qū)分區(qū)運(yùn)行設(shè)計影響因素分析

李明捷, 王濤, 黃詩軼, 田杰

(中國民用航空飛行學(xué)院機(jī)場學(xué)院, 廣漢 618307)

截至2022年,中國251個民用運(yùn)輸機(jī)場中,有10個機(jī)場擁有3座及以上航站樓,38個機(jī)場擁有兩座航站樓(包括衛(wèi)星廳)。較傳統(tǒng)的單體航站樓構(gòu)成的航站區(qū),多航站區(qū)機(jī)場在航空器地面運(yùn)行、地面保障資源分配等方面更加復(fù)雜。多航站區(qū)分區(qū)運(yùn)行不合理不僅會降低航空旅客的出行體驗,并且還會增加機(jī)場運(yùn)營成本,降低機(jī)場整體運(yùn)行效率。目前中國對多航站區(qū)分區(qū)運(yùn)行缺乏統(tǒng)一分區(qū)原則,有的機(jī)場根據(jù)航班性質(zhì)按國際、國內(nèi)分配;有的機(jī)場根據(jù)航空公司及其聯(lián)盟分配;有的則依據(jù)航路方向、多跑道運(yùn)行情況等對航空器進(jìn)行分區(qū)停放。

中外學(xué)者對多航站區(qū)分區(qū)運(yùn)行依據(jù)、分區(qū)設(shè)計以及分區(qū)方案運(yùn)行效率評估等方面的研究十分有限,對多航站區(qū)機(jī)場的研究主要集中在陸側(cè)航站樓和空側(cè)機(jī)坪方面。趙明明[1]以樞紐機(jī)場為研究對象,采用灰色聚類評價法和交通四階段法對多航站區(qū)間銜接交通系統(tǒng)進(jìn)行研究,提出樞紐機(jī)場航站區(qū)間銜接交通系統(tǒng)優(yōu)化策略。陳鵬超[2]提出了多航站樓多區(qū)域的機(jī)位分配問題,從安全性和效益性的角度分別建立了以降低機(jī)位運(yùn)行沖突為目標(biāo)的多目標(biāo)機(jī)位預(yù)分配模型和以降低旅客步行距離、油耗成本、機(jī)位空閑成本為目標(biāo)的多目標(biāo)機(jī)位實時調(diào)整模型,并通過實例和仿真軟件進(jìn)行合理性和可行性驗證。馬俊鵬[3]以樞紐機(jī)場的航站樓功能區(qū)分區(qū)作為研究對象,以提高旅客的服務(wù)質(zhì)量、人員和設(shè)施設(shè)備的利用效率等為目標(biāo),研究了航站樓設(shè)計原則和旅客流程等對旅客流的影響,并分析影響旅客容量的環(huán)節(jié),最終提出航站樓功能區(qū)分區(qū)的優(yōu)化策略。Zhang[4]分析了當(dāng)下多航站區(qū)背景下樞紐機(jī)場陸側(cè)交通的銜接問題,通過優(yōu)化機(jī)場陸側(cè)交通的影響因素和運(yùn)行模式,提出優(yōu)先發(fā)展公共交通的策略以解決多航站區(qū)機(jī)場周圍所面臨的交通壓力從而促進(jìn)機(jī)場的發(fā)展。相較于傳統(tǒng)單體航站樓車道邊容量評估方法,多航站樓對數(shù)據(jù)的采集和計算精度都有著更高的要求?；诖?王茹[5]通過時空消耗理論建立了多航站樓車道邊的容量評估模型,并將其應(yīng)用于天津機(jī)場驗證模型的可行性。針對未來樞紐機(jī)場多航站樓的發(fā)展趨勢,為了實現(xiàn)航站樓的高效分工、提高機(jī)場運(yùn)行效率和旅客服務(wù)水平,鄧海超[6]根據(jù)中外機(jī)場的運(yùn)行案例,總結(jié)分析了影響多航站樓分工的8個因素及邏輯關(guān)系。為了對多航站區(qū)分區(qū)運(yùn)行進(jìn)行整體的量化研究,黃詩軼[7]運(yùn)用決策與實驗室法確定分區(qū)原則,借助系統(tǒng)布局規(guī)劃理論制定出3種不同的機(jī)場多航站區(qū)分區(qū)運(yùn)行方案,最后采用Airtop軟件對所設(shè)的最優(yōu)方案進(jìn)行仿真驗證。

綜上所述,現(xiàn)有的研究大多集中在值機(jī)流程中的指派[8]、航站樓容量的利用率[9-10]、機(jī)位分配[11]以及機(jī)場陸側(cè)交通布局[12]等問題,對于多航站樓分區(qū)運(yùn)行方面的研究較少。隨著經(jīng)濟(jì)和民航業(yè)的持續(xù)穩(wěn)定發(fā)展,越來越多的機(jī)場正在被規(guī)劃建設(shè)或擴(kuò)建[13]。根據(jù)《關(guān)于加強(qiáng)民用運(yùn)輸機(jī)場總體規(guī)劃工作的指導(dǎo)意見》可知,中國未來會出現(xiàn)更多擁有多個航站樓的大、中型樞紐機(jī)場,多航站區(qū)協(xié)同運(yùn)行的模式勢在必行。多航站區(qū)分區(qū)運(yùn)行對旅客出行的舒適度、航司的運(yùn)營、機(jī)場的資源調(diào)度以及運(yùn)行效率都有著重大的影響,然而目前行業(yè)內(nèi)對于分區(qū)運(yùn)行規(guī)劃的原則及方案并未統(tǒng)一,因此,研究機(jī)場多航站區(qū)的分區(qū)運(yùn)行具有重要意義。

鑒于此,首先通過文獻(xiàn)調(diào)研法和德爾菲法識別出多航站區(qū)分區(qū)運(yùn)行的影響因素。為克服傳統(tǒng)解釋結(jié)構(gòu)模型(interpretative structural modeling method, ISM)在反映因素間相互作用時較為單一的局限性,提高交叉影響矩陣相乘法(cross-influence matrix multiplication method, MICMAC)在因素驅(qū)動力-依賴性分析時的靈敏度[14],引入模糊集理論將因素之間的關(guān)聯(lián)性模糊化,構(gòu)建對抗解釋結(jié)構(gòu)模型-模糊交叉影響矩陣相乘法(adversarial interpretive structure modeling method-fuzzy cross-influence matrix multiplication method, AISM-FMICMAC)模型,并通過模糊可達(dá)矩陣中截距的分布論證截距取值的合理性。最后,結(jié)合對抗層級拓?fù)鋱D以及因素的模糊驅(qū)動力、模糊依賴性,將復(fù)雜繁多的影響因素層次化、清晰化,為多航站區(qū)分區(qū)運(yùn)行設(shè)計提供理論依據(jù)。

1 分區(qū)影響因素體系構(gòu)建

多航站區(qū)的分區(qū)運(yùn)行所涉及的內(nèi)容較多,是一個復(fù)雜的系統(tǒng)工程。查閱中外大型樞紐機(jī)場的分區(qū)運(yùn)行現(xiàn)狀以及多篇文獻(xiàn)資料之后初步得到分區(qū)運(yùn)行相關(guān)的影響因素,然后通過德爾菲法進(jìn)行影響因素篩選,最終從旅客、機(jī)場設(shè)計、機(jī)場運(yùn)行、機(jī)場設(shè)施設(shè)備、航空公司5個維度篩選出15個主要影響因素。分區(qū)運(yùn)行影響因素體系如表1所示。

表1 多航站區(qū)分區(qū)運(yùn)行設(shè)計影響因素體系表Table 1 Multi-terminal Area operational design influence factor system table

2 AISM-FMICMAC模型構(gòu)建

由上述建立的分區(qū)影響因素,邀請多位專家對各因素之間的關(guān)聯(lián)度進(jìn)行評分,再根據(jù)評分結(jié)果進(jìn)行模型構(gòu)建,主要建模流程如圖1所示。

圖1 AISM-FMICMAC建模流程Fig.1 Modeling process of AISM-FMICMAC

2.1 改進(jìn)的AISM模型構(gòu)建

解釋結(jié)構(gòu)模型作為結(jié)構(gòu)化模型的一種,是現(xiàn)代系統(tǒng)工程分析中廣泛應(yīng)用的方法[15]。AISM是在ISM的基礎(chǔ)上加入生成式對抗網(wǎng)絡(luò)(generative adversarial networks, GAN)中的博弈對抗(Adversarial)思想,提出的一種新的模型方法。AISM可在保留系統(tǒng)功能完整的情況下,通過相反的層級抽取規(guī)則,得出一對最簡的層次化拓?fù)鋱D。其對原始數(shù)據(jù)無特殊要求可兼容多種分析方法,是一種魯棒性較強(qiáng)的決策方法[16]。將模糊數(shù)學(xué)引入到模型中可一定程度上解決專家評分過程中的不確定性和主觀偏好[17],使得結(jié)果更加準(zhǔn)確合理。具體的模型構(gòu)建步驟如下。

2.1.1 原始關(guān)系矩陣

設(shè)影響因素集合為S,則S={S1,S2,…,Sn}。通過問卷調(diào)查和德爾菲法對分區(qū)影響因素Si和Sj之間的二元關(guān)系進(jìn)行判斷,得到初始關(guān)系矩陣D=(dij)n×n,dij∈(0,10),其中dij為因素之間的原始關(guān)聯(lián)強(qiáng)度。

2.1.2 模糊鄰接矩陣

(1)

式(1)中:Max(dij)為原始矩陣D中的最大值元素。

2.1.3 模糊可達(dá)矩陣

(2)

=(bi1⊙b1j)⊕(bi2⊙b2j)⊕…⊕

(bin⊙bnj)

=(bi1∧b1j)∨

(bi2∧b2j)∨…∨(bin∧bnj)

(3)

(4)

2.1.4 閾值λ和水平截距陣

(5)

2.1.5 可達(dá)矩陣

在2.1.4節(jié)中經(jīng)過多次計算,選擇合理的分層劃分閾值λ得到的水平截距陣Rλ,即鄰接矩陣Aλ=(aij)n×n,再通過式(6)求出可達(dá)矩陣R=(rij)n×n。

(A+E)1≠(A+E)2≠(A+E)3≠…

≠(A+E)i-1=(A+E)i

=R,i≤n-1

(6)

2.1.6 一般性骨架矩陣

2.1.7 對抗層級拓?fù)鋱D

由可達(dá)矩陣R,可得到先行集A(Si)、可達(dá)集R(Si)、共同集C(Si)。先行集A(Si)為能夠?qū)σ蛩豐i產(chǎn)生影響的其他所有因素集合。可達(dá)集R(Si)為能夠被因素Si所影響的其他所有因素的集合。共同集為可達(dá)集與先行集的交集。

A(Si)={Sj|Sj∈S,Sji=1}

(7)

式(7)中:Sji為第j行第i列元素,Sji=1表示可達(dá)矩陣R的每一列Sj中為1的元素。

R(Si)={Si|Si∈S,Sij=1}

(8)

式(8)中:Sij為第i行第j列元素,Sij=1表示可達(dá)矩陣R的每一行Si中為1的元素。

C(Si)={Si|Si∈S,A(Si)∩R(Si)}

(9)

(1)UP型層級拓?fù)鋱D。即通過結(jié)果優(yōu)先的層級劃分抽取方式,抽取規(guī)則為:C(Si)=R(Si)?？蛇_(dá)集與共同集相同時,所抽取的元素放在上層,抽取的放置順序是從上往下[18]。

(2)DOWN型層級拓?fù)鋱D。即通過原因優(yōu)先的層級劃分抽取方式,抽取規(guī)則:C(Si)=A(Si)。先行集與共同集相同時,所抽取的元素放在下層,抽取的放置順序是從下往上[18]。

2.2 水平截距分布

(10)

式(10)中:zλ為模糊可達(dá)矩陣中截距為λ的數(shù)量;n為模糊可達(dá)矩陣的階數(shù)。

2.3 基于FMICMAC的分區(qū)影響因素分析

采用Fuzzy-MICMAC方法確定影響因素的模糊依賴性Qi與模糊驅(qū)動力Hi,同時分析因素在體系中所處的位置及其作用。

(11)

(12)

3 實例分析

實例分析以粵港澳大灣區(qū)某干線機(jī)場的遠(yuǎn)期規(guī)劃為例。該機(jī)場遠(yuǎn)期總體規(guī)劃可滿足旅客終端年航班起降54×104架次,旅客吞吐量8 000萬人次,其中國內(nèi)旅客占比70%,國際旅客占比30%。該機(jī)場現(xiàn)有兩條跑道、3座航站樓(東航站樓、T3航站樓、S1衛(wèi)星廳),并規(guī)劃新建第3條跑道以及T4航站樓。以該機(jī)場為例,在T3航站樓、T4航站樓、東航站樓、衛(wèi)星廳共同運(yùn)行的背景下,即4個航站樓3個航站區(qū)的模式下,運(yùn)用AISM-FMICMAC模型進(jìn)行機(jī)場多航站區(qū)分區(qū)運(yùn)行設(shè)計影響因素研究。

3.1 AISM-FMICMAC應(yīng)用

表2 模糊可達(dá)矩陣Table 2 Fuzzy reachability matrix

合理的取值能夠反映出影響因素之間真實的關(guān)聯(lián)性[21],由模糊可達(dá)矩陣可得閾值集合為{0.28,0.33,0.39,0.44,0.5,0.56,0.61,0.67,0.72,0.78,0.830.89,0.94,1},經(jīng)過多次迭代計算后可知:當(dāng)λ=0.67時,模型能夠給呈現(xiàn)出較好的解釋結(jié)果。并由式(5)得出閾值為0.67的截距陣R0.67,再通過式(6)可計算出表3中的可達(dá)矩陣R。

表3 可達(dá)矩陣Table 3 Reachability matrix

藍(lán)色區(qū)域中的要素為活動要素;L1～L5表示各因素所處的不同層級圖2 對抗層級拓?fù)鋱DFig.2 Confrontation hierarchy topology diagram

圖3 FMICMAC分析Fig.3 FMICMAC analysis

表4 一般性骨架矩陣Table 4 General skeleton matrix

表5 對抗層級抽取結(jié)果Table 5 Confrontation hierarchy division results

3.2 水平截距分布分析及可達(dá)矩陣的建立

3.2.1 水平截距分布分析

由上述已求出的截距,通過式(10)可求出各截距的占比并繪制直方圖,如圖4所示。可以看出,截距為0.28時占比24%;截距為0.5時占比18%;截距為0.56時占比11%;截距為0.61時和0.67占比相同均為14%;截距為0.72時占比最小,截距最小值為0.28,最大值為0.94。根據(jù)表2中模糊可達(dá)矩陣中的值可知,截距區(qū)間為[0.28,1],但圖4中沒有將截距為1時考慮入內(nèi),即模糊可達(dá)矩陣的對角線值,根據(jù)自反性原理,式(10)中截距總數(shù)為n(n-1)而非n×n。

圖4 截距分布Fig.4 Distribution of intercept distance

選擇截距進(jìn)行模糊可達(dá)矩陣至布爾矩陣的轉(zhuǎn)換時,這一過程會選擇那些影響值較為顯著的,即高于截距的值而舍去較低值,最后將所得的布爾矩陣作為AISM的輸入。因此合理截距選擇對模型分析結(jié)果至關(guān)重要。

最契合模型結(jié)果的截距并不一定是所有截距中占比最高的那個。如圖4所示,0.28和0.5這兩個截距的占比都遠(yuǎn)高于其他截距,但經(jīng)過計算后可知兩者在最終的層級分層效果較差,沒有達(dá)到顯著性的區(qū)分效果。截距0.56、0.61、0.67的占比雖不及0.28和0.5,可以看出,其趨勢逐漸上升且趨于平穩(wěn)。通過計算比較發(fā)現(xiàn)三者中截距取0.67時,模型能夠得到較好的解釋結(jié)果,經(jīng)過多次的測算后發(fā)現(xiàn)截距的取值一般處于截距區(qū)間中段,截距較大或較小都會導(dǎo)致后續(xù)的AISM要素層級劃分過于堆積。

3.2.2 可達(dá)矩陣建立

上述兩種不同的求解方式在相同截距下所得出的可達(dá)矩陣結(jié)構(gòu)一致,但兩者的求解效率卻有很大區(qū)別。模糊可達(dá)矩陣的截距陣數(shù)量是小于等于模糊矩陣的截距陣數(shù)量,并且模糊可達(dá)矩陣的截距陣自身便是可達(dá)矩陣。選擇第一種方式的意義在于模糊可達(dá)矩陣。通過模糊可達(dá)矩陣既可以進(jìn)行FMICMAC分析,提高傳統(tǒng)MICMAC分析的靈敏度,同時可以更快地進(jìn)行截距分布分析,對截距選取的合理性進(jìn)行預(yù)先判定,最終結(jié)合計算結(jié)果給出最優(yōu)截距值。

3.3 AISM影響因素層次結(jié)構(gòu)分析

如圖2中的UP型(左側(cè))和DOWN型(右側(cè))層級拓?fù)鋱D所示,藍(lán)色區(qū)域因素S11(航站樓內(nèi)旅客服務(wù)設(shè)施的完備性)為孤立因素。S11既沒有指出方向的有向線段也沒有指進(jìn)的有向線段,即該因素在整個系統(tǒng)中較為獨立,與其他因素不產(chǎn)生交互影響。從FMICMAC分析(圖3)也可知,S11的依賴性和驅(qū)動力都較低、影響也較小。

存在活動要素的拓?fù)湎到y(tǒng)為可變拓?fù)湎到y(tǒng)或者拓?fù)浠顒酉到y(tǒng),不存在活動要素的系統(tǒng)為拓?fù)鋭傂韵到y(tǒng)。圖2中藍(lán)色區(qū)域中的要素為活動要素,故整個系統(tǒng)為可變拓?fù)湎到y(tǒng)?；顒右靥幵趯箤蛹壨?fù)鋱D中不同的層級并可進(jìn)行層級躍遷。

整個系統(tǒng)中存在3個回路,即S1和S2、S7和S12、S8和S9,這些因素之間具有強(qiáng)關(guān)聯(lián)可以作為一個要素或一個整體。在實際的分區(qū)運(yùn)行設(shè)計時可將回路縮減為單個整體進(jìn)行考慮從而提高分析的準(zhǔn)確率和效率。

整個系統(tǒng)因素分為5個層級和3個發(fā)展進(jìn)程。由影響因素對抗層級抽取規(guī)則,形成從上到下L1～L5形式的因素重要度階梯分布。有向線段指向表示可達(dá),即原因到結(jié)果。不考慮孤立因素的因果層級系列如表6所示。由于是可變拓?fù)湎到y(tǒng),故UP型和DOWN型的因果系列并不相同。3個發(fā)展進(jìn)程是指孤立因素去除之后將因素層級劃分為:上層、中層、下層。

表6 因果層級Table 6 Cause and effect hierarchy

下層因素呈現(xiàn)出很強(qiáng)的原因?qū)傩?對其他因素產(chǎn)生影響,在拓?fù)鋱D中只發(fā)出有向線段。因此對圖中的下層因素求并集可得到根本層因素{S1,S2}∪{S4,S1,S2}={S1,S2,S4},即整個系統(tǒng)的根本因素為S1、S2、S4。這些因素可直接或間接的影響系統(tǒng)內(nèi)的其他因素,對于多航站區(qū)的分區(qū)運(yùn)行來說,這些因素對分區(qū)之后的運(yùn)行效率起著主導(dǎo)作用,在分區(qū)時應(yīng)該重點關(guān)注。

上層因素即結(jié)果層因素,處在系統(tǒng)的最高層。不發(fā)出有向線段僅受其他因素影響,對上層因素求并集可得結(jié)果層因素{S8,S9}∪{S8,S9,S10}={S8,S9,S10},此3個因素是影響分區(qū)運(yùn)行效率的最直接的因素,系統(tǒng)中其他因素的影響都需要通過上層因素得到實現(xiàn),具有很強(qiáng)的結(jié)果屬性。

中間層因素也可稱為過渡層因素。它們既受下層因素的影響同時又將影響傳遞給結(jié)果層因素。本系統(tǒng)內(nèi)的中間層要素分布在L2～L4層級內(nèi),這8個過渡層因素是影響分區(qū)運(yùn)行效率的核心因素,因此在設(shè)計時需要優(yōu)先考慮以保證整個系統(tǒng)的穩(wěn)定性。

3.4 FMICMAC分析

由圖3中的分區(qū)影響因素FMICMAC分析可知,15個影響因素分為如下三類。

(1)處在Ⅱ類的自治因素。此類因素有S3(各航空公司中轉(zhuǎn)和國際旅客占比)、S4(機(jī)坪布局形式)、S6(機(jī)場滑行道布局的合理性)、S11(航站樓內(nèi)旅客服務(wù)設(shè)施的完備性)、S13(基地航空公司飛機(jī)數(shù)量在該機(jī)場占比情況)。Ⅱ類因素在整個系統(tǒng)中有著承上啟下的作用,與底層和深層因素之間關(guān)聯(lián)度較低。S13和S4的驅(qū)動力值較高但依賴性值相對較低,即該類因素對其他因素有較大影響而受其他因素影響較小,故此類因素在分區(qū)中應(yīng)該優(yōu)先考慮以提升整個體系的穩(wěn)定性。

(2)處于Ⅰ類的獨立因素,包括S1(各航空公司年旅客吞吐量)、S2(各航空公司高峰小時旅客數(shù)量)、S14(廉價航空公司飛機(jī)數(shù)量在該機(jī)場占比情況)、S15(各航空公司飛機(jī)機(jī)型及其比例)。此類因素具有較高的驅(qū)動力和較低的依賴性,在整個系統(tǒng)里較少依賴其他因素而對其他因素都有著間接或直接的影響,對航站區(qū)的分區(qū)來說是作為關(guān)鍵和根本的因素,尤其是航司的年旅客吞吐量以及高峰小時旅客數(shù)量需要重點把握。

(3)從FMICMAC分析圖(圖3)中可以看出,沒有依賴性和驅(qū)動力都強(qiáng)的影響因素存在。

(4)處于Ⅲ類的依賴因素,包括S5(機(jī)位類型與數(shù)量)、S7(機(jī)場勤務(wù)道路的通達(dá)性)、S8(跑道運(yùn)行模式)、S9(機(jī)位分配與使用策略)、S10(機(jī)場地面保障資源調(diào)度系統(tǒng)的效率)、S12(分散式航站樓間捷運(yùn)系統(tǒng)通達(dá)性),此類因素驅(qū)動力較低而依賴性較高,因素間的關(guān)聯(lián)較為復(fù)雜且容易受到其他因素的影響。依賴因素大多處于系統(tǒng)的上層,對底層和過渡層因素的依賴性較高,但此類因素對分區(qū)運(yùn)行效率的影響十分顯著,如S11航站樓內(nèi)旅客服務(wù)設(shè)施的完備性對于S12航站樓間捷運(yùn)系統(tǒng)通達(dá)性有著明顯的提升進(jìn)而影響旅客值機(jī)進(jìn)程和航站樓內(nèi)的運(yùn)行效率。

3.5 多航站區(qū)分區(qū)運(yùn)行的策略分析

(1)對進(jìn)行多航站區(qū)的分區(qū)設(shè)計時應(yīng)該重點考慮被劃分進(jìn)相應(yīng)區(qū)域航空公司的年旅客吞吐量和高峰小時旅客數(shù)量。作為影響分區(qū)的根本因素,在機(jī)場的運(yùn)行和效益等方面都占據(jù)重要位置。一些大型的樞紐機(jī)場會設(shè)置專門化的航站區(qū),能夠進(jìn)行客源的集中,并吸引旅客數(shù)較多的航空公司入駐,可以為機(jī)場帶來的更多收益的同時也面向旅客提供差異化的需求。

(2)大型的樞紐機(jī)場其中轉(zhuǎn)旅客占據(jù)很大比例。因此,對于此類的機(jī)場航站區(qū)分區(qū)需要注意的是機(jī)坪的布局,若機(jī)位也隨著航站樓的分區(qū)而進(jìn)行分區(qū)管理,這對于航班的日常保障以及旅客的乘機(jī)來說也帶來了便利性,所以應(yīng)該加強(qiáng)機(jī)位和和航站樓之間的協(xié)調(diào)性以滿足不同中轉(zhuǎn)旅客和國際旅客的便利性需求。

(3)為了保障分區(qū)之后運(yùn)行的穩(wěn)定性,應(yīng)該完善航站樓內(nèi)的旅客服務(wù)設(shè)施,簡化航站樓內(nèi)旅客的登機(jī)流程。同時應(yīng)該提高不同航站樓之間捷運(yùn)系統(tǒng)的通達(dá)性以便旅客的中轉(zhuǎn)和換乘。對于那些較大跨越性的航站樓單體或多元結(jié)構(gòu)設(shè)計,必須完善航站樓間的功能設(shè)施,建設(shè)空側(cè)捷運(yùn)系統(tǒng),同時加強(qiáng)行李系統(tǒng)的跨區(qū)中轉(zhuǎn)及保障等功能。

4 結(jié)論

鑒于當(dāng)下中外大型樞紐機(jī)場的多航站樓、多機(jī)坪運(yùn)行現(xiàn)狀及發(fā)展規(guī)劃,構(gòu)建AISM-FMICMAC模型對影響多航站區(qū)分區(qū)運(yùn)行的各因素進(jìn)行分析,得出如下結(jié)論。

(1)基于文獻(xiàn)調(diào)研和德爾菲法綜合分析得到機(jī)場多航站區(qū)分區(qū)運(yùn)行設(shè)計的影響15個因素,具體涵蓋旅客、航空公司、機(jī)場設(shè)施設(shè)備、機(jī)場設(shè)計以及機(jī)場運(yùn)行5個方面。

(2)運(yùn)用模糊集理論對AISM-FMICMAC方法進(jìn)行改進(jìn),克服專家評估過程中的主觀性以及個人偏好同時提高M(jìn)ICMAC分析時的靈敏度。由模糊可達(dá)矩陣兩種不同的求解路徑和截距分布得出截距分布圖,驗證其對于截距取值的合理性。

(3)運(yùn)用AISM-FMICMAC方法將多航站區(qū)分區(qū)的影響因素分別劃分為獨立因素、聯(lián)系因素、自治因素、依賴因素四類,并對其進(jìn)行量化和分層,直觀展示出不同層級因素對分區(qū)運(yùn)行規(guī)劃的影響。直接層影響因素為跑道運(yùn)行模式和機(jī)位分配與使用策略,深層次影響因素為航空公司的年旅客吞吐量和高峰小時旅客數(shù)。

(4)根據(jù)AISM和FMICMAC分析提出相應(yīng)的分區(qū)運(yùn)行策略,為機(jī)場的多航站區(qū)分區(qū)運(yùn)行設(shè)計提供理論支撐。