航空器滑行时间预测研究（一）---定义及影响因素

写在前面：hello everybody， welcome back to my channel！！！哈哈哈又来写博客了，其实距离上一篇博客的发布已经快一年的时间了，本来这篇博客是想跟大家介绍一下宏观基本图或者是高密度公交化运行的台北铁路网，但是拖延症导致的一直没有深入的研究一下，所以这个议题就不得不往后继续拖延啦。这篇文章的主题时航空器滑行时间的研究，那为什么要写滑行时间呢主要有以下几个原因：首先，本来想通过滑行时间发一篇好的SCI（transportation research之类的），但是经历了投一次，拒一次的经历，我想了想拉倒吧我就开源了给大家公开思路了（也算是对人类做了极大的贡献，哈哈哈哈哈哈）；其次，因为研究生就是做场面运行效率方面的研究，但是以前总是在围绕着算法去解释，也没具体说明问题的思考过程。因此就想以滑行时间为切入点，跟大家介绍一下我当时是的研究思路，也算是一个不正式的综述总结吧。好了书归正传啊，让我们一起来分析一下滑行时间的特征和预测方法。

基金项目：本研究是在麻辣香锅、烤冷面、粤菜、火锅、日料以及东南亚菜的支持下完成的，在研究与分析期间，感谢各种奶茶（a little的四季春+冰激凌+波霸+标准糖真的超级好喝）以及星冰乐对我研究的灵感启发。感谢ZDL, FZ, WSC, FR, ZYT, WZF, AND大创和毕设的弟弟妹妹们的帮助

研究背景（正式篇）

欧洲航空安全组织（Eurocontrol）的数据显示，2022年欧洲境内航空器在地面滑行时间占总体运行时间的15%，其中离场航空器平均滑行时间为12.2分钟，进场航空器平均滑行时间为6.1分钟。大型繁忙机场场面布局复杂，场面进离港航空器数量叠加造成机场长期处于高负荷运转状态，航空器滑行时间也逐渐成为影响航空器准点运行的瓶颈。为解决航空器滑行时间的计算问题，提高机场运行效率，集成了空管、机场、航空公司三方数据的机场协同管理系统（A-CDM）投入使用并为研究机场场面运行效率及预测航空器关键时间节点提供了数据基础。作为评价场面运行效率的关键指标之一，滑行时间预测的准确性不仅可以为优化航班推出时刻、提高离场时隙，优化登机口安排提供重要数据基础，还可以为航空公司准确计算油量、航空器减少地面排放提供理论参考。然而，机场协同决策系统（A-CDM）及高级场面活动引导与控制系统（A-SMGCS）中仅使用机场平均滑行时间作为航空器的固定滑行时间，并未考虑每架航空器停机位、跑道运行模式、场面航空器数量、天气等其他扰动因素下航空器滑行时间的差异，造成系统中对航空器滑行时间与离场时间的预测准确度低下，导致系统实际应用能力较低。因此，急需对航空器滑行时间进行精准预测，保证机场运行效率、降低航空公司能源消耗。

研究背景（非正式篇）

一开始接触滑行时间的时候对这个没什么概念，感觉就是一个计算问题，想着飞机在地面上滑行也不会太费时间，能有啥意义呢，直到我去了TPE和HKF机场以后，才对这个偏见有了明显的改观。首先是海峡对岸的TPE机场，当时坐的长荣航空从PEK-TPE，预计是17点多到桃园机场，实际我们是在16：30的时候就已经落地了，但是，我直到将近17：30才下机，原因就是没有给我们的航班安排合适的停机位，而且滑行道上遭遇了堵机的现象，所以我们只能在滑行道上走走停停，机长当时估计也是很无奈，隔一会儿就要广播道歉一次，还告诉我们由于加拿大航空公司占用我们的停机位，所以我们无法下机，等了大概半个小时以后，我们只能更改停机位，滑到远机位。这个事情我是比较震惊的，因为我在想这个事情完全可以通过优化方法去解决掉，比如说对停机位的调度，滑行时间的预测以及空管与机场之间的协调，如果都可以做到位的话我们就不用在飞机上等这么长时间了（而且EVA航空从落地前20分钟就在飞机上持续播放落地音乐，一直到离开机舱我整整听了快一个多小时的落地音乐，好像是叫雨夜花，就循环播放，我当时真的是无语了）。还有一件事是当时在HKG转机，为了看飞机所以很早就进到候机楼里面去了，发现他们的登机口和跑道的使用效率及其之高，同一个登机口，前面一个飞机刚离开没几分钟，后面一架飞机就可以滑过来继续使用，而且他们的起飞排队效率也是很高。基于以上两件事我就在想，如果说未来可以将滑行时间、登机口安排、起飞落地排序能联合起来，那么场面的效率就会有一个很大的改观。甚至如果说未来技术升级，可以将飞机的飞行时间、滑行时间以及登机口优化、起飞排序优化结合起来，那就会大大降低延误率，真正地提升运行效率。

研究意义：

针对空管：航空器滑行时间直接影响跑道运行效率，精准预测航空器滑行时间，可以与提高进离场时隙，减少航空器跑道外等待时间，为合理进行起飞排序提供数据参考。同时可以提高机场场面运行安全。有效的对航空器的位置信息进行预判，及时对冲突进行化解，从而避免航空器发生场面擦碰概率。
针对航司：航空器在地面滑行的过程中需要耗费大量燃料，而燃料的成本是航空公司的一项巨大开支。精准计算航空器滑行时间，可以降低滑行时的燃料消耗，进而降低航空公司的成本。
针对机场：航空器滑行时间预测的准确性直接影响机场地面的运行效率。过长的滑行时间会导致场面拥堵，增加航班延误的可能性。准确的预测航空器滑行时间也为合理安排航空器停机位、优化放行顺序提供有效参考。
针对环境：航空器在地面滑行的过程中排放大量废气和废水，对环境造成不利影响。研究航空器滑行时间，寻找减少滑行时间的方法，可以降低滑行时的污染排放，保护环境。

数据来源：本次研究主要来自于香港机场场面ADS-B数据（真的感谢HKG/VHHH机场开放的数据资源及积极的科研态度）

数据类型	数据库	数据特征	描述
环境数据	METAR&TAF	风向	int
		风速	int
		能见度	int
		天气情况	雨/雪/台风/雷暴/正常
		云高	int
时-空数据	ATIS	跑道运行模式	25L\|25R
	HKSCO/A-CDM	进场率/小时	int
		离场率/小时	int
		航班滑行信息及时间/分钟	起飞，落地，上轮档，撤轮档时间
		航班进离场计划/小时	int
	HKATC	流控延误信息	NOTAM
空间数据	HKSCO/ADS-B	航班滑行距离	float

滑行时间定义

1、离场航空器滑行时间 :

航空器从停机位撤轮挡时刻开始到起飞离地时刻为止时间，离场滑行时间包括停机坪推出时间（Push-Back Time），滑行道滑行时间（Taxi Time）及跑道前等待时间（Runway Wait Time）。

2、进场航空器滑行时间 :

航空器从落地时刻开始到滑入停机位停妥上轮挡时刻为止的时间。

从上表来看，离场航空器滑行时间要远大于进场航空器，而且大家可以看到，香港机场离场航空器平均滑行时间为20分钟，进场航空滑行时间为8分钟，均大于欧洲公布的平均滑行时间。

影响滑行时间因素

不同国家（航空组织）根据其所在地区的机场实际运行情况及未来发展方向均对航空器滑行时间统计方法进行了定义，为全面、准确、客观的开展航空器滑行时间预测研究，需了解现阶段各主要国家（地区）航空器滑行时间计算方法，在我的大论文里面分析了中国、美国、欧洲地区民航局对滑行时间的统计方法，在这里我们就不再赘述了哈，感兴趣的可以去看《不确定条件下离场航空器滑行时间预测研究》

好了那我们从科研的角度，来探讨一下滑行时间如何计算。

首先，我们考虑最基本的公式，时间等于距离除以速度。‘

那么从这个公式中，我们就可以看出来，如果想计算滑行时间，就需要得到滑行距离和滑行速度。

而且我们会有以下假设：1.滑行距离越大，滑行时间越长；2.滑行速度越大，滑行时间越长。一会儿我们会逐步分析这两个假设是否成立。

滑行距离

首先我们来看第一个假设：滑行距离越大，滑行时间越长，我们分析一下滑行距离与时间的关系

我们将滑行距离与滑行速度放到待考虑的变量中，那么问题又来了，该如何计算滑行距离呢？

我们可以通过ADS-B数据去获取到航空器场面运行的轨迹点(如下图所示，大家能知道这是哪个机场吗，哈哈哈)，从这些轨迹点中我们就可以计算滑行的距离了。

我们可以通过计算航空器这些点迹对应的经纬度来得知滑行距离。

但是我们还得考虑滑行距离对滑行时间的影响因素到底有多大，在这里我们用相关性来表示，

为保证分析的有效性，我们用首都、香港两个机场数据进行对比，从这个张图中我们可以看出来，首都机场滑行距离与滑行时间符合相关性表现，但是对于香港机场来说，滑行距离貌似与滑行时间的关系并不如我们一开始想象的那样完全符合线性关系，尤其是从图中来看，好像滑行距离与滑行时间基本上没啥相关性。

后来根据再香港机场的实际考察，我们发现，造成差别的原因首先在于香港机场运行的特殊性，香港机场进离港航班全部属于国际及地区类航线，航空器不存在国内停机位及国际停机位的转换，这给机场管制人员较大的优势去优化协调航班停机位及滑行路线。其次，两机场航站楼与滑行道跑道的布局也有较大差别(图下图)，香港机场属于主航站楼在中间，跑道在两边的模式，而首都机场三个主航站楼分别在三条跑道的不同的方位，香港机场登机口到跑道滑行距离范围为（631-5556）米之间，而首都机场为（580-10200）米。同时，由于进离场航线设置，首都机场T3航站楼某些航空器需要穿越中间跑道到西跑道进行起飞降落。在一定程度上会造成滑行距离与滑行时间正相关趋势更大（当然，现在HKG机场的三跑道也建好了，我们可以后续分析一下这个结论会不会有变化）。

所以我们可以得出结论，滑行距离并不一定与滑行时间保持线性关系，但是仍然对航空器滑行时间有一定影响。

滑行速度

接下来我们考虑滑行速度，从ADS-B数据中可以发现，滑行速度是一个变化迅速且差异较大的数据，滑行速度并不是一个固定值，而是一个变化数据，因此如果想通过滑行速度来表达与滑行时间的关系还是比较困难的，也无法得到一个精确的数值。

那么该如何去体现速度与时间的关系呢？我们可以这样想，在机场场面运行的航空器越多，相应的滑行时间就会越长（类比城市内交通），所以我们可以考虑场面航空器数量与滑行时间的关系，来代替滑行速度这一动态变量。

场面航空器数量

场面航空器数量我们可以定义为，当目标航空器在滑行道滑行的整个时间段下，场面上运行的其他航空器数量。考虑这个因素的原因在于，当场面运行的航空器数量越多，场面调度的复杂性就越大，航空器在滑行过程中的速度就会越慢或者出现滑行等待的情况。举个例子，场面上离场航空器越多，那么由于跑道数量的限制导致航空器跑道外排队的概率就越大，因此造成滑行等待的时间相应就会越长。由此我们对场面航空器数量就行定义：

我们将场面航空器数量定义为：进场航空器数量及离场航空器数量

进场航空器数量A(i)：在目标航空器（i）落地过程中降落（包括降落及进场滑行两个阶段）的航空器（j）数量

离场航空器数量D(i)：在目标航空器（i）撤轮挡过程中离场（包括起飞和离场滑行两个阶段）的航空器（j）数量

当然了我们可以看到根据不同的时间节点所计算出来的场面航空器数量也不相同，这部分要感谢ZLD同学，当时我们测试了好几种计算方法，最终认为这种方法的拟合度最高。

上面这张图大家就可以有一个比较明显的对比，左侧是滑行距离与滑行时间的散点图，中间及右边的分别是离场航空器数量与滑行时间的散点图、进场航空器数量与滑行时间的散点图。从这三张图中可以看出，场面航空器数量与滑行时间有一个明显的相关性关系。

但是问题又来了，以上定义是对已知航空器滑行时间，求出在该时间段内场面运行的进、离场航空器数量，再根据场面进离场航空器数量来预测航空器的滑行时间。但是，在实际运行中，预测航空器滑行时间是在该航空器撤轮档之前，因此无法得知该航空器的确定滑行时间，也就无法计算出在该航空器滑行时间内的实际进离场航空器数量，导致模型无法应用于实际工作场景。那该怎么去解决这个问题呢，我会在下个部分跟大家详细讨论。

除了我们所说的航空器数量和距离以外，其实还有其他可供我们考虑的因素，比如说机型、航空公司、跑道运行方式、天气等。我们继续开始分析的过程。

机型

首先来分析一下机型，在滑行距离相同的情况下，受航空器性能及离场尾流的影响，不同机型的滑行速度及跑道外等待时间不同，造成滑行时间差异。那机型到底是否有影响呢，我们从一张图里面来看一下

我们以香港机场离场航空器为例进行分析，上图发现，E190平均滑行时间是最长的，A346是最短的，当时出现这个问题的时候就很奇怪为什么E190会是滑行时间最长的，后来我们分析ADS-B数据以后发现，E190机型是华航飞往台中的，这个飞机一直是中午起飞，中午又是繁忙时间段，由于尾流影响导致他在跑道外的等待时间会很长（可以想象一下，飞香港机场的一般都是重型机，他一个支线客机夹杂在各种重型机中间，为避免起飞尾流影响，需要去等待很长时间才能满足的起飞间隔），那A346为啥是滑行时间最短的呢，我们当时分析的是由于这个机型好像是午夜运行比较多，当时场面运行航空器数量较少，导致他滑行比较快。所以这个又绕到了场面航空器数量这个因素上。但是从其他机型来看，平均滑行时间好像都差不多，所以我们认为从整体来看。机型这个变量啊，有相关性，但是相关性好像并不是特别突出。

航空公司

我们当时在考虑是不是不同的航空公司由于SOP不同，导致他们的滑行时间速度也会有一定差异，造成滑行时间有一定差异。

从图中我们可以看到，SA（南非航空）滑行时间最短，其实我们在分析了他的原因以后发现他的机型就是A346，跟上面的机型对应上了。从图中我们又看到KL（荷兰航空）滑行时间是最长的，其实他也是和机型有关，他飞香港好多次都是B747机型，大家可以看到上面的B747滑行时间也是比较长的。所以说航空公司滑行时间与机型也有很大的关系。

跑道运行模式

跑道运行模式的变化主要依据机场当前时段的风向及航空器流量来确定，跑道运行模式的改变分为跑道运行方向改变和多跑道起降组合方式的改变，在不同跑道运行模式下，航空器排队时间及滑行距离也有所不同，造成滑行时间变化。本文跑道运行模式以“A1， A2 | D1， D2”的形式来描述，其中 A1 和 A2 是降落跑道， D1 和 D2 为起飞跑道。例如“07R|07L”代表机场在该时段下 07R 跑道作为降落跑道，而 07L 跑道作为起飞跑道。在实际运行中，机场通常使用 3-5 种模式，本文运用哑变量对跑道运行模式进行描述，若机场在该航空器起飞时段内使用此跑道运行模式，则设为 1，否则为 0。

这里需要跟各位说明的是本文的跑道运行模式不是IFR,VFR那种形式，跑道运行模式英文名字叫runway configuration，一般美国的FAA会较多使用它来研究机场的效率指标，因为美国大型机场经常出现交叉跑道的情况，而且他们的管制方式也比较灵活，跑道与跑道之间的影响也比较大，因此他们就通过记录使用跑道的起落模式与对应的机场流量变化来找到运行效率的最优。这个方法对FAA机场还是比较管用的，但是其实对于非交叉跑道或者是比较固定的跑道管理情况下，由于跑道运行模式变化较小且不会出现跑道互相干扰的情况，因此这种因素对滑行时间的影响极小。

天气

机场运行易受天气影响，造成场面效率骤降的情况发生。根据世界气象组织对不同天气状况的分类，将龙卷风、强雷暴、洪水、暴风雪、冻雨分为极端天气。同时，考虑机场场面实际运行情况，将小于机场最低运行标准的雾霾天气加入到极端天气类别内。
随着气象观测技术的不断发展，航空气象预报技术的准确率也不断提高，天气的不确定性对航空器运行造成的影响在逐步下降。当前的终端机场天气预报（TAF）技术可对机场半径 50 公里内未来 24 小时内的地面风、能见度、天空状况以及重要天气进行精准的预测。空管部门及航空公司在收到终端机场天气预报后，会根据预报信息对机场运行进行调整，如跑道运行方式的变换，航空器起飞排队顺序的改变等。

本文以空管气象中心发布的机场航空气象报（METAR）以及终端机场天气报（TAF）作为数据源。数值变量为风向（WD），风速（WS），能见度（VIS），云层（ CC）。

影响滑行时间因素相关性分析

当我们对以上影响因素进行列举及分析了以后，我们其实是希望了解到哪些因素是对滑行时间影响最大的，这也能为我们下一步对滑行时间预测进行变量的选择和输入提供数据参考，因此为分析变量对航空器滑行时间的影响程度，本节根据香港机场的实际运行情况，结合上文列出的影响滑行时间的静态因素，对这些静态变量进行 Pearson 相关性分析。

从上图中我们可以看到，场面航空器数量和滑行距离是对滑行时间影响较大的因素，而某些要素，如跑道运行模式和运行时段，反而对滑行时间有负影响。

总结

以上呢就是我们滑行时间预测的第一部分，也是一个数据的基础分析工作，这篇文章描述了滑行时间的定义以及当时我是怎么一步一步的去分析影响滑行时间的因素的，现在来看估计过程是有一些繁琐，但是当时一步一步去分析的时候感觉还是挺有意思的啊，那么下一个文章，我将会从算法的角度，来跟大家讨论一下当时如何从统计回归模型到机器学习模型再到深度学习模型，最后到动态深度模型对滑行时间的预测这一过程的。

写在最后

本文章就先到这里啦，最后再写一句升华主题的话吧，希望能为民航的安全、有序、高效运行贡献自己的一份力量。Thanks for your reading and wish you have a splendid spring！！！

Ps.再补充一句今年终于能出国玩了 go go go

PPS. 我今年得把那个free route airspace 给弄明白