基于witi的機場延誤研究

1、基于天氣交通指數(shù)的機場延誤研究摘要隨著業(yè)發(fā)展，機場延誤問題日漸突出。本文呈現(xiàn)了一種新的模型，根據(jù)天氣變化特定機場的延誤時間。本文了國外研究的一個新型概念天氣交通指數(shù)（WITI）。本文使用建立完善的 WITI 模型，對各類天氣特征量進行量化。WITI-FA（準確性）是對于 WITI 的天氣的一種極其相似的指標：它可以通過各種對流天氣的結果，比如終端區(qū)天氣（TAF），來量化天氣對國家空域系統(tǒng)的影響。本文展現(xiàn)了怎樣對這一模型進行重新定位，并從中提煉成出它的性。首先第一點，代替原先 WITI 的三要素，本文根據(jù)天氣的影響進行劃分類別，比如風，雪，低云，即將發(fā)生的雷暴，容量等等，一共分成了 12個要素。

2、第二點，代替使用范圍為 NAS 的 WITI 模型，本文縮小到了某個特定的機場。這個模型被用來給某個特定的機場校準每小時的延誤時間。本文使用機場的歷史數(shù)據(jù)，以及實際天氣和交通數(shù)據(jù)對這個模型進算，然后將測算出的各項權重應用到模型中。這篇文章包含了一個案例分析，將主要機場在多種天氣情況下的延誤與實際延誤進行對比。最后，除了延誤，這個模型還能夠作為一種支持決策的工具，機場可以以此為依據(jù)決定航班的取消量。：天氣指數(shù)，量化特征，延誤，決策工具Airport delay researchusing weather impacted traffic indexAbstractWith the develop

3、ment of civil aviation industry, the problem of airport delays haseincreasingly prominent. This pr presents a new prediction mto predict specific airportdelays as the weather changes. This pWeather Traffic Index (WITI). This pr refers to a new type ofr establishes a sound WITI mconceptt study abroad

4、 -, which features all kindsof weather tofy the amount. WITI-FA (forecast accuracy) is a similar indicator as weatherforecast: it can be predicted by a variety of convective weather, such as terminal area weatherforecasts (TAF), tofy the weather forecasts impact on the National Airspace System.Thisp

5、r demonstrates the way to reition the m, and refines ito a predictive m.ly,instead of the three elements of the original WITI, we categorized weather according to its impact.Weather such as wind, snow, low clouds, tderstorms imminent, capacity, etc., was dividedoo12 elements. Second, instead of usin

6、g the NAS WITI m, this pr has narrowed the ma particular airport. The mwas used to calibrate the delay hours of a particular airport. Thispr uses the history data of the airport, the actual data of weather and traffic data for the mcalculations, then we will measure the weightt appd to the predictio

7、n m. This prcontains a case study. The forecast delays of main airport in a variety of weather conditions havebeen compared with the actual delays. Finally, in addition to predict delays, this mcso beused as a deciaccording to this msupport tool. The airport can determine the amount of flight cancel

8、lations.Key Words：Weather index;ze characteristics; delay prediction; deci-making tools目錄摘要iAbstractii第一章引言 .-1-1.1研究背景及意義 .-1-1.1.1 研究背景 .-1-1.1.2 研究意義 .-2-1.2國內(nèi)外研究現(xiàn)狀 .-3-1.2.1 國外研究現(xiàn)狀 .-3-1.2.2 國內(nèi)研究現(xiàn)狀 .-3-1.3研究內(nèi)容和章節(jié)安排 .-4-1.3.1 研究內(nèi)容 .-4-1.3.2 章節(jié)安排 .-4-第二章WITI 與機場延誤.-6-2.1WITI 相關概念 .-6-2.1.1 WITI 定義

9、及基本模型.-6-2.1.2 WITI-FA 相關概念.-7-2.2WITI 的應用領域 .-7-2.2.1使用 WITI 對 NAS 性能進行評估 .-8-2.2.2使用 WITI 分類計算總延誤 .-9-2.2.3使用 WITI 對國家空域系統(tǒng)的延誤進行. -10-2.3機場延誤問題 . -11-2.3.1 機場延誤、需求、流量和容量的基本概念 . -11-2.3.2 與機場延誤相關的天氣原因 . -12-2.4本章小結 . -12-第三章基于 WITI 的機場延誤模型 . -13-3.1 機場 WITI 模型 . -13-3.1.1 具體細分的氣象. -13-3.1.2 機場 WITI

10、的 12 個分量 . -14-3.1.3 機場 WITI 的多元線性回歸模型 .-14-3.2機場 WITI 模型校準 .-16-3.3基于 WITI 模型機場延誤 .-17-3.3.1流程 .-17-3.3.2 估測可能的取消等級 .-18-3.4本章小結 .-18-第四章基于 WITI 的機場延誤算例及分析 .-19-4.1數(shù)據(jù)來源 .-19-4.1.1 浦東國際機場 TAF 報及 METAR 報的收集 .-19-4.1.2 浦東國際機場延誤數(shù)據(jù) .-19-4.2延誤數(shù)據(jù)結果分析 .-22-4.2.1 歷史延誤數(shù)據(jù)擬合 .-22-4.2.2 延誤及模型相關度分析 .-26-4.3本章小結

11、.-27-第五章總結與展望 .-28-5.1主要工作總結 .-28-5.2 未來工作展望 .-28-第一章引言1.1研究背景及意義通過對國家空域系統(tǒng)（NAS）延誤特性進行研究，可以確定延誤的主要成因，比如，交通需求量，以及不良地面和航路天氣。天氣通常被作為最大的誘因，因為它導致了大約 70的 NAS 延誤。為了確認交通與天氣之間的關聯(lián)，F(xiàn)AA（航空局）早在幾年之前就創(chuàng)造了天氣影響交通指數(shù)（WITI）。WITI 被用來描繪實際天氣對 NAS 交通流量的影響。1.1.1 研究背景目前，天氣是造成航班延誤的最主要原因，如果飛機起降的機場遇到霧、雪、雨、云、風等天氣，或者跑道的能見度低于一定標準時，航

12、班便無法起降，嚴重時甚至會關閉機場。因此，說到機場航班延誤，它們的成因以及它們與惡劣天氣的關聯(lián)已經(jīng)作為一個研究課題很多年了，尤其是從 90 年代末開始，像 MITRE，MIT，NASA 這些組織，還有一些研究機構，比如 MIT，馬里蘭大學，大學都引領了研究方向。國家空域系統(tǒng)性能的評估，通常以延誤來衡量，這些延誤一般是由針對天氣條件，容量，設備故障和跑道條件的交通流管理措施的應用造成的，無論是在運行日引導流量控制決策，還是進行后運行分析，都需要用到這項指標。將實際的，由交通流量管理計劃導致的延誤，與基于交通需求和其他條件的預期延誤進行對比，這提供了對國家空域系統(tǒng)的評估。多項研究表明，通常使用預期

13、交通需求和天氣來延誤的方法來NAS延誤。在過去的幾年中，為了了解無論是地方還是國家層面，天氣和延誤之間的關系，研究者們付出了很多努力，但依然需要的研究來制定精準的模型來延誤。天氣交通指數(shù)（WITI）的概念，也就是在給定的一個瞬時，被強對流天氣影響的航空器數(shù)量，這在參考文獻 1 和 2 中有介紹，對于 WITI 的計算，使用惡劣天氣網(wǎng)格周圍的延伸區(qū)域，和一系列的統(tǒng)計特征基于直方圖的特征，以及時域特征，這使得它在建立估測和的 NAS 延誤關系中了最佳的相關性。同樣，對于特定的機場延誤的分析，國內(nèi)外建立了多種模型用于確立天氣特征量與機場延誤時間之間的關系。雖然國內(nèi)的此項研究起步地比較晚，但在理論建設

14、方面也取得了一定的發(fā)展和成果。這將在后文有所介紹。1.1.2 研究意義開放以后，中國業(yè)發(fā)展迅速，航班數(shù)量劇增。航空公司的數(shù)量越來越多，規(guī)模也越來越大。飛機因為其安全、便捷、高效的特點吸引了大量出行人群，“空中擁堵”也不可避免地頻繁發(fā)生。由于流量控制、空域限制以及天氣影響導致的航班延誤問題也越來越嚴重。航空量的穩(wěn)步上升強調(diào)了對國家空域系統(tǒng)（NAS）內(nèi)，先進的空通流量管理（TFM）的需求。其中一個用于評估 NAS 性能的指標就是實際總延誤，它是通過 FAA 的空通運行網(wǎng)絡（OPSNET）提供的。這些 OPSNET 延誤是由 TFM 措施的應用引起的，主要由于天氣狀況和過大的交通量。在所有的原因中，

15、天氣已經(jīng)被確定為導致 NAS 延誤的最重要的。如果能建立一個模型，可以定性地對天氣條件和航班延誤時間之間的關系進行分析，并對未來的航班延誤情況進行，那么根據(jù)這個的數(shù)據(jù)，便可以及時調(diào)整航班計劃，合理分配空域，從而大大改善航班的延誤情況。因此，為了在運行日引導流量控制決策和用于后運行分析，很有必要先創(chuàng)建一個 NAS性能基準，并建立一個可以描繪天氣和 NAS 延誤之間關系的模型。在后運行分析中，這個模型可以用來檢查，所的延誤是否在類似天氣的延誤范圍內(nèi)。如果延誤超出了范圍，那么就對運行進行檢驗，是否有其他原因。同樣，對于預期天氣，這個模型還可以用來可預期的總延誤。本文的目的就是為機場延誤的建立一個模型

16、?；谔鞖忸A報數(shù)據(jù)和航班時刻的機場延誤建?？梢蕴岣?NAS 的系統(tǒng)性能，因為它可以對天氣影響情況下的不同響應策略結果進行比對。這種建模策略的優(yōu)勢包括：確定不同等級的航線取消量的影響，以及衡量多種交通措施（TMIs）對應的結果。通過建立這樣一個優(yōu)化的模型，將天氣特征進行量化，從而定性描述其與航班延誤之間的關系，可以更清晰的掌握航班運營在整個國家空域系統(tǒng)中的情況，及時作出調(diào)整，避免不必要的經(jīng)濟損失，同時也能提高航空業(yè)的運行效率，優(yōu)化整個空域系統(tǒng)。1.2國內(nèi)外研究現(xiàn)狀對于航班延誤的數(shù)據(jù)分析及，近年來，國內(nèi)外研究者們提供了多項數(shù)據(jù)模型和優(yōu)化方案。與 WITI（天氣交通指數(shù)）相關的研究成果也有不少，與

17、WITI 相關的研究以國外為主。就航班延誤和 WITI 模型的研究綜述，分別對國內(nèi)外的研究進行了。1.2.1 國外研究現(xiàn)狀國外的研究重點主要是對流天氣的影響。雖然，對終端區(qū)天氣的量化被放大到一個全年的 NAS 性能模型中去了。參考文獻2就闡述了一種新的方法，定義一個天氣交通指數(shù)（WITI）也就是給特定的某一天分配一個標量值。航路 WITI 用強對流天氣對航路性能的潛在影響進行量化。航路/終端 WITI 包括航路 WITI 加上終端天氣變量。因此，在不同時間間隔有類似天氣影響的天數(shù)可根據(jù)它們的 WITI 值分組在一起，然后進行比較。該文獻說明，使用歷史交通和天氣的數(shù)據(jù)以及各種回歸技術，對機延誤模

18、型進試的同時，還要測試準模型（事后）與實際延誤數(shù)據(jù)之間的誤差。參考文獻3通過一系列案例描述了天氣對地面運行，終端區(qū)，以及航路空域的影響。它們描述了天氣條件有分離效應的情況，以及具有長遠影響的情況。跑道表面的惡劣天氣條件，如，高風速和低能見度，會影響著陸和起飛速度。同樣，惡劣的天氣條件，如，暴雨，湍流和結冰，會限制航路容量。交通流量管理（TFM）措施，比如，地面等待，地面延誤程序，復飛，空中等待以及尾隨間隔限制，以此來控制空通需求，來減輕由于容量衰減導致的需求容量不平衡。這些舉措導致了離場延誤和空中等待。因此，TFM 舉措導致了 NAS 延誤。參考文獻4列舉了航空局（FAA）和 TFM 用戶（航

19、空公司和）使用的不同的控制方法。此文獻還介紹了一些數(shù)據(jù)來源，包括 FAA 的航空系統(tǒng)性能度量標準（ASPM），空通系統(tǒng)指揮中心（ATCSCCBTS），加強型交通管理系統(tǒng)（ETMS）和空通運行網(wǎng)絡（OPSNET），這些都為研究和表征 NAS延誤提供了很有價值的信息。1.2.2 國內(nèi)研究現(xiàn)狀國內(nèi)在天氣相關機場延誤方面最具代表性的研究是，使用模糊線性回歸模型對機場延誤性能進行評估，這在參考文獻5中有詳細介紹。在這篇文獻中，作者考慮到天氣和交通變量的取值容易受到不確定性的影響，從而建立了機場到達延誤與天氣和交通需求之間的模糊線性回歸模型。根據(jù)這個模型可以得到估計延誤，并將估測的延誤與實際的延誤進行比較

20、，從而得出評估延誤的連續(xù)型性能標準，從而根據(jù)該標準對延誤性能進行了評估。另外，一種新興的處理海量數(shù)據(jù)的技術數(shù)據(jù)挖掘，也被應用于機場延誤問題的研究。這在參考文獻6中有所介紹，使用線性回歸，非線性回歸，神經(jīng)網(wǎng)絡等常見的預測模型，對某機場實際的航班運行數(shù)據(jù)進行了分析處理，從而建立了相應的機場延誤預測模型。這種樣對機場延新型的方法，也同誤的數(shù)據(jù)分析及有很大的幫助。1.3 研究內(nèi)容和章節(jié)安排1.3.1 研究內(nèi)容在天氣對于 NAS 影響的建模過程中，絕大多數(shù)的注意力集中在對流天氣上（也有一些例外，比如，空通管理的舊金山海洋層云模型）。但是，單獨對對流天氣的建模對于建立一個完善的延誤模型是不夠的，因為每年有

21、 60-65%的延誤是由非對流天氣導致的，所以一個衡量每年效用的模型必須加入進去，去同時計量對流和非對流天氣的影響。由于研究的重點放在對流天氣的影響以及低密度的非對流天氣對于機場性能的影響上，因此很有必要再建立一個更精細的模型。此外，新一代的對流產(chǎn)品其輸出的工具和模型可以獲取并轉化為對 TFM 的約束這為更精準的延誤提供了新的可能性。該研究還建立了一套方法論去比較基于不同天氣現(xiàn)象的機場航班延誤預測，這是在這一領域是一個新的概念。另外，本文還詳細介紹了使用分類方法對 NAS 延誤進行的分析研究，因為機場延誤的研究是以此為基礎的特別化的研究。參照對 NAS 總延誤的分析方法，在研究機場延誤模型中，

22、起到極為關鍵的作用。由于機場延誤的 WITI 模型建立涉及多方面的相關知識，因此，本文也對 WITI 相關基礎概念及知識進行了闡述。1.3.2 章節(jié)安排在本文中，引言部分主要介紹了 WITI 于機場延誤研究的背景及意義，并對研究說用的參考文獻進行了概括總結。第二章主要介紹了 WITI 和機場延誤相關的基本概念，包括一些基本的模型和應用問題。本文的第三章，是基于 WITI 模型的機場延誤研究的核心內(nèi)容。詳細介紹了機場 WITI 模型的建立，改善，校準，和數(shù)據(jù)驗證等過程。第四章，把浦東國際機場的實際延誤數(shù)據(jù)和相應的天氣特征量進行擬合，確定了線性回歸關系，再將未來天氣數(shù)據(jù)帶入到模型中，將的結果與實際

23、的延誤進行的對比，對模型的準確性進行了驗證。最后，對于該研究內(nèi)容，進行了總結。第二章WITI 與機場延誤2.1WITI 相關概念WITI 基于實際天氣和交通需求傾向。它的同系概念，WITI-FA，基于預期天氣和預期的交通需求。本文中主要用到的是 WITI 和 WITI-FA，那首先，先對這兩個基本概念進行介紹。2.1.1 WITI 定義及基本模型WITI 發(fā)展的第一步是構建覆蓋的網(wǎng)格?；靖拍钍墙o每個網(wǎng)格單元分配權重，如果強對流天氣在這個網(wǎng)格單元中發(fā)生，這個權重就是天氣對空通性能潛在影響的預估。為了分配權重，好天氣的天數(shù)被選出（按照沒有風暴和云層遮蓋）。每個單元格的權重起初是按照該區(qū)域內(nèi)的空通

24、流量來確定的。交通量是根據(jù)追蹤更新（TZ）（位置）的數(shù)量和該單元格內(nèi)加強交通管理系統(tǒng)（ETMS）的信息數(shù)量來估計的。由于交通計數(shù)是以天為時間計量，于是劃分 24 個網(wǎng)格，一標準時間（GMT）天的一小時，權重為每小時該單元格收到 TZ 消息的大概數(shù)量。為專注航路交通，只對修正海壓 18000 英尺以上的航空器 TZ 信息進行計數(shù)。另外，假設同一架飛機收到多個 TZ 信息，為了減少冗余，TZ 信息每只一次。這種單元網(wǎng)格背后的推理方案是這樣的: TZ 信息可以粗略捕捉在沒有嚴重強對流天氣的情況下，飛越該網(wǎng)格的飛行器數(shù)量。也就是說，越多的航空器想飛越網(wǎng)格，強對流天氣下越多潛在的破壞就會越多的呈現(xiàn)出來。

25、WITI 是受天氣影響的航空器數(shù)量的指標。WITI 的計算包括：1）分配一個值給天氣網(wǎng)格 W 中的每一個網(wǎng)格單元Wi,j ，天氣網(wǎng)格中，惡劣天氣被標示出來了，別處為 0， 2）在每個網(wǎng)格單元中計算航空器數(shù)量 Ti,j ， 3）計算瞬時 k 的 WITI 值（通常以一分鐘間隔計算），如下：其中，n 表示天氣網(wǎng)格的行，m 表示列。WITI 是三種要素的總和。航路要素（E-WITI）反映了對流天氣對連接主要機場的航線的影響。終端區(qū)要素（T-WITI）可以捕獲由于地面天氣影響導致的容量衰減，這與機場的運行數(shù)量成正比。排隊延時要素（Q-DELAY）可以測量在超過容量時，交通需求的累積效應。WITI-FA

26、 的要素跟它類似，但是基于天氣數(shù)據(jù)的。它的天氣輸入，WITI 的度量標準，需要國家對流天氣（NCWD）和航空例行天氣（METAR）。E-WITI 要素處理機場之間大圓航線（最短路徑）的 NCWD 數(shù)據(jù)中關于對流天氣的。E-WITI 是通過找到主要城市對之間有氣流穿越的地區(qū)的對流天氣的頻率，通過這些城市對之間的計劃交通對這些值進行，并且根據(jù)從對流天氣到每個機場的距離，按比例對這些機場分配值。T-WITI 可以處理 METAR 數(shù)據(jù)；對每個機場，它可以決定終端區(qū)的主導天氣。從主導天氣中得出的預期容量衰減，根據(jù)計劃交通量進行，以此來評估地面天氣對空通的影響。當特定的機場出現(xiàn)交通需求多次超過容量的情況

27、時，Q-DELAY 用于評估一段時間內(nèi)延誤的累積效應。機場容量是通過為可用于給定的風和地面條件的最大跑道容量配置找到天氣的進港和離港容量。任何超出容量的需求都被移動到下一段時間中去，從而產(chǎn)生了排隊效應。2.1.2 WITI-FA 相關概念通過把實際航路和終端區(qū)天氣數(shù)據(jù)替換成航路和終端區(qū)天氣數(shù)據(jù)，建立了一個WITI-FA 的模型。WITI-FA 可以處理對流天氣數(shù)據(jù)，這些數(shù)據(jù)來源于比如，協(xié)作對流預報產(chǎn)品（CCFP），本地化航空 MOS 產(chǎn)品（L），通道綜合天氣系統(tǒng)（CIWS）等。WITI 工具通常2，4 和 6 小時的，并將基于區(qū)域的或網(wǎng)格的對流天氣的概率信息轉換成網(wǎng)格化準確定性信息（NCWD）

28、。對地面天氣條件而言，WITI-FA 需要輸入機場天氣預報（TAF）的。WITI-FA 的結構類似于 WITI，有 E-WITI-FA，T-WITI-FA和 Q-DELAY-FA 三個要素。WITI 和 WITI-FA 都使用計劃空通對天氣影響進行。然而，WITI 是用來估測實際天氣對計劃交通影響的度量工具；WITI-FA 是用來未來天氣對計劃交通影響的度量工具。2.2WITI 的應用領域WITI 模型被廣泛應用于航空領域，但針對不同的研究對象，使用 WITI 建模方法也各不相同，本章節(jié)將認識幾個典型的 WITI 模型在航空中的應用領域。2.2.1 使用 WITI 對 NAS 性能進行評估通常

29、情況下，在不同時間間隔下，對比一個國家空域系統(tǒng)（NAS）性能指標是很有用的方法。這樣的對比可以用來確定的 NAS 改進后的效果。但要實施這樣的對比可能遇到是，不同的時間間隔會有不同的天氣，這對 NAS 性能有很大的影響。如果不把天氣的差異性考慮進去，那這種對比是等于比較“蘋果和桔子?！盢AS 性能評估包括以下方面：超過 15 分鐘的平均到達延遲平均阻塞時間航班離港延誤的顯著延誤數(shù)量平均離港延誤時間超過 15 分鐘運行網(wǎng)絡（OPSNET）天氣延誤率以為例，超過十的平均到達延誤航班量是從航空服務質(zhì)量性能數(shù)據(jù)庫（ASQP）的部門獲取的。到達延誤是指，實際到達目的地機場和計算機預定系統(tǒng)（CRS）擬定的

30、到達目的地機場的時間差。因此超過十的平均到達延誤被定義為平均到達延遲，也就是說，超過十延誤到達的航班都以平均延誤時間帶入研究。如何解釋天氣對空通的影響問題是對國家空域系統(tǒng)性能評估的一個持續(xù)性挑戰(zhàn)。如果兩天天氣不同，那在對別的影響進行公平比對之前，比如，交通水平，空通管理性能，自動化增強，在比較這些之前要先對天氣影響進行分組。其中一種量化天氣的方法是定義一個天氣交通指數(shù)（WITI），也就是給特定的一天分配一個天氣值。具體地講，WITI 歸為強對流的潛在影響，和終端區(qū)的顯著天氣現(xiàn)象。因此，根據(jù) WITI 值，可以把不同時間間隔的天數(shù)分組在一起，然后進行對比。通過對幾個 WITIs 進行了測試，并基

31、于該結果，分析主要集中在兩個 WITIs：WITI A和 WITI B。WITI A 和 WITI B 之間的區(qū)別主要是 WITI B強調(diào)天氣問題造成的東西交通堵塞。對于網(wǎng)格中特定的一列，天氣越嚴重，天氣缺口越少，那與該列相關聯(lián)的數(shù)值就越高。計算 WITI A 的第一步驟是計算每個的數(shù)值 A。要獲得這個數(shù)值，就要利用中每小時對應的網(wǎng)格。數(shù)值 A 是網(wǎng)格權重的簡單總和，而這些網(wǎng)格單元格至少要跟一個NCWF 多邊形相交。（例如，某一個單元格中，有惡劣天氣正在發(fā)生。）計算 WITI B 的第一個步驟是計算每個的數(shù)值 B。為了獲得這個數(shù)值，也要利用中每小時對應的網(wǎng)格。數(shù)值 B 是縱向值的總和。每個縱向

32、值是鄰接流量權重的總和，而這些單元格至少要跟一個 NCWF 多邊形相交。（例如，某一個單元格中，有惡劣天氣正在發(fā)生。）惡劣天氣單元的鄰接流量權重是指，用該單元的權重乘以該單元所對應的列中連續(xù)惡劣天氣的數(shù)量，并將他們相加得到的和。再根據(jù)一天中的數(shù)量求得一天中的這個數(shù)值的平均數(shù)。因此，WITI B 是該天數(shù)值 B 的平均值。為了給天氣對 NAS 性能的影響提供更完整的圖像，終端區(qū)天氣變量也將納入模型進行分析。對這些變量的分析可用于解釋機場天氣狀況對 NAS 性能的影響。來自國家天氣數(shù)據(jù)中心（NCDC）的地面天氣觀測被用來獲取終端區(qū)天氣數(shù)據(jù)。將航路和終端區(qū)天氣獨立變量納入到模型中后，形成這樣一個回歸

33、方程：性能評估 f（航路 WITIs，49 個機場的儀表氣象條件，49 個機場的風）其中：儀表氣象條件=每天每分鐘的儀表氣象條件，風=機場的日平均風速研究表明，這一方法具有顯著合理的效果。2.2.2 使用 WITI 分類計算總延誤在，飛行器經(jīng)歷的總延誤是用來衡量空通管理系統(tǒng)性能的指標。天氣交通指數(shù)（WITI）的概念，被天氣影響的航空器數(shù)量，被用來為總延誤開發(fā)線性回歸模型。WITI 是二維時空量。當前的延誤模型通過它的空間差異，把 WITI 描繪成一個時間的函數(shù)。一個分段的線性回歸模型相比較一個單一的線性回歸模型而言，它可以為總延誤提供更好的估算。但是，分段模型假設一天可以分為低，中或高延誤日。

34、如圖 2.1,它反映了國家 WITI 和中心 WITI 的計算，使用隨時間變化的 WITI 信息的分類方法并不精準。通過建立 WITI 的時間函數(shù)模型和空通管理中心，可以恢復在空間過程中丟失的區(qū)域信息。廣義的中心級別的 WITI 被用來對給定的一天的預計延誤進行分類，分為低，中，或高三個等級的延誤。分類方案和三段線性模型。它解釋了綜合的方法，這個方法把延誤分類和分段線性模型相結合。1(k)單一線性模型（SLM）WITI3(k)天氣中心WITI3C(k)交通三段線性模型（PLM）的分類確切的分類WITI計算圖 2.1 基于WITI 的總延誤分類計算流程該研究呈現(xiàn)了結合分段線性回歸模型和分類方法，

35、從而生成更為精準的 NAS 延誤預測的結果。分段線性回歸模型為延誤方法提供了更高的關聯(lián)性，并且，與單一線性回歸模型相比，它減少了延誤誤差2.2.3 使用 WITI 對國家空域系統(tǒng)的延誤進行將實際的，由交通流量管理計劃導致的延誤，與基于交通需求和其他條件的預期延誤進行對比，這提供了對國家空域系統(tǒng)的評估。該研究給出了一個使用預期交通需求和天氣來延誤的方法。為了明確延誤的原因，以航空局運行網(wǎng)絡的 517 天國家空域系統(tǒng)延誤數(shù)據(jù)為例進行分析，結果顯示，天氣是最重要的導致延誤的，其次是設備和跑道延誤。在這些結果的引導下，天氣的交通指數(shù)概念（WITI）被用做對系統(tǒng)延誤的描述。多個案例被用來驗證這些數(shù)值的變

36、化可以用當天的時間函數(shù)來描述。它通過一個算例表明，這種方法大大提高了天氣指數(shù)的動態(tài)范圍。這些新的天氣交通指數(shù)的時程用于兩個統(tǒng)計特性六直方圖特性和六時域特性。除了這些航路天氣特征以外，還有兩個地面天氣特征具備高平均風速的樞紐機場的數(shù)量，以及低能見度。為建立這些特性之間的函數(shù)關系，利用這些特征組合的最小二乘法，以及系統(tǒng)延誤，該研究使用了 39 天的數(shù)據(jù)進行探索。該研究給出了由不同特征量組合的最小二乘法得出的預計延誤，與由運行網(wǎng)絡提供的實際延誤之間的關系。相關性最高的特征集被用于 26 個附加天數(shù)的計算（在計算最小二乘系數(shù)中未使用），以及延誤模型，為了NAS 延誤，預先設定了 39 天的數(shù)據(jù)。然后將

37、所得估計值與 OPSNET 進行對比，一次驗證延誤模型。2.3機場延誤問題隨著經(jīng)濟的發(fā)展，我國一些地區(qū)的城市中航空業(yè)迅速騰飛，、廣州和等地都初步形成了臨空經(jīng)濟集聚區(qū)。但在飛速發(fā)展的同時，航班延誤問題尤為突出。對旅客而言，航班延誤帶來了出行的不便，同時也造成了時間和經(jīng)濟的雙重損失；對機場而言，延誤問題影響了機場的正常；對航空公司來說，航班延誤不僅給公司帶來了巨大的經(jīng)濟損失，更嚴重影響了公司的信譽。因此，如何掌握航班延誤的規(guī)律，并合理作出延誤，成為了。2.3.1 機場延誤、需求、流量和容量的基本概念（1） 延誤概念航班降落時間比計劃降落時間（航班時刻表上的時間）延遲 30 分鐘以上或航班取消的情況

38、稱為延誤。航班延誤影響著航空公司的運行效率和服務質(zhì)量，一般使用準點率來衡量承運人運輸效率和質(zhì)量。準點率，又稱正點率、航班正常率，是指航空旅客部門在執(zhí)行計劃時，航班實際出發(fā)時間與計劃出發(fā)時間的較為一致的航班數(shù)量（即正常航班）與全部航班數(shù)量的比率。（2） 需求概念需求是指在給定的時間范圍內(nèi)，機場預計到達的航班數(shù)量。某一時間段的需求量是指，根據(jù)航班數(shù)據(jù)庫中每一跳航班的計劃到達時刻，統(tǒng)計出的該時間段內(nèi)計劃到達的所有航班數(shù)量。（3） 流量概念在給定的時間范圍內(nèi)，機場實際到達的航班數(shù)量，叫做流量對于時間段流量的計算，可以根據(jù)航班數(shù)據(jù)庫中每一個航班的實際到達時間，統(tǒng)計該時間段內(nèi)實際到達的所有航班數(shù)量。（4）

39、 容量概念空通容量是指某一空管單元(跑道、扇區(qū)、終端區(qū)等)，在一定的系統(tǒng)結構(空域結構、飛行程序等)、氣象等)的影響，該規(guī)則和安全等級下，考慮可變(飛機流配置、人為、單元在時間內(nèi)所提供或者能提供的航空器服務架次。2.3.2 與機場延誤相關的天氣原因在飛機起飛、降落和空中飛行的各個階段都會受到氣象條件的影響，風、氣溫、氣壓都是影響飛行的重要氣象要素。地面風會直接影響飛機的，高空風會影響飛機在航線上的飛行速度和加油量。氣溫高低，可改變發(fā)的推力、影響空速表、起落滑跑距離等等。氣溫高于標準大氣溫度時，會增加飛機起飛滑跑距離和上升爬高時間，降低飛機載重量。氣壓會影響飛機的飛行高度。由于各地氣壓經(jīng)常變化，

40、往往造成氣壓高度表指示的誤差。此外，雷暴、低云、低能見度、低空風切變、大氣湍流、空中急流、顛簸、結冰等天氣現(xiàn)象都直接飛行安全。不適航天氣是造成航班延誤的一個很重要的原因，且往往不可抗拒。由于天氣異常，將可能導致機場能見度低于標準、或者出現(xiàn)大風、跑到積水或積雪、結冰。當上述情況出現(xiàn)時，飛機將無法起降，航班只能延誤甚至取消?，F(xiàn)實中還有一種天氣導致的航班延誤不容易被旅客接受，那就是航出現(xiàn)雷雨區(qū)。這種雷雨區(qū)可大可小，有的可以通過改變航路繞過去，有的就繞不過去，遇到這種情況盡管起飛機場天氣好的，也只能推遲起飛。事實上，惡劣天氣還有一個更可怕的破壞力制造空難。統(tǒng)計發(fā)現(xiàn)，全球界絕大多數(shù)空難都是由惡劣天氣所的

41、。所以，一旦出現(xiàn)不適航天氣，航班都將延誤，這背后的卻是對旅客的高度責任心，不管是航空公司還是空管部門，正是為了對旅客的安全負責才不得不延誤航班。2.4本章小結本章節(jié)通過對WITI 相關的基本概念的介紹，并結合具體應用介紹了多種 WITI 模型，使 WITI 的概念得到了具化。而后通過對延誤問題的剖析及延誤相關概念的介紹，可以更清晰地描繪 WITI 中各個特征量的含義，為下一章的建模做好鋪墊。第三章基于 WITI 的機場延誤模型3.1機場WITI 模型當嘗試識別天氣對個別機場的影響時，研究者們發(fā)現(xiàn)，三元的 WITI 構想以表現(xiàn)其粒度。三元 WITI 構想捕獲了對目視/儀表天氣狀況的廣泛分類，這提

42、供了一些關于機場容量衰減的信息。然而，當要把具體的天氣現(xiàn)象與模型相結合時，對于天氣對機場容量的影響，可以建立一個更為直觀的圖像。下一步就是構建一個 WITI 模型，用來處理具體的天氣（如雷暴，風等），并且對每個機場的這些進行微調(diào)。3.1.1 具體細分的氣象通過把這些另外單獨的氣象合并進來，這個模型從先前描述的三元模型過渡到了對機場更具針對性的模型。首先把天氣的影響分為以下七類：航路對流天氣。這是指大機場 600 海里范圍內(nèi)，強對流天氣對進港/出港流量的影響。本地對流天氣。這反映了附近的或機場上空的對流天氣如何削減機場容量的。風。任何時候，如果風速大于 20 節(jié)，或降水情況下，風速大于 15 節(jié)

43、，相應的影響將會被。雪，凍雨，冰雪等。相應的影響會被。儀表氣象條件。云底高和能見度低于機場最低運行標準；霧；大雨?？蓪x表氣象條件使用相應的 FAA 容量基準測試。排隊延誤（無天氣）加漣漪效應。對給定的機場/給定小時本地并無具體，但WITI會計算有排隊延遲。這可以簡單地歸結于高交通量需求，或是由于重要天氣因素影響的余波導致排隊延誤一拖再拖。（即使天氣影響已消散）此外，漣漪效應被在該組件中。例如，如果國際機場離場排隊延誤，那其相應目的地機場將會有到達延誤。其他。包括小/中雨或的輕微影響，但云底高/能見度在目視飛行最低標準以上;還有不利的跑道配置，通常由于輕到中度風（15-20 節(jié)甚至是 10 節(jié)

44、）容量配置的使用。了最優(yōu)跑道3.1.2 機場 WITI 的 12 個分量以上定義的 7 個天氣/交通現(xiàn)在轉換成 12 個機場 WITI 分量。這些分量包括：航路 WITI（EWITI），這不依賴于機場的終端的天氣，以及一個混合 WITI 完全不依賴天氣，僅取決于流量。余下的七個中的五個，即本地對流，風，雪，儀表飛行條件，其他，每個都被轉換成兩個 WITI 組成：T-WITI（線性）和 Q-DELAY（非線性）。下式反映了原來的 3 元 WITI。表 3.1 反映了所得到的 12 個元素的機場 WITI，它們都有相應的具體權重，即不是一個籠統(tǒng)的 T-WITI，而是關于“雪 T-WITI”或“儀表

45、條件 T-WITI”或“風 T-WITI”。表 3.112 個元素的機場 WITI總 WITIEWITIEWITI 權重系數(shù)TWITI*TWITI 權重系數(shù)QDELAY*QDELAY 權重系數(shù)EWITI(航路對流天氣)EWITI*EWITI 權重系數(shù)當航路對流天氣對機場而言是顯著天氣時3.1.3 機場 WITI 的多元線性回歸模型最后的步驟是使用機場特定天氣及其各自的權重，因此，“雪 T-WITI”或“儀表條件 T-WITI”變成了“JFK 雪 T-WITI”或者“ORD 儀表條件 T-WITI”或“DFW 風 TWITI”。也就是說，12 組件及其系數(shù)現(xiàn)跟特定的機場相聯(lián)系，以及其特定天氣，和

46、他們是如何影響這個特定的機場的，如下式所示：每小時i,對機場k：TWITI(本地對流天氣) QDELAY(本地對流天氣)TWITI*TWITI 權重系數(shù)+ QDELAY*QDELAY 權重系數(shù)當本地對流天氣對機場而言是顯著天氣時TWITI(風) QDELAY(風)TWITI*TWITI 權重系數(shù)+ QDELAY*QDELAY 權重系數(shù)當風對機場而言是顯著天氣因素時TWITI(雪) QDELAY(雪)TWITI*TWITI 權重系數(shù)+ QDELAY*QDELAY 權重系數(shù)當雪對機場而言是顯著天氣因素時TWITI(儀表氣象條件) QDELAY(儀表氣象條件)TWITI*TWITI 權重系數(shù)+ QD

47、ELAY*QDELAY 權重系數(shù)當儀表氣象條件對機場而言是顯著天氣時QDELAY(總量)QDELAY*QDELAY 權重系數(shù)當總量對機場而言是顯著天氣時TWITI(其他) QDELAY(其他)TWITI*TWITI 權重系數(shù)+ QDELAY*QDELAY 權重系數(shù)當其他對機場而言是顯著天氣時每一小時，機場的顯著氣候由 METAR 報確定（WITI）和 TAF 報確定（WITI-FA）。只有顯著天氣被考慮；例如，如果機場同時存在雷暴和降雨，那就只考慮雷暴（更惡劣天氣的現(xiàn)象）。該機場的顯著天氣是由天氣嚴重程度的預定義層次決定的。由于增加了新元素，T-WITI 包括五個具體天氣數(shù)值，它們是機場的天氣

48、相關容量衰減百分比和機場計劃運行數(shù)量的產(chǎn)物。除了 Q-DELAY 混合型外，Q-DELAY 同樣會用五個天氣相關的容量衰減的單獨值來計算。因此，機場 WITI 模型是 12 個機場相關天氣/交通的總和。這些權重是通過對機場 WITI 和歷史延誤數(shù)據(jù)（FAA ASPM 數(shù)據(jù)庫）的多元線性回歸來確定的。3.2機場WITI 模型校準在該研究中，由于它的目的是延誤，通常使用數(shù)據(jù)來建立模型。因為正在開發(fā)一種前瞻性的模型，所以想要有最近的全年機場性能數(shù)據(jù)。此外，對于一些機場，跑道建設已呈現(xiàn)出早期數(shù)據(jù)。從數(shù)據(jù)來看，為每個機場決定首選跑道配置優(yōu)先級。這個模型選擇的第一個跑道配置，可用于該機場目前的地表天氣狀況

49、。每一個配置的容量是由實際到達和離場的歷史數(shù)據(jù)估計的?？拷鼘嶋H到達和離場分布的右尾數(shù)值被用作每個跑道配置的容量。這些容量衰減的估測都用 FAA（航空局）容量基準來驗證，因而都適用。實際上，一般都使用接近高計劃通理想條件的實際吞吐量，來作為容量的。接下來，相關天氣條件下的容量衰減將被估測，同樣使用歷史數(shù)據(jù)。機場的到達和離場容量都是按一定的百分比減少的，這反映了與顯著天氣（如，雷暴，大風等）相關的衰減。容量衰減是機場特有的，因此這個模型可以解釋不同機場不同的運行程序。接下來實行敏感性分析，以進一步完善機場容量衰減參數(shù)。由于計劃交通的波動和非天氣相關的系統(tǒng)壓力，由歷史數(shù)據(jù)獲得的參數(shù)的微調(diào)是理想的。因

50、此，通過使用一年或幾年的機場有效數(shù)據(jù)來運行這個模型，以此來細化參數(shù)，并且觀察 WITI 和延誤之間的關系，為原來參數(shù)的各種合理調(diào)整。同樣，這種相關性也是由 E-WITI，T-WITI 和 QDELAY的多元回歸模型得到的。對每個機場，為了它的跑道容量配置設置和容量衰減設置，選擇可以產(chǎn)生 WITI 和延誤之間最大關聯(lián)性的參數(shù)化模型。WITI 和延誤的關系是通過擬合多元線性回歸模型來決定的，在這個模型中，每一個WITI 元素都是一個獨立的變量?？傃诱`（分鐘）是因變量?？傃诱`是到達和離場延誤的總和；每個機場的到達數(shù)量乘以每小時機場的平均到達延誤，本文以此來估算機場的到達延誤，離場延誤類似計算。在這個

51、最合適的模型中，每一個解釋變量的系數(shù)都是應用于每個 WITI 模型的權重。3.3基于WITI 模型機場延誤概念大綱：簡而言之，該過程如下：使用更精準的機場 WITI 模型;用歷史數(shù)據(jù)對它進試（實際天氣和計劃交通量，加上延誤）;校準延誤至每分鐘;“回轉”，將包含歷史數(shù)據(jù)的模型應用到未來中（使用天氣預報和計劃流量）。3.3.1流程的流程如下圖 3.1 所示圖 3.1流程圖對于特定機場，在獲取一個在 WITI 和延誤之間有很強相關性的精準模型后，可以將該模型應用到延誤中。使用天氣（如，CCFP，L等等）和計劃到達和離場航班，可以衍生出 WITI-FA 分量值。然后，輸入 WITI-FA 的分量值到

52、WITI 和延誤的最佳擬合回歸方程，來將要經(jīng)歷的延誤分鐘數(shù)。期望的延誤可以是計算得來的 NAS 寬，ATC中心范圍，或者是個別機場的每小時，每天，每季度，或者是每年的數(shù)據(jù)。使用歷史數(shù)據(jù)，WITI-FA延誤可以與實際延誤進行對比。3.3.2 估測可能的取消等級非天氣相關的影響（比如設備中斷，或 VIP 航班）將會導致一些案例上的差異。另外，大規(guī)模的取消可能導致延誤偏低，而 WITI-FA 的值偏高。在這種情況下，延誤值相對較低，但取消值較高，這表明 WITI-FA 和延誤之間成反比關系，而后者是天氣對空中交通影響的不完全估測。惡劣天氣導致很高的 WITI-FA 值（對空通有較高影響）；需要記住，

53、這種影響不僅僅表現(xiàn)在延誤中。在未來的分析中，可以考慮使用一個更廣泛的指標，這個指標可以提供運營影響和系統(tǒng)響應之間更高的關聯(lián)性。使用天氣延誤數(shù)量可以為航線提供信息，用于確定為達到可持續(xù)延誤等級而取消的航班數(shù)量。在這方面工作中，只建立一個用于準確性的模型是沒有用的。如果一個模型使用交通需求量和在此需求基礎上天氣的地域影響，那它可以使用戶評估不同取消等級對延誤的影響。在這個模型中，這意味著調(diào)整計劃交通數(shù)據(jù)來解釋不同比例的取消。對每一級取消，延誤的預計分鐘數(shù)根據(jù)多元回歸模型來計算。比較預計延誤時間會遇上各種取消等級，后者可以設置等級，防止延誤成倍增加的同時滿足盡可能多的交通需求量。3.4本章小結本章詳

54、細介紹了基于 WITI 的機場延誤模型。通過歷史天氣信息和交通信息、FAA 的機場表現(xiàn)基準、FAA 的可使用信息系統(tǒng)和 FAA 的 ASPM 數(shù)據(jù)庫，NAS WITI 可以重新推出機場 WITI，從中精煉出對于特殊天氣情況的機場 WITI，再結合基于各種天氣情況下的歷史表現(xiàn)的機場 WITI 模型，進行校準，得出 ASPM 延誤的分鐘數(shù)，轉而拓展一下，加入計劃的交通量和的天氣信息，在預報模式中運行 WITI，最終可以到機場延誤的時間，這個的結果有 80-85%的準確性。第四章基于 WITI 的機場延誤算例及分析4.1 數(shù)據(jù)來源4.1.1 浦東國際機場 TAF 報及 METAR 報的收集關于 TA

55、F 報和 METAR 報的收集，本文使用了一個htt，該有近期的完整的 METAR 報和 TAF 信息，本文使用該搜索引擎搜索了 2015 年 3 月 1日 0 時至 2015 年 3 月日時以及年月日 0 時至 2015 年 3 月 31 日 23 時的 METAR 報和 TAF 報信息，作為研究數(shù)據(jù)。其中用于延誤的 2015 年 3 月 25 日 0 時至 2015 年 3 月 31 日 23 時的 TAF 報如下：Large TAF from ZSPD, Shanghai / Pudong (China). FT 31/03/2015 21:33-TAF ZSPD 312133Z 010

56、0/0124 07004MPS 5000 BR NSC TX24/0106Z TN15/0121ZBECMG 0114/0116 12005MPS= FT 31/03/2015 15:27-TAF ZSPD 311527Z 3118/0118 16004MPS 3500 BR NSC TX24/0106Z TN15/3121ZTEMPO 3119/0101 1200 BR=FT 31/03/2015 09:30-TAF ZSPD 310930Z 3112/0112 16004MPS 5000 BR NSC TX24/0106Z TN15/3121ZBECMG 0100/0102 07004MP

57、S= FT 31/03/2015 03:30-TAF ZSPD 310330Z 3106/0106 19004MPS 5000 BR NSC TX28/3106Z TN15/3121ZBECMG 0100/0102 07004MPS= FT 30/03/2015 21:24-TAF ZSPD 302124Z 3100/3124 19004MPS 5000 BR NSC TX24/3106Z TN15/21Z=FT 30/03/2015 20:12-TAF AMD ZSPD 302012Z 3018/3118 19004MPS 1000 BR BKN002 TX23/3106Z TN12/302

58、1ZTEMPO 3018/3024 0700 FG BECMG 3100/3101 3000 SCT005=FT 30/03/2015 15:35-TAF ZSPD 301535Z 3018/3118 19004MPS 2000 BR BKN002 TX23/3106Z TN12/3021ZTEMPO 3018/3022 1000 BKN001 BECMG 3022/3024 3500 BKN005 BECMG 3101/3103 SCT013=FT 30/03/2015 14:14-TAF AMD ZSPD 301414Z 3012/3112 15006MPS 6000 BKN005 TX2

59、3/3106Z TN12/3021ZBECMG 3015/3016 0600 FG BKN001 OVC040 BECMG 3100/3102 21004MPS 3500 BR BKN013=FT 30/03/2015 09:13-TAF ZSPD 300913Z 3012/3112 15006MPS 6000 BKN005 TX23/3106Z TN12/3021ZBECMG 3100/3102 21004MPS BKN013= FT 30/03/2015 03:11-TAF ZSPD 300311Z 3006/3106 16005MPS 5000 -RA BR SCT010 OVC040

60、TX17/3006Z TN14/21Z=FT 29/03/2015 21:39-TAF ZSPD 292139Z 3000/3024 14005MPS 6000 SCT011 TX18/3006Z TN15/3021ZBECMG 3001/3002 BKN007 OVC040 BECMG 3004/3005 BKN011=FT 29/03/2015 15:26-TAF ZSPD 291526Z 2918/3018 14005MPS 6000 -RA NSC TX17/3006Z TN13/2922ZBECMG 2920/2921 2500 -RA BR BKN006 OVC033 BECMG