侯晓东，程浩楠，朱保业，王 骁

(中国民航大学，天津300300)

空中交通拥挤这一概念从上个世纪就被提出，到如今，空中交通的工具规模愈来愈庞大，这使得有限的空域信息资源也无法满足现代化的航空公司的需要。交通堵塞现象愈发严重，很大程度上会直接影响到空中交通系统运行的安全和效率。而若想要彻底缓解空中交通的拥堵则必须首先要确立空中交通的拥堵发展趋势，如此才能够对空中交通进行相应的管理。故而，空中交通拥挤状况的识别和预测问题就成了近年来国际民用飞机学术界的重要探讨内容。空中交通拥挤的理论和思路如图1所示。

图1 空中交通拥挤的理论和思路

1 空中交通拥挤的概念及其发展特征

空中交通拥挤这一概念目前在国际上还没有统一的定义，而是伴随着我国民航和交通运输业的进步而更新和深入。通过对在空中交通流量管理方面的研究中发现，空中交通的需求和空中交通流量的不匹配性就是造成空中交通拥挤的重要原因。徐肖豪等人[1]将空中交通拥挤的相关概念简要地定义为在特定的时间节点内，由于某空中交通单位(包括机场、航路、终端区)的交通要求与其他交通运输服务单位的交通容量之间发生矛盾所导致而产生的一种交通停顿现象或者说是交通停顿状态。后来随着航班流量的不断增加，由于天气因素、空域活动等原因的频繁出现，拥挤的概念逐渐结合航班运行的复杂性进行研究。以下将根据研究时间讨论交通拥挤概念的发展。

赵嶷飞等人[2]针对当前由于我国空管交通机构扇区愈发繁忙且空管机构安全保障体系的相对落后，将我国空中交通机构拥挤管理风险这一定义理解为：在某个特殊空中交通管理机构或服务单元的一个特殊运行时段内，空中交通管理机构的总体需求和单元空中交通管理机构单元容量不均衡的一种空中交通管理机构运行状态，并基于空中交通机构的总体需求和单元容量上的不确定性而进一步研究提出了扇区当量流量警告的概念，并通过扇区当量流量与容量相对应进行比较的手段，对我国扇区的拥挤情况进行了识别及分析研究。Rehwald等人[3]开始研究了进离场交通的需求与机场交通容量的不均衡，并将这一问题继续视为交通拥挤状态的一个新概念。张进等人[4]充分考虑到单个航空器对之间的联系，提出了一套基于综合迫近、几率及其连携性等因素的复杂度指标。张兆宁等人[5]基于容流匹配因素添加了对节点和航线的分类，将空中交通的拥挤概念定义为：在一个特殊的时间内，节点和航线的流量已经接近或相当其容量，不会导致出现航班运营时间延误的现象，仍然可以保证能正常飞行的空中交通状态。

2 空中交通拥挤识别的研究

一般来说，空中交通拥挤的识别是多维度的，目前航路拥挤识别的研究逐渐向着高效、智能方向靠拢，识别精度不断提高使得预测更加准确。交通技术数据的识别概念一般可以根据其应用时间预测范围的不同，大致划分为三种：长期的交通数据、短期的交通数据、混合性的交通数据[6]，如果把每个预测时间段中的年份及其之前已经成功取得的重要研究成果之和一起进行综合量化，那么就非常有可能由一种对每个时间段的序列数据进行综合定量价值预测的识别方法来准确计算出并得到未来的交通数据，因此，根据其预测时间尺度的不同，我们一般可将针对空中交通数据拥挤的识别方法进行划分识别为针对基于这些短期交通数据的识别阈计价值聚类判别识定方法、基于长期交通数据的数值聚类识别方法和基于针对混合短期数据的综合性数据评价识别方法[6]，以下将根据研究时间讨论交通拥挤识别方法的发展。

赵嶷飞等人[7]提出了证据理论在对空中运输拥挤识别和评价中的作用。证据理论最初是Brennan等人[8]为解决不确定问题提出的，在证据理论中，证据指的是人们经验和知识的一部分，是人们对该问题所作的观察和研究的结果，在空中交通管理方面，利用经验丰富的管制员给出指标权重从而实现拥挤模型的建立与识别。刘方勤等人[9]提出基于耦合和制约下的协同多航路网络资源的分配，得出了空域系统中所有可以服务的航路和飞行通道流量的大小，它们是根据这些航路的空域控制单位之间进行耦合和制约而产生的容量，即由于不同飞行扇区的管制能力不同，导致航路承担的最大容量不同，上游的交通流量受下游的航路最大容量约束。

李善梅等人[10]基于混合数据进行综合分析评价，他们提出了基于非线性和灰色聚集数据的交叉航路拥挤辨认方法，航路流量改变具有非线性特征，而且这种交叉航路系统本身就是一个非线性系统，即要么缺乏大量数据，要么因为系统内部机理不清晰而使得构建指标或者系统建模困难，给飞行带来了多种不确定性，基于此研究提出了对灰色聚类飞行中道路拥挤的识别，实现对不确定性概念的判断。朱涛[11]提出了通过定位点对空中流量进行拥挤识别方法，利用指标来进行识别空中流量的拥挤状态，根据航行要素建立拥挤评价指标。张兆宁等人[5]基于空中交通网络流提出了空中交通网络的拥挤程度识别和影响评价，通过分析空中交通网络中节点和航线两个要素，建立评估指标体系，从容流匹配的角度识别航路的交通态势。李桂毅等人[12]提出了基于交通集成综合学习技术算法，基于航路交通网络重点航段航路交通拥挤状态，识别预测并进行了深入研究探索，通过对比和选择各个航路交通网络航段地理重点区域的拥挤范围，采集航段ADS-B中的航迹数据，统计流量等参数，研究建立各个航段交通拥挤状态评价模型指标，分析得到拥挤评价结果，并完成航段模型化并进行综合实例训练，识别各个重点航段的航路交通堵塞拥挤状态。

3 空中交通拥挤主要预测的分析方法及主要模型

3.1 空中交通拥挤预测方法

当前空中交通拥挤的主要预测分析方法可以大致分为4类：(1)基于航空公司飞行计划的确定性交通流量拥挤预测分析方法；(2)基于数理统计的流量预测分析方法；(3)非线性流量预测分析方法；(4)智能预测方法[13]。下面将介绍这4种预测方法。

3.1.1 基于空中交通飞行计划的确定性流量预测

作为空中交通流量管理的一个基础性问题，基于飞行计划的流量预测一直以来是需要重点解决的问题。该种方法主要特点是建立4D航迹的概率推测计算模型，采用现代统计学的分析方法进行分析计算扇区及其他主要机场未来的平均流量。

陈恺等人[14]通过计划航迹和雷达航迹匹配关联算法模型以及利用航向角平面投影匹配算法提高流量预测的精确性，能够实时修正航空器航迹4D剖面预测模型的流量预测算法。然而，当航班规模巨大时，计算复杂性对系统运算能力构成严峻考验。另外，空中交通实际运行时出现的随机特性一直是影响4D航迹精度的关键因素，在流量预测中不可回避。

3.1.2 基于数理统计的预测方法

由于空中交通具有自身的规律性，采用数理统计算法可以挖掘交通数据蕴含的变化规律，从而基于此规律可实现对未来交通拥挤状态的预测，因此出现了基于数理统计的拥挤预测方法[1]。由于基于数理统计的方法适用于小规模低维度的数据，所以近年来基于数理统计的方法逐渐向其他3种方法综合靠拢。

3.1.3 非线性预测方法

非线性预测首先在道路交通流开始研究，随着人们对交通流非线性动力特性的认识，基于非线性时间序列方法预测短期交通流逐渐发展起来。陈艳彦等人[15]基于我国空中交通系统流量的发展趋势研究建立了Lologistic流量预测的非线性模型，并预测了某管制区2020-2025年的流量。

3.1.4 智能预测方法

智能预测与组合预测法基于智能算法的拥挤预测就是利用人工智能算法对拥挤指标进行预测，然后将指标预测值输入到拥挤识别方法，实现对未来交通拥挤状态的预测。陈绍飞[16]利用空管自动化系统的实测流量数据进行了飞行流量的快速预测。崔德光等人[17]通过对我国民航班机飞行流量的主要影响因素进行了分析，采用人工神经网络和回归分析方法的组合预测方法对我国华北地区空中交通的瓶颈-大王庄各个航路点飞行的流量情况进行了预测。组合式预测是为了结合前文所述提到的一种预测技术手段，针对当前空中交通运输流量的预测中可能存在的技术性缺陷与其不足，建立一种更加恰当地适用于当前现状的预测技术手段。

3.2 基于飞行计划确定性流量的加权法模型简析

由于空中交通网络体系中主要的要素为运输路线以及其他节点，通过对运输路线以及其他节点在各自方面的拥挤性进行分析并根据实际情况对其进行加权处理，便可以直接得到空中交通网络体系中的拥挤性情况。从空中交通流的角度来说，由于节点或者航线的容量易被外部因素的干扰而发生变动，本文选择了一个拥挤度为门限的区间[α，β]代替某一个值来评估拥挤状态。对于某一节点(或者是航线)，当其求解所得的拥挤度小于α时，空中交通网络中当前所对应的某个节点(或者是航线)就会属于正常的状态；当节点的拥挤程度控制在一定的区间[α，β]内时，空中交通网络中当前相对应的各个节点(或路径)属于这种拥挤临界的状态；当其拥挤程度超过β时，空中交通路径网络中当前相对应的各个节点(或路径)属于拥挤的状态。对于整个空中交通的网络系统来说，在计算得出每个节点和路线的拥挤程度后，根据权重进行计算可以得出整个空中交通的网络系统中的拥挤程度。

4 结束语

随着民航运输业的发展与飞行运行过程中越来越多不确定因素的出现，拥挤的识别与预测成为空中流量管理的重点研究方向。通过对空中交通流特性的研究，从不同区域、不同原因进行拥挤的识别与预测，使得拥挤预测逐步向着精确、实时、高效、智能方向靠拢，为以后有关空中交通拥挤的研究以及对于解决空中交通拥挤提供科学依据和理论保障。