李明捷, 王涛, 黄诗轶, 田杰

(中国民用航空飞行学院机场学院, 广汉 618307)

截至2022年,中国251个民用运输机场中,有10个机场拥有3座及以上航站楼,38个机场拥有两座航站楼(包括卫星厅)。较传统的单体航站楼构成的航站区,多航站区机场在航空器地面运行、地面保障资源分配等方面更加复杂。多航站区分区运行不合理不仅会降低航空旅客的出行体验,并且还会增加机场运营成本,降低机场整体运行效率。目前中国对多航站区分区运行缺乏统一分区原则,有的机场根据航班性质按国际、国内分配;有的机场根据航空公司及其联盟分配;有的则依据航路方向、多跑道运行情况等对航空器进行分区停放。

中外学者对多航站区分区运行依据、分区设计以及分区方案运行效率评估等方面的研究十分有限,对多航站区机场的研究主要集中在陆侧航站楼和空侧机坪方面。赵明明[1]以枢纽机场为研究对象,采用灰色聚类评价法和交通四阶段法对多航站区间衔接交通系统进行研究,提出枢纽机场航站区间衔接交通系统优化策略。陈鹏超[2]提出了多航站楼多区域的机位分配问题,从安全性和效益性的角度分别建立了以降低机位运行冲突为目标的多目标机位预分配模型和以降低旅客步行距离、油耗成本、机位空闲成本为目标的多目标机位实时调整模型,并通过实例和仿真软件进行合理性和可行性验证。马俊鹏[3]以枢纽机场的航站楼功能区分区作为研究对象,以提高旅客的服务质量、人员和设施设备的利用效率等为目标,研究了航站楼设计原则和旅客流程等对旅客流的影响,并分析影响旅客容量的环节,最终提出航站楼功能区分区的优化策略。Zhang[4]分析了当下多航站区背景下枢纽机场陆侧交通的衔接问题,通过优化机场陆侧交通的影响因素和运行模式,提出优先发展公共交通的策略以解决多航站区机场周围所面临的交通压力从而促进机场的发展。相较于传统单体航站楼车道边容量评估方法,多航站楼对数据的采集和计算精度都有着更高的要求。基于此,王茹[5]通过时空消耗理论建立了多航站楼车道边的容量评估模型,并将其应用于天津机场验证模型的可行性。针对未来枢纽机场多航站楼的发展趋势,为了实现航站楼的高效分工、提高机场运行效率和旅客服务水平,邓海超[6]根据中外机场的运行案例,总结分析了影响多航站楼分工的8个因素及逻辑关系。为了对多航站区分区运行进行整体的量化研究,黄诗轶[7]运用决策与实验室法确定分区原则,借助系统布局规划理论制定出3种不同的机场多航站区分区运行方案,最后采用Airtop软件对所设的最优方案进行仿真验证。

综上所述,现有的研究大多集中在值机流程中的指派[8]、航站楼容量的利用率[9-10]、机位分配[11]以及机场陆侧交通布局[12]等问题,对于多航站楼分区运行方面的研究较少。随着经济和民航业的持续稳定发展,越来越多的机场正在被规划建设或扩建[13]。根据《关于加强民用运输机场总体规划工作的指导意见》可知,中国未来会出现更多拥有多个航站楼的大、中型枢纽机场,多航站区协同运行的模式势在必行。多航站区分区运行对旅客出行的舒适度、航司的运营、机场的资源调度以及运行效率都有着重大的影响,然而目前行业内对于分区运行规划的原则及方案并未统一,因此,研究机场多航站区的分区运行具有重要意义。

鉴于此,首先通过文献调研法和德尔菲法识别出多航站区分区运行的影响因素。为克服传统解释结构模型(interpretative structural modeling method, ISM)在反映因素间相互作用时较为单一的局限性,提高交叉影响矩阵相乘法(cross-influence matrix multiplication method, MICMAC)在因素驱动力-依赖性分析时的灵敏度[14],引入模糊集理论将因素之间的关联性模糊化,构建对抗解释结构模型-模糊交叉影响矩阵相乘法(adversarial interpretive structure modeling method-fuzzy cross-influence matrix multiplication method, AISM-FMICMAC)模型,并通过模糊可达矩阵中截距的分布论证截距取值的合理性。最后,结合对抗层级拓扑图以及因素的模糊驱动力、模糊依赖性,将复杂繁多的影响因素层次化、清晰化,为多航站区分区运行设计提供理论依据。

1 分区影响因素体系构建

多航站区的分区运行所涉及的内容较多,是一个复杂的系统工程。查阅中外大型枢纽机场的分区运行现状以及多篇文献资料之后初步得到分区运行相关的影响因素,然后通过德尔菲法进行影响因素筛选,最终从旅客、机场设计、机场运行、机场设施设备、航空公司5个维度筛选出15个主要影响因素。分区运行影响因素体系如表1所示。

表1 多航站区分区运行设计影响因素体系表Table 1 Multi-terminal Area operational design influence factor system table

2 AISM-FMICMAC模型构建

由上述建立的分区影响因素,邀请多位专家对各因素之间的关联度进行评分,再根据评分结果进行模型构建,主要建模流程如图1所示。

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

2.1 改进的AISM模型构建

解释结构模型作为结构化模型的一种,是现代系统工程分析中广泛应用的方法[15]。AISM是在ISM的基础上加入生成式对抗网络(generative adversarial networks, GAN)中的博弈对抗(Adversarial)思想,提出的一种新的模型方法。AISM可在保留系统功能完整的情况下,通过相反的层级抽取规则,得出一对最简的层次化拓扑图。其对原始数据无特殊要求可兼容多种分析方法,是一种鲁棒性较强的决策方法[16]。将模糊数学引入到模型中可一定程度上解决专家评分过程中的不确定性和主观偏好[17],使得结果更加准确合理。具体的模型构建步骤如下。

2.1.1 原始关系矩阵

设影响因素集合为S,则S={S1,S2,…,Sn}。通过问卷调查和德尔菲法对分区影响因素Si和Sj之间的二元关系进行判断,得到初始关系矩阵D=(dij)n×n,dij∈(0,10),其中dij为因素之间的原始关联强度。

2.1.2 模糊邻接矩阵

(1)

式(1)中:Max(dij)为原始矩阵D中的最大值元素。

2.1.3 模糊可达矩阵

(2)

=(bi1⊙b1j)⊕(bi2⊙b2j)⊕…⊕

(bin⊙bnj)

=(bi1∧b1j)∨

(bi2∧b2j)∨…∨(bin∧bnj)

(3)

(4)

2.1.4 阈值λ和水平截距阵

(5)

2.1.5 可达矩阵

在2.1.4节中经过多次计算,选择合理的分层划分阈值λ得到的水平截距阵Rλ,即邻接矩阵Aλ=(aij)n×n,再通过式(6)求出可达矩阵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 一般性骨架矩阵

2.1.7 对抗层级拓扑图

由可达矩阵R,可得到先行集A(Si)、可达集R(Si)、共同集C(Si)。先行集A(Si)为能够对因素Si产生影响的其他所有因素集合。可达集R(Si)为能够被因素Si所影响的其他所有因素的集合。共同集为可达集与先行集的交集。

A(Si)={Sj|Sj∈S,Sji=1}

(7)

式(7)中:Sji为第j行第i列元素,Sji=1表示可达矩阵R的每一列Sj中为1的元素。

R(Si)={Si|Si∈S,Sij=1}

(8)

式(8)中:Sij为第i行第j列元素,Sij=1表示可达矩阵R的每一行Si中为1的元素。

C(Si)={Si|Si∈S,A(Si)∩R(Si)}

(9)

(1)UP型层级拓扑图。即通过结果优先的层级划分抽取方式,抽取规则为:C(Si)=R(Si)。可达集与共同集相同时,所抽取的元素放在上层,抽取的放置顺序是从上往下[18]。

(2)DOWN型层级拓扑图。即通过原因优先的层级划分抽取方式,抽取规则:C(Si)=A(Si)。先行集与共同集相同时,所抽取的元素放在下层,抽取的放置顺序是从下往上[18]。

2.2 水平截距分布

(10)

式(10)中:zλ为模糊可达矩阵中截距为λ的数量;n为模糊可达矩阵的阶数。

2.3 基于FMICMAC的分区影响因素分析

采用Fuzzy-MICMAC方法确定影响因素的模糊依赖性Qi与模糊驱动力Hi,同时分析因素在体系中所处的位置及其作用。

(11)

(12)

3 实例分析

实例分析以粤港澳大湾区某干线机场的远期规划为例。该机场远期总体规划可满足旅客终端年航班起降54×104架次,旅客吞吐量8 000万人次,其中国内旅客占比70%,国际旅客占比30%。该机场现有两条跑道、3座航站楼(东航站楼、T3航站楼、S1卫星厅),并规划新建第3条跑道以及T4航站楼。以该机场为例,在T3航站楼、T4航站楼、东航站楼、卫星厅共同运行的背景下,即4个航站楼3个航站区的模式下,运用AISM-FMICMAC模型进行机场多航站区分区运行设计影响因素研究。

3.1 AISM-FMICMAC应用

表2 模糊可达矩阵Table 2 Fuzzy reachability matrix

合理的取值能够反映出影响因素之间真实的关联性[21],由模糊可达矩阵可得阈值集合为{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},经过多次迭代计算后可知:当λ=0.67时,模型能够给呈现出较好的解释结果。并由式(5)得出阈值为0.67的截距阵R0.67,再通过式(6)可计算出表3中的可达矩阵R。

表3 可达矩阵Table 3 Reachability matrix

蓝色区域中的要素为活动要素;L1～L5表示各因素所处的不同层级图2 对抗层级拓扑图Fig.2 Confrontation hierarchy topology diagram

图3 FMICMAC分析Fig.3 FMICMAC analysis

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

表5 对抗层级抽取结果Table 5 Confrontation hierarchy division results

3.2 水平截距分布分析及可达矩阵的建立

3.2.1 水平截距分布分析

由上述已求出的截距,通过式(10)可求出各截距的占比并绘制直方图,如图4所示。可以看出,截距为0.28时占比24%;截距为0.5时占比18%;截距为0.56时占比11%;截距为0.61时和0.67占比相同均为14%;截距为0.72时占比最小,截距最小值为0.28,最大值为0.94。根据表2中模糊可达矩阵中的值可知,截距区间为[0.28,1],但图4中没有将截距为1时考虑入内,即模糊可达矩阵的对角线值,根据自反性原理,式(10)中截距总数为n(n-1)而非n×n。

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

选择截距进行模糊可达矩阵至布尔矩阵的转换时,这一过程会选择那些影响值较为显著的,即高于截距的值而舍去较低值,最后将所得的布尔矩阵作为AISM的输入。因此合理截距选择对模型分析结果至关重要。

最契合模型结果的截距并不一定是所有截距中占比最高的那个。如图4所示,0.28和0.5这两个截距的占比都远高于其他截距,但经过计算后可知两者在最终的层级分层效果较差,没有达到显著性的区分效果。截距0.56、0.61、0.67的占比虽不及0.28和0.5,可以看出,其趋势逐渐上升且趋于平稳。通过计算比较发现三者中截距取0.67时,模型能够得到较好的解释结果,经过多次的测算后发现截距的取值一般处于截距区间中段,截距较大或较小都会导致后续的AISM要素层级划分过于堆积。

3.2.2 可达矩阵建立

上述两种不同的求解方式在相同截距下所得出的可达矩阵结构一致,但两者的求解效率却有很大区别。模糊可达矩阵的截距阵数量是小于等于模糊矩阵的截距阵数量,并且模糊可达矩阵的截距阵自身便是可达矩阵。选择第一种方式的意义在于模糊可达矩阵。通过模糊可达矩阵既可以进行FMICMAC分析,提高传统MICMAC分析的灵敏度,同时可以更快地进行截距分布分析,对截距选取的合理性进行预先判定,最终结合计算结果给出最优截距值。

3.3 AISM影响因素层次结构分析

如图2中的UP型(左侧)和DOWN型(右侧)层级拓扑图所示,蓝色区域因素S11(航站楼内旅客服务设施的完备性)为孤立因素。S11既没有指出方向的有向线段也没有指进的有向线段,即该因素在整个系统中较为独立,与其他因素不产生交互影响。从FMICMAC分析(图3)也可知,S11的依赖性和驱动力都较低、影响也较小。

存在活动要素的拓扑系统为可变拓扑系统或者拓扑活动系统,不存在活动要素的系统为拓扑刚性系统。图2中蓝色区域中的要素为活动要素,故整个系统为可变拓扑系统。活动要素处在对抗层级拓扑图中不同的层级并可进行层级跃迁。

整个系统中存在3个回路,即S1和S2、S7和S12、S8和S9,这些因素之间具有强关联可以作为一个要素或一个整体。在实际的分区运行设计时可将回路缩减为单个整体进行考虑从而提高分析的准确率和效率。

整个系统因素分为5个层级和3个发展进程。由影响因素对抗层级抽取规则,形成从上到下L1～L5形式的因素重要度阶梯分布。有向线段指向表示可达,即原因到结果。不考虑孤立因素的因果层级系列如表6所示。由于是可变拓扑系统,故UP型和DOWN型的因果系列并不相同。3个发展进程是指孤立因素去除之后将因素层级划分为:上层、中层、下层。

表6 因果层级Table 6 Cause and effect hierarchy

下层因素呈现出很强的原因属性,对其他因素产生影响,在拓扑图中只发出有向线段。因此对图中的下层因素求并集可得到根本层因素{S1,S2}∪{S4,S1,S2}={S1,S2,S4},即整个系统的根本因素为S1、S2、S4。这些因素可直接或间接的影响系统内的其他因素,对于多航站区的分区运行来说,这些因素对分区之后的运行效率起着主导作用,在分区时应该重点关注。

上层因素即结果层因素,处在系统的最高层。不发出有向线段仅受其他因素影响,对上层因素求并集可得结果层因素{S8,S9}∪{S8,S9,S10}={S8,S9,S10},此3个因素是影响分区运行效率的最直接的因素,系统中其他因素的影响都需要通过上层因素得到实现,具有很强的结果属性。

中间层因素也可称为过渡层因素。它们既受下层因素的影响同时又将影响传递给结果层因素。本系统内的中间层要素分布在L2～L4层级内,这8个过渡层因素是影响分区运行效率的核心因素,因此在设计时需要优先考虑以保证整个系统的稳定性。

3.4 FMICMAC分析

由图3中的分区影响因素FMICMAC分析可知,15个影响因素分为如下三类。

(1)处在Ⅱ类的自治因素。此类因素有S3(各航空公司中转和国际旅客占比)、S4(机坪布局形式)、S6(机场滑行道布局的合理性)、S11(航站楼内旅客服务设施的完备性)、S13(基地航空公司飞机数量在该机场占比情况)。Ⅱ类因素在整个系统中有着承上启下的作用,与底层和深层因素之间关联度较低。S13和S4的驱动力值较高但依赖性值相对较低,即该类因素对其他因素有较大影响而受其他因素影响较小,故此类因素在分区中应该优先考虑以提升整个体系的稳定性。

(2)处于Ⅰ类的独立因素,包括S1(各航空公司年旅客吞吐量)、S2(各航空公司高峰小时旅客数量)、S14(廉价航空公司飞机数量在该机场占比情况)、S15(各航空公司飞机机型及其比例)。此类因素具有较高的驱动力和较低的依赖性,在整个系统里较少依赖其他因素而对其他因素都有着间接或直接的影响,对航站区的分区来说是作为关键和根本的因素,尤其是航司的年旅客吞吐量以及高峰小时旅客数量需要重点把握。

(3)从FMICMAC分析图(图3)中可以看出,没有依赖性和驱动力都强的影响因素存在。

(4)处于Ⅲ类的依赖因素,包括S5(机位类型与数量)、S7(机场勤务道路的通达性)、S8(跑道运行模式)、S9(机位分配与使用策略)、S10(机场地面保障资源调度系统的效率)、S12(分散式航站楼间捷运系统通达性),此类因素驱动力较低而依赖性较高,因素间的关联较为复杂且容易受到其他因素的影响。依赖因素大多处于系统的上层,对底层和过渡层因素的依赖性较高,但此类因素对分区运行效率的影响十分显著,如S11航站楼内旅客服务设施的完备性对于S12航站楼间捷运系统通达性有着明显的提升进而影响旅客值机进程和航站楼内的运行效率。

3.5 多航站区分区运行的策略分析

(1)对进行多航站区的分区设计时应该重点考虑被划分进相应区域航空公司的年旅客吞吐量和高峰小时旅客数量。作为影响分区的根本因素,在机场的运行和效益等方面都占据重要位置。一些大型的枢纽机场会设置专门化的航站区,能够进行客源的集中,并吸引旅客数较多的航空公司入驻,可以为机场带来的更多收益的同时也面向旅客提供差异化的需求。

(2)大型的枢纽机场其中转旅客占据很大比例。因此,对于此类的机场航站区分区需要注意的是机坪的布局,若机位也随着航站楼的分区而进行分区管理,这对于航班的日常保障以及旅客的乘机来说也带来了便利性,所以应该加强机位和和航站楼之间的协调性以满足不同中转旅客和国际旅客的便利性需求。

(3)为了保障分区之后运行的稳定性,应该完善航站楼内的旅客服务设施,简化航站楼内旅客的登机流程。同时应该提高不同航站楼之间捷运系统的通达性以便旅客的中转和换乘。对于那些较大跨越性的航站楼单体或多元结构设计,必须完善航站楼间的功能设施,建设空侧捷运系统,同时加强行李系统的跨区中转及保障等功能。

4 结论

鉴于当下中外大型枢纽机场的多航站楼、多机坪运行现状及发展规划,构建AISM-FMICMAC模型对影响多航站区分区运行的各因素进行分析,得出如下结论。

(1)基于文献调研和德尔菲法综合分析得到机场多航站区分区运行设计的影响15个因素,具体涵盖旅客、航空公司、机场设施设备、机场设计以及机场运行5个方面。

(2)运用模糊集理论对AISM-FMICMAC方法进行改进,克服专家评估过程中的主观性以及个人偏好同时提高MICMAC分析时的灵敏度。由模糊可达矩阵两种不同的求解路径和截距分布得出截距分布图,验证其对于截距取值的合理性。

(3)运用AISM-FMICMAC方法将多航站区分区的影响因素分别划分为独立因素、联系因素、自治因素、依赖因素四类,并对其进行量化和分层,直观展示出不同层级因素对分区运行规划的影响。直接层影响因素为跑道运行模式和机位分配与使用策略,深层次影响因素为航空公司的年旅客吞吐量和高峰小时旅客数。

(4)根据AISM和FMICMAC分析提出相应的分区运行策略,为机场的多航站区分区运行设计提供理论支撑。