Verringerung der durch Taxis verursachten Emissionen auf Flughäfen mit störungsorientierter Standplatzzuweisung

Das Flughafenmanagement steht häufig vor der Aufgabe, die Flugzeugabstellpositionen möglichst effizient zu verwalten und dabei Umweltvorschriften und Kapazitätsbeschränkungen einzuhalten. Häufig wird diese Aufgabe zusätzlich durch verschiedene Störungen beeinflusst, die sich auf die Pünktlichkeit des Flughafenbetriebs auswirken. In diesem Beitrag wird ein innovativer Ansatz für eine effiziente Standplatzzuweisung vorgestellt, der die stochastische Natur der Flughafenumgebung und die Emissionsminderungsziele der modernen Luftverkehrsbranche berücksichtigt und aufzeigt, wie dasselbe Verfahren zur Erstellung einer Standplatzzuweisung dazu beitragen kann, ein Emissionsminderungspotenzial zu ermitteln. Dieser Beitrag veranschaulicht die Anwendung der vorgestellten Methodik in Kombination mit Simulationen und demonstriert die Auswirkungen der Anwendung von Bayes'scher Modellierung und metaheuristischer Optimierung zur Reduzierung von taxibezogenen Emissionen.

Einleitung

Moderne Flughäfen stehen vor der globalen Herausforderung, die Schadstoffemissionen deutlich zu reduzieren und einen kohlenstoffneutralen Betrieb anzustreben, während sie gleichzeitig mit dem rasanten Wachstum des Luftverkehrs fertig werden und das erforderliche Serviceniveau aufrechterhalten müssen (ICAO 2019a). Die durch Flughafenaktivitäten verursachten Emissionen beeinflussen die lokale Luftqualität an und um Flughäfen. Eine der wichtigsten Emissionsquellen am Flughafen ist der Flugbetrieb, wie Landung, Rollen und Start (ICAO 2019b). Daher wird neben technologischen Innovationen und dem Umstieg auf nachhaltige Flugkraftstoffe auch die Verbesserung der Effizienz dieser Vorgänge im Rahmen der globalen Maßnahmen der Luftverkehrsbranche berücksichtigt (ATAG 2020).

Die Höhe der Emissionen, die während des Rollens auf dem Flughafen entstehen, hängt von der Menge des verbrauchten Treibstoffs und der Zeit ab, die ein Flugzeug zwischen der ihm zugewiesenen Parkposition (Standplatz) und der Einfahrt in die Landebahn bzw. der Ausfahrt aus der Landebahn verbringen muss. Im Allgemeinen kann mehr als ein Drittel der gesamten Flugzeugemissionen außerhalb der Reiseflugphase während des Rollens verursacht werden (Fleuti und Maraini 2017). Daher müssen die Flugzeuge so zugewiesen werden, dass die Rollstrecke und die Rollzeit minimiert werden, um den Treibstoffverbrauch und die damit verbundenen Emissionen zu reduzieren.

Ein Standplatzzuweisungsplan kann oft durch kurzfristige Änderungen des Flugplans während des Tages gestört werden. Solche Änderungen können zu längeren Abfertigungszeiten und einer Verschlechterung der Flughafenleistung führen. Dies kann dazu führen, dass einige Flugzeuge am Boden und andere in der Luft in der Flughafen-TMA warten müssen, was zu einem höheren Treibstoffverbrauch und zusätzlichen Emissionen führt. Ein ineffizientes Management der Abfertigungseinrichtungen kann zu einer Ausbreitung von Flugplanstörungen auf die nachfolgenden Flüge und die angeschlossenen Flughäfen führen, was sich ebenfalls auf das Emissionsniveau auswirkt. Daher ist es notwendig, die Abfertigungseinrichtungen, wie z. B. Standplätze, effizient zu verwalten, um die Auswirkungen von Störungen im Flugplan abzumildern und gleichzeitig die beim Rollen entstehenden Schadstoffemissionen zu verringern.

Das Problem der Standplatzzuweisung (auch Standzuweisungsproblem genannt), das in dieser Arbeit behandelt wird, wurde bereits von vielen Forschern angegangen. Allerdings haben nur einige von ihnen die Stochastizität des Flughafenbetriebs in ihrer Methodik berücksichtigt. Um die Zahl der Konflikte bei der Standplatzzuweisung und die damit verbundenen Wartezeiten für die Flugzeuge zu verringern, wird häufig eine bestimmte Leerlaufzeit zwischen zwei aufeinanderfolgenden Flügen auf einem Standplatz festgelegt. Diese Leerlaufzeit wird als Pufferzeit bezeichnet und hat sich bei Flugabweichungen von bis zu 30 Minuten als das beste Mittel erwiesen (Hassounah und Steuart 1993; Yan und Chang 1998; Yan und Huo 2001; Yan et al. 2002). Nichtsdestotrotz können solche Maßnahmen die Kapazität von Flughafenterminals erheblich verringern und sollten daher auf modernen überlasteten Flughäfen vermieden werden.

Wartezeiten im Leerlauf und Rollvorgänge tragen Schätzungen zufolge am meisten zum Treibstoffverbrauch von Flugzeugen und zu den Flughafenemissionen bei (Nikoleris et al. 2011). Aus diesem Grund haben sich viele Forscher dem Ziel genähert, die Wartezeiten im Leerlauf zu reduzieren und den Fußabdruck beim Rollen zu optimieren. Duinkerken et al. (2013), Li und Zhang (2017) schätzten, dass die Verwendung eines einmotorigen Ansatzes, eines externen Elektromotors und von Schleppquellen für das Rollen die Emissionen erheblich reduzieren kann. Tsao et al. (2009) wiesen nach, dass die Wartezeit von Flugzeugen am Boden durch die Optimierung von Roll- und Startsequenzen reduziert werden kann. Die von Khadilkar und Balakrishnan (2012), Simaiakis et al. (2014) und Ashok et al. (2017) angewandten Methoden der Pushback-Steuerung, des Gate-Holdings und der Optimierung der Abflugsequenz (Simaiakis und Balakrishnan 2016) zeigten eine signifikante Verringerung der Emissionen im Zusammenhang mit der Überlastung von Rollwegen und Startbahnen.

Obwohl die vorgenannten Methoden nachweislich den ökologischen Fußabdruck verringern, führten einige von ihnen auch zu einer Erhöhung der Standplatzbelegungszeiten und damit zu einer erheblichen Verringerung der Flughafenkapazität, was auf überlasteten Flughäfen problematisch werden kann. Darüber hinaus wurden in diesen Arbeiten weder Störungen der Ankunftszeit von Flügen noch das Rollen von der Start- und Landebahn zu den Ständen (die Taxi-in-Phase) berücksichtigt, die die Rollzeit und die damit verbundenen Emissionen erheblich beeinflussen können (Hao et al. 2016). Um die Lücke in diesem Bereich zu schließen und dem Luftverkehrsmanagement eine Methode an die Hand zu geben, mit der sowohl die Effizienz als auch die Umweltauswirkungen der Standplatzzuweisung verbessert werden können, wird in diesem Beitrag vorgestellt, wie diese beiden Ziele bei der Standplatzzuweisung kombiniert werden können, und es wird gezeigt, wie sie mithilfe von Simulationstechniken erreicht werden.

In diesem Beitrag wird eine bi-objektive Anwendung eines Standplatzzuweisungsansatzes vorgestellt, der zuvor von Bagamanova und Mujica Mota (2020) eingeführt wurde, um verschiedene Standplatzzuweisungsstrategien im Hinblick auf ihre Empfindlichkeit gegenüber Störungen des Flugplans und des ökologischen Fußabdrucks zu evaluieren. Die vorgestellte Methode kombiniert die Vorteile von Data-Mining und evolutionärer Optimierung, um eine Standzuweisung zu generieren, die die Emissionen minimiert, und durch die Verwendung von Simulationen wird die Effizienz gegenüber möglichen Planabweichungen und der damit verbundenen Emissionsreduzierung nachgewiesen. Der vorgestellte Ansatz lernt Wahrscheinlichkeiten von Flugplanabweichungen in Abhängigkeit von Merkmalen der geplanten Flüge mit Hilfe der Bayes'schen Mehrebenenmodellierung (Bürkner 2017) aus historischen Flughafenleistungsdaten. Diese Wahrscheinlichkeiten werden dann verwendet, um den wahrscheinlichsten Grad der Abweichung für jeden Flug im Zielflugplan zu berechnen. Die berechneten Abweichungen werden dann bei der Generierung der Standplatzzuweisung berücksichtigt, die im Hinblick auf das Ziel der Minimierung der beim Rollen eines Flugzeugs entstehenden Emissionen optimiert wird.

Dieser Beitrag wird wie folgt fortgesetzt. In Abschnitt 2 wird die Methodik der Standplatzzuweisung beschrieben. In Abschnitt 3 werden eine Fallstudie und die Ergebnisse von Simulationsexperimenten vorgestellt. Schlussfolgerungen und weitere Forschungsarbeiten werden in Abschnitt 4 vorgestellt.

Methodik

Die in diesem Papier vorgestellte Methode der Standplatzzuweisung besteht aus dem Zwei-Modul-Ansatz und Experimenten in einem Simulationsmodell. Der zweimodulige Ansatz generiert optimierte Standplatzzuweisungen auf der Grundlage des Zielflugplans, historischer Daten über Flugplanstörungen in der vorangegangenen Periode und benutzerdefinierter Zuweisungsrichtlinien und Optimierungsziele. Anschließend werden die erhaltenen Zuweisungen in einem Simulationsmodell geschätzt, das die Bewertung der Qualität des ökologischen Fußabdrucks der mit dem Zwei-Modul-Ansatz generierten Standplatzzuweisungen unter Berücksichtigung der Stochastizität eines realen Flughafensystems ermöglicht.

Beschreibung des Algorithmus

Dieser Abschnitt enthält eine kurze Beschreibung des Zwei-Module-Ansatzes, der optimierte Standplatzzuweisungen generiert. Eine allgemeinere Beschreibung ist bei Bagamanova und Mujica Mota (2020) zu finden.

Der Zwei-Module-Ansatz besteht aus zwei Elementen. Modul I schätzt die Wahrscheinlichkeiten von Flugplanabweichungen aus den historischen Daten des Flughafens. Diese Wahrscheinlichkeiten werden in Form von Bayes'schen Verteilungsmodellen ausgedrückt und beschreiben eine Wahrscheinlichkeit für bestimmte Niveaus von Flugplanabweichungen für verschiedene in den historischen Daten verfügbare Flugcharakteristika (z. B. Name der Fluggesellschaft, geplante Ankunftszeit und Wochentag). Durch die Berücksichtigung wahrscheinlicher Störungen bei der Zuweisungsplanung sollen die Leerlaufzeiten, die Flugzeuge beim Warten auf die geplante Standzeit verbringen müssen, und die damit verbundenen Emissionen reduziert werden.

Modul II weist den Zielflugplan den verfügbaren Ständen zu, wobei die benutzerdefinierten Zuweisungsrichtlinien und -beschränkungen beachtet werden und die wahrscheinlichsten oder benutzerdefinierten Wahrscheinlichkeitsstufen von Flugplanstörungen bei den Standbelegungszeiten berücksichtigt werden. Anschließend wird die generierte Zuweisung mit einem genetischen Algorithmus entsprechend den vom Benutzer festgelegten Optimierungszielen optimiert. Das Ergebnis einer solchen Optimierung ist nicht notwendigerweise eine optimale Lösung, aber die im genetischen Algorithmus verwendete Zufälligkeit in Form von Crossover- und Mutationsoperatoren ermöglicht es uns, in angemessener Zeit eine qualitativ gute Lösung zu erhalten (Bagamanova und Mujica Mota 2020). Die sich daraus ergebende Standplatzzuweisung berücksichtigt die Stochastizität in Form von Standplatzbelegungszeitabweichungen, die aus den Verteilungsmodellen für Planabweichungen generiert werden.

Zielsetzung der Optimierung

Um die Effizienz der Standplatzzuweisung zu erhöhen und den Schadstoffausstoß zu verringern, der durch die Flugbewegungen am Boden und die Wartezeit der Flugzeuge auf einen freien Standplatz entsteht, wurde in der Optimierungskomponente von Modul II des Zwei-Module-Ansatzes die folgende bi-objektive Optimierungszielfunktion implementiert
min(w₁ ∗ O_taxi+ w₂ ∗ O_hold)(1)
Die Zielfunktion (1) besteht aus den folgenden Einzelzielen:

• Minimierung der Taxidistanz zu und von den Parkpositionen und damit der damit verbundenen Emissionen:
  O taxi = dsched.taxi ⁄ Max dairport
• Minimierung der Anzahl der auf Standplätze wartenden Flugzeuge und damit der Leerlaufnutzung der Triebwerke:
  O hold = ∑fl. hold ⁄ ∑ fl.

Wobei:

• dsched.taxi ⁄- die durchschnittliche Taxistrecke zum und vom Standplatz im zugeteilten Flugplan;
• Max dairport die maximal mögliche Rollstrecke auf dem Flughafen bei der betrachteten Pistenkonfiguration;
• ∑fl. hold - die Anzahl der Flugzeuge, die auf die Verfügbarkeit des Standplatzes warten müssen;
• ⁄ ∑ fl - die Gesamtzahl der Flugzeuge im Flugplan, die zugeteilt werden müssen;
• wn - Prioritätsgewicht für das entsprechende Ziel. Im Rahmen dieses Papiers sind alle Gewichtungen gleich 1, um eine für beide betrachteten Ziele gleichermaßen ausgewogene Standplatzzuweisung zu erhalten. Für die praktische Anwendung können die verschiedenen Interessengruppen des Flughafens die Gewichte auf der Grundlage ihrer Präferenzen festlegen.

In der ursprünglichen Implementierung des Zwei-Module-Ansatzes von Bagamanova und Mujica Mota (2020) beinhaltete die Optimierungszielfunktion in Modul II auch die Maximierung der Nutzung von Kontaktständen, was für viele Flughäfen eine allgemeine Präferenz darstellt, da so die Vorteile des Terminalgebäudes im Hinblick auf das Passagiererlebnis voll ausgeschöpft werden können und die Anzahl der Bodenabfertigungsfahrzeuge auf dem Vorfeld reduziert wird. Dennoch könnte es interessant sein, die Umweltkosten der vorrangigen Nutzung von Kontaktständen in der Optimierungskomponente in zukünftigen Arbeiten zu untersuchen.

FALLSTUDIE: INTERNATIONALER FLUGHAFEN MEXIKO CITY

In diesem Abschnitt wird die Anwendung des Zwei-Module-Ansatzes zur Ermittlung umweltfreundlicherer Standplatzzuweisungsstrategien für einen Fallstudienflughafen erörtert.

Allgemeine Informationen

Der internationale Flughafen von Mexiko-Stadt (IATA-Code: MEX) ist der wichtigste Flughafen Mexikos mit etwa 450 Tausend Starts und Landungen pro Jahr. Es gibt zwei Terminalgebäude, die durch zwei parallele Start- und Landebahnen getrennt sind. Diese Start- und Landebahnen werden aufgrund ihrer Nähe zueinander nie gleichzeitig betrieben. Diese Anordnung schränkt die Kapazität des MEX ein, und seit 2017 ist er offiziell auf 61 Flugbewegungen pro Stunde mit maximal 40 Landungen beschränkt (SCT 2017).

Im Rahmen dieses Beitrags wird davon ausgegangen, dass 26 Fluggesellschaften in zwei Terminals im MEX tätig sind und sowohl internationale als auch inländische Flüge durchführen. Von den insgesamt 91 Standplätzen, die am MEX zur Verfügung stehen, wurden in diesem Papier nur 84 berücksichtigt, da der Rest nicht für Passagierflüge genutzt wird. Terminal 1 verfügt somit über 11 offene und 33 Kontaktstände, von denen 16 für Inlandsflüge und 17 für internationale Flüge bestimmt sind. Terminal 2 verfügt über 17 offene Stände und 23 Kontaktstände, von denen 13 für Inlandsflüge und 10 für internationale Flüge genutzt werden.

Flugplanunterbrechungen und Emissionen

Auf globaler Ebene verursachte Mexiko im Jahr 2018 etwa 1,5 % der mit dem weltweiten Fluggastverkehr verbundenen Emissionen (Graver et al. 2019). MEX befindet sich in unmittelbarer Nähe der städtischen Gebiete von Mexiko-Stadt, wodurch der Flughafen die Luftqualität und die Lärmbelastung in der Stadt erheblich beeinträchtigt. Nach Angaben von SEDEMA (2018) verursacht MEX etwa 15 % der gesamten Schadstoffemissionen von Mexiko-Stadt.

Im Jahr 2017 ist Mexiko offiziell einer globalen Initiative für einen kohlenstoffneutralen Luftverkehr (ICAO 2020) beigetreten, was bedeutet, dass alle Flughäfen des Landes die ICAO-Richtlinien und -Standards zur Emissionsreduzierung einhalten müssen. Trotz dieser Tatsachen wurden auf der offiziellen MEX-Website bis zum Zeitpunkt der Erstellung dieses Artikels weder offizielle Schätzungen der Flughafenemissionen veröffentlicht noch Maßnahmen zur Verringerung des ökologischen Fußabdrucks des Betriebs bekannt gegeben.

MEX leidet häufig unter Pünktlichkeitsproblemen. Im Jahr 2018 wurden nur 67 % aller Flüge pünktlich durchgeführt (SCT 2019), wobei mehr als 20 % der abfliegenden Flüge im Durchschnitt 46 Minuten verspätet waren (Flightstats 2018). In Anbetracht eines solch hohen Maßes an Störungen und des jüngsten Engagements in der globalen Initiative zur Verringerung des Schadstoff-Fußabdrucks ist MEX ein gutes Ziel für die Anwendung des Zwei-Module-Ansatzes, um das verborgene Potenzial zur Emissionsreduzierung im Zusammenhang mit der Standplatzzuweisungsplanung zu entdecken.

Umsetzung des Zwei-Module-Ansatzes

Als Eingangsdaten für diese Studie wurde ein offizieller Leistungsbericht für den Zeitraum vom 28.05.2018 bis zum 03.06.2018 verwendet, der vom Internationalen Flughafen von Mexiko-Stadt (2018) abgerufen wurde. Dieser Bericht enthielt mehr als 8.000 Flüge mit tatsächlichen und geplanten Ankunftszeiten, Flugnummern, Namen der Fluggesellschaften und Typ des verwendeten Flugzeugs. In der ausgewählten Woche wichen etwa 7 % der ankommenden Flüge um mehr als eine Stunde von ihrem Zeitplan ab. Bei mehr als 53 % der planmäßigen Ankünfte kam es zu einer erheblichen Verspätung von mehr als 15 Minuten, was für einen überlasteten Flughafen eine erhebliche Störung darstellt.

Da keine aktuellen Daten über die Abfertigungszeiten und die Korrespondenz zwischen ankommenden und abfliegenden Flugzeugen vorlagen, wurde davon ausgegangen, dass in den durchgeführten Experimenten nur ankommende Passagierflüge aus dem erhaltenen Bericht verwendet wurden und die Abfertigungszeit für alle Flüge 60 Minuten betrug. Durch diese Einschränkungen wurde die Anzahl der Flüge auf 3.914 Ankünfte reduziert, von denen 31,7 % internationale Flüge und 68,3 % Inlandsflüge waren.

Die ausgewählten Daten von 3.914 Flügen wurden in Modul I verarbeitet und die Bayes'schen Modelle für Ankunftszeitabweichungen wurden erstellt, wobei die Korrelation der Abweichungen mit dem Namen der Fluggesellschaft und der Stunde der geplanten Ankunft angenommen wurde. Eine ausführliche Beschreibung der sich ergebenden Parameter der Regressionsmodelle, aus denen sich das summative Bayes'sche Modell zusammensetzt, und der Ergebnisse von Modul I finden sich in Bagamanova und Mujica Mota (2020).

Modul II schließlich erstellte eine Zuweisung unter Berücksichtigung der wahrscheinlichsten Planabweichungen und der Beschränkungen der Zuweisungspolitik und optimierte sie gemäß der Zielfunktion (1). Da der Zwei-Modul-Ansatz als effektiverer Ersatz für die traditionell verwendeten Pufferzeiten angesehen wird, wurden für die Generierung der Standplatzzuweisung in Modul II absichtlich keine Pufferzeiten zwischen aufeinanderfolgenden Flügen, die demselben Standplatz zugewiesen sind, hinzugefügt. Die daraus resultierenden Zuweisungsstatistiken sind in Abbildung 1 dargestellt.

Jeder Flughafen hat seine eigenen Beschränkungen für die Standplatzzuweisung, die eine bestimmte Nutzung der Standplätze implizieren. Die folgenden Einschränkungen werden in dem vorgestellten Algorithmus berücksichtigt:

• Inlands- und Auslandsflüge müssen den spezifischen Standplätzen in den vorgesehenen Zonen zugewiesen werden. Dabei handelt es sich um interne Vorgaben des Flughafens, z. B. werden internationale Flüge den Standplätzen zugewiesen, die Zugang zu den vorgesehenen Grenzkontrollbereichen haben;
• Flugverspätungen müssen bei der Zuweisung berücksichtigt werden (gemäß den bedingten Wahrscheinlichkeitsverteilungen aus Modul I). In dieser Arbeit werden nur Ankunftsverspätungen berücksichtigt, da keine Daten über die Bodenabfertigung und die Entsprechung zwischen ankommenden und abfliegenden Flugzeugen verfügbar sind;
• Ein zugewiesener Standplatz muss der Größe eines Flugzeugs entsprechen (große Flugzeuge benötigen aufgrund ihrer größeren Spannweite mehr Platz). Dies wird durch die Identifizierung der zulässigen Standplätze für jeden Flug auf der Stufe der Verarbeitung der Eingabedaten in Modul II umgesetzt.

Abbildung 1: Zuweisungsstatistik für die von Modul II generierte Standplatzzuweisung.

Wie aus Abbildung 1 ersichtlich ist, wurden die meisten Flüge Standplätzen zugewiesen, die nicht allzu weit von den Start- und Landebahnen entfernt sind. Im Terminal 1 wurden etwa 61,1 % der planmäßigen Flüge einem Standplatz zugewiesen, der näher als die durchschnittliche Rollstrecke des Terminals 1 von 4,2 km zur Start- und Landebahn liegt; im Terminal 2 wurden 61,3 % der Flüge einem Standplatz zugewiesen, der weniger als die durchschnittliche Rollstrecke des Terminals 2 von 5,6 km beträgt. Natürlich mussten einige der Flüge aufgrund von Zuweisungsbeschränkungen, ausgewiesenen Grenzkontrollzonen und der Nichtverfügbarkeit von näher gelegenen Standplätzen weiter entfernt liegenden Standplätzen zugewiesen werden. Dennoch zeigt Abbildung 1 den Erfolg des Algorithmus bei der Minimierung der Rollstrecke.

Eine der Einschränkungen der für diese Studie verwendeten Daten ist die Nichtverfügbarkeit der tatsächlichen historischen MEX-Standplatzzuweisungen. Daher ist es derzeit nicht möglich, die Qualität der Ergebnisse des Zweimodulansatzes mit den tatsächlichen MEX-Standplatzzuweisungen zu vergleichen. Um die Qualität der erhaltenen Zuweisung zu bewerten, wurde die Zuweisung des Zwei-Module-Ansatzes in der Umgebung des MEX-Simulationsmodells getestet, wie im nächsten Abschnitt beschrieben. Eine detaillierte Beschreibung und Validierung dieses Simulationsmodells findet sich in Mujica Mota und Flores (2019).

Simulationsexperimente

Das Hauptziel der Verwendung eines Simulationsmodells in dieser Studie besteht darin, die Auswirkungen der Berücksichtigung von Fahrplanabweichungen bei der Standplatzzuweisung auf die taxibezogenen Emissionen unter realitätsnahen Bedingungen zu bewerten und Möglichkeiten zur Verbesserung der Flughafenleistung und des Emissionsniveaus zu finden. Das in dieser Studie verwendete Simulationsmodell ermöglicht es uns, stochastische Elemente (wie z.B. Stop-Go-Situationen, Warten auf Push-Back am Gate) einzubeziehen, die bei der Zuweisungsgenerierung nicht berücksichtigt wurden, aber in der Realität die Flugzeugbewegungen am Boden beeinflussen.

Für jede Simulationsreplikation wurden die folgenden Leistungsindikatoren verfolgt:

• Gesamtrollstrecke für alle Flugzeuge des zugewiesenen Flugplans: d total taxi = ∑ N
  i=1 (d in i + d out i ) ;
• Gesamtrollzeit für alle Luftfahrzeuge des zugewiesenen Flugplans: t total taxi = ∑ N
  i=1 (t in i + t out i + t wait i ) ;
• Gesamtmenge der taxibezogenen Schadstoffemissionen e total taxi = t total taxi ∗ F NO + t total taxi ∗ F CO ;

wobei:

• d in i - Strecke, die das Luftfahrzeug i von der Startbahnausfahrt bis zum Standplatz zurücklegt;
• d out i - Entfernung, die das Luftfahrzeug i von einem Standplatz zum Startbahneintritt zurücklegt;
• t in i - Zeit, die das Luftfahrzeug i von der Startbahnausfahrt bis zu einem Standplatz zurücklegt;
• t out i - Zeit, die das Luftfahrzeug i von einem Standplatz bis zum Einflug in die Start- und Landebahn verbracht hat;
• t wait i - Zeit, die das Luftfahrzeug i auf die Verfügbarkeit eines Standplatzes wartet;
• F NO und F CO - Emissionsfaktoren für NOx bzw. CO 2;
• i... N - Anzahl der Luftfahrzeuge.

Die Emissionsfaktoren hängen unter anderem von den Motoreigenschaften, der Art des verwendeten Kraftstoffs und dem Gewicht des Flugzeugs ab (ICAO 2019b). Da für den untersuchten Flugplan keine aktuellen Daten zu den Triebwerksspezifikationen und dem Flugzeuggewicht vorliegen, wurde die Menge der Gesamtemissionen e total taxi unter Annahme einer konstanten Rollgeschwindigkeit und der Taxi-Emissionsreferenz für den Airbus A320 (Triebwerk CFM56) berechnet (Europäische Umweltagentur 2016). Dieser Flugzeugtyp wurde ausgewählt, da er bei 55 % der untersuchten Flüge eingesetzt wurde. Weniger als 1 % der untersuchten Flüge wurden mit einem großen Flugzeugtyp durchgeführt, und der Rest der Flüge entfiel hauptsächlich auf die Regionalklasse. Die angepassten Emissionsfaktoren pro Minute Rollzeit sind in der Tabelle dargestellt.

Tabelle 1: Emissionsfaktoren pro Minute Rollzeit.

Typ	Faktor, kg/min
Treibstoffverbrauch	14.52
NOx-Emissionen pro Minute, F NO	0.065196
CO 2 -Emission pro Minute, F CO	1.7604

Die Annahme bestimmter Emissionsfaktoren in diesem Papier dient dazu, eine allgemeine Abschätzung der Auswirkungen der Anwendung des Zwei-Module-Konzepts auf die Flughafenemissionen zu erhalten. Es wird jedoch erwogen, in Zukunft eine detailliertere Berechnung unter Berücksichtigung verschiedener Emissionsfaktoren für alle derzeitigen Flugzeugtypen durchzuführen, sobald mehr aktuelle Daten zu den Flugzeugspezifikationen verfügbar sind.

Zum Zeitpunkt der Durchführung dieser Studie lagen keine Informationen über genaue oder historische Standplatzzuweisungen in MEX vor. Daher wurden die mit dem Zwei-Module-Ansatz generierten Zuweisungen mit einer zufälligen Last-Minute-Zuweisung verglichen, die bei jedem Simulationslauf direkt generiert wird. Bei einer zufälligen Last-Minute-Zuweisung wird ein Flug während der Simulation jedem geeigneten Standplatz zugewiesen, der zum Zeitpunkt des Beginns des Landeanflugs verfügbar ist. Das bedeutet, dass jeder geeignete Standplatz, der zum Zeitpunkt der Entscheidung nicht besetzt ist, unabhängig von seiner Rollstrecke zur Landebahn gewählt werden kann. Da die Auswahl zufällig erfolgt, führt jeder Simulationslauf zu einer unterschiedlichen Nutzung der Standplätze. Da es bei einer solchen Last-Minute-Zuteilung keine vorab geplante Zuteilung gibt, wird davon ausgegangen, dass die Auswirkungen von Flugplanstörungen auf die Standplatznutzung minimiert werden und es weniger Möglichkeiten für Zuteilungskonflikte gibt. Es wird jedoch nicht geschätzt, zu welchen Umweltkosten diese Auswirkungen minimiert werden. In diesem Abschnitt werden die Auswirkungen einer solchen Last-Minute-Zuteilung auf die taxibezogenen Emissionen geschätzt und mit einer proaktiven Zuteilungsplanung verglichen, die mit dem Zwei-Modul-Ansatz durchgeführt wird. Um die Auswirkungen von Fahrplanabweichungen auf die taxibezogenen Emissionen nachzuvollziehen, wurden zudem Simulationsszenarien mit pünktlichen und gestörten Ankünften in diese Studie einbezogen.

Eine Übersicht über die definierten Standplatzzuweisungsszenarien ist in Tabelle 2 dargestellt. Diese Szenarien können wie folgt beschrieben werden:

• Szenario A. Basisfall. Es stellt eine ideale Situation dar, in der alle Flüge pünktlich ankommen und die Standplatzzuweisung nur mit Hilfe von Modul II generiert wird (d. h. eine optimierte Zuweisung ohne Berücksichtigung von Abweichungen).
• Szenario B. Standplatzzuweisung, die nur mit Hilfe von Modul II erstellt wird (d. h. optimierte Zuweisung ohne Berücksichtigung von Abweichungen). Die Flüge kamen mit Ankunftszeitabweichungen an, die auf der Grundlage der in Modul I gelernten Verteilungen der Ankunftszeitabweichungen generiert wurden.
• Szenario C. Standplatzzuweisung, die unter Berücksichtigung der erwarteten Verspätung mit Hilfe von Modul I und Modul II erstellt wurde. Die Flüge kommen mit Ankunftszeitabweichungen an, die auf der Grundlage der in Modul I gelernten Verteilungen der Ankunftszeitabweichungen generiert wurden.
• Szenario D. Ankommende Flüge werden mit Hilfe einer Last-Minute-Zufallszuweisung den Ständen zugewiesen. Die Flüge kommen pünktlich an, entsprechend dem Flugplan.
• Szenario E. Die ankommenden Flüge werden den Ständen nach dem Zufallsprinzip in letzter Minute zugewiesen. Die Flüge kamen mit Ankunftszeitabweichungen an, die auf der Grundlage der in Modul I gelernten Verteilungen der Ankunftszeitabweichungen generiert wurden.

Tabelle 2: Szenarien der Standplatzzuweisung.

Name des Szenarios	Störungen im Flugplan	Berücksichtigte Störungen im Flugplan	Optimierung der Zuteilung	Generierung von Zuweisungen
A	-	-	JA	MODULII
B	JA	-	JA	MODULEII
C	JA	JA	JA	Zweimodul
D	JA	JA	JA	Zufällige letzte Minute
E	JA	-	-	Zufällige letzte Minute

Ziel dieses Beitrags ist es, das verborgene Potenzial für die Verringerung der taxibedingten Emissionen durch eine Optimierung der Standplatzzuweisung zu entdecken. Wie bei der Analyse der generierten Zuteilung in Abschnitt 3.3 festgestellt wurde, hat die derzeitige Verteilung der inländischen und internationalen Bereiche in den Terminals einen erheblichen Einfluss auf die Zuteilungsergebnisse und damit auf die Höhe der taxibezogenen Emissionen. Daher wurde die Lockerung einiger MEX-Beschränkungen in Erwägung gezogen, um zu prüfen, ob eine solche Maßnahme einen Nutzen für den ökologischen Fußabdruck der realen Standzuteilungsvorgänge bringen kann. Daher wurde beschlossen, einige der verfügbaren Zuweisungsbeschränkungen zu ändern und so neue Zuweisungsstrategien zu entwickeln, die keinen größeren Umbau der Flughafeneinrichtungen erfordern würden. Die einzige Bedingung, die für alle simulierten Zuweisungsstrategien strikt beibehalten wurde, ist die Anforderung, dass große Flugzeuge nur den speziell ausgestatteten Ständen zugewiesen werden dürfen. Die neuen Zuweisungsstrategien wurden mit der ursprünglichen Strategie, die strenge Zuweisungsbeschränkungen enthält, durch eine Reihe von Experimenten verglichen, bei denen die Szenarien A bis E ohne die festgelegten Strategien simuliert wurden. Auf diese Weise wurde für jede Zuweisungspolitik die Leistung des Zwei-Module-Ansatzes bei pünktlicher und gestörter Ankunft bewertet und mit der zufälligen Last-Minute-Zuweisung verglichen. Zu den definierten Zuweisungsstrategien gehören die folgenden:

• Gruppe I - Basisfallversuche. Die Standplatzzuweisung erfolgt gemäß den ursprünglichen Zuweisungsbeschränkungen unter strikter Einhaltung des vorgesehenen Terminals und der internationalen/innerstaatlichen Zone.
• Gruppe II - Flugzeuge werden jedem verfügbaren Standplatz im ursprünglich geplanten Terminal zugewiesen. Dies bedeutet, dass sowohl internationale als auch inländische Flüge demselben Standplatz zugewiesen werden können.
• Gruppe III - Luftfahrzeuge können Standplätze in jedem Abfertigungsgebäude wählen, müssen aber die Vorschriften für die zugewiesene Zone einhalten. Dies bedeutet, dass ein Inlandsflug dem Inlandsbereich zugewiesen werden muss, aber dem Inlandsbereich eines beliebigen Abfertigungsgebäudes zugewiesen werden kann.
• Gruppe IV - Luftfahrzeuge können jeder Zone eines beliebigen Terminals zugewiesen werden. Hierbei handelt es sich um eine Zuweisungspolitik ohne Auslegungsbeschränkungen, die eine Annäherung an die minimal mögliche Rollstrecke und die taxibedingten Emissionen für den untersuchten Flugplan ermöglicht.
• Gruppe V - Terminal 1 ist vollständig für Inlandsflüge vorgesehen. Das bedeutet, dass ein ursprünglich für Terminal 2 geplanter Flug, wenn es sich um einen Inlandsflug handelt, dem Terminal 1 zugewiesen wird.
• Gruppe VI - Terminal 1 ist ausschließlich für internationale Flüge vorgesehen. Das heißt, selbst wenn ein Flug ursprünglich für Terminal 2 geplant war, wird er, wenn es sich um einen internationalen Flug handelt, dem Terminal 1 zugewiesen.

Die Verwendung derselben Daten zum Erlernen von Bayes'schen Verteilungsmodellen für Flugplanstörungen und zur Erzeugung von Simulationsexperimenten mit Stochastik kann als eine Einschränkung dieser Arbeit angesehen werden. Dennoch besteht das Hauptziel des vorgeschlagenen Ansatzes darin, die negativen Auswirkungen von Flugplanstörungen auf die Flughafenumgebung zu mildern, und nicht darin, die genaue Verspätung oder verfrühte Ankunftszeit für die geplanten Flüge vorherzusagen. Durch die Berücksichtigung eines bestimmten Wahrscheinlichkeitsintervalls bei der Zuweisungsplanung wollen wir ein Instrument zur Beeinflussung der Robustheit der Standplatzzuweisung bereitstellen. Mit einem größeren Wahrscheinlichkeitsintervall können mehr Störungen berücksichtigt werden; dies könnte jedoch die Kapazität der Standplatzressourcen verringern und kann daher als Einschränkung für einige überlastete Flughäfen angesehen werden. Kleinere Wahrscheinlichkeitsintervalle würden zu geringeren Standplatzsperrzeiten führen, könnten aber die Zahl der Flugzeuge erhöhen, die auf die Verfügbarkeit eines Standplatzes warten. Dieser Zielkonflikt wird in diesem Papier nicht erörtert, soll aber in künftigen Forschungsarbeiten untersucht werden.

Für jede Zuweisungspolitik wurden die Versuche A-E mit jeweils 30 Wiederholungen durchgeführt. Jede Replikation hatte eine Dauer von 7 Tagen plus zusätzliche Stunden für Abweichungen im Ankunftsplan. Im nächsten Abschnitt werden die Ergebnisse der durchgeführten Experimente vorgestellt und erörtert.

Ergebnisse der Experimente

Die Ergebnisse der durchgeführten Experimente wurden szenarienübergreifend verglichen, um eine Zuweisungspolitik zu ermitteln, die eine erhebliche Verringerung der Emissionen ermöglicht. Die Vergleichsstatistiken für die verfolgten Indikatoren für die Experimente der Gruppen I - VI sind in Abbildung 2 - Abbildung 4 dargestellt.

Wie in Abbildung 2 zu sehen ist, weisen die Szenarien A und B ähnliche Werte für die Taxidistanz auf, da sie dieselbe Standplatzzuweisung verwendet haben; Szenario B unterscheidet sich von Szenario A nur durch stochastische Ankunftszeitabweichungen. Die Szenarien D und E ergaben im Allgemeinen einen höheren Wert für die Taxistrecke, da sie die Zuweisung nicht im Hinblick auf eine Minimierung der Taxizeit optimierten. Die niedrigste Taxistrecke wurde in Gruppe V erreicht, die der Zuweisungspolitik entspricht, bei der Terminal 1 vollständig für Inlandsflüge und Terminal 2 für internationale Flüge genutzt wird. Bei dieser Zuweisungspolitik lagen sowohl der Zwei-Module-Ansatz als auch die zufällige Last-Minute-Zuweisung mit einer Differenz von 0,2 % nahe beieinander. Die geringste Taxidistanz weist Szenario E in Gruppe V auf, die um 4,2 % niedriger ist als bei der Zuweisung durch den Zwei-Modul-Ansatz unter der ursprünglichen Zuweisungspolitik in Szenario C Gruppe I. In diesen Experimenten kann die zufällige Last-Minute-Zuweisung, die eine optimierte Standplatzzuweisung übertrifft, durch die Tatsache erklärt werden, dass die Last-Minute-Zuweisung in den Szenarien D und E eine überlappende Zuweisung zum selben Standplatz zuließ, wenn alle anderen geeigneten Standplätze bereits belegt waren. Insgesamt zeigen die in Abbildung 2 dargestellten Ergebnisse, dass durch die Umstrukturierung der Nutzung derMEX -Terminalgebäude und die ausschließliche Nutzung von Terminal 1 für Inlandsflüge die wöchentliche Rollstrecke um 4,2 % reduziert werden kann.

Abbildung 2: Vergleich der gesamten Taxistrecke für die Szenarien A - E durch die Versuchsgruppen.
Bei der in Abbildung 3 dargestellten Gesamtrollzeit ist festzustellen, dass Szenario B aufgrund der stochastischen Abweichungen und der Wartezeiten der Flugzeuge eine größere Variabilität und höhere Mittelwerte aufweist als Szenario A. Der niedrigste Wert für die Rollzeit entspricht Szenario C in Gruppe V, bei dem es sich um die Zuweisung handelt, die durch den Zwei-Modul-Ansatz erzeugt wurde. Die in diesem Szenario erzielte Gesamtrollzeit ist 9 % niedriger als in Szenario C der Gruppe I.

Bemerkenswert ist, dass die Taxi-Zeit in Szenario C über alle Gruppen hinweg immer niedriger ist als in Szenarien mit zufälliger Last-Minute-Zuteilung und bei der Zuteilung nicht berücksichtigten Fahrplanstörungen (B, D und E). Diese Beobachtung lässt den Schluss zu, dass die Berücksichtigung von erwarteten Fahrplanabweichungen bei der Standplatzzuweisung für den Flughafenbetrieb von Vorteil ist, da sie zu kürzeren Rollzeiten aufgrund geringerer Wartezeiten bei der Standplatzvergabe führt.

Beim Vergleich der Gesamtschadstoffemissionen entspricht der niedrigste Wert wiederum der Gruppe V für die Szenarien C (siehe Abbildung 4). Die Menge der Emissionen in der Gruppe V des Szenarios C liegt etwa 9 % unter der Menge, die bei der ursprünglichen Zuteilungspolitik der Gruppe I erzeugt wurde. Die zufällige Last-Minute-Zuteilung in Szenario E führte in der Gruppe V interessanterweise nur zu 3,8 % höheren Emissionen als in Szenario C. Eine solche zufällige Zuteilung wies jedoch bei allen Zuteilungspolitiken eine recht hohe Variabilität auf.

Es fällt auf, dass Abbildung 3 und Abbildung 4 ähnliche Werte aufweisen, was durch die Annahme einheitlicher Emissionsfaktoren für die gesamte Studie erklärt werden könnte. Dennoch könnte es interessant sein, die Experimente in Zukunft mit spezifischeren Emissionsfaktoren zu wiederholen, z. B. angepasst an die BADA (EUROCONTROL 2020), und die Korrelation zwischen Gesamtemissionen und Gesamttaxizeit zu analysieren, um sie zu einem einzigen Optimierungsziel zu kombinieren.

Abbildung 3: Vergleich der Gesamttrollzeit für die Szenarien A - E durch die Versuchsgruppen.
Abbildung 4: Vergleich der gesamten CO 2 + NOx-Emissionen für die Szenarien A - E durch die Versuchsgruppen. Dies bedeutet, dass die Umnutzung der Terminalgebäude und die Umwidmung des Terminals 1 für Inlandsflüge dem MEX unter den in den Experimenten betrachteten Betriebsbedingungen wöchentlich rund 9 % der gesamten Schadstoffemissionen im Vergleich zu den bestehenden Terminalgebäuden einsparen kann.

Schlussfolgerungen und zukünftige Forschung

In diesem Beitrag wird die Anwendung eines innovativen Ansatzes vorgestellt, der Bayes'sche Methoden und eine heuristische Zwei-Ziel-Optimierung zur Lösung des Problems der Standplatzzuweisung in Flughäfen unter dem Gesichtspunkt der Minimierung der damit verbundenen Emissionen kombiniert. Um die Auswirkungen des vorgestellten Ansatzes auf den ökologischen Fußabdruck von Flughäfen zu validieren, wurde die Simulation in die Methodik einbezogen, um die Auswirkungen der stochastischen Natur des realen Systems zu berücksichtigen. In dem vorgestellten Fall zeigte die Methodik einen klaren Nutzen der Berücksichtigung möglicher Flugplanstörungen bei der Planung der Standplatzzuweisung zur Emissionsminderung. Darüber hinaus offenbarte die Anwendung des Zwei-Modul-Ansatzes mit der Lockerung der Zuweisungsbeschränkungen ein verborgenes Potenzial zur Minderung der taxibezogenen Schadstoffemissionen. Im Fall des internationalen Flughafens von Mexiko-Stadt wurden die besten Ergebnisse erzielt, wenn das gesamte Terminal 1 für Inlandsflüge und das Terminal 2 für internationale Flüge genutzt würde. Durch eine solche Umstrukturierung der Terminalgebäude könnten die taxibedingten Schadstoffemissionen im Vergleich zur derzeitigen Nutzung der Terminals wöchentlich um etwa 9 % gesenkt werden.

Im Rahmen künftiger Arbeiten würden in Modul I weitere Variablen wie tatsächliche Abfertigungszeiten und Abflugzeitabweichungen sowie weitere historische Leistungsdaten berücksichtigt, um die erwarteten Störungen genauer zu ermitteln. Wenn mehr historische Daten zur Verfügung stehen, wäre es auch von Vorteil, verschiedene, aber vergleichbare Datensätze zu verwenden, um die Abweichungsmodelle zu lernen und die Simulationsexperimente durchzuführen, um die Genauigkeit der erhaltenen Abweichungsmodelle besser einschätzen zu können. Eine Erweiterung der Optimierungskomponente des Zwei-Module-Ansatzes und der Simulationsstudie mit Spezifikationen für Flugzeugemissionen wird ebenfalls in Betracht gezogen, um eine genauere Schätzung der Emissionen und ihrer Auswirkungen auf die Standplatzzuweisung zu ermöglichen.

Darüber hinaus wäre es interessant, die Qualität der mit zwei Modulen generierten Standplatzzuweisungen mit den historischen (tatsächlichen) Standplatzzuweisungen für denselben Flughafen zu vergleichen und den vorgestellten Ansatz an anderen Flughafenkonfigurationen und Standplatzzuweisungsstrategien zu testen. Darüber hinaus kann untersucht werden, ob die Ziele der Verringerung der Rollwege und der Emissionsreduzierung zu einem einzigen Optimierungsziel kombiniert werden können und welche Auswirkungen es auf das Emissionsniveau hätte, wenn die Wartezeiten der Flugzeuge anstelle der Anzahl der wartenden Flugzeuge berücksichtigt würden. Darüber hinaus wird die Verwendung der aus dem Simulationsmodell gewonnenen Informationen in die Optimierungsschleife einbezogen, um noch qualitativere Lösungen zu erhalten.

Danksagung

Die Autoren danken der Autonomen Universität Barcelona, der Aviation Academy der Fachhochschule Amsterdam für die Unterstützung dieser Studie und der Dutch Benelux Simulation Society(www.dutchbss.org) und EUROSIM für die Verbreitung der Ergebnisse dieser Studie.

Biografien der Autoren

MARGARITA BAGAMANOVA ist Dozentin und Forscherin an der Amsterdamer Hochschule für Angewandte Wissenschaften und Doktorandin an der Abteilung für Luftfahrt und Logistik der Ingenieurschule der Autonomen Universität Barcelona. Ihre Forschung konzentriert sich auf die Anwendung von Simulation, multivariater Optimierung und Bayes'scher Inferenztechniken zur Verbesserung des Flughafenbetriebs. Sie hat in verschiedenen internationalen Fachzeitschriften mit Peer-Review veröffentlicht und an internationalen Konferenzen teilgenommen. Außerdem ist sie seit 2018 aktives Mitglied des Lenkungsausschusses der Dutch Benelux Simulation Society (EUROSIM). Ihre E-Mail-Adressen sind mm.bagamanova@hva.nl und margaritabagamanova@gmail.com.

MIGUEL MUJICA MOTA ist außerordentlicher Professor für Luftfahrtmanagement und leitender Forscher an der Luftfahrtakademie der Amsterdamer Hochschule für angewandte Wissenschaften in den Niederlanden. Er hat einen Doktortitel und einen MSc. in Informatik von der Autonomen Universität Barcelona und einen Doktortitel und MSc. in Operations Research von der Nationalen Universität von Mexiko. Er ist der derzeitige Präsident von EUROSIM, der Föderation der Simulationsgesellschaften in Europa, und Vorsitzender der niederländischen Benelux-Simulationsgesellschaft. Er hat an mehreren internationalen Projekten für die Industrie und Forschungsprojekten teilgenommen, die von der Europäischen Kommission, der Weltbank oder der Privatwirtschaft finanziert wurden. Er ist Mitverfasser von vier Büchern und zahlreichen wissenschaftlichen Arbeiten über Simulation, Operations Research, Luftfahrt, Fertigung und Logistik. Seine Forschungsinteressen liegen im Einsatz von Simulation, Modellierungsformalismen und Heuristiken für die Optimierung und Leistungsanalyse von Luftfahrtbetrieb, Fertigung und Logistik. Seine E-Mail-Adresse lautet m.mujica.mota@hva.nl. Seine Website lautet www.mmujicamota.com.

Proceedings of the 2020 Winter Simulation Conference K.-H. Bae, B. Feng, S. Kim, S. Lazarova-Molnar, Z. Zheng, T. Roeder, und R. Thiesing, eds.

Margarita Bagamanova
Abteilung für Luftfahrt und Logistik, Abteilung C
Autonome Universität von Barcelona
UAB Universitätscampus
Bellaterra, 08193, SPANIEN
Miguel Mujica Mota
Luftfahrt-Akademie
Hochschule für Amsterdam
Applied Sciences 190 Weesperzijde
Amsterdam, 1097 DZ, NIEDERLANDE

Referenzen

Ashok, A., H. Balakrishnan, und S. R. H. Barrett. 2017. "Reducing the Air Quality and CO 2 Climate Impacts of Taxi and Takeoff Operations at Airports". Transportation Research Part D: Transport and Environment 54:287-303. ATAG 2020. Die Luftfahrtindustrie reduziert ihren ökologischen Fußabdruck: Luftfahrt: Benefits Beyond Borders. https://www.aviationbenefits.org/environmental-efficiency/climate-action/, abgerufen am 12. Februar.
Bagamanova, M., und M. Mujica Mota. 2020. "A Multi-Objective Optimization with a Delay-Aware Component for Airport Stand Allocation". Zeitschrift für Luftverkehrsmanagement 83:101757. Bürkner, P.-C. 2017. "Brms: An R Package for Bayesian Multilevel Models Using Stan". Journal of Statistical Software 80(1):1-28. Duinkerken, M., T. Selderbeek, and G. Lodewijks. 2013. "Reducing Emissions of Taxiing at Airports". In the 2013 European Simulation and Modelling Conference, edited by S. Onggo and A. Kavicka, 331-335. Ostende: The European Multidisciplinary Society for Modelling and Simulation Technology.
EUROCONTROL 2020. Base of Aircraft Data. https://www.eurocontrol.int/eec/public/standard_page/proj_BADA.html, Zugriff am 13. April. Europäische Umweltagentur. 2016. European Monitoring and Evaluation Programme/European Environment Agency Air Pollutant Emission Inventory Guidebook. https://www.eea.europa.eu/publications/emep-eea-guidebook-2016, Zugriff am 8. April 2020. Fleuti, E., and S. Maraini. 2017. Taxi-Emissionen am Flughafen Zürich. https://flughafen- zuerich.ch/~/media/flughafenzh/dokumente/das_unternehmen/laerm_politik_und_umwelt/taxi_studie_zurichairport_201712 07.pdf, Zugriff am 10. Februar 2020. Flightstats. 2018. Airport On-Time Performance Reports. https://www.flightstats.com/v2/monthly-performance-reports/airports, abgerufen am 10. Januar 2019. Graver, B., K. Zhang, and D. Rutherford. 2019. CO 2 -Emissionen der kommerziellen Luftfahrt, 2018. https://theicct.org/publications/co2-emissions-commercial-aviation-2018, Zugriff am 12. Februar 2020. Hao, L., M. Hansen, and M. S. Ryerson. 2016. "Fueling for Contingencies: The Hidden Cost of Unpredictability in the Air Transportation System". Transportation Research Part D: Transport and Environment 44:199-210. Hassounah, M., and G. Steuart. 1993. "Demand for Aircraft Gates". Transportation Research Record 1423:26-33. ICAO 2019a. ICAO Environmental Report. https://www.icao.int/environmental-protection/Documents/ICAO-ENV-Report2019- F1-WEB%20%281%29.pdf, abgerufen am 25. März.
ICAO 2019b. The ICAO Aircraft Engine Emissions Databank. https://www.easa.europa.eu/easa-and-you/environment/icao- aircraft-engine-emissions-databank, Zugriff am 16. November. ICAO 2020. CORSIA Participation. https://www.icao.int/environmental-protection/Lists/CORSIAParticipation/AllItems.aspx, abgerufen am 12. Februar. Internationaler Flughafen von Mexiko-Stadt. 2018. Operaciones de Llegada y Salida Semanal (Wöchentlicher Ankunfts- und Abflugbetrieb). https://www.aicm.com.mx/wp-content/uploads/2019/04/OperacionesdeLlegadaySalida25al31Marz2019.pdf, abgerufen am 10. April 2019. Khadilkar, H., und H. Balakrishnan. 2012. "Estimation of Aircraft Taxi Fuel Burn Using Flight Data Recorder Archives". Transportation Research Part D: Transport and Environment 17(7):532-537.
Li, N., and H. Zhang. 2017. "Calculating Aircraft Pollutant Emissions during Taxiing at the Airport". Huanjing Kexue Xuebao/Acta Scientiae Circumstantiae 37(5):1872-1876. Mujica Mota, M., and I. Flores. 2019. "Model-Based Methodology for Identifying Capacity Limitations in Airports: Mexico City Airport Case". SNE Simulation Notes Europe 29(1):13-25. Nikoleris, T., G. Gupta, and M. Kistler. 2011. "Detailed Estimation of Fuel Consumption and Emissions during Aircraft Taxi Operations at Dallas/Fort Worth International Airport". Transportation Research Part D: Transport and Environment 16(4):302-308. SCT 2017. Capacidad de Operaciones (Betriebskapazität). https://www.aicm.com.mx/wp- content/uploads/2017/12/OF1747CapacidadDeOperaciones.pdf, abgerufen am 11. Dezember 2018.
SCT 2019. Estadística Operacional de Aerolíneas (Verkehrsstatistik nach Fluggesellschaften) - Internationaler Flughafen von Mexiko-Stadt. http://www.sct.gob.mx/transporte-y-medicina-preventiva/aeronautica-civil/7-inconformidades-de-aerolineas/71- demorasindice-de-puntualidad/aeropuerto-internacional-de-la-ciudad-de-mexico-aicm/, Zugriff am 15. November 2019. SEDEMA 2018. Inventario de Emisiones de La CDMX 2016 (Emissionsinventar von Mexiko-Stadt 2016). http://www.aire.cdmx.gob.mx/descargas/publicaciones/flippingbook/inventario-emisiones-2016/mobile/, Zugriff am 20. April 2020. Simaiakis, I., and H. Balakrishnan. 2016. "A Queuing Model of the Airport Departure Process". Transportation Science 50(1):94- 109. Simaiakis, I., H. Khadilkar, H. Balakrishnan, T. G. Reynolds, and R. J. Hansman. 2014. "Demonstration of Reduced Airport Congestion through Pushback Rate Control".
Transportation Research Part A: Policy and Practice 66(1):251-267. Tsao, H. S. J., W. Wei, A. Pratama, und J. R. Tsao. 2009. "Integrated Taxiing and Take-Off Scheduling for Optimization of Airport Surface Operations". In Proceedings of Indian Subcontinent Decision Sciences Institute Conference 2009, January 3 rd -5 th , Bombay, India, 1-12.
Yan, S., und C. Chang. 1998. "A Network Model for Gate Assignment". Journal of Advanced Transportation 32:176-189. Yan, S., und C. M. Huo. 2001. "Optimierung von Gate-Zuweisungen mit mehreren Zielen".
Transportation Research Part A: Policy and Practice 35(5):413-432. Yan, S., C.-Y. Shieh, and M. Chen. 2002. "A Simulation Framework for Evaluating Airport Gate Assignments". Transportation Research Part A: Policy and Practice 36(10):885-898