挑战
作者：保罗-斯卡拉、米格尔-穆希卡、丹尼尔-德拉哈耶、马季
在 2019 年冬季模拟大会上发表
本文介绍了机场运行建模的一般方法。过去几十年来，人们对机场运行进行了广泛研究，研究范围包括空域、空侧和陆侧运行。由于系统的性质，仿真技术已成为处理这些运行的可变性的有力方法。然而，在大多数研究中，对不同要素的研究都是单独进行的。本文旨在克服这一局限性，提出一种将机场运行（如空域和空侧）放在一起建模的方法。这种方法的优点在于不同要素的分辨率相似，因此可以最大限度地减少它们之间的接口问题。该框架可用于模拟空域-空侧运行或多机场系统等复杂系统。作者通过分析一个案例对该框架进行了说明。
引言
航空运输系统的主要目标是连接世界各地的城市、国家、大陆和人们。航空运输系统可模拟为一个由节点和链接组成的网络，其中节点是机场，链接是连接机场的航线。在这种情况下，机场可定义为航空运输网中用于容纳飞机流量的基础设施，其目的是运送乘客和/或货物。
2017 年，欧洲航空运输量出现大幅增长，达到 1060 万次飞行，超过了 2008 年 1020 万次的上一个记录。如图 1 所示，与 2016 年相比，2017 年的日均航班量增加了 4.3%。2017 年欧洲机场的旅客量比 2016 年增加了 8.5%。图 2 显示了欧洲主要机场的旅客吞吐量和飞机起降架次，前五大机场的旅客吞吐量超过 6300 万人次，飞机起降架次超过 44.9 万架次，每个机场的旅客吞吐量和飞机起降架次在 2016 年和 2017 年之间都有所增长（EUROCONTROL 2018）。
另一方面，这种持续增长也给机场带来了压力，其中一些机场已经达到了容量极限。环境限制、社会、技术和土地使用限制 另一方面，这种持续增长给机场带来了压力，其中一些机场已经达到了容量极限。环境限制、社会、技术和土地使用限制。
在过去几十年中，有关机场运行的研究主要集中在提高机场运行的效率和效益上，目的是提高空域（Kleinman 等人，1998 年；Zuniga 等人，2013 年；Zheng 等人，2015 年；Klein，2017 年）和地面运行（Khoury 等人，2007 年；Martinez 等人，2014 年）的机场容量。这些研究采用模拟技术评估机场性能。这凸显了使用建模和仿真技术处理此类问题的重要性。此外，市场上还有各种与航空运营相关的专用模拟软件，如 AirTop（Transoft Solutions 2018）和 CAST（Airport Research Center 2018）。这些软件包括用于模拟空域、空侧和航站楼运行的不同模块。使用 DES 有一些优势，如：可视化、时间压缩和扩展、使用随机变量、运行多个重复的实验。我们可以将模拟软件分为特定用途和一般用途两种。前者使用与特定领域相关的预定义对象，而通用软件则包括一些预定义对象，开发人员可以使用这些对象为任何领域创建任何类型的模型。通过使用通用仿真软件，用户和开发人员可以更灵活地开发系统的扩展逻辑和临时逻辑。在这项工作中，使用通用模拟软件开发了空域和机场地面运行模拟模型，这样就可以开发出量身定制的模型。
上述著作主要关注特定的机场运行，如空域和/或地面，并没有从整体上考虑机场运行。在 Scala 等人（2017a）的研究中，建立了一个将空域和地面运行一起考虑的机场运行模型。这项工作的一个缺点是，该模型不能作为通用方法使用，因为在处理特定问题时使用了不同的抽象层次。
为了克服这一局限性，本文提出了一种宏观层面的机场运行方法。这种方法可以建立一个通用框架，通过使用队列和网络理论中的一般元素，对机场运营进行建模，而不论其规模和布局如何。将其作为通用框架的优势在于，它适用于优化算法的平滑耦合，能够使用整体方法考虑整个系统的大部分元素，因此适用于研究复杂系统，如空域-空侧或多机场系统。这一框架已被成功用于实施优化等不同技术（Ma 等人，2019 年），以及仿真与优化的整合（Scala 等人，2017 年 b；Scala 等人，2018 年），但它从未被正式化。为了检验该框架的有效性，我们通过仿真模型将其应用于实际案例研究。
本文的主要贡献有三个方面：第一，开发了一个通用的机场运行建模框架，从而可以对空域和空侧运行等不同要素进行建模；第二，正式确定了一个框架，在此框架中可以实施不同的技术，如优化和/或模拟；第三，提供了一个指南，使分析人员能够以系统的方式对机场运行进行建模。
本文的其余部分如下：第 2 部分介绍了机场运行建模的通用框架，第 3 部分将该方法应用于一个实际案例，并介绍了一个仿真模型。第 4 节为结论。
宏观层面的机场运行
本节将介绍机场运行建模的通用框架。在这里，宏观方法指的是最终模型不同组成部分的详细程度。所考虑的机场空侧组成部分包括：跑道、滑行道网和航站楼；这些组成部分被模拟为资源，具有最大容量和占用时间的特征。另一方面，空域运行则与飞往机场的进场航线有关，如飞机顺序、降落跑道前与最终进场航线的合并等。对空域运行进行了更详细的建模，逐个航班对空域性能进行建模。
这个框架允许根据我们要进行的分析类型，将这些操作放在一起或分开考虑。例如，一个多机场系统可以通过汇总系统中每个机场的空侧组件以及将空域组件作为机场的共同组件来建模。此外，还可以将优化等不同技术与一个或多个组件或整个机场系统结合起来。图 3 展示了如何开发多机场，以及如何将优化过程纳入本工作提出的框架。在 Scala 等人（2017 年、2018 年）的研究中，该框架成功应用了优化算法来优化整个系统的性能，并通过离散事件仿真模型来评估该解决方案，通过这种方式，可以创建一个反馈回路来提高系统性能。
下文将详细介绍空域和空侧运行建模。
解决方案
空域建模
机场周围的空域通常称为航站机动区（TMA），是飞机进港和离港航线的一部分空域。特别是在繁忙的机场，由于汇聚到跑道的交通流量和出港交通流量，这里可能会成为一个拥堵区域。当飞机按照仪表飞行规则（IFR）飞行时，标准到达航线（STARs）和标准仪表起飞航线（SIDs）的实施为其飞行路径提供了便利。标准到达航线（STAR）和标准仪表起飞航线（SID）是标准航线，可加快往返于相同或不同跑道的空中交通的安全高效流动。STARs 和 SIDs 是已公布的航线，除非空中交通管制员发出不同指示，否则机组人员均可遵循。
每条跑道可以有一条或多条 STAR/SID，每条 STAR/SID 都确保飞机在一定的高度水平、速度限制和一些重要点（航路点）的指引下飞行。在 IFR 条件下，着陆前的最后一条下降路径称为仪表进近程序。该程序包括一系列预定的机动动作，最终在预定的跑道上着陆。仪表进近程序可分为两个主要部分，即初始进近段和最终进近段。在某些情况下，仪表进近程序中还可能包含另一个附加航段，即中间进近航段。图 4 显示了它们的示意图。
在东京飞行管制区（TMA）内，在国际飞行管制（IFR）下进行的操作受到预先设定的限制，包括速度和连续飞机之间的间隔。速度限制可参考空中交通服务（ATS）发布的 STAR 和 SID 路线。在这种情况下，速度指的是校准空速（CAS），因为它可能不同于地面速度（GS）。通常情况下，从某一 STAR 进入 TMA 的飞机飞行速度不得超过 250 kts。在 STAR 沿线的其他重要航点以及仪表进近程序的主要航点（如 IAF、中间固定点 (IF) 和最终进近固定点 (FAF)）中，还可以找到其他具体的速度限制。在飞行过程中，飞机会逐渐减速，直至到达 FAF 航点，并在此达到最终下降速度，直至着陆跑道。同样的概念也适用于 SID，飞机根据沿每个 SID 设置的每个航路点的速度限制以一定的速度飞行。关于最小间隔，出于安全考虑，有两种不同的间隔必须遵守：水平间隔和垂直间隔。水平分隔是通过纵向和横向分隔来确保的。两架连续飞机之间的纵向最小间隔取决于前方和后方飞机的机型，在这种情况下，国际民用航空组织（ICAO）（ICAO 2016）定义了不同的最小间隔。连续两架飞机之间的横向间隔可通过参照不同的地理位置和/或参照相同的导航辅助设备来确保。通过在两架飞机之间留出至少 1000 英尺（300 米）的垂直距离来确保垂直间隔。
空域着陆航线（STAR）是由链接和节点组成的网络模型。每个节点代表航线上的一个航点，而链接则代表航点之间的连接。在每个节点中，都执行了速度检查和分离最小值检查等逻辑。在每个链路上，可以设置链路长度、链路最大容量和链路最大速度等属性。通过在空域网络的每个节点和链路上设置这些属性和逻辑，可以创建一个用于模拟不同空域的通用框架。在为其他不同空域建模时，节点和链路将保持相同的属性，唯一不同的是网络布局。
机场空侧建模
空侧运行的时间顺序如下：飞机降落在跑道上，穿过滑行道网络，然后停靠在航站楼。周转时间结束后，飞机再次穿过滑行道网，到达起飞跑道。跑道、滑行道网和航站楼等空侧组件使用与排队理论相关的元素（如服务器元素）建模。服务器元素可同时处理最多数量的实体，并根据特定的处理时间处理每个实体。事实上，跑道、滑行道和航站楼可被视为具有最大处理能力和特定处理时间的服务器，而飞机可被视为待处理的实体。在这一框架中，跑道、滑行道网络和航站楼组件按照运行的时间顺序进行逻辑连接。这种建模方式为用户提供了很高的灵活性，可根据机场的具体特点改变容量和服务时间值，从而对不同的机场布局进行建模。空侧性能根据各组成部分的利用率进行评估。跑道组件的主要属性包括：容量（设为 1，因为同一时间只能有一架飞机使用跑道）和跑道占用时间。滑行道网络组件的主要属性有：滑行道网络的最大容量，即同时通过滑行道的最大飞机数量；滑行道占用时间。航站楼组件的主要属性有：最大容量，即航站楼的登机口数量；周转时间，即飞机停靠在航站楼登机口开始到离开航站楼登机口结束的时间。
图 5 展示了单个机场宏观方法的示意图。从图 5 的示例中可以看出，空域网络与两条着陆跑道相连，而两条着陆跑道又与滑行道网络组件相连。滑行道网络连接两个航站楼和出发跑道。
模型的输入和输出
模型的输入由航班时刻表和系统初始参数提供。航班时刻表包含实体（飞机）所需的所有信息，如：航班类型、飞机大小、航站楼编号、空域进入点、空域进入时间、空域进入速度、着陆跑道、推回时间和离场跑道。系统的初始参数是运行模型前需要设置的静态参数，如：航站楼容量、滑行道网络容量、着陆速度、平均滑行时间、跑道占用时间。
该模型的输出与拥堵方面的系统性能评估有关。使用的输出包括：空域拥堵程度和空侧拥堵程度。前者以空域内飞机冲突数量计算，其中冲突定义为连续飞机之间任何违反纵向最小间隔的行为。纵向最小间隔是国际民航组织提供的标准值（国际民航组织，2016 年）。
一般假设
模型的假设与以下方面有关：
- 飞机在空域内的加速度被视为常数，根据进入空域的速度、着陆速度和下降路线长度计算得出
- 跑道和滑行道占用时间以平均值建模
- 飞机可停靠在指定航站楼的任意登机口
- 航站楼建模为虚拟节点，其容量由可用登机口数量决定
- 滑行道网络建模为具有一定容量的虚拟节点
- 着陆速度是一个基于飞机大小（重型、中型、小型）的恒定值
- 空域内的飞机被认为有足够的垂直间隔
- 不考虑空域内的出发航线
- 不考虑风的影响
案例：巴黎戴高乐机场巴黎戴高乐机场
本节将介绍一个离散事件仿真模型，该模型在宏观层面上代表了机场的运行情况。该模型基于一个实际案例研究，即巴黎戴高乐机场（PCDG）。该仿真模型是使用通用仿真软件 SIMIO（SIMIO 2019）开发的，不过，通过使用所提出的框架，任何通用仿真软件或任何编程语言都可用于开发模型。在本文中，我们将其称为 "仿真模型"。描述中提到了通用仿真软件中最常见的一些对象。此外，仿真模型还使用历史数据验证方法（Sargent，2007 年）进行了验证，因为它是开发任何仿真模型的一个关键方面。
模型开发
图 6 给出了仿真模型的示意图，其中包括用于构建模型的主要对象。
机场 TMA 空域被模拟为一个由节点对象和路径对象组成的网络，代表着降落航线的航点和航段。在每个节点中都执行了速度检查和最小间隔检查等逻辑。航段通过使用路径建模，路径的属性如长度、最大容量和最大速度均可设置。图 7 显示了 PCDG 机场西部配置中 TMA 空域的模拟模型动画。
在下面的列表中，将介绍每个模型对象的主要特点和功能。
- 模型路径。路径表示空域着陆航线的航段。该对象的主要属性包括：航段长度；路径类型（单向或双向）；路径速度限制（决定路径上可达到的最大速度）。
- 模型节点。节点表示空域着陆航线的航点。在属性部分，可以调用一些称为 "进程 "的函数来实现不同的逻辑，如飞机之间的最小间隔和速度更新。
关于机场空侧组件，跑道、滑行道网络和航站楼是通过服务器对象建模的。服务器对象通过连接器（一种特定的时间零点对象路径）相互连接。从图 8 中可以看到机场空侧模型动画的一部分，以及这些对象是如何相互连接的。
下文将介绍每个模型对象的主要特征和功能。
- 模型服务器。服务器对象用于对跑道、滑行道网络和航站楼等空侧组件进行建模。该对象的主要属性包括：容量，设定该对象可同时处理的实体的最大数量；处理时间，设定该对象处理每个实体的时间。
- 模型源。源对象用于创建模型实体。源根据飞行计划生成实体。该对象的主要属性包括：实体类型，即要创建的实体；到达模式，即实体的创建方式，包括到达时间间隔、特定时间表等。
- 模型汇。汇对象位于模型的末端，用于销毁实体。通常情况下，在汇对象中没有太多的属性可设置，但在该对象中可以调用 "进程 "来模拟特定的逻辑。
使用流程功能可以在 SIMIO 中实现模型的逻辑。流程是一系列步骤的逻辑顺序（见图 9）。流程一旦创建，就可以被模型中的不同对象调用。每个步骤都可以执行特定的操作。模型中使用的主要步骤有分配（Assign）、决定（Decide）、延迟（Delay）、等待（Wait）、启动（Fire）、执行（Execute）和设置节点（SetNode）。
下面的列表将对它们进行描述：
- 分配：为变量赋值
- 决定：根据条件或概率，实体可退出 true 或 false 出口，通过这种方式可实现 if-then-else 语句
- 延迟：推迟事件的发生
- 等待：允许实体等待特定事件被触发（"触发"）。
- 触发：触发（"触发"）一个 "事件"
- 执行：在另一个 "进程 "中执行一个 "进程
- 设置节点：将节点目标设置为一个实体
验证模型
为了验证仿真模型，作者选择了验证方法：历史数据验证法（Sargent，2007 年）。这种方法适用于有历史数据的情况。该方法包括使用部分数据建立模型，并使用部分数据对模型进行验证。在这项工作中，用于建立模型的数据指的是系统各组成部分的数量和容量，如：空域进近路线、跑道和滑行道系统以及航站楼。跑道平均占用时间以及滑行道和航站楼平均占用时间均来自现有的历史数据。表 1 列出了机场的主要组成部分，并给出了每个组成部分的重要容量信息。
降落和起飞的平均跑道占用时间假设为 60 秒。滑行道占用时间假定为历史数据得出的平均值。滑行道占用时间取决于特定的情侣跑道终端，这些数值如表 2 所示。
用于模型验证的历史数据是从雷达上获取的一天运行的飞行轨迹。在这些数据中，对每架飞机在空域和空侧的飞行轨迹进行了跟踪，因此收集了进入空域的时间、着陆时间、进出航站楼的时间以及起飞时间。用于验证的统计检验是标准化平均差（SMD），该检验是效应大小统计框架的一部分。效应大小用于量化两个样本之间的偏差程度（Vacha 和 Thompson，2004 年）。与 t 检验相比，由于样本的大小，这种检验更受欢迎。因为对大数据样本进行 t 检验时，任何微小的差异都会被视为显著差异。用于验证的变量是跑道、滑行道和航站楼在一段时间内的占用率。在 SMD 中，我们计算𝛿值，该值表示历史数据输出与模拟模型输出之间的偏差大小。𝛿值由公式 1 得出、
其中，𝜇& 是每个变量历史数据观测值的平均值；𝜇( 是每个变量模拟模型输出的平均值；𝜎& 是每个变量历史数据的标准偏差；𝜎( 是每个变量模拟模型的标准偏差。如果 𝛿 的值接近于零，则表示模拟模型准确地代表了真实的系统输出。表 3 列出了每个变量的历史数据和模拟模型的统计数据。表 4 显示了 SMD 分析的𝛿 值。
通过观察表 3 的结果，我们可以发现，在跑道占用率方面，模拟模型中的平均值和标准偏差都更高，因此跑道的负荷似乎更大。在滑行道网络占用率方面，与原始数据相比，模拟模型显示滑行道的负荷较小，平均值和标准偏差值也表明了这一点。在航站楼方面，原始数据与模拟模型的平均值和标准偏差差异很小。
从表 4 中分析的各变量的𝛿值可以得出，历史数据集和模拟数据集之间的偏差不大。滑行道网络的𝛿值最高，为 0.34，但该值接近零。跑道变量的 𝛿 值在 -0.22 和 -0.32 之间，这些变量的 𝛿 值也接近零，这是理想情况。航站楼的𝛿值最小，介于-0.01和-0.007之间，表明模拟输出很好地再现了真实系统的航站楼性能。总体而言，SMD 测试表明模拟模式准确地再现了真实系统。
业务影响
结论
本文介绍了机场运行建模的通用框架。这项研究为类似系统的建模和模拟提供了指导。由于该模型具有标准特征，因此可适用于任何（多）机场系统，无论其规模和布局如何。此外，该框架的不同组成部分，如空域和空侧，可用于进行综合或单独分析。通过仿真模型将其应用于实际案例研究，证明了所介绍的框架也适用于模拟和优化等不同技术。仿真模型是使用通用仿真软件开发的。在论文中，作者对用于模拟操作的对象进行了描述，这样，任何其他商用通用模拟软件都可以复制该模型。该模拟模型通过统计方法进行了验证，证明能够准确模拟机场运行，从而加强了框架的有效性。
致谢
作者感谢 AUAS-AMSIB 和航空学院对本研究的支持，以及荷兰比荷卢模拟协会 (www.DutchBSS.org) 和 EUROSIM 对本研究成果的传播。
作者简介
保罗-斯卡拉（PAOLO SCALA）是法国国立民用航空学校（ENAC）的博士生，由航空学院和荷兰阿姆斯特丹应用科学大学（AUAS）阿姆斯特丹国际商业学校（AMSIB）资助。他的研究兴趣是航空领域的建模、模拟和优化。他的电子邮件地址是p.m.scala@hva.nl。
MIGUEL MUJICA 是荷兰阿姆斯特丹应用科学大学航空学院的副教授。他的研究兴趣是工业、物流和航空问题中的模拟技术和 O.R.。他的电子邮件地址是m.mujica.mota@hva.nl。
DANIEL DELAHAYE 是法国国立民用航空学校（ENAC）的教授。他的研究兴趣是空域设计和大规模交通分配的随机优化。他的电子邮件地址是delahaye@recherhe.enac.fr。
JI MA 是法国国立民用航空学校（ENAC）的博士生。她的研究兴趣是机场交通优化。她的电子邮件地址是ji.ma@recherche.enac.fr。
参考文献
机场研究中心。https://airport-consultants.com/，2019 年 6 月 6 日在线访问。
EUROCONTROL, 2017.EUROCONTROL, 2017a.战略、战术前、战术和行动后空中交通流量和容量管理》。http://www.eurocontrol.int/service/strategic-pre-tactical-tactical-and-post-ops-air-traffic-flow-and-capacitymanagementAccessed：2018 年 5 月 30 日。
EUROCONTROL, 2018.行业监测》。第 200 期。14/02/2018.
国际民航组织，2016 年。Doc 4444 - Procedures for Air Navigation Services (PANS) Air Traffic Management, 16th Edition, 2016.
Khoury H.M.、Kamat V.R.、Ioannou P.G.，2007 年。"用于机场运行建模和动画制作的通用建筑仿真和可视化工具评估》。Simulation, Vol. 83, No. 9, pp.
Klein.A., 2017."使用快速时间模拟评估空中交通流量管理对天气预报准确性的要求》。In Proceedings of the 2017 Winter Simulation Conference, edited by W.K.V. Chan, A. D'Ambrogio, G. Zacharewicz, N. Mustafee, G. Wainer, and E. Page, 2638-2649.新泽西州皮斯卡塔韦新泽西州皮斯卡塔韦：电气与电子工程师协会有限公司。
Kleinman, N., Hill, S. D., Llends.V. A., 1998."空中交通延误成本的模拟优化》。D.J. Medeiros、E.F. Watson、J.S. Carson 和 M.S. Manivannan 编辑的 1998 年冬季仿真会议论文集，1177-1181 页。新泽西州皮斯卡塔韦：新泽西州皮斯卡塔韦：美国电气与电子工程师协会。
Ma J., Delahaye D., Sbihi M., Scala P., Mujica M., 2019."宏观层面的航站楼操纵区和机场综合优化》。Transportation Research Part C, Vol. 98 (2019),pp.338-357.
Martinez J.C.、Trani A.A.、Ioannou P.G.，2014."使用通用、基于活动的离散事件仿真工具模拟机场运行》。运输研究记录》：Transportation Research Record: Journal of the Transportation Research Board.第 1744 卷，第 65-71 页。
Sargent R.G., 2007."仿真模型的验证与确认》。In Proceedings of 2007 Winter Simulation Conference, edited by S.G Henderson, B. Biller, M.H. Hsieh, J. Shortle, J.D. Tew, and R.R. Barton, 124-1137.新泽西州皮斯卡塔韦：新泽西州皮斯卡塔韦：电气与电子工程师学会公司。
Scala P., Mujica M., de Bock N, 2017a."A Divide and Conquer Approach for Simulating an Airport System".国际。12, No. 6, pp.
Scala, P., Mujica, M., Delahaye, D., 2017b."脚踏实地的解决方案：应用稳健仿真优化方法解决航空问题》。2017 年冬季仿真会议论文集》，W.K.V. Chan、A. D'Ambrogio、G. Zacharewicz、N. Mustafee、G. Wainer 和 E. Page 编辑，2626-2537 页。新泽西州皮斯卡塔韦：新泽西州皮斯卡塔韦：电气与电子工程师协会。
Scala, P., Mujica, M., Wu, C.L., Delahaye, D. "Sim-Opt in the Loop：解决机场容量问题的算法框架"。见 2018 年冬季仿真会议论文集，M. Rabe、A.A. Juan、N. Mustafee、A. Skoogh、S. Jain 和 B. Johansson 编辑，2261-2272。新泽西州皮斯卡塔韦：新泽西州皮斯卡塔韦：电气与电子工程师协会有限公司。
Simio LLC. https://www.simio.com/index.php 于 2019 年 4 月 13 日在线访问。Transoft Solutions. http://airtopsoft.com/ 于 2019 年 6 月 6 日在线访问。Vacha-Haase, T., Thompson, B., 2004."如何估计和解释各种效应大小》。咨询心理学杂志》，第 51 卷，第 4 期，第 473-481 页。
Zheng，Y.、Sui，D.、Lin，Y.、Zhang，J.，2015."基于多代理的空中交通仿真系统》。美国航空航天协会建模与仿真技术会议论文集》，2015 年 6 月 22-26 日，美国德克萨斯州达拉斯。
Zuniga C.A.、Piera M.A.、Ruiz S.、Del Pozo I.，2013.基于路径缩短/路径拉伸技术的 CD&CR 因果模型》。运输研究》C 部分，第 33 卷（2013 年），第 238-256 页。