我们介绍了一种离散事件模拟方法，用于在观察到机场拥堵时评估航班需求。机场拥堵的后果之一是航班延误，而航班延误又会降低消费者的满意度。该模型包括航班信息、航空公司准点率、航班持续时间和周转时间的不确定性。当到达机场发生拥堵时，就会启动空中交通流量管理措施，作为缓解拥堵问题的工具，尤其是在机场最拥堵的时段。通过分析选定的模型方案，可以选择将机场拥堵降至最低的措施参数。
墨西哥城机场是墨西哥最繁忙的机场，也是高度拥堵的机场。本案例研究介绍了如何建立机场网络模型，以分析墨西哥城特定交通流管理措施的有效性。模拟方法的使用将使决策者能够分析现行交通流政策的有效性，并评估不同的政策，以应对墨西哥机场网络日益增长的需求。该模型的灵活性使其易于适应世界其他地区拥挤的机场网络。
机场拥堵会导致在同一时间间隔内，某架飞机对机场的使用延迟或阻碍另一架飞机对机场的使用。由于航空运输的不断增长，许多机场的拥堵问题和航班延误日益严重。它们导致增长受限、航班可能取消、乘客感到沮丧、排放增加导致环境问题、燃料消耗增加导致不必要的成本以及航空公司和机场的声誉受损（Guest，2007 年；Ball 等人，2010 年）。
在运力严重受限的机场，如纽约的 JFK 和 LGA、法兰克福的 FRA、伦敦的 LHR 和 LGW，几乎没有闲置运力可用于增长和/或计划外航班。为了缓解机场拥堵，一方面，研究航班延误的分布情况对于中途停留的旅行尤为重要，另一方面，对于存在容量问题的航站楼也尤为重要。墨西哥城的具体情况就同时存在这两个问题，因为它一方面是所谓的墨西哥国旗航空公司的航空枢纽，另一方面又是美国、欧洲和拉丁美洲航班进入墨西哥的主要门户之一。
考虑到国内和国际旅客，墨西哥城国际机场（国际航空运输协会代码：MEX）约占墨西哥旅客运输总量的 32%，是墨西哥最繁忙的机场（Wellens 和 Mujica Mota，2017 年）。由于其在运营数量方面的重要地位，以及其作为某些航空公司枢纽运营的功能，墨西哥国际机场是一个重要的节点，其运营影响着整个国家的机场网络。因此，对机场有效管理方法的了解不仅会影响到空港本身和参与其中的利益相关者，还会影响到整个国家机场网络。墨西哥城国际机场由于高度拥堵，在 2013 年被宣布为饱和状态，因为墨西哥领空的运行超过了每小时可处理的最大数量（SEGOB，2014 年）。
交通流管理措施可用于吸收一定比例的空中交通，控制空中交通需求，缓解需求-容量失衡问题（Agustin et al，2010）。延误造成的变化意味着机场活动的协调将受到影响；提前识别其影响将使机场管理更有效率，使航班计划能够持续运行，并避免将延误输出到其他机场，从而产生连带效应。
延误的一个重要方面是航班持续时间和周转时间的随机性。与恶劣天气、航空公司效率低下、乘客延误、机械故障、运营效率低下、航班计划缺乏稳健性、安全问题等相关的不确定性会直接影响延误频率和持续时间，从而造成机场拥堵。
用于管理拥堵机场网络需求的模拟模型是利用 SIMIO 软件系统开发的。SIMIO 采用面向过程-对象的方法，非常适合航空业的运营类型，在航空业中，所有事情都是在预定时间内发生的，控制不确定性是运营的主要目标之一（Alomar 等人，2017 年；Pegden，2007 年）。该模型涉及飞机在机场之间移动的节点网络，该网络由长度与航班飞行时间成正比的路径连接。目前只考虑一个枢纽，以及所有相应的到达和离开连接。航班信息由每日、每周或每月的信息表提供，这些信息针对抵达所选枢纽的航班；飞机、航空公司和机场信息与单独的数据表相连。
模拟模型中的事件由提供的航班时刻表中指定的信息触发，包括始发机场、航班运营商、飞机类型、起飞时间、到达时间和航班数量。航班在起飞时在模型中生成；飞行时间根据预定到达时间确定。模型使用的其他数据包括飞机特定信息（如最大起飞重量和尾流类别）、航空公司特定信息（如准点率、平均到达时间、运营商类型）和机场特定信息（如始发国）。使用飞机和机场的具体数据是为了在模型逻辑中更加准确，而使用航空公司的数据是为了能够考虑到航班持续时间和延误的随机性。响应值包括枢纽机场每小时的到达、起飞、航空运输活动和使用的登机口数量，以及延误航班的百分比。
目前，该模型是为墨西哥城机场建立的，考虑了 96 个航空业务联络点、98 个出发机场、26 家航空公司和 22 个设备代码。大部分数据处理都是在 R 软件环境下完成的。从 OAG 获取了 2013 年第一周的航班信息。目前的航班时刻使用情况、航班时刻分布、准点率数据和周转时间均通过公开数据进行估算，并纳入模型中。
为考虑当前航班数据的随机性，根据 2017 年 6 月公布的两周飞往墨西哥城机场的航空公司航班信息确定了航班时刻分布。墨西哥的低成本和全服务航空公司被单独分析，而其他航空公司则按类别分组，因为它们表现出相似的行为。准点分布主要可调整为伽马分布和威布尔分布；晚点分布在所有情况下都遵循威布尔分布。2013 年 1 月 1 日至 1 月 8 日期间的每日计划航班根据上一步获得的实际飞行时间进行了调整，并考虑到 2013 年 1 月至 2017 年期间观察到的航班数量总共增加了 17%，生成了与注册航班具有相同始发地、承运商、设备和频率分布的随机航班。
在第一阶段，仿真模型被用于评估墨西哥国家航空局的地面延误计划；这是一项特殊的交通流量管理措施，当到达机场的容量超载时，在出发机场对减少的航班实施地面延误。其目的是确定系统对修改触发地面延误计划的临界值的敏感性。该模型还用于分析航班持续时间和周转时间的变化对总体准点率和机场拥堵情况的影响，以及对实施地面延误计划的效果的影响。
我们介绍了一种基于离散事件的模拟模型，用于分析墨西哥机场当局目前实施的地面延误计划的有效性，该计划是解决容量失衡的一项措施。模型中包含了航班持续时间、准点率和周转时间的随机性，以分析地面延误计划的有效性如何受到其参数的影响。
对几种情况的模拟运行结果表明，在墨西哥城机场的具体情况下，每小时 34 班到达航班的地面延误计划，结合决定将哪些航班纳入该计划的决策规则，是解决严重拥堵问题的首选方案。在严重和长期拥堵的情况下，尽管实施了地面延误计划，长途航班仍会继续到达，这可能会增加受影响航班的总延误时间，使其无法接受。在这种情况下，可以选择取消航班，并结合所研究的管理措施。当该计划以每小时 34 架飞机到达的速度启动时，每周会有 200 至 300 架飞机受到影响，受影响航班的总延误时间会减少到平均每架 30 分钟，乘客的不满情绪也会减少。
研究表明，问题的随机性对系统的响应影响很大。目前，虽然获得了航班时间、延误和周转时间的分布，但由于可用的真实数据有限，无法分析延误或周转时间过长的原因，也无法区分所有飞机、始发地、目的地、枢纽和航空公司类型的分布之间的差异。在今后的研究中，将更深入地探讨延误和周转时间的随机性，并将影响墨西哥城机场拥堵的不同类型的延误纳入研究范围。该模型可轻松适用于世界其他地区的枢纽机场和/或机场网络。