1、 引言

　　随着民航业的快速发展，我国已经成为了全球最具发展潜力的航空市场。由于机场建设、设施部署和机场运营受到资金、技术和人力等资源的制约，加之机场的业务系统的数量和复杂度爆炸性增长，协同运行、主动安全、个性服务、精准的商业营销对机场的运营管理提出了更高的要求。首都机场一直在致力于从企业的整体角度而非单个部门对于数据进行统一的管理和运营。本文提出的首都机场新一代大数据平台是基于整体机场业务流程的数据分析平台，我们希望借助该平台的数据集成和分析的能力提升机场整体运行效率传统。A-CDM(机场协同决策系统)是基于航班数据和地面保障数据的运行协同决策平台，随着信息系统的发展，数据量的增长，旅客流、行李流以及机场周边的交通运输流的大数据分析也将为机场运行侧的协同决策和辅助分析提供更科学和量化的有力支撑。

　　2.1、首都机场的数据平台建设历程

　　作为大型国际枢纽机场，首都机场在大数据的探索中也走在了行业的最前沿，首都机场从2008年开始建设统一的数据中心系统，作为首都机场运行数据、商业数据以及能源类等数据的管理型数据仓库。直到2014年我们搭建了智慧运营管理平台,是首都机场第一个基于Apache Hadoop架构的数据平台，该平台具有通用的spark、stream等开源通用组件能够支持非结构化数据以及流数据的处理同时兼具分布式并行数据库Big SQL支持海量结构化数据的秒级分析。同时首都机场也做了“大数据在大型机场运维管理中的应用研究”科技项目的探索。我们在公司的十三五规划基础能力建设中也开始考虑新一代大数据平台的建设。

　　2.2、新一代大数据平台的建设

　　随着大数据、物联网、云平台等技术发展，数据分析和数据应用发生了显著变化，从统计分析向预测分析转变、从单领域向跨领域转变、从被动向主动转变、从非实时向实时转变、从结构化数据向多元化转变。这五大转变针对大数据服务提出的要求体现在数据处理能力、分析能力、时效性和数据共享互通以及平台易用性，开放性等方面；在数据治理方面的要求则体现在对数据资产管理、数据开发、数据质量以及数据共享机制等方面。

　　首都机场大数据平台项目通过利用大数据相关技术手段完成首都机场大数据平台建设，为首都机场提供大数据存储、处理和分析能力支撑，通过数据的不断融合积累和平台能力的不断完善，全面支撑首都机场运营管理各项业务应用，有效提高运营管理能力，有效提升客户服务水平，促进业务创新发展。同时该平台是面向下一代经营分析系统的探索和演进，通过构建大数据管理支撑架构，实现多样化、海量数据的聚合与处理，强化企业数据管理与应用支撑的体系建设，融合多业务领域的数据和应用，为企业内外部各系统提供高价值的数据服务与数据应用支撑能力。

　　在建设范围划分上，首都机场大数据平台整体分为三个部分进行建设，企业级数据仓库、大数据分析系统和大数据管理和应用体系。其中企业级数据仓库将全面升级首都机场结构化数据处理和应用能力；大数据分析系统利用大数据主流技术，全面实现首都机场海量多维数据的存储、处理、分析和功能实现，全面提升首都机场智慧运营管理能力；大数据管理和应用体系将分阶段实现数据标准，数据管理制度，以及大数据相关试点应用的建设部署。

　　

　　2.3、大数据平台对于业务领域的数据支持和应用支撑

　　2.3.1 首都机场大数据平台的数据架构

　　图二 首都机场大数据平台的总体数据架构

　　首都机场大数据平台总体数据架构说明：

　　a) 大数据平台数据从整体上分为三层：数据采集与存储层、数据整合与服务层、数据应用与访问层；

　　b) 数据采集与存储层数据存放在采集库中，包括源系统的原始数据和采集过程中的中间暂存数据；

　　c) 数据整合与服务是源数据通过加工转换后形成的数据资产，数据资产包括基础数据资产、基础累积数据和数据标签，基础累积数据和数据标签都是通过基础数据资产计算和加工生成；

　　d) 数据应用和访问层是应用加工的结果数据，用于应用的业务流程处理和报表展现，应用通过访问数据整合和服务层的数据资产和累积数据进行加工后完成应用相关功能并且生成应用结果数据；

　　e) 图像、音频、视频等非结构化数据由于数据量巨大，采集加工后直接存放到归档库中，数据资产在不断变化过程中会产生历史数据，历史数据也会存放到归档库中；

　　f) 大数据平台的所有数据需要通过数据治理的元数据进行定义，数据治理还包括了数据加工规则和数据校验规则的定义。

　　2.3.2 大数据平台对首都机场应用系统的支撑

　　整个大数据平台的公共组件构成架构提供了松耦合、高稳定、高可靠、易扩展、易更换的功能机制。大数据平台抽象出的公共组件主要包括：规则引擎、数据加密、日志引擎、工作流以及图形展现工具等。大数据平台通过建立组件接口模型及内部结构模型，提供了一个企业大数据平台开发、运营系统环境下基于Web服务和OSGi标准的组件模型。

　　提供在线分析型数据应用开发服务的首都机场应用支撑平台必须具备以下技术特点：

　　1、具有统一、开放且强大的计算能力和存储能力，可以支持复杂的分析和处理，特别是支持大数据的存储与快速计算；

　　2、统一支撑平台开发环境基于网络提供服务，开发人员只需要关心数据业务化应用；开发服务模块通过网络以界面的形式与用户交互，协助用户完成应用的开发与部署。

　　3、通过统一支撑平台开发的数据应用既可以只做数据处理提供，也可以包括最终的报表、分析报表的产出，直接生成业务人员所需要的结果知识与呈现形式。

　　4、统一支撑平台可定制与可扩展性较强，能力更新频繁，具有完善的快速开发和运营环境。

　　该平台围绕运行辅助、机场事件调度、旅客画像、商业智能等方面构建了一系列基于大数据平台的应用体系，并计划构建运行辅助分析、旅客宏观画像、旅客微观画像、航站楼商业智能分析以及机场事件调度中心等应用系统。

　　3.1、当前航班放行的不足以及运行效率的影响因素

　　目前空管安排航班放行普遍运用的排序方法是“先到先得”，即按照航班准备好的时间和顺序安排航班放行，这种放行方法比较简单但是也有一些问题，比如要在关舱门后才能申请起飞时间，这样起飞时间就跟飞机的旅客、行李到位以及加油、餐食补充的时间等因素影响较大。另外当前一时段航班整体延误时，延误向下传导，会影响后一时间段的航班正常性，造成整体航班延误加大。

　　对于航空公司而言，航班能不能起飞不仅取决于该航班的局方批复时间和航空公司的计划时间，实际运行中还与机场运行态势即跑道、停机位等资源的紧张程度、天气情况、航站楼内旅客状况、行李装卸情况、发生复杂事件之后的应急处理时间、以及滑行和地面保障时间的效率等多因素来决定。

　　基于以上因素如何准确的评估现时航班运行效率以及对下一时间段的航班正常性进行预测就成为运行效率提升的根本问题。

　　3.2、A-CDM的演进

　　传统A-CDM系统（机场决策系统）是将现有的航班集成系统进行更新换代，将机场、空管、航空公司等相关方集成至统一平台以实现机场运营管理的协同决策目的。A-CDM实现以机场为中心的机场、空管以及航空公司之间的协调运行合作，系统通过集成各方数据（主要为航班数据），并将数据进行共享，来实现以机场为中心、各个运营方的资源合理调配，提高整体的运行效率，以保证航班运行。A-CDM系统主要包括“信息共享”、“航班里程碑管理”、“航班协同管理”等基本要素。

　　随着大数据、物联网、人工智能等技术的发展以及机场对于运行效率和航班正常性的要求的提高，A-CDM系统未来的趋势是借助物联网感知和无线传输的能力，通过数据共享及大数据融合技术以及计算机算法和人工智能技术，对未来机场运行、航班保障进行预测。为机场管理者提供态势分析，早做决策早部署，及时避免非正常事件发生；能够对机场运行环节进行精细化管控，确保机场安全运行，提高准点率、增加收益、减少资源浪费、降低维护成本；对航空公司而言也有效提升了航班准点率，提高了服务质量，减少了燃油排放量，减少了环境污染。对广大旅客而言，能够提早知道航班信息，减少在飞机上长时间等待等益处。

　　3.3、大数据平台对机场运行效率提升的支持

　　具体到大数据平台如何对机场协同决策以及运行效率提升实现支持，主要体现在大数据平台可以为下一代的A-CDM提供更多维度的数据譬如旅客流数据、行李流数据、外部交通流数据以及气象数据等。通过多源数据的汇入，通过建模不断优化并实现精准预测：地面保障时间、跑道滑行时间、过站时长从而对机场的整体运行态势感知进行现状评估和未来的预测。同时由于大数据分析与传统数据分析的转变：

　　l 不是随机样本，而是全体数据；

　　l 不是精确性，而是混杂性；

　　l 不是因果关系，而是相关关系。

　　我们可以通过为模型不断输入历史数据和不同的相关因子，并基于模型的不断自我学习、机器学习和优化找到原来我们未知因果关联的不同影响因素的相关性。

　　而当机场受到复杂天气影响航班运行时，A-CDM系统能够依托大数据处理中心，对相同事件下的历史情景进行智能分析，结合当日航班实时动态对未来时间段内的机场运行进行模拟，最终推算出各项机场容量指标预测值，为机场在的不利条件下的决策提供依据和有效建议。

　　飞机过站的整体流程相对固定，各个关键节点的时间是A-CDM最应关注的，如下图所示：

　　机场的每次航班从飞机在本场落地到离地起飞的这段时间的汇总就决定了每个机场的运行效率，所以时间管理就成为了重中之重，如何高效的缩短每段关键节点的时间就是A-CDM最应该关注的问题。

　　图四 A-CDM过站流程时间标准图

　　如上图所示几个可能受机场相关流程影响的时间主要是滑入时间、过站时间、滑出时间，我们可以通过大数据平台的多源数据引入和建模对以下时间进行精准的评估和预测：

　　3.3.1 飞机滑行时间的评估和预测

　　如图四所示Y+Q = 可变滑行时间受诸多因素影响，譬如：滑行道拥堵、跑道出口选择、滑行道路径、是否穿越跑道、飞机类型、滑行道+停机位组合、天气和其他限制条件。

　　我们可以基于空管（跑滑相关动态与状态数据）、航班数据（运行与计划）、资源数据（机位）、ADS-B轨迹等、场间雷达数据、跑道地理信息数据（滑行道布局），分析最大可能概率的滑行路径及其上述因素对滑行时间的影响。单独分析非计划航班，或恶劣天气下的滑行情况的定性定量滑行影响因素。

　　输出：航班滑入时间的各个影响因素之间的比重关系；指定起始目的地和路径之间，各种因素影响下，最大概率的滑行时间区间，概率分布；分析滑行时间和滑行道航班容量之间（已降为上轮档，已下轮档未起飞）关系；分析不同航班容量下，对滑行时间的影响因素。

　　3.3.2 地面保障时间的评估和预测

　　如图四所示Z（过站时间）即为地面保障时间，其中所含机场相关工序有：上轮档（标志着地面服务时间开始）、靠桥、卸行李、第一件行李上传送带到最后一件行李上传送带、保洁、加油、餐食供应、装载下一航班的行李、提交起飞申请、旅客登机、撤轮挡（标志着开始滑出）

　　地面保障时间的评估和预测可以基于本场航班数据（运行与计划）、资源数据（机位、航向等）、保障数据（环节时间）、天气数据、静态数据（机型最小过站时间等）等。基于历史数据（不同环节地服保障人员，车辆安排，机位位置类型（桥，近远机位，远远机位等），陆侧路况数据（交通繁忙情况等），航站楼旅客流数据、行李流数据分析地面保障各任务历史耗时，分析在正常和快速保障下的耗时分布和概率情况。评估早出港、过站航班各个任务的开始和结束时间，与落地/上轮档或下轮档/起飞之间的关联性分析。

　　输出：不同类型航班保障，各项保障工作在特定条件下消耗时间的概率分布；早出港/过站航班的保障任务开始和结束时间与上下轮档（或起降）的变化联动性；采用快速保障程序，或并行工作时，压缩的消耗时间概率分布图。

　　3.3.3 机场运行资源效率评价及预测、运行总体水平打分

　　我们可以基于：本场航班数据（运行与计划）、资源使用时间数据、历史资源保障效率、历史资源达标标签、天气现象（本场）、航站楼旅客流数据、行李流数据、陆侧交通等数据对机场运行资源效率进行评价及预测、运行总体水平打分，基于历史运行资源（跑道、滑行道、机位、客桥、转盘、安检通道、保障车辆（拖车、客梯车、摆渡车、行李车）等）保障航班数量、保障效率、资源容量与保障资源达标情况、天气情况等，分析不同条件下运行资源短板，并基于此模型对当前运行资源效率进行预测。

　　输出包括：当前运行资源效率预测；运行资源总体水平打分（雷达图）；机场运行总台态势评估；预测和报警即将出现的复杂事件。

　　3.3.4 航班正常性的预测

　　通过大数据平台对滑入时间（EXIT）、预计滑出时间（EXOT）、预计撤轮挡时间（EOBT）、目标撤轮挡时间（TOBT）、计算撤轮挡时间（COBT）的预测为核心要素，整合机场、空管、航空公司等航空活动参与方的多个信息数据源，实现机位、地面车辆、保障人员、旅客、行李和航班保障进程的实时监控和可视化多维趋势分析，以充分利用各方信息资源提高机场运行效率和准点率，同时提升不利条件下航班延误的快速处置能力。

　　通过大数据平台的事件中心基于事件管理模块，对航班运行事件进行管理和定义，包括交通事件，航班运行事件，旅客行为事件，气象事件等。事件中心完成事件和规则的定义，并设置事件的触发条件和数据匹配模型。事件触发后，触发的事件进入模型中心进行数据模型的计算，并进行事件的评估和预警识别。模型中心根据预先指定的特征抽取以及历史数据的学习，来构建航延事件的预警模型。当模型识别出航延的风险后，输出到策略中心。策略中心主要完成处置策略的定义，匹配，以及规则化的处置动作执行（如通知相关的联动部门）。在预警推送完成后，应用系统应提供实时监控能力，以及与其它业务系统的预警联动处置。最终处置评估结果，将返回评估中心，供模型评估算法的持续优化改进。总体流程参如下：

　　3.4、基于大数据技术的新一代运行协同决策平台

　　通过大数据平台集成了内外部多种数据，利用首都机场各个领域的大数据，进行综合性的分析和预测，该平台通过以下功能对机场的日常事件实现实时动态响应：

　　l 规划和监控机场的日常运营操作；

　　l 预测风险特征并分析给机场带来的影响；

　　l 预警机场影响因素；

　　l 计划应用行为模拟仿真，假定推演；

　　该平台可以通过数据共享交换以及基于数据的协同决策实现机场运营业务的持续改进。大数据平台，采集航空器流程、旅客流程、交通流程、行李流程多个业务流中的相关数据，进行了统一的数据加工处理，进而形成数据资产，为首都机场构建下一代机场运行辅助决策支撑系统打下基础。

　　1. 源数据：大数据平台采集机场内部运行、安全、服务、商业等领域数据，并实时采集机场外部数据，例如空管、航空公司、外部交通、地面服务公司、海关、边检、天气以及互联网等数据。本期项目中暂时不引入管理领域数据，其他领域主要数据都需要引入。其中运行决策支撑应用功能主要依赖于运行、安全、服务以及相关外部数据支撑。

　　2. 数据资产：将处理后的数据按照应用需求进行主题区划分，形成机场数据资产。数据资产包含了数据主题数据、相关过程数据以及元数据等。

　　3. 能力支撑：大数据平台提供相关能力，包括相关性计算、预测分析、分类算法、推荐等能力。

　　4. 应用：首都机场包含航空器流程、旅客流程、交通流程、行李流程，在本次项目中重点关注航空器流程和旅客流程，支撑机场的航空器流程效率提升，包括运行效率、地面保障效率等，支撑机场商业和服务，提升旅客体验。同时该平台应在将来实现交通流以及行李流程的数据支撑。

　　大数据平台的建设对于首都机场运行效率的提升具有决定性的作用，在此基础上A-CDM平台也引入了除之前主要依靠的航班流数据之外的旅客流数据、行李流数据、陆侧交通流数据、货物流数据。使影响运行决策的因子更加丰富，更加多维。不仅如此大数据技术也提供非结构化数据的分析技术，必将使得今后协同运行决策更科学。同时大数据平台的数据聚合、数据分析、数据展现等功能为运行决策呈现了更全面、更立体的360度统一视图。为机场的运营者提供了更高的价值：提高了航班的正点率；提高了廊桥、机位、专用车辆等机场资源的计划管理效率；增加了机场的有效航班使用时间和旅客承载量；提高了旅客的满意度。

　　参考文献

　　[1] Total Airport Management NAVBLUE value proposition for BCIA.

　　[2] A-CDM机场协同决策的应用 马筠岷 广西机场管理集团桂林两江国际机场.

　　[3] 航班运行协同决策系统在深圳机场的应用  王超/郑阳 民航深圳空管站.

　　作者：徐英超

　　单位：北京首都国际机场股份有限公司

　　来源：四型机场