航班延误影响因素及改进方案

1、航班延误影响因素及改进方案摘要随着我国航空运输的迅速发展，航班延误问题也日益严重。不仅影响航空的服务质 量和经济效益，而且严重威胁着民航系统的安全，已经引起社会公众的高度关注。本文 根据网站数据，对比国内民航总局发布数据，分析数据差异原因是由 于国内外航班延误的定义与统计方法的不同造成的，根据2013年民航总局发布的航班 正常性定义，建立模糊综合评判模型w，对国内航班延误情况进行评价。并综合考虑航 班延误的影响因素，考虑各因素间波及延误，建立航班延误的动态排队模型，得出各 因素延误比重和影响程度。在此基础上，针对航空公司因素对航班延误的排对模型进行 优化，并进一步提出优化措施。针对问题一，本文

2、在综合考虑航空公司、机场、天气、资源限制和旅客等航班延误 原因及航空公司运行控制的基础上，建立了评估航班延误水平的指标体系。利用模糊矩 阵一致表，使用模糊层次物元分析法10，得到各因素重要程度排序。利用模糊隶属度矩 阵，并结合最大隶属度原则采用加权平均法求得评价矩阵，并归一化处理后得到评价结 果为一般延误。针对问题二，本文只考虑中大型机场。先对航班延误的指数分布进行了合理的数理 推导，并利用MATLAB软件对选用的样本数据进行拟合，验证了飞机起飞和降落服从泊 松分布，航班延误符合指数分布。在此基础上建立了航班延误的动态排队模型，然后借 助于MATLAB软件对机场数据进行模拟，得出航空公司因素发

3、生频率最高，影响最大； 流量控制发生频率较高，影响大；天气因素发生频率较高，影响较大；军事活动发生频 率一般，但影响大；机械故障频率较低，影响较大；机场和旅客因素频率较低，影响较 小。针对问题三，在模型二所得结果的基础上，对航班延误的动态排队模型进行优化， 主要针对航空公司因素，设定目标函数，建立优化模型，得出最优服务率。并进行模型 检验与评价。关键字：航班延误；层次物元分析法；模糊综合评判；泊松分布；指数分布；排队模型目录 TOC o 1-5 h z HYPERLINK l bookmark17 o Current Document 1问题重述3 HYPERLINK l bookmark23

4、 o Current Document 2问题分析32.1问题一的分析32.2问题二的分析32.3问题三的分析3 HYPERLINK l bookmark26 o Current Document 3模型假设3 HYPERLINK l bookmark34 o Current Document 4符号说明3 HYPERLINK l bookmark43 o Current Document 5模型一的建立与求解55.1国内外航班正常性统计办法比较 55.1.1国外航班正常性统计办法55.1.2国内航班正常性统计办法65.1.3国内外统计方法对比65.2航班延误水平评估指标集65.3模糊综合评价

5、模型 7建立指标集7确定评判集7权重的确定75.3.4建立第二层模糊评判矩阵 95.3.5模糊综合评价结果 105.3.6 结果分析 10 HYPERLINK l bookmark114 o Current Document 6模型二的建立与求解10航班延误因素分类106.2航班延误的指数分布验证 11 HYPERLINK l bookmark117 o Current Document 6.3排队模型13 HYPERLINK l bookmark159 o Current Document 6.4航班延误的动态排队模型14模型求解15结果分析16 HYPERLINK l bookmark17

6、4 o Current Document 7 模型二的优化167.1优化模型建立16模型检验177.4.1加强空域流量控制 187.4.2合理增加航线数量 18 HYPERLINK l bookmark177 o Current Document 参考文献19附录201问题重述香港南华早报网根据的统计称：中国的航班延误最严重，国际上航班 延误最严重的10个机场中，中国占了 7个。其中包括上海浦东、上海虹桥、北京国际、 杭州萧山、广州白云、深圳宝安、成都双流等机场。根据以上资料，统计国内国际航班 延误数据并研究以下问题：（1）评价报道所述结论是否正确。（2）分析我国航班延误的主要原因。（3）针对

7、我国航班现状提出有效的改进措施。2问题分析2.1问题一的分析问题一要求评论香港南华早报报道内容是否属实。首先，我们查阅题目所给网站 和国内外其他各大航空公司的网页和一些主要统计部门的相关信息， 得到关于年度航班延误的一些统计指标，并在此基础之上，根据国内航班延误定义，建 立模糊综合评价模型，对国内主要航班进行航班延误评价，得出结果对 上调查结果，给出评价。2.2问题二的分析问题二要求我们分析航班延误的主要原因。根据收集得到的数据，我们发现，导致 航班延误的主要原因是航空公司，流量控制，天气，军事活动，机场和旅客等因素。为 了问题分析的方便，考虑对数据进行更深层次的挖掘和处理，考虑航班延误的波及

8、效应 建立航班延误动态排队模型，运用MATAB对四个机场数据进行模拟仿真，分析得出 航班延误的主要影响因素。2.3问题三的分析问题三要求提出航班延误的改进策略，本文在模型二结果的基础上，然后从航空公 司入手，构造排队的优化模型，并进行模型检验与评价，最后为航班延误提供了两条建 议。3模型假设模型一（1）假设所查找数据真实可靠；（2）假设航班延误趋势无重大变动；模型二（1）假设在其它情况都正常时，航班延误具有波及性；（2）假设机场采用的是双跑道混合模式；（3）假设所选用机场闭环的每个机场具有相同的特质；4符号说明符号说明Ui机场原因延误指标集A. (i = 1,2,3)判断矩阵指标R0标准物元R

9、Pj节域物元R权重复合物元矩阵ajR中第i + 1行第j + 1列元素Rij关联函数物元Rv专家效率矩阵Wi机场延误原因权重指标集P参加评判的专家人数P选择某一要素属于该等级的专家位数模型二符号说明A表示系统中排队对象的到达分布Pn(t)在t时刻队伍中有n个飞机到达或离开的概率u平均服务率力泊松分布参数人1飞机起飞的泊松分布人2飞机到达的泊松分布招乘客到达机场的泊松分布U1飞机起飞所用时间的负指数分布U 2飞机降落所用时间的负指数分布U 2乘客进行安检时所耗时间的负指数分布L 0正常排队队列L d会导致航班延误的临界队长Ls排队系统中期望的顾客数Lq排队队列中期望的顾客 数Ws排队系统中每个顾

10、客期望的等待时间Wq排队队列中每个顾客期望的等待时间D 0初始延误Dn波及效应指标集模型三符号说明cs服务一架飞机时单位时 间内的服务费用cw每架飞机在系统中逗留单位时间的损失*最优服务率5模型一的建立与求解5.1国内外航班正常性统计办法比较5.1.1国外航班正常性统计办法BTS同时统计航班的离港准点率（Departure on time performance）和到港准点率 （Arrival on time performance）。航班如果在计算机订座系统（CRS）显示的计划时 间后15分钟内离（到）港，则该航班统计为离（到）港正常。这里的离（到）港时间 是指航班的撤（挡）轮挡时间，不是离

11、地（落地）时间。美国航班正常统计范围为航班量占国内定期航班总量1%以上的14家主要航空公 司，在航班量占国内定期航班总量1%以上的29个大型机场之间的定期国内航班正常情 况，不包括国际航班以及其他性质的飞行。美国将航班不正常原因分为5大类：航空公司、恶劣天气、国家民航系统(National Aviation System)、前班飞机晚到、公共安全。其中国家民航系统原因是指由非天气、机场运行、空中交通容量与管制等原因导致 的航班不正常。公共安全原因是指在候机楼或广场进行旅客疏散、因安全问题重新登机、安检设备 故障、过安检等待超过29分钟引起的航班不正常。5.1.2国内航班正常性统计办法2013年

12、民航局开展航班延误专项治理，并在行业内发布了 2013年版的航班正常统 计办法。新办法的正常统计标准相比2012年变化较大，不再以航班的起飞、落地时间 作为航班正常的判定标准，而是以航班的挡/撤轮档时间作为判定标准。符合以下条件 之一的航班即判定为正常航班：航班时刻管理部门批准的离港时间前后5分钟之内撤轮挡，且按航班运行正向 进程起飞，不发生滑回、中断起飞、返航、备降等特殊情况；不晚于航班时刻管理部门批准的到港时间挡轮挡。不正常原因方面，各类航班不正常原因分为天气、航空公司、航班时刻安排、军事 活动、空管、机场、联检、油料、离港系统、旅客、公共安全共11大类。相比2012年 版的方法，不正常原

13、因删除了流量大类，增加了航班时刻安排大类，类别总数维持不变。 新增航班时刻安排大类考虑到我国日益紧张的机场时刻资源对航班正常性的影响，总体 上能够反映客观的运行情况。5.1.3国内外统计方法对比指标名称国内国外撤(挡)轮时间离港时间前后5分 钟之内撤轮挡，且按 航班运行正向进程 起飞，不发生滑回、 中断起飞、返航、备 降。在计算机订座系统 (CRS)显示的计划时 间后15分钟内撤(挡) 轮挡时间，则该航班统 计为离(到)港正常。不正常原因自然条件、航空公 司、机械设备、资源 限制、旅客条件航空公司、恶劣天气、 国家民航系统(National Aviation System)、前班飞机晚 至叭公

14、共安全统计机构统计数据部分公开完全公开5.2航班延误水平评估指标集通过对各种文献资料的统计，总结出导致航班延误的原因可以分为天气原因、航空公 司原因、空中交通管制原因和旅客自身原因等等。将导致航班延误的因素细化并进行分 类研究后，根据科学性、客观性和时效性的原则，从系统工程的角度，确定了由自然条 件、机场管理、机械设备、资源限制和旅客条件5个一级指标和25个二级指标共同构建的机场航班延误水平的评价体系。一级指标自然条件U1航空公司U2机械设备U3资源限制U4旅客条件U5二级指标鸟击u11 雷雨u12 冰雪u13 大雾U14 沙尘u15信息系统u21 组织系统u22 制度规范u23 监管系统u2

15、4 教育培训u25飞机安全性u31 飞机可靠性u32 飞机维修性u33 地面设备u34 空地设备u35军事活动u41 飞行区u42 航站区u43 终端区u44机场净空u45 航路Ug46旅客晚到u51 乘机意识u52 旅客人数u53 旅客行李u54 突发状况u55表5.15.3模糊综合评价模型5.3.1建立指标集设定航班延误水平评估指标体系为指标集U,按其不同属性分成若干个互不相交的 指标子集。一级指标：U = U1,U2,U3,U4,U5)二级指标:U =1U =2U =3U =4U =5,u , u , u , u TOC o 1-5 h z 1112131415 II, u, u, u,

16、 u)21 22 23 24 25 ，u, u, u, u)31 32 33 34 35i, u, u, u, u, u4142434445 46i , u , u 3, u , u )5152554555.3.2 确定评判集根据航班的运行方式，结合航班延误的特点，提出延误指数延误指数延误特点1低度延误2较低延误3一般延误4较高延误5高度延误5.3.3权重的确定采用层次分析法结合物元分析法确定各个指标的权重，可以较大地提高各个权重指标的客观性。通过向三位民航专家发放调查表的方式，建立判断矩阵:11/241/2521729A =1/41/711/52121/25181/51/91/21/81 T

17、OC o 1-5 h z 1161611918A2 = 1/6 1/9 1 1/2 1112121/6 1/8 1 1/2 11111511217A = 11/211/2 33112191/5 1/7 1/3 1/9 1根据三位专家的判断矩阵，通过MATLAB计算可以分别得到其特征向量，并做一致 性检验后，可确定三位专家给出的第一层因素的权重(程序及结果见附页)。根据物元分析法，构造权重复合物元矩阵Rc1c2c3M10.19130.30430.2299M20.42110.36180.2773M30.05910.06030.1572M40.29410.21230.2938M50.03710.06

18、130.0418确定标准物元R节域物元RM, M2M4 M5 1,一国j 0.2374 0.3483 0.0836 0.2629 0.0456JRpjCL pjM1(0.1913,0.3043)M2(0.2773,0.4211)M3(0.1572,0.0591)M4(0.2123,0.2941)M5(0.0371,0.0613)其中d3，廿a (j = 1,2,.,5), a是日中第，+ 1仃第，+1列元素。appij-虬m2虬1111110.1S540.951011-60.1627110.99040.4471jij，% =ij i=1R物元确定关联函数物元Rw二 r rrjJ du计算专家效

19、率矩阵AVRv= 0.2708 0.3530 0.3762对原权重复合物元矩阵R进行修正，得修正复合物元矩阵，即航班延误统计第一 层指标因素的权重吧=（0.2455 0.3460 0.0963 0.2650 0.0473同理可确定航班延误等级评估的二级指标向量B1 （自然延误）、B2 （航空公司延误）、B3 （机械设备延误）、B4 （资源限制延误）B5 （旅客延误）的权重分别为W=.10980.32160.19970.13030.2386W=.18740.18440.22080.18730.2201W=虹21890.14110.22650.28590.1276W =.2225 0.1376 0

20、.12240.1427 0.1673 0.2075W = 10.25790.14850.19650.21060.18655.3.4建立第二层模糊评判矩阵邀请30位空管，机场和航空公司的一线人员组成专家组，对中国14年航班延误统计 情况进行评判，评判时分别在五个评判等级上对某项评估要素作属于或不属于的二值逻辑判断，即当认为该要素属于该等级时记1，否则记0。在统计3时取% = p/p， 其中P为参加评判的专家总人数，P为选择某一要素属于该等级的专家位数。根据 30位专家的判断，得到各评判矩阵如下：0.1 0.1 0.3 0.3 0.3-0.2 0.2 0.3 0.1 0.2一0.1 0.1 0.3

21、 0.2 0.20.3 0.2 0.2 0.1 0.2R =0.1 0.1 0.3 0.3 0.310.1 0.1 0.4 0.2 0.2R =0.3 0.3 0.2 0.1 0.1_0.1 0.1 0.4 0.2 0.2_40.3 0.2 0.3 0.2 0.10.2 0.3 0.3 0.1 0.10.2 0.3 0.3 0.1 0.10.2 0.2 0.1 0.3 0.10.1 0.2 0.4 0.2 0.1R =0.2 0.1 0.3 0.2 0.220.1 0.2 0.4 0.1 0.2_0.2 0.3 0.3 0.1 0.1_-0.1 0.1 0.1 0.40.30.1 0.1 0.

22、2 0.3 0.30.2 0.3 0.3 0.1 0.1R =0.1 0.1 0.1 0.5 0.20.1 0.2 0.4 0.2 0.150.1 0.1 0.1 0.2 0.3R =330.2 0.1 0.3 0.2 0.2_0.1 0.1 0.1 0.3 0.4_0.1 0.2 0.4 0.1 0.2_0.2 0.3 0.3 0.1 0.1_5.3.5模糊综合评价结果采用评估模型M(*, +)模型(加权平均模型)，经过合成运算，第二层次的综合评判结果B.:IB = W oR =0.1000,0.1000,0.3369,0.2322,0.2548B =W o R =0.1628,0.2187

23、,0.3152,0.1405,0.1474B = W 。R =0.1278,0.1646,0.2977,0.2518,0.1731B = W。R =0.2403,0.2290,0,2325,0.1558,0.1360B5 = wB5 o R5 = 0.1000,0.1000,0.1149,0.3440,0.2990即第一层评判决策矩阵B1BBBB5J0.10000.16280.12780.24030.10000.10000.33690.21870.31520.16460.29770.22900.23250.10000.11490.2322 0.25480.1405 0.14740.2518 0

24、.17310.1558 0.13600.3440 0.2990进而得到第一层评价结果A = Wo B = 0.1616,0.1815,0.2875,0.1874,0.1804依据最大隶属度原则，中国14年航班延误等级为一般延误，对应延误指数为3。5.3.6结果分析本模型综合考虑了各种因素，所得结果具有代表性。结论对比与南华早报网 的报道有一定的偏差，究其原因是南华早报网没有考虑到国内外航班延误统计方 法的不同。通过国外统计的海浦东、上海虹桥、北京国际、杭州萧山、广州白云、 深圳宝安、成都双流的航班延误数据，运用模型的评判集，得出结论为较高延误。 而通过民航给出7个机场的航班延误数据通过模型评判

25、，得出为一般延误。差距 可能的原因是FlightStats在美国和欧洲等大部分国家采用的数据都是飞机“舱 门关闭时间”，而对中国机场采用飞机实际起飞时间，由于飞机从关舱门到离地 之间还有跑道滑行、等候等耗时，大约需要半个小时。根据中国民用航空局公布 的数据，近年中国民航航班的准点率，实际上还要稍高于国际航协的航班平均正 点率，在国际上处中上水平。6模型二的建立与求解6.1航班延误因素分类为了提高飞机利用效率，航空公司的同一架飞机的运行路线往往不是点对点的往 返飞行，而是由连续的不同航段组成的一个闭环。在航班运行的闭环中，按照航班延误的表现形式分类:延误常见情形旅客延误旅客晚到；登机时旅客不辞而

26、别；旅客证件问题耽误时间；旅客 因航班延误等其它服务问题霸占飞机或拒绝登机；旅客随身携带 过多行李；突发疾病等排队延误安检排队延误由于机场的服务能力有限或是旅客在一段 时间内太过密集而造成的安检不畅，形成 很长的排队等待。飞机起飞降落排队 延误由于起飞或降落航班过多，或是天气、军 事活动和流量控制，或者是低效率的地面 服务，造成飞机难以立即起飞的地面排队 或不能在机场找到降落位置而不得不停留 在空中继续盘旋等待排队。航空公司延 误因航空公司自身的运营管控能力或机械故障造成的航班计划安 排不当引起的航班延误。表 6.1.1按照航班延误的因素可控与否分类：延误因素分类不可控因素流量控制、军事活动、

27、天气等可控因素安检、旅客、机械故障、机场原因和公共安全等表 6.1.2根据民航总局2005-2014年航班延误统计数据，造成中国航班延误的关键因素 包括流量控制、航空公司、天气、军事活动、机场因素、机械故障以及旅客等因 素，综合主要航空公司和主要机场的相关数据，得到各因素引发的延误比例结构 表。年份流量控制航空 公司天气军事活动机场旅客20050.160.460.180.030.040.0320060.220.480.230.020.020.0220070.280.470.150.070.020.0120080.190.430.270.060.040.0120090.230.390.190.1

28、10.050.0320100.240.410.230.090.020.0120110.280.370.200.120.010.0220120.220.360.210.170.020.0220130.270.370.220.120.010.01表 6.1.36.2航班延误的指数分布验证泊松分布适用于描述单位时间（或空间）内随机事件发生的次数。如某一服 务设施在一定时间内到达的人数，电话交换机接到呼叫的次数，汽车站台的候客 人数等。机场作为提供航空运输服务的公共基础设施，单位时间内到达和起飞的 飞机数量符合泊松分布特征，可以假设机场飞机的起飞和到达都是服从泊松分 布。根据概率论，如果一个序列服从泊

29、松分布，那么它的序列间隔服从负指数分布，即如果飞机到达和起飞呈现出泊松分布，可以推导出起飞和到达延误时间服 从均值为1人，方差为1.项2的指数分布。当然，只要验证到达延误分布服从指数 分布,就可间接求证飞机到达分布服从泊松分布，并且求出相应的A值。根据随机收集的2014年6月浦东机场和成都双流机场四个样本时间段航班 延误时长和数量。通过分析航班延误样本的实际分布和理论指数分布之间的拟合 度，来验证航班延误的指数分布假设。表6.2.1上海浦东机场和成都双流机场到达间隔统计表延长（ 内）误分时钟航班数量（架）样本1航班数量（架）样本2航班数量（架）样本3航班数量（架） 上海样本4成都上海成都上海成

30、都上海成都5271146271149267145261148101538515383152822507615764480437744774420342237223622392225321830183117301430189169198181135127137139138405263756345435254635031324244555332423260213121426511111132利用MATLAB拟合得下表表6. 2. 2上述检验结果表明，航班延误理论指数分布和实际分布的拟合程度超过98%，验 证了航班到达和起飞符合泊松分布，航班延误符合指数分布，可以利用所统计的 数据来建模。6.3排队

31、模型基于指数分布验证结果，建立动态排队模型。分析我国航班延误多发生于大 中型枢纽机场，其跑道数量基本为两个，本文分析统一采用双跑道模式，遵守航 空运输业的先到先服务规则。因此本文采用2M /M/2基本排队模式。航班的到 达和起飞都服从泊松分布，航班到达和起飞服务时间服从指数分布。假设结论如下：P在At内有多于一个飞机到达= 0（攵）P在长度为&的微小时间区间内有一个飞机到达=人n At + 0制）P炬At内有一个飞机离开I系统非空= UnAt + O（ At）P在At内有多于一个飞机离开I系统中最大顾客数大于1= O（At）当处于稳态时，P （t）不再依赖于时间t，因而得到：史=业（9 = 0

32、ndt dt化简得P (t)=nX XXuu u - un n-1 n-21 JP0因为飞机到达服从参数为人的泊松分布，其服务时间服从平均服务率为u的指数分布，因而可得PX + uP (t)-:i_ u _nlu 7nP n 1n-1P =PP =至1lu 70nlu 7n+1假设-2作为服务时间所服从的指数分布；服务台数是双跑道即双服 务台；排队规则是先到先服务。6.4航班延误的动态排队模型已有文献证明，航班运行各个环节的波及延误效应基本呈现指数递减态势， 且纵向传递近似于以1/2为等比的递减数列，因此可以假设航班延误的波及效应 呈现平稳递减。假设缓冲时间为H，若延误时间小于H，则可被直接缓

33、冲消除； 若大于H，只会一部分被消除。假设初始延误=D0，每个阶段延误波及被缓冲消除该阶段延误的一半， 则有：总的波及效应=D + D2 + . + D = （2 + 4 + . + 2-） D0（6.4.1）可控制延误模型各个环节的延误时间为：在初始机场中：飞机起飞排队延误=飞机排队队长*平均服务时间+延误时间D（起飞排队）=L *W + D0（6.4.2）相关联的第一个机场：D（起飞排队）=L *W + 2D0（6.4.3）相关联的第n个机场：D（起飞排队）=L * W +（ 1 1）D0（6.4.4）当考虑因天气、流量控制和军事活动等不可控因素时，这些因素引发的延误 可能会发生在航班运行

34、的各个环节，在此将以各因素近三年引发的航班延误的平 均发生率把它们纳入模型，形成了航班延误的总动态排队模型。6.5模型求解以首都机场为初始出发机场，基于北京一上海一成都一北京四个机场组成的 航班运营闭环，利用2013年该闭环中航班延误的数据，利用MATLAB拟和出X = 47，根据各影响因素概率分别求得平均服务率r，然后运用MATLAB软件工 具编程求出各航班延误影响因素的影响总时间（因空间限制，故只取流量控制和 航空公司因素给出结果图）：总时间=停留时间+等待时间表 6.5.1表 6.5.2又利用公式平均延误时间=总时间/延误航班数，整理结果得下表表 6.5.3影响因素发生频率（占比比重）影

35、响大小（平均时间）类别航空公司29.2%0 8可控机械故障7%140分钟不可控军事活动12%185分钟不可控天气20%55分钟不可控流量控制28%60分钟不可控、可控机场3%32分钟可控旅客0.8%10分钟可控6.6结果分析结果证明各因素引发的航班延误频率高低和其影响程度并非完全一一对应。 在识别的七个主要影响因素中，航空公司因素发生频率最高、影响最大；流量控 制因素排名第二，发生频率较高、影响大；天气因素发生频率较高、影响较大； 军事活动发生频率一般，但影响大；机械故障频率较低、影响较大；机场因素频 率较低、影响较小。7 模型二的优化7.1优化模型建立在问题二所得结果基础上，本文选取航空公司

36、因素进行优化。设定目标函数 Z为单位时间服务成本与顾客在系统中逗留费用之和的期望值，即 z = c |1+ c L（7.1.1）又由L = p* 2冒2；L = L + 2r（7.1.2 ）（7.1.3）（7.1.4）则目标函数得:（7.1.5）令 di = c - c 4 14）= 0（7.1.6）则可解出最优服务率：i* = 4+ 氏 4（7.1.7）代入模型二可得航班延误的优化模型。7.2模型检验根据2007民行统计数据，分析处理得下表表.2. 1指标国航南航东航海航上航cs0.200.130.180.380.10cw6.446.937.716.588.78根据上表数据利用MATLAB软

37、件进行模拟仿真得下表表.2. 2对比模型二航空公司总时间曲线，发现延误总时间明显减少。优化后的航班延误总时间 大部分在0.1小时以下。7. 3模型评价该模型航空公司影响因素进行优化，模型简单且效果显著。但考虑方面有 些简单，在进行模型检验时，因为数据有限，检验用的为2007年数据，相信 在数据和时间充足的条件下模型肯定可以更好。7.4优化措施7.4.1加强空域流量控制虽然航空公司并不能随心所欲的控制空域流量，但它们可以通过科学的方 法、合理的手段，对空域流量进行有效梳理，降低由于空域流量过大造成的航班 延误问题。对空域流量的控制应该根据调配期限的不同采取不同的措施。短期调 配是指当需要控制空域

38、流量时，各航空公司进行沟通和协调，及时调整飞机航线 和高度，保证航班在符合规定的条件下安全、有序飞行，避免航班延误；中期调 配指在距离航班起飞前24小时，根据现实条件临时调整起飞时间；长期调配主 要是通过合理制定航期时刻表并严格执行，使空域流量长期保持在合理的范围 内，防止航班延误。7.4.2合理增加航线数量随着人们越来越多的采用乘坐航班的方式出行，导致很多航空公司都在扩 大规模和增加航班数量，无形中增大了航班延误的概率。为了降低航班延误的概 率，保障旅客的合法权益，航空公司不能盲目的增加航线数量。航空公司应该在 国家宏观调控的指导下，在我国空域承受范围内，有目的、有计划的增加航线数 量。另外

39、，各航空公司可以组成联盟，进行资源共享和统一调配，这样才能最大 限度的避免航班延误。参考文献邵维亮.基于航班运行仿真的航班延误水平评价D.广汉：中国民航飞行学院 硕士学位论文，2012.杨秀云，王全良,何建宝.航班延误问题的研究动态、演化趋势和启示J.经 济经纬，2013(4).唐应辉.排队论：基础与分析技术M.北京：科学出版社.2006.华兴.排队论与随机服务系统M.上海：上海翻译出版公司，2007.石丽娜.多等级模糊综合评价方法在航班延误中的应用J.上海工程技术大学学报，2006, ,2 (3):276-279王羽.肖盛燮物元模糊综合评价项目在风险分析中的运用J.重庆交通学院 学报，200

40、6,25(2):118-121.马正平，崔德光.机场航班延误优化模型J.清华大学学报(自然科学 版)，2004，44(4):474-477，484.姚韵，朱金福.基于可拓权重的航班延误服务旅客满意度多级模糊评价模型张炳祥.飞行签派业务M.北京：中国三峡出版社，2001.赵嶷飞 张亮.航班延误统计指标体系及延误等级评估研究J.中国民航大 学(空中交通管理研究基地).2009.邢有洪，李晓津，金 永利.航班延误影响因素的实证分析J.会计之友,2012(8).刘林，应用模糊数学M.陕西：陕西科学技术出版社，1999.附录I .模型一航班延误综合评论表格因素集评判集影响航班正常性因素专家判断各要素所处

41、等级概率统 计评判指 标权重评判要素权重很高较高一般较低低自然条 件0.2455鸟击0.10980.10.10.30.20.3雷雨0.32160.10.10.30.30.2冰雪0.19970.10.10.30.20.3大雾0.13030.10.10.40.20.2沙尘0.23860.10.10.40.20.3航空公 司0.3460信息系统0.18740.20.30.30.10.1组织系统0.18440.10.20.40.20.1制度规范0.22080.20.10.30.20.2信号系统0.18730.10.20.40.10.2教育培训0.22010.20.30.20.10.1机械设 备0.09

42、63飞机安全性0.21890.10.20.20.30.2飞机可靠性0.14110.10.20.30.30.1飞机维修性0.22650.10.10.40.20.2地面设备0.28590.10.20.20.30.2地空设备0.12760.20.10.50.10.1资源限 制0.2650军事活动区0.22250.20.20.30.10.2飞行区0.13760.30.20.20.10.2航站区0.12240.30.30.20.10.1终端区0.14270.30.20.30.20.1禁空区0.16730.20.30.30.10.1流量控制0.20750.20.20.10.30.1旅客条 件0.0473旅

43、客晚到0.25790.10.10.10.40.3乘机意识0.14850.10.10.20.30.3旅客人数0.19650.10.10.10.50.2旅客行李0.21060.10.10.10.20.3突发状况0.18650.10.10.10.30.4权重MATLAB程序程序1:A=1,1/2,4,1/2,5;2,1,7,2,9;1/4,1/7,1,1/5,2;2,1/2,5,1,8;1/5,1/9,1/2,1/8,1;V,D=eig(A)W1=V(:,1)/sum(V(:,1)lambda=max(eig(A)n=size(A)CI=(lambda-n)./(n-1)RI=1.12CR=CI./

44、RIif CR=0.1error(A不通过一致性检验);else pass textend程序2A=1,1,6,1,6;1,1,9,1,8;1/6,1/9,1,1/2,1;1,1,2,1,2;1/6,1/8,1,1/2,1;V,D=eig(A)W2=V(:,1)/sum(V(:,1)lambda=max(eig(A)n=size(A)CI=(lambda-n)./(n-1)RI=1.12CR=CI./RIif CR=0.1error(A不通过一致性检验);else pass textend程序3A=1,1,1,1,5 ;1,1,2,1,7;1,1/2,1,1/2,3;1,1,2,1,9;1/5,1/7,1/3,1/9,1;V,D=eig(A)W3=V(:,1)/sum(V(:,1)lambda=max(eig(A)n=size(A)CI=(lambda-n)./(n-1)RI=1.12CR=CI./RIif CR=0.1error(A不通过一致性检验);else pass textendII.模型二曲线拟合：x=5 10 15 20 25 30 35 40 45 50 55 60 65; y=271 153 76 34 32 18 12