1、 引言
隨著民航業的快速發展，我國已經成為了全球最具發展潛力的航空市場。由于機場建設、設施部署和機場運營受到資金、技術和人力等資源的制約，加之機場的業務系統的數量和復雜度爆炸性增長，協同運行、主動安全、個性服務、精準的商業營銷對機場的運營管理提出了更高的要求。首都機場一直在致力于從企業的整體角度而非單個部門對于數據進行統一的管理和運營。本文提出的首都機場新一代大數據平臺是基于整體機場業務流程的數據分析平臺，我們希望借助該平臺的數據集成和分析的能力提升機場整體運行效率傳統。A-CDM(機場協同決策系統)是基于航班數據和地面保障數據的運行協同決策平臺，隨著信息系統的發展，數據量的增長，旅客流、行李流以及機場周邊的交通運輸流的大數據分析也將為機場運行側的協同決策和輔助分析提供更科學和量化的有力支撐。
2、 首都機場新一代大數據平臺
2.1、首都機場的數據平臺建設歷程
作為大型國際樞紐機場，首都機場在大數據的探索中也走在了行業的最前沿，首都機場從2008年開始建設統一的數據中心系統，作為首都機場運行數據、商業數據以及能源類等數據的管理型數據倉庫。直到2014年我們搭建了智慧運營管理平臺,是首都機場第一個基于Apache Hadoop架構的數據平臺，該平臺具有通用的spark、stream等開源通用組件能夠支持非結構化數據以及流數據的處理同時兼具分布式并行數據庫Big SQL支持海量結構化數據的秒級分析。同時首都機場也做了“大數據在大型機場運維管理中的應用研究”科技項目的探索。我們在公司的十三五規劃基礎能力建設中也開始考慮新一代大數據平臺的建設。
2.2、新一代大數據平臺的建設
隨著大數據、物聯網、云平臺等技術發展，數據分析和數據應用發生了顯著變化，從統計分析向預測分析轉變、從單領域向跨領域轉變、從被動向主動轉變、從非實時向實時轉變、從結構化數據向多元化轉變。這五大轉變針對大數據服務提出的要求體現在數據處理能力、分析能力、時效性和數據共享互通以及平臺易用性，開放性等方面;在數據治理方面的要求則體現在對數據資產管理、數據開發、數據質量以及數據共享機制等方面。
首都機場大數據平臺項目通過利用大數據相關技術手段完成首都機場大數據平臺建設，為首都機場提供大數據存儲、處理和分析能力支撐，通過數據的不斷融合積累和平臺能力的不斷完善，全面支撐首都機場運營管理各項業務應用，有效提高運營管理能力，有效提升客戶服務水平，促進業務創新發展。同時該平臺是面向下一代經營分析系統的探索和演進，通過構建大數據管理支撐架構，實現多樣化、海量數據的聚合與處理，強化企業數據管理與應用支撐的體系建設，融合多業務領域的數據和應用，為企業內外部各系統提供高價值的數據服務與數據應用支撐能力。
在建設范圍劃分上，首都機場大數據平臺整體分為三個部分進行建設，企業級數據倉庫、大數據分析系統和大數據管理和應用體系。其中企業級數據倉庫將全面升級首都機場結構化數據處理和應用能力;大數據分析系統利用大數據主流技術，全面實現首都機場海量多維數據的存儲、處理、分析和功能實現，全面提升首都機場智慧運營管理能力;大數據管理和應用體系將分階段實現數據標準，數據管理制度，以及大數據相關試點應用的建設部署。
?
?
圖一 新一代首都機場大數據平臺的總體分層架構體系
2.3、大數據平臺對于業務領域的數據支持和應用支撐
2.3.1 首都機場大數據平臺的數據架構
?
?
圖二 首都機場大數據平臺的總體數據架構
首都機場大數據平臺總體數據架構說明：
a) 大數據平臺數據從整體上分為三層：數據采集與存儲層、數據整合與服務層、數據應用與訪問層;
b) 數據采集與存儲層數據存放在采集庫中，包括源系統的原始數據和采集過程中的中間暫存數據;
c) 數據整合與服務是源數據通過加工轉換后形成的數據資產，數據資產包括基礎數據資產、基礎累積數據和數據標簽，基礎累積數據和數據標簽都是通過基礎數據資產計算和加工生成;
d) 數據應用和訪問層是應用加工的結果數據，用于應用的業務流程處理和報表展現，應用通過訪問數據整合和服務層的數據資產和累積數據進行加工后完成應用相關功能并且生成應用結果數據;
e) 圖像、音頻、視頻等非結構化數據由于數據量巨大，采集加工后直接存放到歸檔庫中，數據資產在不斷變化過程中會產生歷史數據，歷史數據也會存放到歸檔庫中;
f) 大數據平臺的所有數據需要通過數據治理的元數據進行定義，數據治理還包括了數據加工規則和數據校驗規則的定義。
2.3.2 大數據平臺對首都機場應用系統的支撐
整個大數據平臺的公共組件構成架構提供了松耦合、高穩定、高可靠、易擴展、易更換的功能機制。大數據平臺抽象出的公共組件主要包括：規則引擎、數據加密、日志引擎、工作流以及圖形展現工具等。大數據平臺通過建立組件接口模型及內部結構模型，提供了一個企業大數據平臺開發、運營系統環境下基于Web服務和OSGi標準的組件模型。
提供在線分析型數據應用開發服務的首都機場應用支撐平臺必須具備以下技術特點：
1、具有統一、開放且強大的計算能力和存儲能力，可以支持復雜的分析和處理，特別是支持大數據的存儲與快速計算;
2、統一支撐平臺開發環境基于網絡提供服務，開發人員只需要關心數據業務化應用;開發服務模塊通過網絡以界面的形式與用戶交互，協助用戶完成應用的開發與部署。
3、通過統一支撐平臺開發的數據應用既可以只做數據處理提供，也可以包括最終的報表、分析報表的產出，直接生成業務人員所需要的結果知識與呈現形式。
4、統一支撐平臺可定制與可擴展性較強，能力更新頻繁，具有完善的快速開發和運營環境。
該平臺圍繞運行輔助、機場事件調度、旅客畫像、商業智能等方面構建了一系列基于大數據平臺的應用體系，并計劃構建運行輔助分析、旅客宏觀畫像、旅客微觀畫像、航站樓商業智能分析以及機場事件調度中心等應用系統。
3 、大數據平臺對于運行效率提升的支撐
3.1、當前航班放行的不足以及運行效率的影響因素
目前空管安排航班放行普遍運用的排序方法是“先到先得”，即按照航班準備好的時間和順序安排航班放行，這種放行方法比較簡單但是也有一些問題，比如要在關艙門后才能申請起飛時間，這樣起飛時間就跟飛機的旅客、行李到位以及加油、餐食補充的時間等因素影響較大。另外當前一時段航班整體延誤時，延誤向下傳導，會影響后一時間段的航班正常性，造成整體航班延誤加大。
對于航空公司而言，航班能不能起飛不僅取決于該航班的局方批復時間和航空公司的計劃時間，實際運行中還與機場運行態勢即跑道、停機位等資源的緊張程度、天氣情況、航站樓內旅客狀況、行李裝卸情況、發生復雜事件之后的應急處理時間、以及滑行和地面保障時間的效率等多因素來決定。
基于以上因素如何準確的評估現時航班運行效率以及對下一時間段的航班正常性進行預測就成為運行效率提升的根本問題。
3.2、A-CDM的演進
傳統A-CDM系統(機場決策系統)是將現有的航班集成系統進行更新換代，將機場、空管、航空公司等相關方集成至統一平臺以實現機場運營管理的協同決策目的。A-CDM實現以機場為中心的機場、空管以及航空公司之間的協調運行合作，系統通過集成各方數據(主要為航班數據)，并將數據進行共享，來實現以機場為中心、各個運營方的資源合理調配，提高整體的運行效率，以保證航班運行。A-CDM系統主要包括“信息共享”、“航班里程碑管理”、“航班協同管理”等基本要素。
隨著大數據、物聯網、人工智能等技術的發展以及機場對于運行效率和航班正常性的要求的提高，A-CDM系統未來的趨勢是借助物聯網感知和無線傳輸的能力，通過數據共享及大數據融合技術以及計算機算法和人工智能技術，對未來機場運行、航班保障進行預測。為機場管理者提供態勢分析，早做決策早部署，及時避免非正常事件發生;能夠對機場運行環節進行精細化管控，確保機場安全運行，提高準點率、增加收益、減少資源浪費、降低維護成本;對航空公司而言也有效提升了航班準點率，提高了服務質量，減少了燃油排放量，減少了環境污染。對廣大旅客而言，能夠提早知道航班信息，減少在飛機上長時間等待等益處。
3.3、大數據平臺對機場運行效率提升的支持
具體到大數據平臺如何對機場協同決策以及運行效率提升實現支持，主要體現在大數據平臺可以為下一代的A-CDM提供更多維度的數據譬如旅客流數據、行李流數據、外部交通流數據以及氣象數據等。通過多源數據的匯入，通過建模不斷優化并實現精準預測：地面保障時間、跑道滑行時間、過站時長從而對機場的整體運行態勢感知進行現狀評估和未來的預測。同時由于大數據分析與傳統數據分析的轉變：
? 不是隨機樣本，而是全體數據; ? 不是精確性，而是混雜性; ? 不是因果關系，而是相關關系。
我們可以通過為模型不斷輸入歷史數據和不同的相關因子，并基于模型的不斷自我學習、機器學習和優化找到原來我們未知因果關聯的不同影響因素的相關性。
而當機場受到復雜天氣影響航班運行時，A-CDM系統能夠依托大數據處理中心，對相同事件下的歷史情景進行智能分析，結合當日航班實時動態對未來時間段內的機場運行進行模擬，最終推算出各項機場容量指標預測值，為機場在的不利條件下的決策提供依據和有效建議。
飛機過站的整體流程相對固定，各個關鍵節點的時間是A-CDM最應關注的，如下圖所示：
?
?
圖三 機場運行協同決策環節關鍵節點流程圖
機場的每次航班從飛機在本場落地到離地起飛的這段時間的匯總就決定了每個機場的運行效率，所以時間管理就成為了重中之重，如何高效的縮短每段關鍵節點的時間就是A-CDM最應該關注的問題。
?
?
圖四 A-CDM過站流程時間標準圖
如上圖所示幾個可能受機場相關流程影響的時間主要是滑入時間、過站時間、滑出時間，我們可以通過大數據平臺的多源數據引入和建模對以下時間進行精準的評估和預測：
3.3.1 飛機滑行時間的評估和預測
如圖四所示Y+Q = 可變滑行時間受諸多因素影響，譬如：滑行道擁堵、跑道出口選擇、滑行道路徑、是否穿越跑道、飛機類型、滑行道+停機位組合、天氣和其他限制條件。
我們可以基于空管(跑滑相關動態與狀態數據)、航班數據(運行與計劃)、資源數據(機位)、ADS-B軌跡等、場間雷達數據、跑道地理信息數據(滑行道布局)，分析最大可能概率的滑行路徑及其上述因素對滑行時間的影響。單獨分析非計劃航班，或惡劣天氣下的滑行情況的定性定量滑行影響因素。
輸出：航班滑入時間的各個影響因素之間的比重關系;指定起始目的地和路徑之間，各種因素影響下，最大概率的滑行時間區間，概率分布;分析滑行時間和滑行道航班容量之間(已降為上輪檔，已下輪檔未起飛)關系;分析不同航班容量下，對滑行時間的影響因素。
3.3.2 地面保障時間的評估和預測
如圖四所示Z(過站時間)即為地面保障時間，其中所含機場相關工序有：上輪檔(標志著地面服務時間開始)、靠橋、卸行李、第一件行李上傳送帶到最后一件行李上傳送帶、保潔、加油、餐食供應、裝載下一航班的行李、提交起飛申請、旅客登機、撤輪擋(標志著開始滑出)
?
?
圖五 地面保障時間關鍵流程圖
地面保障時間的評估和預測可以基于本場航班數據(運行與計劃)、資源數據(機位、航向等)、保障數據(環節時間)、天氣數據、靜態數據(機型最小過站時間等)等。基于歷史數據(不同環節地服保障人員，車輛安排，機位位置類型(橋，近遠機位，遠遠機位等)，陸側路況數據(交通繁忙情況等)，航站樓旅客流數據、行李流數據分析地面保障各任務歷史耗時，分析在正常和快速保障下的耗時分布和概率情況。評估早出港、過站航班各個任務的開始和結束時間，與落地/上輪檔或下輪檔/起飛之間的關聯性分析。
輸出：不同類型航班保障，各項保障工作在特定條件下消耗時間的概率分布;早出港/過站航班的保障任務開始和結束時間與上下輪檔(或起降)的變化聯動性;采用快速保障程序，或并行工作時，壓縮的消耗時間概率分布圖。
3.3.3 機場運行資源效率評價及預測、運行總體水平打分
我們可以基于：本場航班數據(運行與計劃)、資源使用時間數據、歷史資源保障效率、歷史資源達標標簽、天氣現象(本場)、航站樓旅客流數據、行李流數據、陸側交通等數據對機場運行資源效率進行評價及預測、運行總體水平打分，基于歷史運行資源(跑道、滑行道、機位、客橋、轉盤、安檢通道、保障車輛(拖車、客梯車、擺渡車、行李車)等)保障航班數量、保障效率、資源容量與保障資源達標情況、天氣情況等，分析不同條件下運行資源短板，并基于此模型對當前運行資源效率進行預測。
輸出包括：當前運行資源效率預測;運行資源總體水平打分(雷達圖);機場運行總臺態勢評估;預測和報警即將出現的復雜事件。
3.3.4 航班正常性的預測
通過大數據平臺對滑入時間(EXIT)、預計滑出時間(EXOT)、預計撤輪擋時間(EOBT)、目標撤輪擋時間(TOBT)、計算撤輪擋時間(COBT)的預測為核心要素，整合機場、空管、航空公司等航空活動參與方的多個信息數據源，實現機位、地面車輛、保障人員、旅客、行李和航班保障進程的實時監控和可視化多維趨勢分析，以充分利用各方信息資源提高機場運行效率和準點率，同時提升不利條件下航班延誤的快速處置能力。
通過大數據平臺的事件中心基于事件管理模塊，對航班運行事件進行管理和定義，包括交通事件，航班運行事件，旅客行為事件，氣象事件等。事件中心完成事件和規則的定義，并設置事件的觸發條件和數據匹配模型。事件觸發后，觸發的事件進入模型中心進行數據模型的計算，并進行事件的評估和預警識別。模型中心根據預先指定的特征抽取以及歷史數據的學習，來構建航延事件的預警模型。當模型識別出航延的風險后，輸出到策略中心。策略中心主要完成處置策略的定義，匹配，以及規則化的處置動作執行(如通知相關的聯動部門)。在預警推送完成后，應用系統應提供實時監控能力，以及與其它業務系統的預警聯動處置。最終處置評估結果，將返回評估中心，供模型評估算法的持續優化改進。總體流程參如下：
?
?
圖六 航班正常性預測系統流程圖
3.4、基于大數據技術的新一代運行協同決策平臺
通過大數據平臺集成了內外部多種數據，利用首都機場各個領域的大數據，進行綜合性的分析和預測，該平臺通過以下功能對機場的日常事件實現實時動態響應：
? 規劃和監控機場的日常運營操作; ? 預測風險特征并分析給機場帶來的影響; ? 預警機場影響因素; ? 計劃應用行為模擬仿真，假定推演;
該平臺可以通過數據共享交換以及基于數據的協同決策實現機場運營業務的持續改進。大數據平臺，采集航空器流程、旅客流程、交通流程、行李流程多個業務流中的相關數據，進行了統一的數據加工處理，進而形成數據資產，為首都機場構建下一代機場運行輔助決策支撐系統打下基礎。
?
?
圖七 大數據平臺數據架構
1. 源數據：大數據平臺采集機場內部運行、安全、服務、商業等領域數據，并實時采集機場外部數據，例如空管、航空公司、外部交通、地面服務公司、海關、邊檢、天氣以及互聯網等數據。本期項目中暫時不引入管理領域數據，其他領域主要數據都需要引入。其中運行決策支撐應用功能主要依賴于運行、安全、服務以及相關外部數據支撐。
2. 數據資產：將處理后的數據按照應用需求進行主題區劃分，形成機場數據資產。數據資產包含了數據主題數據、相關過程數據以及元數據等。
3. 能力支撐：大數據平臺提供相關能力，包括相關性計算、預測分析、分類算法、推薦等能力。
4. 應用：首都機場包含航空器流程、旅客流程、交通流程、行李流程，在本次項目中重點關注航空器流程和旅客流程，支撐機場的航空器流程效率提升，包括運行效率、地面保障效率等，支撐機場商業和服務，提升旅客體驗。同時該平臺應在將來實現交通流以及行李流程的數據支撐。
?
?
圖八 新一代的機場協同決策平臺架構
4 、結論
大數據平臺的建設對于首都機場運行效率的提升具有決定性的作用，在此基礎上A-CDM平臺也引入了除之前主要依靠的航班流數據之外的旅客流數據、行李流數據、陸側交通流數據、貨物流數據。使影響運行決策的因子更加豐富，更加多維。不僅如此大數據技術也提供非結構化數據的分析技術，必將使得今后協同運行決策更科學。同時大數據平臺的數據聚合、數據分析、數據展現等功能為運行決策呈現了更全面、更立體的360度統一視圖。為機場的運營者提供了更高的價值：提高了航班的正點率;提高了廊橋、機位、專用車輛等機場資源的計劃管理效率;增加了機場的有效航班使用時間和旅客承載量;提高了旅客的滿意度。
參考文獻
[1] Total Airport Management NAVBLUE value proposition for BCIA.
[2] A-CDM機場協同決策的應用 馬筠岷 廣西機場管理集團桂林兩江國際機場.
[3] 航班運行協同決策系統在深圳機場的應用 王超/鄭陽 民航深圳空管站.
作者：徐英超
單位：北京首都國際機場股份有限公司
來源：四型機場
