基于AHP的航班延误问题分析

基于AHP的航班延误问题分析
王一萍; 张洪涛; 王越
【期刊名称】《《高师理科学刊》》
【年(卷),期】2019(039)010
【总页数】4页(P29-32)
【关键词】航班延误; 层次分析法; 灰色模型
【作者】王一萍; 张洪涛; 王越
【作者单位】齐齐哈尔大学计算机与控制工程学院黑龙江齐齐哈尔 161006; 王府高级中学辽宁大连 116044
【正文语种】中文
【中图分类】O29; TP313
随着经济的发展，普通旅客出行的选择逐渐地从原来的普速火车转向更加省时舒适的高铁和飞机．中国民航业近年来得到了快速发展，航班量在增加，航班线路在增多，航班的密度也逐渐在增大．随之而来的各个机场航班延误率高和准点率低等问题，给航空公司和旅客出行造成很大的麻烦．目前，导致航班延误的原因主要有航空公司自身、流量、天气、机场和旅客等其它原因[1]．本文利用层次分析法对国内主要机场延误问题的影响因素权重进行分析，得出主要的影响因素，从而减少航空公司的损失，减少航班的延误问题．用灰色关联模型，将十大机场航班延误情况与延误问题次数进行结合，从而确定各个影响因素的影响度．
导致航班延误的原因有很多种，通过对中国主要机场的延误原因统计，主要因素有
航空公司原因、流量原因、天气原因和其它原因4种[2]．
航空公司原因主要包括飞机机械故障、飞机调配、机务维护、机组人员、飞机晚到、机供品餐食配备和航班计划等；流量原因主要包括流量控制等待和禁航令（军航训练、转场、演习或国防科研项目）；天气原因主要包括出发地机场天气状况（能见度、低空云、雷雨区和强侧风）、目的机场天气状况（能见度、低空云、雷雨区和强侧风）、飞行航路上的气象情况（高空雷雨区）、机组状况（机组技术等级，分析当前气象及趋势作出专业的决策）、飞机状况（机型对气象条件的安全标准，符合安全的前提下某些机载设备失效导致飞机不宜在当前天气状况下飞行）、因恶劣天气导致的后续状况（多指机场导航设施受损，跑道不够标准，如结冰和严重积水等）；其它原因主要包括民航保障单位原因（航空油料、航空通信和联检）、机场原因（鸟害事故、设备故障、停机位分配、登机口分配、保障车辆、候机楼设备和信息发布）、空管原因（人员失误、设备故障和信息服务）、旅客原因和公共安全事件（航班遭到劫持或公共卫生事件）等．
对中国各大机场航班延误次数和延误原因数据进行统计分析[3]，得到各种延误
原因对于延误总次数的占比（见表１）．
由表1可以看出，航空公司对于航班的延误问题占据大多数情况，但是公布的原
因百分比只能显示出由此原因导致的航班延误占比，不能反映出不同原因对于航班延误的影响程度．
在分析航班延误问题时需要考虑什么是主要因素，什么是次要因素[4]．因此利用
灰色关联模型对公布数据进行Matlab求关联度，结果见表2．
层次分析法是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标（或准则约束）的若干层次，通过定性指标模糊量化的方法计算出层次单排序（权数）和总排序，以作为多指标、多方案优化决策的系统方法[5]．
在应用层次分析法解决问题时，要把问题条理化和层次化，构造出一个有层次的结构模型[6]．在这个模型中，复杂问题被分解为元素的组成部分．这些元素又按照
其属性及关系形成若干层次．上一层次的元素作为准则对下一层次的元素起到支配作用．这些层次主要分为３类：
3.2.1 最高层最高层中只有一个元素，一般是分析问题的预定目标或理想结果，也称目标层．对于航班延误问题分析，航班延迟的主要原因就是目标层．
3.2.2 中间层中间层中包含为实现目标所涉及的中间环节，可以由若干个层次
组成，包括所需要考虑的准则和子准则，也称为准则层．对于航班延误问题的准则判断，主要从延误的频率和延误的影响２个方向考虑，同时将影响延误的频率分为较低、中等和较高３种情况，将延误影响分为影响较轻、影响一般和影响严重３种情况．
3.2.3 最底层最底层主要包括为实现目标可供选择的各种措施和解决方案等，
也称为措施层或方案层．对于航班延误问题的分析，方案层应该是导致航班延误的因素，包括航空公司原因、流量原因、天气原因及其它原因．由于其它原因大部分为不可控及不可改变因素，因此将前３种原因作为方案层．
由分析可得到层次结构模型（见图1）．
层次结构反映了因素之间的关系，但准则层中的各准则在目标衡量中所占的比重并不一定相同，从决策者角度，它们各占一定的比例[7]．确定这些影响因素在所有
因素中所占比例时，主要困难是这些比例一般不易量化，又由于影响因子较多，直接考虑各因子对目标层有多大程度的影响时，常常会因为考虑不周，使决策者提出与实际情况不相一致的数据，也有可能提出一组隐含矛盾的数据．为解决这一问题，本文采取对因子进行两两比较建立成对比较矩阵的方法．即每次取２个因子和，用表示和对某因素的影响大小之比，全部对比结果用矩阵表示，并把称为判断矩阵．为了确定的值，本文采用数字1到9及倒数作为标注，具体含义见表3．
根据标度的含义，对准则层和方案层进行判断矩阵构建．
准则层的判断矩阵为，其中：为航班延误的主要原因；为延误频率较低；为延误频率中等；为延误频率较高；为延误影响较轻；为延误影响一般；为延误影响严重．方案层的判断矩阵分别为，，，，，，其中：为航空公司原因；为流量原因；为天气原因．
将矩阵存入Text1中，利用Matlab程序对各层的权值及一致性检验进行计算，经过程序运行后，得到层次总排序结果（见表4），同时相关指标通过一致性检验．由表4层次总排序可知，导致航班延误的主要因素是航空公司原因，大约占比39.52%，其次是天气原因，大约占比30.52%，排名第３的是流量原因，大约占比29.96%．
该模型的优点是从航班延误的３个主要原因出发，利用延误影响频率和延误影响程度对影响原因进入深入研究，通过构造判断矩阵使得层与层之间的关系相互量化，不割裂每一个原因对最终结果的联系，得出航空公司原因是航班延误的主要因素[8]．
该模型的缺点是大部分判断矩阵指标都是相关航空公司公布的数据，对于数据的真实性无法保证，同时对于多个指标因素的权重难以确定，结果不易令人信服．
本文利用层次分析法对目前导致机场航班延误的因素进行分析，最终得出航空公司原因是主要延误原因，大约占40%左右．其次是天气原因，约占31%，最后是流量原因，大约占29%．由航空公司原因与流量原因占比可以分析得出，延误主要由日益增加的航班数量和跑道较少之间的矛盾所导致，在解决这个问题时，可以结合目前大数据和人工智能相关技术，对于航班的动态调度寻求最优的时间解．对于天气原因延误，大部分集中在对航班飞行不利的情况，因此该因素在解决问题上只能增强航班的安全系数，同时根据气象相关数据对飞机航班进行动态调整．
【相关文献】
[1] 董念清．中国航班延误的现状、原因及治理路径[J]．北京航空航天大学学报：社会科学版，2013，26（6）：25-32
[2] 李晓岚．我国民航航班延误问题及治理对策研究[D]．郑州：郑州大学，2016
[3] 姜伟华．航班延误影响因素及管理措施分析[J]．科技经济导刊，2018，26（32）：215
[4] 许红．我国航班延误纠纷的现状、诱因及对策[D]．长沙：湖南大学，2007
[5] 王永生．航班延误的原因及其对策分析[J]．科技创新与应用，2018（28）：71-72
[6] 杨子怡．基于层次分析法分析2010—2017年我国航班延误问题的主要原因[J]．通讯世界，2018（11）：246-247
[7] 曹亚昆，朱陈平，王艳军．东航航班延误问题研究[J]．西安文理学院学报：自然科学版，2018，21（2）：5-9
[8] 杨秀云，王军，何建宝．航班延误关键影响因素及影响程度识别——基于动态排队模型的分析[J]．统计与信息论坛，2014，29（4）：88-95。