摘要：2019年10月，民航局空管局下发了《民航局空管局关于开展空管航班保障量预测专项工作的通知》，针对此文件，论文给出了区域保障能力的定义，总结了相应的预测方法，归纳了民航局对区域保障能力预测的要求，分析了现有基于时序进行保障能力预测存在的缺陷，最后给出了自己的五条建议。 

　　2019年10月，民航局空管局下发了《民航局空管局关于开展空管航班保障量预测专项工作的通知》（民航空发明电〔2019〕610 号）文件，文件要求：由各地区空管局分别组织对本地区区域航班保障量进行预测。区域航班保障量预测，依据未来本地区管制中心布局，结合地区航班运行历史数据，科学预测2020年至2035年期间各地区区域保障架次，形成地区区域保障架次预测报告。 

　　此次航班保障量预测是对规划建设新的管制中心工作的支持。民航管制中心是民航提供空中交通服务的重要基础，是保障民航安全高效运行的关键支撑，在民航发展中的地位和作用至关重要。为更好地落实新时代民航强国战略，推进“四强空管"建设任务，民航局开始讨论新的管制中心的布局。 

　　管制中心的布局与地区保障能力密切相关，合理的布局与划分会提升地区的保障能力，提升航班运行的安全性，减轻管制单位的运行压力，所以，有必要对保障能力进行进一步深入地分析。各地区空管局迅速开展区域航班保障量预测工作，我们也有幸参与其中，但在进行预测工作的过程中发现一些问题，所以在此进行讨论和建议。 

　　本论文首先给出保障能力的定义，介绍一般预测计算方法，其次归纳了民航局对于区域保障能力预测的要求，然后重点分析了现有按时序进行预测存在的缺陷，最后提出了自己的五条政策建议。 

一、区域保障能力的定义与计算方法

　　区域航班保障能力目前没有官方定义，按照民航空管现行的计算方法，这里定义为：航空器在指定空域划分范围中进入并离开一次，统计时算作保障一架次。一个区域的保障能力一般按照一天或一个月的时长统计得到。区域航班保障量统计时针对的就是区域管制空域的范围，与该管制空域扇区划分的多少无关。这种定义一方面符合空管保障的含义与要求，统计方式简单，统计数据可信度高，另一方面也能避免因划分扇区的不同带来的数据虚高、数据采集点分布混乱、工作量大这些缺陷。 

　　查阅国内外对保障能力的相关计算方法，归纳主要步骤如下： 

　　第一步：采集历史数据 

　　无论使用何种方法进行预测，都需要依靠详实而准确的历史数据。主要需要采集以下几种数据。⑴地区机场历年的起落架次。考虑到交通数据存在随机性，且会随着一些重要活动而发生变化，所以建议采集预测地区5~10年的历史起降架次数据；⑵地区历史保障架次。FAA和EUROCONTROL认为^[1]，民航的发展具有连续性，通过历史保障数据分析未来的保障数据准确性较高。所以在预测未来的保障架次时，不仅需要了解未来地区机场的需求情况，也需要采集该地区的历史保障架次；⑶比例数据。FAA认为份额分析是预测和评估地区需求和保障的重要方法^[2]。通过假设当地航空运输市场在短期内不会发生明显变化，即可通过某机场或某扇区在历史上所占的份额估算未来的总交通需求和总保障能力。通过计算某一段时间某机场起降架次所占地区的比例，而后通过预测得到未来时间的起降架次，反除比例得到总交通需求。同理，可以通过扇区份额的计算，反推得到未来时间各区域的保障能力。 

　　第二步：选择预测方法 

　　根据预测时间的长短，预测的方法主要也分为2种，即短期保障能力预测与长期保障能力预测^[3]。在短期预测中，主要通过时间序列方法进行计算。由于保障数据随月的变化比年的变化更为明显，所以一般以月为单位进行预测。最多可预测10年，如果数据波动性大，只能预测两年或三年。还需要针对异常事件（例如2008年北京奥运会等）做出调整，获得较为准确的历史数据。在完成上述步骤后，就可以使用时间序列方法进行预测了，如趋势外推法、自回归综合移动平均线（ARIMA）预测等模型，在需要时也使用更简单的模型（如Holt-Winters或简单的指数平滑）。长期预测需要考虑的因素相对较多，比如预测需求时要考虑GDP和高速铁路发展带来的影响。通过GDP和高铁数据进行回归以给出未来需求（乘客数量或航班数量）。再如需求行为预测，即对民航运输的客运分担量进行预测。 

　　第三步：比对历史数据与预测数据，对预测结果进行调优，和需求进行对比分析。 

　　根据建立的模型，带入对应数据，获得保障能力的预测数据，与历史数据和专家趋势预测对比分析，对预测结果进行调优。 

　　保障能力预测的目的是为了满足日渐增长的交通需求。所以，在使用上述方法完成保障能力的预测后，需要与需求预测数据进行对比分析。根据交通需求的变化情况，确定保障能力的悲观预测方法、基本预测方法与乐观预测方法，从而衡量各种发展条件下可能出现的保障能力^[4]。如有需要，可根据一线单位的实际情况选取组合系数，采用三种方法的组合预测给出较为综合的预测值。 

二、民航局对于保障能力预测的要求

　　通过仔细研读民航局空管局下发的《民航局空管局关于开展空管航班保障量预测专项工作的通知》（民航空发明电〔2019〕610 号）文件，可得该文件指出的预测要点，具体见下： 

　　在预测目的方面，民航局下发该文件的目的在于通过对各地区保障能力的预测，评价现有保障能力是否能与交通需求相匹配，分析现有区管中心的划分与建设情况是否能与日益增长的交通需求相匹配，为将来区管中心的建设与布局提供数据、理论基础与政策建议。 

　　在预测方法方面，民航局下发的文件重点指出两点。第一，整体预测和地区预测相结合。这种系统与要素相结合的预测方法，能够有效的提升预测的精度。所以，这对于地区预测而言，需要着眼于地区在全国的位置与自身的特点，从而为预测方法的选择与预测数据的调整奠定基础。第二，自预测和第三方预测相结合。文件的这一要求，是为了将管制单位的一线运行经验与偏重于理论分析的理论预测方法相结合，从而提升地区预测的精度。 

　　从预测的时长要求方面，文件要求科学预测2020 年至2035 年期间各地区区域保障架次，形成地区区域保障架次预测报告，预测颗粒度为每五年，即预测2020 年、2025 年、2030年、2035 年区域航班保障量。 

　　这里还特别要注意两个概念，保障能力和保障需求。保障能力是针对空管的，能支持运行的航班架次。保障需求是针对航空用户的，是机场、航空公司、社会等希望进行的航空运输量。民航局此次重点要求的是测算空管保障能力，但要考虑保障需求。 

三、现有基于时序进行保障能力预测存在的缺陷

　　根据民航局的文件，七个空管局都开展了空管区域航班保障量的预测。根据我们的了解，由于时间紧、任务急，民航局和现有的多个地区对保障能力的预测基本上都采用了基于时序的预测方法。笔者认为，对于区域保障能力的预测，直接采用基于时序的预测方法存在很多缺陷，分析如下： 

　　⑴时间序列的基本假设是现在的流量变化反应了未来的流量变化，未来的趋势是现在趋势的延续。这种假设要求使用历史数据的趋势去分析未来数据的趋势变化。这种特性使得时间序列方法只适用于短期平稳的预测，而且预测的环境条件前后应该是一致的。基于时间序列的预测方法无法根据一些使得流量增加或减少的事件做出相应的调整，且在进行中长期预测时，会出现预测值与实际值误差较大的情况。 

　　此次预测是要考虑新的区管中心建成后的保障能力，其空域结构发生了变化，也就是数据前后的环境条件发生了改变，因此不能直接按照原来的历史数据进行预测。 

　　目前民航局要求预测2020 年、2025 年、2030年、2035 年区域航班保障量，时间跨度要15年，算中长期预测了，2030、2035年的预测误差会较大。 

　　⑵时间序列法着重考虑预测目标随时间的变化情况，对于其他因素的考虑较少。如人口出生率、高铁的发展、新政策都会对民航的保障需求产生影响，而空域结构、新技术、设备情况都会影响空管的保障能力，但时间序列法仅考虑了时间这一单一因素，在做中长期预测时，需要结合关键影响因素，与其他预测方法结合使用。 

　　（3）人员与设备对于保障能力的增长是存在极限的，所以整个区管中心的重新划分，重点在于解决自动化系统的接入规模和应急保障问题。如果整个空域结构、国家政策和运行方式没有大的变化的情况下，现有的管制运行模式对区域管制中心保障能力的提升有限。所以按照基于时序不断增长的预测本身有问题。 

　　近十年，随着民航管制技术的进步、新技术的应用推广，许多区域管制中心的保障能力年增长都在10%左右，例如华东地区，如图1所示，这个成绩很亮丽。但是调研一线空管单位，大家反映，如果空管还是现有的管制环境和管制方式，保障能力已趋于饱和，也就是说2020年后空管的区域保障能力将会比较平稳，不会有大的增长。如果按照时间序列方法进行预测，我们做过数据分析，拟合度最好的模型里保障能力是时间的三次方。随着时间的推移，利用该公式计算保障能力将是一个不可能的数据。 

　　图1 华东地区保障架次增长图 

四、对空管区域保障能力预测专项工作的建议

　　综上所述，为了保证专项工作的落实和区域保障能力预测的准确性，提出以下几点建议， 

　　（1）深入研究、做好政策指引 

　　深入研究保障能力的决定因素。笔者认为，保障能力不是多建几个区管中心就可以大幅提升的。目前要建设新的区管中心，主要的原因是现有的区管中心管辖范围太大，随着航班量的增加，需要的设备能力、人员能力、管理能力都急速上升，尤其是目前的区管中心间的应急保障能力更是几乎没有。所以建新的区管中心的想法是正确的，其起到的主要作用是避免整个管制系统的溢出和崩溃问题。 

　　空管保障能力实际是一个系统的最短板效应问题，受设备、空域环境、管制员管制能力、空管技术等多个因素影响。如果没有这些因素的具体规划和发展预测，这个保障能力的预测工作实际是水中望月，都是数字游戏。尤其是空域的范围划分发生了改变，数据也没有了前后的一致性。 

　　民航局在空管局管制中心布局方案一文中，分析保障能力时主要用了基于时序的预测方法，于是各地区也基本上采用的是基于时序的预测方法，但正如前面第三节内容所示，对本保障能力采用基于时序的预测方法并不完全合适。民航局应充分认识到此次工作的难度，给出合适的工作时间要求，在顶层设计上先明确概念和要求，才能做好引导工作。 

　　（2）明确需求、做好容流匹配分析 

　　此次文件中明确提出了做空管航班保障量预测，但文件中实际上有一句话容易让人忽略，文件中的这句话是这样写的“聚焦未来空管系统管制中心布局，结合发展实际需求，科学全面预测空管航班保障量”，仔细分析可以认为，还需要做保障能力的需求预测，即不仅要预测未来空管能支持运行的航班数量，还需要预测该空域划分方案下，对应的需要保障的航班数量的需求。 

　　从研究分析的角度来讲，在进行保障能力的预测时，需要结合交通需求一起进行预测。交通需求是推测交通保障的基础，是分析空管保障量是否能满足未来保障能力的需求的前提。通过分析需求（也就是流量）和空管的实际保障能力（也就是容量）之间的匹配关系，来找差距，寻找解决办法。容流是否匹配本身也是新建管制中心空域划分方案是否合适的一个重要判据之一。 

　　从下发文件所带的预测报告建议模板中，未出现对需求进行预测的章节条目，建议修改添加上。 

　　（3）夯实基础、建立一套科学预测保障能力的方法 

　　由上所述，时间序列分析仅适用于短期预测，在中长期预测时需要考虑其他多种影响因素，采用多种预测方法进行组合预测。如在外部因素方面考虑GDP与高铁的影响，采用回归分析进行预测等；在内部因素方面，可以从设备、空域结构调整、管制员负荷等方面更深入地研究保障能力。 

　　另外特别要注意历史数据的一致性和准确性。针对数据的一致性，需要分析建立区管中心前后空域的变化情况，如长度、面积和形状等物理特征。应对前期的保障能力数据进行预处理，使得预测前后的数据尽量是在一个外部环境中，保障数据的统一性。针对数据的准确性，需要分析每个空域范围下历史保障能力、对应机场的数量与分布，研究历史数据的一般性和特殊性，从而得到科学准确的地区交通流分布。如南通兴东机场是一个训练架次较多的机场。公司训练飞行在每年的变化情况不同，如19年5月份的训练飞行有1934架，而18年5月仅有34架。根据上述情况，准确的机场需求量预测不应该包含规律性较弱的训练飞行，这些不确定的训练飞行使得增长率的变化缺乏规律，从而使得预测结果缺乏准确性，因此历史数据应提前减掉训练飞行架次，从而保证数据的准确性。 

　　空域的空管保障能力预测目前没有统一公认的方法和模型，国际上给出的基于时序的预测方法都是针对需求的，因此建议局方，首先集中资源，研究建立一套科学预测保障能力的方法和框架，包括数据的预处理方法，然后推荐给各地区，各地区在此基础上根据各地区情况，补充完善。 

　　（4）明确前提、空管政策技术规划先行 

　　保障能力需求，国家的政策导向对其影响很大，如2019年11月，中国颁布《长江三角洲区域一体化发展规划纲要》，其中重点指出部分机场在未来的发展中会得到更多的政策支持，在需求量与保障能力的预测时需要重点进行调整。如《纲要》中明确指出，南通机场将作为上海市的第三机场，在进行南通机场的需求量预测时，不仅要看拟合优度，也需要考虑未来可能出现的分流带来的流量迅速增长，需要使用增长率较快的预测方法。 

　　一个国家空域政策的改变、空管新技术的引入、空域结构的优化、管制手段的变化，这些都对空管保障能力有极大影响。如中欧现阶段正共同推进的空管新技术4DTBO（基于航迹的运行）、地空数据链与VoIP 等，单向循环航路的推进，程序管制转为雷达管制，未来智慧民航的建设等等。 

　　因此，这里建议民航局首先做好未来空域政策、空管政策规划和民航技术发展路线图，这样未来的空管保障能力的预测才能明确环境变化条件，真正达到准确预测。 

　　（5）持续跟踪、不断完善预测方法 

　　预测工作实际上应该是一个持续滚动，不断跟踪，不断完善的过程。每个地区的规划部门，应该根据实际情况和数据的跟新，结合第三方的帮助，不断验证和优化调整预测模型，不断积累经验。 

　　因此建议民航局在规划部门培养一批预测人才，能够持续跟进，不断改善预测模型，增长经验，做好所有规划的基础工作-预测工作。（作者：王莉莉 中国民航大学空中交通管理学院） 

参考文献

　　[1] ÖNDER E, KUZU S. Forecasting air traffic volumes using smoothing techniques[J]. Journal Of Aeronautics And Space Technologies, 2014, 7(1): 65-85. 

　　[2] CAMPANELLI B, FLEURQUIN P, ARRANZ A, et al. Comparing the modeling of delay propagation in the US and European air traffic networks[J]. Journal of Air Transport Management, 2016, 56: 12-18. 

　　[3] 陈丹, 胡明华, 张洪海, 等. 考虑周期性波动因素的中长期空中交通流量预测[J]. 西南交通大学学报, 2015, 50(3): 562-568. 

　　[4] 赵玉环, 郭爽. 考虑随机因素的空中交通流量预测模型研究[J]. 中国民航大学学报, 2008(4): 59-61.