航站楼旅客流程仿真研究

.................

航站楼旅客流程仿真研究

刘静莉,王志清,宁宣熙

(南京航空航天大学经济与管理学院,江苏南京210016)

摘 要:仿真能够准确、形象地预知系统未来发生的情况,尤其在航站楼旅客流程这类环节多、不易更改的系统中,可以减少决策失误造成的浪费以及给旅客带来的不便。文章提出了使用仿真优化航站楼旅客流程的方案,并使用实例说明。首先给出了ProModel仿真模型在航站楼旅客流程研究中的设计方案,并通过实例验证模型的正确性。同时,针对旅客流程耗时长的问题,使用SimRunner优化工具,通过两次优化,得出航站楼旅客流程的最佳改进方案。关键词:仿真;旅客流程;航站楼;ProModel

中图分类号:TP39119 文献标识码:A 文章编号:16712654X(2005)0220045205

引言

民航运输具有快速、方便的特有优势,但在民航旅客运输环节上还存在着一些制约性因素,如登机手续繁多、候机时间长等等。相比之下,公路和铁路候车环节相对简单,只需行李安检和检票,对候车时间

没有约束。从民航运输旅客流程看,耗费大量时间的问题难以满足旅客对/快捷0的要求,难以与铁路/提速0和公路/畅通0相适应,形成民航运输发展的一大障碍。

通过现场的观测可以发现,旅客流程耗时长不是由于某个环节办理时间长,而是环节间衔接不畅,整个流程不均衡。由于旅客流程是一个多环节的过程,使用排队论不能精确、简便的找出问题的症结。

仿真是根据被研究的真实系统的模型,利用计算机进行实验研究的一种方法。它是一个建模)))实验)))分析)))修改模型)))再实验)))再分析,,不断反复的过程,具有一次模型,多次运行,不断修正,直至满意的特点,可以极大减少决策失误造成的浪费。目前,对机场仿真的研究仅限于跑道系统的容量、机场延误和飞行区运行,对航站楼内旅客流程的研究还很少。

ProModel是当前非常流行的典型的建模工具。它能够精确地建立一个经营过程及其资源配置的随机性、不确定性和相互依赖性的模型,具有为设计者提供连续或离散事件的、动态的和随机的分析功能。SimRunner工具是ProModel仿真软件包含的用于优化ProModel仿真模型的软件。SimRunner使用数学优化

收稿日期:2005202202

方法,通过定义一个或多个模型影响因素和模型目标,找到因素间的组合方式,获得最优目标值。

1 航站楼旅客流程建模

由于航站楼流程比较复杂,我们现针对一个航

班,一个值机台,一个安检台,一个候机厅和一个登机口的情况建立模型。因机场建设费已并入机票中无须另外购买,因此不在此流程研究的范围中。下图是

南京禄口机场旅客流程。

图1 航站楼旅客流程

111 模型假设

1)初始状态,航站楼内没有旅客,工作人员和设备都处于就绪状态;

2)设备不会出现故障,工作人员中途不休息;

3)旅客到达时,值机台已开放;4)旅客先来先服务,排队等候;

5)旅客能正确办理各项手续,无意外情况发生;6)为简化模型,该系统不包括行李分捡等操作,而以时间来限定。根据多机场调查及民航总局的相关规定,将行李处理时间定为20分钟。即旅客必须在

作者简介:刘静莉(1979-),女,江苏苏州人,硕士,

研究方向为系统工程与计算机辅助管理。

.................

起飞前20分钟到达值机台,办理手续,否则将影响飞机的准点起飞。11313 工作时间表(Schedule)

工作时间表一方面由于设备等资源保养维修的需要,另一方面出于工作班次和周期的需要。旅客流程中假定设备等资源无故障持续工作。登机口考虑到飞机的可用性和登机口人员效率,一般在飞机起飞前20分钟开启。处于安全和准点考虑,值机台起飞前20分钟关闭,不再办理。112 定义结构部件

11211 实体(Entity)

实体是该系统中处理的对象。旅客流程的服务对象是旅客,他们单个或结伴到达航站楼,在航站楼内流动,接受各个环节的服务。11212 行程位置(Location)

行程位置有两类,一类是对象在此处经历一个活动或作业,并花费一段时间,一类是对象在此等待直到一些条件被满足(如,等待其他对象的到达,等待资源,等待下一个行程位置可用)。旅客在航站楼内要经过值机台、安检台、候机厅和登机口等位置,旅客在这些位置只能挨个通过,即他们的容量是1。

除此之外,航站楼大厅是旅客到达处,是系统的起始点,应在系统中定义。一般情况下旅客接受值机、安检需要排队等候,为了研究旅客排队情况,定义值机台排队处和安检排队处。航站楼的吞吐量不是在本系统的研究范围内,因此将以上三个位置的容量定义为无穷大。11213 行程路径(Path)

行程路径一般来说是系统中对象和资源的活动路线,与现实系统中的物理路线(马路、通道等)基本相符。航站楼的行程路线即航站楼内的旅客通道。定义了行程路线,旅客就如同在现实环境中按即定的路线行走,而不是系统默认行程路径(两行程位置键的最短连线),定义行程路径的同时可以定义通道的长度和旅客行走所需的时间。

113 定义运算元素

11311 流程(Routing)

流程是整个系统的重心,系统中的资源和对象以流程为中心开展工作。流程定义包括定义系统的物流逻辑,移动方式及花费的时间,对象抵达行程位置所进行的活动及时间。其中办理值机、安检、登机等手续所需的资源为多数机场通用情况,办理值机、安检、登机等手续的时间根据现场数据统计得到,移动方式及时间根据南京禄口机场的实际情况确定。11312 实体到达(EntityArrival)

实体到达定义将被产生并导入系统中的对象的导入次序、数量、频率及位置。旅客在各行程位置的到达情况取决旅客到达候机大厅的情况、旅客在各行程位置的活动时间以及旅客在行程位置间的移动方式和时间。旅客到达候机大厅的情况由航班时间驱动,受航班旅客数量等方面的影响,需通过实地收集数据,统计分析得出。

11314 自定义变量

ProModel仿真软件的分析报告对行程位置的工作时间、容纳实体数量、利用情况,实体各状态(作业、等待资源、阻塞)时间分布等情况进行分析。如果需要分析超出以上范围的活动情况,可以通过自定义变量、对象属性、系统内置函数、子程序等加以分析。安全是民航运输的关键,为了保障飞机准点、安全运行,拒绝飞机起飞前20分钟内到达的旅客。该仿真系统也对此做了限制,定义宏变量checkin_close_time表示登机口开放时间,设定为航班起飞前20分钟。定义宏变量boarding_begin_time表示登机开始时间,设定为航班起飞前20分钟。定义变量reject_num统计应晚到被拒绝登机的旅客数量。11315 流程驱动对象

前文提到,流程驱动对象是系统的动力,驱动系统不断运行。航站楼旅客流程的驱动是航班,航班起飞时间决定旅客到达时间、值机开始和结束时间、登机口开放时间,旅客流程的所有环节都是围绕航班开展工作。航班与一般系统的驱动对象不同,在于航班起飞是晚于系统中其他环节,是整个流程的结束,这与流程驱动是先发生的事物相矛盾。通常情况下,旅客在航班起飞前1个半小时到达航站楼,起飞前20分钟结束值机,开始登机。我们使用逆向思维方法,根据航班时间取得旅客到达时间,值机结束时间和开始登机时间,以旅客为流程的驱动。

2 数据准备及统计分析

在旅客流程中,最复杂也最重要的是旅客到达过程。为此,我们设计了旅客到达现场调查方案,旨在

取得不同航班旅客到达时刻、数量的第一手资料。根据原始数据统计旅客到达间隔时间,拟合其分布得到,禄口机场的航班根据上座人数大致可分为3类,大型航班,上座人数110-140;中型航班,上座人数90-110,小型航班,90以下。各自占航班数的35%,60%,5%。故仿真模型取大中型航班,其分布分别为Possin(0.5)、Possin(0.6)。

值机台服务时间通过收集禄口机场离港系统值机数据,分别收集了大中小航班6组数据。安检和登

.................

机数据通过现场观测,由于安检和登机排队相对较多,尤其安检,旅客准备工作和接受安检并行,因此通过一定时间通过的旅客数来统计平均服务时间。安检的测量方法为:每10人或20人通过所需时间。登机的测量方法为:每个航班,从第一位旅客开始登机至所有旅客登机完毕,每15秒记录登机旅客数。统计数据如表1所示。该表列出了旅客在航站楼中各行程位置上的作业时间、各行程位置间的运送方式和时间,表现了旅客流程。

上两表能够精确分析出系统服务时间、旅客等待时

间、排队长度、资源利用率等衡量服务系统的典型指标。因此该仿真模型既可以用于航站楼旅客流程设计,预演航站楼运营后的使用情况,又可以用于流程改造,发现现有系统瓶颈、冗余,调整系统配置,使服务设施和资源利用最大化。

表3 旅客在流程中不同状态的时间统计

平均时间(min)占总时间百分比(%)

表1 航站楼旅客流程统计数据

位 置

活动时间移动时间(min)目的位置移动触发事件(min)

候机大厅无值机台排队处无

1值机台排队处无值机台值机台可用忽略值机台e(0.61)安检台排队处无

1安检台排队处无安检台安检台可用忽略安检台e(0.3)候机室无

2候机室无登机口登机口开放忽略登机口

e(0.07)

出口

无

忽略 系统模拟10:00起飞,旅客人数100的航班。根据

禄口机场实际情况,值机开始时间8:30,值机结束时间(checkin_close_time)为9:40,登机开始时间9:40。

表2旅客流程各环节服务与排队情况

位置等待/服务平均排队最大排队/时间(min)

人数(人)

等待人数(人)

候机大厅001值机台排队处1.852.358值机台0.580.741安检台排队处0.210.265安检台0.260.331候机室37.0047.0999登机口

0.07

0.09

1

合计 39.99

3 仿真结果及分析

表2是旅客流程各环节服务与排队情况,与前文禄口机场CA1508北京航班的调查数据基本吻合,说明该模型仿真效果较好。

表3是旅客在流程中不同状态的时间统计。从以

接受服务时间35.7884.23阻塞时间4.219.91移动时间2.495.86合计

42.48

100.00

4 航站楼旅客流程优化

以上仿真模型精确的分析了航站楼旅客流程服务提供与服务接受方的实际情况。整个旅客流程耗时1小时48分钟,旅客在候机室的等待时间近40分钟,因此利用该仿真模型优化旅客流程是我们下一步的主要任务。

411 SimRunner优化建模

优化旅客流程即缩短平均旅客在流程中的总时间。旅客在候机室内消耗时间最多,导致这一现象的原因是旅客到达机场的时间过早,值机和安检手续办理完成后只能在候机室内等候登机。因此,优化流程的关键在于旅客到达航站楼的最迟时间,这个时间受到多个因素的影响:

1)旅客必须在拒绝登机时间前到达机场,否则会误机。

2)登机开始时间,为提高登机服务人员的工作效率,登机时间尽可能在旅客多数到达候机室后开始,同时为保证旅客在机上的准备时间,需在飞机起飞前一定时间开始办理。根据调查,旅客必须在起飞前20分钟到达航站楼,登机开始时间为起飞前20分钟。

对于前文建立的模型,同样我们使用逆向思考。保持旅客到达时间不变,尽可能提前航班起飞时间(last_boarding_time),受到拒绝值机时间(checkin_close_time)的影响,航班起飞时间为拒绝值机时间加20分钟。因此,问题转化为求最早的拒绝值机时间,即保证旅客都能赶上飞机,又使旅客在航站楼内时间最短。上文的模型分析结果中,reject_num=0,表示旅客在值机结束前都能到达航站楼,说明值机结束时间有提前的余地。

原来,登机开始时间=航班时间-20分钟,现航

.................

班时间=拒绝值机时间+20分钟,因此,登机开始时间=拒绝值机时间。也受值机结束时间后,航站楼内旅客接受服务的速度影响。此时,整个流程问题就成为研究旅客到达分布和航站楼服务速度与容量的问题,与现实系统实际情况相符。

412 优化仿真结果分析

优化模型中,系统的应变量是登机时间(last_boarding_time),评价模型的目标是平均实体(旅客)在系统中的时间(AvgTimeinSys)最短和被拒绝服务旅客(reject_num)尽可能小。通过SimRunner分析得出,last_boarding_time=63,即第一名旅客到达后的63分钟(9点33分),此时旅客在流程中的平均时间为413 二次优化

SimRunner给出的优化结果仍有旅客因为晚到被拒绝办理手续,影响旅客出行。但这个因素可以通过对旅客的宣传,不断强调旅客的时间观念来解决。平均旅客在流程中的总时间是关系到流程服务水平,并3411分。此时,被拒绝服务的旅客数为3。下图是SimRunner的分析报告。第二列是流程模型的应变量(last_boarding_time),第三、四列是模型的目标因素(AvgTimeinSys和reject_num),第一列是目标函数值,是选取影响因素的依据。所列实验数据中,第一行的目标函数的绝对值最小,所以模型的最优解是63

。

图2 SimRunner

优化实验图形报告

图3 SimRunner优化实验数据报告

分析SimRunner图形报告可知,被拒绝服务旅客

数量(reject_num)随值机结束时间(last_boarding_time)的推移而减少。因为被拒绝服务旅客数量受最后一个旅客到达航站楼的时间影响。此时,最早值机结束时间(last_boarding_time)问题转变为最晚旅客到达时间,即研究航班旅客到达分布,根据最晚旅客到达制定值机结束时间(last_boarding_time)。

平均旅客在系统中的时间(AvgTimeinSys)与从值机结束时间(last_boarding_time)函数关系不明显,主要由于时间点不同,旅客到达数量不同,排队情况不同。旅客在系统内的时间即受值机结束时间影响,

有利于旅客的关键服务因素。因此,在制定模型目标因素的同时,对各因素加以不同的权重。我们设定平均旅客在流程中总时间的权重为2,被拒绝旅客数量的权重为1。运行优化模型,得到了我们的期望值,最早值机结束时间为51分钟,平均旅客在流程中总时为22.39分钟,被拒绝旅客为18人。

将最早值机结束时间为51分钟代入原流程模型中,检验优化后流程各环节服务时间和旅客的排队情况。如表4、5所示。

表4 优化前后旅客接受服务时间和排队情况比较

优化前

优化后

位置

等待/服

平均排

最大排

等待/服

平均排

最大排

务时间队人数队/等待务时间队人数队/等待(min)

(人)

人数(人)

(min)

(人)

人数(人)

候机大厅001001值机台

排队处1.852.3581.201.619值机台0.580.7410.450.601安检台排队处0.210.2650.170.223安检台0.260.3310.260.351候机室37.0047.099922.6930.5060登机口0.070.09

10.05

0.07

1

合计

39.99

24.82

表5 旅客在流程中不同状态的时间统计比较

优化前

优化后

位置

平均时间占总时间百平均时间占总时间百(min)

分比(%)(min)分比(%)接受服务时间35.7884.2318.7483.74阻塞时间4.219.911.607.15移动时间2.495.862.049.12流程总时间

42.48

100.00

22.38

100.00

优化前后的各环节服务时间、排队数量以及旅客状态时间,都有轻微的上下浮动,有的数据有减少的趋势。按照时间压缩后旅客流程会变得更拥挤,由于系统中有18名旅客由于晚到被拒绝,使得流程内旅客

.................

数减少,服务水平反而更高。从总体看,旅客流程总时间压缩明显,从43分钟减少至22分钟,旅客在候机室内的等候时间从37分钟减少至23分钟。优化效果明显。

den.SimulationUsingProModel[M].USA:McGraw-Hil,l2000.141-172,495-514.

[2] 崔宇娜,赵国浩.简介ProModel模拟系统的应用[J].山

西统计,2003,(11):58-63.

[3] 倪桂明,杨东援.机场系统计算机仿真研究的应用与发

展[J].系统仿真学报,2002,14(1):112-115.

[4] 倪桂明,杨东援.机场航站楼客流计算机仿真研究[J].

系统仿真学报,2002,14(2):229-233.

[5] 康凤举.现代仿真技术与应用[M].北京:国防工业出

版社,2001.

[6] 南台科技大学工业管理研究所.ProModel软件介绍

[EB].http://www.im.stut.edu.tw/s204/menuX1.htm.

5 结束语

本文为民航旅客流程研究引入了计算机仿真方法,方便地为航站楼旅客流程建模,并加以优化改进。仿真方法不仅可以对流程时间进行研究,还可以对服

务设备的摆放、服务提供方式、人员工作时间,给出高效、精确的方案,辅助决策者。参考文献:

[1] Dr.charlesHarre,lDr.BimanK.Ghosh,Dr.RoyceBow2

SimulationStudyinPassengerProcessofAirportTerminal

LIUJing2l,iWANGZhi2qing,NINGXuan2xi

(CollegeofEconomicsandManagement,NanjingUniversityofAeronauticsandAstronautics,Nanjing210016,China)

Abstract:Simulationcanpredictwhatthesystemwillbeaccuratelyanddirectly.Itcanreducethecostthatthewrongdecisionmaycause,especiallyinthosemulti-nodessystem,whichcannotbechangedeasily,e.g.passengerprocesssysteminairporttermina.lThispaperputforwardthedesignsolutionofProModelsimulationmodelofpassengerprocessinairporttermina,landverifytheaccuracyofthemodelbyonecase.Asfortheprocessistimeconsuming,weuseSimRunnertooptimizethemodelanddrawthebestschemeofpassengerprocessopetimization.

Keywords:simulationmodeling;passengerprocess;airporttermina;lProModel

(上接第44页)

ANovelEdgeDetectionAlgorithmBasedonHeuristicSearchMethods

ZHANGWei2hong

(FushanTechnicalSchool,Fushan528000,China)

Abstract:Theconventionalalgorithmsforedgesdetectionareprovedtobemoresensitive,andresultinthediscon2tinuouscontures,whilethereisadditivenoise.Anewedgedetectionalgorithmthatisbasedonheuristicsearchmethodisproposedandpartialyprovedinthispaper,thefirststepofthisalgorithmisasusua,lthepetentialedgeandsub-ed2gesisdetected;theneverysinglesub_edgeissearchedandreinforced.Finallytheexactedgeischeckedoutaccordingtotheaccumulationoftheself-reinforcesdegree.Themechanismandprincipleofthealgorithmisexpressedandana2lysed,aimage"Lena"withadditiveGaussiannoiseisusedastestsample,thenewalgorithmiscomparedwiththecon2ventionalonesintheexperimen.tTheresultshowsthatthenewalgorithmisrobustandeffective.

Keywords:edgeextraction;sub_edgeaccumulation;heuristicsearch

本文来源：https://www.bwwdw.com/article/vavq.html