为了预判和管理重要天气及其他原因造成的大面积航班延误，民航局空管局2014年开始组织开展了基于空中交通通行能力的大面积航班延误应急响应机制（Massive Delay Response System，简称MDRS）建设工作，其主要内容就是空中交通流量管理部门（Air Traffic Flow Management，下称 ATFM）根据重要天气发生的概率预报，预测重要天气对空域的影响程度以及空中交通的通行能力（空域容量）值。国内尚未开展对流天气影响下空域和机场容量的研究工作，目前在MDRS工作中，ATFM只能根据经验，人工预判重要天气影响下的空域容量，不同个体之间的预判差异很大，也无法对个体的评估进行校正和优化。因此，在MDRS及ATFM工作中迫切需要提供对流天气影响下量化、动态的空域与机场容量预测值。

1047 Characteristics of large artery atherosclerosis and cardioembolism acute ischemic stroke: a comparative study

珠三角地区内有广州、深圳、珠海、香港、澳门5个民用机场，是我国航空密度最大、最拥挤的区域之一。该区地处亚热带地区，年平均雷暴日数约占全年的21%，是受对流天气影响最严重的区域。

为建立对流天气影响下广州终端区容量、白云机场进场率和离场率的评估与预测模型，民航中南空管局联合南京航空航天大学开展合作研究。

一、主要技术措施

（一）历史资料预处理

本项目分析处理了2014年广东省境内9部地方的多普勒气象雷达的CAR（3公里CAPPI）、ET（回波顶高）、VIL（垂直累积含水量）产品数据，时间分辨率为6分钟。广州终端区及珠海终端区同期所有实际运行航班的航迹信息包括航班呼号、机型、注册号、起飞机场、降落机场、计划起飞时间、计划落地时间等等，并开发了广州终端区空管天气一体化系统平台（Terminal ATM-MET Integration System，下称TAMIS），作为项目后续资料处理、研究分析、产品显示、对运行过程进行复盘的平台（见图1）。图中，绿色：白云机场起飞航班，红色：白云机场降落航班，粉色：珠三角（广州除外）降落航班，亮蓝色：珠三角（广州除外）起飞航班，白色：飞越航班。

（二）选取典型天气过程及对应的航迹资料

通过对广州白云机场终端区2014年全年每一天的历史雷达资料进行回顾，分析天气对运行的影响，从77个雷雨个例中选取了15个航班绕航明显的典型对流天气日作为研究的个例，其中包括了11个系统性对流天气和4个热力性对流天气过程。航迹资料主要选取与所选天气过程对应的白天降落于广州白云机场的航班。

 

 

 

 

 

 

表1：2015年9月20日07:30Z容量评估结果

  

序号a b类型机场飞越时间201509200730Z—容量9.7 20.6进场1.2—离场8.5—

（三）航班绕飞的分类及统计

当密码规则为类棒图式，每条线段或折线须经过至少三个点，且形式为3*3式时，密码排列情况共571328种。

（四）航班绕航预报因子研究

根据上述研究结果得到与航班绕航密切相关的天气因子及其绕航边界值，确定对流天气规避区域（Weather Avoidance Field，下称 WAF）（见图 3）。

若终端区还包含飞越航线，则终端区容量可视为所有进离场航线与飞越航线容量总和。

这是怎样的一种不期而遇呢？我们支起画架拿起画笔面对这样的景象写生，能够做的也仅仅是把对周围这一切的观察和体验，用我们的方式记录下来而已。一天里的几个小时对于这个世界来说，只是时光的一个片段。我们在这里感受并通过画笔来表现自然的生命和我们的认识并由此获得来自内心的觉知与欢悦，这样片刻的相遇，就成了一种永恒的存在。这种感受常常因为你面对的情景不同而不可复制，我们也由此可以获得在天地自然之间与生命性情相接的真实。这或许才是写生的真正意义吧。

（五）建立对流天气规避区模型

对上述识别标记的对流云团提取天气特征因子，采用高斯分类法研究这些天气特征因子与航班绕航/正常穿越行为的相关性。所提取的多个天气特征备选因子包括不同空间滤波尺度下的3公里CAPPI产品的强度覆盖率、回波顶高、VIL产品强度的覆盖率，总共2520个因子。

（六）建立典型对流天气场景下航班流重构规则专家库

（2）最大流最小割模型

 

 

二、使用最大流最小割技术评估广州终端区容量

（一）基本原理

最大流-最小割理论是对网络流的描述。该理论表明通过一个网络图的最大流量与其最小割的容量是等价的。也就是说，网络上的最大流由该网络的瓶颈处决定。在两个点之间，从某个点流到另一个点的流量不可能超过两个结点间最弱的边集合容量。本项目主要采用该方法评估由于天气影响造成终端区扇区部分空域阻塞，从而导致的终端区容量下降程度。

在图4中，扇区B中的一条交通流走向为从扇区A经过B到达扇区C。扇区的每个高度层可视为一个多边形。根据推广的最大流-最小割理论，A-BC流在扇区B的每个高度层内的流量取决于其瓶颈，也就是扇区B的顶边T到底边B的最小割。顶边T和底边B分别代表了介于源边S（A和B的公共边）和汇边D（B和C的公共边）之间的部分边集合。

（二）基本模型

（1）常态容量分配模型

以上述容量仿真评估的结果作为常态容量，选择典型小时段，统计该小时内进场航班流量分布和离场航班流量分布，将常态容量按航线流量比例分配到每条进离场航线上。

当前已有的空域通行能力评估方法主要是通过对空域建模进行加压模拟和采集现场实际运行数据的方式进行静态评估，没有考虑对流天气影响下空域条件的巨大变化。为了能够较为客观地反映对流天气下的空域实际通行能力，管制研究人员在分析对流天气下的航班流走向，以及对流天气下管制员的工作负荷的基础上，采用数字化建模方法对部分典型对流天气日的终端区容量进行了评估，建立了典型对流天气场景下的交通流重构规则专家库。其方法是通过对终端区可能的各个运行空域进行细分，根据管制专家经验，结合管制员工作负荷分析，分别制定出对流天气影响下相应的进出港的流控措施，来模拟实际管制工作中常用的流量管理手段，再通过对各个走廊口加权求和得到相应时段的终端区通行能力。

（1）分扇区以实际管制中使用的逻辑扇区边界为界。

结果表明，3公里CAPPI产品与航班绕航行为密切相关。航班绕航预报因子之一：当强度≥35d BZ的回波覆盖率≥20%时，其分类准确率约87%；航班绕航预报因子之二：当VIL量值≥5kg/m2的回波覆盖率≥40%时，其分类准确率约为85%。

调料，本身就有调和原料不易被人接受味道的作用。不过，调料千万不能过多，以免遮盖主料的味道，而且过量调料也会严重影响身体健康。

（三）评估结果

根据最大流最小割模型要求，需将广州终端区空域根据进离场航线和飞越航线划分若干扇区。

能源转型将通过数字化进程发展出新的生命力。未来会有怎样的商业模式占据能源市场的主导地位？只有效率、勇气和创造力都具备的企业，才能在其中占得先机。客户也会在未来取得更大的收益。

进离场航线扇区划分原则如下：

在有对流天气的情况下，航班在应对对流天气的时候会采取不同的规避方式，人工分析15个雷暴日的2038个航班的实际航迹与计划航迹的偏离特征，对航班规避或正常穿过的云团进行识别，将航班规避天气的行为模式分为三大类：一般绕飞、盘旋等待和正常，同时在TAMIS平台人工分析、标记航班规避的具体回波区域，并统计相关航班数、规避云团与正常穿过的云团数。在图2中，白色粗线表示终端区外的计划航线，红色粗线表示终端区内的计划航线，绿色细线表示实际航线，红色圆圈表示航班所规避的天气区域。

如图4所示，扇区内的飞行流由于天气阻挡，可用空域变小，运用最大流最小割方法折算成可用流容量比率。

（2）尽量包含进离场航线偏航时可能使用的空域。

（3）若WAF区块之间的距离小于20公里，则视为不能通过。

4.恶性肿瘤，有浸润转移的；或虽无浸润转移但有传染病者；或虽无传染病已见退行性病变者，内脏与胴体必须全部废弃，不准食用。

扇区划分完后可看出整个广州终端区可分成两大区域，即靠近跑道的“内圈”和远离跑道的“外圈”。内圈只包含跑道附近空域，外圈包含进离场航线的其他部分（如图5所示）。

报告显示，2018年前三季度实现营业收入143.03亿元，同比增长20.1%，归属上市公司股东的净利润3.91亿元，同比增长62.46%。其中2018年第三季度实现营业收入49.09亿元，实现归属上市公司股东净利润2.06亿元。

图5中内圈和外圈分别包含了所有的进离场航线。内圈为跑道直接相关扇区，外圈为进离场航线及其移交点相关扇区。各方向进离场航线对应扇区的进、出边以及顶边底边分配如下：红色、绿色代表进边和出边，蓝色和黄色代表最小割时的顶边和底边。

根据2015年9月20日雷雨时段的若干对流规避区（WAF）样本数据，广州白云机场终端区容量计算结果如下所示：基于机场常态容量65架次/小时、飞越常态容量34架次/小时计算。

三、评估结果的验证分析

为了验证最小割最大流计算模型的准确性，以2014年 5月23日、2014年 6月6日（见图 7）、2014年8月 13日、2015年 8月 27日、2015年 9月 20日等5个典型对流天气日为样本，组织塔台、终端、区管及流量管理室的管制专家使用TAMIS在线评估法及专家分组讨论法分别对上述5个样本各个时段的终端区容量进行评估，形成相应条件下终端区容量的专家建议值，再与最小割最大流计算模型所得数据进行比对。结果表明：最小割最大流计算模型的计算值总体上与管制专家建议值相近，但其中也有少量样本在不同的时段和区域的模型计算值与管制专家建议值有较大出入。后续尚需使用更多实例对模型计算结果进行验证与改进。

四、小 结

本项目收集处理了2014年广东省9部气象雷达资料，以及同期广州终端区和珠海终端区的飞行航迹资料。结合管制员、资深机长的经验，对3-8月15个典型对流天气日分析识别航班实际绕航与正常穿过对流云团的情况，分别提取这些云团的天气特征参数，使用高斯分类法，研究飞行员绕航行为模式与这些天气特征参数的相关性，建立了对流天气规避区域（WAF）模型。同时，基于对管制运行历史数据的分析和管制专家经验，建立了典型对流天气场景下的交通流重构规则专家库。在容量仿真评估的终端区静态容量基础上，使用最小割最大流技术计算了广州终端区容量以及白云机场进、离场率，并使用相应条件下终端区容量的专家建议值对计算模型所得结果进行初步检验。结果表明：最小割最大流计算模型的计算值总体上与管制专家建议值相近，但其中也有少量样本在不同的时段和区域的模型计算值与管制专家建议值有较大出入。未来将使用更多的对流天气运行的实例验证项目研究结果，完善模型算法。