地球科学进展

地球科学进展 ›› 2025, Vol. 40 ›› Issue (4): 401 -412. doi: 10.11867/j.issn.1001-8166.2025.028

研究论文 上一篇    下一篇

中国主要空中廊道航空流运行制约分析及中美比较——基于延误航迹数据
杜欣儒1,2(), 路紫1,2(), 丁疆辉1,2   
  1. 1.河北师范大学 地理科学学院，河北 石家庄 050024
    2.河北师范大学 地理大数据计算 与资源规划研究实验室，河北 石家庄 050024
  • 收稿日期:2024-12-31 修回日期:2025-03-16 出版日期:2025-04-10
  • 通讯作者: 路紫 E-mail:geo_duxinru@hebtu.edu.com;luzi@hebtu.edu.com
  • 基金资助:
    国家自然科学基金面上项目(42171176);河北师范大学博士科研启动基金(L2024B27)

Constraints Analysis of Air Passenger Flow in Major Corridors-in-the-Sky of China and the Comparison with the U.S.— Based on Delayed Trajectory Data

Xinru DU1,2(), Zi LU1,2(), Jianghui DING1,2   

  1. 1.School of Geography Science, Hebei Normal University, Shijiazhuang 050024, China
    2.Laboratory for Geo-Big Data Computing and Resource Planning Research, Hebei Normal University, Shijiazhuang 050024, China
  • Received:2024-12-31 Revised:2025-03-16 Online:2025-04-10 Published:2025-06-03
  • Contact: Zi LU E-mail:geo_duxinru@hebtu.edu.com;luzi@hebtu.edu.com
  • About author:DU Xinru, research areas include air transport geography research. E-mail: geo_duxinru@hebtu.edu.com
  • Supported by:
    the National Natural Science Foundation of China(42171176);The Research Fund for the Doctoral Program of Hebei Normal University(L2024B27)
全文 ( 27 ) 下载PDF ( 251 )

连续航迹数据应用和航空流微时空分析技术的发展，为解决空中廊道航空流运行全过程检测和经济效果度量等一些关键问题创造了条件。首先，研究给出了一个包括时间变化与空间状态、内部构成关系与外部连接关系在内的空中廊道航空流运行性能评估框架。其次，基于延误航迹数据并以时间延误成本为反馈变量，采用延误次数、延误时长、延误发生域面和延误倾向指数系列指示指标，比较了中国和美国主要空中廊道航空流运行性能。结果表明，中国空中廊道航空流运行制约主要发生在空中维持阶段，因延误航迹簇局限引发共享航段欧氏距离加长和飞行路径活动范围变窄，致使飞行路径刚性/不可变性加强以及多路径选择机会减少，其过流能力受限极易造成延误密集区段后延并形成下游延误传染，还导致终端延误累积。研究结果将对改善空中廊道基础设施建设和提高空域资源利用率以及推进空域配置改革发挥一定作用。

关键词: 空中廊道, 航空流运行, 延误航迹数据, 中国, 美国

This paper aims to develop solutions for two significant and urgent problems in air transportation. One is the contradiction between the bustle of main airspaces and the huge aviation industry development demand， and the other is the contradiction between the large-scale developments of aviation industry and the traditional aviation management mode. The application of continuous trajectory data and the development of airflow micro-temporal analysis technology have created the conditions for operational efficiency assessment in corridors-in-the-sky to meet the challenges of some key issues such as the detection of full process detection and economic effect measurement. This paper presents a framework for assessing the operational performance of air passenger flow including temporal variation and spatial state， internal composition relationship and external connection relationship. Based on the delayed trajectory data of flights and taking time delay cost as a feedback variable， a series of indicators of delay number， delay duration， delay occurrence area and delay propensity index are concluded， and the operational performance of air passenger flow of major corridors-in-the-sky in Sino-U.S. is compared. There are the following findings： the constraints on operational performance occur mainly in the maintenance phase of the airspace, where delayed trajectory clusters lead to longer Euclidean distances and narrower flight path activity, resulting in increased flight path rigidity or invariability and then reduced opportunities for multi-path selection. In addition, the limited over-flow capacity of the corridors-in-the-sky in China is likely to cause delays in delay-intensive segments and downstream delay contagion, and also leads to the accumulation of terminal delays. On this basis, this paper expected to play a certain role in improving the construction of corridors-in-the-sky, improving the utilization rate of airspace, promoting the reform of airspace configuration and also will bring a comprehensive technical support for optimisation of dynamic airspace and the implementation of the national strategic plan of “Airspace Channel”.

Key words: Corridors-in-the-sky, Air passenger flow operation, Delayed trajectory data of flights, China, US.

中图分类号: 

图1 中美主要空中廊道分布对比
Fig. 1 Spatial distribution comparison of corridors-in-the-sky of Sino-U.S.
图2 中美主要空中廊道延误航迹簇分布对比
中美延误航迹数据采集时间分别是2019年5月和2018年7月，数据年份接近、季节相同（中美民航均选择冬春季和夏秋季两次航班换季）
Fig. 2 Delayed air trajectories clusters of corridors-in-the-sky in Sino-U.S.
The flight delay data for China and the U.S. were collected in May 2019 and July 2018， the years and the seasons of data collection are close. The civil aviation of the two countries follow seasonal flight schedule
图3 中美主要空中廊道延误航迹簇时间延误成本的4D热区对比
Fig. 3 Comparison of 4D heat airspace in Time Delay Cost （TDC） of delayed trajectories clusters on corridors-in-the-sky in Sino-U.S.
图4 分时段中国主要空中廊道高值延误航迹簇分布
Fig. 4 Spatial distribution of the higher flight delay clusters in each time interval of corridors-in-the-sky in China
图5 分时段美国主要空中廊道高值延误航迹簇分布
Fig. 5 Spatial distribution of the higher flight delay clusters in each time interval of corridors-in-the-sky in U.S.
图6 中美枢纽机场关联航线延误时长累积空间分布对比
Fig. 6 The comparison of Delay Multiplier （DM） spatial distribution of relative routes between hub airports in Sino-U.S.
图7 PEK（北京）—SHA（上海）航线和JFK（纽约）—LAX（洛杉矶）航线的内部构成关系对比
Fig. 7 The internal constitutive relation of PEK-SHA flight route in China and JFK-LAX flight route in U.S.
图8 中美主要空中廊道延误传染有向网络对比
Fig. 8 Delay propagation directed network of corridors-in-the-sky in Sino-U.S.
1 FENG Fujing， LU Zi， ZHANG Yinuo， et al. A structural resolution of air traffic flow network of “big-channel-in-the-sky”： cases of the Beijing-Kunming， Guangzhou-Lanzhou and Shanghai-Lanzhou channels［J］. Scientia Geographica Sinica， 2024， 44（4）： 619-629.
冯富晶， 路紫， 张一诺， 等. “空中大通道” 航空流网络结构化解析： 以京昆、广兰和沪兰大通道为例［J］. 地理科学， 2024， 44（4）： 619-629.
2 DONG Yaqing， LU Zi， LIU Yuan， et al. The design of China’s corridors-in-the-sky and the influence of air routes traffic on the identification of space-time congestion［J］. Acta Geographica Sinica， 2018， 73（10）： 2 001-2 013.
董雅晴， 路紫， 刘媛， 等. 中国空中廊道划设与时空拥堵识别及其航线流量影响［J］. 地理学报， 2018， 73（10）： 2 001-2 013.
3 DOBRUSZKES F， PEETERS D. The magnitude of detours faced by commercial flights： a global assessment［J］. Journal of Transport Geography， 2019， 79（6）： 1-8.
4 MURÇA M C R， GUTERRES M X， OLIVEIRA M W， et al. Characterizing the Brazilian airspace structure and air traffic performance via trajectory data analytics［J］. Journal of Air Transport Management， 2020， 85. DOI： 10.1016/j.jairtraman.2020.101798 .
5 KAFLE N， ZOU B. Modeling flight delay propagation： a new analytical-econometric approach［J］. Transportation Research Part B： Methodological， 2016， 93（11）： 520-542.
6 PARK Y， OKELLY M E. Fuel burn rates of commercial passenger aircraft： variations by seat configuration and stage distance［J］. Journal of Transport Geography， 2014， 41（8）： 137-147.
7 DU Xinru， LU Zi， LI Renjie， et al. Estimation of time delay cost of hub airports， analyzation of air routes effect in China and a comparison with USA［J］. Progress in Geography， 2020， 39（7）： 1 160-1 171.
杜欣儒， 路紫， 李仁杰， 等. 中国枢纽机场时间延误成本估算与航线影响分析及其中美比较［J］. 地理科学进展， 2020， 39（7）： 1 160-1 171.
8 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（7）： 12-18.
9 TEIXEIRA F M， DERUDDER B. Spatio-temporal dynamics in airport catchment areas： the case of the New York multi airport region［J］. Journal of Transport Geography， 2021， 90. DOI： 10.1016/j.jtrangeo.2020.102916 .
10 GAO Y. What is the busiest time at an airport？ Clustering U.S. hub airports based on passenger movements［J］. Journal of Transport Geography， 2021， 90. DOI： 10.1016/j.jtrangeo.2020.102931 .
11 WU Wei， CAO Youhui， LIANG Shuangbo. Review of transport efficiency and its research trends from the transport geography perspectives［J］. Progress in Geography， 2013， 32（2）： 243-250.
吴威， 曹有挥， 梁双波. 运输效率研究述评及基于交通运输地理学视角的研究展望［J］. 地理科学进展， 2013， 32（2）： 243-250.
12 HWANG C C， SHIAO G C. Analyzing air cargo flows of international routes： an empirical study of Taiwan Taoyuan international airport［J］. Journal of Transport Geography， 2011， 19（4）： 738-744.
13 CHEN Yu， WANG Jiaoe， JIN Fengjun. Robustness and fragility of Chinese air transport network［J］. Geography and Geo-Information Science， 2015， 31（3）： 59-64，2.
陈娱， 王姣娥， 金凤君. 中国国内航空网络的可靠性评价［J］. 地理与地理信息科学， 2015， 31（3）： 59-64，2.
14 HUANG Jie， WANG Jiaoe. Applications and influence of transport big data in human and economic geography［J］. Journal of Geo-Information Science， 2020， 22（6）： 1 180-1 188.
黄洁， 王姣娥. 交通大数据在人文与经济地理学的应用及学科影响［J］. 地球信息科学学报， 2020， 22（6）： 1 180-1 188.
15 SUAU-SANCHEZ P， VOLTES-DORTA A， RODRÍGUEZ-DÉNIZ H. Measuring the potential for self-connectivity in global air transport markets： implications for airports and airlines［J］. Journal of Transport Geography， 2016， 57： 70-82.
16 ZHANG Yinuo， LU Zi， DU Xinru， et al. Research on airspace resource allocation supported by spatiotemporal continuous data： review and prospect［J］. Advances in Earth Science， 2019， 34（9）： 912-921.
张一诺， 路紫， 杜欣儒， 等. 时空连续数据支持下的空域资源配置研究： 评述与展望［J］. 地球科学进展， 2019， 34（9）： 912-921.
17 DONG Yaqing， LU Zi， ZHANG Yinuo， et al. Deconstruction of air traffic flow network and dynamic allocation of airspace resources： a case study of Beijing-Chengdu corridor-in-the-sky［J］. Geography and Geo-Information Science， 2022， 38（1）： 116-123，132.
董雅晴， 路紫， 张一诺， 等. 航空流网络解构与空域资源动态配置研究——以京—成空中廊道为例［J］. 地理与地理信息科学， 2022， 38（1）： 116-123，132.
18 LORDAN O， SALLAN J M， SIMO P. Study of the topology and robustness of airline route networks from the complex network approach： a survey and research agenda［J］. Journal of Transport Geography， 2014， 37： 112-120.
19 LU Zi. Airspace research from the geographical perspective： cross-over at innovation［M］. Beijing： Science Press， 2021.
路紫. 地理学视角下的空域研究：交叉与创新［M］.北京：科学出版社， 2021.
20 LUCA S. Modelling airport choice behaviour for direct flights， connecting flights and different travel plans［J］. Journal of Transport Geography， 2012， 22（3）： 148-163.
21 YE Qian， WU Dianting， DAI Teqi， et al. A comparative analysis of hierarchy and regional system of domestic air passenger transport network between China and USA［J］. Geographical Research， 2013， 32（6）： 1 084-1 094.
叶倩， 吴殿廷， 戴特奇， 等. 中美航空客运网络层次结构和地域系统对比分析［J］. 地理研究， 2013， 32（6）： 1 084-1 094.
22 SISMANIDOU A， TARRADELLAS J， BEL G， et al. Estimating potential long-haul air passenger traffic in national networks containing two or more dominant cities［J］. Journal of Transport Geography， 2013， 26（1）： 108-116.
23 REBOLLO J J， BALAKRISHNAN H. Characterization and prediction of air traffic delays［J］. Transportation Research Part C： Emerging Technologies， 2014， 44（7）： 231-241.
24 SISMANIDOU A， TARRADELLAS J， SUAU-SANCHEZ P. The uneven geography of US air traffic delays： quantifying the impact of connecting passengers on delay propagation［J］. Journal of Transport Geography， 2022， 98. DOI： 10.1016/j.jtrangeo.2021.103260 .
25 SHAO W， PRABOWO A， ZHAO S C， et al. Predicting flight delay with spatio-temporal trajectory convolutional network and airport situational awareness map［J］. Neurocomputing， 2022， 472（6）： 280-293.
26 XUE M. Design analysis of corridors-in-the-sky［C］// AIAA guidance， navigation， and control conference. Chicago， 2009： 5 859-5 870.
27 CHEN B Y， YUAN H， LI Q Q， et al. Spatiotemporal data model for network time geographic analysis in the era of big data［J］. International Journal of Geographical Information Science， 2016， 30（6）： 1 041-1 071.
28 LU Lu， WEI Ye， PANG Ruiqiu， et al. Organization mode of China air passenger transport network from the perspective of aviation enterprise［J］. Scientia Geographica Sinica， 2019， 39（4）： 550-559.
陆璐， 魏冶， 庞瑞秋， 等. 航空企业视角的中国航空客运网络组织模式［J］. 地理科学， 2019， 39（4）： 550-559.
29 ZHANG Yinuo， LU Zi， CHENG Shasha， et al. Study on flow resilience of air traffic in Beijing-Guangzhou Corridor： a comparison between original network and optimized network［J］. Geography Research， 2024， 43（10）： 2 602-2 615.
张一诺， 路紫， 成莎莎， 等. 京广大通道航空流流动韧性研究——基于原始网络与优化网络的比较［J］. 地理研究， 2024， 43（10）： 2 602-2 615.
30 ZHANG Yinuo， DONG Yaqing， LU Zi， et al. The influence of the connection pattern of airline network on flight delay distribution in China and its changes in recent years［J］. World Regional Studies， 2023， 32（4）： 96-108.
张一诺， 董雅晴， 路紫， 等. 中国航线网络联系模式对航班延误分布的影响及其近年变化［J］. 世界地理研究， 2023， 32（4）： 96-108.
31 TAO R， THILL J C. Spatial cluster detection in spatial flow data［J］. Geographical Analysis， 2016， 48（4）： 355-372.
32 REN P， LI L S. Characterizing air traffic networks via large-scale aircraft tracking data： a comparison between China and the US networks［J］. Journal of Air Transport Management， 2018， 67（2）： 181-196.
33 MURÇA M C R. Collaborative air traffic flow management： incorporating airline preferences in rerouting decisions［J］. Journal of Air Transport Management， 2018， 71（6）： 97-107.
34 TANG J， ZHU F， PIERA M A. A causal encounter model of traffic collision avoidance system operations for safety assessment and advisory optimization in high-density airspace［J］. Transportation Research Part C： Emerging Technologies， 2018， 96（11）： 347-365.
35 WANG Fahui， LIU Yu， WANG Jiaoe. Transport networks， intraurban structure and system of cities： a Sino-US comparative perspective［J］. Progress in Geography， 2014， 33（10）： 1 289-1 299.
王法辉， 刘瑜， 王姣娥. 交通网络与城市结构研究： 理论框架与中美两国实证案例［J］. 地理科学进展， 2014， 33（10）： 1 289-1 299.
36 DU L， SONG G J， WANG Y M， et al. Traffic events oriented dynamic traffic assignment model for expressway network： a network flow approach［J］. IEEE Intelligent Transportation Systems Magazine， 2018， 10（1）： 107-120.
37 GAO Wei， LU Zi， DONG Yaqing. Identification of anomalous change of air traffic flow based on individual moving trajectory-sliding window： a case study of Beijing-Shanghai air corridor［J］. Geography and Geo-Information Science， 2019， 35（6）： 66-72.
高伟， 路紫， 董雅晴. 个体移动轨迹—滑动窗口方法与航空流异常变化识别——以京沪空中廊道为例［J］. 地理与地理信息科学， 2019， 35（6）： 66-72.
38 MERKERT R， MANGIA L. Efficiency of Italian and Norwegian airports： a matter of management or of the level of competition in remote regions？［J］. Transportation Research Part A： Policy and Practice， 2014， 62（4）： 30-38.
39 LI Q， JING R Z. Characterization of delay propagation in the air traffic network［J］. Journal of Air Transport Management， 2021， 94. DOI： 10.1016/j.jairtraman.2021.102075 .
40 YANG Haoran， WANG Xiaomeng， ZHANG Qinran， et al. Pattern characteristics and dynamic evolution of urban network development in China based on the comparison between high-speed rail and airline flows［J］. Scientia Geographica Sinica， 2022， 42（3）： 436-445.
杨浩然， 王潇萌， 张钦然， 等. 基于航空和高铁流的中国城市网络格局及演化［J］. 地理科学， 2022， 42（3）： 436-445.
[1] 任晓亚, 武瑞敏, 张志强. 2012—2022年地球科学国际发展态势与中国影响力分析[J]. 地球科学进展, 2024, 39(2): 140-156.
[2] 姚楠, 马耀明. 亚洲三大高原感热变化及其对中国天气气候协同影响研究进展[J]. 地球科学进展, 2023, 38(6): 580-593.
[3] 冯起, 常宗强, 席海洋, 苏永红, 温小虎, 朱猛, 张举涛, 张成琦. 基于碳氮循环的中蒙荒漠生态脆弱区生态系统对全球变化响应研究[J]. 地球科学进展, 2022, 37(11): 1101-1114.
[4] 拓守廷, 王文涛. 国际大洋钻探2050科学框架及其对未来大洋钻探发展的启示[J]. 地球科学进展, 2022, 37(10): 1049-1053.
[5] 姜大膀, 田芝平, 王娜, 张冉. 末次冰盛期和中全新世气候模拟分析进展[J]. 地球科学进展, 2022, 37(1): 1-13.
[6] 魏梦美,符素华,刘宝元. 青藏高原水力侵蚀定量研究进展[J]. 地球科学进展, 2021, 36(7): 740-752.
[7] 范成新, 刘敏, 王圣瑞, 方红卫, 夏星辉, 曹文志, 丁士明, 侯立军, 王沛芳, 陈敬安, 游静, 王菊英, 盛彦清, 朱伟. 近20年来我国沉积物环境与污染控制研究进展与展望[J]. 地球科学进展, 2021, 36(4): 346-374.
[8] 吴佳梅,彭秋志,黄义忠,黄亮. 中国植被覆盖变化研究遥感数据源及研究区域时空热度分析[J]. 地球科学进展, 2020, 35(9): 978-989.
[9] 赵东升, 高璇, 吴绍洪, 郑度. 基于自然分区的1960—2018年中国气候变化特征[J]. 地球科学进展, 2020, 35(7): 750-760.
[10] 李侠祥, 刘昌新, 王芳, 郝志新. 中国投资对“一带一路”地区经济增长和碳排放强度的影响[J]. 地球科学进展, 2020, 35(6): 618-631.
[11] 张菁,路紫,杜欣儒,杜晓辉,高玉健. 京津石多机场系统航空流运行结构及其对比研究[J]. 地球科学进展, 2020, 35(12): 1281-1291.
[12] 刘凯,聂格格,张森. 中国1951—2018年气温和降水的时空演变特征研究[J]. 地球科学进展, 2020, 35(11): 1113-1126.
[13] 谢彦君, 任福民, 李国平, 王铭杨, 杨慧. 影响中国双台风活动气候特征研究[J]. 地球科学进展, 2020, 35(1): 101-108.
[14] 郝志新,吴茂炜,张学珍,刘洋,郑景云. 过去千年中国年代和百年尺度冷暖阶段的干湿格局变化研究[J]. 地球科学进展, 2020, 35(1): 18-25.
[15] 蒋诗威,周鑫. 中国东南地区中世纪暖期和小冰期夏季风降水研究进展[J]. 地球科学进展, 2019, 34(7): 697-705.
阅读次数
全文


摘要

地址：甘肃省兰州市天水中路8号
QQ：114723517
电话：0931-8762293　E-mail：adearth@lzb.ac.cn
陇ICP备2021001824号-5　 甘公网安备62010202000687