ДИСКРЕТНОЕ МОДЕЛИРОВАНИЕ ОПЕРАЦИОННОГО ДНЯ АЭРОПОРТА-ХАБА В ВЕБ-ПРИЛОЖЕНИИ

Аннотация

Разработана браузерная модель операционного дня аэропорта-хаба, объединяющая расписание, ВПП, позиции воздушных судов, пассажирские и багажные потоки, наземное обслуживание и инциденты. Воспроизводимость эксперимента обеспечивают минутный шаг и генератор с фиксированным начальным числом. Сопоставлены базовый режим и стресс-сценарий с повышенным спросом, туманом и короткими стыковками. В стресс-сценарии средняя задержка возросла с 13 до 83 минут, риск нарушения стыковок — с 40 до 63 %, а число бортов, ожидающих позицию, — с 3 до 13. Установлено, что локальные ограничения гейтов, стоянок и самоходных трапов влияют на задержки сильнее, чем средняя загрузка всего пула ресурсов. Модель предназначена для учебного анализа и требует калибровки по данным реального аэропорта.

Abstract

A browser-based model of an airport hub operational day is developed. It integrates flight schedules, runway use, aircraft positions, passenger and baggage flows, ground handling and disruptions. One-minute steps and a seeded pseudorandom generator make the experiment reproducible. A baseline mode is compared with a stress scenario combining higher demand, fog and tight connections. Average delay increased from 13 to 83 minutes, connection risk rose from 40 to 63 %, and aircraft waiting for a position grew from 3 to 13. Local saturation of gates, apron stands and mobile stairs affected delay accumulation more strongly than average utilization of the whole resource pool. The model is intended for educational analysis and requires calibration with real airport data.

Ключевые слова: аэропорт-хаб; дискретное моделирование; операционный день; пассажиропоток; наземное обслуживание; управление ресурсами; задержка рейса; веб-приложение.

Keywords: airport hub; discrete simulation; operational day; passenger flow; ground handling; resource management; flight delay; web application.

Введение

Работа аэропорта-хаба определяется совместным влиянием воздушного движения, терминала и наземного обслуживания. Ограничение одного элемента распространяет задержку на оборот воздушного судна, багаж, стыковки и последующие рейсы [1, 2]. Цель исследования — разработать воспроизводимую браузерную модель операционного дня и оценить влияние спроса, погоды и политики трансферов на пунктуальность и локальные узкие места. Новизна состоит в совместном представлении расписания, ВПП, позиций, девяти операций оборота, пассажирского и багажного потоков, ограниченных ресурсов и инцидентов в одном эксперименте.

Модель и метод эксперимента

Приложение реализовано на HTML, CSS и JavaScript. Модельный день длится с 05:00 до 24:00 с минутным шагом. Расписание создается в шести волнах и масштабируется спросом. Заданы пять типов воздушных судов, ВПП 27/09, три контактных гейта, пять стоянок и 16 категорий ресурсов: от наземных бригад и техники до стоек регистрации, линий досмотра и аварийных служб.

В каждый момент модель хранит состояния рейсов, очередь ВПП, очереди терминала, занятость ресурсов, позиции воздушных судов, активные инциденты и расчетные показатели. На следующей минуте эти значения пересчитываются с учетом выбранного сценария и воспроизводимой последовательности случайных событий. Если требуемый ресурс полностью занят, соответствующая операция переходит в ожидание. Оборот включает высадку, выгрузку, уборку, заправку, бортпитание, посадку, загрузку, проверку и выталкивание. Позиция выбирается с учетом стоимости обслуживания, лояльности авиакомпании и погодного преимущества контактного гейта.

Модель содержит 20 типов инцидентов. Каждый инцидент занимает необходимые аварийные ресурсы, меняет пропускную способность затронутых процессов и снимает ограничение после завершения реакции. Пунктуальность определяется как доля завершенных вылетов с задержкой не более 15 минут. Стресс-сценарий показан на рисунке 1.

Результаты

Выполнены два воспроизводимых прогона. Базовый сценарий включал спрос 100 %, ясную погоду, смешанный приоритет ВПП и сбалансированные трансферы. В стресс-сценарии спрос был повышен до 125 %, установлен туман, приоритет посадок и короткие стыковки. Скорость x10 влияла только на темп отображения. Сопоставимые срезы получены в 19:18 и 19:17 соответственно.

В базовом сценарии было сформировано 37 рейсов, в терминале находились 1 484 пассажира, средняя задержка составляла 13 минут, а доля вылетов с задержкой не более 15 минут — 68 %. В стресс-сценарии расписание увеличилось до 50 рейсов, число пассажиров — до 2 462, средняя задержка — до 83 минут, а доля пунктуальных вылетов снизилась до 0 %. Нагрузка ВПП возросла с 22 до 51 %, риск нарушения стыковок — с 40 до 63 %, число бортов, ожидающих позицию, — с 3 до 13.

Средняя занятость всего пула ресурсов оставалась на уровне 15–16 %, но контактные гейты, перрон и самоходные трапы достигли полной загрузки. На рисунке 2 видны очередь 13 бортов к позициям и очередь пяти операций к трапам. Следовательно, усредненный показатель скрывает насыщение отдельных ресурсов. В журнале также зарегистрированы столкновение с птицами, поломка тягача и сбой регистрации; их последствия сохранялись после снятия непосредственных ограничений.

Результаты показывают влияние очередности событий и доступности ресурсов на распространение задержек. Совместный анализ потоков соответствует информационно-логистическому подходу [3]. В предыдущей публикации была предложена концепция интерфейса и обозначена перспектива полного моделирования [4]; здесь реализованы операционный день, сценарии и количественное сравнение. Для статистической проверки необходимы повторные прогоны и калибровка по фактическим данным.

Заключение

Разработана воспроизводимая браузерная модель основных подсистем аэропорта-хаба. Стресс-сценарий вызвал дефицит позиций и трапов, увеличил среднюю задержку более чем в шесть раз и снизил долю пунктуальных вылетов до 0 %. Локальные очереди следует анализировать вместе с итоговыми показателями. До калибровки и повторных прогонов приложение следует использовать только как учебный имитационный стенд.

Список литературы

1. Манукян Р.Г., Шведов В.Е. Организация перевозок и управление на воздушном транспорте: учебное пособие / под общ. ред. В.Е. Шведова. М.; Вологда: Инфра-Инженерия. – 2021. – 220 с.

2. Шапкин И.Н., Курбатова А.В., Милославская С.В. Основы теории транспортных процессов и систем: управление, инвестиции, инновации: учебное пособие. – М.: Финансы и статистика, 2023. – 299 с.

3. Медведев В.А. Информационная логистика: учебник. М.; Вологда: Инфра-Инженерия. – 2022. – 472 с.

4. Беляева Е.В., Бессонов А.А. Разработка веб-приложения для имитационного моделирования работы аэропорта-хаба // Гражданская авиация: XXI век: сб. материалов XVIII Междунар. молодежной науч. конф. Ульяновск: УИ ГА. – 2026. – С. 130⁠–⁠132. – URL: https://uvauga.ru/docs/nauka/konferenciya/sbornik/sb_18_ch2.pdf (дата обращения: 05.08.2026).