面向城市航站楼早到行李存储系统容量优化设计|值机|旅客|机场|王捷|航班提前小时|航站楼|行李存储

头部广告 | 点击查看

摘要：随着航空服务的扩展，城市航站楼作为前置值机与行李托运节点的作用日益凸显。然而，早到行李的长期存储给城市航站楼有限的空间资源带来了巨大挑战。传统基于经验或静态峰值的设计方法往往导致容量设计不合理，造成资源浪费或服务瓶颈。本文提出一种基于动态库存峰值分析的容量优化设计方法，通过构建城市航站楼早到行李存储系统的离散事件仿真模型，模拟行李到达、存储和离场的动态过程，分析系统库存的概率分布特征。在此基础上，结合服务水平要求与成本约束，建立容量优化决策模型。该方法为城市航站楼早到行李存储系统的科学规划提供了理论依据和技术工具。

关键词：城市航站楼；早到行李；容量优化；动态库存；离散事件仿真

作者：李凌波邸明

中国中元国际工程有限公司

题眼广告 | 点击查看

一

引言

随着航空服务向城市延伸，城市航站楼作为提供值机与行李托运前置服务的关键设施，其规划与运营的科学性日益重要。然而，旅客可能在航班起飞前数小时甚至十几小时办理托运，由此产生的早到行李给航站楼带来存储挑战。这些行李具有存储周期长、到达随机性强、必须在严格航班时刻约束下运离的特点，使得其存储系统的容量设计成为一个复杂的决策问题。容量设计过大会导致建设及运维成本的浪费，特别是在城市中心区域，土地和空间资源极其宝贵；容量设计过小则会在运营高峰期出现存储空间耗尽，导致服务中断，影响旅客体验甚至航空安全。因此，如何科学合理地确定早到行李存储系统的容量，成为城市航站楼规划和运营管理中亟待解决的重要问题。

在行李处理系统方面，传统研究多关注机场内部的行李处理系统，如自动分拣系统[1～3]和行李再确认系统[4]等。近年来，城市航站楼相关研究虽逐渐增加[5～9]，但对其早到行李存储系统的容量设计仍缺乏专项深入探讨。当前实践中的设计方法主要依赖经验估算、静态峰值换算或简单类比机场标准[10～11]，这些方法均存在显著局限。经验法较为主观，缺乏数据支撑；静态峰值法无法体现行李动态累积与释放过程；而类比法则忽视了城市航站楼在存储时长、周转模式上与机场的本质差异，导致规划结果往往脱离实际运营需求。因此，亟需建立一套科学、系统且契合城市航站楼运营特性的容量设计方法。

本文针对城市航站楼早到行李存储系统容量设计的实际问题，提出一种基于动态库存峰值分析的优化方法。主要研究内容包括：（1）构建城市航站楼早到行李存储系统的动态库存模型，将系统抽象为具有随机到达和计划离场的库存系统；（2）建立离散事件仿真模型，模拟行李到达、存储和离场的全过程，分析系统库存的动态变化特征；（3）提出基于服务水平约束的容量优化方法，在保证服务质量的前提下最小化系统成本；（4）通过案例研究验证方法的有效性和实用性。

二

系统分析与问题描述

1.城市航站楼早到行李存储系统特性分析

城市航站楼早到行李存储系统是一个“暂存型”物流系统。具有以下显著特征：

（1）时空分离：行李在城市端办理托运，在机场端装载上机，两地分离且通过地面运输连接，这一特性决定存储系统必须考虑运输时间和批次调度。

（2）长时间存储：旅客可能提前半天甚至更早办理托运，存储时间远长于机场内部系统，这使得系统更接近于仓储系统而非暂存系统。

（3）到达随机性：旅客到达时间受多种因素影响，包括交通方式、个人习惯、航班时间等，呈现明显的随机性和时间分布不均匀性。

（4）离场计划性：行李离场时间主要受航班计划和控制，必须遵循以航班起飞时间为基准的“最晚离场时间”约束，以确保后续运输与地面处理流程的时效。

（5）需求波动性：行李存储需求随日期、季节、节假日等因素大幅波动，系统设计需要考虑高峰日需求。

2.问题形式化描述

考虑一个典型高峰日作为设计场景，设该日共有M个航班，其集合为F={F1,F2,…,FM}，每个航班Fi对应计划起飞时间STDi（Scheduled Time of Departure）和预计托运行李数Li。设计日总托运行李数为N，其到达时间规律由概率密度函数f(t)描述，满足系统待决策变量为存储容量C。

运营规则设定行李最晚离场时间为LDTi（Latest Departure Time）= STDi-Tprocess-Ttransport-Tbuffer，其中包含机场处理时间(Tprocess)、运输时间(Ttransport)及安全缓冲(Tbuffer)。运输可基于固定时间间隔或实时库存阈值触发。系统状态以库存函数I(t)表示，即在t时刻存储的行李数量，系统运行周期为[0, 24]小时。

设计目标是在满足预设服务水平SL(C)≥SLtarget（例如行李被拒绝存储的概率P{拒绝存储}≤ε）的前提下，确定使总成本TotalCost(C)最小化的系统容量C。总成本TotalCost(C)=CapitalCost(C)+OperationalCost(C)+PenaltyCost(C)。其中，CapitalCost(C)为建设成本，OperationalCost(C)为运营成本，PenaltyCost(C)为拒绝惩罚成本。该模型将容量规划转化为一个受服务水平约束的成本优化问题。

三

动态库存模型构建

1.模型假设

为构建可操作的数学模型，作出以下基本假设：（1）行李到达过程服从非齐次泊松过程，其随时间变化的到达率函数λ(t)与旅客到达分布f(t)成正比。（2）每件行李的存储时间相互独立，其时长取决于所属航班的LDTi。（3）假设运输车辆容量始终充足，且运输时间固定。（4）行李在装车、卸车及分拣环节的处理时间固定。（5）系统采用“先进先出”或“按航班优先级”的规则来处理行李的存储与离场顺序。

2.动态库存状态方程

通过对连续运营时间进行离散化处理，将全天划分为等间隔的时间点序列to,t1,…,tk，系统库存的动态变化可由以下状态转移方程进行描述：

其中：

A(tk,tk+1)为时间段[tk,tk+1]内到达的行李数

D(tk,tk+1)为该时间段内离场的行李数

C为系统设计容量

若某时段内到达与现有库存之和超过可用容量，超出部分将被系统拒绝，即：

3.到达过程建模

行李到达过程建模包含宏观（日总量波动）与微观（日内到达模式）两个层面，全面反映其内在不确定性与规律性。

宏观层面，设计日所需处理的总行李数N服从正态分布的随机变量，即其中均值μN代表预测的期望行李量，则用于量化波动性。

微观层面，当给定总行李数N后，假定每件行李到达时间相互独立并服从同一个概率密度函数f(t)。该函数f(t)描述了行李在一天之内不同时刻到达的可能性分布，可通过多种数据驱动的方法获得：一是基于历史运营数据的核密度估计进行非参数拟合；二是依据连接城市航站楼的主要交通方式（如高铁、地铁）的时刻表进行推导构建；三是采用混合分布模型，即其中gi代表一个基分布，wi为其对应权重，该模型能有效刻画多峰或不规则的到达时间模式，如g1，g2，g3分别代表早、中、晚旅客分布，w1，w2，w3分别对应其权重。

表1 获得概率密度函数f(t)的三种方法的对比

概率密度函数f(t)的获取方法有三种，如表1所示。城市航站楼行李到达呈现出典型的多峰特征（如早、中、晚高峰），单一分布（如正态分布）无法拟合此形态。核密度估计基于历史运营数据，适用于运营稳定数据充足的场景，城市航站楼尚处发展阶段，缺乏实际运营数据。交通时刻表推导法假设旅客行为与交通工具到达完全同步，忽略了个人延迟、多元交通方式等因素，导致其到达分布过于理想化。混合分布模型通过将多个简单基分布加权组合，既能精准拟合多峰、非对称等复杂形状，又能赋予每个峰明确的业务解释（如一个峰代表一类旅客群体）。因此，行李的到达过程采用混合分布模型。

4. 离场过程建模

行李离场时间由两个关键要素决定：一是由航班计划推导出的最晚离场截止时间，计算公式为LDTi=STDi-Tprocess-Ttransport-Tbuffer；二是实际执行的运输安排策略，包括按固定时间间隔执行的定时运输、当待运行李积压达到预设阈值时触发的阈值触发运输，以及结合定时和阈值触发的混合策略。在仿真模型中，系统会持续监控由已到达且其所属航班离场时间临近的行李所构成的“待运行李池”，当预设策略条件满足（如定时触发或超过阈值）时，模型便动态生成离场事件，从池中移出相应行李。此处采用混合策略，不仅能得到容量规划建议，还能为运营管理提供参考。

5. 服务水平度量

系统的服务水平是衡量其运营质量与可靠性的核心指标，主要从容量保障与时间效率两个维度进行定义。

从容量维度，服务水平定义为成功接收的行李比例，即该指标反映系统的静态容量（C）是否充足，是规划阶段的核心设计目标。

从时间维度，服务水平定义为行李等待进入存储系统的时间不超过某一允许最大阈值τmax的概率，即SLw=P{等待存储时间≤τmax}，该指标侧重衡量系统的处理效率与动态缓冲能力。在城市航站楼早到行李存储系统规划设计阶段，核心矛盾是解决物理存储空间。旅客办理托运后即离开，对“等待入库”不敏感，但对“被拒绝接收”极度敏感。因此，此处容量维度为核心优化目标。

四

基于离散事件仿真的容量优化方法

1.仿真模型框架

本文构建的离散事件仿真模型通过三类事件驱动系统运行：（1）行李到达事件依据随机到达过程生成，触发行李入库请求。（2）行李运输离场事件根据航班时刻与运输策略生成，触发行李出库。（3）容量检查事件则按需或定时触发，用于监控库存状态、记录性能指标或执行管理规则。仿真模型算法流程如图1所示。行李到达事件需通过容量与航班离场时间的双重校验，决定接收或拒绝，并动态生成下一到达事件；运输离场事件根据既定策略（定时或阈值触发），查找并移出符合条件的航班行李，实时更新库存；容量检查事件监控库存水平，在触及预设阈值时触发应急响应。每次事件处理后均记录系统状态。最终，基于全程记录的库存与拒绝数据，计算峰值库存、拒绝率与服务水平等核心性能指标。

图1 早到行李存储系统仿真模型算法流程示意图

通过多次仿真运行，获得库存峰值的经验分布。假设进行S次仿真，每次仿真的峰值库存为Ps=max⁡ Is(t)，则峰值分布可表示为：

（如FP(3000)=0.95，表示有95%的仿真中，峰值库存≤3000件）。

其中：

I{Ps≤c}为指示函数。如果第s次仿真的峰值Ps≤c，则此项为1；如果Ps>c，则此项为0。

统计所有s次仿真中，峰值≤c的次数。

基于峰值分布，可计算不同容量水平对应的服务水平：

2.容量优化决策模型

容量优化决策提供三种核心模型，详见表2。

表2 容量优化决策模型对比

模型P1：给定服务水平约束的容量最小化。在确保服务质量达标的前提下，力求最大限度地节约建设投资与空间资源。将系统容量C作为决策变量，并以最小化容量min(C)为核心优化目标，直接对应于最小化土地占用、建筑成本与初期固定资产投资。该模型的关键约束在于，所选容量必须保证系统能够提供不低于预设目标的服务水平，即SL(C)≥SLtarget。

模型P2：给定预算约束的服务水平最大化。在给定的投资预算限额内，力求实现服务质量的最高化。以系统服务水平max SL(C)为直接优化目标，旨在为旅客提供最佳可靠性保障与体验。其关键约束是总建设投资不得超过项目可用预算，即CapitalCost（C）≤Budget。其中CapitalCost（C）为容量C对应的建设成本。

模型P3：总成本最小化。在全生命周期视角下，系统性地权衡建设投资、运营损失与服务效率，追求整体经济效益的最优化。旨在寻找使总成本最小化的容量C：

其中：α为单位容量成本，β为单位拒绝成本，γ为单位等待时间成本。α.C为建设成本，与容量成正比。β.E[Rejected(C)]为服务拒绝惩罚成本，与被拒行李数量成正比。γ.E[WaitingTime(C)]为等待时间成本，与平均等待时间成正比。

图2 基于二分搜索的容量优化算法流程图

在城市航站楼规划设计阶段，首要任务是确定满足约定服务质量水平（如行李存储成功率≥99%）所需的最小建筑空间规模。模型P1是该阶段最直接、最适用的决策工具。它将明确的运营质量目标作为刚性输入，通过科学计算出保障该目标所需的最小容量，从而为建筑方案设计、土地报批及投资概算提供客观的定量依据。如图2所示为基于模型P1的容量优化算法流程图。

五

城市航站楼早到存储系统容量设计案例分析

1. 城市航站楼规模

出港旅客量及值机旅客量。以国内某大型城市航站楼项目为例，根据旅客量预测数据，近期（2025年）该城市航站楼高峰小时出港航空旅客量为2800人次/小时，远期（2035年）为4200人次/小时。其中，国内旅客占比75%，国际占比25%。目前，旅客值机意愿尚且没有预测参数，暂定值机意愿为国内75%、国际66.6%；近、远期，国内、国际波动系数暂取值为1.1。通过计算可得，该城市航站楼高峰小时值机旅客量为，近期（2025年），国内1733人次/小时，国际513人次/小时；远期（2035年），国内2599人次/小时，国际770人次/小时。详情见表3。

表3 国内某城市航站楼旅客量及航空值机旅客量数据

旅客行李量。根据可研报告，国内航班的行李系数采用0.65件/人，国际航班采用1.05件/人。通过计算可得，近期，国内、国际高峰小时行李流量分别为1127件/小时、539件/小时；远期，国内、国际高峰小时行李流量分别为1690件/小时、809件/小时。

2.设计容量的计算方法

目前实践中，设计容量常用的简化计算方法有静态峰值法和类比机场经验法。

表4 国内某城市航站楼高峰小时行李量

采用静态峰值法，设计容量为C1=λpeak.Tsum，其中λpeak为高峰小时行李流量（单位：件/小时），Tsum为城市航站楼行李最长存储时间（单位：小时）。如表4所示，高峰小时行李流量为1666件/小时；最长存储时间为最早可办理时间至最晚离场时间的间隔，例如城市航站楼早7:00开放，最晚航班行李需在19:00前离场，则最长存储时间为12小时，通过计算可得设计容量将近20000件。该方法隐含了一个极端假设——“高峰小时内到达的所有1666件行李，都会存满整整12小时”，这在现实中几乎不可能发生，使用该方法忽略离场动态，将导致巨大的空间和成本浪费。

采用类比机场经验法，设计容量为C2=λpeak.α，其中α为经验系数（单位：小时）。按高峰小时行李流量1666件/小时的一定经验系数（如0.3小时）进行估算，通过计算可得设计容量约为500件。该方法忽略机场航站楼与城市航站楼运营逻辑差异，机场早到行李存储系统服务于中转旅客或提前数小时到达的旅客，周转极快；城市航站楼行李存储时间以半天计，是较长期仓储性质，因此采用该方法计算结果容量过小，可能会导致运营后立即出现容量瓶颈。

3.设计容量的优化

首先，行李随机到达模型建模。按高峰小时行李流量1666件/小时，行李到达分布采用三峰混合正态分布，分别对应早、午、晚出行高峰。每个峰均由一个正态分布描述，三个分布分别按权重进行叠加，形成全天的概率密度函数f(t):

其中：权重w1反映各时段出行旅客比例，w1，w2，w3分别为30%、40%、30%；均值μi反映早、午、晚三个高峰，μ1，μ2，μ3分别为7:00、13:00、19:00；标准差σ1 反映旅客到达集中程度，σ1，σ2，σ3分别为1.8、1.2、2.1。

其次，行李计划离场过程建模。单件行李i的最晚离场时间为LDTi=STDi-Tprocess-Ttransport-Tbuffer，其中STDi为计划起飞时间，Tprocess为行李处理时间（此处按最长处理时间90分钟进行计算），Ttransport为行李从城市航站楼运抵机场的轨道交通时间（45分钟），Tbuffer为应对运输延误、处理波动等不确定性的预留时间（设为45分钟）。单件行李的离场时间在其交运时被其航班时间所确定。对于任一航班i，该航班所有行李必须在起飞前至少3小时就从城市航站楼发出，且行李从城市航站楼不是随时离开，而是通过轨道交通运往机场，轨道交通运能为20分钟/班，300件/小时，意味着系统需要将行李按LDT的紧迫程度排序，在每班车出发前，将不超过300件的行李运走，若某件行李的LDT已经过了但还没被运走，则视为延误；若因为车容量限制导致行李在当前车次没排上也视为延误。

最后，服务水平（单位：%）其中Nsat为成功存储且在其LDT前运走的行李数（单位：件），Ntotal为总行李数（单位：件）。行李到达时，若存储区已满导致无法存入，则视为服务失败；若成功存储，却因运输容量限制导致行李未在LDT前运走，也视为服务失败。在此项目中目标服务水平设计为99%。

4.仿真结果分析

参考图1和图2步骤进行仿真，通过1000次仿真发现，设计存储容量与服务水平的关系如表5所示。当容量从6500件提升至7200件时，服务水平从95.8%大幅跃升至99.1%；而从7200件增至7500件时，服务水平仅从99.1%提升至99.6%；当容量超过7500件后，服务水平提升已趋于饱和。这一非线性关系表明，在容量达到约7200件后，继续增加投资带来的服务质量改善将急剧减小，为在有限预算下寻求成本与服务质量的科学平衡提供了关键的定量决策依据。

表5 容量与服务水平关系