航班计划时间 (SBT) 预测模型综述

文献中报道了多种预测模型用于设定SBT。这些模型旨在解释ABT的变异性，涉及路线特征和当前运营条件。其中大多数模型依赖于多元线性回归分析及其变化。Mayer和Sinai（2003a）报告了针对美国多家航空公司的推出延迟对中位数和块时间标准差以及出发延迟的回归模型的结果。他们研究航空公司是否考虑了推出延迟来制定航班计划。Mayer和Sinai（2003b）提出了几个回归模型，其中SBT和ABT之间的差异被建模为因变量。他们研究了网络结构对延迟的影响，并得出结论，从枢纽机场起飞的航班需要额外旅行时间4到7分钟。相比之下，到达枢纽的航班需要额外1.5-4.5分钟的延迟。这项研究的主要局限性在于研究可能忽略了航空公司通常会为枢纽入站航班增加更多缓冲时间的事实，这可以解释发现。Coy（2006）开发了一个两阶段的统计模型来预测SBT。重要的预测因素包括ABT、人口、到达时间、机场利用率和恶劣天气条件。Deshpande和Arıkan（2012）将块时间决策与影响早到和迟到相对成本的不同因素联系在一起。Hazledine和Bunker（2013）提出回归模型，研究了机场规模、飞机大小、飞机速度、航空公司类型和风对计划飞行时间的影响。Hao和Hansen（2013b和2014）提出了一个SBT的行为模型，揭示了不同时间组件（登机延迟、滑出时间等）和这些时间历史分布如何影响SBT。他们发现，SBT只受历史登机延迟的轻微影响，而历史滑出和非滑出时间的影响更强。Wang等人（2019）在此基础上进行了深入研究，揭示了中美主要航空公司设定SBT行为的差异。Kang和Hansen（2018）开发了计量经济学模型，评估了战术机场地面运营对航空公司设定SBT的影响。Chen等人（2021）使用分位数回归模型研究了中国的SBT设定。