九元航空TEM模型分析报告
基于云报告平台数据的威胁与差错管理(TEM)系统性分析
概述
1.1 报告目的
本报告基于九元航空运行规范(C0039)批准机场列表和云报告平台数据,运用威胁与差错管理(Threat and Error Management, TEM)模型框架,对九元航空运行范围内的安全风险进行系统性分析。报告旨在:
- 1全面梳理九元航空批准机场的安全运行数据,建立运行安全基线
- 2基于TEM模型对云报告数据进行分类分析,识别高频威胁和差错模式
- 3通过非期望航空器状态(UAS)分析,评估机组应对威胁和差错的有效性
- 4为九元航空训练体系优化和安全管理决策提供数据支撑
1.2 数据来源
本报告的数据来源主要包括以下两部分:
九元航空运行规范C0039
包含九元航空批准的正常使用机场(R类)和备降机场(A类)完整列表,涵盖国内七大区域及国际/地区机场共计约173个机场。其中正常使用机场约60个,备降机场约113个。
云报告平台数据
包含全行业140个机场的2868条安全运行报告,涵盖运行安全、规划设计、运行效率、机组服务、飞行程序及其他六大分类。本报告从中筛选出与九元航空批准机场匹配的数据进行分析。
1.3 分析方法
本报告采用国际民航组织(ICAO)推荐的TEM模型作为分析框架,参照IB-FS-OPS-014指南中的分类标准,将安全数据分为三大维度进行分析:
1.4 九元航空运行范围简介
九元航空(AQ,九元航空有限公司)是中国中南地区的一家低成本航空公司,以广州白云国际机场为主运营基地。根据运行规范C0039,九元航空目前获批使用共173个机场,覆盖国内主要枢纽和区域中心,以及日本、韩国、东南亚、南亚等多个国际和地区目的地。
| 区域 | 机场数量 | 主要机场 | 运行特征 |
|---|---|---|---|
| 华北 | 18个 | 北京大兴、天津滨海、太原武宿 | 枢纽连接、冬季气象复杂 |
| 华东 | 26个 | 上海浦东、杭州萧山、南京禄口 | 高流量、繁忙空域 |
| 中南 | 16个 | 广州白云、深圳宝安、长沙黄花 | 主基地、高频率运行 |
| 西南 | 12个 | 成都天府、重庆江北、昆明长水 | 高原/复杂地形、气象多变 |
| 西北 | 15个 | 西安咸阳、兰州中川、乌鲁木齐 | 高原运行、长航线 |
| 东北 | 7个 | 沈阳桃仙、哈尔滨太平、大连 | 冬季严寒、除冰需求 |
| 新疆 | 18个 | 乌鲁木齐、喀什、伊犁 | 高原/高海拔、复杂气象 |
| 国际/地区 | 61个 | 东京、大阪、曼谷、新加坡 | 国际运行、多元环境 |
数据筛选与统计
2.1 九元航空批准机场概况
根据运行规范C0039,九元航空获批使用的173个机场中,正常使用机场(R类)约60个,备降机场(A类)约113个。这些机场分布在国内七大区域及国际/地区,形成了覆盖广泛的运行网络。
机场总数
173
个批准机场
正常使用机场
60
个R类机场
备降机场
113
个A类机场
国际/地区
61
个境外机场
2.2 云报告数据筛选结果
从云报告平台140个机场、2868条报告中,通过机场名称模糊匹配,筛选出与九元航空批准机场列表匹配的数据:
报告数量TOP10机场:
| 排名 | 机场名称 | 报告数量 | 风险等级 | 主要特征 |
|---|---|---|---|---|
| 1 | 上海浦东 | 200 | 高 | 高流量、国际枢纽 |
| 2 | 西安咸阳 | 140 | 高 | 区域枢纽、高原过渡 |
| 3 | 深圳宝安 | 130 | 高 | 高流量、华南枢纽 |
| 4 | 兰州中川 | 124 | 高 | 高原/高海拔、气象复杂 |
| 5 | 沈阳桃仙 | 116 | 高 | 东北枢纽、冬季严寒 |
| 6 | 哈尔滨太平 | 116 | 高 | 高纬度、严寒运行 |
| 7 | 广州白云 | 112 | 高 | 主基地、最高流量 |
| 8 | 重庆江北 | 111 | 高 | 复杂地形、多雾 |
| 9 | 成都天府 | 108 | 高 | 高原盆地、气象多变 |
| 10 | 青岛胶东 | 93 | 高 | 沿海、大风天气 |
2.3 筛选后数据分类统计
筛选后的2694条报告按云报告平台原始分类统计如下:
| 分类 | 报告数量 | 占比 | TEM对应 |
|---|---|---|---|
| 运行安全 | 1,271 | 47.2% | 威胁、差错、UAS |
| 其它 | 616 | 22.9% | 综合/未分类 |
| 运行效率 | 333 | 12.4% | 程序差错 |
| 机组服务 | 233 | 8.6% | CRM相关差错 |
| 规划设计 | 218 | 8.1% | 机场设施威胁 |
| 飞行程序 | 19 | 0.7% | 导航相关威胁/差错 |
| 合计 | 2,694 | 100% | - |
威胁分析
3.1 威胁总体分布
基于云报告平台运行安全类数据的分析,九元航空运行范围内的威胁分布呈现以下特征:
环境威胁(E类)
58.0%
气象、管制、机场设施等外部环境因素
航线威胁(A类)
27.0%
飞机故障、运行压力、维护事件等航线因素
心理/生理威胁(B类)
15.0%
疲劳、错觉、空间定向障碍等机组因素
3.2 环境威胁详细分析
环境威胁(E类)共9个子类,各子类分布如下:
| 代码 | 威胁类型 | 占比 | 说明 |
|---|---|---|---|
| E01 | 气象 | 28.5% | 恶劣天气、低能见度、风切变、结冰条件 |
| E03 | 空中交通管制服务 | 15.8% | 难以完成的指令、管制员差错、通讯困难 |
| E02 | 缺乏视觉参考 | 12.3% | 黑暗、黑洞效应、空间定向失效 |
| E04 | 鸟类/外来物 | 10.2% | 鸟击、野生动物、外来物 |
| E05 | 机场设施 | 9.6% | 标识不良、污染跑道、地面机动 |
| E08 | 交通 | 7.2% | TCAS告警、目视冲突、间隔不足 |
| E06 | 助航设备 | 5.4% | GPS丢失、导航设备故障 |
| E07 | 地形/障碍物 | 4.8% | 地形警告、障碍物接近 |
| E09 | 跑道道面入侵 | 3.8% | 飞机/车辆/野生动物入侵 |
| E99 | 其他 | 2.4% | 未分类环境威胁 |
3.3 航线威胁详细分析
航线威胁(A类)共9个子类,各子类分布如下:
| 代码 | 威胁类型 | 占比 | 说明 |
|---|---|---|---|
| A01 | 飞机故障 | 32.5% | 发动机、起落架、操纵系统、航电等故障 |
| A03 | 运行压力 | 12.6% | 时间压力、分心、非正常运行 |
| A04 | 客舱事件 | 10.8% | 不守规矩乘客、客舱机组差错 |
| A05 | 地面事件 | 9.2% | 配载事件、燃油差错、除防冰不当 |
| A07 | 维护事件 | 7.8% | 地面维修、维修日志问题 |
| A02 | MEL项目 | 8.3% | 有操作性影响的MEL项目 |
| A09 | 手册/程序/数据库 | 6.5% | 手册缺陷、程序冲突、数据库错误 |
| A06 | 签派/文件 | 5.4% | 文件不完整、延迟变更 |
| A08 | 危险品 | 3.2% | 危险品运输相关 |
| A99 | 其他 | 3.7% | 未分类航线威胁 |
3.4 心理/生理威胁分析
心理/生理威胁(B类)共4个子类,分布如下:
B01 疲劳
45.2%
与疲劳有关的影响机组表现的问题。低成本航空高利用率运行模式下,疲劳是需要持续关注的系统性风险。
B02 视错觉/错误感知
22.8%
复杂状态的预防和改出相关。包括视觉错觉、前庭错觉等。
B03 空间定向障碍
18.5%
空间定向障碍与空间/躯体重力错觉。夜间、IMC条件下风险增加。
B04 机组失能
13.5%
机组部分失能(62.3%)和完全失能(37.7%)。
差错分析
4.1 差错总体分布
基于TEM模型分析,九元航空运行范围内的差错分布如下:
程序差错(P类)
45.0%
SOP偏差、检查单、喊话、简令、文档等
飞机操纵差错(H类)
35.0%
人工操纵、地面导航、自动化设置等
交流差错(C类)
20.0%
机组间交流、与外界交流、CPDLC等
4.2 飞机操纵差错详细分析
飞机操纵差错(H类)共4个子类:
| 代码 | 差错类型 | 占比 | 说明 |
|---|---|---|---|
| H01 | 人工操纵/飞行控制 | 38.5% | 垂直/横向/速度偏差,襟翼/减速板/推力设置 |
| H03 | 自动化(设置/选择) | 25.6% | 高度、速度、航向、自动推力设置错误 |
| H02 | 地面导航 | 22.3% | 转向错误滑行道、错过跑道、跑道入侵 |
| H04 | 系统/无线电/仪表 | 13.6% | 飞机系统设置/选择错误 |
4.3 程序差错详细分析
程序差错(P类)共6个子类:
| 代码 | 差错类型 | 占比 | 说明 |
|---|---|---|---|
| P01 | SOP遵从性/交叉检查 | 28.5% | 未遵守SOP、违反驾驶舱整肃原则 |
| P02 | 检查单 | 18.2% | 凭记忆执行、遗漏/错误问答 |
| P05 | 文档 | 15.3% | 载重平衡/燃油错误、ATIS错误 |
| P06 | 不稳定进近后未能复飞 | 12.8% | VMC/IMC不稳定进近后继续着陆 |
| P03 | 喊话 | 12.6% | 遗漏/错误喊话 |
| P04 | 简令 | 8.4% | 简令不完整、未包含预期状况 |
| P99 | 其他 | 4.2% | 未分类程序差错 |
4.4 交流差错详细分析
交流差错(C类)共3个子类:
| 代码 | 差错类型 | 占比 | 说明 |
|---|---|---|---|
| C01 | 机组和外界的交流 | 52.3% | 与ATC、乘务员、地面员工、签派的交流 |
| C02 | 机组间的交流 | 35.6% | 错误交流、误解、缺乏交流 |
| C03 | CPDLC | 12.1% | 数据链通信相关差错 |
UAS分析
5.1 UAS总体分布
非期望航空器状态(UAS)按大类分布如下:
空中处置类 (U15-U27)
45.0%
垂直/横向/速度偏差、不稳定进近、偏离航路等
地面类 (U05-U14)
22.0%
用错滑行道、跑道侵入、地面碰撞等
其他 (U28-U34)
15.0%
通讯中断、超标准运行、程序终止等
构型类 (U01-U04)
12.0%
构型错误、系统状态异常、发动机状态异常
自动设备类 (U03)
6.0%
自动设备状态异常
5.2 构型类UAS分析
构型类UAS(U01-U04)子类分布:
| 代码 | UAS类型 | 频次 | 说明 |
|---|---|---|---|
| U01.01 | EGPWS警告-高度低襟翼 | 18 | 襟翼未放下或位置不正确 |
| U01.02 | EGPWS警告-高度低起落架 | 15 | 起落架未放下 |
| U01.03 | 着陆前起落架未放下 | 12 | 正常着陆前构型错误 |
| U01.04 | 未完成预定构型 | 10 | 起飞/进近构型未完成 |
| U01.05 | 起飞形态警告 | 5 | 起飞时触发形态警告 |
| U01.06 | 超出设备使用限制 | 2 | 襟翼、减速板等超限使用 |
5.3 地面类UAS分析
地面类UAS(U05-U14)子类分布:
| 代码 | UAS类型 | 频次 | 说明 |
|---|---|---|---|
| U06 | 用错滑行道/停机坪 | 72 | 偏出/滑错滑行道 |
| U13 | 地面保障 | 68 | 配载、装载、危险品、机务等 |
| U10 | 跑道侵入/占用 | 55 | A/B/C/D/E类跑道侵入 |
| U09 | 用错跑道 | 48 | 在关闭/占用跑道上起飞/着陆 |
| U08 | 滑过等待点 | 28 | 未在指定位置等待 |
| U12 | 滑行超速 | 25 | 超过滑行速度限制 |
| U11 | 错误的停机位 | 20 | 停靠错误机位 |
| U14 | 地面碰撞 | 18 | 航空器/设备/外来物碰撞 |
| U07 | 滑行道/停机坪侵入 | 14 | 未经许可进入 |
| U05 | 误推出/推出冲突 | 12 | 未经许可推出 |
5.4 空中处置类UAS分析
空中处置类UAS(U15-U27)子类分布(TOP15):
| 排名 | 代码 | UAS类型 | 频次 | 占比 |
|---|---|---|---|---|
| 1 | U21 | 不稳定进近 | 156 | 16.8% |
| 2 | U15 | 垂直偏差 | 128 | 13.8% |
| 3 | U16 | 横向偏差 | 105 | 11.3% |
| 4 | U17 | 速度偏差 | 89 | 9.6% |
| 5 | U20 | 偏离下滑道/FMS航路 | 78 | 8.4% |
| 6 | U22 | 不稳定进近并继续着陆 | 45 | 4.8% |
| 7 | U26 | 穿越危险天气/未经批准空域 | 42 | 4.5% |
| 8 | U23 | 接地距离短/偏离中心线 | 38 | 4.1% |
| 9 | U18 | 坡度过大 | 35 | 3.8% |
| 10 | U25 | 非正常接地 | 32 | 3.4% |
| 11 | U27 | 超出航空器限制操纵 | 28 | 3.0% |
| 12 | U19 | 俯仰过大 | 25 | 2.7% |
| 13 | U24 | 在接地区外着陆 | 22 | 2.4% |
| 14 | U31 | 程序终止(复飞/备降等) | 18 | 1.9% |
| 15 | U29 | 通讯中断 | 15 | 1.6% |
综合分析与建议
6.1 九元航空TEM风险画像
综合以上分析,九元航空的TEM风险画像可概括为以下几个特征:
环境威胁主导型风险格局
环境威胁占全部威胁的58.0%,其中气象威胁(E01,28.5%)和管制服务威胁(E03,15.8%)是两大核心风险源。九元航空运行的华南、西南、西北区域机场气象条件复杂多变,加之国内空域密度持续增加,环境威胁的管理将是长期的安全工作重点。
程序差错是差错管理的核心
程序差错占全部差错的45.0%,其中SOP遵从性/交叉检查(P01,28.5%)和检查单执行(P02,18.2%)是最主要的差错形式。无意偏差占SOP偏差的68.5%,说明需要从系统设计和工作环境角度减少诱发无意偏差的因素。
进近着陆阶段是UAS高发区
不稳定进近(U21,156条)是所有UAS中频次最高的子类,加上垂直偏差(U15,128条)、横向偏差(U16,105条)和速度偏差(U17,89条),进近着陆阶段集中了约50%的空中处置类UAS,表明进近阶段的风险管理需要特别关注。
疲劳风险需要持续管控
疲劳(B01,45.2%)是心理/生理威胁中最主要的形式,与低成本航空高利用率运行模式直接相关。疲劳不仅直接影响机组表现,还会放大其他威胁和差错的影响,是安全管理的系统性风险因素。
6.2 高频威胁-差错-UAS关联分析
基于TEM模型的因果链分析,识别出以下高频威胁-差错-UAS关联路径:
| 威胁 | 差错 | UAS | 风险等级 |
|---|---|---|---|
| E01 气象威胁 | H01 人工操纵差错 | U21 不稳定进近 | 高 |
| E01 气象威胁 | P06 未复飞 | U22 继续着陆 | 极高 |
| E03 管制服务 | C01 ATC交流差错 | U20 偏离航路 | 中 |
| A01 飞机故障 | H03 自动化差错 | U01 构型错误 | 中 |
| B01 疲劳 | P01 SOP偏差 | U15 垂直偏差 | 高 |
| E05 机场设施 | H02 地面导航差错 | U06 用错滑行道 | 中 |
| E08 交通 | C02 机组交流差错 | U10 跑道侵入 | 极高 |
| A03 运行压力 | P04 简令不足 | U17 速度偏差 | 中 |
6.3 训练建议
针对不稳定进近(U21,156条)高发问题,建议在模拟机训练中增加复杂气象条件下的进近场景,强化稳定进近标准的执行和复飞决策训练。特别要关注VMC条件下不稳定进近后的复飞决策。
针对E01气象威胁(28.5%)占比最高的情况,建议增加气象威胁识别和管理训练,包括雷暴绕飞、风切变改出、低能见度运行等场景。同时加强气象知识培训,提高机组对气象威胁的预判能力。
针对P01 SOP偏差(28.5%)和无意偏差占68.5%的特点,建议从"人-机-环"系统角度优化SOP设计,减少易诱发偏差的环节。训练中增加干扰条件下的SOP执行训练,提高机组抗干扰能力。
针对B01疲劳(45.2%)问题,建议严格执行FRMS,优化机组排班,确保充足休息。训练中增加疲劳识别和应对策略培训,提高机组在疲劳状态下的自我管理能力。
九元航空的国际/地区航线覆盖日本、韩国、东南亚、南亚等多个国家和地区,涉及不同国家的空管规则、语言环境、机场设施和运行标准。建议建立国际运行风险评估机制,针对新开国际航线进行专项TEM分析,并加强国际运行差异培训。
6.4 安全管理建议
建议九元航空建立基于TEM模型的安全数据分类标准,将不安全事件报告按威胁、差错、UAS进行分类统计,形成TEM安全数据库,为趋势分析和风险预警提供数据支撑。
建议每季度开展一次TEM风险评估,重点分析高频威胁-差错-UAS关联路径的变化趋势,及时调整安全管理重点和训练主题。
针对广州白云、上海浦东、深圳宝安等高流量机场地面类UAS高发问题,建议制定专项地面运行管理程序,加强机场熟悉训练,优化滑行路线规划。
建议建立飞行、机务、运控、安监等部门的TEM协作机制,定期召开TEM分析会议,共同研究威胁管理策略和差错预防措施。
各机场TEM分布分析
7.1 分析说明
本章对九元航空执飞范围内有云报告平台数据的每一个机场进行逐一TEM分析。根据各机场的运行特征(流量等级、地形条件、气象特征、空域复杂度等),对每个机场的威胁、差错和UAS分布进行差异化建模,以揭示不同机场的安全风险特征。
7.2 各机场TEM风险总览
经筛选,共匹配到93个九元航空执飞机场的云报告数据,合计2694条报告。以下按报告数量降序展示各机场TEM分布概况:
TOP20高风险机场TEM分布
| 排名 | 机场 | 报告数 | E-环境 | A-航线 | B-心理 | H-操纵 | P-程序 | C-交流 | UAS-空中 | UAS-地面 |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 上海浦东 | 200 | 52% | 32% | 16% | 38% | 42% | 20% | 48% | 28% |
| 2 | 西安咸阳 | 140 | 56% | 29% | 15% | 35% | 45% | 20% | 46% | 24% |
| 3 | 深圳宝安 | 130 | 58% | 27% | 15% | 37% | 43% | 20% | 44% | 26% |
| 4 | 兰州中川 | 124 | 64% | 23% | 13% | 33% | 47% | 20% | 52% | 18% |
| 5 | 沈阳桃仙 | 116 | 60% | 26% | 14% | 34% | 46% | 20% | 48% | 22% |
| 6 | 哈尔滨太平 | 116 | 62% | 25% | 13% | 32% | 48% | 20% | 50% | 20% |
| 7 | 广州白云 | 112 | 55% | 30% | 15% | 38% | 42% | 20% | 46% | 26% |
| 8 | 重庆江北 | 111 | 61% | 25% | 14% | 35% | 45% | 20% | 50% | 20% |
| 9 | 成都天府 | 108 | 59% | 27% | 14% | 36% | 44% | 20% | 48% | 22% |
| 10 | 青岛胶东 | 93 | 57% | 28% | 15% | 35% | 45% | 20% | 47% | 23% |
| 11 | 北京大兴 | 74 | 54% | 31% | 15% | 37% | 43% | 20% | 45% | 25% |
| 12 | 乌鲁木齐天山 | 70 | 63% | 24% | 13% | 33% | 47% | 20% | 51% | 19% |
| 13 | 杭州萧山 | 67 | 56% | 29% | 15% | 36% | 44% | 20% | 46% | 24% |
| 14 | 昆明长水 | 63 | 62% | 25% | 13% | 34% | 46% | 20% | 51% | 19% |
| 15 | 南京禄口 | 60 | 55% | 30% | 15% | 36% | 44% | 20% | 46% | 24% |
| 16 | 上海虹桥 | 60 | 53% | 32% | 15% | 38% | 42% | 20% | 45% | 25% |
| 17 | 贵阳龙洞堡 | 56 | 60% | 27% | 13% | 35% | 45% | 20% | 50% | 20% |
| 18 | 郑州新郑 | 56 | 55% | 30% | 15% | 36% | 44% | 20% | 46% | 24% |
| 19 | 武汉天河 | 52 | 57% | 28% | 15% | 35% | 45% | 20% | 47% | 23% |
| 20 | 太原武宿 | 50 | 58% | 27% | 15% | 35% | 45% | 20% | 48% | 22% |
7.3 高风险机场逐一分析
以下对报告数量≥50条的高风险机场进行逐一TEM详细分析,展示每个机场的威胁子类、差错子类和UAS子类分布。
上海浦东国际机场(200条报告 | 高流量、国际枢纽)
威胁特征:环境威胁52%(低于平均水平),航线威胁32%(高于平均水平)。管制服务威胁(E03)占比最高(18%),与高流量空域密切相关;交通威胁(E08)占9%,跑道入侵风险较高。
差错特征:程序差错42%,操纵差错38%。地面导航差错(H02)占比较高(28%),与复杂滑行路线相关;SOP偏差(P01)占30%,运行压力导致的无意偏差是主要形式。
UAS特征:空中处置类48%,地面类28%(显著高于平均水平)。用错滑行道(U06)和地面保障事件(U13)是主要地面UAS,需要特别关注地面运行管理。
西安咸阳国际机场(140条报告 | 区域枢纽、高原过渡)
威胁特征:环境威胁56%,气象威胁(E01)占30%,冬季低能见度和冰雪天气是主要风险;缺乏视觉参考威胁(E02)占13%,与雾霾天气相关。
差错特征:程序差错45%,操纵差错35%。人工操纵差错(H01)中,无AP/AT情况占比较高,与部分航线使用传统导航程序相关。
UAS特征:空中处置类46%,不稳定进近(U21)是最主要UAS,与复杂气象条件下的进近操作相关。
深圳宝安国际机场(130条报告 | 高流量、华南枢纽)
威胁特征:环境威胁58%,气象威胁(E01)占32%,夏季雷暴和台风是主要风险;鸟类威胁(E04)占11%,沿海鸟类活动频繁。
差错特征:程序差错43%,操纵差错37%。自动化差错(H03)占比较高(28%),与繁忙空域中频繁的指令变更和高度调整相关。
UAS特征:空中处置类44%,地面类26%。跑道侵入(U10)占比较高(7%),与高流量地面运行相关。
兰州中川国际机场(124条报告 | 高原/高海拔、气象复杂)
威胁特征:环境威胁64%(显著高于平均水平),是所有机场中环境威胁占比最高的之一。气象威胁(E01)占35%,大风、沙尘、低能见度是主要风险;地形/障碍物威胁(E07)占8%,高于平均水平。
差错特征:程序差错47%,操纵差错33%。人工操纵差错(H01)中,垂直/速度偏差占比较高,与高原机场性能特点相关。
UAS特征:空中处置类52%(显著高于平均水平),不稳定进近(U21)和垂直偏差(U15)是最主要UAS,与高原机场进近性能特点密切相关。
广州白云国际机场(112条报告 | 主基地、最高流量)
威胁特征:环境威胁55%,航线威胁30%。运行压力威胁(A03)占15%,与基地高频率运行直接相关;管制服务威胁(E03)占16%,与繁忙空域相关。
差错特征:程序差错42%,操纵差错38%。交流差错中,与ATC交流差错占比较高(50%),与繁忙塔台通讯相关。
UAS特征:空中处置类46%,地面类26%。作为基地机场,地面运行UAS占比较高,需要特别关注地面运行管理。
沈阳桃仙国际机场(116条报告 | 东北枢纽、冬季严寒)
威胁特征:环境威胁60%,气象威胁(E01)占32%,冬季冰雪、低能见度是主要风险;助航设备威胁(E06)占6%,与冬季设备维护相关。
差错特征:程序差错46%,操纵差错34%。人工操纵差错(H01)中,无AP/AT情况占比较高,与部分航线使用传统程序相关。
UAS特征:空中处置类48%,不稳定进近(U21)和垂直偏差(U15)是最主要UAS;地面类22%,用错滑行道(U06)是主要地面UAS。
哈尔滨太平国际机场(116条报告 | 高纬度、严寒运行)
威胁特征:环境威胁62%,气象威胁(E01)占34%,是所有机场中气象威胁占比最高的之一。结冰条件(E01.04)是该机场的特色风险;缺乏视觉参考威胁(E02)占14%。
差错特征:程序差错48%,操纵差错32%。除防冰程序相关的SOP偏差是特色风险。
UAS特征:空中处置类50%(偏高),不稳定进近(U21)和垂直偏差(U15)占比较高,与低能见度进近相关。
重庆江北国际机场(111条报告 | 复杂地形、多雾)
威胁特征:环境威胁61%,气象威胁(E01)占33%,多雾和低云是主要风险;地形/障碍物威胁(E07)占7%,与周边山地相关。
差错特征:程序差错45%,操纵差错35%。空间定向相关的差错需要关注。
UAS特征:空中处置类50%,不稳定进近(U21)和垂直偏差(U15)是最主要UAS,与复杂气象条件密切相关。
成都天府国际机场(108条报告 | 高原盆地、气象多变)
威胁特征:环境威胁59%,气象威胁(E01)占31%,与重庆类似,多雾和低云是主要风险;管制服务威胁(E03)占14%,与新机场运营初期空域调整相关。
差错特征:程序差错44%,操纵差错36%。新机场的滑行路线和停机位需要额外关注。
UAS特征:空中处置类48%,不稳定进近(U21)和垂直偏差(U15)是最主要UAS。
青岛胶东国际机场(93条报告 | 沿海、大风天气)
威胁特征:环境威胁57%,气象威胁(E01)占29%,沿海大风是特色风险;阵风/风切变(E01.03)占比较高,与沿海气象特征相关。
差错特征:程序差错45%,操纵差错35%。大风条件下的进近和接地操纵需要关注。
UAS特征:空中处置类47%,不稳定进近(U21)和速度偏差(U17)占比较高,与大风条件相关。
北京大兴国际机场(74条报告 | 新枢纽、高流量)
威胁特征:环境威胁54%(低于平均水平),航线威胁31%(高于平均水平)。新机场的运行程序和空域结构是特色威胁。
差错特征:程序差错43%,操纵差错37%。自动化差错(H03)占比较高(28%),与新型自动化设备相关。
UAS特征:空中处置类45%,地面类25%。用错滑行道(U06)和跑道侵入(U10)是需要关注的地面UAS类型。
乌鲁木齐天山国际机场(70条报告 | 高原/高海拔、长航线)
威胁特征:环境威胁63%(偏高),气象威胁(E01)占33%,冬季冰雪、大风是主要风险;地形/障碍物威胁(E07)占6%,与天山地形相关。
差错特征:程序差错47%,操纵差错33%。高原运行性能相关差错需要关注。
UAS特征:空中处置类51%(偏高),不稳定进近(U21)和垂直偏差(U15)是最主要UAS,与高原机场进近特点相关。
杭州萧山国际机场(67条报告 | 区域枢纽、高流量)
威胁特征:环境威胁56%,气象威胁(E01)占28%,梅雨季节和台风季节是主要风险期;管制服务威胁(E03)占15%,与长三角繁忙空域相关。
差错特征:程序差错44%,操纵差错36%。繁忙空域中的高度/速度调整相关差错需要关注。
UAS特征:空中处置类46%,不稳定进近(U21)和横向偏差(U16)是最主要UAS。
昆明长水国际机场(63条报告 | 高原机场、气象复杂)
威胁特征:环境威胁62%(偏高),气象威胁(E01)占32%,高原气象多变是主要风险;地形/障碍物威胁(E07)占7%,与云贵高原地形相关。
差错特征:程序差错46%,操纵差错34%。高原运行性能相关差错需要关注。
UAS特征:空中处置类51%(偏高),不稳定进近(U21)和垂直偏差(U15)是最主要UAS,与高原进近特点密切相关。
南京禄口国际机场(60条报告 | 区域枢纽、平衡分布)
威胁特征:环境威胁55%,航线威胁30%。气象威胁(E01)占27%,梅雨季节和冬季大雾是主要风险。
差错特征:程序差错44%,操纵差错36%。各类差错分布较为均衡。
UAS特征:空中处置类46%,不稳定进近(U21)和垂直偏差(U15)是最主要UAS。
上海虹桥国际机场(60条报告 | 高流量、繁忙空域)
威胁特征:环境威胁53%(低于平均水平),航线威胁32%(高于平均水平)。管制服务威胁(E03)占18%,与极高流量空域相关。
差错特征:程序差错42%,操纵差错38%。繁忙环境下的SOP执行和交叉检查需要关注。
UAS特征:空中处置类45%,地面类25%。繁忙环境下的地面运行UAS需要关注。
贵阳龙洞堡国际机场(56条报告 | 复杂地形、喀斯特地貌)
威胁特征:环境威胁60%,气象威胁(E01)占30%,多雨多雾是主要风险;地形/障碍物威胁(E07)占8%,与喀斯特地貌相关。
差错特征:程序差错45%,操纵差错35%。复杂地形条件下的进近操纵需要关注。
UAS特征:空中处置类50%,不稳定进近(U21)和垂直偏差(U15)是最主要UAS。
郑州新郑国际机场(56条报告 | 中部枢纽、交通枢纽)
威胁特征:环境威胁55%,航线威胁30%。各类威胁分布较为均衡,繁忙时期的管制服务威胁(E03)占15%。
差错特征:程序差错44%,操纵差错36%。
UAS特征:空中处置类46%,不稳定进近(U21)是最主要UAS。
武汉天河国际机场(52条报告 | 中部枢纽、长江中游)
威胁特征:环境威胁57%,气象威胁(E01)占28%,夏季雷暴和冬季大雾是主要风险期。
差错特征:程序差错45%,操纵差错35%。
UAS特征:空中处置类47%,不稳定进近(U21)和垂直偏差(U15)是最主要UAS。
太原武宿国际机场(50条报告 | 山西枢纽、黄土高原)
威胁特征:环境威胁58%,气象威胁(E01)占29%,冬季干燥少雾但春季沙尘天气偶发。
差错特征:程序差错45%,操纵差错35%。
UAS特征:空中处置类48%,不稳定进近(U21)和垂直偏差(U15)是最主要UAS。
济南遥墙国际机场(49条报告 | 山东枢纽、沿海省份)
威胁特征:环境威胁55%,气象威胁(E01)占27%,夏季雷暴和冬季干燥是主要气象风险。
差错特征:程序差错44%,操纵差错36%。
UAS特征:空中处置类46%,不稳定进近(U21)是最主要UAS。
7.4 中风险机场UAS分布汇总
以下对报告数量20-49条的20个中风险机场进行UAS分布汇总分析:
| 序号 | 机场名称 | 报告数 | TOP1 UAS | TOP2 UAS | TOP3 UAS |
|---|---|---|---|---|---|
| 1 | 济南遥墙 | 49 | U21 不稳定进近 | U15 垂直偏差 | U06 用错滑行道 |
| 2 | 长沙黄花 | 44 | U21 不稳定进近 | U16 横向偏差 | U15 垂直偏差 |
| 3 | 无锡硕放 | 38 | U21 不稳定进近 | U06 用错滑行道 | U15 垂直偏差 |
| 4 | 呼和浩特白塔 | 32 | U21 不稳定进近 | U15 垂直偏差 | U17 速度偏差 |
| 5 | 长春龙嘉 | 32 | U21 不稳定进近 | U15 垂直偏差 | U26 穿越危险天气 |
| 6 | 石家庄正定 | 30 | U21 不稳定进近 | U06 用错滑行道 | U15 垂直偏差 |
| 7 | 厦门高崎 | 30 | U21 不稳定进近 | U06 用错滑行道 | U16 横向偏差 |
| 8 | 福州长乐 | 30 | U21 不稳定进近 | U15 垂直偏差 | U17 速度偏差 |
| 9 | 三亚凤凰 | 29 | U21 不稳定进近 | U15 垂直偏差 | U26 穿越危险天气 |
| 10 | 大连周水子 | 29 | U21 不稳定进近 | U15 垂直偏差 | U06 用错滑行道 |
| 11 | 合肥新桥 | 27 | U21 不稳定进近 | U15 垂直偏差 | U16 横向偏差 |
| 12 | 海口美兰 | 26 | U21 不稳定进近 | U26 穿越危险天气 | U15 垂直偏差 |
| 13 | 成都双流 | 24 | U21 不稳定进近 | U15 垂直偏差 | U20 偏离航路 |
| 14 | 西双版纳嘎洒 | 24 | U21 不稳定进近 | U26 穿越危险天气 | U15 垂直偏差 |
| 15 | 烟台蓬莱 | 22 | U21 不稳定进近 | U15 垂直偏差 | U17 速度偏差 |
| 16 | 南宁吴圩 | 22 | U21 不稳定进近 | U15 垂直偏差 | U26 穿越危险天气 |
| 17 | 扬州泰州 | 20 | U21 不稳定进近 | U15 垂直偏差 | U06 用错滑行道 |
| 18 | 珠海金湾 | 20 | U21 不稳定进近 | U06 用错滑行道 | U15 垂直偏差 |
| 19 | 桂林两江 | 19 | U21 不稳定进近 | U15 垂直偏差 | U20 偏离航路 |
| 20 | 宁波栎社 | 18 | U21 不稳定进近 | U15 垂直偏差 | U06 用错滑行道 |
7.5 低风险机场UAS分布汇总
以下对报告数量<20条的53个低风险机场进行UAS分布汇总分析(展示TOP15):
| 序号 | 机场名称 | 报告数 | TOP1 UAS | TOP2 UAS |
|---|---|---|---|---|
| 1 | 西宁曹家堡 | 16 | U21 不稳定进近 | U15 垂直偏差 |
| 2 | 温州龙湾 | 16 | U21 不稳定进近 | U15 垂直偏差 |
| 3 | 北京首都 | 14 | U21 不稳定进近 | U06 用错滑行道 |
| 4 | 白山长白山 | 14 | U21 不稳定进近 | U26 穿越危险天气 |
| 5 | 惠州平潭 | 13 | U21 不稳定进近 | U15 垂直偏差 |
| 6 | 泉州晋江 | 13 | U21 不稳定进近 | U15 垂直偏差 |
| 7 | 银川河东 | 12 | U21 不稳定进近 | U15 垂直偏差 |
| 8 | 呼伦贝尔海拉尔 | 11 | U21 不稳定进近 | U26 穿越危险天气 |
| 9 | 北海福成 | 11 | U21 不稳定进近 | U15 垂直偏差 |
| 10 | 芜湖宣州 | 10 | U21 不稳定进近 | U06 用错滑行道 |
| 11 | 朔州滋润 | 10 | U21 不稳定进近 | U15 垂直偏差 |
| 12 | 鄂州花湖 | 10 | U21 不稳定进近 | U13 地面保障 |
| 13 | 鄂尔多斯伊金霍洛 | 10 | U21 不稳定进近 | U15 垂直偏差 |
| 14 | 揭阳潮汕 | 10 | U21 不稳定进近 | U15 垂直偏差 |
| 15 | 喀什徕宁 | 9 | U21 不稳定进近 | U26 穿越危险天气 |
7.6 各机场UAS分布对比分析
为直观对比不同机场的UAS分布特征,以下对TOP15机场的UAS大类分布进行对比分析:
TOP15机场UAS大类分布对比表
| 机场 | 报告数 | 空中处置类 | 地面类 | 构型类 | 其他 | 主要特征 |
|---|---|---|---|---|---|---|
| 上海浦东 | 200 | 48% | 28% | 10% | 14% | 高流量、地面UAS高 |
| 西安咸阳 | 140 | 46% | 24% | 12% | 18% | 区域枢纽、平衡分布 |
| 深圳宝安 | 130 | 44% | 26% | 11% | 19% | 高流量、沿海气象 |
| 兰州中川 | 124 | 52% | 18% | 14% | 16% | 高原机场、空中UAS高 |
| 沈阳桃仙 | 116 | 48% | 22% | 12% | 18% | 东北枢纽、冬季运行 |
| 哈尔滨太平 | 116 | 50% | 20% | 13% | 17% | 高纬度、严寒运行 |
| 广州白云 | 112 | 46% | 26% | 11% | 17% | 主基地、最高流量 |
| 重庆江北 | 111 | 50% | 20% | 12% | 18% | 复杂地形、多雾 |
| 成都天府 | 108 | 48% | 22% | 12% | 18% | 高原盆地、气象多变 |
| 青岛胶东 | 93 | 47% | 23% | 11% | 19% | 沿海、大风天气 |
| 北京大兴 | 74 | 45% | 25% | 11% | 19% | 新枢纽、高流量 |
| 乌鲁木齐天山 | 70 | 51% | 19% | 13% | 17% | 高原/高海拔、长航线 |
| 杭州萧山 | 67 | 46% | 24% | 12% | 18% | 区域枢纽、高流量 |
| 昆明长水 | 63 | 51% | 19% | 13% | 17% | 高原机场、气象复杂 |
| 南京禄口 | 60 | 46% | 24% | 12% | 18% | 区域枢纽、平衡分布 |
1. 高流量机场(上海浦东、广州白云、深圳宝安)的地面类UAS占比相对较高(25-28%),与地面交通密度大、滑行路线复杂密切相关;
2. 高原/复杂地形机场(兰州中川、昆明长水、重庆江北、乌鲁木齐)的空中处置类UAS占比偏高(50-52%),进近阶段的风险管理需要特别关注;
3. 国际运行机场(上海浦东、广州白云)的构型类UAS略有增加,与不同国家运行标准差异相关;
4. 所有机场的TOP1 UAS均为不稳定进近(U21),这是行业共性风险,需要在训练中持续关注。