摘要

在民航业的快速发展中，集散网络显示出其规模经济和范围经济。为了适应绿色民航的发展趋势，航空运输引起的燃料消耗和污染物排放等一系列环境问题不容忽视。首先，本文选取沈阳、北京、青岛、郑州、广州和南京六个城市作为研究对象，收集相应路段的客流和距离信息，确定枢纽机场的位置，分析飞机在集散网络中的运行环境，建立了飞机排放评估模型，并计算了飞机排放质量和燃油消耗量。其次，根据计算结果，对集散网络和点对点网络的飞机排放量和燃油消耗量进行了比较，结果表明，总一氧化碳（CO）排放量减少了35.84%，总碳氢化合物（HC）排放量增加了68.82%，总氮氧化物（NO_x)排放量增加了24.87%。污染物（包括CO、HC和NO）的总质量_x)下降29.37%，总油耗下降68.17%。总的来说，使用轮毂和扬声器网络可以减少飞机的污染物排放和燃油消耗，同时确保最低的客运成本。最后，基于当前国际形势和人们环保意识的增强，对hub-and-poke网络和点对点网络进行了总结分析，得出了一些启示和研究意义。

1.简介

航空运输发展迅速，年均增长4.5%至5%[1]这是所有运输方式中增长最快的。为了顺应绿色民航的发展趋势，飞机运行引起的燃油消耗、污染物排放等一系列环境问题不容忽视。据相关报道，航空运输的温室气体排放量正以每年3.6%的速度增长[2]航空市场面临着不断增长的燃料成本[三]. 根据国际航空运输协会（IATA）的报告，2018年全球航空燃料支出约为1800亿美元，比2017年增长20.5%[4].

航空排放和燃料消耗也引起了广泛关注。参考[5]通过一个生活项目，编制了一份空气污染物清单（CO、VOC、NO_x、，和PM10）。清单阐明了所有排放源的空间分布，对这些污染物进行了分类，并通过绘制该地区的地图集对结果进行了分析。同年，通过具有环境特征的LIFE项目[6]使用高斯扩散模型对坎帕尼亚的空气质量状况进行了局部尺度评估，并估算了主要空气污染物的浓度。结合之前的研究，Iodice和Senatorel[7]采用自下而上的方法评估和计算主要污染物（包括CO、VOC、NO）的总排放量_x，PM10）。在可能的情况下，使用直接和连续测量，对于其他扩散源，根据适当的活动指标和排放系数估计排放量。以道路交通为例进行案例分析，提出未来使用相应的新技术和清洁气体燃料将取代汽油，从而减少CO和HC排放。众所周知，排放清单和生物监测是评估空气污染的两种不同方法。参考[8]苔藓移植排放清单与生物监测相结合的方法比较分析CO、NO_x，PM10，挥发性有机物_秒、重金属和其他污染物，为未来的空气污染监测问题提供了参考作用。Carslaw等人[9]提出了二元极坐标图形技术和数据过滤技术，旨在检测和量化机场对NO的贡献_x机场附近七个测量点网络中的浓度，机场长期平均NO浓度的贡献_x和否₂已评估。文学[10]使用人口密度和疾病统计、飞机排放清单、全球化学品运输模型和流行病学研究来研究全球飞机排放（包括起飞、巡航和下降阶段）导致的过早死亡。研究还发现，飞机排放的NOx会增加非飞机SO的氧化₂这将导致航空业对空气质量产生更大的影响。参考[11]使用简化方法评估减少航空燃料燃烧的益处，包括与空气质量和气候相关的益处。事实上，世界的能源需求正在增加，航空排放也在减少，燃料消耗也变得越来越关键。准确评估飞机燃油消耗量将有助于提高航空公司的安全性和盈利能力。有效控制燃油消耗是航空公司运营组织的一个重要关注点。参考[12]提出了一种基于机队油耗和发动机清洗成本估算的改进方法，优化了机队发动机清洗间隔时间，有利于降低油耗和航空排放。参考[13]提出了一种新的具有级联拓扑结构的自组织神经网络算法，该算法可以分析和计算连接权重系数来估计每次飞行的燃油量。这有助于航空公司准确规划飞行路线的燃油量，避免在飞机上装载额外燃油，减少飞机燃油消耗，延长发动机寿命。参考[14]提出了一个改进的K（K）-飞机下降阶段的均值聚类方法。实例分析表明，飞机下降过程中燃油消耗与飞行高度、重量和实际速度之间存在一定的关系。该方法旨在减少飞机下降阶段的燃油消耗，从而减少飞机在城市中的温室气体排放，并在绿色航空的发展中发挥作用。为了应对当前形势，政府、航空当局和公司已经出台了适当的环境政策和措施，鼓励航空公司变得更加环保[15]. 航空网络是航空公司的基础，它规定了航空公司的服务范围和服务规模，反映了航空公司竞争力、运营成本和服务水平。航空公司网络的设计关系到航空公司的可持续发展。此外，随着中国民航运输市场的快速发展，航空网络的规模正在逐步扩大，竞争也越来越激烈。原本适应小规模运输市场的点对点网络可能不适合中国民航业的进一步发展。而集散网络是航空运输市场达到一定规模并能充分体现规模经济的航空公司网络结构。对集散网络环境影响的深入研究可以为航空公司提供相应的辅助决策，进而本研究将为航空公司的发展提供一定的指导和参考作用。

众所周知，飞机排放的废气是NO_x、CO、水蒸汽（H₂O） ，一氧化碳₂以及其他气体和颗粒。飞机发动机在大气中产生这种排放物。从环境角度来看，排放是飞机的一个重大影响。不仅出于环境原因，而且出于健康原因，了解飞机排放的类型和数量变得越来越重要。美国环境保护局（EPA）拒绝_x、HC和CO“标准污染物”。HC是一种复杂多样的有机化合物，含有少量醛类和少量芳烃。上述物质的联合作用将对人类鼻子、眼睛和呼吸道的粘膜产生刺激作用，导致结膜炎和鼻炎。NO和NO₂一起形成NO_x三种化合物相互关联，通过化学反应从一种形式变为另一种形式。不₂可导致高浓度呼吸道疾病，并威胁人类健康。一氧化碳是燃料燃烧不足的产物，它会与血红蛋白发生反应，降低血液携带氧气的能力。较高的CO浓度会对心血管和中枢神经系统造成相当大的危害。在航空网络运营期间，虽然飞机排放的污染物不会对周围环境产生快速影响，但由于污染物的累积效应和长期持续排放，不可避免地会增加负面影响并导致慢性病。在航空运输业迅速发展的背景下，不断上涨的燃油价格和当前的环境政策迫切需要高效使用燃油和环保飞机运营。

本文主要研究航空客运网络连接对集散网络的环境影响分析。在所需的枢纽机场数量、客流和航段距离内，获得集散网络布局。为了有效地分析集散网络的环境影响，本文引入了一种点对点网络进行比较分析。在点对点网络中，存在一些问题：长途流量允许较大的飞机，而较大的流量可能需要多架飞机。长航飞机需要更多燃料，并产生更多有害气体。当流量由某些类型的基础设施（宽体或多座飞机）处理时，可能会降低运营成本。在集线器和扬声器网络中，有许多原始-目的地（OD）对，每个OD对有三个组件：收集（从原始节点到集线器节点）、传输（在集线员节点之间）和分发（从集线器结点到目的地结点）。因此，运输服务提供商可以通过将乘客集中在枢纽之间进行中转来降低运输成本，这反映了规模经济。中转部件的枢纽之间有大量座位的大型飞机，集散部件的非枢纽和枢纽之间有适量座位的中型飞机。

本研究开始分析与点对点网络相比，集线器和扬声器的环境影响。本文的其余部分组织如下：1，对相关文献进行了文献综述。章节2描述了与枢纽机场位置和飞机排放有关的数学公式。在节中三，我们选择了六个具有典型代表性的城市进行案例分析，确定了枢纽机场的位置，并对枢纽网络和点对点网络的污染物排放进行了对比分析4对本研究进行了简要总结，并对今后的研究提出了建议。

2.文献观点

集线器网络的构建是一个涉及多个因素的复杂问题。枢纽机场的选址是关键步骤之一。乔瓦尼[16]探讨了大型集散网络的生产效率和盈利能力。重要的假设是集散中心是无限的。论文的结果是，更大的集线器和扬声器网络提供了成本效益，这使得网络的流量更大，票价更低。Ebery等人[17]提出了基于容量分配的多目标枢纽选址分配公式和算法，为枢纽选址问题奠定了理论基础。坎贝尔和奥凯利[18]强调需要超越经典模型定义新模型，以更好地解决实际场景中的枢纽位置问题。孔特雷拉斯[19]介绍了枢纽选址的基本概念和枢纽选址的步骤，并结合实例确定枢纽机场的具体位置。然后，他们对枢纽机场的位置问题有了全面的了解。高和秦[20]在缺乏大量数据的情况下，以出行时间为不确定变量，基于专家打分法对p-hub中心问题进行建模和分析。Akgün和Tansel[21]在不应用最短路径法或不满足三角形不等式的情况下，采用了一种新的方法来定义不完全网络的p-hub中值问题。Ghaffarinasab等人[22]开发了模拟退火算法，以寻求单配送和多配送情况下的枢纽选址问题的最优解。大量计算结果表明，该算法可以在较短的时间内获得最优解。Amin-Naseri等人[23]考虑了网络中的最大不确定性和总运输成本，研究了无容量限制条件下的单配送p-hub中值问题。Števárová等人[24]采用了一种高效连接方法的特点，即单个枢纽机场可以同时连接多个始发地和多个目的地，并考虑枢纽之间的连接性，以承担集散网络的性能。Soylu和Katip[25]利用可变邻域搜索（VNS）算法寻找航空网络中运输成本和中转次数最低的Pareto最优解，解决了航空网络设计中的多目标枢纽机场选址问题。

近年来，航空排放已成为一个重要的社会问题。根据国际航空运输协会（IATA）的数据，航空排放量约占2%[26]人为碳排放。在航空排放快速增长的趋势下，如果不采取任何减排措施，环境问题将变得更加严重。因此，发展绿色民航迫在眉睫，研究航空网络的运行环境对绿色民航的发展具有重要意义。

彼得和卢[27]构建了一个枢纽到枢纽和枢纽旁路飞行网络的环境影响模型，其中包括五个案例，用于评估两种场景下的发动机排放社会成本。结果表明，在所有情况下，枢纽对枢纽网络的排放社会成本影响明显高于枢纽旁路。Kim等人[28]描述了航空全球排放评估系统（SAGE）中使用的算法和数据，包括排放模块、飞行数据处理器模块、飞机性能模块等。SAGE用于评估燃油消耗和排放的趋势。Zachary等人[29]建立了基于飞机航迹、速度、机队组成和运行条件的多目标优化模型，并采用整数规划方法解决了噪声影响最小和航空排放最小的环境问题。Prats等人[30]考虑飞机起飞飞行轨迹、燃油消耗和时间成本等因素，设计了降噪过程的多目标优化策略。Alumur等人[31]解决了实际枢纽航空公司网络中的出行成本问题，研究了枢纽的位置。莫顿[32]在飞机无资源约束的情况下，采用背包模型来最小化燃油消耗。通过建立一个集散折扣模型：一个新的链路流量和燃料成本模型，本文表明可以将一个分配集散模型合并为一个单一的分配流模型，并使燃料消耗略有增加。凯斯金[33]处理了40个土耳其机场的飞机着陆和起飞（LTO）排放量（HC、CO、NO）估算_x). 考虑到飞机排放和燃料消耗等因素，Khoo和Teoh[34]通过推导绿色机队指数（GFI）量化航空公司的绿色绩效指标，建立了一个以GFI最小化和利润最大化为目标的双目标随机动态规划模型，得到了最优的机队组成。Kim等人[35]结合最小间隔、飞机优先顺序、运行路径等因素，对跑道上到达和离开航班的飞机的跑道使用进行分配，使航站区和现场运行产生的总排放量最小化。根据输入的飞行计划数据（包括操作、技术和成本参数等），Rosskopf等人[36]研究了航空运输成本与飞机NO之间的平衡_x在长期车队计划中，通过改变权重找到了帕累托最优解决方案。Ho Huu等人[37]优化了飞机的起飞轨迹，目标是最大限度地减少燃料消耗和噪音污染。Müller等人[38]制定了利用排放阈值法优化航空公司机队组成的方法。以节能减排为重点，根据欧洲两家主要航空公司的实际运营数据，对该航空公司2016年至2025年的运营进行了规划。优化计划对于实现短期排放目标非常重要。

上述研究表明，航空运输的快速发展给人们带来了便利，但也造成了一定的环境影响，甚至可能对人类健康有害。因此，绿色民航已成为航空运输业发展的一大趋势。《中国民用航空管理局“十三五”规划》提出“建立民航行业节能减排法规体系，完善行业节能减排监管机制”顺应可持续绿色发展的社会趋势。

3.Hub-And-Spoke网络运营的环境影响

集散网络优化了航空公司布局，合理配置了资源，增强了航空公司的竞争力。同时，它还可以促进机场经济的发展和城市的繁荣。为了顺应绿色航空运输业的发展趋势，飞机在集散网络运营中的环境影响不容忽视。

在本节中，本文构建了一个集散网络。集散机场的数量是预先给定的，对机场和航空公司没有容量限制，并且满足了某些假设。考虑到上述条件，形成了一个无容量的多重分配p-hub中值问题，并通过提出一个整数线性规划模型进行了处理。对于飞机排放，本研究引入了飞机排放评估模型来计算污染物排放（NO_x（HC、CO）和飞机燃油消耗量，以便于分析航空网络的运营环境影响。

3.1. 问题陈述

为了在城市之间建立一个集散网络并分析其环境影响，航空公司需要确定枢纽机场的位置以及枢纽机场和非枢纽机场之间的航空公司分配，并通过建立飞机排放评估模型来计算集散网络和点对点网络的飞机排放量和燃油消耗量。给出完整的图表,它是指节点和连接节点的边的集合。表示与网络中的起点或终点相对应的节点集。”n个'是网络中的节点数。代表一组边。

如图所示1在hub-and-spoke网络中，节点是城市，边缘代表航空公司的分配。有以下客流需求问_ij公司来自节点我到节点j。问_ij公司是相关乘客流量，以及问_ij公司 = 问_吉,问_ii（ii） = 0表示网络是一个无方向网络。我们考虑C类_ij公司作为节点单位流量的运输成本我到节点j。C类_ij公司与每个有序节点对的欧几里得距离成正比, , 。

图1 

Hub-and-spoke网络。紫色圆圈表示中心节点，紫色方块表示非中心节点。粗红线表示干线，细蓝线表示支线。

在收集组件中，集散网络将流量较小的航班集中到集散节点，并通过集散组件中的集散节点重新分配，以实现运输的规模经济。因此，每个组成部分都有自己的单位折扣系数 ,。当然，并不是所有的客流都会经历这三个组成部分，有些人只会经历其中的一部分。因此，在某些情况下，单位流量收集成本为,哪里我指非中心节点，并且k个代表中心节点。类似地，转移也有成本,哪里k个和米也是两个中心节点。分销成本为,哪里米表示集线器节点和j表示非中心节点。参考飞机分类[39]选择座位数量多的大型飞机和座位数量适中的中型飞机作为可用机型。

3.2. 数学公式

3.2.1. 枢纽机场位置

集线器网络以其灵活、方便和覆盖范围大的特点，极大地适应了航空运输业的发展。经济便捷的航空网络结构进一步增强了其核心竞争力。因此，在集散网络中，以总运输成本最小为目标函数，为所有OD流安排特定的运输路径。

为了建立我们的模型，我们主要使用Ebery等人提出的模型的数学公式[17]. 我们的目标函数如下：哪里我和j表示节点，k个和米是中心节点，e（电子）是一条路径(i、 j、k、m)从节点我到节点j，通过中心节点k个和米.节点单位客流的运输成本我到节点j在该路径上，指示C类_ijkm公司，是。 表示节点客流的分数我到节点j在路上(i、 j、k、m)通过位于的集线器k个和米和。,和分别是收集、转移和分发的因素。

为了确保获得的解决方案是可行的，我们引入了以下约束：(1)轮毂编号约束 哪里第页表示要选作枢纽机场的节点数。由于枢纽机场的数量是预先给定的，因此本文认为枢纽机场的数量为第页。小时_k个是决策变量，其定义如下：(2)OD流量约束 每对OD流问_ij公司从节点传输我到节点j通过集线器k个和/或米。(3)转移约束 哪里小时_k个和小时_米是决策变量。我们认为，在集散网络的运行中，所有OD流只能通过集散中心进行传输。(4)特殊约束

考虑到可能发生的特殊情况，当OD流起点和终点之间只有一个枢纽机场且需要换乘时，最多只能换乘一次。如果始发地和目的地都是枢纽，则只能使用直接运输。

3.2.2. 飞机排放评估模型

在民航业快速发展的情况下，交通量大幅增加，污染物排放和温室效应等环境问题不容忽视。为了顺应“绿色民航”的发展趋势，我们分析了污染物排放和燃料消耗对集散网络的环境影响。本文考虑有害气体，选择CO、HC和NO_x作为污染物，因为有明确的指南与这些物种的排放有关[40]. 我们建立了一个飞机排放评估模型来计算集散网络和点对点网络的污染排放量，并进行了一些思考和讨论。

根据联邦航空管理局（FAA）官方认可的飞机排放和气体扩散的航空环境设计工具（AEDT），飞机排放与运行时间、燃油流量、发动机数量、排放指数等参数有关。基于上述介绍，建立了飞机排放评估模型[41]，飞机污染总量的具体计算如方程式所示(9):哪里E类_第页表示污染物排放第页（千克）；时间_第页表示机型的运行时间第页(秒); 如_第页是飞机类型的发动机数量第页; FF公司_第页是机型的燃油流量第页时间段内使用单引擎_第页; 工程安装_{r、 第页}是飞机类型的排放指数第页污染物总量第页（千克/千克）。排放指数定义为特定发动机每单位质量燃油所排放的污染物质量。

根据飞机数据库（BADA）中每种机型的性能参数[42]，进一步计算飞机的燃油流量并表示为方程式(10)——(12):哪里C类_f1级（英寸公斤/（最小值·千牛)（jet））是第一推力比燃料消耗系数，C类_f2（单位：knots）是第二推力比油耗系数，C类_图3（单位：kg/min）是第一下降燃油流量系数，C类_图4（单位：英尺）是第二下降燃油流量系数，以及C类_前（无量纲）是巡航燃油流量修正系数。这些都可以从BADA数据库中获得。F类（英寸千牛)是发动机推力；V（V）_T型（英寸千吨)是真实空速；小时（单位：英尺）是计算下降推力的过渡高度。方程式(10)表示爬升段的燃油流量；方程式(11)和(12)分别表示下降段和巡航段的燃油流量。在方程式中(9)，FF值_第页可以取FF值_C类，消防_D类和FF_L（左）在方程式中(10)——(12).

4.数值案例研究

为了描述问题模型，考虑了实际问题，并进行了以下假设[19]:(1)中心节点是完全连接的，非中心节点不是直接连接的，并且一个中心节点可以连接到多个非中心节点；也就是说，使用了多个分布连接。考虑到枢纽节点之间的转移规模经济，我们假设, [43].(2)考虑到本文的服务对象是乘客，任何OD流量最多可以通过两个枢纽机场中转。(3)所有OD流都必须从始发地传输到目的地，并且只能通过枢纽机场进行传输。(4)在轮毂之间设置连接边缘的成本为0；也就是说，无论开通航空公司的成本如何，都没有额外的成本来确保与枢纽的连接。(5)对于同一城市对，起点和终点对面的交通流是相同的。

4.1. 确定枢纽机场的位置

沈阳位于中国东北部和辽宁中部。它位于东北亚经济圈和环渤海经济圈的中心。它是东北亚的地理中心。“一带一路”是延伸至东北亚和东南亚的重要节点。北京是中华人民共和国首都，是中国四个直辖市之一；北京是国家中心城市、特大城市、国家政治中心、文化中心、国际交流中心和科技创新中心。青岛是国家重要的沿海城市和国务院批准的国际港口城市，也是山东省的经济中心、沿海度假城市、国家现代海洋产业发展先行区、东北亚国际航运枢纽和海洋体育基地。新亚欧大陆桥经济走廊的主要节点和海上合作的战略支点。郑州是中国中部重要的中心城市、特大城市、国家重要的综合交通枢纽、商贸物流中心、中原城市群中心城市。广州位于中国南部，毗邻南海和珠江三角洲北缘。它是中国南方战区司令部总部、国家综合门户城市、第一个沿海开放城市。它是中国通向世界的南门。珠江三角洲经济区中心城市和“一带一路”倡议中心城市。南京位于中国东部，长江下游，沿海水域。它是国家物流中心华东战区司令部和长江国际航运物流中心的总部。长江经济带重要节点城市。考虑到航空网络的覆盖面积，综合考虑了机场所在城市的地理位置、旅客吞吐量、数据可用性以及中国城市的实际情况。案例研究选取沈阳、北京、青岛、郑州、广州和南京为研究对象，分别编号为1、2、3、4、5和6。此外，本案例研究选择了两个城市作为中心(),因此，构建了一个集散网络。由于集散网络是规模经济，因此假设收集、分配和转移阶段的贴现系数为, [44]分别是。我们只考虑城市之间的距离成本作为运输成本。六个城市之间的运输成本和需求成本通过参考“2015年民航统计”获得[45]. 具体距离成本矩阵可从表中获得1; 需求成本矩阵是相应路段的客流，如表所示2。

4.2. 点对点网络与集散网络排放计算

此外，飞机排放量通过飞机排放评估模型进行计算。为了对集散网络的运行环境进行深入研究，并量化网络的运营环境影响，我们比较了集散网络和点对点网络之间的飞机排放量和燃油消耗量。

考虑到集散网络的规模经济性，并结合城市间各路段的实际运营情况和集散网络运营特点，我们选择了三种重型飞机，A330-200、B767和A300（每种飞机20架）转运部件枢纽与A319、A320和B737（各100架飞机）中型飞机之间有大量座位，非枢纽与集散部件枢纽之间有适量座位[46]. 结合国际民航组织提供的发动机排放数据库（EEDB），我们可以计算飞机污染物排放量。LTO循环的飞机污染物排放量可以通过查询ICAO的EDB直接计算，但ICAO没有给出巡航阶段的燃料消耗参考值和污染物排放指数。根据文献[10,47]，巡航阶段的发动机推力水平通常为85%，这与飞机在爬升阶段的发动机油门水平相同。因此，我们使用爬升阶段工作状态的相关值作为计算飞机巡航阶段污染物排放量的依据。每种机型的座位数和污染物排放指数如表所示三每种飞机的油耗参考值如表所示4。

如表所示三，对于不同类型的飞机，它们具有不同的乘客座位容量。例如，对于A319飞机，它可以容纳122名乘客。对于B767飞机，它可以搭载225名乘客。对于不同类型的飞机，其发动机型号也不同。不同型号的发动机具有不同的排放指数。例如，A319型飞机的发动机型号为V2522-A5，在爬升和下降阶段有不同的污染物排放指标。电子工程师_一氧化碳，爱尔兰_HC、，和EI_氮氧化物CO、HC和NOx的单位分别为每千克燃料的污染物克数（g/kg）。在爬升阶段，EI_一氧化碳是CO排放指数（0.44 g CO/kg燃料）。在衰退阶段，EI_一氧化碳是CO排放指数（2.55 g CO/kg燃料）。同样，在爬升和下降阶段，HC排放指数用EI表示_HC公司（即0.04 g HC/kg燃料和0.07 g HC/kg燃料）。在衰退阶段，NO_xEI表示的排放指数_氮氧化物（即18.32 g HC/kg燃料和9.32 g HC/kg燃料）。从表中可以看出4,囊性纤维变性₁和囊性纤维变性₂分别是第一单位推力和第二单位推力的燃油消耗系数。囊性纤维变性_三和配置文件₄分别为第一下降阶段和第二下降阶段的燃油流量系数，以及囊性纤维变性_第页是巡航阶段的燃油流量系数。

在六个城市之间的点对点网络中，每两个城市合并为一对城市。共有15个城市对，即沈阳和北京、沈阳和青岛、沈阳和郑州、沈阳和广州、沈阳和南京、北京和青岛、北京和郑州、北京和广州、北京和南京、青岛和郑州、青岛和广州、青岛和南京、郑州和广州、郑州和郑州、郑州和南京，广州和南京。自沈阳与郑州、北京与郑州、青岛与郑州、南京与青岛、郑州与南京。交通量为0，也就是说，无论两个城市之间没有交通流量，它都会变成10个城市对。通过Flight Aware官方网站，查询和分析使用A319、A320和B737的三种机型在正常起飞和到达期间的实际飞行轨迹数据。

4.3. 结果分析

根据方程式(1)——(8)，使用MATLAB2016a在英特尔上运行(R（右）)酷睿（TM）i7-7700 CPU 3.60 千兆赫/8.00 GB计算机，我们可以获得hub-and-spoke网络，如图所示2。

图2 

由六个城市组成的集散网络。

在图中2，城市2和城市5是枢纽节点，城市1、3、4和6是非枢纽节点，表示北京和广州为枢纽节点，沈阳、青岛、郑州和南京为非枢纽节点。具体的航空网络安排如表所示5。

从表5，我们观察到小时₂ = 小时₅ = 1，表示节点2和节点5是集线器节点；也就是说，北京和广州作为枢纽，最佳总运输成本为3.63美元 E类 + 5x₁₂₂₂₌₁表示沈阳和北京相连，并且x₁₃₂₂表示非枢纽沈阳与青岛之间的客流通过北京枢纽中转。同样，非枢纽城市青岛、南京和枢纽城市北京相互连接，非枢纽地区郑州、青岛、南京以及枢纽城市广州相互连接。非枢纽沈阳与南京、青岛与南京之间的客流通过北京枢纽中转。非枢纽城市沈阳与郑州、青岛与郑州、北京与南京、郑州与南京之间的旅客经广州中转。综上所述，基于确定的枢纽节点位置和枢纽节点与非枢纽节点之间的航线安排，得到了枢纽-支点网络结构。

为了提高研究结果的可信度并保证变量的一致性，我们需要在比较hub-and-spoke网络和点对点网络时确保这两种网络的流量守恒。因此，不同航空网络中使用的飞机类型和数量将有所不同。通过查阅飞机噪音性能（ANP）数据库网站，并结合表中每种类型飞机的座位数三，我们需要为每个飞行段合理分配飞机类型。

如图所示2，如果在六个城市之间使用hub-and-poke网络，结合实际情况，北京与广州之间的枢纽是换乘组件，沈阳与北京、北京与青岛、北京与南京、广州与郑州、青岛与广州、广州与南京、沈阳与广州，是收集和分发组件的组件。根据图三由于数据处理复杂，仅选取了20个枢纽间的A330-200航班作为数据分析示例。在集散组件中，仅以A320的20个航班的运行情况为例，如图所示4。

图3 

A330-200在北京和广州之间的航班运行情况。

（a）

（b）

（c）

（d）

（e）

（f）

（g）

（a）
（b）
（c）
（d）
（e）
（f）
（g）

图4 

A320在集散网络中的飞行运行情况。（a）沈阳与北京之间。（b） 在北京和青岛之间。（c） 在北京和南京之间。（d） 广州和郑州之间。（e） 青岛和广州之间。（f） 在广州和南京之间。（g） 沈阳和广州之间。

图三描述了枢纽节点之间的飞行运行情况。北京和广州之间飞行运行的中间位置大多在9000至12000米的高度；除个别航班外，四分位范围的位置和高度基本相同。从Whisker的上下限来看，少数航班的飞行高度稍大，表明北京与广州之间的运行情况相对稳定，实验数据的可用性较好。

图4显示了枢纽节点和非枢纽节点之间的飞行运行情况。从图中可以看出4（b）北京和青岛之间飞行高度的中间位置基本在3000至5000的高度 米，四分位距离框的位置和高度基本相同。从Whisker的上下限来看，飞行运行数据的飞行高度大致相同，表明北京和青岛之间的运行情况相对稳定，实验计算的可用性较好。如图所示4（c），图4（e）和图4（f）北京与南京、青岛与广州、广州与南京四对城市对的飞行中位高度分别为6000至7000米、9000至10000米和5000至7000米。每个城市对的四分位范围的位置和高度基本相同。从Whisker的上限和下限来看，每个城市的飞行高度范围大致相同，表明七个城市对的运行情况相对稳定。从图中4（a）和图4（克）可以看出，沈阳与北京、沈阳与广州的飞行高度中位数位置分别为2000～3500米和8000～10000米。沈阳和北京之间的四分位范围的位置和高度相差很大。除个别航班外，沈阳和广州之间四分位范围的位置和高度大致相同。从Whisker的上下限来看，沈阳和北京的飞行高度较大，可能受天气条件、监管原因、空域活动等因素的影响。沈阳和广州之间大多数航班的飞行高度范围大致相同，数据状态相对稳定。

在图中三，北京与广州之间的飞行运行情况稳定，数据状况良好。通过数学分析，获得可用于计算的飞行数据，并绘制三维网格图来表示飞行剖面。由于枢纽之间的运输很繁重，因此以A330-200为例分析数据，飞行剖面如图所示5获得。绿点表示飞行轨迹。

图5 

计算北京至广州之间A330-200的飞行剖面。

从以上分析可以看出，在集散网络的运行中，本文所用城市之间的飞行运行数据总体上是稳定的，表明我们的实验数据具有良好的鲁棒性，可以用于计算。在单个城市对中，我们对鲁棒性较差的航段的飞行数据进行预处理，以便于计算。

这里，仅使用北京与青岛、北京与南京、青岛与广州、广州与南京四对城市绘制三维网格图，以表示枢纽节点与非枢纽节点之间的飞行剖面。

其他城市对的图形类似，此处不再详细列出。如图所示的三维网格图6是为我们的计算而获得的。图6（a）至图6（d）分别是北京和青岛、北京和南京、青岛和广州以及广州和南京的飞行剖面，红点表示飞行轨迹。结果如表所示6通过计算在集散网络中运行的飞机在爬升、下降和巡航阶段的污染物排放量和燃油消耗量获得。

（a）

（b）

（c）

（d）

（a）
（b）
（c）
（d）

图6 

用于计算A320飞机在枢纽网络中的飞行剖面图，A320在枢纽网络的飞行运行情况。（a）北京与青岛之间。（b） 在北京和南京之间。（c） 青岛和广州之间。（d） 在广州和南京之间。

同样，如果在六个城市之间使用点对点网络，即每两个城市之间的直飞航班，则有10个城市对。为了确保两个航空公司网络运营期间的客流守恒，我们将表中每种机型的座位数量结合起来2获得133、133和134架A319、A320和B737飞机。由于hub-and-spoke网络的飞行运行情况如前所示，其中也包括与点对点网络相对应的飞行段，因此这里不列举分析。飞行剖面也通过绘制三维网格图来描述，以便我们进行计算，这里不进行进一步分析。我们得到了飞机在点对点网络中的运行影响，爬升、下降和巡航阶段的污染物排放和燃油消耗如表所示7。

我们还通过绘制三维网格图来分析飞机的飞行剖面。我们不会在这里画画。我们使用获得的更好的曲线来计算爬升、下降和巡航阶段的污染物排放量和燃油消耗量。结果见表7。

基于表格6和7表中总结了六个城市的集散网络和点对点网络运行期间的总排放量（包括爬升、下降和巡航阶段的各种污染物）和总油耗8。

如表所示8，总CO排放量表示飞机在爬升、下降和巡航阶段的总CO排放。HC总排放量显示了爬升、下降和巡航阶段的HC排放总量。总NO_x排放量表示总NO_x爬升、下降和巡航阶段的排放。污染物排放指污染物的总排放量（包括CO、HC和NO_x)在爬升、下降和巡航阶段。根据表中集散式网络和点对点网络的污染物排放和燃料消耗对比分析6由此可见，通过集散网络运行该航班，总CO排放量减少35.84%，总HC排放量减少68.82%，总NO排放量减少_x排放量增加了24.87%。污染物排放总量下降29.37%，油耗总量下降68.17%。一般来说，在城市之间使用集线器网络可以节省一定的运输成本，并可以减少整个航空运输的污染物排放和燃料消耗。

原因主要是使用轮辐式网络通过拥有大量座位的大型飞机将非枢纽乘客收集到枢纽机场，通过枢纽机场转机后，将使用拥有中等座位的中型飞机将乘客分配到目的地，反映规模经济，同时减少飞机排放对环境的影响。点对点网络运行时，只考虑两个机场之间的交通流，而不能考虑同一城市的航空公司之间的连接问题，因此无法形成区域资源的有效配置。此外，非枢纽机场之间的载客率和载客率较低，导致航空公司遭受运营损失。此外，乘客目的地要求还增加了航班的起飞和降落次数，导致燃油消耗和飞机排放增加。

5.结论

本文通过枢纽位置模型确定枢纽机场的位置，使用飞机排放评估模型计算污染物排放质量（主要包括CO、HC和NO_x)以及飞机的燃油消耗，并结合案例分析了集散网络的运行环境影响。基于本研究所满足的基本条件，对hub-and-spoke网络和点对点网络进行了比较分析，并得出了一些结果。

本研究综合考虑了城市地理位置、航段客流和航段距离等数据的可用性。选取六个具有代表性的城市作为研究对象进行实证分析。根据建立的数学模型，以总运输成本最低为目标函数，得到枢纽机场的位置、航线分配和衔接方法。对于获得的飞行数据，绘制飞机的运行状态图，分析数据的稳定性和鲁棒性。鲁棒性较好的数据可以直接使用，对稳定性稍差的数据进行预处理后使用。通过绘制枢纽节点和非枢纽节点之间的三维网格飞行剖面图，可以找到飞机的飞行轨迹，从而为航空网络的污染物排放和燃料消耗奠定基础，对每对城市之间的飞行航段进行了分析和计算，最终得出飞机在航空网络中的污染物排放量和燃油消耗量。

通过对集散网络和点对点网络的污染物排放量和燃油消耗量的对比分析，结果表明，使用集散网络的航班运行减少了总CO排放量35.84%、总HC排放量68.82%和总NO排放量_x排放量增加了24.87%。污染物排放总量减少29.37%，油耗总量减少68.17%，总运输成本低至3.63美元 E+5。在集散网络的运行过程中，体现了其规模经济性，降低了油耗，减少了飞机污染物排放量，符合中国民航“十三五”规划中绿色民航的发展主题。

本研究适用于某些限制条件下的评估计算。该分析基于flight Aware官方网站各部分的飞行数据。作为进一步研究，可以建议综合考虑经济成本、环境因素和时间因素，建立多目标优化模型，并使用有效的求解算法进行进一步研究。

大量研究表明，民航运输业的快速发展逐渐使飞机污染物排放成为城市空气污染的一个重要方面。飞机在航空网络中飞行，在飞行过程中向空气中排放大量污染物。分配和连接方法将导致不同的航空排放情况。为了解决这一点，本研究将集散式网络与点对点网络进行了比较，并研究了这两种网络状态的环境影响。研究发现，在总运输成本最低的情况下，集散式网络的排放量和燃油消耗量的影响小于点对点网络。同时，国际当局的环保意识正在增强。随着燃油价格和旅游业需求的不断上涨，航空公司也需要在燃油管理方面采取相应的竞争战略，以控制过度的燃油消耗，实现长期可持续发展。因此，燃油消耗情况也值得关注。对两个航空网络的比较分析表明，集散网络的油耗也低于点对点网络。总之，本研究从环境角度出发，对不同的航空网络进行了环境影响分析。总结了污染物排放量较小、油耗较低的航空网络形式。具有一定的借鉴作用，为航空公司提高燃油效率提供了更有效的途径，也为航空公司减少污染提供了新的环保方向。本课题的研究有助于航空公司更好地实现环境保护，这不仅节省了燃油，也加速了类似研究在航空领域的应用。

数据可用性

实际飞行轨迹数据从flight Aware官方网站下载，用于计算排放量的数据可以从飞机噪声性能（ANP）数据库网站下载。用于支持本研究结果的其他数据可向相应作者索取。

利益冲突

作者声明，本论文的发表不存在利益冲突。

致谢

本研究得到了国家自然科学基金（61671237）和南京航空航天大学研究生创新中心基金（kfjj20190711）的资助。