根据上文中航空网络中延误扩散原理及基本假设，通过仿真算例来分析各因素对航班延误扩散造成的影响大小。
在此，先假设航班延误扩散的分析步骤如下：
（1）根据各个机场的具体条件参数的设定，测算出航空网络中节点从正常状态转化为延误状态的概率v，从延误状态恢复到正常状态的概率δ，由
算出机场的有效延误扩散率λ。
（2）通过机场的有效延误扩散率λ来判断节点机场是否有其他航班受到延误扩散影响。
（3）统计延误机场的数量和航班延误率。为了确保结果的客观性，最终数值取10次推算的平均值。
（4）修改各个机场的参数设定后，再重复上述步骤。
（5）最后将每次推算后的延误机场的数量和原始假设情况的延误机场的数量进行比较，得出各个参数对航班延误扩散造成的影响大小的最终排序。
航空网络模型如图6-4所示。
整个航空网络中，共有6个机场，航班F001因某原因发生初始延误，从而机场A1陷入延误。航空网络的平均航班总数W为12个航班。
图6-4 航空网络中的节点分布示意图
平均每天初始延误的航班数量 f为1个航班，每个航班的服务时间T服务皆为0.3小时，每条航线中待服务的航班数量Y为1。各个机场的基本状况如下：机场Ai（i=1，2，3，4，5，6）的机场服务能力S分别为0.1、0.125、0.3、0.15、0.125、0.2，机场的航线数量〈k〉分别为4、2、5、4、3、4，每个航班在t时间内经过的节点数量P如表6-1所示。
表6-1 各航班在t时间内经过的节点数量P
根据平均航班总数W、平均每天初始延误的航班数量f、每个航班的服务时间T服务、每条航线中待服务的航班数量Y、机场的航线数量〈k〉、每个航班在t时间内经过的节点数量P，可以推算出延误概率v≈0.0320。由机场服务能力S、机场的航线数量〈k〉、每条航线中待服务的航班数量Y这三个参数可以推算出恢复概率δ≈0.2767。那么，可推断出有效延误扩散率λ≈0.1157。
假设1：不改变任何参数，分析各个机场的扩散状况。(www.xing528.com)
机场A1的航班延误扩散状况如下：
航班F012的随机数为0.7422，0.7422＞λ，所以该航班未受到航班延误扩散影响，故延误没有由航班F012从机场A1扩散至机场A2。
航班F013的随机数为0.4878，0.4878＞λ，所以该航班未受到航班延误扩散影响，故延误没有由航班F012从机场A1扩散至机场A3。
航班F014的随机数为0.5962，0.5962＞λ，所以该航班未受到航班延误扩散影响，故延误没有由航班F014从机场A1扩散至机场A4。
由此可知，初始延误未从机场A1扩散至其他机场，整个航空网络未发生航班延误扩散的现象，延误机场只有1个即机场A1。
假设2：若将机场A3的服务能力下降10%，变为0.33，那么延误概率v仍为0.0320，恢复概率δ变为0.2707，有效延误扩散率λ也随之改变，变成0.1182。接着，分析各个机场的扩散状况。
机场A1的航班延误扩散情况如下：
航班F012的随机数为0.7609，0.7609＞λ，所以该航班未受到航班延误扩散影响，故延误没有由航班F012从机场A1扩散至机场A2。
航班F013的随机数为0.6189，0.6189＞λ，所以该航班未受到航班延误扩散影响，故延误没有由航班F013从机场A1扩散至机场A3。
航班F014的随机数为0.1631，0.1631＞λ，所以该航班未受到航班延误扩散影响，故延误没有由航班F014从机场A1扩散至机场A4。
由此可知，初始延误未从机场A1扩散至其他机场，整个航空网络未发生航班延误扩散的现象，延误机场只有1个即机场A1。
其余的推算同上述的仿真原理，演算出改变参数对整个航空网络的航班延误扩散的仿真结果（延误的机场数和航班延误率的结果取的是10次推算的平均值，以此来确保算例的客观性），并将结果以表6-2的形式呈现。
表6-2 航空网络中航班延误扩散的仿真结果
由仿真算例可知，同幅度地修改各个因素（S、f、W、T服务、Y、〈k〉、P）后，延误机场数和航班延误率都发生了改变，延误机场数的变化分别为0.2、0.6、0.5、0.1、0.2、0.4、0.2；而航班延误率依次的改变为1.67%、5%、4.17%、0.8%、1.67%、3.33%、1.67%。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
