近年以来，受各种因素的影响，民航航班的正常率一直维持在一个比较低的水平，航班延误已经成为制约中国民航发展的瓶颈。2014年ACP（美中航空合作项目）与民航局就航班延误问题展开合作。通过了解美国治理延误的经验教训的基础上，民航空管局建立了大面积航班延误相应机制系统。通过对北京首都机场及广州白云机场空域及运行程序的模拟仿真，项目组专家整理了相关数据信息，总结了分析影响2014年航班正常率的种种因素。
一般情况下，在容量不变的条件下航班正常率与需求之间成反比的关系。下图中展示的2014年中国全部航空公司航班月平均正常率与日均航班量统计数字基本呈现这种趋势。特别是七、八两个月时当航空运输最为繁忙时，航班正常率相应为全年的最低值。2013年的情况也大致相同。
通过对具体数据的分析可以看出，两者之间呈现一定程度的线性关系。虽然使用2014年数据进行线性回归的拟合优度（校正的决定系数Adjusted R2）仅为0.542，但相应的概率p值为0.004，说明两者之间的关系并非数据上的巧合。
航班延误或航班正常率受很多因素的影响，包括航空公司、空管、和天气、等等。与天气原因相比，航空公司和空管原因更为复杂，我们在此暂不讨论。据中国民航局发表的《2014年民航行业发展统计公报》，2014年间天气原因占全部航空公司航班不正常的比例为24.3%，比 2013年增加了2.5%。另外据美国交通部统计，自2004年以来恶劣天气所造成的航班延误所占比例高达30%至50%。
采集和分析了由中国气象科学数据共享服务网公布的全国27个主要城市（北京、成都、重庆、大连、敦煌、福州、广州、桂林、海口、杭州、哈尔滨、合肥、呼和浩特、济南、昆明、兰州、拉萨、南京、青岛、上海、沈阳、苏州、天津、乌鲁木齐、武汉、西安、厦门）近50多年来平均每月的降水量和降水天数。从整体上看，数据显示每年7月和8月的降水为全年之最，这与之前所观察到的每年夏季7-8月间的低航班正常率有直接的对应关系。
从下图中，可以清楚地观察到航班正常率的走向与月降水量和天数基本呈相反方向变化的趋势。
当使用这27城市的月降水量之和为自变量进行2014年航班正常率的线性回归分析时，可以看到两者间存在着明显的线性关系。数据证明，当这27城市的月降水量之和增加1000毫米时，有95%的把握此月的航班正常率会下降2.7% 至7.4%。
进一步使用月降水量和日均航班量为参数进行航班正常率的回归分析，模型的准确度有得到了进一步提高，校正的决定系数（Adjusted R2）上升为0.823。
另外一个影响航班延误和正常率的决定因素是运行的容量；然而容量本身并非能够由简单的参数能够代表的。一般来讲，航空运输系统的容量为机场空侧容量（包括跑道、滑行道、停机坪等）与空域容量（航线、飞行层、间距要求等）的综合值。众所周知，中国空域环境复杂，对运行产生了巨大的影响，一般被视为最需要解决的瓶颈之一。
在最近的一项美中航空合作研究项目中，临时航线的使用对运行所能够带来的影响得到了仿真模拟和实际运行数据分析上的论证。使用临时航线可以增加可用航线的数量，或截弯取直，在运行中对缓解目前空域资源紧张的问题有很大帮助。据空管局空域管理中心介绍，目前全国临时航线的数量已从2008年奥运会时的35条增加到140余条。目前更采用了主动释放机制，并设置了针对日、夜、周末、节假日等不同运行条件下的临时航线，一步步走向由线到面到空间的发展。通过对运行的计算机模拟分析，上述项目评估了使用临时航线可能带来的延误降低效应。8月间的实际运行数据也显示当临时航线的使用频率较高时，航班正常率也相对较好。当然，仅仅一个月的运行数据无法建立高可信度的模型，我们建议对临时航线的使用作出更加完整和准确的跟踪和分析。
为进一步证实充分使用空域资源对航班正常率的影响，我们还采集和分析了全中国2014年临时航线的使用情况数据4。为使分析中的临时航线使用参数正规化，我们采用了临时航线使用航班数量与运输总周转量的比例（定义为临时航线使用率“临时航线航班/亿吨公里”），并使用其为航班正常率的线性回归分析中的第3个参数，下图是分析结果。
临时航线使用航班数量与运输总周转量5的比例（定义为临时航线使用率“临时航线航班/亿吨公里”），并使用其为航班正常率的线性回归分析中的第3个参数，下图是分析结果。
可以看到，引入使用临时航线航班的参数后，回归曲线的校正决定系数（Adjusted R2）又有些许增加。但回归的结果也显示出了这个参数对航班正常率影响的不确定性，其相应的概率p值为0.22（相比之下，降水量的概率p值为0.002，日均航班量的概率p值为0.015）。
由于不清楚临时航线的使用是对系统容量降低的反应（例如由于天气或其它原因的影响造成一些正常航线无法使用，所以结果是系统容量—可用航线数量有所减少），还是在正常运行条件下采取的增容措施，上述结果并不出人意料。今后应大量的采集相关数据并对此进行深入的分析研究。如前所述，更好地参数应该是能够代表全系统的空域容量和空侧容量综合指标。
本文使用历史运行和气象数据分析了影响2014年月平均航班正常率的种种因素。包括降水量、日均航班量、使用临时航线航班量、等等。如有可能应尝试建立日航班正常率与上述因素间的关系，并找出代表容量的最佳参数。
解决航班延误是一个系统工程问题，绝不能简单地认为只要空管、机场、或航空公司等单方面解决了运行、和或容量的问题就可以保证运行的顺畅。目前，中国航空业正在大力提高空中交通流量管理（ATFM）的能力以安全、高效地满足预期的需求。ATFM采用连续分析、相应调整战略、战术等措施，以确保空域和机场空侧的容量资源得以最好地利用。这就需要在各个层次上对历史数据进行分析研究，从而找到应对影响航班正常运行干扰因素的最佳措施。（美中航空合作项目 ACP 、兰德龙布朗公司 王建中）
