基于分组排序的随机性地面等待模型

地面等待是空中交通短期流量管理的主要方法.针对日益增长的空中交通需求带来的严重航班延误,提出了基于分组的随机性地面等待算法.首先该算法考虑连续航程航班的排序合理性,提出分组排序的思想;其次考虑了机场的降落和起飞相互影响;并且考虑了对续航影响、延误时间和延误耗损的不同重视程度,引入3个权值定义可变优先级;此外考虑了天气等因素的动态特性,在排序时引入随机性变量.利用实际的飞行计划数据,进行了多次仿真实验,证明了算法的灵活性和实用性,具有较好的参考价值.     

多跑道机场起降排序实时优化元胞自动机模型

本文根据多跑道繁忙机场的运行条件和安全要求,以最小化航班总延误损失为目标函数,考虑不同机型性能特点,以NS模型为基础,建立了二维元胞自动机(CA)模型,来解决多跑道机场实时航班动态排序问题。模拟结果表明CA模型能够合理表现飞机起降的运行过程,并得到较优的起降序列,在此基础上,采用基因表达式编程(GEP)对CA模型得到的起降序列进行优化,得到了优异解,与先来先服务算法比较,CA-GEP模型计算时间短,有效减少了延误损失,适合实时流量管制中航班动态排序的决策支持。     

基于回溯与交换的降落航班排序模型的设计与实现

对交通拥挤时的降落航班合理排序,是空中交通流量管理的重要方法。针对日益增长的空中交通需求带来的严重航班延误,提出了基于回溯与交换的降落航班排序模型。首先考虑利用航班之间空余时间以减少延误时间,提出回溯思想;其次定义延误因子和累积降落因子确定航班交换规则,并引入两个权值调节对延误总时间和累积降落总时间的不同重视程度。分别利用模拟和实际飞行计划数据,进行了多次仿真实验,确定了模型中回溯因子和权值的最佳取值。并与先来先服务相比较,验证了本文模型的灵活性和优化性。     

航班延迟推出策略及虚拟队列长度灵敏度分析

针对大型枢纽机场日益严重的场面拥堵及由此导致的航班延误问题,通过构造虚拟队列控制航班推出率,利用机位等待代替跑道起飞排队,进而解决场面拥堵,减少延误,减少燃油消耗和污染排放,提高航空公司经济效益。基于CDM思想构造虚拟队列,提出了3种航班延误推出策略;权衡各策略之间的关系,建立了不公平性在限定范围的以减少乘客总体等待时间和公司损失的推出决策模型,并提出多个检查指标。以20架航班为例详细分析了各指标随队列长度增长的变化关系,比较了先来先服务策略与乘客等待时间最短策略的仿真推出,分析了航班等待时间损失与乘客收益的矛盾以及推出延误成本,并计算了不同航班规模算例。模型计算表明,通过对虚拟队列航班次序的调整,时间收益增加了5.15%~24%,减少公司成本15.22%~26%。可见该策略可以明显减少乘客平均等待时间和降低航空公司成本。     

杭州萧山机场场面滑行协同优化

机场滑行时间协同优化研究在当前空中交通流量和航班量日益增加,航班地面延误问题日趋突出的时候应运而生,同时它也是短期内提高机场运行效率,解决航空运输飞行区瓶颈的重要途径.本文针对杭州萧山国际机场的场面运行情况,对其进离场航空器滑行进行协同优化,并且通过优化策略加速了机场场面的运行,提升了机场运行效率,降低了关键点的冲突,减少了航空器地面的延误.     

基于基因表达式编程的地面等待策略模型研究

针对地面等待策略,给出了问题的具体描述,建立了基于基因表达式编程的地面等待策略模型.该模型考虑了不同机型航班延误费用不同的重要经济因素,采用多基因家族对航班和时隙进行编码.同时,针对有后继任务的航班提出双胞基凶.结合实际空中交通管理约束,对普通基因和双胞基因分别没计了适应度函数.实验仿真中,将本文算法与RBS算法、二次自然增长延误箅法比较,在所有航班总延误费用较少的情况下,本文算法分配结果中有后继任务航班的总延误时间和总延误费用较RBS算法减少26%和32%,较二次自然增长算法减少了27%和31%,表明了模型和算法的有效性.     

恶劣天气下基于MIT的扇区流量动态控制模型

针对恶劣天气下频繁发生的空中交通拥堵与航班延误问题,提出了一种基于尾随间隔(MIT)的扇区流量动态控制模型。提出以恶劣天气下扇区动态容量作为主要约束条件,航班最小累积延误成本为目标函数,建立了基于MIT扇区流量控制模型,并采用了遗传算法对该模型进行求解。结合三亚管制区内04号扇区某日16:00至17:00的流量数据对模型进行验证,并与无MIT策略情况进行了比较。结果表明:利用该模型生成的优化策略避免了扇区拥堵,实现了扇区流量与容量动态平衡,使扇区空域资源利用率提高了25%,同时使航班累积延误成本也减少了23%,验证了模型的有效性与实用性。     

基于启发式隐枚举算法的多机场GDP放行策略

终端区内航空器的放行策略制定往往因涉及多机场航路结构的耦合效应,对终端区运行能力产生影响.应用地面等待策略,并考虑多机场系统具有公共离场定位点的空域结构特点,建立了多机场系统的航班放行策略模型.结合启发式隐枚举算法,通过引入机场优先级,并协调经由公共离场定位点的各机场航班比例,优化各机场航班的放行时刻.仿真结果表明,与FCFS策略相比,HLEA算法能显著减少多机场系统的航班总体延误,提高终端区空域的运行效率.     

基于启发式隐枚举算法的多机场GDP放行策略

终端区内航空器的放行策略制定往往因涉及多机场航路结构的耦合效应,对终端区运行能力产生影响．应用地面等待策略,并考虑多机场系统具有公共离场定位点的空域结构特点,建立了多机场系统的航班放行策略模型．结合启发式隐枚举算法,通过引人机场优先级,并协调经由公共离场定位点的各机场航班比例,优化各机场航班的放行时刻．仿真结果表明,与FCFS策略相比,HLEA算法能显著减少多机场系统的航班总体延误,提高终端区空域的运行效率．     

基于MIT的多扇区流量控制模型研究

通过综合考虑交通管制和航空公司运行两个方面,研究了在恶劣天气下多个扇区容量发生动态变化时的流量控制问题。提出了以扇区动态容量作为主要约束条件,航班总延误成本和扇区流量稳定为优化目标,基于尾随间隔(MIT)的多扇区流量控制模型,并采用带精英策略的NSGA-Ⅱ算法求解。以某区域管制中心3个扇区为例进行了仿真分析。结果表明:利用该流量控制模型不仅能够缓解扇区拥堵,还可以让决策者选择一个最优的MIT限制值,既可以保证各个扇区的流量稳定减轻管制员工作负荷也可以控制航班的延误总成本,并验证了所建模型具有有效性与实用性。     

珠三角地区航班延误的仿真分析

珠三角地区机场密集、空域紧张,导致该地区交通拥挤,航班延误高,迫切需要对其空域和机场进行研究。论文描述了采用空域机场仿真模型SIMMOD对珠三角地区的空域机场进行建模的关键点。采用THEIL不等式系数法对该SIMMOD模型进行了验证。分析了当前珠三角地区的航班延误和空中交通流量分布。仿真了未来最大航班量下的空中地面情况...     

进港航班排序强化学习模型研究

为了解决进港航班排序中智能化程度不高的现实问题,提出了进港航班排序强化学习模型。首先确定了进港航班排序强化学习模型的状态、动作、智能体、环境、奖赏函数、约束条件、Q学习等,进港航班排序强化模型中的状态是各进港航班的到达时刻,动作是对航班到达时间的调整,智能体对航班的到达时刻进行调整,环境对动作做出反应,一个新的到达时间和奖赏值传给智能体。奖赏函数考虑了延误时间、经济成本、对后续航班的影响。该模型考虑了航班不能提前降落,分配的到达时间不早于计划的到达时间,进港航班流量不能超过机场的到达容量值等约束条件。使用双流机场进港航班数据对该模型进行了验证。对比分析了先到先服务和强化学习模型的排序、延误时间、延误成本、后续航班延误成本和奖赏值。先到先服务算法的奖赏函数值为3164,强化学习算法的奖赏函数为2880,强化学习模型更优。模型中奖惩函数的评价指标、权重、约束条件可以根据管制工作实际情况进行设置,该模型可以为空中交通管制人员进行进港航班排序提供决策支持。     

多阶段启发式算法求解机场地勤服务优化问题

针对保障航班离港无延误的地勤服务调度优化问题,建立了以特种车辆数最小化、无效服务时间比率最小化和特种车辆服务时间方差最小化的多目标模型,提出了一种新的多阶段启发式算法.根据航班服务时间窗和特种车辆在航班间服务转移的特点,该算法能够为机场航班合理分配特种车辆,优化航班服务序列.通过仿真实例验证了模型及算法的正确性,结果表明,所提出的多阶段启发式算法提高了特种车辆的服务效率,减少了用车数量和无效服务时间,达到了特种车辆服务的负荷均衡.     

多跑道起降航班排序模型和算法研究

针对空中交通迅速发展使得终端区空域越来越拥挤的问题,研究了在终端区空中交通繁忙的情况下,如何安排机场起降航班的最佳队列,以缓解拥挤和减少航班延误及相关的经济损失。将离场航班引入航班队列排序中,讨论了蚁群算法在终端区起降航班排序中的应用,根据飞机尾流间隔的要求,建立基于蚁群算法的多跑道起降航班动态排序模型,并用算例进行仿真验证。结果表明,与先到先服务排序方法相比,经该算法排序后的平均延误时间减少近50%。     

基于精英存档自适应微分进化算法的多跑道独立进近排序

随着民航运输业的快速发展,运输需求与空域资源容量之间的矛盾日益突出,导致航班延误的比例也在逐年升高。进港航班排序作为空中交通流量管理的主要手段,能够有效地减少航班延误,减少经济损失,并提高跑道利用率。本文针对进港航班排序问题,建立了一种基于最小化总延误时间的多跑道进港航班排序数学模型,并通过采用精英存档策略和控制参数自适应策略,提出了一种精英存档自适应微分进化算法(EASaDE: Self-adaptive Differential Evolution algorithm with Elite Archive)。在EASaDE中,精英存档策略将当前种群划分为精英种群和非精英种群,参与变异的个体部分来自精英种群,剩余的来自非精英种群;而控制参数自适应策略则将控制参数应用到种群中的每个个体,并根据个体的进化停滞代数来自适应调整参数值。为检验EASaDE的优化性能,本文选取9个常用于优化算法对比的Benchmark测试函数和双跑道进港航班排序实际问题进行实验。从Benchmark函数的优化结果可以看出：EASaDE的优化性能要好于基本DE算法和其它参与对比的改进DE算法。同时,从双跑道进港航班排序的优化结果可以看出：与其它优化算法相比,EASaDE所求得的总延误时间明显更小,规划后的进港序列更为合理。因此,本文提出的EASaDE算法具有较高的收敛精度、收敛速度和稳定性,从而能够有效地减少进港航班队列的总延误时间,提高跑道吞吐量,并减轻管制员的调度压力。     

概率空域拥挤管理模型与方法

针对空域拥挤现象日益严重、管理策略与方法缺乏等问题,建立了空域拥挤预测模型和空域拥挤风险解决模型。采用预测模型预测未来可能产生拥挤的空域和时段,基于空域拥挤风险解决模型对具有高风险拥挤空域在预测时段内实施流量管理,在充分考虑延误成本、不同空域用户延误公平性及其对交通流影响程度等因素的情况下,有效降低拥挤风险。实际运行数据表明,所建立的空域拥挤预测模型和空域拥挤风险解决模型能有效地预测未来空域发生拥挤的时段,迅速找到适宜的拥挤解决策略,平衡运行风险控制与成本控制,为空中交通流量动态管理提供了新途径。     

设置路内停车对路段交通流形成的延误模型

为了量化分析路内停车实施以后对路段车流影响,提出设置路内停车对路段交通流形成的延误模型.针对城市最常见的一幅路设置路内停车带的情况,将停车占用道路宽度形成机非混行和停车到达出发形成阻滞作为一个整体进行考虑,根据不同道路机动车交通量到达(离散流、连续流)推导设置路内停车带车辆运行的减速-加速延误模型和跟驰延误模型,在此基础上给出了设置路内停车对路段交通流形成的总延误模型.实例验证结果,该模型计算结果与实测数据基本吻合,误差在10%以内.显示该模型具有较高的精度,能对设计方案的确立起到理论和技术支持.