基于动态优先级的机场滑行道调度优化算法

为提高机场航班的地面运行效率,针对航班滑行道调度问题,提出一种动态调整航班优先级序列的滑行道调度优化策略。为实现该策略,对遗传算法进行改进,采用双链染色体编码的方式,并行优化航班的滑行路径和优先级序列。通过设定两个适应度函数,利用改进的遗传算法确定各航班的滑行路径,根据滑行路径的变化动态调整航班优先级序列,在此基础上由冲突解脱算法得到具体的调度计划。实验结果表明,该算法有效解决了航班间的冲突问题,能得到最优的调度滑行路径和优先级序列。     

航班滑行路径规划和停机位分配联合优化

针对机场的航班滑行路径规划和停机位分配的联合优化调度问题,构建基于冲突回避的滑行道与停机位联合调度模型,并提出改进的自适应差分进化算法求解问题。以最小化航班的滑行时间和旅客转机的行走时间为优化目标,建立非线性混合整数规划联合调度模型。设计考虑了滑行冲突的路径规划算法,完成航班的滑行路径分配,并通过自适应动态调整差分进化算法参数,引入个体位置边界的扰动策略,进一步改善了算法的搜索性能。对国内某枢纽机场的仿真结果表明,所提出的算法可以有效避免滑行冲突,缩短滑行时间,是能够兼顾旅客服务质量和航班场面滑行效率的有效方法。     

基于改进蚁群协同算法的枢纽机场场面滑行道优化调度模型

滑行道连接停机位和跑道,是机场场面调度的重要关键环节。基于飞机滑行时的冲突约束和跑道资源的动态分配,采用改进蚁群协同算法与滑动窗口控制相结合的方法,对滑行道进行优化调度。在保证滑行道零冲突、兼顾单个航班滑行时间的前提下,缩小机场进出港航班总滑行时间。对国内某枢纽机场的滑行道调度仿真实验表明,所提出的方法和模型具有明显的优势,可为枢纽机场的场面滑行调度提供决策支持。     

多蚁群协同进化的滑行道调度优化

针对当前机场滑行道调度效率较低的问题,提出一种基于协同进化的多蚁群算法。利用蚁群算法在解决复杂的组合优化问题方面的显著优势,在种群内部搜索滑行时间短且没有冲突的路径,在种群间利用蚁群算法良好的协同能力同时进行多个航班的调度,解决滑行的路径搜索问题,实现调度顺序的优化调整。冲突解决是解决滑行道调度问题的关键,采用基于两段锁的思想解决冲突。利用公共数据集对该算法进行验证,实验结果表明了该算法的有效性。     

基于背压路由算法的离港飞机滑行路径优化

针对现有优化算法仅从最短路径或最小滑行时间的角度出发,忽略了航空公司满意度和滑行道负载率对滑行道调度影响的问题,提出了基于背压路由的离港滑行路径优化算法．算法首先将离港滑行路径优化问题等价转化为网络拓扑结构中的路由搜索问题,然后利用背压路由算法求解具有最大航空满意度和最小滑行道负载率的滑行路径．对国内某枢纽机场实际运行数据的仿真结果表明,运用该算法获得的滑行路径在保证跑道及滑行道效用的同时,能够有效减少飞机滑行时间,改善机场拥塞问题,缓解机场容量与需求的矛盾,提高机场运行效率,为离港航班滑行路径优化提供了新的研究思路．     

基于改进A^*算法的机场场面滑行路径优化

为了缓解机场场面交通拥挤状况,提高空侧交通运行效率和安全性,以优化进离场航班的滑行路径为目标,通过分析机场场面滑行路径优化问题,构建了机场场面滑行路径优化模型,并提出基于变步长的滑动时间窗方法和A*算法相结合的模型求解算法。以北京首都国际机场为例进行算例分析,与未考虑冲突的路径优化方案相比较,上述方法得到的总滑行时间节省121秒,通过算法实现对滑行冲突的智能识别与解脱,可为繁忙机场的调度工作提供了决策支持。     

基于路径检测的航空器动态滑行路径优化模型北大核心

为了优化航空器在场面的滑行路径,提出基于路径检测的航空器动态滑行路径优化模型,使航空器在安全的前提下滑行总时间最短。首先明确包括冲突检测和拥堵检测的路径检测方法,然后将航班波滑行总时间最短作为目标,结合路径检测的约束建立多航空器滑行路径优化模型。采用蚁群算法求解,并针对优化模型将蚁群算法进行改进,采用双向搜索和引入奖惩因子,以提高全局搜索能力。算例分析中选取某机场滑行系统,对其某段时间内的真实航班波进行仿真,经验证:采用优化模型可以有效缩短航班波滑行总时间,滑行道的使用情况较为合理。     

基于动态期望的航空器滑行路径更新模型仿真

滑行路径优化是提升机场场面运行效率与安全水平的有效途径。为研究管制意图、监控范围对航空器滑行路径优化的影响,基于实际管制规定,同时考虑冲突和拥堵影响,定义优先级反映滑行道通行能力,定义动态期望值量化管制员意图,设计航空器滑行路径变更机制及实施步骤,构造基于动态期望的航空器滑行路径变更模型。采用Visual C++及Mathlab混合编程仿真,得到航空器分布密度、监控范围等参数改变时,不同模型的仿真结果对比及关键统计分析值的变化趋势。结果表明,上述模型能对低密度下的滑行道变更进行抑制,能提高中密度下的滑行道变更比例,并减少滑行速度变化幅度。扩大监控范围能有效增加航空器滑行路径变更比例,减少滑行速度标准差,提高机场场面运行保障能力。     

多Agent的航空器滑行策略优化

快速发展的民航事业导致很多机场容量不足。为缓解大型机场交通拥堵的现状,研究了航空器滑行策略优化问题。滑行路径优化是指在特定的时间段内,根据机场资源信息和地面运行管理系统对进离场航空器在跑道和停机位之间的距离进行优化管理。通过深入剖析机场地面的网络结构,综合考虑滑行冲突、地面运行规则等因素,提出了多Agent滑行策略优化方法,该方法提升了机场资源利用率;基于地面网络链路结构的概念,建立了航空器滑行策略优化模型;结合多Agent的基本理论,设计了跑道出口选择概率函数和多Agent系统滑行路径优化结构,以寻求航空器的最优滑行路径。以国内某大型机场的实际情况为研究背景进行了航空器滑行策略实验,结果表明,与以往的算法相比,多Agent滑行策略优化方法的效果更为显著。设置跑道口的速度和同一交叉口航空器的最小间隔距离,通过对跑道出口的选择和Agent间的交互协商,航空器能够对原滑行路径进行有效调整,并缩短其在机场场面上的滑行时间。与最短路径算法相比,多Agent滑行策略方法在航空器的总滑行距离、航空器在滑行道上的密度以及平均等待时间方面的优化效果更好,且其对滑行道资源的分配更合理。其中,航空器在节点处的平均等待时间减少了8.26%。所提策略可有效缓解机场交通拥堵的现状,提高场面运行效率,对减少航空器延误和保障机场的运营安全具有重要意义。     

基于TCPN的复杂航班推出问题的建模与仿真

为了解决对机场实际运营中存在的共用同一中间机坪滑行道的航空器相对推出型冲突问题,文中根据时间有色Petri网的相关理论,分析了导致机场的运行效率降低的航班的推出问题,结合成都双流国际机场的相对推出型廊桥,提出了基于时间有色Petri网（Timed—ColoredPetri Net,TCPN）的复杂情况下航空器推出模型。依据此模型将航空器从滑行道到停入机位的全过程进行模拟和说明。最后结合TCPN仿真软件CPNTools中的状态空间分析法,对模型的可行性进行分析,对保障航班推出过程的运行安全、提高繁忙机场的运行效率具有重要的现实意义。     

一种基于ADS-B信息的冲突告警算法

为了解决飞行流量持续快速增长导致的飞行安全问题,给出一种基于ADS-B信息的冲突告警算法。该算法的目的在于发现终端区或机场附近可能存在的飞行冲突,为飞行员采取避让措施提供足够的时间。算法主要由2个模型构成：第1个模型是飞行冲突区域划分模型,该模型包含保护空域(PAZ)和冲突空域(CAZ)2个区域;第2个模型是飞行冲突探测模型,该模型首先对冲突目标初选,然后对有可能发生飞行冲突的飞机从竖直和水平2个方向进行冲突探测并根据探测结果发出相应的告警信息。经大量的Monte-Carlo仿真实验表明该算法性能良好,能及时有效地发现飞行冲突,对确保终端区或者机场附近的安全有着重要意义。     

多机场地面等待策略的建模与仿真

针对我国空中交通流量管理中出现的大规模航班延误情况，根据多个机场实际起飞和降落容量的约束，建立了一种考虑航班取消的多机场地面等待策略数学模型，并提出求解该模型的有效算法。在所提模型与算法的基础上，选择我国三大机场实际数据进行仿真。对比了取消航班与不取消航班两种情况结果，仿真结果验证了模型与方法的有效性与实用性，给出了最优排序的航班时刻表，从而支持了关键航班的运行，减少了航班总延误。     

结合进港排序的终端区冲突解脱策略研究

终端区相对于航路,空间狭小,航线密集,航班机动范围有限,已成为飞行事故高发区。针对终端区的特殊情况,提出一种结合进港排序的冲突解脱方法。首先利用进港优化算法对终端区内航班的降落时间进行优化,然后将得到的预计到达时间与实际到达时间差最小作为航班解脱冲突的目标函数,由此得到终端区航班的冲突解脱方法,既保证了飞行安全又提高了运行效率。利用某机场的场景和飞行数据进行仿真,结果表明,此方法有效地解决了终端区飞行冲突问题,同时使航班快速有序地降落到跑道。     

面向正点率提升的华北机场群航班时刻优化

近年来,区域机场群协同发展逐渐成为了未来民航发展的基本导向。然而,相比国外关于机场群的研究水平,我国尚处于萌芽阶段,出现了机场群内发展不均衡、缺乏协同、功能定位不清晰、空管运行难度大、服务品质降低等问题。因此,以京津冀机场群为研究对象,借鉴国外先进发展经验,从协同发展的角度对机场群航线优化进行研究。构建了以提升航班正点率为目标的机场群现有航班时刻优化模型,运用粒子群迭代寻优算法求解最优解,将优化后的航班时刻表用SIMMOD进行仿真验证,实验结果表明,经航线优化后的京津冀机场群航班延误得到了缓解,且多机场群系统的航班冲突得到了明显的降低。     

Multi-commodity flow network model of the flight gate assignment problem

The flight gate assignment problem is encountered by gate managers at an airport on a periodic basis. This assignment should be made so as to balance carrier efficiency and passenger comfort, while providing buffers for unexpected events that cause assignment disruptions. In this paper, a binary integer multi-commodity gate flow network model is presented with the objective of minimizing the fuel burn cost of aircraft taxi by type and expected passenger discomfort for “tight” connections as a function of inter-gate distance and connection time. This approach is shown to be computationally efficient within a decomposition approach for large problem instances. A numerical application of this approach is given for the gating of Continental Airlines at George W. Bush Intercontinental Airport in Houston (IAH).     

Multi-commodity flow network model of the flight gate assignment problem

The flight gate assignment problem is encountered by gate managers at an airport on a periodic basis. This assignment should be made so as to balance carrier efficiency and passenger comfort, while providing buffers for unexpected events that cause assignment disruptions. In this paper, a binary integer multi-commodity gate flow network model is presented with the objective of minimizing the fuel burn cost of aircraft taxi by type and expected passenger discomfort for “tight” connections as a function of inter-gate distance and connection time. This approach is shown to be computationally efficient within a decomposition approach for large problem instances. A numerical application of this approach is given for the gating of Continental Airlines at George W. Bush Intercontinental Airport in Houston (IAH).