基于贝叶斯网络的航班离港延误预警分析*

贝叶斯网络是一种有效的概率预测方法,尝试将其应用于航班数据分析预警,应用Netica软件工具构建实际航班及其关联的贝叶斯网络,特别是针对航班延误的最主要环节——离港延误,分时间段对国内某航空公司在某机场的离港数据进行了延误原因分析和延误预警分析。     

基于GATS贝叶斯网络结构学习的航班延误模型

对遗传算法（GA）贝叶斯网络（BN）结构学习和禁忌搜索算法（TS）进行分析,提出遗传禁忌搜索贝叶斯网络结构学习算法GATS_BNSL。把禁忌搜索思想引入到遗传算法BN结构学习由父代种群产生后代种群的演化过程中,以禁忌搜索交叉和禁忌搜索变异改进传统的遗传算子,对比实验分析表明了GATS_BNSL的学习优势。应用此方法,基于真实数据,建立了大型枢纽机场航班离港延误模型。该模型切实反映了导致航班延误的多因素之间的因果关系,而且建模时间少,学习正确率高。     

基于贝叶斯网络的航班串运行脆弱性研究

为研究航班串中某一关键航班发生进离港延误对该航班串中其它航班进离港准点率造成的影响,采用贝叶斯网络对航班串运行进行建模,识别并评价关键航班的脆弱性,并提出降低航班串运行脆弱性的建议。在受到管制、天气、军事活动、航班在机场异常过站以及其它异常情况等不确定因素影响下,研究航班串进离港准点率关系,并找出航班串运行时的脆弱节点以及评价关键航班的延误状态。通过对比分析增加关键航班过站时间航班串运行前后的进离港准点率,结果表明,增加关键航班过站时间可以降低航空公司航班串运行脆弱性。     

基于高斯分布的进出港航班延误免疫检测方法

为了对机场航班延误情况做出较准确的检测,提出了一种基于高斯分布的进出港航班延误免疫检测模型。该模型利用生物免疫机制与航班运行机制的联系,建立了相应的自体集合、检测细胞及它们之间的匹配模型,同时针对每一架飞机每天要执行多个航班,机场进港航班与出港航班形成的前序后继关系,采用高斯分布进行拟合航班链延误波及影响。对国内某机场仿真实验结果表明,该模型有较好的效果。     

连续航班延误与波及的贝叶斯网络分析

针对空运系统日益严重的航班延误,尝试将贝叶斯方法应用于航班数据分析,重点考虑同一飞机飞行连续航班的情况。借助Netica软件包,建立贝叶斯网络模型。通过贝叶斯网络推理进行连续航班延误波及分析,并用实际航班数据进行测试。结果表明,概率统计意义下,模型能够清晰反映连续航班延误原因分布、过站时间差分布和按时间段的延误波及情况。     

基于贝叶斯网络的航班过站时间分析与延误预测

从航班延误链式波及的角度出发,分析了影响航班过站时间的多种因素,建立了贝叶斯网络模型,模型能够清晰地反映多种因素对下游航班过站时间的影响。提出了基于贝叶斯网络参数估计的航班延误预测算法,当航班发生起飞延误时能够预测下游航班的起飞时间和延误状况。对算法进行了实现,并利用实际航班数据进行仿真,结果表明了该算法有比较高的预测准确率。     

航班延误传播分析方法研究

为避免以往主要针对局部机场网络开展航班延误传播分布和现实数据观察等表象研究,发掘大面积航班延误的要素影响规律,提出了基于航班频率偏好的航空演化网络模型,并将经典传染病SIS传播分析方法与航班延误传播过程相结合,构建基于航空演化网络的延误传播模型,以及延误传播概率及其与影响要素之间的分析方法.基于东航实际运营数据,得到延误传播概率与航线距离、航班频率、实际缓冲时间、进离港总延误时间4个影响因素之间的回归量化关系,并由此给出了控制航班频率、避免频繁起落、降低航线繁忙程度、增大缓冲时间的结论.     

大型枢纽机场大面积航班延误预警方法研究

航班延误问题是近年来大型枢纽机场运行管理的一个难题,为了对航班延误波及情况做出较准确的预测,提出了带有权值调整的马尔可夫模型,给出了一种动态状态转移概率矩阵的计算方法.针对首都机场航班延误4个预警等级,以一小时为预警间隔预测了离港航班的延误率,仿真实验结果表明,在出现大面积航班延误的情况下,航班延误预测准确率平均在90%以上,为大型枢纽机场实施及时的航班延误预警管理提供了良好的方法支持.     

基于SOA的民航航班延误波及分析与预警系统

为了对航班延误预警提供软件支撑,基于SOA思想设计并实现了航班延误波及分析与预警系统.服务端采用Web服务封装核心延误波及分析和预警算法,以图形组件包自动生成航班延误波及DAG、高级Petri网、贝叶斯网络和元胞自动机等数学模型的仿真视图以及棒图等统计图.客户端采用自主设计的Magix AJAX框架实现.模块之间以XML作为数据交换媒介,提高了互操作性.系统支持对单航班计划、多航班计划、机场、航空公司等的延误波及分析和预警功能.仿真实验表明,该系统可以有效地辅助完成航班延误波及分析和预警.     

航班延误分布式检测与仿真

关于航班延误问题,已成为是困扰民航部门和广大旅客的热点,涉及多个环节和多种影响因素的航班延误状态检测是难点.针对某天某时刻航班实际运行发生的情况,将生物免疫系统机制与机场航班运行机制联系起来,为提高检测准确率,提出了一种分布式人工免疫模型的机场航班延误实时检测方法,采用分布式检测模型的特点,用各周次训练出来的检测器联合实时对下一时刻的机场离港航班延误状态进行检测,仿真结果表明方法不仅能够实时准确地检测机场离港航班状态,而且能够准确预测下一时间段累计延误航班数量,为航班延误预警提供决策支持.     

基于关键飞行资源的航班延误波及DAG模型的研究

由于一架飞机和一个机组在一天中通常要执行多个前后衔接的航班,因此一个航班延误可能会导致下游多个航班发生延误.本文重点研究飞机、驾驶员机组和乘务员机组等关键飞行资源对航班延误波及的影响.首先根据航班计划和机组计划构建以一个初始延误航班为根顶点的全体下游航班DAG,然后给出算法以求解各顶点属性值,通过对初始DAG的顶点进行"染色"构造出航班延误波及DAG,得到完整的下游航班波及延误情况,结合提供的延误航班指数、延误时间指数等综合指标,为航班延误问题提供了有效的定量分析手段.最后,通过仿真计算和分析,提出预防和处理航班延误的建议.     

基于免疫进化算法的航班过站时间优化模型

针对当前航班延误在航班链中的波及的特性,通过研究航班过站时间对航班延误的影响的内在机理,在基于免疫进化算法基础上,没有增加过站时间的总数,调整过站时间来减少航班的延误波及的优化模型.在保持航班的飞行任务和机组安排不变的情况下,只对航班时刻做出了轻微的修改.根据国内某大型枢纽机场的数据进行仿真实验,调整后的计划可以很好的改善延误的情况.     

航班延误预警Web服务的设计与实现

针对航班延误预警缺乏软件支撑的现状,分析关键飞行资源对航班波及延误的影响并建立波及延误模型,设计并实现航班延误预警Web服务的接口与算法,并利用前端系统调用Web服务给出仿真计算实例。实验表明,该Web服务为航班延误预警提供了有效的定量分析工具。     

Reducing airport gate blockage in passenger aviation: Models and analysis

Commercial flights are typically assigned to an arrival gate at their destination station (airport) prior to their departure from their origin station. Although the gate is scheduled to be available when the flight arrives, this is not always the case in practice. Due to variability in departure and flight times, the arriving flight might arrive early, the previous flight departing from the gate might depart late, or both. When a flight arrives at its scheduled gate but has to wait because the preceding aircraft is still occupying that gate, we refer to this as gate blockage. Gate blockage can have many negative impacts, including passenger delays, missed connections, and increased fuel burn. Our research is focused on incorporating the inherent stochasticity of the system into the planning process to reduce the prevalence and impact of gate blockage. Specifically, we formulate an optimization problem to assign flights to gates so as to minimize the expected impact of gate blockage. We use historical data to predict delay distributions and conduct experiments to assess both the computational tractability of our approach and its potential for improvement in solution quality over existing approaches.     

航班延误预警图形组件包的设计与实现

为了给航班延误预警平台提供图形生成服务,设计并实现航班延误预警图形组件包,用于自动生成航班延误波及DAG、高级Petri网、贝叶斯网络和元胞自动机等数学模型的仿真视图,以及棒图等统计图。图形组件包包括外层服务和核心引擎两部分。外层服务生成图形XML文档,核心引擎解析该文档并渲染生成图形。图形组件包以Web服务暴露接口,以XML作为数据交换媒介,提高了互操作性和通用性。实验表明,该图形组件包可以有效满足航班延误预警平台的图形生成和表现需求。     

航班备降概率分布预测模型研究

对航班备降问题的小样本特点进行了分析,提出了基于观察学习的航班备降概率分布预测模型。该模型利用松弛属性约束思想抽取数据子集,三次样条插值方法构建基学习器,并结合虚拟数据生成策略促使各基学习器达成一致。并在此基础上,对信任度参数进行优化,进一步完善了预测模型。在航班备降数据集的实验表明,在大样本下,该预测模型的预测精度高于朴素贝叶斯方法和贝叶斯网方法;在小样本数据集上分析了航班不同备降次数下的置信度,为相关部门提供决策支持。     

A strategic conflict avoidance approach based on cooperative coevolutionary with the dynamic grouping strategy

Conflict avoidance plays a crucial role in guaranteeing the safety and efficiency of the air traffic management system. Recently, the strategic conflict avoidance (SCA) problem has attracted more and more attention. Taking into consideration the large-scale flight planning in a global view, SCA can be formulated as a large-scale combinatorial optimisation problem with complex constraints and tight couplings between variables, which is difficult to solve. In this paper, an SCA approach based on the cooperative coevolution algorithm combined with a new decomposition strategy is proposed to prevent the premature convergence and improve the search capability. The flights are divided into several groups using the new grouping strategy, referred to as the dynamic grouping strategy, which takes full advantage of the prior knowledge of the problem to better deal with the tight couplings among flights through maximising the chance of putting flights with conflicts in the same group, compared with existing grouping strategies. Then, a tuned genetic algorithm (GA) is applied to different groups simultaneously to resolve conflicts. Finally, the high-quality solutions are obtained through cooperation between different groups based on cooperative coevolution. Simulation results using real flight data from the China air route network and daily flight plans demonstrate that the proposed algorithm can reduce the number of conflicts and the average delay effectively, outperforming existing approaches including GAs, the memetic algorithm, and the cooperative coevolution algorithms with different well-known grouping strategies.