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。     

多机场地面等待策略数学模型的研究

为有效地解决空中交通拥挤问题,研究了空中交通流量管理方法中的地面等待策略。通过地面等待来调节空中交通网络的流量,减少延误时间,从而减少经济损失,提高机场和空域资源的利用率。在空中交通流量管理的各种方法中,地面等待策略是一种比较有效的方法。针对多机场地面等待问题,提出一种以地面等待成本和延迟成本为目标函数的方法,并建立相应的数学模型,为实际的流量管理提供理论方法和依据。通过对机场数据的仿真计算,证明了该模型的有效性和可行性。     

融合回溯算法在离场航班排序问题中的应用

在离场航班优化排序问题的研究中,针对特定的情况,塔台管制员需要提高机场容量或者减少航班延误时间,要求管制员给出一个理想的离场航班排序方式。鉴于以上两种情况,首先根据ICAO规定的的起飞飞机间雷达间隔要求(尾流间隔和非尾流间隔),建立了飞机离场排序问题的数学模型。然后融合位置约束交换算法,并考虑航路流控的影响,设计融合回溯算法。采用以重庆江北机场为例进行仿真验证,结果显示,在不存在航路流控和存在航路流控两种情况下,都可以得到大大减少航班延误时间的排列和提高机场容量的排列,证明运用回溯算法可解决离场排序问题的高效性。     

民用机场停机位优化配置计算机仿真

停机位配置指为到港或离港航班指定适宜的登机口,确保航班正点。航班停机位的高效、合理安排是机场地面作业中的一项核心任务。在系统分析国内繁忙机场停机位配置情况的基础上进行计算机仿真,模拟给出停机位优化配置。同时考虑旅客登转机时间(旅客满意度)、机型与停机位类型匹配(机场效益)等优化目标。系统运行稳定,效率高。     

一种改进的多机场地面等待启发式算法

从满足航空公司关于航班公平性的需求出发，将航班时刻优先规则用于改进基于优先级的多机场地面等待启发式算法（ABG算法）。采用被动优先级表，根据航班计划到达时刻的先后，依次分配降落时刻，分配后的降落时刻不再参与试图降低总延误时间的时刻交换处理。基于相同实验数据的计算结果对比表明，改进算法可降低最大延误时刻的50％和输出更为平滑的航班延误分布。     

基于改进匈牙利算法的机场航班时刻优化研究

航班时刻是我国治理航班延误、管理空中交通流量最为重要的基础数据之一。针对我国枢纽机场运营高峰时段时刻资源紧张、超负荷运行、放行顺序不合理等情况,分析机场航班运行规律和存在问题,在保证正班航班运输需求的基础上,提出基于历史数据的航班时刻优化模型,并改进匈牙利算法求解,以达到航空公司申请时刻调整量和航班地面等待时间整体最小的目标。结合杭州萧山国际机场历史运行数据,验证了航班时刻优化模型的可行性和适用性,对减少地面延误、提高放行正常率、增加机场容量具有重要作用。     

基于聚类神经网络的机场拥挤等级预测

对机场拥挤机理进行分析;从后果类指标入手,提出基于饱和度的拥挤等级评价方法,建立机场拥挤5色预警等级,从原因类指标入手,提取出分别刻画机场容量和需求的5个拥挤特征指标;提出了基于聚类的神经网络分类算法;利用ATL机场实际航班数据进行实例验证,拥挤等级预测的准确度达到80%,预测效果优于BP神经网络。结果表明,提出的方法预测效果较好,具有一定的实用性。     

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。     

需求随机型单机场地面等待问题的优化建模研究

针对机场到场需求随机的情形,描述了一类特殊的单机场地面等待问题,给出了机场到场需求随机的发生原因和描述方法。在此基础上,建立了需求随机型地面等待问题的优化模型,并进一步拓展了该模型。相关定理表明了该文所建优化模型的合理性和正确性。     

成本约束下多机场群航班频率优化模型仿真北大核心

采用目前方法对多机场群航班频率进行优化时,没有考虑旅客的出行成本,对航班频率优化后存在延误时间长、延误航班数量多、出行成本高和日利用率低的问题。提出考虑出行成本的多机场群航班频率优化模型构建方法,在构建航班频率优化模型之前,对旅客的出行方式进行博弈分析,在Stackelberg博弈模型的基础上构建双层博弈模型,上层模型实现社会效益最大化,下层模型实现旅客出行费用最小化,完成多机场群航班频率优化模型的构建,并采用遗传算法对多机场群航班频率优化模型求解,完成航班频率的优化。仿真结果表明,所提方法的延误时间短、延误航班数量少、出行成本低、日利用率低。     

基于协同决策模式的航空紧急运输流量管理优化模型研究

在现有机场设施条件下,如何通过空中流量管理来提高救援效率是一个亟需解决的问题。构建了基于协同决策(CDM)模式的大中型运输机空中流量管理优化模型,对拥挤时段的进离场航班流进行优化处理,通过进离场容量的合理转换来增加机场容量,并通过仿真计算表明方法合理可行。     

基于免疫粒子群优化算法的航班着陆调度研究

为解决机场在交通高峰期的航班着陆动态调度问题,提出一种结合免疫思想的离散粒子群优化算法。将免疫系统多样性保持能力和粒子群优化算法明确方向性搜索的优势相结合,避免在待调度航班队列更新时,由于动态调用排序算法很难获得稳定排序结果而造成的额外开销。实验结果表明,该算法具备高效的全局搜索能力,能在一个雷达扫描周期内,为管制员提供一个稳定的调度方案。     

考虑任务均衡的加油车动态调度问题

为了提高机场资源利用率以及航班的正点率,合理调度机场加油车为航班进行燃油加注服务势在必行。考虑到航班实际时刻的不可预知性,需建立动态规划时间窗,为窗口依据航班预计时刻捕捉到的航班构建机场车辆调度模型,利用自适应分支定价算法求解模型,从而配置车辆与人员,规划车辆的行驶路线,衔接任务,实现车辆行驶时间最短,加油员工作量均衡的目的。在华北某机场真实数据上进行仿真实验,结果表明,自适应分支定价算法优化下的车辆行驶时间与加油员工作量的标准差分较节约算法分别减小1.38%和7.47%,验证了算法的优势,且算法在机场其他地面服务规划问题中同样适用。     

基于状态空间模型序号编码进化算法的航班优化调度

多跑道航班进离港优化调度是将某一时间窗内进离港航班看作一个整体，对进离港航班进行统一优化排序，属于典型的组合优化问题。求解组合优化问题时，采用序号编码比二进制编码和实数编码等方式更直接、更方便。本文提出一种基于状态空间模型序号编码进化算法（OSEA），通过构造状态进化矩阵等操作来实现变异算子的功能，简化了遗传操作，并研究其在航班进离港优化调度中的应用。仿真实验表明：OSEA算法与先到先服务（FCFS）航班排序相比，航班总延误损失降低32.88％，且运算速度更快。     

基于航班延误情况下的登机桥作业调度方法的研究

航班延误导致机场事先安排好的登机桥调度方案无法满足实时需求,为了使机场在航班延误时能够更有效地运行,就需要对登机桥进行再调度。通过分析基于航班延误的登机桥调度问题的目标,基于人工蜂群算法,提出机场登机桥调度以停靠在远机位航班数,航班登机桥原有对应关系的改动数及乘客进港所用时长加权之和最小为目标的调度模型。该模型可用于机场在预先知道延误航班信息的前提下,对不同时段的延误航班实现对登机桥的高效再调度,很大程度上提高机场运行控制的效率。通过国内某大型机场的某天某时段的实际航班信息进行实验及仿真,结果表明,该模型及方法可以很好地利用到机场实际运行中。     

基于级联BP神经网络的航班撤轮挡时刻预测

合理的航班协同离场前排序可以提高机场、航空公司、空管等部门的运行效率和可预测性,减少航班起飞前的等待时间。准确地预测航班撤轮挡时刻是建立航班起飞顺序的先决条件,对调整起飞前航班排序和计算航班起飞时间具有重要的决策意义。提出一个基于级联BP神经网络的航班撤轮挡时刻预测模型。该模型分别在航班过站过程的不同时刻进行航班撤轮挡时刻的预测,并进行过拟合研究。实验结果表明,与目前采用的经验统计预测模型相比,在相同时刻,该预测模型具有更高的预测准确率。     

基于遗传算法的离场航班时刻优化

针对枢纽机场航班延误和放行正常率低的现象,对离场航班进行合理的调度,将航班延误降到最低,提高放行正常率。作者从机场运行角度出发,考虑了机场实际放行能力、航班调度难度和管制间隔、跑道容量等因素,建立了离场航班优化调度模型,引入遗传算法对该模型进行求解。并利用AirTop对优化结果仿真验证,以上海虹桥国际机场为例,利用所提算法对离港航班时刻进行优化,AirTop仿真结果表明,优化后的航班总延误时间减少了32.3%,延误航班数量也减少了28%。因此,上述算法可以有效地提高机场运行效率,减少航班延误,从而提高经济效益。     

基于可变优先级的航班时隙排序

空中交通拥塞日益严重．这不仅带来大量的经济损失．同时给飞行安全带来隐患。地面等待策略作为短期措施中缓解交通拥塞的有效方法．其核心是如何解决时隙分配问题。传统的时隙分配算法（RBS和Compression算法）采用的是“先排班先服务”的原则,且没有考虑到航空公司的公平性。针对RBS和Compression算法的局限性．采用一种新的优先级设定方法,在同时考虑航空公司公平性、不同类型航班延误损失的不同、同类型航班载客量不同以及同一航班等待时间不同的基础上对航班进行优先级设定。采用分支定界法求解最优解。使用该算法对北京首都机场某个时间段内航班进行仿真排序结果显示：该改进算法在一定程度上提高时隙分配的合理性。减少航空公司的总延误损失．同时尽可能公平的保证航空公司所服务对象的利益。     

一种改进的多机场地面等待启发式算法

从满足航空公司关于航班公平性的需求出发,将航班时刻优先规则用于改进基于优先级的多机场地面等待启发式算法(ABG算法).采用被动优先级表,根据航班计划到达时刻的先后,依次分配降落时刻,分配后的降落时刻不再参与试图降低总延误时间的时刻交换处理.基于相同实验数据的计算结果对比表明,改进算法可降低最大延误时刻的50%和输出更为平滑的航班延误分布.     

基于PN和CNN-LSTM-ATT的航班延误预测

航班延误预测对提高机场地面保障效率具有重要参考意义。针对目前航班地面保障流程复杂多变以及航班过站延误预测精度不高的问题,提出了一种基于Petri Net和融合预测模型CNN-LSTM-ATT的航班延误预测模型。首先,根据机场航班实际地面保障流程抽象构建离港航班地面保障作业Petri Net模型,获取保障流程中的关键作业时长成为动态特征;其次,将动态特征、航班信息、延误信息和天气信息输入CNN-LSTM-ATT模型中进行特征提取和分类预测,模型中引入注意力机制,通过注意力权重突出关键数据信息的影响,进一步挖掘重要特征之间的内部规律。实验结果显示,该融合模型准确率相比独立模型提升了6%,达到98.1%。通过对不同模型的对比表明该模型能较好地应对场面流程变化并且具备较好的延误预测能力。