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。     

航班延误树的构造与波及分析

由于一架飞机在一天中要执行多个航班,各航班之间存在前后衔接关系,因此,一个航班的延误会波及到下游许多其它航班。重点研究飞机和机组资源对于航班延误与波及的影响,给出延误树的生成过程,通过初始航班延误的触发,动态建立以该航班为根结点的航班延误树,并根据统计结果给出相关量值。实例分析了初始航班延误发生的时刻、持续时间与波及的程度,以期辅助优化飞机与机组排班,减少航班延误。     

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.     

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.     

基于贝叶斯网络的航班延误波及研究

在民航业内,航班延误波及问题一直是影响航班延误的一个主要因素。基于贝叶斯网络（BN）,讨论了在繁忙的枢纽机场,其航班延误的波及问题。在实验中使用的数据,皆来自国内某大型航空公司的真实记录。通过建立延误波及模型和贝叶斯网络模型,探讨了相关航班中,进港延误和航班取消对离港延误的影响。学习的结果显示了进港延误（Arrival-delay）对离港延误（Departure-Delay）的波及现象的存在;以及波及现象在不同情况下的程度不同;相应的可采取的应对方式亦不相同。其中航班取消是一种釜底抽薪的应对方法,可以在一定程度上削弱上述条件下的延误波及,其削弱程度与航班取消的架次有关。基于该研究可以在机场发生大规模延误时,提供一个基本的参考。     

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。     

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。     

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.     

DTN Web服务器基于自适应控制的成比例延迟区分服务

DTN网络的出现为未来的Internet应用提供了一种全新的平台,在DTN网络上部署支持服务区分服务的Web服务器方面的研究仍为空白。首先设计了一种支持区分服务的DTN Web服务器,并在其上实现了基于自适应控制的成比例延迟区分服务。自适应控制器根据预设的延迟区分参数,通过动态计算并调节各个客户类别的服务线程数目,可保证DTN Web服务器上高优先级客户具有较低的平均连接延迟而各个客户类别的平均延迟比保持不变。仿真结果表明,在动态变化的负载、不同的负载分布以及变化的参考输入之下,控制器作用下的DTN Web服务器都能可靠地提供成比例延迟区分服务。     

Apache Web服务器中基于LTI模型的多服务类别比例延迟控制

通过系统辨识建立了Apache Web服务器的线性时不变(LTI>模型,用于描述两类Web客户连接的连接延迟比与服务线程比间的关系,并针对此L"I'I模型,设计了一个控制器。此控制器通过动态分配服务于不同类别连接的服务线程的数量,可实现Wcb服务器端的比例延迟保证,并进一步将此区分服务的控制模型扩展到了面向多个连接类别,通过多个控制器实现了相部两个客户连接类别的比例延迟保证。仿真表明,即使过载状态下并发客户连接的数目急剧变化,闭环系统中的Wcb服务器也能为多个客户连接类别提供比例延迟保证。     

Web服务器中基于自适应控制的成比例延迟区分服务

Internet上Web应用日益广泛的使用,使得Web服务器需要在高负载下提供性能保证与区分服务,以满足用户的不同需求。响应延迟是评价Web服务器的一项关键性能指标,而成比例延迟区分服务是一种重要的区分服务模型。针对Apache Web服务器,提出并实现了基于自适应控制的成比例延迟区分服务。在每个采样周期,自适应控制器根据预设的延迟区分参数,通过动态计算并调节各个客户类别的服务线程数目,可保证Apache Web服务器上高优先级客户具有较低的平均连接延迟,而各个客户类别的平均延迟比保持不变。仿真结果表明,在动态变化的负载、参考输入以及不同的系统配置之下,控制器作用下的Apache Web服务器都能可靠地提供成比例延迟区分服务。     

绝对延迟保证在Web应用服务器数据库连接池中的实现

网络QoS机制不足以提供完全的端到端的性能保证,在由三层结构构成的电子商务网站中,基于反馈控制理论,提出并实现了在应用服务器的数据库连接池中的绝对延迟保证,对数据库连接池作出了改进,确保带有高优先级请求的平均排队延迟不超过设定的阈值。通过系统辨识建立了数据库连接池的近似线性时不变模型(LTI),并设计了绝对延迟保证控制器,为Tomcat Web应用服务器实现了数据库连接池中闭环系统所有部件。测试结果表明,即使在并发请求数量剧烈变化时,控制器的设计也是有效的。     

基于时空序列的Conv-LSTM航班延误预测模型

精准的航班延误预测结果可以为大面积航班延误的预防提供巨大的参考价值。航班延误预测是在特定空间下做时间序列预测,然而目前已有预测方法多为两种或多种算法的结合,存在算法间的融合问题。针对上述问题,提出了一种综合考虑时空序列的卷积长短时记忆（Conv-LSTM）网络航班延误预测模型。所提模型在长短时记忆（LSTM）网络提取时间特征的基础上,将网络的输入和权重矩阵进行卷积来提取空间特征,从而充分利用数据集包含的时间和空间信息。实验结果表明,与LSTM、仅考虑空间信息的卷积神经网络（CNN）模型相比,Conv-LSTM模型的准确率分别提高了0.65个百分点和2.36个百分点。由此可见,同时考虑时空特性可以在航班延误问题中获得更精确的预测结果。此外,基于所提模型设计并实现了基于浏览器/服务器（B/S）架构的航班延误分析系统,并且该系统也可以应用于空中交通管理局流量控制中心。