基于交通场景的进离场航班联合调度双层规划模型（英文）

为适应协同决策需要,考虑进离场运行不同交通场景下空管、航司、机场和旅客的诉求差异,对进离场航班联合调度问题进行了系统的研究。根据容流匹配程度,判定进场/离场运行的交通状态为高峰或非高峰,分析不同交通状态下进场/离场运行各方诉求的差异,分别建立了各交通状态下进场/离场航班调度的数学模型;针对进场/离场运行交通状态组合所得的4种进离场联合运行交通场景,分别建立了相应的进离场航班联合调度双层规划模型并设计精英保留的遗传算法求解。结果表明:较先到先服务方法,在进场高峰/离场非高峰和进场高峰/离场高峰场景下,优化调度结果中离场航班均衡满意度得到提升,离场航班流的跑道占用时间减少了38.8%;在进场非高峰/离场非高峰和离场高峰/进场非高峰的场景下,优化调度结果中进场航班均衡延误时间大幅减少,离场航班均衡满意度提升了77.6%,离场航班流的跑道占用时间减少了46.6%。与其他4种策略相比,优化调度方法更好地权衡了公平与效率,调度结果更加合理可行。     

基于LightGBM的航班延误多分类预测

航班延误是民航业的一大难题,提前对航班的延误情况进行预测,以采取合理的应对措施,对缓解航班延误产生的负面影响有着重要意义。为提升预测性能,提出一种基于轻量级梯度提升机（Light gradient boosting machine,LightGBM）的航班延误多分类预测模型。该模型结合航班信息与天气信息,运用方差过滤与递归特征消除进行特征筛选,并采用合成少数过采样技术（Synthetic minority oversampling technique,SMOTE）与Tomek Link对数据进行不平衡处理,最后使用LightGBM进行建模,实现对航班延误时长的多分类预测。为验证模型的合理性,将所提模型与其他先进算法构建的模型进行对比。实验结果表明,所提模型在各种预测性能指标上结果更优,将预测精度提升至90%以上,同时大幅度降低了训练时间成本。     

基于容流匹配的进离场航班调度优化模型和算法

综合考虑机场的空中等待航班数量、空域容量、场面容量以及机场起飞需求等约束条件,以可变的优先级为调配手段,以总延误时间最短为目标函数,建立了一个新的基于容流匹配的进离场航班调度优化模型。引入合作型协同进化遗传算法,设计了用一对代表个体形成合作团体的新选择方式,有效解决了传统遗传算法种群多样性低、易早熟等问题。仿真结果表明,该模型能够在满足机场容量限制的同时,有效降低航班的总延误时间。     

基于融合先验知识SVM的航班延误预警模型

针对日益严重的航班延误问题,有必要通过预警机制减少其负面影响,对机场各时段延误程度的预警其实质是一个多类分类问题.利用先验知识确定了一种新的基于相对紧密度的方法来计算各样本的权值,并将其融合到支持向量机模型中,进而结合一对一法(OAO)形成一种一对一加权间隔支持向量机(OAO-WMSVM),用以实现一个多级航班延误预警模型.实验证明,用OAO-WMSVM建立的预警模型能有效判定机场各时段的延误等级;同时还证明,融合了先验知识的SVM比标准SVM具有更好的分类性能.     

多跑道机场离场航班排序优化方法研究

本文建立了以旅客总延误时间成本最小化为目标函数的多跑道机场离场航班排序优化模型，并考虑航路流控的影响，通过回溯算法求解，融合位置约束交换算法优先处理受流控影响的航班，最后采用南京禄口国际机场为例进行算例验证。与先进先出模式相比，优化后的离场模式降低航班延误时间效果显著，旅客总延误成本减少了44.81%，所提方法可显著提升多跑道协同运行能力，为当前多跑道机场的调度排序提供了思路与方法。     

航班地面等待模型中的延误成本分析与仿真

研究了航班地面等待模型中延误成本的计算问题。建立了单元受限地面等待问题的数学模型,分析了航班延误成本的构成,给出了航班延误显性成本的计算方法,并将其应用于数学模型中目标函数的计算。最后,用分段排序和定步长排序对模型进行了仿真,并与先到先服务(F irst com e,first served,FCFS)排序进行了比较。仿真结果表明,对航班延误成本进行定量分析,能够更有效地控制航班延误的地面等待成本。     

基于数字孪生的航班链延误动态预测模型

针对复杂多变的航班运行环境，提出一种基于数字孪生的航班链延误动态预测模型，以改善传统预测方法的精度及自适应性。模型基于数字孪生航班链系统构建，采用滑动窗口下的多通道特征建模完成单元级航班延误预测，并提出一种混合优化策略进行模型参数的动态优化，最后通过孪生数据驱动的链式分析方法实现了全航班链的延误分析与修正。采用国内航班数据进行实验，得到在各个窗口下的航班延误平均绝对误差（Mean absolute error, MAE）为11.79 min，低于其他基线模型和静态模型；且引入孪生数据驱动分析和修正后，紧随其后的航班预测误差比此前进一步降低了6.44%。结果表明，模型有利于数字孪生航班链系统实现虚实交互，并具有优良的预测精度和自适应性。     

机场进离场流量协同分配策略

为充分利用机场容量、减少航班延误,把进离场视为互相影响的两个过程,研究机场流量与容量匹配问题,给出了一种进离场流量协同分配模型。基于机场容量动态限制,模型以最小化进离场航班总延误损失为目标,协同优化进离场流量分配策略;通过引入航班延误损失系数,作为航空公司协同决策的偏好信息以兼顾其利益。针对模型特点设计了遗传算法予以实现。实例仿真结果表明,模型不仅能使流量与容量协调匹配,而且能够使延误损失降到最小且能兼顾航空公司的利益,验证了所提策略的有效性。     

基于遗传EM算法的航班延误状态空间模型(英文)

航班运行过程的高度动态性和随机性,航班延误因素的复杂性和不确定性导致航班延误实时预测成为难题。控制领域的动态数据驱动方法为该问题提供了一种解决方案。然而,要想运用动态数据驱动方法,首先必须建立航班延误状态空间模型来表示系统状态之间、状态与系统输入输出之间的关系。本文对单机延误事件序列进行了分析,创建了一种航班延误状态空间模型,并对其中的输入控制量进行了重点建模。在历史航班运行数据集上,采用遗传EM算法对模型参数进行了极大似然估计,并同时验证了遗传EM算法在优化参数估计和提高计算效率方面的优势。最后,采用Kol-mogorov-Smirnov方法对模型实例进行了假设检验,检验结果表明,所选模型具有较好的拟合优度。     

基于模糊免疫策略的机场航班延误自适应实时预测方法

为了对航班实时延误情况做出准确的预测,在生物免疫检测的基础上,借鉴模糊隶属度的思想,提出了模糊免疫预测方法.给出了自体/非自体、抗体/抗原的定义以及抗体对延误航班集合的隶属度函数.在预测过程中,实时监测外界环境变化,自适应调整λ-截集,选取符合当前置信度的检测器,克服了基于确定性模型的局限性.对国内某大型机场做仿真实验表明,该方法比简单使用生物免疫方法更具适应性,能较准确地预测全天各个时段航班的延误数量.     

A Combined Arrival and Departure Scheduling for Multi-airport System

A combined arrival and departure scheduling problem is investigated for multi-airport system to alleviate the problem of airspace congestion and flight delay.Firstly,the combined scheduling problem for multi-airport system is defined through in-depth analysis of the characteristics of arrival and departure operations.Then,several constraints are taken into account,such as wake vortex separation,transfer separation,release separation,and separation in different runway operational modes.Furthermore,the scheduling model is constructed and simulated annealing algorithm is proposed by minimizing the total delay.Finally,Shanghai multi-airport system is chosen to conduct the simulation and validation.And the simulation results indicate that the proposed method is able to effectively improve the efficiency of arrival and departure operations for multi-airport system.     

复杂终端区进场交通流优化排序方法研究

为提高终端区时空资源利用率,增强空中交通 运行效率,研究了复杂终端区进场交通流优化排序问题。通过深入剖析终端区进场定位点、 航路航线、多跑道系统等资源运行特性,综合考虑尾流间隔、移交间隔、多跑道运行间隔等 各类约束限制,以及最小化航班延误时间、最大化跑道运行容量、最小化终端区飞行时间等 优化目标,建立了复杂终端区进场交通流优化排序模型,并采用带精英策略的非支配排序遗 传算法对所建模型进行求解。选取上海多机场组成的复杂终端区进行实例验证,仿真实验表 明提出的优化方法相比先到先服务方法(First come first serve,FCFS),航班总延误时间 减少20.7%,终端区等待时间减少60.7%,终端区进场交通流运行效率得到显著提升。     

民用机场停机位优化配置

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。本文在系统分析国内繁忙机场停机位配置情况的基础上,提出以旅客登转机时间(旅客满意度)、机型与停机位类型匹配(机场效益)为优化目标,同时考虑航班类型(国内短途、国际长途)、航班数量与密度(忙时、闲时)、停机时间的停机位配置的数学模型,并设计求解模型的禁忌搜索(TS)算法。数值仿真证明了模型和算法的有效性。     

基于GIS的机场场面路径优化算法的研究

利用GIS技术,研究了进出港航班滑行路径的优化问题。为机场上刚降落和即将出港的航班规划最短滑行路径。判断航班在规划的滑行路径上是否会发生对头相遇。考虑到机场安全性和使用效率,要求保证进出港航班在滑行过程中按最短路径连续滑行,并且不能发生对头相遇。本提出了两种解决方法：(1)改变进港航班的滑行速度;(2)延迟出港航班的时间。通过实例验证了该算法的可行性。     

枢纽机场空侧容量利用和流量分配优化模型

通过引入满意度函数,以航班流量和容量利用满意度最大化为目标,建立了机场空侧定位点流量分配和跑道容量利用的多目标优化模型。利用ILOG对模型算例进行了求解。结果表明,采用本文模型求解得到的各个定位点的整体航班需求排队队列比Gilbo模型的结果减少了10%。在研究时间段内(3 h),通过优化分配各个时间间隔(15 min)各定位点的进离港航班流量,所有航班需求得到满足且在最后的时间间隔没有产生延误队列,从而又保证了一定的容量利用满意度(h=0.75),实现了机场终端区某一特定时段内现有容量更有效的利用,减少了航班延误。     

基于ACA的飞行仿真伺服系统LuGre摩擦参数辨识

针对LuGre摩擦模型的高度非线性问题，提出了一种新型的基于ACA的飞行仿真伺服系统摩擦参数辨识方法。ACA是近几年优化领域中新出现的一种仿生进化算法，该算法采用分布式正反馈并行计算机制。在简要介绍LuGre摩擦模型的基础上，推导了ACA的LuGre模型静态摩擦参数和动态摩擦参数辨识方法，并将该辨识方案应用于某型电动飞行仿真伺服系统。实例仿真验证了本提出的基于ACA的LuGre模型摩擦参数辨识方案的可行性和有效性，该方案为辨识LuGre模型摩擦参数提供了一条新的途径。     

基于贝叶斯网的航班过站时间动态估计

一架飞机每天要执行多个航班,从而 形成航班链。前序航班进港后,若估计出飞机在机场的过站时间,后续航班的离港时间便可 较准确给出。文中选取了对航班过站时间影响较为显著的几个因素,运用历史数据,采用最 大似然估计进行贝叶斯网参数学习并获得不同情况下过站时间的估计值。同时,利用贝叶斯 网增量学习的特性,运用航班增量数据基于贝叶斯估计修正贝叶斯网参数,并用新的学习 结果更新过站时间估计值。实验数据表明,所提出的方法能较好地对飞机过站时间进行估计。最后,对影响过站时间的各因素进行了灵敏度分析对比。     

低空空域航空器飞行安全分析(英文)

我国低空空域即将开放,通用航空飞行数量将大幅度提高,该空域内航空器能否安全飞行以及确定安全飞行的条件是急需解决的问题.本文在此背景下,基于国际民航组织标准和我国民航局规定,采用看见避让(See and Avoid)原则,在飞行规则、能见度要求、反应时间、航空器速度以及盘旋坡度角或航空器爬升角度等约束条件下,根据航空器动力学原理,建立了同高度对头飞行冲突和交叉飞行冲突的冲突避让轨迹数学模型.定量角度分析低空空域航空器飞行以满足安全间隔的条件,最后采用Matlab软件进行分析.结果表明,低空空域航空器同高度对头相遇安全避让需满足一定的飞行条件,而同高度交叉相遇飞行的航空器能够安全解脱冲突.     

终端区动态容量预测模型

为有效预测终端区动态容量,提出了一种危险天气影响下的动态容量预测模型。该模型根据危险天气预报概率的大小,将受影响空域的范围做区间化处理,认为危险天气预报概率大于70%的空域为完全避让空域,危险天气预报概率在70%以下的空域为可能避让空域。引入航班进离场优化排序和危险天气避让路径规划策略,以平均航班延误最小为目标,采用捕食搜索算法予以求解;并根据终端区实际容量评估的一般流程,运用仿真方法预测一定延误水平下的动态容量区间。以某机场终端区为例,验证了模型的有效性。