基于分支定界的离场航空器动态排序

离场航空器优化排序是加速终端空域内航班流动 、提高航班正点率、缓解管制工作负荷的有效手段。采用滚动时域控制(Receding horizoncontrol,RHC)策略构建离场航空器 实时动态排序框架,并基于分支定界法获取时间窗内优化的目标起飞时间。在此基础上,利 用修正的离场滑行时间确定允许开车时间,从而为管制员提供决策支持。以上海浦东机场离 场运行为例进行仿真验证,结果表明文中提出的方法不仅有效地实现了管制决策支持（为管制 员提供目标起飞时间与允许开车时间）,也能够提升跑道离场容量,降低离场延误水平。     

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。     

基于传递闭包法的航班分类模型及在航班排序中的应用

提出了一种基于传递闭包法的进/离场航班分类方法.首先对模糊集合理论和传递闭包算法作了简要的介绍,然后在考虑4种不同因素的条件下建立了航班分类模型,并给出了各类航班单位时间延误成本的计算公式.最后以终端区航班排序模型为例,对该方法进行了仿真,并与传统航班延误成本分类方法进行了比较.仿真结果表明,该方法有助于减少航班延误损失,优化进/离场航班队列,提高空中交通管理效率.     

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。     

考虑跑道复杂依赖关系的多目标飞机排序模型

考虑跑道间复杂依赖关系和依赖跑道上动态间隔约束,研究了同时存在依赖、独立跑道的多目标进离场飞机排序问题。以降低航空公司延误总成本和降低旅客总延误时间为目标,建立了跑道复杂依赖关系下的多目标规划模型。通过重庆江北机场的3个实际算例,使用ε约束法求解多目标模型的Pareto最优解集。与未增加本文两处约束的传统模型进行对比显示,额外考虑复杂依赖关系后航空公司延误总成本减少了68.5%～80.3%,旅客延误总时间减少了68.8%～77.7%,额外考虑依赖跑道上动态最小间隔时间后航空公司延误总成本减少了20.4%～43.4%,旅客总延误时间减少了29.2%～42.5%。     

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。     

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。     

基于深度学习的离场航空器滑行时间预测（英文）

随着航班数量的不断增加,机场协同决策系统(Airport collaborative decision-making,A-CDM)的使用也越来越广泛。滑行时间预测的准确性对A-CDM计算离场航空器起飞排序队列和给出准确的撤轮挡时间具有重要的作用。本文提出一种基于时间-空间-环境数据的深度学习模型(Spatio-temporal-environment deep learning model,STEDL)来提高滑行时间预测的准确性。该模型由时间-流量变量(机场实际容量,场面航空器数量,时间段)、空间变量(滑行距离)、外部环境变量(天气,流控信息,跑道运行模式,机型)3部分组成。使用STEDL模型对香港机场离场航空器滑行时间进行预测验证。实验结果显示,STEDL模型预测准确率为95.4%,预测精度明显优于其他机器学习算法。     

基于延误油耗优化的平行跑道运行方式

在比较现有平行跑道运行方式的基础上,制定了基于延误油耗优化原则的跑道选择策略。同时根据航班时刻表及起降间隔标准,建立了数学模型,提出了基于油耗优化原则的跑道选择和排序方法。算例表明该方法提高了混合运行方式下跑道的运行效率,减少了航空器的滑行时间和等待时间,降低了航空公司的运营成本。     

机场停机位再分配问题

分析了航班延误原因及影响,根据提高机场运营效率与效益和旅客满意度的优化原则,确定出3个优化目标函数(分配到远机住的航班数量最少分配方式扰动性最小以及相关旅客转移距离最小为优化目标),建立机场停机位实时再分配问题优化模型.并设计混合算法优化求解该模型:首先采用启发式算法得出初始优化解,然后采用禁忌搜索算法进行进一步优化求解.实际数据的仿真结果证明了模型的正确性和算法的有效性.     

基于改进的状态空间模型进化算法的航班优化调度

单跑道进离港航班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。改进的状态空间模型序号编码进化算法（MOSEA）采用序号编码,不使用交叉算子,且通过构造状态进化矩阵来实现基因换位等遗传算子功能,使种群不断地进化,并结合选种池的选择操作实现种群的优胜劣汰。MOSEA算法将问题的解答过程表示为离散状态空间模型的动力学过程,突破了遗传算法的计算模式,简化了遗传操作,并研究了其在航班进离港优化调度中的应用。仿真实验表明：MOSEA算法与遗传算法、先到先服务（FCFS）航班排序相比,航班总延误时间分别降低了22.13%、32.06%,且运算速度更快。     

基于RHC的航班着落调度多目标优化算法

研究了基于滚动时域控制(RHC)策略的终端区进场航班动态排序问题,目的是在终端区空中交通繁忙的情况下,有效地为到达航班安排合理的着陆次序,在满足安全间隔兼顾管制员负荷的情况下,给出航班经过多目标优化的着陆时间,提高航班进场率,降低飞行延误成本。建立了基于RHC的航班动态排序模型,并利用精英保留策略的遗传算法对一个算例进行验证计算。算例仿真结果表明,进场率得到了提高,延误时间和成本明显减少,验证了方法的有效性。     

多机场开放式非实时网络系统的优化管理

为了很好地解决多机场航班队列的排塞问题，在将进场容量，离场容量与机场容量作为统一整体的情况下，充分考虑了机场间的网络效应，详细研究了多机场航班队列的优化问题，建立了多机场开放式非实时流量管理的数学模型，通过选取适当的决策变量，使其为线性0－1整数规划模型，实现了中心流量集中管理，与其它算法不同，本文提出的启发式隐枚举算法能很好地解决此类问题，对某机场网络系统的仿真结果证明了所建模型，优化算法及相应软件的有效性和可靠性。     

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。     

基于遗传算法的航班动态排序模型的研究

讨论了空中交通流量管理中终端区航班的排序规划问题。目的在于在终端区空中交通繁忙的情况下有效地为到达航班安排合理的着陆次序，并在不违反飞机间距要求的情况下给出各飞机经过优化的着陆时间，提高机场跑道的利用率。本文把离场起飞的航班也引入到问题中来，建立了航班排序的动态模型和基于遗传算法的终端区动态排序算法。并对文献[1]中的算例采用本文方法进行验证计算，结果表明本文提出的方法计算效率高，实用可行。     

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。     

航班延误之天气原因

恶劣天气是造成航班延误的常见原因,它会造成航班的大面积延误甚至取消。据统计,2011年我国主要航空公司因天气原因影响航班正常占不正常航班的比例为20.02%。疑问1:目的地机场所在城市天气状况良好,能见度佳,航班为什么还是因天气原因延误?答:目的地机场所在城市天气状况良好不代表该机场适宜飞机降落,覆盖在机场起降航道附近的低云、雷雨区是导致这类延误的常见因素。为确保飞行安全,即使飞机处在自动降落状态,在降落前的一定高度(一般为60米)飞行员必须完全能看见跑道及地面状况,如果此时无法看见跑道,飞机是不允许降落的     

考虑尾流影响的侧向双跑道机场的跑道容量研究

侧向跑道由于能够灵活面对强侧风的影响从而提高机场的效率,在我国大型机场的规划设计中逐渐推广。但是目前国内外在侧向跑道容量模型方面的研究较少,因此对侧向跑道的跑道容量模型的研究具有重大的意义。本文针对侧向双跑道系统,考虑了一组侧向跑道上航空器之间的尾流影响,通过计算尾流消散时间给出了侧向跑道航空器的放行条件,同时利用时序图得出在侧向双跑道系统中连续进场航空器间插入离场航空器的条件,从而构建出侧向双跑道系统的跑道容量理论计算模型;最后以成都天府国际机场一期跑道为算例,计算出尾流影响下侧向双跑道系统的小时容量,并给出航班起降架次表,验证了模型的正确性,为侧向跑道机场的跑道容量理论计算提供了参考。     

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。     

容量受叠限的航班时刻规划算法的设计和实现

航班时刻规划是战略时期空中交通管制的主要方法.针对起降容量受限和航班延误耗损的变化趋势,提出基于时隙分配的航班时刻规划算法.该算法以调整时间最小和延误耗损总和最小为准则,对进离港航班统一分配时隙.算法考虑了对航班的前提调整,从而得到总延误损失费用与总延误时间值都较小的分配结果.同时,该算法也能处理有后继任务的航班.结合实际数据,用计算机仿真实验对该算法进行了验证,证明了算法的优化性和有效性.