协同决策下基于物元模型的航班延误预警研究

为了对枢纽机场航班延误进行有效预警,选用了5个预警指标构建了航班延误预警特征指标体系.利用可拓学的物元模型研究表现机场航班延误运行状态的指标之间的相互作用关系,建立延误情况评价指标,并采用可拓关联函数及可拓评价方法,对机场航班延误情况指标的可拓量化值进行预警评估.通过实例仿真,结果表明预警模型能够比较准确地反映机场的航班延误情况,为机场在协同决策系统中发布航班延误的预警情况提供科学的参考信息.     

航班延误预警指标体系与预警量级构建

为了对机场航班延误状况进行有效评价,考虑了航班延误的影响规模、影响程度、影响范围,采用了六个预警指标即延误率、平均延误时间、受影响航班架次、受影响航空公司数、受影响目的地机场数、延误旅客人数,构建了航班延误预警指标体系。由模糊层次分析法（FAHP）得到各指标权重,利用模糊综合评判法对航班延误状况进行综合评价。评价结果表明：预警指标能较准确地反映航班延误状况,评价结果客观,可作为机场航班延误预警参考使用。     

基于贝叶斯网络的航班延误传播分析

 由于机场航班之间存在前后衔接关系,每个航班的延误会波及到下游机场及其航班,因此需要一种有效手段来分析航班衔接时的延误传播。贝叶斯网络（BN）是一种有效的传播分析方法,从某个枢纽机场航班延误出发,对其关联机场的衔接航班的延误影响进行分析,提出了基于BN的航班延误传播模型。结合某航空公司实际数据,通过最大期望值算法对模型进行训练,给出了测试结果。实验表明,所提出的方法能有效地分析航班延误从局部到全局的传播。     

考虑雷暴气象细分因子的航班延误集成学习预测

雷暴天气对机场航班延误的影响较为显著,早期的航班延误预测模型通常将雷暴的影响因素看作单一的0-1变量,缺乏对雷暴气象因子的进一步细分,导致现有航班延误模型在恶劣天气下的预测效果不佳。选取国内两个机场全年的航班计划数据,基于机场的天气雷达数据提取了12个雷暴气象细分因子。在此基础上,采用随机森林算法计算各雷暴气象细分因子...     

基于经济损失的航班延误恢复模型研究

分析了航班延误的恢复调度问题,并针对问题提出了一种机场大面积航班延误恢复模型,模型考虑了航班延误的延误时间,还考虑了不同机型对航班延误经济损失造成的影响。构造了基于免疫机制的免疫遗传算法来求解模型,此算法保留了标准遗传算法随机全局并行搜索的特点,又在相当大的程度上避免了未成熟收敛。用实际的航班信息进行仿真研究结果表明,文中的模型和算法切实可行。     

基于改进粒子群算法的机场多航班多服务调度策略

机场加油、行李和配餐等多项地面服务是航班正常运行的关键,也是机场大面积航班延误快速恢复过程重点考虑的问题.在对多航班多服务调度目标和约束条件分析的基础上,提出了多航班多服务调度模型,定义了粒子的二维表示方法,设计了一种改进粒子群算法来生成航班调度方案,并针对国内某机场的航班数据进行了仿真实验,结果表明,该算法与基本粒子群算法、进化策略相比,有明显优势,可极大地提高多航班多服务调度水平和机场地面服务效率.     

基于改进免疫粒子群算法的动态航班着陆调度

为改进机场终端区空中交通流量管理,对动态航班着陆次序进行适当调整,使机场和空域的可用容量达到最有效利用,减少航班延误造成的经济损失,提出一种新颖的动态免疫粒子群优化算法(DIPSO),重点针对待着陆航班的动态变化,结合滑动时间窗,多方面考虑现实约束,在确保航班延误成本最小的同时,兼顾航班着陆的公平性和管制员的工作负荷。仿真结果表明,在处理动态航班着陆问题上与先来先服务相比有效降低了延误成本。     

基于Bi-IndRNN和PSO的航班延误预测

针对普通循环神经网络在航班延误预测问题上精度不高、调试时间长的问题,提出基于Bi-IndRNN和粒子群的机场短期航班延误预测模型。模型采用Bi-IndRNN结构作为预测模型,使用粒子群算法对模型超参数进行全局寻优,使模型不仅能够处理长序列的数据,还能够高效率地选择合适的参数,使其预测准确度更高。实验在2018年国内某机...     

基于灰色评价模型的枢纽机场之间延误影响分析

随着民航事业的高速发展,航班量逐年剧增,导致了大面积航班延误、延误波及现象频繁发生。采用灰色预测方法,选择全国流量较大的五个机场为研究对象,确定评价指标,建立评价样本矩阵,计算出灰色权向量和权向量,得到五个机场的指标评价值以及评价对象北京首都机场的综合评价值。通过对综合评价值的分析,可以得到各个机场对于首都机场延误的影响程度,可依此优化机场的进离场航班顺序,最大程度上减少五个机场对于首都机场的延误影响,提高首都机场的运行效率。     

一种基于多支持向量机的增量式并行训练算法

为了改进传统算法,利用支持向量的特性,提出了一种基于多支持向量机的增量式并行训练算法(PMSVM)。选择对分类超平面有影响的样本点作为支持向量,以增加单个分类器的训练时间为代价换取整体训练和分类的精度。考虑到训练样本的分布对最终结果的影响,加入反馈向量进行适当的重复训练,以调整各分类器的学习性能。通过在测试数据集上进行的实验表明,该算法与批学习增量BSVM算法相比,在提高训练效率和分类精度的前提下,大大降低了训练时间。     

支持向量机的B737飞机水平尾翼裂纹故障预测

为保障飞机的飞行安全,做到预防性维修,提升飞机的飞行安全及任务出勤率,需要对飞机结构出现的疲劳裂纹进行及时检测并修理。基于支持向量机理论,建立了支持向量机回归预测模型,并应用该模型对B737飞机水平尾翼健康信息的特征值(小波包分解系数提取的能量)进行了故障预测研究。为建立最佳支持向量机模型,选用了支持向量机四种常用的核函数分别对特征值进行了预测。同时还对支持向量机预测模型与神经网络预测模型(BP神经网络预测模型)的预测结果进行了比较与分析,研究表明,应用支持向量机所设计的预测模型准确率比较高,可以较好地对飞机水平尾翼的裂纹故障进行预测。     

大面积航班延误的实时航班延误程度评估研究

为对大面积航班的延误程度进行实时评估,根据航班延误的时空分布特点,从延误时间和延误范围两个角度给出评估指标,建立了航班延误程度实时评估指标体系。采用层次分析法得到各个指标的权重,并在此基础上给出了基于模糊综合评价的航班延误程度实时评估模型。实例的计算结果表明建立的评估模型是可行的。     

关于《航班延误经济补偿指导意见》的几个问题

在民用航空运输中,由于多种原因,航班延误难以避免,因航班延误引起的纠纷时有发生。为了提高航班正常率,减少因航班延误引起的矛盾,中国民用航空总局2004年发布了《中国民用航空总局对国内航空公司因自身原因造成航班延误给予旅客经济补偿的指导意见(试行)》,就航班延误经济补偿的条件、标准、方式提出了原则性的建议。但具体补偿标准由航空公司自行制定。航班延误经济补偿不同于延误赔偿,二者有着质的区别。     

基于熵权法改进的航班延误影响因素评估研究

随着航空运输业的不断发展,航班延误问题越来越受到重视,已成为社会的热点问题.通过实际运行的相关统计数据,研究影响航班延误的各项因素,提取主要因子,构建航班延误综合评价指标体系.用熵权法对航班延误的各项影响因子进行客观评价,建立了基于熵权法改进航班延误影响因素的综合评估模型,并利用1 000架次航班实例对模型的有效性进行了验证,研究结果表明评估模型客观、准确、有效.     

Real-time evaluation method of flight mission load based on sensitivity analysis of physiological factors

As the complexity of flight missions continues to increase, sending a timely warning or providing assistance to pilots helps to reduce the probability of operational errors and flight accidents. Monitoring pilots’ physiological data, real-time evaluation of mission load is a feasible technical way to achieve this. In this paper, a set of flight tasks including aircraft control, humancomputer interaction and mental arithmetic tests are designed to simulate five mission loads at different flight d...     

区域管制空域航班延误实时预测模型

目前航班延误是航空运输业亟待解决的问题之一,建立有效的预测模型实现较准确的实时延误预测,对管制员解决空中交通拥挤、减少航班延误意义重大.基于航班计划,建立区域管制空域内单航路的平均延误时间实时预测模型,通过求和可得到空域内多航路的延误预测模型.算例分析表明,模型能够实时预测区域管制空域平均延误时间,是可行有效的.     

基于 LSTM的飞控系统状态监控

监测飞控系统状态参数是保证无人机飞行安全的重要手段。针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型。首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控。选取无人机飞参数据进行实验,基于 LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低 0.01和 0.26,MAE平均值分别低 0.05和 0.12。结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持。     

天气因素导致的航班延误问题研究

针对天气干扰下的分季节的航班过站衔接时间优化问题,在对各个航班的潜在延误风险等级评价的基础上,通过历史数据研究天气因素导致的航班延误概率分布,求得各航班波及延误的期望,以优化前后总的波及延误之差最大化为目标函数,分别建立分季节优化松约束模型和紧约束模型,对航班衔接过站时间进行优化.最后以国内某航空公司的航班数据为算例,进行验证并比较.研究结果表明,分季节的松约束模型和紧约束模型均比原计划减少了波及延误的时间,且松约束模型的优化效果更明显.