多跑道航班进离场动态调度模型与算法

针对民航运输快速发展导致的航班延误频增现象,研究了多跑道航班进离场的动态调度问题。研究时段内航班的总延误成本最小和延误时间均衡为目标,综合考虑根据机型确定的航班进离场调度优先权和管制员负荷,建立多跑道航班进离场调度模型,利用遗传算法对模型进行仿真验证。仿真结果与先到先服务(FCFS)调度方式进行比较,采用遗传算法的航班进离场调度比FCFS的延误成本降低了45.07%,延误时间降低了37.90%,同时有效地均衡了航空公司的延误时间,保障了航空公司的公平性并提高了跑道系统容量,降低了管制员负荷。通过仿真验证了多跑道航班进离场动态调度策略具有较强的优势和可行性。     

独立离场模式下多跑道时空资源优化调度方法

为有效缓解大流量、高密度机场日益严重的交通拥堵和航班延误现状,研究了多跑道离场航班优化调度问题。首先,从生产调度领域视角,将多跑道离场调度问题抽象为典型的车间作业调度NP-Hard组合优化问题;然后,面向航空运输各方利益需求,以航班延误、跑道容量和环境污染为优化目标,综合考虑航空器尾流影响、场面滑行和跑道穿越等各类限制因素,建立了独立离场模式下多跑道时空资源优化调度模型;最后,结合多目标优化及遗传算法基本理论,设计了带精英策略的非支配排序遗传算法(NSGA-II),寻求多跑道离场调度问题的Pareto最优解。仿真实验表明,模型可对独立离场航班进行优化配置,显著降低航班延误时间和航空发动机污染物排放量,并有效提升机场跑道容量。与随机和交替调度策略相比,优化调度策略执行效果显著,其中航班延误时间分别减少了51.2%和42.7%,所提方法可显著缓解大型繁忙机场离场航班起飞延误,有效提升航空运输服务品质。     

机场容量利用及流量分配优化策略

为了充分利用机场容量,减少航班延误,需要合理分配进离场流量。以机场容量作为约束,以进离场航班总延误成本最小作为目标,建立进离场流量分配优化模型。构建随延误时间呈超线性增长的延误成本计算公式,引入航班进离场延误成本权重系数作为不同进离场优先级的决策偏好信息。用动态规划法求解模型,并引入最优决策候选集合的概念,缩小计算过程中的搜索量,减少计算时间。算例结果分析表明,方法可以在机场容量约束下得出进离场流量分配的最优策略,使得航班总延误成本最小,并且快速计算可以满足实时决策支持的要求。     

机场终端区容流调配鲁棒优化模型

为解决机场不确定容量条件下的航班进离场流量分配问题,以容流调配策略在各情景下的规划外延误损失或多余延误损失的均值与标准差之和最小为目标,建立了终端区容流调配鲁棒优化模型;采用捕食搜索算法求解模型,以国内某机场终端区运行数据为例进行仿真验证,并与经典终端区容流调配模型进行比较,结果表明,鲁棒优化模型较好地实现了容流调配的鲁棒性,有效减少了不同情景下进离场航班延误的扰动。     

考虑机场公平性的机场群航班时刻分配

机场航班时刻优化是机场需求和容量管理的一个重要手段，一直是空中交通领域的研究重点。现有研究主要考虑机场容量和航班运行等约束，对单个机场的进离场航班时刻进行优化分配，目标是在尽可能地满足航空公司需求的前提下最大化利用机场容量。随着我国机场群的建设，机场群内各机场竞争关键空域资源的矛盾日益突出。单独优化每个机场的时刻可能会导致不同机场的航班在关键空域点发生拥挤，造成航班延误。综合考虑机场和空域资源优化航班时刻是提升机场群资源利用效率的关键之一。特别是，考虑机场之间的公平性合理配置航班时刻至关重要，但鲜有相关工作开展。本文首先建立了一个考虑机场容量和空域容量的多目标航班时刻优化模型，实现对机场群系统资源的优化利用；然后，综合考虑了各机场在潜在离场冲突点的需求，构建了基于高峰时刻需求的机场公平性指标和整体度量，兼顾了机场群内各成员机场的功能定位。最后，通过粤港澳大湾区五机场实际航班数据验证了模型的有效性和可扩展性，为机场群层面各利益相关方的公平性研究提供了重要借鉴和参考。     

多机场终端区进离场交通流协同排序方法

针对大都市及都市圈飞行冲突、空域拥堵和航班延误日益严峻的现状,研究了多机场终端区进离场交通流协同排序问题。综合考虑尾流间隔、跑道间隔、时间窗、进离场容量等约束限制,从时空多维角度引入航班满意度概念,建立了多机场终端区进离场交通流协同排序模型,设计了带精英策略的非支配排序多目标遗传算法(NSGA-II),寻求多机场终端区进离场排序问题的Pareto最优解。实例验证表明,所提方法可对多机场终端区进离场交通流进行优化排序,有效降低航班延误总时间,显著提高航班总满意度,并实现多机场系统对终端区空域资源的公平均衡使用。与经典的先到先服务策略相比,协同排序策略的整体优化效果较为显著,其中航班延误时间得到了一定的降低。     

基于进离场容量转化的航班延误优化研究

为了提高机场运行效率,缓解航班延误,研究了进离场容量转化的特性,并建立了以延误时间最小的航班优化模型。结合实际运行数据对模型进行了验证,探讨了进场航班权重系数对进离场容量转化的影响。结果表明:采用进离场容量转化的方式可以增加进离场总容量,从而降低航班运行的总延误;该模型能提供优化的流量分配方案,可应用于机场流量管理。     

基于管制习惯的多跑道机场离场航班排序

针对我国航空迅速发展致使终端区空域拥挤以及航班延误问题,研究了繁忙多跑道机场的离场航班排序问题,以缓解终端区空域拥挤和减少航班延误及提高跑道利用率。将管制习惯因素引入到离场航班的排序中,根据飞机尾流间隔的要求,建立基于管制员管制习惯的多跑道机场离场航班排序模型。针对机场小规模的离场航班流量,采用穷举法求解,并用算例进行仿真验证。结果表明,与先到先服务排序方法相比,经算法排序后的总延误时间减少了近30％。     

混合型联盟航线网络结构下航班频率优化研究

科学优化联盟航线网络结构下的航班计划可充分发挥联盟合作效应。综合考虑航空公司运行成本与旅客时间成本,以航班运行成本和旅客计划延误成本总成本最小为目标,建立混合型联盟航线网络结构下多机型多路径的航班频率优化模型。设计航班频率优化模型启发式算法,案例分析验证了模型可行性。结果表明,模型能一定程度上降低旅客出行成本和航空公司运行成本,可为航空公司制定混合联盟航班计划的频率优化提供参考。     

多机场协同决策进离场航班排序模型及算法研究

多机场终端区内的航线网络错综复杂,来往同一方向的航班会共用一个交接点,航班的起飞降落不仅要考虑各方向航空器的运行间隔和各受限单元容量的限制,还需着重考虑交接点的间隔限制.基于终端区多机场多元受限情况,建立了终端区多机场协同决策进离场航班排序模型,并设计了递归遗传算法.首先以各机场为单位采用遗传算法进行航班排序,得出各机场延误时间最小的排队序列,之后将各机场航班在交接点处进行聚类并排序,再将各交接点的排队序列反推回各机场,运用递归算法不断优化各机场的航班序列,在保证安全运行的基础上,最终得出各机场的航班排队序列.仿真结果表明,该算法优化效果显著,各机场的总延误时间减少了48.2％,可有效缓解多机场航班延误.     

机场终端区跑道配置优化及容流调配模型研究

大型繁忙机场交通需求的持续增长导致的飞行流量与保障能力、机场容量之间的矛盾日益突出。为了充分利用跑道系统资源,合理配置跑道运行容量,优化飞行流,建立非线性0-1整数规划模型解决以下两个问题:确定跑道配置优化序列,匹配进离场飞机流。模型综合考虑机场交通流、跑道配置转换容量折损、跑道容量包络线等约束,以优化区间内航班总延误最小为目标,用LINGO建模求解,使用实际运行数据验证模型的有效性。结果表明,模型实现了跑道资源的优化利用,降低了航班延误。     

空中交通流量优化管理

研究了空中交通流量管理中的机场流量最优化问题,提出了解决目前日益严重的拥塞问题的一种方案,将机场流量利用最优化问题分解为两个子问题,以折考虑解的最优性及求解复杂性,针对两个子问题,提出了一种折考虑解的最优性及求解复杂性的线性规划数学模型,利用该模型,可以最有效地发挥系统功能,同是保证飞机飞行过程的有效隔离,最后,还给出了具体的实例分析,证实了所建模型的实用性。     

基于交通波模型的交叉点航班排序研究

为了缓解在终端区的航班延误问题,保证空中交通的安全有效运行,引入交通波模型针对交叉点航班的排序进行研究,首先对交通波模型的具体原理以及在空中交通管理问题中的应用进行分析,然后构建以延误成本为目标函数的排序模型,结合交通流的实际运行状况进行分析,确定决策变量.最后进行仿真实验,实验结果显示这种方法的总延误成本要小于FCFS算法,可以证明基于交通波模型的交叉点航班排序方法是有效的.     

地面管制阶段航空器等待策略研究

地面等待策略是空中交通流量管理的主要组成部分,有利于节约飞行成本,提高安全水平。建立了空中交通多目标地面等待策略的整数线性规划模型,模型包括所有航班的总等待时间最短和总等待费用最小两个优化指标,约束条件考虑了指定空域容量的限制和各航班等待时段上限的限制。考虑到该优化问题求解的计算复杂度,应用基于自然法则的模拟退火随机搜索优化算法来解决该问题。数值模拟算例表明了所建立数学模型的正确性和算法的可行性和有效性。     

基于功能脆弱性的空中交通相依网络流量分配

依据空中交通管理与航班运行规则,采用复杂网络理论构建由机场、航路与管制扇区组成的相依网络模型,建立不同扰动策略的影响规则,提出以网络流量熵和交通流损失比变化率为指标识别网络功能脆弱性。并以网络总流量熵最小为目标,建立基于改进遗传算法的网络流量协调分配策略,以降低空中交通相依网络的脆弱性。以民航华北地区空域为原型,发现了其相依网络脆弱性表现规律和脆弱源,采用遗传算法求解网络流量分配方案,优化结果降低了网络总熵值和功能脆弱性,其中机场网络流量分配后效果最为显著,验证了方法的有效性,研究结果可为空中流量管理决策提供一定的理论支撑。     

基于遗传模拟退火算法的航班进离场调度

基于航班延误成本构成的复杂性，惩罚航空器单位时间延误成本以区分续航航班与非续航航班，且推导出与航班类型直接相关的续航航班单位时间延误成本表达式。建立了以航班总延误成本及跑道调度时间跨度最小的多目标跑道调度模型，并用遗传模拟退火算法求解模型。以国内某大型机场的两条近距平行跑道调度为例对算法进行验证，实验结果表明，运用遗传模拟退火算法求解多目标跑道调度问题，可显著提高航班延误成本分布的均衡性，且程序收敛性较强，具有很好的实用性。     

基于飞机性能的连续爬升程序建模和油耗分析

随着航线数量的不断增长和机场进离场交通的日渐繁忙，因管制压力造成的离场阶段改平飞行导致了飞机非必需的燃油消耗，为航空公司带来经济效益上的损失。为了减少平飞并实现快速离场，基于性能的导航（PBN）模式下的连续爬升运行（CCO）成为解决该问题的方式。介绍了BADA飞机性能模型的构建方法，并使用性能模型对CCO进行设计，并提出了前后CCO离场可能产生的冲突和解脱方法，结合实际航线对爬升时间和油耗进行了仿真分析，结果显示CCO离场能够缩短爬升时间，减少燃油消耗；在冲突发生时通过速度调整可以比阶梯爬升的方式更有效益。     

Effective control allocation using hierarchical multi-objective optimization for multi-phase flight

For different flight phases in an overall flight mission, different control and allocation preferences should be pursued considering lift, drag or maneuverability characteristics. The multi-objective flight control allocation problem for a multi-phase flight mission is studied. For an overall flight mission, different flight phases namely climbing, cruise, maneuver and gliding phases are defined. Firstly, a multi-objective control allocation problem considering drag, lift or control energy preference is constructed. Secondly, considering different control preferences at different flight phases, the analytic hierarchical process method is used to construct a comprehensive performance index from different objectives such as lift or drag preferences. The active set based dynamic programming optimization method is used to solve the real-time optimization problem. For the validation, the Innovative Control Effector (ICE) tailless aircraft nonlinear model and the angular acceleration measurements based adaptive Incremental Backstepping (IBKS) are used to construct the validation platform. Finally, an overall flight mission is simulated to demonstrate the efficiency of the proposed multi-phase and multi-objective flight control allocation method. The results show that the comprehensive performance index for different phases, which are determined from the Analytic Hierarchy Process (AHP) method, can suitably satisfy the preference requirements for different flight phases.