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。     

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％。     

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。     

相关进近模式下多跑道时空资源优化调度方法

跑道作为机场飞行区与终端区的衔接部分,因容流失衡频繁引发空中交通拥堵及航班延误等问题。为提高多跑道系统运行能力,针对相关进近跑道运行模式,研究了多跑道时空资源优化调度方法。通过深入剖析多跑道时空运行特性,综合考虑移交间隔、尾流间隔、纵向间隔和相关斜距等约束限制,科学权衡安全、经济和环境等各方利益需求,建立了相关进近模式下多跑道时空资源优化调度模型。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,对模型进行了准确求解。仿真实验表明,模型可对相关进近航班进行优化配置,有效降低航班延误时间和航空发动机污染物排放量。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39.3%和32.6%,所提方法可显著缓解大型繁忙机场航班延误情况,有效提高航班正常率,并完全适用于独立进近模式。     

近距平行跑道航班着陆调度研究

针对我国航空运输业快速发展导致空中交通拥挤以及航班延误问题,研究了近距平行跑道航班着陆调度问题,以缓解空中交通拥挤和减少航班延误.以配对进近的形式,考虑时间、配对、间隔、排序等因素,建立航班着陆调度模型.针对机场小规模的进场航班流量,采用穷举法求解,并用算例进行仿真验证.结果表明,与先到先服务原则相比,经算法调度的进场航班总的延误时间减少了33%.     

不确定性因素下航班延误波及建模与分析

针对机场终端区日益严重的航班延误,提出了一种基于有色－时间Petri网的不确定性因素下航班延误波及分析模型。模型综合考虑航班运行尾流、跑道运行模式、跑道占用时间等运行安全间隔约束,同时根据连续航班间的信息更新,设计进离场航班序列动态调整流程,并由计算模型可得出航班延误总架次及时间。最后,依据历史延误数据分析得出不确定性因素延误的概率分布。选取上海浦东机场为背景对模型进行仿真验证,仿真结果表明,所构建模型可用于战略阶段的航班延误波及程度与过程的评估。     

基于空中交通密度的进场航班动态协同排序方法

为适应协同决策（CDM）需要，考虑空管、航空公司和机场的诉求，对进场航班动态协同排序问题进行了系统的研究。设计了一种进场航班动态排序方法，提出了一种时隙交换方法，建立了基于空中交通密度的进场航班协同排序模型，设计了精英保留的遗传算法和带精英策略的快速非支配排序遗传算法以求解所建模型，寻求进场航班动态协同排序的最优解。仿真结果表明，较基于滚动时域控制（RHC）方法，动态协同方法所得结果与排序开始时间无关，所需排序次数平均减少26.4%，且排序效率更高。较先到先服务（FCFS）方法，动态协同方法在高密度条件下各排序阶段最后一个进场航班的落地时间平均提前199.8 s；中密度条件下各排序阶段航班延误总时间平均减少29.9%，航班延误均衡性平均提高34.4%；低密度条件在航班正常率及航班延误公平性得到保证的前提下，满足时隙交换规则的排序阶段均增加了1种进场航班排序模式。所提方法可对进场航班进行优化排序，显著提高跑道容量，有效提升航班延误均衡性和航班延误公平性，契合协同决策理念，可实现三方协同排序。     

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。     

多机场终端区进场航班协同排序方法

为有效缓解大都市圈机场群日益严重的空域拥堵和航班延误现状,系统研究了多机场终端区进场航班协同排序问题。通过深入剖析多机场终端区时空运行特性,综合考虑移交间隔、尾流间隔和多跑道运行间隔等约束限制,科学权衡安全、经济和公平等各方利益需求,引入多元受限时间窗的创新理念,建立了多机场终端区进场航班协同排序模型。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,寻求多机场终端区进场航班协同排序问题的Pareto最优解。仿真实验表明,模型可对多机场终端区进场航班进行优化排序,显著降低航班延误总时间,有效增强多机场空域资源使用公平性。与经典的先到先服务(FCFS)策略相比,协同排序策略优化效果较为显著,其中航班延误时间减少了31.0%,所提方法可显著缓解大都市圈机场群航班延误现状,有效提升航空运输服务品质。     

到达航班排序与调度优化的遗传算法研究

解决机场到达航班的排序与调度(ASS)问题是保持空中交通通畅、减少航班延迟的主要途径.本文针对ASS问题的特点,建立了以航班总延误时间为目标函数的排序模型,提出了基于格里芬斯塔特编码和滚动时域优化策略的遗传算法,并对排序模型进行了仿真分析.结果表明:与先到先服务算法相比,本文算法能显著减少航班总延迟,同时较常规遗传算法...     

考虑优先级的交叉口航班汇聚排序问题研究

为了有效地利用航路资源,减少飞行延误总成本,建立了改进的航路交叉口汇聚排序模型。为加快求解速度,分析了影响航班延误成本的因素,给出了权重赋值表,改进了现有算法,并用FCFS算法与改进算法进行了算例分析。仿真结果表明,改进算法通过对交叉口航班各属性赋权值可有效进行优先等级划分,完成时隙分配和航班排序的快速计算。采用改进给出的优化排序策略可减少延误飞行的总成本,具有一定的实用性。     

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。     

宁波栎社机场进离场程序的优化

在考虑未来空域变化的基础上,以现行进离场程序为基础,本着简化程序,减少因程序原因引起不必要飞行冲突的原则,对现行进离场程序进行分离。从而达到减轻管制员的压力,降低飞行员的工作量,使飞行更加简便的目的。同时本项研究对其他有类似情况的机场也有一定的借鉴意义。     

基于遗传算法的起降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，并在不违反飞机间隔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。引入离场起飞的航班问题，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。并对一个算例采用冬文方法进行验证计算，结果表明，所提出的方法计算效率高，实用可行。     

效益和公平性的多跑道航班调度精确算法研究

机场终端区航班拥堵延误现象日趋严重.机场管理者,一方面要减少航班总延迟成本,另一方面也要维持航空公司间竞争公平性.为多跑道航班协同调度问题建立双目标规划模型,为了精确求解优化问题的Pareto前沿,开发出epsilon约束算法.最后通过算例来说明模型的可行性和算法的有效性.利用数学规划理论建模并开发精确求解算法,为机场资源优化研究提供重要参考.     

多机场终端区进场交通流优化排序方法研究

为了提高终端区时空资源利用率及空中交通运行效率,综合考虑航班间尾流间隔、航向道安全间隔及定位点管制移交间隔等时间标准的约束,研究了进场交通流在多机场多跑道系统及定位点的排序优化问题,建立了整数线性规划模型,旨在最小化多机场航班的总延迟时间和跑道总调度时长.开发出Epsilon约束精确算法,可以在数分钟内求解出多机场进场交通流排序方案的Pareto前沿.通过仿真实验证明了模型的正确性及算法的有效性.     

Strategic flight assignment approach based on multi-objective parallel evolution algorithm with dynamic migration interval

The continuous growth of air traffic has led to acute airspace congestion and severe delays, which threatens operation safety and cause enormous economic loss. Flight assignment is an economical and effective strategic plan to reduce the flight delay and airspace congestion by reasonably regulating the air traffic flow of China. However, it is a large-scale combinatorial optimization problem which is difficult to solve. In order to improve the quality of solutions, an effective multi-objective parallel evolution algorithm(MPEA) framework with dynamic migration interval strategy is presented in this work. Firstly, multiple evolution populations are constructed to solve the problem simultaneously to enhance the optimization capability. Then a new strategy is proposed to dynamically change the migration interval among different evolution populations to improve the efficiency of the cooperation of populations. Finally, the cooperative co-evolution(CC) algorithm combined with non-dominated sorting genetic algorithm II(NSGA-II) is introduced for each population. Empirical studies using the real air traffic data of the Chinese air route network and daily flight plans show that our method outperforms the existing approaches, multiobjective genetic algorithm(MOGA), multi-objective evolutionary algorithm based on decomposition(MOEA/D), CC-based multi-objective algorithm(CCMA) as well as other two MPEAs with different migration interval strategies.