基于风险地图的城市物流无人机路径规划研究

近年来物流无人机技术迅猛发展,但城市低空空域的复杂性、电磁环境的干扰以及城市内居民的生命财产安全都对物流无人机在城市的推广提出挑战。在此背景下,研究评估无人机运行综合风险并生成的风险地图,以无人机运输安全性、经济性和路径平滑程度为目标规划无人机全局路径,并增加对无人机航线保护区结构的约束。在原始NSGA-III算法的基础上对航路点选择机制、交叉和变异操作进行改进,使算法更适应路径规划的需求。实验证明,模型能有效地避开禁飞区,确保路径的多样性、经济性和安全性,为物流运输经营者和低空空域监管方提供高质量、多样化的备选路径,满足不同决策者需求,为无人机城市物流活动的安全高效运行提供有效的解决方案。     

基于交通复杂性的扇区资源管理

为了理解未来空域系统下空中交通的组织水平,确保地面决策系统的必要干预能力,本文首先在比较两类常用交通复杂性测度模型的基础上引入了基于连携效应的交通复杂性测度模型.利用该模型针对两类典型交通拥塞态势讨论了扇区范围内改航航段的生成和使用策略,与基于航空器数量的扇区资源管理方法相比,能够更为有效地实现空域的灵活使用,为动态空域管理和多扇区协同流量管理提供了可行的解决途径.     

基于AnyLogic的进港航空器绕滑决策仿真研究

为了提高机场的场面运行安全,降低航班跑道侵入风险,针对近距平行跑道设置了新型滑行道——绕行滑行道,探讨不同绕滑决策带来的影响与效益。以浦东机场场面布局为研究对象,对绕滑的设计和运行模式进行了分析,建立了量化绕滑效益的数学模型。以AnyLogic为仿真平台构建了离散事件随机仿真模型,主要包括决策模块和优先级模块,模拟了航班到港和离港间隔时间方案不同情况下的3种绕滑决策对进离港航班的全局滑行时间和油耗量的影响,仿真结果表明,绕滑产生了一定程度的优化效果,尤其是在航班离港高峰期,进港航班全部选择绕滑使全局滑行时间和平均油耗量分别减少了37.1%和21.5%。     

空域复杂性建模

下一代空中交通管理系统致力于推进管理决策中心从地面转向空中,实现统筹分布-集中决策模式,提高交通服务能力,适应未来航运需求.为探索空域系统承载复杂交通的能力,空管业界对以动态密度为代表的空域复杂性模型进行了大量研究.运用复杂性学科研究的基本思想,以对空域状态进行客观描述为重点,反映空域以及其中交通关系的变化过程,提出了综合迫近、几率和连携因素的空域复杂性模型,最后,通过仿真实验数据和广州地区的实际运行数据验证了模型的可行性.弥补了空域状态评估领域航空器计量方法的不足.     

基于机器学习的航空器进近飞行时间预测

为了准确预测航空器的落地时间，提高空管部门间的协作效率，采用机器学习的方法对航空器进近阶段飞行时间进行了预测。从实际运行出发，分析航空器在进近管制空域飞行时间产生差异的原因，提出了影响航空器在进近空域飞行的8类因素和17个重要特征。以航空器在进近飞行时间为标签，基于提出的重要特征，采用岭回归、支持向量机、随机森林和神经网络算法，建立了4种基于机器学习的航空器进近飞行时间预测模型。以南京进近为实例，对4种机器学习模型进行训练、验证和测试，对模型的性能指标、特征重要性和影响因素展开分析。研究结果表明，对于航空器进近飞行时间的预测，基于随机森林的模型表现出了最高的预测性能，模型的泛化能力最好、精确度高，回归效果越显著；进场状态是影响航空器进近飞行时间的最重要因素，而进场点和进场高度特征则对结果的贡献度最大。     

地面等待模型中的旅客延误时间成本分析与仿真

针对多机场地面等待问题MAGHP(Multi Airport Ground Holding Problem),深入研究了影响旅客延误时间的因素,并将其应用于数学模型中目标函数的计算。将航班延误时间转化为旅客延误时间,提出了一个在航班取消情况下减少旅客延误的新方法,并与多机场地面等待模型进行了比较,仿真结果表明,可以大幅度减少旅客延误时间。