基于贝叶斯网络的机场过站时间分析

航班延误是目前航空运输业发展所面临的一大难题。从航班延误链式波及反应的角度出发,将贝叶斯推理应用于航班过站时间的分析,分别建立实际航班数据的单机场和多机场过站时间贝叶斯网络模型。模型清晰呈现了机型类型、前航延误时间等因素对机场过站时间的影响以及首发延误等级、经停机场过站时间调整量等因素对末班延误的影响。通过从多角度对模型进行分析,结果表明发生前航延误时调整航班在机场的过站时间可以有效减少延误向下游机场的波及。     

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。     

基于贝叶斯网络的航班延误数据初步分析

导致航班延误的影响因素很多,虽然有研究致力于原因分析,但重点多在于定性分析,并没有对这些因素进行界定,而使航班延误的结果存在一个模糊的范围.将概率统计的贝叶斯规则用于分析民航航班数据,建立贝叶斯网络模型,对航班延误发生的时间,延误的时间以及延误原因进行分析.通过贝叶斯方法的概率统计,直观反映航班进出机场的延误情况.研究结果可以辅助领导层决策,针对具体延误原因制定相关策略,为减少飞机延误,保证航空公司飞行正点率工作提供切实的依据.     

进场航班双目标调度的鲁棒优化研究

由于天气变化,导致进港飞机降落的处理时间不确定的情况经常发生.因此,需要在受到天气影响,进港飞机在跑道的处理时间不确定时提高跑道的利用率,减少飞机的延误成本.以最小化航班总延误成本和跑道总工作量为优化目标,建立降落飞机的处理时间的鲁棒优化模型,设计出Epsilon约束算法对能够快速得出进港飞机降落方案的Pareto前沿.通过实例证明了模型的可行性及有效性,对机场终端在天气变化时对进港航班的合理调度具有一定的指导作用.     

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。     

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。     

基于混合遗传算法的航班串优化模型研究

分析了飞机排班调度中航班串的编制优化问题,并针对该问题建立优化模型,模型主要考虑了航班串编制时关于航站衔接的要求及过站时间的限制。同时,为求解所建立的模型,构造了一种基于精英选择策略的自适应遗传算法．通过使用实际航班数据对模型进行仿真研究,证明了模型及算法的可行性、     

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.     

基于Agent模型的机场网络延误预测

准确可靠的机场网络航班延误预测是科学认知空中交通运行态势,动态精准实施国家空域系统容流协同调配策略的重要依据。提出了基于Agent的机场网络延误模型,表征机场网络系统中各元素及子系统间的交互作用下的延误特征涌现。针对机场节点动态容量、预计起飞时间、最小飞行与周转时间等Agent模型中的关键参数,适应性选用了贝叶斯估计、模糊k近邻等数据挖掘方法建立参数模型,并采用2015—2017年全美历史航班和气象数据进行训练学习。为综合评价模型性能及泛化能力,选取全美2018年3个不同延误程度的典型日进行测试。实验结果表明,在全美34个核心机场组成的网络中,各节点在4小时预测区间内延误最大误差不过27.9 min,其中约80%的节点误差小于5 min,验证了所提延误预测模型在时空范围内的准确性和稳健性特征。另外,通过与其他模型对比,展示了本模型优良的延误预测性能。     

地面等待和改航策略的流量管理方法

恶劣天气下,过多的地面等待往往造成终端区的拥堵和航班的过分滞留,充分利用航路容量是解决这一问题的途径之一。结合地面延误程序和改航策略,建立了动态不确定性情况下航班起飞时刻和航路选择模型,基于当前的航班计划,通过迭代算法和Dijkstra算法,获得优化的起飞时刻和航路选择。仿真结果表明,结合改航策略后,可提高航路容量的利用率,航班的总体延误可在一定程度上减少。     

恶劣天气条件下航路网络修复优化

针对恶劣天气条件下可用空域资源不足导致的航班大面积延误问题,基于复杂网络修复理论和交通流分配理论,借鉴交通网络设计思想提出了一种航路网络修复优化策略。首先,建立了航路网络修复场景,基于气象信息生成了恶劣天气飞行受限区。然后,建立了上层模型以修复成本最低为目标函数、下层模型为多约束交通流分配模型的双层规划修复模型,应用改进粒子群算法对模型整体进行求解,结合K最短路径算法对下层模型进行求解。最后,提出局部和全局两类指标对航路网络修复效果进行评估。基于典型航路网络,以两类基础修复策略为对比方法,同时对比了实际运行结果,研究了不同修复策略的修复效果和适用性。仿真结果表明：航路网络修复优化策略既能弥补原有拓扑结构修复策略的结构受限不足,又能解决拓扑结构调整修复策略带来的巨额协调费用问题,能够保证在对正常运行航班干扰最小的同时,以最小的修复成本使所有受影响的航班都恢复正常运行,对于减缓航路拥堵和航班延误有极大的意义。     

多因素耦合复杂飞行情形风险定量评估方法

多不利因素耦合诱发飞行事故具有隐蔽性强、因素关联复杂及状态"不可逆"性等特点,对其进行定量建模及风险评估研究难度较大。为此建立了典型装备故障和恶劣环境两类不利因素的定量数学模型。基于飞机六自由度全量运动方程、不利因素数学模型和人在环的操纵方式,应用MATLAB/Simulink、C语言和Flightgear软件开发了用于多因素耦合飞行情形研究的虚拟试飞安全性分析系统。建立了基于改进粒子群算法的极值分布风险评估模型,通过广义极值分布参数优化自动找到最为符合的极值分布模型。提出了随机自适应进化粒子群优化算法(RAE-PSO)对拟合过程进行优化,提高了评估精度和收敛速度。建立了多因素耦合复杂飞行情形的综合评估模型,以GJB 626A-2006中的试飞风险科目为例进行风险评估与结果分析,验证了方法的可行性和有效性。     

小推力深空探测轨道全局优化设计

 针对小推力深空探测四维轨道优化设计,给出了一种组合优化算法,采用该算法基于二体模型进行了深空探测四维轨道全局优化。该组合优化算法由动态规划算法、静态参数优化算法与共轭梯度算法组成。动态规划算法和静态参数优化算法用以选择最优的发射窗口、返回窗口及相应的近似飞行轨道;基于该近似轨道方案,采用共轭梯度算法（解决两点边值问题）求解精确的最优轨道。通过大量的数值仿真计算,得到了航天器的全局最优飞行轨道,及相应的最优发射窗口与返回窗口。数值仿真结果表明,该组合优化算法对深空探测轨道优化具有良好的通用性和工程运用价值。     

考虑危险天气的终端区动态容量评估

危险天气是影响航空运输飞行安全和导致航班延误的重要原因。随时间变化的危险天气决定了空域的动态容量。准确、及时的动态容量预测可以提高飞行安全性,也可以提高管制员的工作效率。在分析随时间变化的危险天气的基础上．提出用实时飞行受限区划设来表征危险天气：并给出了终端区空域网络图;应用最大流最小割理论找到受天气影响的终端区空域容量的瓶颈,建立了终端区动态容量评估模型;通过对某终端区危险天气进行算例分析．验证了模型的有效性和可行性。