机场进离场流量协同分配策略

为充分利用机场容量、减少航班延误,把进离场视为互相影响的两个过程,研究机场流量与容量匹配问题,给出了一种进离场流量协同分配模型。基于机场容量动态限制,模型以最小化进离场航班总延误损失为目标,协同优化进离场流量分配策略;通过引入航班延误损失系数,作为航空公司协同决策的偏好信息以兼顾其利益。针对模型特点设计了遗传算法予以实现。实例仿真结果表明,模型不仅能使流量与容量协调匹配,而且能够使延误损失降到最小且能兼顾航空公司的利益,验证了所提策略的有效性。     

基于改进的状态空间模型进化算法的航班优化调度

单跑道进离港航班优化调度是将某一时间窗内进离港航班看作一个整体,对进离港航班进行统一优化排序,属于典型的组合优化问题。改进的状态空间模型序号编码进化算法（MOSEA）采用序号编码,不使用交叉算子,且通过构造状态进化矩阵来实现基因换位等遗传算子功能,使种群不断地进化,并结合选种池的选择操作实现种群的优胜劣汰。MOSEA算法将问题的解答过程表示为离散状态空间模型的动力学过程,突破了遗传算法的计算模式,简化了遗传操作,并研究了其在航班进离港优化调度中的应用。仿真实验表明：MOSEA算法与遗传算法、先到先服务（FCFS）航班排序相比,航班总延误时间分别降低了22.13%、32.06%,且运算速度更快。     

基于RHC的航班着落调度多目标优化算法

研究了基于滚动时域控制(RHC)策略的终端区进场航班动态排序问题,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,在满足安全间隔兼顾管制员负荷的情况下,给出航班经过多目标优化的着陆时间,提高航班进场率,降低飞行延误成本。建立了基于RHC的航班动态排序模型,并利用精英保留策略的遗传算法对一个算例进行验证计算。算例仿真结果表明,进场率得到了提高,延误时间和成本明显减少,验证了方法的有效性。     

基于传递闭包法的航班分类模型及在航班排序中的应用

提出了一种基于传递闭包法的进/离场航班分类方法.首先对模糊集合理论和传递闭包算法作了简要的介绍,然后在考虑4种不同因素的条件下建立了航班分类模型,并给出了各类航班单位时间延误成本的计算公式.最后以终端区航班排序模型为例,对该方法进行了仿真,并与传统航班延误成本分类方法进行了比较.仿真结果表明,该方法有助于减少航班延误损失,优化进/离场航班队列,提高空中交通管理效率.     

基于空中交通流量的贵阳高空扇区优化研究

空中交通流量是衡量某一扇区管制员工作负荷的重要条件之一.为了能够在既定的航路结构下,合理均分贵阳高空各扇区的空中交通流量,保障空中交通安全,本文以特征时段贵阳高空空域空中交通流量为基础,以平均分配扇区内流量为目标,运用遗传算法找到扇区优化问题的最优解,以满足贵阳高空管制区的日常运行需求.     

基于扇区负荷约束的管制移交间隔多目标优化模型

繁忙扇区的容量随着交通复杂性的改变而动态变化,现有的基于确定容量的管制移交间隔管理策略不再适用,且动态容量下频繁改变移交间隔也不利于空中管制指挥。本文首先通过将交通复杂性转化为管制工作负荷参数,解决移交间隔改变导致的容量动态变化问题,建立基于扇区负荷的容量流量匹配模型。其次设计管制移交间隔策略稳定性表征函数,提出以策略稳定性和延误成本为目标的管制移交策略优化模型和智能算法。最后基于昆明机场进近扇区实际数据进行仿真验证,证明本方法可以获得一组帕累托最优解,能够为流量管理部门发布管制移交策略以供决策支持。     

多元受限的航班时刻优化模型与方法研究

针对我国空域的实际,结合航班时刻制定的特点,在多元受限地面等待策略的基础上,建立了一个多元受限航班时刻优化模型,提出了一套求解该优化模型的改进启发式算法。并在所提模型和算法的基础上,开发了航班时刻优化系统,对全国实际的航班时刻进行了优化,验证了理论模型和方法的可行性。     

基于分类与优化的进场航空器调度方法

为兼顾进场运行效率与管制工作经验,提出了一种基于分类与优化的进场调度方法。在分析进场管制特点的基础上,将进场排序问题转化为机器学习领域的分类问题,并构建随机森林分类器预测航空器着陆次序;利用综合得分机制和滑动时间窗实现进场航空器动态在线排序;针对预测着陆次序建立多目标优化模型,实现着陆时间优化;采用长沙黄花机场3组繁忙时段的进场运行数据,验证方法的可行性。结果表明：随机森林分类器预测着陆次序与实际着陆次序高度吻合,正确率达到99.00%以上;相比于传统先到先服务策略,本文方法减少了平均延误时间、平均飞行时间、最大飞行时间、最大延误时间和着陆位置变动次数;相比于常规优化方法,本文方法能够在保障优化指标的基础上,将航空器着陆位置变动由12次降为2次。     

基于多级代理模型的优化算法

在仿真优化中高精度的仿真模型大多难以实现,本文提出一种由全局和局部代理模型共同作用的多级代理模型,并与仿真优化相结合提出基于多级代理模型的仿真优化算法.运用Kriging近似理论和RBF神经网络分别构建全局代理模型和局部代理模型,并在仿真优化的过程中在线更新代理模型.通过算例对算法进行验证,结果表明多级代理模型具有良好的逼近能力,基于多级代理模型的仿真优化方法具有良好的鲁棒性和寻优性能.