国航开通北京直飞拉萨航班

自7月10日起,国航使用大型宽体客机空中客车A330执行北京至拉萨的直迭航线。与之前在成都经停相比旅客可节省时间近两个小时也省去了办理中转手续的各种麻烦．大大方便了暑期从北京进藏的旅游者。这是目前唯一从北京直飞拉萨中途不经停的航班。     

成都双流机场实施Ⅱ类条件下航班正点率保障

一、前言 近年来,成都双流国际机场航班量猛增,每日航班量已达到600多班,基本达到机场设计饱和量。国航西南分公司由于航班量的增加,及所飞航线大多牵扯高原航线,地形复杂,气候变化大,天气标准要求高,很难控制航班放行的正常。然而航班正常性不仅是旅客满意度的指标,同时也是公司内部绩效考核的指标,增加航班正常性迫在眉睫。同时,在实际工作中许多延误航班（特别是只延误30分钟左右的航班）,     

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.     

浦东机场进出港航班将实行新的起降方式

3月26日,华东空管局在浦东机场塔台指挥飞机起降的“空中交警”将采用新的管制方式,用“双起双落”指挥方式替代已沿用了三年的“两起一落”的模式。届时,浦东机场将形成一号、二号跑道独立平行离场,二号、三号跑道相关平行进港,一号、三号跑道相临460米的窄距离跑道运行的崭新格局,特别是窄距离跑道运行的规程和积累的经验将填补国内空白。     

基于LightGBM的航班延误多分类预测

航班延误是民航业的一大难题,提前对航班的延误情况进行预测,以采取合理的应对措施,对缓解航班延误产生的负面影响有着重要意义。为提升预测性能,提出一种基于轻量级梯度提升机（Light gradient boosting machine,LightGBM）的航班延误多分类预测模型。该模型结合航班信息与天气信息,运用方差过滤与递归特征消除进行特征筛选,并采用合成少数过采样技术（Synthetic minority oversampling technique,SMOTE）与Tomek Link对数据进行不平衡处理,最后使用LightGBM进行建模,实现对航班延误时长的多分类预测。为验证模型的合理性,将所提模型与其他先进算法构建的模型进行对比。实验结果表明,所提模型在各种预测性能指标上结果更优,将预测精度提升至90%以上,同时大幅度降低了训练时间成本。     

航班延误中的空管原因及对策探讨

经常大面积的航班延误问题日益受到关注,究其原因,主要是受天气、军方活动、空域管理和管制理念的影响.预防和解决航班延误需要改革空域管理体制,合理利用空域,改善空管基础设施,合理安排航班量及航班时刻,更新管理理念和管制理念,大范围统筹安排飞行流量,尽可能减少空管原因造成的航班延误.     

航班延误之航空公司原因

航空公司造成的航班延误,主要是指由于飞机晚到、飞机机械故障等原因造成的航班延误。据统计,2011年我国主要航空公司因自身原因影响航班正常占不正常航班的比例为37.06%。疑问1:航班因为种种原因延误了,航空公司为什么没有备用机来执行航班?答:让航空公司为每个航班都准备用机是不现实的,这将大大增加航空运输的运营成本,造成资源浪费。实际上,航空公司在制订航班计划时,会安排一些航班任务不多的飞机作为备用     

交叉口汇聚航班的航线选择方法

建立了以总延误时间最小为目标的交叉口汇聚航班航线选择问题模型,为到达交叉口的每个航班从固定航线或临时航线中选择合理的一条航线飞行,并且设计了相应的启发式算法计算模型的全局最优解。最后设计了3种场景对航图中嘉峪关到雅布赖航线段航班数据进行算例仿真。仿真结果表明,本文模型和算法可解出多个航班最优的航线选择方案,并且产生的总延误时间最小,证明了本文方法的有效性。     

基于容流匹配的进离场航班调度优化模型和算法

综合考虑机场的空中等待航班数量、空域容量、场面容量以及机场起飞需求等约束条件,以可变的优先级为调配手段,以总延误时间最短为目标函数,建立了一个新的基于容流匹配的进离场航班调度优化模型。引入合作型协同进化遗传算法,设计了用一对代表个体形成合作团体的新选择方式,有效解决了传统遗传算法种群多样性低、易早熟等问题。仿真结果表明,该模型能够在满足机场容量限制的同时,有效降低航班的总延误时间。     

基于遗传EM算法的航班延误状态空间模型(英文)

航班运行过程的高度动态性和随机性,航班延误因素的复杂性和不确定性导致航班延误实时预测成为难题。控制领域的动态数据驱动方法为该问题提供了一种解决方案。然而,要想运用动态数据驱动方法,首先必须建立航班延误状态空间模型来表示系统状态之间、状态与系统输入输出之间的关系。本文对单机延误事件序列进行了分析,创建了一种航班延误状态空间模型,并对其中的输入控制量进行了重点建模。在历史航班运行数据集上,采用遗传EM算法对模型参数进行了极大似然估计,并同时验证了遗传EM算法在优化参数估计和提高计算效率方面的优势。最后,采用Kol-mogorov-Smirnov方法对模型实例进行了假设检验,检验结果表明,所选模型具有较好的拟合优度。