考虑进出交通影响的扇区运行通行能力研究

针对繁忙扇区受进出交通影响，缺乏量化决策模型，从而依赖空中交通管制员的个人经验，进而导致运行通行能力大幅下降的问题，开展考虑进出交通影响的扇区运行通行能力研究。首先，根据民航实际运行规则、扇区结构、机型组合和飞行速度等建立理论通行能力模型；然后，通过结合进出交通流构成和运行特征，对理论通行能力模型进行改进，得到进出交通影响下的运行通行能力模型。仿真结果表明，仿真计算值与平日观测值的平均绝对百分比误差为7.1%,证实了航迹规整度以及阻碍时间对扇区运行通行能力有显著影响。     

基于深度强化学习与扩展卡尔曼滤波相结合的交通信号灯配时方法

深度Q学习网络(DQN)因具有强大的感知能力和决策能力而成为解决交通信号灯配时问题的有效方法，然而外部环境扰动和内部参数波动等原因导致的参数不确定性问题限制了其在交通信号灯配时系统领域的进一步发展。基于此，提出了一种DQN与扩展卡尔曼滤波(EKF)相结合(DQN-EKF)的交通信号灯配时方法。以估计网络的不确定性参数值作为状态变量，包含不确定性参数的目标网络值作为观测变量，结合过程噪声、包含不确定性参数的估计网络值和系统观测噪声构造EKF系统方程，通过EKF的迭代更新求解，得到DQN模型中的最优真实参数估计值，解决DQN模型中的参数不确定性问题。实验结果表明:DQN-EKF配时方法适用于不同的交通环境，并能够有效提高车辆的通行效率。      

空中交通复杂性研究进展

空中交通复杂性是空中交通态势的本质属性，是空中交通管制工作负荷的主要驱动因素。空中交通复杂性的科学评价是实现空中交通精细化管理的关键，也是当前空管领域研究热点。本文介绍了国内外空中交通复杂性的研究团队，梳理了空中交通复杂性与工作负荷、安全水平等相互之间的区别和联系，并详细分析了现有研究的具体研究路线。在分析新一代空中交通管理系统特征的基础上，对空中交通复杂性的未来研究趋势和方向进行了展望。