“小鬼”单飞

现在的天空,已经有越来越多的"小鬼"在独自飞行。他们套着鲜艳的大口袋,一脸无所谓地坐在客舱的座椅上,老练又幼稚。一位把儿子送上飞机的老爸都忍不住好奇,要飞行2小时,儿子的PSP又放在包里拿不出来,他在飞机上到底是怎么过的?"我就和周围的人聊天啊,后来他们都睡着了,没劲。然后我就数羊,数到246只,就到了。"小儿子的回答,认真又天真。     

空管人为差错的几个重要模型

空中交通管理系统是航空运输系统的重要组成部分,为保障航班安全、顺畅运行起着不可替代的作用。随着航空运输量的快速增长,空中交通日趋拥挤,空中航行安全问题得到了人们越来越多的关注,如何保证空中交通安全成为了研究的焦点。     

欧洲空中航行安全组织的时隙分配程序及其启示

引言 我们时常会遇到这些状况,某机场或航路突然关闭、RVR突然低下．妨碍航班的起飞或降落、又或是空军活动导致大面积流控等等。每当这时,航空公司通常对航班的“未来”毫无预计,甚至无法确定正班飞行是否该不该取消．航班状态会变得十分混乱。     

基于改进粒子群算法的离场航班排序

航班离场过程中,以时间或经济损失最小的单目标排序会导致延误时间分配不均和多目标排序在求解时存在算法收敛速度慢、易于陷入局部最优的缺陷,导致计算效率低。为解决这一问题,基于航班优先级、尾流间隔、航班延误时间、航班延误标准差构造航班离场排序模型,对粒子群算法的惯性权重和学习因子采用动态调整的改进策略。以厦门高崎机场非拥挤和拥挤场景下的共4 h离场航班进行优化排序验证,结果表明：与先到先服务(FCFS)方法、惯性权重线性递减粒子群(LDWPSO)算法相比,文中方法非拥挤场景下延误总时间减少了72%,26%,延误标准差减少了27%,28%;拥挤场景下,较FCFS延误总时间减少69%,延误标准差减少68%,与LDWPSO算法相比,优化效果上无明显差异,但在解空间的迭代收敛速度更快,达到最优罚值的迭代速度提升了55.6%。     

基于遗传算法的航班串优化方法研究

分析研究了航班串编制问题,考虑了飞机载客量与航班平均客流量的关系,构造了航班旅客溢出成本指数因子,建立了改进后的基于最小成本的航班串优化模型,并构造了遗传算法求解模型.利用Matlab遗传算法工具箱进行仿真研究.应用航空公司实际航班数据对上述模型和算法进行验证,所得优化结果良好,证明该航班串优化模型及方法切实可行.     

大数据在航班正常管理中的应用

<正>一、航班正常性关乎公司盈利及运行成本(一)航班正常关系盈利水平航班正常率直接或间接地影响公司盈利水平。一项对欧美主要航空公司的研究表明,正点率高于平均水平的航空公司,其盈利一直高于那些低于平均水平的航空公司,航班正点率每提高一个百分点,由此带来的潜在利润增加,根据航空公司的规模不同约在400—1600万欧元之间。例如美西南,其正常率达到81%时,毛利有17%左右,而美航正常率为75%,毛利只有7%,说明航班正常与运营收入存在着较强的正相关关系,见图1。     

基于MIT的扇区流量管理决策

为缓解空中交通拥堵和减少航班延误,建立了扇区流量管理模型,并定义扇区容量超负荷频率指标,提出基于尾随间隔(MIT)的3种扇区流量管理决策方案,分析了郑州某个高空管制扇区8:00~9:00时段流量管理实例,结果表明合理的流量决策方案不仅能够缓解扇区拥堵,而且减少了41%的延误,验证了扇区流量管理决策方案的有效性及实用性,可以为决策者提供一定的决策支持。