机场飞行区资源调度问题研究(二)：发展脉络与趋势

充分释放机场资源红利,发挥机场资源的最大效益,是空管、机场、航空公司、旅客和政府等航空运输各利益相关方的共同目标。本文聚焦机场飞行区资源调度的发展脉络与趋势问题,为飞行区资源调度问题研究系列之二。从明确资源总量、盘活资源存量、做强资源增量视角梳理飞行区资源调度的发展脉络,并对飞行区资源调度的一体化、高效化、智能化、协同化和绿色化发展趋势进行分析。研究成果旨在为机场运行管理理论与应用的可持续发展提供科学指引。     

多机场终端区进离场交通流协同排序方法

针对大都市及都市圈飞行冲突、空域拥堵和航班延误日益严峻的现状,研究了多机场终端区进离场交通流协同排序问题。综合考虑尾流间隔、跑道间隔、时间窗、进离场容量等约束限制,从时空多维角度引入航班满意度概念,建立了多机场终端区进离场交通流协同排序模型,设计了带精英策略的非支配排序多目标遗传算法(NSGA-II),寻求多机场终端区进离场排序问题的Pareto最优解。实例验证表明,所提方法可对多机场终端区进离场交通流进行优化排序,有效降低航班延误总时间,显著提高航班总满意度,并实现多机场系统对终端区空域资源的公平均衡使用。与经典的先到先服务策略相比,协同排序策略的整体优化效果较为显著,其中航班延误时间得到了一定的降低。     

复杂终端区进场交通流优化排序方法研究

为提高终端区时空资源利用率,增强空中交通 运行效率,研究了复杂终端区进场交通流优化排序问题。通过深入剖析终端区进场定位点、 航路航线、多跑道系统等资源运行特性,综合考虑尾流间隔、移交间隔、多跑道运行间隔等 各类约束限制,以及最小化航班延误时间、最大化跑道运行容量、最小化终端区飞行时间等 优化目标,建立了复杂终端区进场交通流优化排序模型,并采用带精英策略的非支配排序遗 传算法对所建模型进行求解。选取上海多机场组成的复杂终端区进行实例验证,仿真实验表 明提出的优化方法相比先到先服务方法(First come first serve,FCFS),航班总延误时间 减少20.7%,终端区等待时间减少60.7%,终端区进场交通流运行效率得到显著提升。     

多尺度层级金字塔网络的无人机入侵检测方法

近年来,无人机的快速发展给众多领域带来便利,然而无人机入侵给机场安全带来了巨大的挑战。由于无人机目标小、背景复杂、飞行速度快等特点,现有的主流目标检测方法通常难以准确地识别出入侵的无人机,易产生误检漏检的现象。提出了多尺度层级金字塔网络的无人机入侵检测方法,同时利用特征融合模块赋予特征金字塔不同层级、不同尺度的图像语义信息,并通过网格删除和4-Mosaic数据增强技术,对小样本数据集进行扩充,有效地提高了模型的泛化性能。实验表明,方法较于目前最优的无人机检测方法性能提升了5.5%。     

考虑航空排放的机场跑道隔离运行优化调度

针对航空运输机场常用的平行跑道隔离运行模式,研究了考虑航空排放影响的机场跑道隔离运行调度问题。在兼顾安全、容量、效率和环境等利益需求的条件下,建立了机场跑道隔离运行调度多目标优化模型,基于带精英策略的非支配排序遗传算法,提出了基于“三重导向个体优选”机制的机场跑道隔离运行调度多目标进化算法,对所建优化模型进行了快速求解。仿真实验表明：与经典的先到先服务策略相比,优化调度策略可显著降低航班延误时间和航空污染物排放量,可将92.4%的航班延误时间控制在15 min以内,有效提升了高密度机场的跑道运行性能和航班运行效率。     

基于链式方程多重插补的机场场面数据补全

研究了一种基于链式方程多重插补的机场场面数据补全方法,主要用于解决机场场面数据长期存在的数据缺失问题。方法不仅可以处理单变量缺失值,也可以处理多变量缺失值,具有很强的灵活性和实用性。在上海浦东机场数据集上进行实验,将算法与两种传统的插补方法进行了比较,测试了不同缺失率下模型的性能,分析了连续变量和离散变量的插补效果,结果表明链式方程多重插补的方法具有更高的插补精度。     

基于随机规划的跑道运行模式及容量优化决策

为研究受航班预计进离场交通需求不确定性影响下的预战术阶段跑道运行模式及进离场率优化决策,分别对航班预计进离场时间预测偏差的概率分布进行了拟合,然后基于随机规划方法建立了跑道运行模式及进离场率综合决策两阶段随机规划模型,将预计进离场时间随机场景实现后的进离场优化调度下的延误代价作为跑道运行模式及进离场率优化模型中目标函数的补偿函数,设计遗传算法与抽样平均近似方法结合的混合算法对模型进行求解,并采用广州机场实例数据基于蒙特卡洛仿真方法对模型进行仿真验证。仿真结果表明：两阶段随机规划模型相比确定性模型较为显著地减少了战术阶段预期发生的运行延误均值。     

基于空闲时间窗和多Agent的A-SMGCS航空器滑行路由规划

先进场面活动引导与控制系统(A-SMGCS)中的航空器滑行路由规划是一个典型NP难题。为解决航空器滑行路由规划的优化性和计算量之间的矛盾,提出一种基于空闲时间窗的路由规划方法,并利用多Agent系统(MAS)进行算法求解。首先,建立滑行资源图以对场面滑行区进行建模。其次,按照航班计划为航空器设置滑行优先级,并按优先级顺序依次规划路由,后规划的路由不破坏已有路由,即利用滑行路段的空闲时间窗进行规划。每次只需为一架航空器规划滑行路由,降低了问题的求解难度;通过搜索空闲时间窗获得路由使场面交通均衡分布,保证了路由规划的整体优化性。分析了空闲时间窗特性,指出空闲时间窗的可达性条件和避免同步资源交换冲突的条件。最后,设计MAS,把建立、维护和搜索空闲时间窗图的复杂集中式求解过程简化为通过路由管理Agent,航空器Agent和资源节点Agent相互协作实现对场面路由规划问题的分布式求解。仿真结果表明,设计的MAS能够快速找到空闲时间窗中的最优解;与固定预选滑行路径算法相比,航空器的平均滑行时间显著减少,最多可以节省19.6%的滑行时间。     

相关进近模式下多跑道时空资源优化调度方法

跑道作为机场飞行区与终端区的衔接部分,因容流失衡频繁引发空中交通拥堵及航班延误等问题。为提高多跑道系统运行能力,针对相关进近跑道运行模式,研究了多跑道时空资源优化调度方法。通过深入剖析多跑道时空运行特性,综合考虑移交间隔、尾流间隔、纵向间隔和相关斜距等约束限制,科学权衡安全、经济和环境等各方利益需求,建立了相关进近模式下多跑道时空资源优化调度模型。结合多目标优化及遗传算法基本理论,设计了带精英策略的非支配排序遗传算法,对模型进行了准确求解。仿真实验表明,模型可对相关进近航班进行优化配置,有效降低航班延误时间和航空发动机污染物排放量。与随机和交替调度策略相比,优化调度策略执行效果显著,其中航班延误时间分别减少了39.3%和32.6%,所提方法可显著缓解大型繁忙机场航班延误情况,有效提高航班正常率,并完全适用于独立进近模式。     

基于强化学习方法的航班滑出时间预测研究

航班的滑出时间是描述机场场面运行状态和周转效率的关键指标,其不确定性会降低航班到达目的机场的可预见性,进而带来航空资源的低效利用和燃油耗费问题。研究了一种基于强化学习的航班滑出时间预测模型。从交通状态和时序特性方面分析并提取影响滑出时间的主要特征集;利用马尔科夫决策过程建模滑出时间预测问题,并通过强化学习算法进行模型训练和测试。在真实机场场面运行数据中进行的实验表明,所提出方法不仅能够准确预测单个航班的滑出时间,还能够捕捉机场场面整体的滑行态势的变化情况,为智慧机场的建设提供新思路。