考虑相邻跑道干扰的多目标进离场航班排序优化模型

为研究并构建一类考虑相邻跑道干扰的进离场航班排序多目标优化模型,该模型综合考虑了跑道运行模式、管制员工作负荷、飞机类型、航空器安全间隔等多种因素,以航班延误最少、跑道利用率最高为目标.根据该模型特征,设计出带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)求解该非线性问题,揭示了不同目标下Pareto最优解之间的关系,将航班分配给不同跑道,确定其进离场时间.最后,本文以某机场的航班进离场为例,给出了优化方案,并将改进后优化模型与传统模型进行了对比,同时,对模型的参数进行了灵敏度分析,从而验证了该模型的正确性.     

基于航班离场成本的离场航空器滑行策略优化

针对大型枢纽机场日益严重的场面拥堵及由此导致的航班延误问题,推出率控制策略可利用机位等待代替滑行道及跑道口等待,控制场面离场航班的滑行数量,缓解场面拥挤.基于推出率控制策略同时结合场面滑行路径优化,提出了基于航班离场成本的离场航空器滑行策略.首先,构建了基于推出率控制策略的航班离场成本计算模型;然后,提出离场航空器滑行策略优化方法;最后,以航班离场成本最小为目标,采用遗传算法开展算例仿真,并选取三种策略进行对比分析.结果表明:基于航班离场成本的滑行策略不仅能减少离场航班的总滑行时间,提高场面运行效率,还能减少燃油消耗和气体排放量,具有一定的环保性.     

机场地勤服务优化问题的双重变异单亲遗传算法

为了减少地勤服务作业调度影响的航班延误,以总航班延误最小化及航班延误方差最小化为目标建立了多目标非线性整数优化模型.地勤服务作业调度优化问题是NP难问题,因此,提出了一种双重变异单亲遗传算法求解该类问题.该算法避免了遗传算法求解同类问题时产生非法个体的现象,并且双重变异策略具有全局搜索能力.结果表明:双重变异单亲遗传算法可以很好地解决航班分配服务组及服务组内航班服务序列优化的地勤服务调度问题,减少了因地勤服务作业导致的航班总延误,避免了单个航班长时间延误.     

航班地面等待问题建模及优化

首先建立了一种单机场地面等待问题的事件驱动优化模型,该模型综合考虑了航班的延误成本差异、最大延误时限以及尾流间隔等其他多种因素;然后提出了一种改进的自适应遗传算法对该模型进行求解,该算法对传统适应度函数形式和初始群体的产生加以改进,并针对问题特征定义了交叉算子.通过对多组算例进行仿真验证,实验结果表明,本文的模型与算法对降低延误成本以及控制航班最长延误时间取得了明显的优化效果.     

终端区飞机排序的人工蜂群算法

摘 要：为缓解终端区空中交通压力,研究了人工蜂群算法在终端区飞机降落排序中的应用。建立以航班总延误时间最小为目标函数的规划模型,运用人工蜂群算法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法、模拟退火算法、蚁群算法进行了对比研究。仿真结果表明：在双跑道模型下,人工蜂群算法比先到先服务算法,延误减少了48%。与模拟退火算法和蚁群算法相比,人工蜂群算法求解的结果最优且用时最少。说明应用人工蜂群算法求解终端区飞机排序问题是可行的。     

多队列航班起飞排序问题的优化模型与算法

针对一类多队列航班离场排序问题,首先建立了一种以起飞时间最少为目标函数的优化模型,然后根据模型特点设计了一种符号编码遗传算法,并给出了该算法的具体实现算子。最后,对具体问题进行了仿真求解,结果表明,文中的方法能够有效地缩减总体起飞时间,对空中交通流量管理特别是机场管理有参考价值。     

基于不确定因素扰动的机场大面积航班恢复规划研究

航班恢复过程往往会受到不确定因素的干扰,这些不确定因素可能还会进而引发一系列不确定因素的产生,造成更加严重的延误情况。为了提高航班恢复计划的鲁棒性,对不确定因素扰动下的航班恢复问题进行研究。首先,利用中国某机场的地面服务数据,研究了不确定因素对航班恢复过程中地面服务保障时间的影响。然后,建立以最小化延误成本和保证航班公平性为优化目标的航班恢复调度模型;同时考虑进场航班对离场运行的影响;并在模型中加入不确定因素对航班的干扰。最后,运用模拟退火算法对中国某机场的航班数据进行仿真,与先到先服务方法进行对比。结果表明:对于解决机场大面积航班恢复问题具有可行性。     

考虑航路网络结构的离场航班延误预测模型

针对离场航班延误预测缺少对航路网络结构因素的考虑，以及传统多分类预测难以满足高精度的需求，本文提出了一种考虑航路网络结构的离场航班延误预测模型。首先，根据离场航班所在终端区的航路网络结构，提出了航路拥挤指标，即航路流量、航路拥挤度和航路网络拥挤度，从航路网络和网络结构2个维度量化分析了拥挤特征，构造了航路拥挤数据集；然后，基于深度神经网络（deep neural network，DNN），构建了考虑航路网络结构的离场航班延误预测模型；最后，分析各类别延误样本比例，调整焦点损失函数的平衡因子以及各模型参数，进行了不同损失函数、不同数据集和不同模型参数的对比实验。结果表明：调整平衡因子后，模型预测准确率提高了2.3个百分点，融入航路拥挤数据集后，准确率继续提高了1.52个百分点，并且最终达到93.47%。可见，本文所提模型能够对离场航班延误作出有效准确判断，为民航相关单位提供决策参考。     

基于分布估计算法的离港航班排序优化

离港排序优化问题是指优化离港航班序列以减少终端区离港航班的延误,是当前空中交通管制领域需要解决的重要问题。该文基于带滑动窗的分布估计算法,实现了对此问题的求解。算法以飞机优先序列进行编码,适应度函数考虑了离港飞机起飞延迟因素,并在传统的优化流程中加入了滑动窗的排序思想,解决了多架飞机参与排序时编码空间不足的问题。仿真结果表明:分布估计算法在离港排序优化问题上具有较好的整体性能,同时滑动窗参数的选择对于优化结果具有明显的影响。     

大面积航班延误下的协同决策过程

民航业的蓬勃发展带来了航班延误这一新的问题。针对大型枢纽机场大面积航班延误的情况,基于多目标优化的思想,建立了多阶段多目标多部门的应急协同决策模型。该模型能够结合多部门意见,并随着事态的发展对决策进行动态调整。模拟实验表明该模型可以实现科学决策,对于实际的应急决策问题具有重要的意义。     

单机排序元胞传输模型在终端区排序中的应用

为缓解终端区航班延误问题,将终端区进场航空器排序过程分为航路飞行排序阶段和汇聚排序阶段,从而降低问题复杂度,结合单机排序算法与元胞传输理论,利用标准雷达引导航线,并结合实际管制经验,建立以系统运行时间最短为目标函数的元胞传输模型;根据航空器对链一体化原则,将等待着陆的航空器分组,并赋予相应的权值,针对航空器对链影响因子的不同进行排序,并结合实例计算得到系统总运行时间,起点处等待时间,最终着陆顺序等。结果分析表明,该优化模型能够反映终端区进场航班的动态特性,给出合理的航空器进场顺序,为终端区进场航班提供路径参考,满足实际的运行需求。     

考虑离场航班公平性的航班恢复优化模型

为研究考虑航空公司航班公平性的离场航班恢复问题,首先,根据某机场历史数据,研究了不确定因素对机场容量的影响,并通过贝叶斯网络得到天气等不确定因素对航班恢复过程中过站时间的影响。其次,在考虑航班优先级的基础上,构建以最小化总延误时间和基于基尼系数确定的航空公司公平性的多目标航班恢复调度模型,并且将不确定性因素对机场容量和过站时间的扰动加入到模型中。最后,运用NSGA-Ⅱ算法对国内某机场的航班数据进行算例分析,与先到先服务方法进行对比。结果表明,总延误时间降低了37.2%,航空公司公平性由0.440提升至0.202,所建模型对扰动的吸收性能较好,验证了模型和算法的可行性。     

基于旅客满意度与公平性的机场航班计划恢复研究

为了降低航班延误对旅客满意度的严重不良影响,提高航班延误恢复调度的公平性,将群体情绪模拟引入旅客满意度表征函数,并考虑航空公司公平性约束,构建了机场终端区航班计划恢复模型,运用模拟退火算法对机场航班实例进行仿真求解。与经典FCFS策略对比,所提方法在保证航空公司公平性在可接受水平之内的前提下,使旅客满意度衰减程度下降了41.58%,有效优化了机场运行服务质量。     

单亲遗传算法求解飞机降落排序问题的研究

为了保证飞机在降落时安全畅通,对飞机的降落排序进行了有效的排序,以单亲遗传算法(PGA)为基础,建立了以航班延误总时间最小为目标函数的规划模型,对着陆飞机排序进行了仿真计算,并与先到先服务算法、模拟退火算法以及蚁群算法进行了对比研究.仿真结果表明PGA算法在延误时间方面远低于先到先服务算法、模拟退火算法以及蚁群算法,但在计算性能上稍差于没有优化的先到先服务算法,因此提出该算法的可行性.     

基于AGA的地面等待问题建模及优化

考虑飞机延误成本差异以及有续航任务航班对延误时间的要求,建立了一种地面等待问题优化模型,以降低航班延误费用以及续航航班延误时间,实现多目标优化。采用自适应遗传算法对问题模型进行求解,通过对典型算例的计算,进一步说明了算法和模型的有效性。     

基于动态优化的进出港航班排序模型

针对当前终端区排队模型将进港航班与出港航班分别排序的现状,建立了基于动态优化的进出港航班排序模型.该模型将进港与出港两个过程当作一个整体来考虑,减轻了管制员的工作负荷,可将由主观因素造成的损失降到最小.模型算法动态的将出港航班插入到达流中,每次插入后对受影响的航班进行重新调整,实现了进出港航班的动态合并.基于对管制现实需要的考虑以及计算量的优化,引入了位置交换约束参数.该算法结合实际数据,在仿真实验中与先来先服务方法相比,取得了较好的结果,表明本算法具有较强的可行性.     

近距平行跑道基于相关平行进近模式排序研究

近距平行跑道基于相关平行进近模式排序能最大限度地提高跑道运行能力.介绍了相关平行进近模式,以总延误成本最小为目标函数,综合考虑跑道约束、着陆时刻约束、配对约束、排序约束和间隔约束等约束条件,建立了着陆航班排序模型,采用改进的先到先服务算法求解,得到各航班的延误成本以及总的延误成本.以上海虹桥国际机场为例,结果表明近距平行跑道采取相关平行进近模式较一起一降模式能很大程度地减少延误成本.     

离港航班延误时间预测方法

在如今的民航运行体系里,航班延误已经成为了机场和航空公司为了提高效率与控制成本的主要研究目标。为了构建更准确的离港航班延误时间预测模型,论文首先分析了导致离港航班延误发生的主要因素,并利用皮尔逊相关度系数对各因素进行相关性分析。其次基于基本BP神经网络算法（Back Propagation, BP）,构建离港航班延误时间预测模型,并进行优化;然后采用自动编码器（AutoEncoder）对BP算法进行改进;接着构建了基于支持向量机（Support Vector Machine, SVM）的预测模型并与优化后的BP模型进行对比;最后基于上海浦东机场实际历史航班数据进行仿真检验,验证了本文优化模型的准确性和高效性。     

基于跑道容量的航班恢复优化模型

为了降低航班延误造成的经济损失和旅客滞留,在不增加管制员工作负荷的基础上提高航班运行效率。本文在原有的航班恢复模型基础上,引入跑道容量模型,综合考虑旅客流、航空公司公平性以及航线重要程度的影响,建立了以各单位恢复总成本最小为目标函数的航班恢复模型,该模型适用于跑道数以及构型不同的单一机场,算例中引用国内某机场的真实延误数据,并用遗传算法和粒子群算法求解模型得到优化方案,与遗传算法相比,粒子群更适用于该模型,收敛速度更快。与现有的航班运行相对比,优化后的方案总延误时间缩短了11.85%,总延误成本减少了6.55%。最后用TAAM仿真软件分别运行实际恢复方案和优化恢复方案,报告显示优化方案中终端区产生冲突的可能性更小,管制员工作负荷更低,从而验证了模型和算法的可用性。     

基于出动效率最大的离场优化排序

飞机离场优化排序对于缓解跑道拥挤现象、提升作战体系出动效率具有重要意义。针对军航双跑道离场优化排序问题,首先建立了基于飞机在预定空域形成“任务包”时间最小为目标函数的优化排序模型,然后设计了一种基于精英反向学习策略和黏菌觅食行为的改进海洋捕食者算法进行求解,最后通过一个仿真实验,与其他算法的优化结果进行对比,改进的海洋捕食者算法使得“任务包”形成时间明显缩短,有效提升了作战飞机的出动效率,可以应用于解决飞机离场优化排序问题。