基于智能算法优化BP的航空器滑出时间预测

滑出时间是评估大型机场场面运行效率的主要性能指标,科学准确地预测离港航空器的滑出时间,对于提升场面运行效率至关重要。首先,分析了航空器滑出时间影响因素及相关性,构建了基于BP神经网络的航空器滑出时间预测模型。针对BP神经网络存在对初始权值和阈值敏感、准确性和稳定性欠佳等缺点,分别采用粒子群算法和麻雀搜索算法获取BP神经网络的最优权值和阈值,并采用我国中南某枢纽机场2周的实际运行数据对智能算法优化后的预测模型进行了验证。结果表明：①滑出时间与半小时平均滑出时间、起飞队列长度、同时段滑行的离港航空器数量均有强相关性,与同时段滑入的进港航空器数量中度相关,与滑行距离和经过冲突热点区域个数相关性较弱;②考虑强相关和中度相关影响因素的4元组合预测模型的预测结果最佳;③智能优化算法通过获取神经网络的局部最优权重和阈值,可有效地提升航空器滑出时间预测结果的精度,但运算过程耗时也更长;④基于PSO优化后的BP神经网络预测结果较优化前的MAPE提升了1.13%,MAE减少了4.48s,RMSE减少了4.68s;基于SSA优化后的BP神经网络预测结果较优化前的MAPE提升了3.05%,MAE减少了16.55s,RMSE减少了14.32s。     

考虑天气因素影响的离港航班滑出时间预测

针对现有滑出时间预测研究成果未考虑天气因素影响的问题,基于航空例行天气报告(meteorological terminal aviation routine weather report,METAR),构建了考虑天气因素的离港航班滑出时间预测模型。首先,通过分析航空器场面运行态势,厘清了进离港航班滑行过程的时空交叠关系,重新定义了滑出时间的影响因素,并分别阐述了航班运行数据和气象数据的分析流程。基于相关性分析结果构建了滑出时间的反向传播（back propagation,BP）神经网络预测模型,并采用蝗虫优化算法(grasshopper optimization algorithm,GOA)对模型进行优化。以深圳宝安机场2周的实际运行数据对模型进行了验证,结果表明：（1）天气因素是滑出时间的主要影响因素之一,引入量化后的天气因素可显著提升滑出时间预测结果。（2）重新定义的同时段推出及滑行的进离港航班数量、进离港队列的概念和数据样本更加精准,相关性分析结果更加客观。（3）基于GOA-BP的滑出时间预测结果精度有明显提升,MAE和RMSE分别减少了11.40 s、12.62 s,MAPE提升了0.37%;±3 min和±5 min的准确率分别高达81%和94%。     

离港航班可变滑出时间预测方法及应用

考虑离港航班可变滑行时间的可量化影响因素,构建了基于BP神经网络的离港航班可变滑出时间预测模型,然后采用遗传算法（Genetic Algorithm, GA）优化BP神经网络的权值和阈值,并提出基于可变滑出时间预测结果的航空器推出控制策略。最后,基于我国中南某枢纽机场2周的实际运行数据对预测模型及控制策略进行了验证。结果表明：①离港航班的可变滑出时间与机场场面交通流有强相关性,与平均滑出时间中度相关,与滑行距离相关性和转弯个数较弱;②基于GA优化后的BP神经网络预测结果误差在±60s、±180s、±300s内的准确率分别提升了14%、10%和5%;预测结果的平均绝对误差百分比提升了1.87%,平均绝对误差和均方根误差分别减少了3.58s、32.45s。③基于可变滑出时间预测的离港推出策略比实际推出时间平均晚68s。研究成果为提升大型枢纽机场场面运行效率和协同决策能力提供了新的思路。     

离港航班滑出时间的支持向量机预测模型

为解决BP神经网络在离港航班滑出时间预测精度欠佳的问题,构建了基于支持向量机(Support Vector Mac, SVM)的离港航班滑出时间预测模型。首先,分析了影响离港航班滑出时间的可量化因素,构建了基于相关性分析的离港航班滑出时间预测模型;并对比分析了基于SVM和BP神经网络的滑出时间预测结果。结论表明：(1)离港航班滑出时间与同时段推出航班数量、同时段起飞航班数量、同时段落地航班数量、1小时平均滑出时间呈现强相关性,与滑行距离、转弯个数、延误时间相关但不显著,与起飞时刻所在时段不相关。(2)基于SVM和BP神经网络的预测结果趋势是一致的,考虑强相关和中度相关影响因素的七元组预测结果准确率达到最佳;引入不相关因素后模型的预测精度会下降。(3)基于SVM的滑出时间预测模型精度显著高于BP神经网络预测模型,滑出时间误差范围在内的预测准确率可达98%。     

基于SSA-BP的离港航班滑出时间预测

针对传统BP神经网络在离港航班滑出时间预测时存在对初始权值和阈值敏感、准确性和稳定性不好等缺点,提出了一种基于麻雀搜索算法(Sparrow Search Algorithm, SSA)获取BP神经网络的最优权值和阈值的方法。首先分析了离港航班滑出时间的可量化影响因素及相关性,然后构建了基于SSA-BP的离港航班滑出时间预测模型,并采用我国中南某枢纽机场2周的实际运行数据对预测模型进行了验证。结果表明：①离港航班滑出时间与同时段滑行的离港航班数量强相关,与同时段滑行的进港航班数量、同时段推出的离港航班数量、平均滑出时间中度相关,与滑行距离和转弯个数弱相关;②基于SSA优化后的BP神经网络预测结果误差在±60s内的准确率提升了20%,误差±180s内的准确率提升了12%,误差±300s内的准确率提升了7%;预测结果的平均绝对误差百分比提升了2.61%,平均绝对误差减少了11.73s,均方根误差减少了61.03s。研究成果为提升大型枢纽机场场面运行效率提供了思路。     

高密度机场空中交通运行特性分析

为准确把握高密度机场空中交通运行规律,有效支撑航空运输建模、仿真、分析与实验等工作,亟需对其交通运行涉及的诸多特性进行科学分析。采用总量分析、概率统计、假设检验、包络分析、相关分析、聚类分析等理论方法,对高密度机场的交通计数分布特性、交通运行时间特性、进离场互适应特性、交通运行相关性、场面交通拥堵特性等进行了系统和全面地分析。上海浦东国际机场实例研究表明,单位时间内跑道/停机位的进场流和离场流计数服从泊松分布,滑行延误时间和无阻碍滑行时间分别服从对数正态分布和正态分布,进离场交通流之间存在明显的耦合作用关系,场面滑行时间与离场累计流量、进场累计流量、起飞队列长度、降落队列长度之间存在显著的线性相关关系。在此基础上,对机场场面拥堵等级及各关键指标临界值进行了分类识别与计算分析。所提方法对任意机场系统均具有普适性,可为机场运行管理和空中交通管理提供理论依据和建模参考。     

终端区航空器飞行间隔研究

针对终端区不合理的航空器飞行间隔严重影响飞行安全和机场吞吐量的问题,提出了基于场面监视雷达历史运行数据的终端区航空器飞行间隔算法。通过分析离散的场监雷达点迹数据,可获得航空器的历史轨迹。基于航空器起飞时刻和降落时刻提出了航空器间在不同起降序列下的时间、距离间隔计算方法。研究了机场流量、航空器起降序列、跑道的使用方向变化对航空器飞行间隔的影响。实践结果表明,场面监视雷达数据可以有效地用于分析航空器间的时间和距离间隔;机场流量与终端区航空器飞行间隔负相关,航空器间的时间间隔和距离间隔正相关,飞行间隔与跑道使用方向变化无关。合理的起降次序和良好的管制习惯可有效地缩小终端区航空器飞行间隔。     

A*算法的场面滑行动态规划方法

针对大型繁忙机场交通冲突频发、起飞延误等问题,在战略和战术层面分别对机场场面滑行路径规划方法展开研究。简化了机场路网结构,将滑行路径规划与进离场序列结合,建立了航空器总体滑行耗时最短,延误最少的动态优化模型。在比较了流行的机场滑行路经规划算法基础上,从战术规划的角度提出了一种新的基于A~*算法的场面滑行动态规划方法和冲突解脱策略。案例仿真结果表明该方法可以快速有效的减少航空器总体滑行时间和解决滑行冲突,实现机场场面运行效率提升和机场运营的自动化。     

廊桥刮碰航空器风险评估方法

廊桥刮碰航空器指航空器滑入、滑出廊桥或廊桥对接舱门时发生剐蹭、碰撞,造成航空器受损等影响正常运行的事件。提出基于前端数据的廊桥刮碰航空器风险评估方法体系,推进新技术与传统风险管理相结合,事前运用科技手段采集前端数据,在对数据进行有效处理的基础上定量评估风险,实现风险早期预警与精确管控。对提出的风险评估方法进行实例验证并提出风险防控措施,实现客观、定量地评估机场场面风险,保障机场运行安全。     

近距平行跑道机场绕行滑行道使用策略研究

为了给近距平行跑道机场制定和优化航空器场面运行策略提供理论依据,提升跑道运行安全水平和效率、减少机场运行场面冲突、降低安全隐患。本文分析并建立基于进、离港航班平均地面滑行时间最小为目标的绕滑使用决策模型,并以某机场两条近距平行跑道绕滑运行为例,采用数值计算和AirTOp运行仿真软件两种方式验证了该模型的可行性。算例结果表明,由该模型确定的绕滑使用策略,可以同时降低机场进、离港航班的延误水平,提高地面滑行效率。并且,通过对该机场航班运行数据的进一步研究发现,起飞跑道交通密度与绕滑使用率之间存在较为明显的正相关关系,进而提出针对该机场在高峰小时运行架次和起降比变化情况下的绕滑运行策略。     

基于态势感知的滑行路径优化算法

为提高繁忙机场场面运行效率,以优化航空器滑行路径、减少航空器滑行延误时间为目标,通过分析滑行道的运行态势,构建了机场滑行路径优化模型,并提出基于态势感知的滑行路径优化模型求解算法。算例结果表明：基于态势感知的滑行路径优化算法与传统的先到先服务优化算法相比,航空器在整个滑行过程中的总运行时间下降了5%。可见基于态势感知的滑行路径优化算法可以提升滑行道的整体运行效率。     

进场航空器跑道占用时间预测

摘 要：为了准确预估跑道占用时间（runway occupancy time, ROT）,提出了一种将灰狼优化算法和随机森林算法结合的预测模型。首先基于ADS-B轨迹,根据纽瓦克自由国际机场的实际运行情况,提取出进场航空器的跑道占用时间;其次分析跑道出口选择、跑道出口角度、气象条件、跑道入口端速度、跑道出口端的速度、机型、航空公司对跑道占用时间的影响;最后利用灰狼算法实现随机森林参数优化,基于优化后的随机森林模型完成对进场航空器跑道占用时间的预测。实验结果表明,相比实验和文献中的其它方法,该方法对跑道占用时间的预测更为准确,预测值与实际误差值在10 s内的占93.6%。研究结果可用于大型机场实际运行航班跑道占用时间预测。     

基于视频图像处理的机场航空器冲突检测

 针对场面监视雷达成本较高、不适用于流量较小的中小机场等问题, 采用多摄像机对机场场面航空器进行动态跟踪, 采用图像边缘检测和形态学处理方法对目标进行识别, 跟踪和提取航空器的飞行轨迹并分析其位置和速度参数, 提出了运动目标跟踪算法和基于DCPA 和TCPA 的滑行冲突检测模型, 开发了基于视频图像处理的机场航空器冲突检测原型系统, 并应用于西南某通航机场。实验表明, 视频图像处理技术和冲突检测模型可用于中小机场的航空器识别和冲突检测, 提高机场安全运行水平。     

机场独立运行跑道起飞容量计算模型

跑道容量的确定是多条跑道开设时机的依据.给定了独立运行跑道起飞容量的概念,分析了各种影响跑道起飞容量的因素,按典型正态分布问题建立了计算模型;根据起飞飞机的速度关系和空管规则综合考虑了跑道占用时间、飞机前后间距标准、空管规则、风速影响、起飞公共段长度等影响因素,从理论上分类建立了机场独立运行跑道起飞容量的计算模型,提出了确定容量的方法,并利用某机场的实际运行航班数据对起飞容量进行计算,计算结果验证了该模型的实用性和可行性.     

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.     

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。     

机场冲突热点识别与等级划设方法研究

针对机场地面运行中航空器之间的潜在冲突区域,提出了基于场面监视雷达数据,提取机场机动区内航空器地面滑行轨迹,分析经过同一滑行道组件的任意两个航空器的滑行路径、滑行时间是否有重合,分析两机航向差绝对值和距离间隔是否满足特定约束条件的机场冲突热点识别方法;提出了基于冲突热点的日平均冲突航空器架次比进行热点的等级划设准则。开发了一套冲突机场热点识别与等级划设系统,并对我国中南某机场冲突热点位置进行识别并划设等级。其结果与专家反馈意见和实际管制运行情况一致,从而验证了热点识别方法与等级划设标准的合理性。机场冲突热点识别与等级划设工作可以有效提醒航空器驾驶员在地面滑行时特别关注"危险地带",降低或杜绝发生跑道入侵或地面冲突的几率,有效地提高机场地面运行安全水平。     

起飞飞机后侧穿越方式下的滑行效率分析

为提高机场场面运行效率,以前侧跑道穿越方式为比较对象,对后侧穿越方式下的滑行效率进行分析。基于前后侧两种不同跑道穿越方式的机理,结合图论思想,将航空器的地面滑行速度、安全间隔及滑行道使用规则等作为约束条件,以总的地面滑行时间最短为目标函数,分别构建前侧穿越和后侧穿越两种不同穿越方式下的数学模型;根据前后侧穿越方式下的航空器地面滑行特点,设计面向前后侧穿越下航空器滑行路径的遗传算法对模型进行求解;选用重庆江北国际机场为例,统计目前在该机场运行的主要机型,从起飞滑跑距离、抗侧风能力及尾喷影响距离对其性能进行分析,计算江北机场某一天高峰小时内37架航班的地面滑行时间,比较两种穿越模式下的滑行效率。计算结果表明:单位小时内,前侧穿越结合后侧穿越模式比单独使用前侧穿越模式时的总地面滑行时间节省约9min,结合使用前侧穿越和后侧穿越的模式可以在前侧穿越延误较大的情况下提高场面滑行效率。     

侧向跑道机场滑行路径优化

为了缓解机场场面交通拥挤状况,提高侧向跑道机场场面运行效率,构建了侧向跑道机场航空器滑行路径优化模型.该模型以航空器加权滑行时间和延误等待时间最小为目标,提出了动态优化航班的优先级的优化方案.将航空器的运行规则转化为相应的数学约束条件,根据侧向跑道机场的滑行道调度问题进行算法设计,运用改进的遗传算法对模型进行求解,以航空器的优先级滑行序列和航空器滑行路径为染色体,基于MATLAB对双链染色体进行编码,并对4种滑行冲突与解脱进行分析.以成都天府国际机场为例进行算例分析,与先到先服务序列进行对比,采用优化方案的序列可以节省42 s,并与蚁群算法进行比对,验证了改进的遗传算法的有效性,可以为繁忙机场的滑行调度提供决策支持.     

基于多目标融合及改进遗传算法的终端区进场协同排序

未来我国终端区将逐年递增,根据数据显示终端区内空域资源与飞行流量的增长不成正比,终端区内流量趋于饱和。为了有效提升终端区运行的效率,确保航空器在其空域的安全飞行,降低管制员的负荷以及公司的运行成本,本文从航空器延误,管制员负荷以及各机场资源平衡三个方向建立多机场终端区航空器进场协同排序模型。首先,通过对终端区范围界定,运行主要问题的研究以及空域结构的分析了解终端区系统的相互关联因素;其次,通过对终端区进场航空器的线路、交叉点的单独分析,找到相应的共同点和影响较高的运行系统相关性因素,相关的约束以及主要的解决目标;最后利用结合模拟退火的NSGA-II算法对该模型进行求解。结果表明基于改进遗传算法对该模型求解后对比先到先服务模式以及未改进的遗传算法在效率上分别提高26.3%和53.2%。由此可见,所提出的模型能有效的提高航空器排序的效率。