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。     

不确定作业时间下机场地面服务保障设备调度优化研究

机场地面服务延误在大型枢纽机场总延误中占有较大比重。为此,从机场地面保障设备工作时间不确定性出发,对机场地面服务保障设备调度优化问题进行了研究,以更加高效地调度地面服务设备。首先,根据国内某机场历史数据,采用对数正态分布拟合机场服务设备的作业时间;并对不同服务项目作业时间的波动性进行评估。然后,建立机场地面服务保障设备调度优化模型,以提高设备调度对于不确定作业时间的适应性;并且平衡设备工作量。最后,设计了具有不确定作业时间的设备调度遗传算法;并结合实例进行验证。结果表明:提出的不确定作业时间下的机场设备调度优化方案对设备作业时间波动性具有更高适应能力,提高机场设备利用率,缩短航班机位等待时间。     

空中交通流量管理中的多机场地面等待策略

为解决航班延误问题,提出了一种考虑机场网络的延误累加效应及连续航程航班影响的多机场空中交通流量管理模型。该模型采用地面等待策略,对机场网络中各机场的延误情况进行综合考虑。当某些机场容量受恶劣天气或其他突发情况影响发生变化,使延误无法避免时,能够合理分配机场的出发和到达容量,减少航班的空中延误。结合中国3个枢纽机场的流量数据,对模型进行了仿真计算。仿真结果表明:该模型提供了一种更安全、更经济的航班调度策略,可为民航相关部门制定航班计划提供辅助的战略决策。     

多元受限地面等待策略建模与分析

为了缓解航班大批量延误问题,综合考虑了恶劣天气下对航路扇区容量和目的机场容量约束,建立了以最小化延误总成本的多机场地面等待策略模型,并对航班延误成本进行了系统的研究分析,着重考虑了延误对航空公司的经济影响,指出延误成本与延误时间的指数型增长关系和连程航班的延误累积效应.利用CPLEX优化软件对多机场地面等待模型进行精确求解,根据目的机场接收率的动态变化以及不同航班单位时间延迟费用的不同,对航班的地面延误时间优化.仿真验证了其可行性,算法可求出符合各容量约束条件的满意实时解.     

机场航班延误优化模型

针对空中交通日益严重的航班延误,给出了一种机场航班延误优化模型.模型将机场的到达和出发视为密切相关的两个过程,考虑了具有连续航程的航班(到达和出发均由同一架飞机在当天顺序执行)及其到达和出发过程之间的相互影响.模型还充分考虑了机场容量、需求以及天气等因素的动态特性,在达到和出发过程之间实现流量分配的协同决策.在机场延误不可避免的情况下,该模型可以为管制员提供未来一段时间内的流量分配优化方案,尽量降低延误的后续影响.最后,结合中国某国际机场的实际数据,利用遗传算法对模型进行了验证,取得了很好的效果.     

基于时间窗的机场地面保障车辆动态调度

机场各类地面资源的优化配置是机场场面运行优化的核心问题,而机场地面保障任务的调度是其中的关键一环。本文针对机场地面保障车辆的调度问题,考虑航班延误、提前等情况,构建了双阶段机场地面保障车辆调度模型,并设计双阶段启发式算法进行求解;基于我国某大型机场的实际运行数据,以清水车和食品车调度为例分别进行仿真实验,结果表明：对比先到先服务策略,清水车行驶总距离减少55.31%,食品车行驶总距离减少47.38%;对比传统遗传算法,清水车行驶总距离减少19.31%,食品车行驶总距离减少22.93%;动态调整后,清水车新增总行驶距离1.2%,食品车总行驶距离新增3.2%,均在可接受范围之内。可见,双阶段机场地面保障车辆调度模型能提高大型机场场面运行效率,为机场航班实际地面保障任务调度提供理论依据和决策支持。     

基于排队网络模型的机场航班延误预测

机场航班量不断增长,必然会带来机场高峰时段延误水平的增加。因此机场延误水平的科学预测对确保机场运行效率具有重要意义。论文首先根据航空器运行特性建立机场排队网络模型;然后利用Lempel-Ziv算法计算不同时间尺度的航班时间序列复杂度,确定刻画航班延误的小时间尺度,由此确定排队网络模型参数,并用实例进行验证;最后运用AirTop仿真软件以全天平均延误、高峰小时平均延误作为关键指标,仿真得出机场延误水平变化趋势。通过将仿真数据与计算结果进行对比分析发现,机场排队网络模型能够较好的反应真实情况下的机场延误水平;而选用小时间尺度15 min进行机场排队网络模型参数计算,结果更贴近真实机场延误水平。     

机场停机位实时分配研究

航班提前、延误和取消的情况发生的频率逐年增加,给机场运营指挥中心的调度计划造成了很大的干扰。建立了应对机场非正常运行的停机位实时分配模型,目标是对原停机位分配方案干扰最小。模型的计算结果不仅包含飞机停机位实时分配方案,还包括飞机的降落时间。在建立模型后,使用CPLEX优化软件对模型进行求解,数据采用某枢纽机场的实际航班数据,验证了模型的有效性。最后进一步研究了解决停机位使用次数和使用时间的均衡化问题,更加贴近实际情况。     

航班延误优化模型及算法

针对航班延误问题,通过谱系聚类的方法对20所机场进行分类,分析中国航班延误的原因,得出飞机在终端区的排序问题是制约空中流量控制的一个重要因素,在已有的FCFS(先到先服务)的排序方法之上,通过多因素的比较,建立模糊综合评价指标,利用模糊综合评价和层次分析相结合的方法对已有的FCFS排序方法进行改进.通过对航班预计到达时间、航班飞行速度及飞行性质3个因素,利用Matlab编程对10架航班进行仿真处理,对终端区航班进行重新排序,验证了模型的有效性.     

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。     

基于贝叶斯网络的机场航班延误因素分析

中国民航业近年来快速发展,航班量增多、航班密度逐步加大,许多资源配置的矛盾也日益凸显出来。机场大面积航班延误难以避免。针对上述问题,在航班延误波及分析的基础上,建立机场航班延误的贝叶斯网络分析模型。通过机场航班数据网络学习和测试,得到了不同因素对机场航班延误的影响程度、不同时间段的延误情况,为机场当局解决大面积航班延误提供决策依据。     

机场终端区流量分配及优化调度

针对日益增长的空中交通需求所带来的严重的航班延误,给出了一种空中交通流量管理(ATFM)终端区流量分配及优化调度的模型.它可以实现对终端区某一特定时段内现有容量更有效的利用,进一步优化流量分配方案从而减轻航班延误的影响.模型在考虑机场的到达和出发过程相关的条件下实现对机场流量的最优分配,还考虑了机场容量按时间动态分配的特性以及在交通需求和天气的动态特性下,达到和出发过程之间的流量协调.最后利用中国某国际机场的实际数据对模型进行了验证,取得了很好的效果.     

空中交通流量管理中地面等待策略问题的探讨

随着我国经济不断的迅猛发展,国民收入不断增加,人们外出公干旅游较之以往飞速增长,而选择乘坐飞机作为交通工具的人群也日益增多。因此我国各大航空公司的飞机、航线数量都突飞猛进,但由于空中交通还有很多区域并没有开放,这也客观上导致经常出现航班延误,是继除天气影响第二大航班延误的重要原因。正因为如此,为缓解航班延误问题,本文制作了一套空中交通流量管理模型。这套模型的原理是如果机场会因为天气的原因而导致航班的延误,这种情况是无法避免的。将各个机场的出发航班以及到达航班进行有效的管理,合理分配各个航班,这个模型可以有效的缓解航班延误的问题。这个系统将国内5个最重要的枢纽机场的航班流通量的数据结合起来对模型进行了仿真计算。我们可以通过模拟得知,该模型会为航班提供调整策略,也会帮助航空部门制定相应的航班计划,使策略更安全更有效,也因此能大幅度降低航班延误的可能。     

考虑目的地机场繁忙程度的航班时刻优化

为研究考虑目的地机场繁忙程度的航班时刻优化问题,建立了目的地机场繁忙程度矩阵,并对目的地机场繁忙程度进行了分级,在满足延误水平的基础上,以最小的航班运行延误和对目的地机场产生的影响为总目标研究了基于目的地机场繁忙程度的航班时刻优化模型,将所建立的航班时刻优化模型与粒子群算法耦合,并以武汉天河机场为例对航班时刻进行优化。结果表明:优化后进场航班延误降低了48.58%,离场航班延误降低了44.88%,计算结果有效且符合实际。可见优化模型可行,能为机场航班时刻优化和改善延误问题提供重要的理论指导和技术支撑。     

基于易感者-染病者-易感者的时变机场网络延误传播模型

为宏观角度分析机场网络延误传播机理,基于复杂网络易感者-染病者-易感者(susceptible-infective-susceptible, SIS)传染病模型建立了延误传播模型。从机场网络延误传播的时变性和与SIS传染病模型的相似性入手,以机场为节点,定义了其在机场网络延误传播过程里存在的不同状态,依据节点状态间的转变机理,建立机场网络延误传播动力学模型,并根据航班时刻规划航班流运输路径。以全国153个机场为例,采集航班延误数据,进行模型仿真并分析实验参数。结果表明:机场网络延误节点的延误影响范围有限,且网络对延误的传播能力具有一定的抑制性,很少出现全网的崩溃现象;该模型具有有效性和实用性,可以较好地仿真实际延误的传播过程。     

基于最小费用流模型的不正常航班恢复问题研究

突发事件会导致航班计划无法按原计划执行,给航空公司及旅客带来巨大损失。而航班恢复问题的难点除了相关因素的复杂性,主要的体现在恢复方案的即时性。因此,为了提出快速有效的航班恢复方案,以降低损失,笔者通过时空网络技术对不正常航班的恢复问题进行描述,实现了对航班在空间和时间上的追踪。基于最小费用流模型,建立了以最小总延误时间为目标函数的整数规划模型,模型同时考虑了航班延误,飞机置换及航班取消的调度策略,并提出采用Floyd-Warshall算法对建立的模型进行求解。最后,通过算例对模型及算法进行验证。研究结果表明：针对突发状况,建立的模型及算法可提出合理的航班恢复方案,证明了模型及算法的可行性及有效性。建立的模型具有普适性,对不正常航班恢复问题的研究具有借鉴意义。     

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。     

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.     

基于多机场终端区交通态势的航班延误预测

为了针对性地制定后续优化措施,以降低多机场终端区内航班延误所带来的不利影响,并提高多机场系统内各机场的运营效率,进行多机场终端区航班延误的预测研究。首先,考虑多机场终端区交通态势对航班延误的影响,在对多机场终端区交通态势进行分析的基础上,建立了6个描述终端区交通态势的指标。接着,构建反向传播（back propagation,BP）神经网络航班延误预测模型,将终端区交通态势指标、航班信息和天气环境数据等作为输入,航班延误时间作为输出,并利用粒子群优化算法（particle swarm optimization,PSO）优化BP神经网络进行训练。通过实例验证和分析,基于多机场终端区交通态势的航班延误预测能够有效提高预测准确率,同时,通过粒子群优化BP神经网络的预测模型预测准确率均高于一般的考虑交通态势的BP和遗传算法优化的BP神经网络模型（genetic algorithm and back propagation,GA-BP）。