终端区4D飞行轨迹预测与冲突预警

为提升终端区飞行轨迹预测精度,实现航空器短时冲突预警,建立一种基于孪生支持向量回归的终端区4D飞行轨迹预测模型。对历史飞行轨迹应用重采样算法,降低轨迹数据规模;利用墨卡托投影将轨迹点经度、纬度与高度化为x-y-z坐标,采用孪生支持向量回归算法学习预测模型,实现短时航空器飞行轨迹动态预测;计算两架航空器水平、垂直距离,建立航空器冲突预警指示函数;对孪生支持向量回归算法进行超参数灵敏度分析,分析各超参数对模型预测效果的影响。根据机场真实数据进行仿真实验,证明：基于孪生支持向量回归的4D飞行轨迹预测模型能够准确捕捉航空器运动趋势,且泛化能力强;所提模型x-y-z坐标预测均方根误差是BP神经网络预测结果的32%,35%和61%,单次预测计算用时减少约0.13 s。     

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。