离港航班滑出时间的支持向量机预测模型

为解决反向传播(back propagation, 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 machine, 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：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 h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。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。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±5 min内的预测准确率可达98%。     

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。     

多跑道进离港地面等待问题建模及协同优化

针对多跑道机场起降航班难以进行跑道合理分配,尤其是混合跑道的使用问题,以降低航班延误损失为目标,提出一种基于跑道的航班优先系数计算策略,建立了一种多跑道进离港地面等待问题优化模型,并实现进离港队列延误费用的合理分配.同时,设计了一种启发式局部搜索算子并嵌入遗传算法,形成一种混合遗传算法对问题模型求解.通过对代表性算例的计算,结果表明,所提出的模型及算法不仅可以减少航班的延误损失,还可以显著优化延误损失在进离港队列之间的合理分配.     

基于SSA-BP的离港航班滑出时间预测

针对传统反向传播(back propagation, 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,并采用中国中南某枢纽机场2周的实际运行数据对预测模型进行了验证。结果表明：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;基于SSA优化后的BP神经网络预测结果误差在±60 s内的准确率提升了20%,误差±180 s内的准确率提升了12%,误差±300 s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11.73 s,均方根误差减少了61.03 s。研究成果为提升大型枢纽机场场面运行效率提供了思路。     

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%。     

停机位分配的多商品网络流模型及离散粒子群算法

本文建立了停机位分配的多商品网络流模型,并以航空器总场面运行时间最小为目标,建立数学模型。将机场场面分为若干区域,建立区域—机位两级分配策略,以降低问题规模。设置机位外等待时间,以省去区域容量相关约束。在传统粒子群算法的基础上,设计离散粒子群算法,对模型进行求解。选取乌鲁木齐机场某日240架航班和109个机位进行实验,证明了与现有研究中的典型模型相比,多商品网络流模型能使运算时间减少10.1%,并能达到与典型模型相同的精度。全空域和机场模型(total airspace and airport modeller, TAAM)仿真结果表明,和现行机位分配方案相比,多商品网络流模型的机位分配结果能使航空器的场面调配运行时间减少7.49%,延误时间减少8.87%。算例结果进一步表明,提高机场场面运行效率的关键在于均衡航班的进离港滑行距离,同时避免停机位密集分布。     

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,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(back propagation)神经网络算法,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.     

考虑缓冲时间成本的鲁棒性停机位分配

针对实际航班提前或延误给停机位分配带来的扰动问题,分析了航班实际到离港时间偏离计划时间的分布规律,提出了基于缓冲时间成本的停机位分配鲁棒性评价函数.在此基础上,建立了以缓冲时间成本、机位-航班大小差异度和远机位数等最小为优化目标的鲁棒性停机位分配模型,设计了求解模型的禁忌搜索算法.基于首都国际机场两个典型的A、B工作日实际运行数据的模型验证结果表明,所提方法与不考虑鲁棒性及传统最小化空闲时间离差平方和的停机位分配相比,在A日航班冲突分别减少了98.1%和97.6%,在B日航班冲突分别减少了74.3%和70.8%,有效地提高了停机位分配计划的鲁棒性.      

累积优先级时隙分配算法的GDP模型

针对空中交通拥挤日益严重的现象,提出一种基于累积优先级时隙分配算法的地面等待程序模型.该算法在计算航班优先级时综合考虑了航班的延误时间、延误损失费用和飞行距离三种因素,通过引入权重来调配三者的重要程度.时隙分配时,采用累积优先级较大者优先的方式.通过计算机进行仿真,仿真实验表明,本算法能得到有效正确的时隙分配方案,且与先来先服务算法、整数规划算法比较,航班总延误时间和总延误费用有较大的减少.     

基于机器学习的离港航空器滑出时间预测

准确地预测航空器的滑出时间对于提升机场场面运行安全和效率至关重要。基于机场场面运行态势分析,获得进/离港航空器滑行的时空分布特征,从而准确定义同时段离港航空器数量、进港航空器数量、起飞队列长度。基于影响因素进行相关性结论分析,构建了基于机器学习的航空器滑出时间预测模型,并使用中南某枢纽机场2周的实际运行数据对模型进行了验证。结果表明：（1）滑出时间影响因素相关性大小排序为：起飞队列长度、同时段起飞航空器数量、半小时平均滑出时间、同时段落地航空器数量、起飞使用跑道、滑出距离。（2）机器学习方法能实现对航空器滑出时间的有效预测,分类器的优劣排序为支持向量机（support vector machine,SVM）、BP（back propagation,BP）神经网络、随机森林（random forest,RF）。（3）引入弱相关的影响因素后,滑出时间预测精度会有一定程度的降低。     

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。     

面向实际运行的战略航班时刻优化技术

为了对航班时刻进行科学合理的配置,以机位、跑道和走廊口构成的系统为研究对象,考虑航班在系统内的实际运行情况,通过滑行时间和飞行时间在各关键资源节点之间建立连接.以满足关键资源节点的容流匹配为前提,建立了面向实际运行的航班时刻优化模型.以5 min为步长的滑动时间窗,设计了面向精确解的高效最优化算法并使用MATLAB工具箱编程求解.对浦东机场班期时刻表进行实例优化,并应用AirTop软件进行仿真验证.研究结果表明,优化后平均离场延误降低了3.2 min,高峰离场延误降低了23 min,放行正常率提高了11.04％,证明了该模型和算法的有效性,可以为大型机场缓解延误、保障运行效率提供航班时刻配置方案的理论支持.     

基于冲突点避让机制选择的航空器滑行路径优化

针对航空器地面滑行的问题,提出了冲突点选择避让机制来优化航空器滑行路径。通过构建地面滑行路径的节点-路段模型,以航空器全部滑行到预定节点所用时间最短为目标,建立了路径滑行优化模型。通过建立可行路径集,利用启发式搜索算法,从静态路径规划、动态路径规划两阶段对滑行路线进行优化,得到航空器滑行优化路径。以某机场某一时段内航班到离港时间数据为例,对算法进行了验证,结果显示:经算法优化后,可减少时间段内各航班的最短滑行路径的冲突,缩短滑行时间,滑行道使用较分散,可降低航空器滑行中运行风险。     

基于命中的机场航班中转衔接性优化

为解决目前国内机场中转衔接效率不高的问题,通过分析影响机场航班中转衔接性的因素,基于航班波的理论定义命中的概念及其计算方法,构建了以枢纽一日中转衔接命中数最大化为目标,同时考虑时间约束、绕航约束和跑道容量约束的时刻调整模型。设计自适应模拟退火遗传算法对模型进行求解,在自适应遗传算法中引入模拟退火的思想提高算法的全局搜索能力和收敛速度,并与传统遗传算法和模拟退火算法进行对比。对首都机场一日起降航班数据进行实证分析,分别求解出3种时间窗调整时长下的最优命中数,并迭代出相应的航班时刻表。结果表明,改进算法能在更短时间内获得较高质量的近优解,优化后的航班时刻呈现出明显的波形结构,机场的中转衔接性能得到了有效提升。     

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。     

带滑行道冲突告警功能的机场管制员培训系统的设计与实现

针对民用机场同时具有离场飞行、进场飞行和滑行道滑行等复杂运行环境,机场管制员需要具有相应的处理能力,为此设计并实现了一套机场管制员培训系统。系统的最大特点是包含了滑行道冲突检测模块。当管制员向航空器发布滑行路径指令后,该模块将检测各架航空器之间潜在的计划滑行路径冲突并向管制员告警。采用该系统培训之后,机场管制员发布的滑行指令的有效性和安全性将显著提高,使民用机场的运行更加高效和顺畅。