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。     

终端区航空器排序方法研究

终端区空中交通流量瓶颈问题需要采用动态解决方案,文章应用A*启发式算法处理航班排序优化问题,在考虑航班最小安全间隔的基础上,尝试寻找最小最有进场航班序列,使航班总延误和平均延误最小。     

终端区进场航线交叉点通行能力研究

终端区航线交叉点是空中交通运行的瓶颈,其通行能力是表征交叉点运行状态的重要指标,深入研究交叉点的通行能力,能够为进离场航线优化及航线网规划提供理论指导,并为减少航班延误提供必要的技术支持。借鉴地面道路交叉口通行能力已有研究成果,依据终端区空域结构及航空器飞行特征,创新地提出终端区进场航线交叉点通行能力定义,建立了计算模型,深入分析了航空器飞行速度、机型组合、航线夹角对通行能力的影响。以天津机场终端区为例,计算进场航线交叉点CG点的通行能力,进行了实例验证及分析。     

基于点融合技术的机场终端区运行效率

为解决繁忙终端区运行效率低、飞行冲突严重、管制员工作负荷大、通信频道拥堵等问题,提出了一种基于点融合技术的进场航班流排序方法.通过细化基于点融合的进场航班排序过程,分析了基于点融合程序的空中交通管制工作流程;基于雷达管制模拟机设计并验证了点融合程序应用于中国西南某机场终端区的可行性.结果 表明:点融合程序能解决终端区大流量情况下的进场航班排序问题,相比于现行程序而言,雷达引导、高度速度调整指令次数均有不同程度的减少,有效降低了管制员和飞行员工作负荷,改善了陆空通话拥挤现状.同时,进场航班间的飞行间隔更均匀、有序,进场时间和间隔均有一定程度的减小,终端区空域容量和运行效率显著提升,能有效缓解航班延误.     

基于航迹的终端区进场效率

随着空中交通量持续增长,空域拥堵、资源紧张、航班延误等问题愈发严重.为了在现有运行环境下提高终端区效率,提出了水平维度与垂直维度联合的终端区进场效率综合评价指标.以天津滨海国际机场为例,基于航迹数据对终端区进场效率进行分析,以评估机场短期改进的潜力.评估结果显示:天津机场终端区进场效率整体较低;不同进场方向航班进场效率不同;航班下降过程中平飞段较多,导致较大的垂直偏差和较长的额外时间;研究还发现水平维度和垂直维度效率评价指标间存在一定的相关性,随着额外时间的增加,垂直偏差也会相应地增加.天津机场可以通过更好地遵循最佳性能剖面来减少额外时间和降低垂直偏差,从而提升终端区效率.     

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）。     

基于燃油消耗的终端区进场效率评估

随着空中交通流量的增加,为缓解机场终端区拥挤及效率低下等问题提供参考指标,本文基于航空器燃油消耗的终端区进场效率指标,以弥补当前普遍使用的时间效率指标无法综合评估进场航班运行经济性、节能减排等问题。本文首先基于燃油消耗定义终端区进场航班效率指标,利用ADS-B数据提取并利用k-means聚类以天津机场为中心的40海里内的进场航班数据;接着通过飞机性能数据库(Base of Aircraft Data, BADA)油耗模型计算8月份天津机场进场航班油耗,并分析了天津滨海国际机场的进场效率,以及气象、终端区拥挤程度限制因素;最后,将燃油效率与传统进场效率作相关性检验,结果表明该指标具有合理性。     

基于连续下降运行的终端区环形进场航线设计

为了提高多机场终端区运行效率,增加其空域容量, 本文构建了基于连续下降运行模式的终端区环形进场航线结构和运行规则,并使用实际扇区结构和数据进行仿真验证。首先构建环形进场航线,由多条椭圆矩形等待航线和圆形准备航线组成;其次设计相应的进场运行规则;然后建立航空器进场顺序优化模型,使用模拟退火算法对其进行求解;并应用蒙特卡洛仿真方法计算终端区极限进场容量;最后使用实际终端区(ZSSSAP)结构数据进行实例验证。实验结果表明,环形进场航线在繁忙状态时可有效减少终端区内进场航空器瞬时峰值数量(降幅21.90%)和平均进场时间(降幅3.14%),平均进场时间可在顺序优化后进一步降低(降幅6.59%);并提高终端区进场航空器容量(增幅4.82%);在空域运行态势方面,环形进场航线模式可大幅度降低空域复杂度峰值(降幅61.29%)。     

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。     

基于优先级的航班到达调度算法

随着空中交通流量的迅猛增长,终端区空中交通拥堵以及由此导致的航班延误现象日益突出,甚至危及航空安全,航运效益也随之受到巨大的损失。作为终端区流量管理的核心,航班到达调度旨在为终端区待着陆的航班安排合理的着陆顺序和降落时刻,在确保安全的前提下提高进港航班运行效率。基于优先级思想,文章提出了PBSA和PBSA-CPS两种航班到达调度算法,并引入约束位置交换概念,以提高调度结果对于管制员的可操作特性。最后以首都机场为例进行了仿真,并与现行的先到先服务算法FCFS进行了对比。仿真结果表明,通过对航班赋予相应的优先级,有助于优化调配到达航班队列的降落时隙分配结果,提高终端区运行效率,减少延误损失。     

进近区域到达航班排序和调度的优化

为了减少中国目前由于空中交通管制手段落后而引起的航班延误,提高航班调度的效率和空域的利用率,建立了到达航班排序和调度问题的混合整数规划模型,分析了求解问题的特点,提出了一种启发式算法。该算法结合了空管知识,通过预估未来一段时间内的流量状况实施调度,同时引入优先权,体现了连续航程航班和延误较大的航班的优先级。对算法进行了验证,结果表明:该算法能有效减少航班的延误和空中盘旋等待,提高了空域利用率,对改善中国空中交通管制的自动化水平具有实际意义。     

基于多目标融合及改进遗传算法的终端区进场协同排序

未来中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,从航空器延误、管制员负荷以及各机场资源平衡3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,利用结合模拟退火算法(simulated annealing algorithm, SAA)的非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithmⅡ,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地提高航空器排序的效率。     

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.     

无人飞行器延时航迹规划方法

编队飞行中无人飞行器由于战场态势改变等原因常常需要延迟打击目标。在定高飞行模式下,提出了基于分层规划的延时航迹规划方法,首先基于最小风险值选择最佳延时机动区域,然后采用基于解析法的延时航迹规划算法,生成满足延迟时间和飞行约束条件要求的延时机动航迹。通过分析计算各个航迹段附近区域的风险值,确定了无人飞行器延时机动的安全飞行区域;基于解析法提出徘徊延时航迹的规划算法,并用该算法生成满足飞抵时间延迟量要求的延时航迹。仿真结果显示,徘徊延时航迹规划算法能够高效准确地规划出需要的延时航迹,规划总时间在规定的时间范围内,较好地满足了无人飞行器需要延时飞行的时间要求。     

基于改进卷积网络的终端区4D航迹预测与冲突检测

随着不断扩大的旅客运输量和航线网络规模,采用飞行计划结合空中交通管制的空中管理办法已经不能与当前民航需求和空中交通流量相匹配,直接影响到航班正常率和运行安全。为解决这一问题,国际民航组织(International Civil Aviation Organization, ICAO)提出了基于航迹运行(trajectory based operation, TBO)的下一代空中交通管理运行理念,中国民航也提出了智慧民航的建设方案和目标。其中4D航迹是TBO运行的核心组成部分,也是中国建设智慧民航的重要技术指标,其可以对航空器的运行进行精确地管理和控制。因此,提高4D航迹预测的准确性成为了目前急需解决的核心问题。面向航空器的飞行任务实施阶段,从4D航迹预测和冲突检测两个问题进行了研究。在航迹预测方面,采用了基于卷积神经网络-双向门控循环单元(convolutional neural networks-bidirectional gated recurrent unit, CNN-BiGRU)的模型对航迹进行高精度预测;在冲突检测方面,引入了航迹距离检测函数以检验预测模型生成的两条航迹是否...     

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。