进离场航线网络环境影响优化研究进展

综述航迹数据分析和航线规划设计等对进离场航线网络环境影响的研究方法.航线路径设计规划是在借鉴二维路径规划的基础上,通过应用不同的启发式算法,搜索到满足条件的最优航线路径;通过进离场航线网络的次序优化原则,可实现航线网的全局优化.最后,针对进离场航线网络环境影响的研究现状,提出应增加对航空器飞行性能分析、考虑航空排放和航空噪声对居民密集区的影响等几点建议与展望.     

终端区进离场航线网络3D优化方法

为提高终端空域飞行航线设计的安全经济性与自动化水平,对航线网络3D优化问题进行了研究。针对独立航线的优化问题,采用蚁群算法优化水平方向安全经济性航线;根据终端空域航线垂直剖面数据,提出一种基于核密度估计的3D航线垂直剖面优化方法。分析得到进离场航线网络优化次序原则,逐步优化各航线,最终实现航线网络的总体优化。通过西安/咸阳机场终端区的算例分析,表明该优化方法在保证航线安全经济性同时,运行效率有很大提高。     

机场群一体化运行： 集成进离场与场面运行技术研究综述

近年来,中国民航持续高速发展,预计“十四五”末期中国民航运输机场数量将达到270个以上,逐步实现运输机场网络化覆盖。然而,由于机场之间空间分布过于密集而形成的机场集群式效应,造成邻近空域之间存在着复杂的耦合作用关系,若不能在空间和时间上对机场群内各资源进行充分解耦,则难以提升整体运行安全和效率。当前运行优化技术主要侧重于各自局部单一资源的优化,并没有统筹考虑内部跨区域的约束条件以及跨业务的运行环境,因此仅能得到局部最优化管制策略。为解决机场群全局集中式运行协同规划的实际需求,对集成进离场与场面运行(integrated arrival and departure and surface operations, IADS)技术展开综述。首先,从进场、离场和场面局部运行优化技术出发,分析中外研究近况并指明现存问题及研究局限;其次,创新性地对集成进离场与场面运行概念与技术总-分结构进行阐述,系统性说明IADS内在成分和逻辑关联;最后,分别从宏-微观尺度详细描述IADS所涉及的联合进场-离场调度排序问题、机场场面运行管理问题、进-离场航线选择问题以及基于时间的过点时序管控问题的算法框架和模型,...     

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。     

离场航班多目标优化排序研究

为缓解大面积、长时间的离场航班延误现状,研究了多目标离场航班优化排序问题,考虑连续航班对离场航班影响,建立了具有多个目标函数的混合整数规划模型,并基于多目标优化问题的Pareto最优解概念,设计了一种带精英策略的非支配排序遗传算法(NSGA-Ⅱ)求解模型.选取上海浦东机场3 h内离场航班进行仿真验证,并将仿真结果与其他算法优化方案比较,与FCFS策略相比,航班总延误降低了20. 1%,延误架次减少了20.较单一目标优化,该算法具有保持多个目标函数优异性的特点,且115架航班优化时间仅为302 s,能够较好的满足实际运行效率需求.所提方法能够有效解决离场航班多目标优化排序问题.     

基于蚁群算法的港口集装箱运输网络径流优化

针对区域性港口集装箱海上运输网络系统的最小费用流问题,引入新兴的智能仿生蚁群优化算法,用蚁群在搜索食物源的过程中所体现出来的寻优能力来解决集装箱海上运输网络系统的非线性NP-C问题;构建蚁群优化模型对某外贸经济区域内的集装箱运输网络系统进行优化计算,结果表明,所提出的优化模型可以使网络费用流在较短时间内收敛到最优状态,为下一步合理进行集装箱运输网络的航线配置提供了一个参考依据.     

考虑相邻跑道干扰的多目标进离场航班排序优化模型

为研究并构建一类考虑相邻跑道干扰的进离场航班排序多目标优化模型,该模型综合考虑了跑道运行模式、管制员工作负荷、飞机类型、航空器安全间隔等多种因素,以航班延误最少、跑道利用率最高为目标.根据该模型特征,设计出带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)求解该非线性问题,揭示了不同目标下Pareto最优解之间的关系,将航班分配给不同跑道,确定其进离场时间.最后,本文以某机场的航班进离场为例,给出了优化方案,并将改进后优化模型与传统模型进行了对比,同时,对模型的参数进行了灵敏度分析,从而验证了该模型的正确性.     

基于黑洞算法的LSSVM的参数优化

采用黑洞(BH)算法对最小二乘支持向量机(LSSVM)的惩罚系数C及径向基核函数参数σ进行搜索优化,提高LSSVM的预测性能.黑洞算法模拟自然界黑洞,吸引一定范围内的星体向其运行并吸收它们;算法在运行过程中,始终保持黑洞为最优解,通过星体的运行搜索整个空间.通过基于黑洞算法的LSSVM和基于粒子群(PSO)算法的LSSVM实现对二维函数的预测,并对二者进行了仿真研究.仿真结果证实,黑洞算法可以更好地实现LSSVM参数的优化搜索,且基于黑洞算法的LSSVM方法具有更高的预测精度.     

基于黑洞算法的LSSVM的参数优化

采用黑洞(BH)算法对最小二乘支持向量机(LSSVM)的惩罚系数C及径向基核函数参数σ进行搜索优化,提高LSSVM的预测性能.黑洞算法模拟自然界黑洞,吸引一定范围内的星体向其运行并吸收它们;算法在运行过程中,始终保持黑洞为最优解,通过星体的运行搜索整个空间.通过基于黑洞算法的LSSVM和基于粒子群(PSO)算法的LSSVM实现对二维函数的预测,并对二者进行了仿真研究.仿真结果证实,黑洞算法可以更好地实现LSSVM参数的优化搜索,且基于黑洞算法的LSSVM方法具有更高的预测精度.     

基于引力搜索算法的动车组端门自动控制技术

提出一种基于引力搜索优化算法的端门自动控制方法,解决动车组自动端门的优化控制问题。构建了自动端门系统,并阐述了系统的工作原理;根据自动端门系统驱动装置电动机的转速特性和扭矩特性建立了系统的优化控制模型;通过引力搜索优化算法实现对不完全微分PID参数的优化求解,实现了最自动端门运行过程的优化控制;实验结果表明该优化控制方法切实可行,能够满足动车组自动端门的精确运行控制要求。     

高铁枢纽车站到发线运用与进路选择综合优化研究

通过分析高铁枢纽车站接发列车和客运作业的特点,考虑接发列车技术要求和现场客运组织要求,将到发线运用和进路选择作为整体进行综合优化,以到发线运用和检票口作业量均衡、接发列车受交叉干扰程度最小为优化目标,建立0-1整数规划模型,并针对实际问题设计蚁群算法求解。最后以广州南站为案例进行分析,结果表明各到发线接发列车数量和检票口作业量较为均衡,占用同一到发线相邻两列车最小时间间隔较为合理,有利于列车运行受到干扰时接发股道和时间的调整,达到了优化到发线运用和进路选择的目的。     

基于路径交通拥堵指数的危险废物回收模型研究

针对交通拥堵对危险废物运输中的成本和风险的影响,引入路径交通拥堵指数,建立了时变道路系统中基于交通拥堵指数的危险废物回收双目标优化模型,并对传统蚁群算法中启发式因子计算公式进行了改进,提出了改进的蚁群算法对模型求解,最后以某环保公司危险废物回收问题为背景进行了案例分析。结果表明,不同出发时间和车辆使用模式对帕累托最优解有显著影响,最短路径不一定是耗能最少的行车路线。本文提出的模型和算法可为决策者制定调度方案提供参考。     

基于气象威胁场的无人机三维航迹规划

针对无人机航迹规划中气象威胁要素模糊性强、不确定性高等特点,提出了改进的BP神经网络的气象威胁度评估方法,对区域内气象威胁要素进行评估以建立表征气象威胁的气象威胁场。在所建立的气象威胁场上采用改进稀疏A*算法进行三维航迹规划,改进稀疏A*算法通过引入自适应操作提高了收敛速度以及效率。仿真结果表明,这种威胁评估方法可较为准确地评估区域内的气象威胁,改进稀疏A*算法能够准确、快速地在三维气象威胁场上寻找到最优航迹,具有一定的应用价值。     

列车运行调整与到发线运用的协同优化研究

在列车运行的过程中,受到各种不确定性因素的影响,列车可能会偏离图定运行计划,同时也会对车站的到发线运用造成干扰。针对列车运行调整与到发线运用协同的优化问题,本文兼顾列车运行调整约束与到发线运用约束,建立了多目标的整数规划模型,并设计了适用于求解该模型的分层序列鸽群优化算法。算例分析表明,模型对列车运行计划进行调整的同时,还能得到满意的到发线运用方案,并且分层序列鸽群优化算法可以快速求解列车加权总到发晚点最少和到发线占用总消耗最小的目标函数。     

森林火灾多机型救援三维航迹规划

为解决通用航空森林火灾救援时机群调度存在的航迹优化问题,提出一种针对多机型的自适应三维改进A^*航迹优化算法。目前常用的传统A^*算法存在搜索节点多、计算速度慢和受限于二维空间等缺点,综合考虑不同救援航空器实际飞行时的性能限制,从三维空间上改进搜索节点;提出考虑救援成本的代价函数,同时采用自适应方法动态调整权重。仿真结果表明,该算法能有效减少航迹规划时间和航迹长度,加快搜寻救援方案的生成速度,有效提高救援机群调度效率,更符合通用航空器实际林火救援飞行。研究成果可为提高通航森林火灾救援效率提供理论依据,具有一定的参考意义。     

学习贝叶斯网络结构的混合粒子群算法

 针对直接使用粒子群算法进行结构学习效率较低的缺陷,基于无约束优化,提出一种贝叶斯网络结构学习的混合粒子群算法。该算法首先构造并求解一无约束优化问题,其最优解对应的无向图中的边可为结构学习提供一搜索范围,缩小粒子群算法的搜索空间,然后在缩小的空间中完成对贝叶斯网络的结构学习,从而提高了粒子群算法的学习效率。仿真试验结果表明,该混合粒子群算法可以快速、准确地学习到最优贝叶斯网络结构。     

具有周期性双层优化结构的无人机集群航路规划模型

 针对多种威胁条件下的无人机集群航路规划问题,提出了集群控制方法和周期性双层优化算法。以定点抵达任务为背景,将d-范数、冲击函数与反曲函数结合起来,构建了能够实现雷诺兹准则的集群动态控制模型,并采用设计出的周期性双层优化算法求解中心无人机的航路规划问题。通过仿真算例,验证了该模型的实效性和优化算法的可行性,与遗传算法-人工势场混合算法相比,周期性双层优化算法求解效率更高且优化效果更好。     

基于组合优化理论的能量感知路由算法

针对传统OLSR算法的传输功率消耗和节点剩余能量之间的矛盾,提出了一种基于组合优化理论的能量感知路由算法(EW OLSR).首先根据传输功率消耗和节点剩余能量构建节点能量消耗数学模型,并将其作为路由选择目标函数,然后在节点剩余能量计算中引入ARIMA LSSVM组合预测模型,最后根据能量消耗最小路径选择数据传输路由.实验结果表明,EW OLSR算法不仅减少了网络能量消耗和传输时延,而且提高了分组到达率,在无线网络中具有广阔的应用前景.