基于D*算法的场面滑行动态规划研究

研究了机场场面滑行路径动态规划问题.基于三种滑行冲突约束,建立了使航班总体滑行时间最短的动态优化模型.改进了传统的D*算法,提出了基于时间权值的冲突预测和代价修正函数.案例计算相比Dijkstra算法得到的结果减少了203s,有效减少总滑行时间,提高场面运行效率.该算法不仅可以用于滑行路径的初始规划,也适用于场面实时滑行引导的实施.     

机场冲突热点识别与等级划设方法研究

针对机场地面运行中航空器之间的潜在冲突区域,提出了基于场面监视雷达数据,提取机场机动区内航空器地面滑行轨迹,分析经过同一滑行道组件的任意两个航空器的滑行路径、滑行时间是否有重合,分析两机航向差绝对值和距离间隔是否满足特定约束条件的机场冲突热点识别方法;提出了基于冲突热点的日平均冲突航空器架次比进行热点的等级划设准则。开发了一套冲突机场热点识别与等级划设系统,并对我国中南某机场冲突热点位置进行识别并划设等级。其结果与专家反馈意见和实际管制运行情况一致,从而验证了热点识别方法与等级划设标准的合理性。机场冲突热点识别与等级划设工作可以有效提醒航空器驾驶员在地面滑行时特别关注"危险地带",降低或杜绝发生跑道入侵或地面冲突的几率,有效地提高机场地面运行安全水平。     

A*算法的场面滑行动态规划方法

针对大型繁忙机场交通冲突频发、起飞延误等问题,在战略和战术层面分别对机场场面滑行路径规划方法展开研究。简化了机场路网结构,将滑行路径规划与进离场序列结合,建立了航空器总体滑行耗时最短,延误最少的动态优化模型。在比较了流行的机场滑行路经规划算法基础上,从战术规划的角度提出了一种新的基于A~*算法的场面滑行动态规划方法和冲突解脱策略。案例仿真结果表明该方法可以快速有效的减少航空器总体滑行时间和解决滑行冲突,实现机场场面运行效率提升和机场运营的自动化。     

基于速度分配的航空器绿色滑行优化

针对航班量过快增长以及机场容量限制导致的机场滑行道拥堵问题,在航空器滑行路径优化的基础上,提出一种基于遗传算法和Yen算法的速度优化方法。首先规定速度变化剖面,以滑行时间和尾气排放为目标,以最大滑行速度和加速度为决策变量,考虑机场滑行规则和滑行限制设定约束条件,建立滑行路径和速度的优化模型;然后利用Yen算法对浦东机场16架航空器的滑行路径进行预筛选,为每个航空器分配3条路径;最后利用遗传算法进行仿真求解,依据最小滑行成本得到最优的滑行路径和速度分配方案。结果表明：优化后的滑行时间降低21.82%,尾气排放降低27.17%,滑行成本降低25.77%,且未产生冲突。可见所建立的优化模型和方法对提高场面运行效率和减少航空污染具有一定的可行性。     

基于多Agent的机场场面冲突检测与解脱算法研究

为了减少机场场面运行冲突,提高机场场面运行效率,提出了基于多Agent的场面冲突检测与解脱算法。该算法以多Agent技术建立场面资源Agent和飞机Agent模型,采用基于滑行路径和实时运动的方法来进行冲突检测,以及通过合同网协作模型进行冲突解脱。最后依据该算法进行仿真分析,验证了该算法的有效性和可行性。     

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。     

基于态势感知的滑行路径优化算法

为提高繁忙机场场面运行效率,以优化航空器滑行路径、减少航空器滑行延误时间为目标,通过分析滑行道的运行态势,构建了机场滑行路径优化模型,并提出基于态势感知的滑行路径优化模型求解算法.算例结果表明:基于态势感知的滑行路径优化算法与传统的先到先服务优化算法相比,航空器在整个滑行过程中的总运行时间下降了 5％.可见基于态势感知...     

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。     

侧向跑道机场滑行路径优化

为了缓解机场场面交通拥挤状况,提高侧向跑道机场场面运行效率,构建了侧向跑道机场航空器滑行路径优化模型.该模型以航空器加权滑行时间和延误等待时间最小为目标,提出了动态优化航班的优先级的优化方案.将航空器的运行规则转化为相应的数学约束条件,根据侧向跑道机场的滑行道调度问题进行算法设计,运用改进的遗传算法对模型进行求解,以航空器的优先级滑行序列和航空器滑行路径为染色体,基于MATLAB对双链染色体进行编码,并对4种滑行冲突与解脱进行分析.以成都天府国际机场为例进行算例分析,与先到先服务序列进行对比,采用优化方案的序列可以节省42 s,并与蚁群算法进行比对,验证了改进的遗传算法的有效性,可以为繁忙机场的滑行调度提供决策支持.     

起飞飞机后侧穿越方式下的滑行效率分析

为提高机场场面运行效率,以前侧跑道穿越方式为比较对象,对后侧穿越方式下的滑行效率进行分析。基于前后侧两种不同跑道穿越方式的机理,结合图论思想,将航空器的地面滑行速度、安全间隔及滑行道使用规则等作为约束条件,以总的地面滑行时间最短为目标函数,分别构建前侧穿越和后侧穿越两种不同穿越方式下的数学模型;根据前后侧穿越方式下的航空器地面滑行特点,设计面向前后侧穿越下航空器滑行路径的遗传算法对模型进行求解;选用重庆江北国际机场为例,统计目前在该机场运行的主要机型,从起飞滑跑距离、抗侧风能力及尾喷影响距离对其性能进行分析,计算江北机场某一天高峰小时内37架航班的地面滑行时间,比较两种穿越模式下的滑行效率。计算结果表明:单位小时内,前侧穿越结合后侧穿越模式比单独使用前侧穿越模式时的总地面滑行时间节省约9min,结合使用前侧穿越和后侧穿越的模式可以在前侧穿越延误较大的情况下提高场面滑行效率。     

具有绕滑的跑滑系统航空器滑行策略研究

为了应对空中交通流量的增加带来的挑战,很多繁忙机场建立了具有平行跑道的跑道系统来提高机场容量。绕行滑行道（End-around Taxiway,EAT）是提高具有近距平行跑道的繁忙机场运行效率的新型滑行道。本文根据具有绕行滑行道的跑滑系统的运行特点,将航空器在跑滑系统中的运行分为直接穿越、选择绕滑、等待-穿越三种滑行策略。提出具有绕行滑行道的跑滑系统滑行效率的概念,将航空器的滑行燃油最少和滑行时间最短作为协同优化目标,并结合绕行滑行道的运行规则、效率优先级作为约束条件,建立航空器地面滑行策略优化模型。从而根据该模型,选出最优的滑行策略。算例分析表明,绕行滑行道的使用可有效提高跑滑系统的滑行效率。     

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。     

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。