基于贝叶斯网络的机场航班延误因素分析

中国民航业近年来快速发展,航班量增多、航班密度逐步加大,许多资源配置的矛盾也日益凸显出来。机场大面积航班延误难以避免。针对上述问题,在航班延误波及分析的基础上,建立机场航班延误的贝叶斯网络分析模型。通过机场航班数据网络学习和测试,得到了不同因素对机场航班延误的影响程度、不同时间段的延误情况,为机场当局解决大面积航班延误提供决策依据。     

基于航班延误的飞机和乘客恢复模型

航班发生延误时,需要采取有效恢复措施降低航空公司的经济和信誉损失.本文利用现有飞机资源,对飞机和乘客进行合理的调度安排问题建立了飞机和乘客恢复混合整数规划模型.模型考虑了乘客的航班取消成本、航班延误成本、座舱降级成本、飞机的非正常降落位置的惩罚成本及飞机飞行成本等,以使航班恢复成本最小化为目标.对航班恢复成本进行细分,更接近航空公司在进行航班恢复时的实际情况.使用法国某航空公司真实航班数据作为算例,以验证模型的有效性和实用性.算例显示优化模型相对于航班取消方案和航班顺延方案分别使恢复成本降低了21.05%和21.46%.因此,模型能有效地解决航班航空公司飞机和乘客恢复问题,提高航空公司竞争力.     

基于排队网络模型的机场航班延误预测

机场航班量不断增长,必然会带来机场高峰时段延误水平的增加。因此机场延误水平的科学预测对确保机场运行效率具有重要意义。论文首先根据航空器运行特性建立机场排队网络模型;然后利用Lempel-Ziv算法计算不同时间尺度的航班时间序列复杂度,确定刻画航班延误的小时间尺度,由此确定排队网络模型参数,并用实例进行验证;最后运用AirTop仿真软件以全天平均延误、高峰小时平均延误作为关键指标,仿真得出机场延误水平变化趋势。通过将仿真数据与计算结果进行对比分析发现,机场排队网络模型能够较好的反应真实情况下的机场延误水平;而选用小时间尺度15 min进行机场排队网络模型参数计算,结果更贴近真实机场延误水平。     

基于航空公司的航班计划优化与延误预测

随着中国民航业的快速发展,航班延误情况一直较为严重.建立了航班计划优化模型,将软备份运力分配在飞行时间和过站时间中,提高了航班的正常率、起飞的准点率和航班串的鲁棒性;为了进一步提高航班的正常率,追踪航班串中各航班的过站机场和离场时间,用加权马尔科夫链预测处在该时间段的过站机场的延误状态,并针对不同的延误状态作出相应的延误预警,提高了航班运营的可靠性.     

基于复杂网络的多机场航班延误传播分析

为了研究多机场间航班延误的传播机理,将机场作为节点,航线作为边构成复杂网络。通过分析传染病传播过程与机场间航班延误传播过程的相似性,借鉴经典传染病传播模型(SIR)的思想,并考虑不同机场间延误传播的差异,提出机场重要度的概念,构建了多机场航班延误传播模型。对多机场航班延误传播过程的仿真结果表明:在多机场网络中,初始延误机场不同以及机场重要度不同,延误传播效果不同,但延误传播规律保持不变。对网络中重要机场进行相应管控会使发生延误的机场数量峰值下降,且按照介数值确定需进行管控的重要机场,网络中发生延误机场数量峰值下降率最大。可见,该模型可以客观反映多机场间航班延误传播的动态过程和变化规律,并可为延误的预防和恢复提供理论依据。     

受阻车辆总延误时间的计算方法

受阻车辆总延误时间是反映交通流运行效率的一个重要指标,其观测数据的科学整理与简便计算问题更为重要。根据受阻车辆总延误时间基本原理,通过对观测的交通流数据分类整理,建立受阻车辆总延误时间数学模型,合理计算受阻车辆总延误时间。在实践应用中减少计算偏差,注重建立的数学模型的科学性、实效性、简易性。     

考虑离场航班公平性的航班恢复优化模型

为研究考虑航空公司航班公平性的离场航班恢复问题,首先,根据某机场历史数据,研究了不确定因素对机场容量的影响,并通过贝叶斯网络得到天气等不确定因素对航班恢复过程中过站时间的影响。其次,在考虑航班优先级的基础上,构建以最小化总延误时间和基于基尼系数确定的航空公司公平性的多目标航班恢复调度模型,并且将不确定性因素对机场容量和过站时间的扰动加入到模型中。最后,运用NSGA-Ⅱ算法对国内某机场的航班数据进行算例分析,与先到先服务方法进行对比。结果表明,总延误时间降低了37.2%,航空公司公平性由0.440提升至0.202,所建模型对扰动的吸收性能较好,验证了模型和算法的可行性。     

基于随机松弛时间的行程时间可靠性计算模型*

提出了基于随机松弛时间的行程时间可靠性动态计算模型。研究了交通系统内部车辆间相互干扰作用对行程时间可靠性的影响。运用交通流动力学理论建立模型,证明了模型的各项异性,并基于蒙特卡洛和欧拉折现法设计相应的求解算法。模型能够较好地反映给定交通供需条件下的行程时间可靠性退化规律,量化交通流内部车辆间相互干扰对行程时间可靠性的影响。算例分析表明车辆间相互干扰程度的加剧会引起行程时间可靠性退化轨迹的明显改变,干扰越剧烈,动态行程时间可靠性的退化速度越快、达到稳定状态时的行程时间可靠性水平越低。拓展了传统行程时间可靠性计算模型仅考虑外部供需的局限性,探讨了交通流松弛时间的随机波动对行程时间可靠性的影响。所建模型和方法可以为高速公路、城市快速路、主干道等大型设施的动态行程时间可靠性预测提供理论依据和实践参考。     

基于SEIR模型的大面积航班延误传播

为研究大面积航班延误在机场间传播的规律,通过构建空中交通网络,并基于SEIR(susceptible-explored-infected-recovered)模型的基本思想,分析大面积航班延误发生时节点状态的变化规律,建立大面积航班延误传播模型,并进一步讨论模型中各个参数变化对航班延误传播的影响。算例分析表明,建立的模型可以用来描述大面积航班延误传播特性。     

基于灰色聚类的大面积航班延误的延误程度评估

为准确评估大面积航班延误的延误程度,分析了空中交通网络中大面积航班延误的形成过程,在分析人、机、环、管等影响大面积航班延误程度的因素的基础上,选取能表征大面积航班延误程度的节点、航线、到达关联节点指标.基于空中交通网络流系统建立了大面积航班延误程度评估的指标体系.利用层次分析法和熵理论方法,组合赋权确定各指标权重.建立...     

基于时效信息和深度学习的离港航班延误预测

针对离港航班延误预测问题,利用深度神经网络模型,结合时效航班信息数据和时效气象数据,提出了一种基于时效信息和深度学习的离港航班延误预测模型。利用真实数据开展数值试验,结果表明了所构建的延误预测模型可以在较短时间内获得较高的航班延误预测精度,并且具有较大的航班延误预测时效;同时随着延误时间阈值的增加,预测精度不断提高,损失值不断降低;尤其以60分钟为阈值时,模型的预测精度可以达到91.26%,说明了模型的有效性。     

基于满意度的航班延误群体性事件处置策略

为研究航班延误引发的旅客群体性事件的处置策略,本文建立旅客满意度动力学模型与延误服务价值评估模型,设计交互式问卷刻画不同种类旅客的服务效果调节因子,并设计实验定量模拟各类旅客群体在面对不同处置措施组合时的满意度变化,分析各项延误服务的价值,确定不同延误时间内航空公司与机场的最佳处置策略组合,实现了该模型从理论到实际的映射。仿真结果表明,随延误时间的增加,不同处置策略会带来不同控制效果,因此合理的处置策略能够有效提高旅客满意度,防控旅客群体性事件。     

面向航班延误场景的机位预分配模型及算法研究

针对航班延误场景下易出现机位变更的问题,文章以最小化机位冲突概率和最大化乘客靠桥率为目标,增加基于机位冲突概率的鲁棒性约束,结合机场实际业务规则构建具有良好抗延误特性的机位预分配模型,并将其建模为马尔可夫决策模型,提出基于异步优势动作评价的机位预分配算法(gate assignment algorithm based on asynchronous advantage actor-critic, GABA3C)求解该问题。为验证所提算法在各种变化场景下的适用性,文章设置3组场景实例。仿真结果表明,所提出的算法在有效提升旅客满意度的同时,还可以解决因航班延误造成的机位冲突问题。相比于自适应并行遗传算法(adaptive parallel genetic algorithm, APGA)、近端策略优化(proximal policy optimization, PPO)算法以及深度Q网络(deep Q-network, DQN)算法,该文所提算法求得的解在乘客靠桥率上的目标值分别提高了5.7%、4.6%、5.8%,在机位冲突概率上的目标值分别降低了23.5%、10.0%、17.4%。     

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）。     

基于渐近松弛的协同优化方法

针对协同优化方法受起始点影响较大、稳定性不足和收敛难度大的问题，定义了耦合一致度来衡量各学科变量间的一致性要求，并提出了基于渐近松弛的协同优化方法（CO-AR）.该方法的计算过程分为2个阶段：① 根据设定的耦合一致度，确定系统级松弛因子，并计算得到近似全局优化解;② 以第1阶段的优化解作为起始点，并选取符合一致性精度要求的松弛因子进行协同优化，求得最终优化解.减速器标准算例结果表明，所提方法能够大大降低对起始点的敏感程度，有效改善协同优化方法的收敛性和稳定性.
     

基于交通延误最小的道路养护策略研究

为了降低四车道道路在养护的时候出现的交通延误,建立起道路养护策略的优化模型来使交通延误最小化,路网总的交通延误最小用目标函数表示,总的可用工作时间为约束条件;本文通过实际案例,对该模型的实用性进行了验证。     

聚苯乙烯松弛时间谱的计算研究

通过动态线性小振幅剪切震荡实验所得的熔体储能模量G’(ω)和耗能模量G“(ω)数据,采用最小二乘法线性回归、正则法和非线性回归法分别计算得到离散松弛时间谱,优较三种方法得到结果的差别,讨论计算参数和温度对离散松弛时间谱的影响。     

基于占有率的信号交叉口引道延误推算研究

文章对引道延误和占有率分别进行了陈述,利用校验后的仿真模型,通过均匀设置在交叉口进口道的33个检测器,将进口道分为若干个小段,借助于检测器检测到的占有率和计算得到的车辆以自由行驶速度通过该检测段的时间,使用概念分析的方式推算车辆在每个断面的总延误,通过累加得到整个进口道的引道延误,结合每个周期的流量可以得到每周期的车均延误值。通过与仿真平台直接提取的延误值对比,得到延误估算的平均误差值为17.35%,即检测精度为82.65%,表明通过占有率推算进口道的延误具有较高的精度。     

基于神经树的时间序列预测

提出了一种新的神经树模型来进行时间序列预测。采用语法引导的遗传编程来进化神经树的结构以建立一个时间序列预测模型,并把它和基于神经网络的时间序列预测模型的性能进行比较,结果显示本文提出的神经树时间序列预测模型较神经网络模型有更高的可信度。