基于累积延误损失算法的GHP模型

考虑不同机型的不同延误损失费用提出了一种累积延误损失算法,并建立基于该算法的地面等待策略(GHP)数学模型.该算法进行到达航班排序时,以所有航班总延误损失费用为首要排序标准,以先来先服务为第二排序标准,从而得到总延误损失费用与总延误时间值都较小的到达航班序列.同时,该算法也考虑了有后继任务的航班对到达航班序列的影响.基于该算法的GHP模型结合实际数据在实验仿真中取得了较好的效果,表明了该算法与模型的实用性与有效性.     

基于航班模糊聚类的时隙分配均衡模型

为了科学合理的利用机场时隙资源,克服现有模型只考虑效率性的缺陷,建立了效率性和公平性转换的均衡优化模型;利用模糊聚类方法对航班进行分组,并计算相应的延误损失费用,应用人工鱼群算法快速求解模型;对20架航班进行算例仿真,结果显示均衡优化模型的总延误损失费用为102800元,高于指派模型和改进的指派模型的83600元,但是最大延误损失费用为10000元,低于指派模型的16000元以及改进指派模型的15000元.仿真结果验证了效率性和公平性不能同时达到最优,说明了均衡模型能够让延误损失费用在各航班之间均匀分配,更具公平性.     

多机场网络系统流量分配策略

为有效减少机场交通拥挤、降低航班延误,从系统角度研究战略层面的机场交通供需平衡问题.通过考虑单机场进场和离场间的相关性以及多机场联程航班间的关联性,提出了开放式多机场有向网络交通流系统;基于多元容量受限约束和联程航班约束,以最小化网络系统内所有航班的总延误为目标,建立了开放式多机场网络配流模型.结合国内三大机场的实际航班数据,对模型进行了仿真验证.仿真结果表明:所建模型可以对多机场网络系统流量与容量进行协调优化匹配,充分利用系统容量最小化系统航班延误;可为空管部门提供流量调配优化策略、为民航部门制定航班计划提供辅助决策依据.     

不正常航班延误调度模型及算法

恶劣天气、航空管制、机械故障等原因常会使航班表无法正常运作,决策人员必须把飞机重新指派给航班,决定延误或取消哪些航班,尽快使航班恢复正常.本文构建了以延误成本最小或延误时间最短为目标函数的航班恢复模型,航空公司可以根据需要选择不同的目标函数;细分了延误成本并提出旅客失望溢出成本和失望溢出率概念;采用启发式方法并调用匈牙利算法对模型求解,给出了算法的运行步骤,并以实例说明了模型和算法的可行性.     

基于航空信息网络的枢纽机场航班延误预测模型

航班延误一直是机场运营管理的一大难题，本研究报告面向区域多机场，重点针对机场集团内枢纽机场的航班延误问题，提出基于航空信息网络的航班延误预测模型NBFDM. 该模型不仅使用了航班自身的相关属性，并且还考虑了航空信息网 络内其他机场的因素对航班延误的影响. NBFDM模型首先提取航班本身的特征和该航班飞行前一段时间内航空信息网络的特征，然后使用PCA进行降维，对降维处理后的特征再使用SVR方法，得到非线性回归模型，用于预测航班的延误时间. 实验表明本研 究报告所提模型NBFDM相比仅使用航班自身属性的模型，对航班延误时间的预测误差降低约20%.     

基于贝叶斯网络的航班延误与波及分析模型

航班延误是各航空公司亟待解决的问题之一.提出了一种基于贝叶斯网络的航班延误预测与波及分析模型,该模型考虑了影响航班延误的相关因素,通过设定各因素的属性信息,可以对航班是否发生延误及其延误级别进行概率性预测,并且可以方便地对产生航班延误的原因进行定位,准确地分析航班延误产生的波及情况.实现了该模型,并以一个简单的航班计划为例验证了该模型的可行性.     

基于可变优先级的GHP时隙分配优化模型

空中交通拥塞日益严重,造成大量经济损失。作为短期措施中缓解空中交通拥塞的有效方法,地面等待策略(GHP)的核心问题是时隙分配。因此针对航班的延误时间和延误费用,提出了一种可变优先级的时隙分配算法,并建立基于该算法的GHP优化模型。该算法中,航班在竞争不同时隙时优先级不同,且优先级的计算同时考虑了航班的延误时间和延误费用的影响,最后采用分支定界法搜索时隙分配的最优解。结合实际的数据,用计算机仿真实验对该算法进行了检验,结果表明了该算法的灵活性和有效性。     

基于局部搜索机制MOGA的多目标ADGHP建模及优化

依据航班的进离港过程,提出了一种航班优先系数计算策略,使得延误损失在进离港航班之间的分配合理化;在此基础上建立了一种进离港地面等待问题(ADGHP)多目标优化模型,以实现延误损失和续航航班延误时间的多目标优化.针对问题模型的复杂性以及现有多目标遗传算法(MOGA)的不足,提出了一种引入局部搜索机制的多种群遗传算法对问题求解,并改进优秀个体迁移策略,实现多目标的协同优化.最后,以国内某机场进离港航班为算例,使用所提算法进行计算,并与其它典型算法的求解结果对比,实验结果表明了所提模型与算法的有效性.     

随机型协同时隙分配模型

为解决机场概率容量条件下的协同时隙分配问题,提出了随机型协同时隙分配策略. 根据机场容量预报的更新模式,分别建立了静态模型和动态模型,模型以各种概率容量情景下的总航班延误损失期望最小为功效性目标,以各种概率容量情景下的平均旅客延误时间期望最小为公平性目标,在满足有效性约束的基础上,为进场航班分配时隙;并采用多目标遗传算法NSGA-Ⅱ求解模型. 以某机场运行数据为例进行仿真验证,与随机型地面等待经典模型相比,本文模型实现了机场概率容量条件下时隙资源的功效、公平、有效分配.     

航班延误突发性群体事件疏导:基于改进的情绪感染模型

在国内航空运输业迅猛发展的背景下,由于航班延误引起的投诉、旅客滞留等屡见不鲜。如何有效引导和控制此类事件,更好的协调空民关系,已经成为群体性突发事件理论研究与实践的热点问题。为此,本文对比考虑了旅客人群密度的情绪不稳定性、以及外界影响对个体情绪的改变,分别仿真模拟了旅客的情绪状态变化,为如何应对群体性事件提出解决方案。实验结果显示:本文提出的改进情绪感染模型中,由于考虑到群体规模的不稳定性和航空公司处理时效影响,因而,取得的研究成果能够有效控制航班延误事件中的旅客消极情绪的恶化,从而降低群体性突发事件发生的可能性,为航空运输业提升服务质量、改善客户关系提供有效的方法与决策。     

考虑潜变量的高铁民航旅客出行行为仿真

随着我国高铁的快速发展,选择高铁还是民航出行,已经成为旅客出行行为研究领域的热点问题.对此类旅客出行决策进行仿真建模,能够更加系统、清晰地描述旅客特征以及高铁和民航间竞争态势的演变.首先,基于计划行为理论,引入时间敏感性和价格敏感性潜变量,构建了高铁和民航旅客出行意愿的多指标多因果模型;其次,将模型中的外生变量和潜变量...     

政府提供住房补贴的福利损失

政府给低收入者提供住房补贴, 是实现社会公平的重要措施之一. 但是这一举措必定会降低资源配置的效率, 造成经济社会的福利损失. 如何衡量和测算由于政府补贴造成的福利损失的大小是个值得关注的问题. 构建了两个模型, 分别探讨了当补贴资金充裕和不充裕时政府住房补贴对社会福利的影响. 结果表明: 在保障性住房市场, 社会福利损失的大小不仅和政府补贴的额有关, 还和政府补贴的方式有关: 政府补贴造成的价格的降幅越大, 则资源 配置的扭曲程度就越高, 福利损失也就越大; 当补贴资金一定时, 补贴的受益面越小, 福利损失就越大; 市场价格越高, 或交易量越大, 补贴造成的福利损失 越大; 市场的需求弹性或供给弹性越大, 补贴造成的福利损失也越大. 但补贴造成的福利损失不是无限的, 它有个极大值.     

编队对地攻击航空武器系统效能顶层分析研究

首先从对地攻击航空武器系统作战任务规划入手，建立了编队对地攻击航空武器系统作战飞行模型，在此基础上，从平均动态学理论出发，建立了编队对地攻击航空武器系统作战效能分析的总体指标和框架，给出了总体指标与航空武器系统各飞行阶段的效能指标关系。为进一步进行编队对地攻击航空武器系统作战效能分析打下了基础。     

基于改进列生成算法的受扰航班优化调度

受扰航班恢复问题是一个非常复杂的实时网络优化问题,属于NP-hard问题.同时考虑了飞机资源短缺、机场关闭和计划外的飞机维修情况,并采用航班延误、航班取消、航班交换等多种恢复措施.基于Dantzig-Wolfe分解原理,分别建立主问题和子问题的数学优化模型,采用列生成算法框架求解该大规模整数规划问题.在求解过程中,首先,构造初始可行航线,基于航线调用CPLEX软件对主问题进行求解;其次,针对研究问题的特征,提出一些性质,并采用改进的"label-setting algorithm"对子问题求解,每次迭代过程中加入多条具有简约成本为负的列,降低迭代次数,对于求得的非整数解采用分支定界法进行处理.最后,通过对多种规模的实际算例进行测试,验证了所采用精确算法的正确性及效果,并对测试结果进行分析总结.     

航空服务创新的元胞自动机竞争演化模拟

为研究航空公司服务创新在市场竞争中的作用,基于元胞自动机设计了航空服务创新竞争模型. 以深航2008年在深圳-北京航线上推 出服务创新为例,经过重复试验较好地模拟了在该航线上进行服务创新取得成功的竞争演化过 程.研究结果表明:初始接受服务创新的元胞数量、服务匹配度和品牌宣传效应度三个影响因素 都对演化的突变周期起正向影响作用,且三个因素对突变周期的正向作用随着取值的增大 而逐渐减弱.     

多目标流量管理优化模型及算法研究

针对日益增长的空中交通需求所带来的严重航班延误现象,采用单目标难以解决离场时隙、飞行路径和管制员工作强度分配等问题,提取了造成空域拥挤和航班延误的要素,综合考虑离场时隙飞,行路径和管制员工作强度等目标,建立了多目标、非线性规划模型.设计了多目标遗传算法对其进行求解,并利用实际航班数据进行仿真,结果表明:所建立的模型和算法不仅能在合理的时间内为空域内全部航班找到较优离场时间和较优飞行路径,还能降低管制员高强度工作的持续时间,使流量更符合实际情况,有效缓解了空域拥挤现象.     

基于LSTM-SVR模型的航空旅客出行指数预测

航空旅客出行的情况对民用航空机场建设与运营具有重大意义，定义了一种航空旅客出行指数，运用机器学习方法对航空旅客出行指数进行预测，克服了单一预测模型精度的不足，提出一种将长短期记忆网络(LSTM)与支持向量回归(SVR)相结合的航空旅客出行指数组合预测模型，并对预测结果集进行聚类分析。以上海机场航空旅客数据为实证，验证了LSTM-SVR组合预测模型可行性与有效性，实验结果显示：LSTM-SVR组合预测模型较传统单一预测模型具有更高的精度；同时，LSTM-SVR组合预测模型与其他组合预测模型相比也有较明显优势。此外，基于K-均值算法对航空旅客出行指数进行聚类分析并给出评级，此举为机场运营管理及旅客出行提供一定的决策支持。     

基于DIIM的经济系统关联型损失评估——以新冠肺炎疫情对中国的影响为例

着眼于国民经济相互关联的复杂结构,细致准确地评估疫情影响,对疫后经济恢复和发展具有重要意义。采用动态非正常程度投入产出模型（IIM）测算中国42部门对疫情冲击的敏感性程度和经济损失情况,分析疫情影响的阶段性特征。结果表明：各部门基于相互依赖性和恢复力特征的非正常程度波动差异明显;化学产品、金属冶炼和压延加工品、交通运输设备等部门受关联效应和波及效应影响更显著,这显示了疫后经济损失的延迟性特点;在乐观、中性、悲观预期下,疫后330天时各部门累计经济损失分别为16.40、17.51和19.08 万亿元。研究为量化疫情影响增加了一种额外视角,并补充了各行业经济损失的详细信息。在应对此类重大公共卫生事件时,应根据经济系统所受影响程度和阶段性特征分类别分重点地对关键部门进行帮扶,以加快经济的恢复和回升。