机场大面积航班延误传播的状态空间模型

为提高航班运行效率、减少航班延误传播,针对机场大面积航班延误在本场及本场与目的机场之间的传播,首先提出了O-D场的概念并对大面积延误下的O-D场延误传播途径进行了分析,建立了表征延误传播的动态参数,并对延误传播程度进行了量化。基于状态空间理论建立了O-D场延误传播的状态空间模型。最后通过算例分析,得到大面积延误下O-D场内不同传播途径对延误发展的影响,并验证了延误传播模型的合理性。     

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.建立了评估大面积航班延误程度的灰色综合聚类评估模型.选取2019年某发生大面积航班延误的空域进行航班延误程度评估.算例分析结果表明:运用该模型所评估的发生大面积航班延误的空域的延误程度与实际情况相符.     

基于易感者-染病者-易感者的时变机场网络延误传播模型

为宏观角度分析机场网络延误传播机理,基于复杂网络易感者-染病者-易感者(susceptible-infective-susceptible, SIS)传染病模型建立了延误传播模型。从机场网络延误传播的时变性和与SIS传染病模型的相似性入手,以机场为节点,定义了其在机场网络延误传播过程里存在的不同状态,依据节点状态间的转变机理,建立机场网络延误传播动力学模型,并根据航班时刻规划航班流运输路径。以全国153个机场为例,采集航班延误数据,进行模型仿真并分析实验参数。结果表明:机场网络延误节点的延误影响范围有限,且网络对延误的传播能力具有一定的抑制性,很少出现全网的崩溃现象;该模型具有有效性和实用性,可以较好地仿真实际延误的传播过程。     

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。     

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。     

大面积航班延误下空中交通网络流系统的拥堵识别

近些年来,大面积航班延误问题已经成为空中交通流量管理部门的难题之一。为了从宏观上描述发生大面积航班延误时的交通状态,提出了空中交通网络流系统的拥堵定义,并对其拥堵程度进行识别和划分。首先从空中交通网络流系统的要素航线和机场的航班运行角度出发,建立了拥堵识别指标体系。其次,根据历史统计数据和熵值法计算权值,并基于模糊综合评价法建立了拥堵程度识别模型。最后,结合实例验证,表明该模型能真实的反映空中交通网络流系统的拥堵状况。     

大面积航班延误下的协同决策过程

民航业的蓬勃发展带来了航班延误这一新的问题。针对大型枢纽机场大面积航班延误的情况,基于多目标优化的思想,建立了多阶段多目标多部门的应急协同决策模型。该模型能够结合多部门意见,并随着事态的发展对决策进行动态调整。模拟实验表明该模型可以实现科学决策,对于实际的应急决策问题具有重要的意义。     

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.     

基于波及延误的航班过站松弛时间重分配

航班计划松弛时间是为航班地面过站设置的冗余时间,如果预留过多是对资源的浪费,造成飞机、机组、时间等资源的闲置;但在实际运营中,又是吸收延误的重要手段,如果预留时间过少,将造成延误传播加剧.针对过站松弛时间优化问题,本文构建波及延误树.动态研究以初始航班延误为根节点触发的延误传播过程,建立航班过站松弛时间重分配模型,该模型具有确定性和线性易于求解的优点.通过航空公司的实际运行数据的实验结果表明,提出的模型能够较好地解决松弛时间优化问题,在基本不改变原始的机队和机组调度决策的基础上,不增加计划成本而将波及延误时间降低28%.     

基于不确定因素扰动的机场大面积航班恢复规划

航班恢复过程往往会受到不确定因素的干扰,这些不确定因素可能还会进而引发一系列不确定因素的产生,造成更加严重的延误情况。为了提高航班恢复计划的鲁棒性,对不确定因素扰动下的航班恢复问题进行研究。首先,利用中国某机场的地面服务数据,研究了不确定因素对航班恢复过程中地面服务保障时间的影响。然后,建立以最小化延误成本和保证航班公平性为优化目标的航班恢复调度模型;同时考虑进场航班对离场运行的影响;并在模型中加入不确定因素对航班的干扰。最后,运用模拟退火算法对中国某机场的航班数据进行仿真,与先到先服务方法进行对比。结果表明:对于解决机场大面积航班恢复问题具有可行性。     

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）。     

离港航班延误时间预测方法

在如今的民航运行体系里,航班延误已经成了机场和航空公司为了提高效率与控制成本的主要研究目标。为了构建更准确的离港航班延误时间预测模型,首先分析了导致离港航班延误发生的主要因素,并利用皮尔逊相关度系数对各因素进行相关性分析。其次基于基本BP(back propagation)神经网络算法,构建离港航班延误时间预测模型,并进行优化;然后采用自动编码器(AutoEncoder)对BP算法进行改进;接着构建了基于支持向量机(support vector machine, SVM)的预测模型并与优化后的BP模型进行对比;最后基于上海浦东机场实际历史航班数据进行仿真检验,验证了本文优化模型的准确性和高效性。     

机场航班延误优化模型

针对空中交通日益严重的航班延误,给出了一种机场航班延误优化模型.模型将机场的到达和出发视为密切相关的两个过程,考虑了具有连续航程的航班(到达和出发均由同一架飞机在当天顺序执行)及其到达和出发过程之间的相互影响.模型还充分考虑了机场容量、需求以及天气等因素的动态特性,在达到和出发过程之间实现流量分配的协同决策.在机场延误不可避免的情况下,该模型可以为管制员提供未来一段时间内的流量分配优化方案,尽量降低延误的后续影响.最后,结合中国某国际机场的实际数据,利用遗传算法对模型进行了验证,取得了很好的效果.     

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。     

基于物元二次可拓多机场起飞延误关联性分析及预测

为及时掌控多个机场之间的航班延误程度,研究物元可拓方法在机场航班起飞延误关联性中的应用。通过建立分时段航班起飞延误的物元模型,运用物元可拓方法,对多个机场的航班起飞延误情况进行分析。根据机场间航班起飞延误的关联度计算结果,选取关联性较大的机场,对目标机场的航班起飞延误程度进行预测;并通过实例验证了该方法的可行性。算例表明:所提出的方法能够有效地分析多个机场航班起飞延误之间的关系,并能够对起飞延误的发生起到预警作用。     

机场地勤服务优化问题的双重变异单亲遗传算法

为了减少地勤服务作业调度影响的航班延误,以总航班延误最小化及航班延误方差最小化为目标建立了多目标非线性整数优化模型.地勤服务作业调度优化问题是NP难问题,因此,提出了一种双重变异单亲遗传算法求解该类问题.该算法避免了遗传算法求解同类问题时产生非法个体的现象,并且双重变异策略具有全局搜索能力.结果表明:双重变异单亲遗传算法可以很好地解决航班分配服务组及服务组内航班服务序列优化的地勤服务调度问题,减少了因地勤服务作业导致的航班总延误,避免了单个航班长时间延误.