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。     

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。     

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）。     

基于旅客满意度与公平性的机场航班计划恢复研究

为了降低航班延误对旅客满意度的严重不良影响,提高航班延误恢复调度的公平性,将群体情绪模拟引入旅客满意度表征函数,并考虑航空公司公平性约束,构建了机场终端区航班计划恢复模型,运用模拟退火算法对机场航班实例进行仿真求解。与经典FCFS策略对比,所提方法在保证航空公司公平性在可接受水平之内的前提下,使旅客满意度衰减程度下降了41.58%,有效优化了机场运行服务质量。     

基于不确定因素扰动的机场大面积航班恢复规划研究

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.     

空中交通流量管理中的多机场地面等待策略

为解决航班延误问题,提出了一种考虑机场网络的延误累加效应及连续航程航班影响的多机场空中交通流量管理模型。该模型采用地面等待策略,对机场网络中各机场的延误情况进行综合考虑。当某些机场容量受恶劣天气或其他突发情况影响发生变化,使延误无法避免时,能够合理分配机场的出发和到达容量,减少航班的空中延误。结合中国3个枢纽机场的流量数据,对模型进行了仿真计算。仿真结果表明:该模型提供了一种更安全、更经济的航班调度策略,可为民航相关部门制定航班计划提供辅助的战略决策。     

多机场网络效应在地面等待策略中的应用

在多机场地面等待策略中,对多机场延迟的网络效应进行研究.将其以约束条件的方式加入到运算模型当中,对模型进行优化,并设计启发式算法对模型进行求解.多机场地面等待的网络效应主要体现于航班延迟在多机场网络中传递,该效应在枢纽机场尤其严重.通过对延迟时间中各时间要素进行分析,并得出新的约束条件对模型进行优化.优化后应用于真实算例的求解.求解结果显示:模型更真实地反映了多机场地面等待问题的实际情况,模型的求解为航班调整提供了依据.调整后的航班总延迟时间段数目减少,而航班总运行成本降低,达到了提高运行效率的目的.     

基于动态博弈的补贴模式对机场群航线网络结构的影响研究

为探讨不同补贴模式对机场群航线网络结构的影响，本文构建了关于机场、航空公司和乘客之间的动态博弈模型，通过逆向归纳法得到了纳什均衡条件. 研究结果发现：（1）不同的补贴模式对多机场航线网络结构产生重要影响，低补贴模式促使机场群倾向于形成点对点航线网络结构，反之，在高补贴模式下机场群易于形成枢纽辐射航线网络； （2）在较低的空铁联运总运营成本环境下，补贴竞争使得航空公司倾向于选择系统内的大型机场作为枢纽机场；反之，如果空铁联运总运营成本相对较高，补贴竞争使得航空公司倾向于选择小机场作为枢纽节点； （3）随航班固定成本和空铁联运总运营成本的增大，大型机场作为枢纽节点的概率逐渐减少，而小机场被选为枢纽节点的概率将逐渐增大. 随着机场群内大型机场腹地服务人口比例的增大，航空公司选择点对点航线网络的概率在减小. 研究结论能够为民航管理部门科学制定和应用航线补贴政策提供决策依据.     

考虑机场、航空公司与空管需求的机场群离场航班时刻优化

随着我国航空流量的不断增加,机场群内航班延误时间长、延误架次多、机场时刻紧张等问题逐渐暴露,这些问题主要是航班时刻设置不合理所导致。为解决这些问题,需要对机场群内航班时刻进行优化。本文通过从机场、航空公司、空管三个角度综合考虑,分别以延误时间、航空公司航班时刻调整总方差、管制员总调整量作为优化目标,建立了机场群航班时刻优化模型,并使用权重线性递减的粒子群优化算法实现对模型的求解。以京津冀机场群为例进行分析,使用Matlab对模型进行寻优。结果表明优化后机场群内总延误时间由77 580分钟至46 260分钟,航空公司航班时刻调整总方差由447.076减少至63.141,管制员总调整量由467 次减少至253 次,三个目标均得到了优化。可见该模型权衡了机场、航空公司与空管之间的公平性,为机场群航班时刻的优化提供了理论参考。