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。     

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.     

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.     

航班延误的探讨

因为在苍台工作,所以和机场与飞行相关的事情接触此较多,近些年随着航班的大幅度增长的同时,航班延误的的比例也在增加,由于刚开始大多数旅客对航空运输的知识匮乏,所以在有些机场当航班延误时,给旅客最多的解释就是“由于空管原因和流量控制,你所来坐的航班延误,敬请谅解”。旅客听到后都会很无奈的说为什么总是空管。难道空中交通管制员是遣成航班延误的主要原因是吗？该文将从一名普通管制员的角度来为你解开造成航班延误的真正原因。为你以后搭乘航班出行,如果遇到航班延误,能多一分理解与宽容,同时也为航班延误的后续服务与如何提高航班正点率提出一点小小的建议。     

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。     

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）。     

考虑航路网络结构的离场航班延误预测模型

针对离场航班延误预测缺少对航路网络结构因素的考虑，以及传统多分类预测难以满足高精度的需求，本文提出了一种考虑航路网络结构的离场航班延误预测模型。首先，根据离场航班所在终端区的航路网络结构，提出了航路拥挤指标，即航路流量、航路拥挤度和航路网络拥挤度，从航路网络和网络结构2个维度量化分析了拥挤特征，构造了航路拥挤数据集；然后，基于深度神经网络（deep neural network，DNN），构建了考虑航路网络结构的离场航班延误预测模型；最后，分析各类别延误样本比例，调整焦点损失函数的平衡因子以及各模型参数，进行了不同损失函数、不同数据集和不同模型参数的对比实验。结果表明：调整平衡因子后，模型预测准确率提高了2.3个百分点，融入航路拥挤数据集后，准确率继续提高了1.52个百分点，并且最终达到93.47%。可见，本文所提模型能够对离场航班延误作出有效准确判断，为民航相关单位提供决策参考。     

基于SVM和RBF神经网络的民航不安全事件组合预测方法

为提高航空业安全水平,预测飞行过程中存在的主要事故风险,本文基于2002年2月至2014年2月的民航事故数据统计,采用SVM和RBF神经网络加权组合模型对民航不安全事件发生原因及飞行阶段事故数量进行了预测。通过对3种典型预测方法的均方根误差比较,证明了此方法的可行性与有效性,结论可为民航安全管理提供科学依据。     

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。     

基于优先级的航班到达调度算法

随着空中交通流量的迅猛增长,终端区空中交通拥堵以及由此导致的航班延误现象日益突出,甚至危及航空安全,航运效益也随之受到巨大的损失。作为终端区流量管理的核心,航班到达调度旨在为终端区待着陆的航班安排合理的着陆顺序和降落时刻,在确保安全的前提下提高进港航班运行效率。基于优先级思想,文章提出了PBSA和PBSA-CPS两种航班到达调度算法,并引入约束位置交换概念,以提高调度结果对于管制员的可操作特性。最后以首都机场为例进行了仿真,并与现行的先到先服务算法FCFS进行了对比。仿真结果表明,通过对航班赋予相应的优先级,有助于优化调配到达航班队列的降落时隙分配结果,提高终端区运行效率,减少延误损失。     

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。     

基于SEM的民航安全的组织因素研究

组织因素是影响飞行安全的重要因素,研究和探索组织因素的基本构成和对飞行安全的作用机理及途径对改进飞行安全具有重要意义。首先就国内外对影响民航安全的组织因素研究进行了简单的概括,并对影响民航安全的组织因素进行了合理的界定,在前人研究的基础上找出了对民航安全有显著影响的组织因素,构建了组织因素影响安全的初始理论模型。在此基础上,建立了组织因素对民航安全影响的结构方程模型,随后使用AMOS 17.0统计软件对模型进行修正和检验,研究了各因素与其指标的关系及各因素对安全的影响程度,最后讨论了因子与指标及各因子之间的关系。所建立的组织因素对民航安全影响的结构方程模型及其建立方法为国内民航组织因素的研究提供了一条新的思路和途径。     

基于社会网络的民航飞行不安全行为影响因素关系研究

 为提升民航飞行安全管理水平，基于不安全行为影响因素的重要性，通过文献分析和相关者调查的方式确定不安全行为影响因素集合。根据调研数据，运用社会网络分析（SNA）方法构建了不安全行为影响因素间的关系概念模型，研究其节点属性、核心-边缘分析、结构特征、影响力及聚类等级情况。结果表明，关键不安全行为影响因素节点可构成行为连锁反应链，进而连接成具有较高风险性的行为网络。其中，关键不安全行为影响因素包括职业倦怠、安全监察、业务技能熟练程度；存在行为连锁反应链，包括“知识水平较低-规程标准不够严格-民航飞行不安全”等；不安全行为影响因素网络的桥节点包括职业倦怠、压力等。