基于连续下降运行的终端区环形进场航线设计

为了提高多机场终端区运行效率,增加其空域容量, 本文构建了基于连续下降运行模式的终端区环形进场航线结构和运行规则,并使用实际扇区结构和数据进行仿真验证。首先构建环形进场航线,由多条椭圆矩形等待航线和圆形准备航线组成;其次设计相应的进场运行规则;然后建立航空器进场顺序优化模型,使用模拟退火算法对其进行求解;并应用蒙特卡洛仿真方法计算终端区极限进场容量;最后使用实际终端区(ZSSSAP)结构数据进行实例验证。实验结果表明,环形进场航线在繁忙状态时可有效减少终端区内进场航空器瞬时峰值数量(降幅21.90%)和平均进场时间(降幅3.14%),平均进场时间可在顺序优化后进一步降低(降幅6.59%);并提高终端区进场航空器容量(增幅4.82%);在空域运行态势方面,环形进场航线模式可大幅度降低空域复杂度峰值(降幅61.29%)。     

基于机器学习的离港航空器滑出时间预测

准确地预测航空器的滑出时间对于提升机场场面运行安全和效率至关重要。基于机场场面运行态势分析,获得进/离港航空器滑行的时空分布特征,从而准确定义同时段离港航空器数量、进港航空器数量、起飞队列长度。基于影响因素进行相关性结论分析,构建了基于机器学习的航空器滑出时间预测模型,并使用中南某枢纽机场2周的实际运行数据对模型进行了验证。结果表明：（1）滑出时间影响因素相关性大小排序为：起飞队列长度、同时段起飞航空器数量、半小时平均滑出时间、同时段落地航空器数量、起飞使用跑道、滑出距离。（2）机器学习方法能实现对航空器滑出时间的有效预测,分类器的优劣排序为支持向量机（support vector machine,SVM）、BP（back propagation,BP）神经网络、随机森林（random forest,RF）。（3）引入弱相关的影响因素后,滑出时间预测精度会有一定程度的降低。     

基于SSA-CNN的航空器着陆跑道占用时间预测

国内外相关研究表明,航空器着陆跑道占用时间(aircraft arrive runway occupation time, AROT)是影响机场跑道容量的重要因素,对跑道占用时间的准确预测有利于更准确地评估跑道容量。由于着陆过程的动态性和复杂性,采用注重数据特征提取的卷积神经网络(convolutional neural networks, CNN)对AROT进行预测,针对CNN容易陷入局部最优等缺点,采用麻雀搜索算法(sparrow search algorithm, SSA)对CNN相关参数进行优化。数据采用航空器快速存取记录器(quick access recorder, QAR)的记录作为数据源,涵盖机场数目为34个。根据QAR数据分析AROT影响因素,构建了SSA-CNN预测模型。对QAR数据分析表明AROT与滑行距离、落地气温、跑道入口速度、快速脱离道数量、脱离速度关联性较强,与航空器重量、风速、风向、脱离道角度等影响因素关联性较低。根据影响因素的关联性采用CNN预测模型均方误差为18.35,而优化后的SSA-CNN预测模型均方误差为17.31,预测结果可以为机场评估跑道容...     

单机排序元胞传输模型在终端区排序中的应用

为缓解终端区航班延误问题,将终端区进场航空器排序过程分为航路飞行排序阶段和汇聚排序阶段,从而降低问题复杂度,结合单机排序算法与元胞传输理论,利用标准雷达引导航线,并结合实际管制经验,建立以系统运行时间最短为目标函数的元胞传输模型;根据航空器对链一体化原则,将等待着陆的航空器分组,并赋予相应的权值,针对航空器对链影响因子的不同进行排序,并结合实例计算得到系统总运行时间,起点处等待时间,最终着陆顺序等。结果分析表明,该优化模型能够反映终端区进场航班的动态特性,给出合理的航空器进场顺序,为终端区进场航班提供路径参考,满足实际的运行需求。     

基于智能算法优化BP的航空器滑出时间预测

滑出时间是评估大型机场场面运行效率的主要性能指标,科学准确地预测离港航空器的滑出时间,对于提升场面运行效率至关重要。首先,分析了航空器滑出时间影响因素及相关性,构建了基于BP神经网络的航空器滑出时间预测模型。针对BP神经网络存在对初始权值和阈值敏感、准确性和稳定性欠佳等缺点,分别采用粒子群算法和麻雀搜索算法获取BP神经网络的最优权值和阈值,并采用我国中南某枢纽机场2周的实际运行数据对智能算法优化后的预测模型进行了验证。结果表明：①滑出时间与半小时平均滑出时间、起飞队列长度、同时段滑行的离港航空器数量均有强相关性,与同时段滑入的进港航空器数量中度相关,与滑行距离和经过冲突热点区域个数相关性较弱;②考虑强相关和中度相关影响因素的4元组合预测模型的预测结果最佳;③智能优化算法通过获取神经网络的局部最优权重和阈值,可有效地提升航空器滑出时间预测结果的精度,但运算过程耗时也更长;④基于PSO优化后的BP神经网络预测结果较优化前的MAPE提升了1.13%,MAE减少了4.48s,RMSE减少了4.68s;基于SSA优化后的BP神经网络预测结果较优化前的MAPE提升了3.05%,MAE减少了16.55s,RMSE减少了14.32s。     

基于XGBoost算法的终端区进场航空器飞行时间预测

为了高效调配进离场航空器,得到进离场航空器的最佳排序顺序,采用机器学习的方法对终端区进场航空器的飞行时间进行预测.分析终端区航空器飞行特点和进场航空器飞行时间的影响因素并且提出了影响飞行时间预测的22个重要特征.引入密度聚类DBSCAN方法,聚类得到交通流的不同路径类别.建立了基于集成机器学习算法XGBoost的飞行时间预测模型,以云南昆明终端区为例,对模型进行了训练、验证和测试,并以平均相对误差和均方误差为评价指标来分析预测结果的误差.结果表明：与线性回归、支持向量机回归和人工神经网络方法相比,本文模型对飞行时间的预测结果最好,±5 min内的预测准确率达到95.18%.     

基于时间-空间的进场航迹聚类分析

空中交通管制的核心任务是保证飞行安全,提高航班的运行效率。在航空器进场过程中,很多因素会导致航空器不能严格按照计划航线飞行。由于传统的航迹聚类分析没有将航空器进场飞行当作一个过程来考虑,缺乏时间信息,为了更加符合实际运行情况,本文采用时间窗、空间聚类的方法,合理地提取出了航空器在进场飞行过程中每一分钟的标准中心航迹。然后采用双调和样条插值法计算出了在整个空域内航班进场过程的航迹分布概率。实验表明,此方法快速有效,更加符合管制指挥的实际情况。     

侧向跑道机场滑行路径优化

为了缓解机场场面交通拥挤状况,提高侧向跑道机场场面运行效率,构建了侧向跑道机场航空器滑行路径优化模型.该模型以航空器加权滑行时间和延误等待时间最小为目标,提出了动态优化航班的优先级的优化方案.将航空器的运行规则转化为相应的数学约束条件,根据侧向跑道机场的滑行道调度问题进行算法设计,运用改进的遗传算法对模型进行求解,以航空器的优先级滑行序列和航空器滑行路径为染色体,基于MATLAB对双链染色体进行编码,并对4种滑行冲突与解脱进行分析.以成都天府国际机场为例进行算例分析,与先到先服务序列进行对比,采用优化方案的序列可以节省42 s,并与蚁群算法进行比对,验证了改进的遗传算法的有效性,可以为繁忙机场的滑行调度提供决策支持.     

终端区航空器飞行间隔研究

针对终端区不合理的航空器飞行间隔严重影响飞行安全和机场吞吐量的问题,提出了基于场面监视雷达历史运行数据的终端区航空器飞行间隔算法。通过分析离散的场监雷达点迹数据,可获得航空器的历史轨迹。基于航空器起飞时刻和降落时刻提出了航空器间在不同起降序列下的时间、距离间隔计算方法。研究了机场流量、航空器起降序列、跑道的使用方向变化对航空器飞行间隔的影响。实践结果表明,场面监视雷达数据可以有效地用于分析航空器间的时间和距离间隔;机场流量与终端区航空器飞行间隔负相关,航空器间的时间间隔和距离间隔正相关,飞行间隔与跑道使用方向变化无关。合理的起降次序和良好的管制习惯可有效地缩小终端区航空器飞行间隔。     

基于航迹的进场管理系统运行效能提升研究

为了分析进场管理系统(AMAN)对终端区进场运行效能的影响,充分挖掘现有AMAN系统的潜能,基于航空器历史运行数据,进行AMAN的进场效能提升评估研究.提出了评估管制效能的描述性与推论性统计方法;选取"五边间隔"和"飞行时间"两个指标对其进行量化研究;基于航空器的轨迹数据,对广州白云国际机场新一代AMAN系统进行评估....     

机场独立运行跑道起飞容量计算模型

跑道容量的确定是多条跑道开设时机的依据.给定了独立运行跑道起飞容量的概念,分析了各种影响跑道起飞容量的因素,按典型正态分布问题建立了计算模型;根据起飞飞机的速度关系和空管规则综合考虑了跑道占用时间、飞机前后间距标准、空管规则、风速影响、起飞公共段长度等影响因素,从理论上分类建立了机场独立运行跑道起飞容量的计算模型,提出了确定容量的方法,并利用某机场的实际运行航班数据对起飞容量进行计算,计算结果验证了该模型的实用性和可行性.     

考虑跑滑结构的机场跑道容量评估模型

跑道容量是衡量机场服务水平的重要指标.民航中小型机场跑道滑行道结构简单,航空器起降占用跑道时间较长,是影响机场容量的主要因素.本文细化航空器起降滑行、滑跑时间,引入管制规则,构造了考虑跑滑结构的机场容量评估模型.采用Visual C++编程进行数值模拟仿真,结果表明,该模型能量化实际滑跑距离、滑行道位置、起降比例等关键因素对机场容量、跑道占用时间的影响.以赣州机场为例,该模型容量评估结果符合实际飞行原则和管制规则,能为提高机场吞吐量提供技术支持,具有一定的参考价值和实用性.     

基于随机森林的公路隧道CO气体浓度预测模型

汽车尾气的主要成分是CO气体,是公路隧道通风设计的一项重要参数。准确、快速地预测隧道内CO气体浓度,能够为隧道通风控制提供有力参考,有助于CO气体浓度的及时控制,对保障隧道内人员的健康、安全和隧道绿色节能十分必要。采用公路隧道实地监测CO气体浓度数据,建立了以监测点位置、交通量、车速、风速为输入特征的公路隧道CO气体浓度预测随机森林模型。通过整理3 300 m长隧道CO气体浓度数据,对比了CO气体浓度实测数据与模型预测值,验证了模型的预测精度。结果表明,基于随机森林建立的CO气体浓度预测模型具有良好的预测精度,能够准确地预测隧道内CO气体浓度,测试集的均方根误差(root mean square error, RMSE)和决定系数R²分别为0.497 4和0.943 7;该预测模型性能显著优于线性回归模型和支持向量机模型;预测模型能够推广应用于其他隧道的CO气体浓度预测,对应的RMSE和R²分别为0.909 5和0.729 5,可以在已知测点位置、交通量、车速、风速的情况下预判隧道内CO气体浓度,为隧道通风控制或安全预警提供数据参考;特征重要...     

兼顾军用飞机使用的跑道快滑位置优化模型

为提高机场运行效率,降低跑道占用时间,在兼顾军用飞机使用的基础上,对民用机场快滑最优位置进行了系统研究。通过分析军用飞机与民用飞机的着陆过程,研究飞机着陆过程中的影响因素及其分布规律,采用蒙特卡洛方法进行仿真,计算各机型着陆转出的最佳位置。通过构建以最小加权无效占用跑道时间为目标函数的快滑转出位置模型,基于动态规划思想,设计了模型求解程序。最后以腾冲机场为例进行实例分析。结果表明：快滑位置应设置在1650 m处。相比只考虑民用机型使用,无论是从加权无效占用跑道时间还是从使用该出口的民用飞机来看,两者都变化不大,但使用该出口的军用飞机可提高70%。本文研究为未来军用飞机使用民用机场奠定基础,为民用机场预留军事功能提供技术支撑。     

单跑道着陆容量改进模型

跑道容量是航空运输的瓶颈,尾流间隔、进近速度、公共进近航段、机型比率构成跑道容量的关键参数。考虑到实际管制程序实施的可行性,将飞机跑道脱离时间作为跑道着陆容量研究的关键参数。分别对飞机实际间隔和对跑道占用时间进行正态分布分析,根据可接受的安全水平下,加上缓冲余度,对雷达管制下单跑道着陆容量模型进行调整完善。     

局部搜索灰狼优化算法求解武器-目标分配问题

武器—目标分配（Weapon Target Assignment, WTA）问题是根据武器对来袭目标毁伤概率的不同,合理确定待打击目标的武器分配方案,以达到尽可能少的武器对来袭目标毁伤程度最大化的目的,是作战指挥决策领域的重要研究内容。在构建WTA问题模型的基础上,针对传统灰狼优化（Grey Wolf Optimization, GWO）算法局部开发能力不足等问题,采取了一种精英保留及免疫变异局部搜索策略。改进灰狼优化算法（Improved Grey Wolf Optimization, IGWO）首先在灰狼种群中选择部分优质精英个体,然后通过随机点变异和受体编辑两种免疫局部搜索策略对精英个体进一步寻优,从而改善传统GWO算法过早收敛和易陷入局部最优的缺点。针对3种不同规模的武器—目标分配问题,将IGWO与交叉熵算法、传统GWO算法进行了对比,计算结果显示IGWO算法所求适应度值的分位数均明显高于对比算法,进而验证了IGWO算法的有效性。     

基于GWO-ELM算法模型的水体含沙量预测

泥沙含量的演变受多种因素的影响,为了快速、准确地对水中泥沙含量进行高精度预测,为泥沙治理以及合理利用水土资源提供理论依据,提出了一种基于GWO-ELM算法模型的水体含沙量预测方法.首先,将影响泥沙含量的8种原始影响因子赋予权重,利用主成分分析(principal component analysis,PCA)法提取出4...     

基于灰狼算法的多平台火力分配优化模型

为发挥多平台协同对海突击作战优势,综合考虑打击收益及打击代价两个重要影响因素,构建多平台火力分配数学模型,并且采用改进的灰狼优化算法研究解决多平台火力分配问题,结合实例进行验证。结果表明构建的火力分配模型紧贴作战实际,所采用的灰狼优化算法可以有效优选出最佳的火力分配方案,为指挥员指挥决策提供参考依据。     

同时仪表进近模式下平行跑道碰撞风险

针对同时仪表进近模式下的平行跑道进行碰撞风险评估,首先通过调研首都机场进近管制员的管制过程,建立仪表进近飞机的运动状态变化方程;其次,基于概率论位置误差模型思想,建立了同时仪表进近模式下平行跑道碰撞风险模型;最后运用MATLAB软件进行仿真,得出同时仪表进近整个过程每个时刻的碰撞风险,从而得出整个过程碰撞风险的变化趋势,为同时仪表进近模式的实际运行和未来优化提供支持。