航空公司选择枢纽机场的鲁棒优化方法

航空公司构建自己的中枢辐射航线网络，可以事先对n个备选机场作为枢纽机场能够带来的效益值分别作出预测，然后从中选择p个（p给定）效益值最大的机场作为自己的枢纽机场。由于事物未来发展的不确定性，对于效益值的分析预测，往往与实际情景有较大的偏差。为了规避风险，一种比较稳妥的方法是对该效益值可能的范围（概率分布未知）做出预估，再从中选择p个枢纽。利用鲁棒优化的方法对这样的问题进行解决，并将已有的鲁棒优化算法复杂性O（（min{p，n-p））^2n）加以改进，在原算法的基础上将算法复杂性减弱到O（（min{p，n-p）n），给出了解决这个问题的一种多项式算法。     

基于SSA-BP的离港航班滑出时间预测

针对传统反向传播(back propagation, BP)神经网络在离港航班滑出时间预测时存在对初始权值和阈值敏感、准确性和稳定性不好等缺点,提出了一种基于麻雀搜索算法(sparrow search algorithm, SSA)获取BP神经网络的最优权值和阈值的方法。首先分析了离港航班滑出时间的可量化影响因素及相关性,然后构建了基于SSA-BP的离港航班滑出时间预测模型,并采用中国中南某枢纽机场2周的实际运行数据对预测模型进行了验证。结果表明：离港航班滑出时间与同时段滑行的离港航班数量强相关,与同时段滑行的进港航班数量、同时段推出的离港航班数量、平均滑出时间中度相关,与滑行距离和转弯个数弱相关;基于SSA优化后的BP神经网络预测结果误差在±60 s内的准确率提升了20%,误差±180 s内的准确率提升了12%,误差±300 s内的准确率提升了7%。;预测结果的平均绝对误差百分比提升了2.61%,平均绝对误差减少了11.73 s,均方根误差减少了61.03 s。研究成果为提升大型枢纽机场场面运行效率提供了思路。     

天河机场夏季鸟类生态研究

通过对天河机场附近5 种生境的11 条样带考察,记录到夏季鸟类59 种,分属13 目32科.东洋种31种(52.5% )、广布种12 种(20.3% )、古北种16 种(27.2% );夏候鸟25 种(42.4% )、留鸟24 种(40.7% )、旅鸟10 种(16.9% ).最重要鸟类为普通燕鸥(1.367 只/hm 2)、池鹭(0.484 只/hm 2)和棕背伯劳(0.338 只/hm 2);广性分布的有池鹭、普通燕鸥、黑卷尾等22 种;种间遇见率为0.838.     

大型机场场面交通拥堵状态等级预测

随着地面延误程序的实施,空中交通压力逐渐向地面转移,持续增长的地面运行压力对机场场面管制措施提出了更高更科学的要求。预测机场场面拥堵状态变化规律,设定拥堵状态等级是科学制定机场场面管制措施的重要基础之一。通过对场面拥堵状态分析确定场面拥堵影响因素,并设定场面拥堵状态等级,然后基于GA-LSTM算法对跑道头排队架次、主滑行道延误时间、机动区延误时间进行预测并与LSTM算法进行比较,最后,使用FCM聚类算法确定预测的拥堵状态数据聚类中心,对拥堵状态进行分类以确定场面拥堵状态等级。研究表明,对场面跑道头排队架次、主滑行道延误时间、机动区延误时间预测的均方根误差分别为1.18架次、1.85秒、2.11秒,该预测结果能够为战略级层面管制决策提供依据。本文所提出的方法对大型机场系统均具有普适性, 可提前预知拥堵可能产生的区域及时段,为管制员提供决策支持,提高空中交通系统的运行效率。     

三维梯度式机场驱鸟系统

阐述了机场内驱鸟任务的重要性,针对目前各种驱鸟方式的不足和鸟类学习适应能力的特点,提出并建立一种扰乱鸟类学习适应过程的驱鸟系统。通过对驱鸟工作空间的区域划分,形成了一套在高度方向上驱鸟方式的复杂程度随梯度变化的无线控制三维驱鸟系统模型。利用该模型,引入了仿真人驱鸟单元、恐怖眼驱鸟单元、广播驱鸟单元、电子炮驱鸟单元和火炮驱鸟单元,组成了某机场与鸟类高度分布相一致的A552三维梯度式驱鸟系统,从视觉、听觉、嗅觉三个方面分别或同时对鸟类进行驱赶。     

基于改进贪婪式算法的AMR任务分配

采用自主移动机器人AMR(Autonomous Mobile Robot)集群智能、高效处理机场行李时,为了解决机场环境中AMR集群的分配调度问题,提出一种改进贪婪式算法的任务调度策略.根据随机行李数量,分配合适的AMR数量执行处理任务.该算法综合考虑在机场环境下行李任务的到达规律和AMR特性,据此改进贪婪选择策略,使其较其他算法更好体现行李任务与AMR之间的调度分配关系.首先,采用A*算法计算代价,能够获得更加符合实际环境的代价值;其次,对AMR进行类型划分和使用预先出发的策略,减小了任务分配时间和系统运行时间.仿真结果表明,该算法与相关文献算法相比,能够获得更小的任务分配时间和系统运行时间.     

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。     

探地雷达在武汉天河机场跑道检测中的应用

探地雷达是一种用于路面厚度检测、道路病害调查的新型无损检测工具,应用越来越广泛.本文应用探地雷达对武汉天河机场跑道进行了检测.检测结果表明,探地雷达可以快速、连续、无损、准确地测定道面的厚度、探测脱空、裂缝等缺陷,为机场跑道的维修保养提供了可靠的依据.与传统的钻孔检测法相比具有连续、无损、高效的优势.     

基于ADS-B数据的机场场面多目标行为识别

针对机场场面监控视频中存在多个飞机目标,且各种行为轨迹相似,难以通过轨迹进行行为判断的问题,提出了一种基于广播式自动相关监视(automatic dependent surveillance-broadcast, ADS-B)数据的机场场面多目标行为识别。首先,利用ADS-B信息通过透视变换的方法对视频中的所有飞机进行定位;其次,利用历史轨迹预测飞机一定距离之后未来时刻的位置,通过历史以及预测的目标位置划定每一架飞机的运动区域;最后,将多目标行为识别转换为多个单目标行为识别任务。在每一架飞机的运动区域中,通过多时间尺度的融合卷积完成对所有飞机的行为识别。针对性地制作了一个包含飞机各种行为的小型数据集为基于融合卷积的行为识别算法提供训练和测试,同时在多个具有ADS-B数据以及相应标定数据的场面监控视频中进行了验证,实验结果表明本文方法可以满足包含多个目标的机场场面飞机行为识别任务。     

基于BERT-Bi-LSTM-CRF模型的机场类中文航行通告要素实体识别

航行通告是民用航空情报领域的重要情报资料,针对中文航行通告专业名词较多、格式不统一及语义复杂等问题,提出一种基于BERT-Bi-LSTM-CRF的实体识别模型,对航行通告E项内容中事件要素实体进行抽取。首先通过BERT(bidirectional encoder representations from transforms)模型对处理后的向量进行预训练,捕捉丰富的语义特征,然后传送至双向长短期记忆网络(bidirectional long short-term memory, Bi-LSTM)模型对上下文特征进行提取,最后利用条件随机场(conditional random field, CRF)模型对最佳实体标签预测并输出。收集并整理机场类航行通告相关的原始语料,经过文本标注与数据预处理,形成了可用于实体识别实验的训练集、验证集和评价集数据。基于此数据与不同的实体识别模型进行对比实验,BERT-Bi-LSTM-CRF模型的准确率为89.68%、召回率为81.77%、F1值为85.54%,其中F1值相比现有模型得到有效提升,结果验证了该模型在机场类航行通告中要素实体识别的有效性。