基于强化因果发现的航班地面保障事件影响因素分析

对航班地面保障事件执行日志展开分析以及对国内外航班延误报告进行研究,针对航班地面保障事件执行效率低下的影响因素发现问题,明确关联与因果的统一定义,给出量化影响因素的时间差参考量,提出一种面向实际保障过程的基于增剪边规则的强化因果发现算法,通过最大化奖励分数得到最优的影响因素与目标事件因果图。实验结果表明,提出方法能有效得到真实因果图,在FDR、TPR、SHD与生成的因果图的合理性上超过其它对比方法。

机场航班延误恢复的强化学习算法

机场出现航班延误会导致飞行器和乘客滞留机场,若航班延误恢复调度不当会扩大延误造成的损失。针对航班延误恢复调度的损失最小化问题,设计了延误总损失计算的目标函数,构建航班延误恢复马尔科夫决策过程,建立了机场航班延误恢复重排班模型。为了解决计算的复杂性问题,采用深度学习神经网络参数化策略函数对减小延误损失目标函数值的策略进行参数化,利用奖励函数和优势函数对其进行训练,提出了一种机场航班延误恢复强化学习算法。研究结果表明:该算法能够将航班延误总损失降低7.83%,将旅客延误时长降低7.23%,相比于其他算法,该算法在时间和性能上均取得优势。

考虑风向概率特征的航班时刻优化方法

在航班时刻表进行实际运行过程中,风向的变化对航班到达终端区共用航路点的时间造成影响,进而造成航路点的容量过载或容量浪费。因此,根据风向的统计概率对航班时刻进行调整,目的是制定在一定程度上能减少共用航路点的容量过载或容量浪费的航班时刻表。根据风向对离场航班跑道分配的影响提出基准风向的概念,并基于航季中各月份在过去5年间的机场基准风向概率预测了下一年各月的机场基准风向概率,并根据各月的基准风向概率特征进行聚类。在聚类结果的基础上,以风向变化对航路点流量的影响程度为目标函数,建立考虑风向概率特征的航班时刻优化模型,并将ε-约束法与改进粒子群优化算法(particle swarm optimization, PSO)结合提出ε-约束(ε-constraint method)-PSO组合算法实现多目标模型的求解,以北京终端区的离场航班为研究对象进行验证。结果表明:相比初始航班时刻表,共用航路点小时流量的最大值减少了12%,在不同基准风向时的共用航路点流量方差分别降低49%和56%;相比线性加权求和的方法,该方法可以实现共用航路点的溢出航班总量减少70%。结果表明:在考虑风向概率特征的条件下,该模型可以在一定程度上使共用航路点的流量更均衡,减少出现共用航路点容量过载或容量浪费的现象,减轻航路点流量受风向影响的程度。

恶劣天气下机场离场航班运行韧性评估及恢复

为保障恶劣天气下机场整体性能,科学评估机场离场航班运行韧性,提高航班恢复能力,从而有效缓解天气的影响。给出机场离场航班运行定义,从机场离场航班运行系统性能出发,分析航班离场延误时间、离场总延误时间、离场航班正常率和机场离场航班运行系统综合韧性指数4个指标,对系统在恶劣天气条件下的韧性变化进行评估;提出机场离场航班运行系统性能恢复策略,利用遗传算法对离场延误航班进行优化排序;以2012年北京首都国际机场“721”特大暴雨事件为实例进行数据分析,得到暴雨影响下首都机场的性能指标和韧性指数,对比分析机场离场航班运行系统性能及韧性水平变化。研究结果表明:受暴雨影响,机场离场航班运行系统综合韧性指数由0.457 3下降到0.062 8,暴雨减小后上升到0.222 3;在进行航班优化排序后,离场航班总延误时间减少了24.85%,优化后机场性能恢复速度提升了13.89%,优化后的机场离场航班运行系统最小韧性指数提升了13.38%,系统性能优先恢复至初始状态,表明所提恢复策略有效。

基于航班信息的照明节能控制技术研究

结合某机场航站楼照明控制设计实际案例,提出基于航班信息预测旅客数,并据此划分照明分区、计算旅客密度、校验照度标准值,进而联动照明系统分档位控制的方法,在保证旅客安全和舒适度的同时,优化照明系统的运行方式,也较大幅度降低能耗。

航班延误特征可视分析方法

为分析航班延误发生规律,提出一种数学模型联合多视图协同的可视分析方法。对SEIR传染病传播模型进行调整,建立航班延误传播模型分析延误的传播特征,在此基础上,运用频繁子图挖掘算法提取延误频繁模式;设计基于中点分割的地图网络图、矩阵热力图和时序图,分析延误的时空分布特征;设计VA-FDC系统用于方法验证。实验结果表明,VA-FDC能够有效分析航班延误时空分布特征,依据航班延误传播模型准确描述延误传播特征,为相关部门有效措施的制定提供借鉴。

混合型联盟航线网络结构下航班频率优化研究

科学优化联盟航线网络结构下的航班计划可充分发挥联盟合作效应。综合考虑航空公司运行成本与旅客时间成本,以航班运行成本和旅客计划延误成本总成本最小为目标,建立混合型联盟航线网络结构下多机型多路径的航班频率优化模型。设计航班频率优化模型启发式算法,案例分析验证了模型可行性。结果表明,模型能一定程度上降低旅客出行成本和航空公司运行成本,可为航空公司制定混合联盟航班计划的频率优化提供参考。

考虑联盟衔接的国际航班离场时刻优化研究

为充分发挥联盟合作的价值,本文提出一种考虑联盟衔接的国际航班时刻优化方法。优化模型将始发直达旅客计划延误成本和中转旅客中转时间成本作为机会成本,纳入航空公司总利润最大的优化目标中,引入中转时间、绕航系数、旅客数限制、目标航班到港时刻限制等约束条件,保证联盟网络上前后航班的顺利衔接。设计两阶段求解算法,确保得到可行范围内的单个最优时刻和多个航班的整体最优时刻。在上海浦东国际机场—洛杉矶国际机场航线市场的实例分析中,按照优化后的3个航班离场时刻运行可为航空公司增加约31.9万元的利润。结果表明,基于联盟衔接优化的航班时刻可有效减少旅客机会成本,增加航空公司利润,该模型可为航空公司制定联盟合作航班计划提供参考。

基于改进鲸鱼优化算法的离场航班时刻优化

面对航空客货运输服务迅速增长、各地机场离港高峰时段拥挤度激增的情况,需要对离场航班进行优化配置,降低高峰时段离场总延误时间,同时保障航空公司申请的航班时刻总偏移。考虑航班时刻唯一性、走廊口流量限制、机场容量限制等因素,建立双目标离场航班时刻优化模型,运用精英反向策略与黄金正弦算法对鲸鱼优化算法(WOA)进行改进后求解。以北京首都国际机场为例,使用AirTOp对优化后的结果进行仿真验证。结果表明:优化后航班平均延误减少77.62%。因此,改进鲸鱼优化算法可以有效降低离港高峰时段延误,增强机场运行效率,合理配置有限的时刻资源。

基于数字孪生的航班延误时间预测方法

为了更加准确和高效地预测大面积航班延误时间,提出了基于数字孪生的航班延误时间预测方法。首先,从航班链整体的角度出发,依据航班运行业务特点和数字孪生技术特征设计了航班链数字孪生系统框架,综合航班链全生命周期内相关航班和机场的运行状态特征;其次,基于Fastformer和GraphSAGE模型设计了航班链时空特征提取模型(ST-Former),充分挖掘航班之间的时空关联特征。实验表明,该方法预测效率和准确度显著提升,平均预测误差在3 min左右。

发射场航班化发射能力建设思考

航班化发射是构建未来高效航天运输系统的必要前提,是支撑太空产业蓬勃发展的重要基础。针对航班化发射运营对发射场能力的需求,开展了能力规划与建设思考。结合航天发射系统发展现状分析与航班化发射特征要求,描绘了发射场航班化运营的4类典型场景。在此基础上,对航班化发射场景下发射场的班次发射能力、火箭回收能力、综合测试检修能力、体系运营能力进行了规划,并从关键技术实现、基础设施建设两方面开展了能力建设的分析讨论。

基于联邦学习的航班延误预测模型

针对现有的航班延误预测方法中未考虑多数据源与数据隐私问题,提出一种联邦学习框架,融合逻辑回归的方法,使训练数据可以保留在本地,无须上传共享,在保护数据隐私的前提下对航班延误情况进行预测。同时针对训练过程中会间接泄露信息的问题,采用同态加密技术对传输的参数进行加密操作。实验结果表明,用联邦建模的方法在不共享数据的情况下能达到与传统的方法相似的准确率,为优化民航业务提供了切实可行的方案。

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(classical infectious disease transmission,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。

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

随着中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。通过从机场、航空公司、空管3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77580 min减少至46260 min,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,3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。

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)。

RECAT-CN间隔下点融合系统进场航班排序研究

为提升终端区进场航班运行效率,针对大连机场终端区点融合系统设计进场航班排序模型,改进遗传算法求解实际航班流的最优排序并提出了一种航班换序运行模式。通过分别对比在RECAT-CN间隔和CAAC间隔下航班换序运行模式与先到先服务(FCFS)运行模式的运行效率,得出了如下结论:1)CAAC间隔下实施航班换序运行模式较FCFS运行模式对航班总等待时间、总飞行时间、航班流总运行时间均有优化;2)在航班换序运行模式下采用RECAT-CN间隔可进一步提升运行效率;3)采用航班换序运行模式可以一定程度上缓解FCFS原则下航班延误逐渐累积的问题。

中断离港航班恢复的改进NSGA2算法

为解决因突发事件产生的航空公司航班中断问题,对中断的离港航班进行恢复,构建最小化航空公司总延误成本和最小化乘客总延误时间的双目标优化模型,设计基于支配强度的自适应非支配排序遗传算法(ANSGA2-DS)。提出3种改进操作:快速支配排序方法、新的拥挤距离和自适应精英保留策略。通过福州长乐国际机场某航空公司的运行数据对所提算法进行验证,实验结果表明:与传统的先规划先服务方法相比,所提算法得到的解有大幅优化;与ε约束法相比,所提算法的求解时间总体上低于ε约束法,且求解结果接近ε约束法所得最优结果;与NSGA2、MOEAD等多目标优化算法相比,所提算法表现出更优的性能,能够有效且高效地解决问题,为航空公司达成优化的解决方案提供基础。

考虑风向不确定性的航班时刻优化

针对风向的不确定会影响航班的飞行时间和到达走廊口的时刻,造成走廊口出现流量过饱和的现象,提出基准风向的概念,并统计整个航季不同月份的基准风向概率;其次依据基准风向概率,以误差平方和与轮廓系数为指标将所有月份聚类为三类;然后基于聚类结果建立考虑风向不确定性的走廊口流量风险模型,并设计了改进粒子群算法实现模型求解;最后以首都机场的航班时刻表为例进行验证。研究表明:上述模型可以在一定程度上缓解风向不确定导致的走廊口流量饱和问题,增强航班时刻表的鲁棒性。相比初始航班时刻表,不同基准风向时的走廊口流量方差分别降低26%和14%,超出走廊口容量的总航班量减少45%。

基于SSA-CNN-BiLSTM的航班延误预测

为了提高对机场航班延误时间的准确性,对预测模型进行了研究。采用麻雀搜索算法(SSA),结合卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM),提出了一种基于SSA-CNN-BiLSTM的航班延误预测模型。使用美国亚特兰大机场的实际运行数据进行了验证,与BiLSTM,CNN-LSTM等基准模型进行了比较试验,并加入流量和时间双特征数据集验证模型性能。结果表明,SSA-CNN-BiLSTM模型在评价指标上表现最优,其平均绝对误差(MAE)为5.15,均方根误差(RMSE)为7.58,预测精度优于基准模型,具有良好的多特征处理能力。

资源受限条件下受扰航班恢复研究

针对机场关闭导致的航空公司飞机和航线网络资源较长时间受限的问题,论文构建了一种基于列生成的航班恢复方法。通过优化飞机执行的航班串,使用航班延误,飞机交换,航班取消三种手段对航班计划进行调整,减少取消航班的班次,使航空公司损失最小。首先使用路径模型构建多机型航班网络和航班恢复模型,其次使用构建的启发式算法生成初始恢复方案,最后使用列生成方法对航空公司遭遇突发事件后的航班中断进行恢复,对降低多机型航空公司航班取消率进行了研究。实验结果表明,与人工调整相比,该方法可以将航班取消率下降5.4%,其中与被关闭机场不直接相关的航班取消数量下降66.67%,恢复成本减少17.4%。该方法在可接受的延误水平内,显著降低了航班取消率,对航空公司航班正常运行有较高价值。