基于延误传播的空域航路网优化

针对航路网饱和而发生延误传播造成大范围的运行效率骤降问题,本文首先剖析了延误传播效应和社团结构的相关性质,之后通过航班延误传播的加权航空网络社团结构划分模型,建立了基于Dijkstra算法核心思想的机场节点权重优化模型。最后,从云南空管分局所辖管制空域中选取12个机场和18个航路点作为研究对象,结合结构划分和机场节点权重得到优化结果,从而缓解延误传播和交通拥挤。

机场密集区域空域容量评估方法研究

定义了机场密集区域,明确空域容量的求取范围为对应机场终端空域.对受军航影响下的机场密集区域空域运行模式和容量变化情况进行了分析.基于排队论、移位负指数分布等概率统计模型,提出面向机场密集区域的空域容量评估模型.以中南地区湛江进近空域为例,运用AirTop仿真软件评估其容量和延误情况,并将模型计算结果与其结果相比较,证明了模型评估趋势和评估精度的有效性.

多跑道机场离场航班排序优化方法研究

本文建立了以旅客总延误时间成本最小化为目标函数的多跑道机场离场航班排序优化模型,并考虑航路流控的影响,通过回溯算法求解,融合位置约束交换算法优先处理受流控影响的航班,最后采用南京禄口国际机场为例进行算例验证。与先进先出模式相比,优化后的离场模式降低航班延误时间效果显著,旅客总延误成本减少了44.81%,所提方法可显著提升多跑道协同运行能力,为当前多跑道机场的调度排序提供了思路与方法。

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。

基于雷达轨迹数据的航段拥堵分析

基于雷达轨迹数据,提出用平均飞行时间表征航段拥堵定义,分析了雷达轨迹数据,采用矢量叉积法提取出有效的航段数据,建立了基于区间估计法的航段拥堵模型,能实现管制员有效实时的评估空域航路网中航段的拥堵态势,且基于雷达轨迹数据的评估比传统的主观评估更具有实时性和客观性,为提高航班的运行效率具有重大意义.基于云南空管局的雷达轨迹数据,对G212航路中的航段XFA-MEBNA进行拥堵分析,并得出航段XFA-MEBNA 1 d的拥堵态势.

基于交通需求的航路网络优化

为提高现行的航路网络的通行能力,采用通过调整航路网络中交叉点位置的方法来对航路网络进行优化,首先从机场对之间的交通需求出发,考虑每个交叉点的通行能力,以总运行成本最小为目标函数,建立了基于交通需求的航路网络优化模型,其次采用遗传算法寻优。最后以各大飞行情报区中流量较大的七个机场点以及机场对之间的路径构成的航路网络作为待优化航路网络,结合提出的模型及算法,可以使航路网络的总运营成本在满足交通需求及通行能力的条件下降低了1.38%,从而验证了模型及算法的合理性。

基于航迹数据的油耗分析与研究

随着航空运输业的快速发展,传统的基于飞行程序的燃油预测无法再精确计算飞机携带的燃油量,因此如何精确地进行燃油预测成为各大航空公司稳健发展的重要目标。为了更科学地解决燃油决策量问题,首先对航迹数据进行处理,以便在计算燃油消耗(简称油耗)中使用,然后依据飞机数据基础用户手册(BADA,user manual for the based of aircraft data)数据库的油耗计算方法,在假定各航段燃油消耗率恒定的情况下建立了飞机下降进近阶段的油耗模型,并通过对所得油耗数据进行分析,提出某一飞行阶段航空公司的燃油携带建议值,最后依据中国民用航空西南地区空中交通管理局云南分局提供的雷达航迹数据进行仿真验证,验证了所设计的油耗模型较之前的传统方法更准确可行。

面向康复工程的脑电信号分析和判别方法研究

为提高脑电信号的分析和判别的准确率,利用数据挖掘的方法对数据进行处理,并建立脑电信号判别模型.首先,对P300信号标志符进行识别,完成对脑电信号的数据预处理,利用经验模态分解方法(Empirical Mode Decomposition,EMD)降低噪声去除伪迹,使用主成分分析方法(Principal Component Analysis,PCA)进行特征提取.然后,采用合成少数类过采样技术方法(Synthetic Minority Oversampling Technique,SMOTE)扩充样本使正负样本数量达到均衡.最后,采用支持向量机方法(Support Vector Machine,SVM)建立二分类模型完成对P300信号标识符进行识别.经运行结果可追,SMOTE改进的分类模型结果精度都有所改进,准确性有明显提高,能准确识别P300信号标识符.