期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于交通状态的离场航班动态协同排序方法 被引量:6
1
作者 江灏 刘继新 董欣放 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2022年第10期2048-2060,共13页
为适应协同决策(CDM)需要,考虑空管、航司和机场三方的诉求,对拥挤和非拥挤场景下的离场航班动态协同排序问题进行了系统研究。通过分析离场航班运行特性,利用离场航班的计划撤轮档时间(SOBT)和预计撤轮档时间(EOBT)数据设计了一种离场... 为适应协同决策(CDM)需要,考虑空管、航司和机场三方的诉求,对拥挤和非拥挤场景下的离场航班动态协同排序问题进行了系统研究。通过分析离场航班运行特性,利用离场航班的计划撤轮档时间(SOBT)和预计撤轮档时间(EOBT)数据设计了一种离场航班动态排序方法;针对各方构建了离场航班排序的多个优化目标,且为保证排序公平性,提出了航空公司延误公平性评价指标,将非受控离场航班优先级分为3类,对各类非受控离场航班设置其可接受的最大延误时间和最大位置偏移量,创建了基于交通状态的离场航班协同排序模型;采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)寻求离场航班动态协同排序的最优解。仿真结果表明:较先到先服务(FCFS)方法,所提方法在2种场景下各排序时段均增加多种排序方案,离场航班总延误均减少50%以上,且在非拥挤场景下提高了航空公司延误公平性。所提方法可对离场航班进行优化排序,显著减少航班延误,有效提升公平性,契合协同决策理念,可实现三方协同排序。 展开更多
关键词 空中交通管理 离场排序 协同决策 航空公司延误公平性 遗传算法
下载PDF
Identifying Anomaly Aircraft Trajectories in Terminal Areas Based on Deep Autoencoder and Its Application in Trajectory Clustering 被引量:4
2
作者 DONG Xinfang LIU Jixin +2 位作者 ZHANG Weining ZHANG Minghua JIANG Hao 《Transactions of Nanjing University of Aeronautics and Astronautics》 EI CSCD 2020年第4期574-585,共12页
Anomalous trajectory detection and traffic flow classification for complicated airspace are of vital importance to safety and efficiency analysis.Some researchers employed density-based unsupervised machine learning m... Anomalous trajectory detection and traffic flow classification for complicated airspace are of vital importance to safety and efficiency analysis.Some researchers employed density-based unsupervised machine learning method to exploit these trajectories related to air traffic control(ATC)actions.However,the quality of position data and the tiny density difference between traffic flows in the terminal area make it particularly challenging.To alleviate these two challenges,this paper proposes a novel framework which combines robust deep auto-encoder(RDAE)model and density peak(DP)clustering algorithm.Specifically,the RDAE model is utilized to reconstruct denoising trajectory and identify anomaly trajectories in the terminal area by two different regularizations.Then,the nonlinear components captured by the encoder of RDAE are input in the DP algorithm to classify the global traffic flows.An experiment on a terminal airspace at Guangzhou Baiyun Airport(ZGGG)with anomaly label shows that the proposed combination can automatically capture non-conventional spatiotemporal traffic patterns in the aircraft movement.The superiority of RDAE and combination are also demonstrated by visualizing and quantitatively evaluating the experimental results. 展开更多
关键词 ADS-B data robust deep auto-encoder anomaly detection trajectory clustering
下载PDF
基于航班特性的机场航班时刻优化问题研究 被引量:5
3
作者 徐晨 刘继新 +1 位作者 董欣放 杨光 《航空计算技术》 2019年第5期96-101,共6页
民航运输业务的增长和飞行流量的区域集中性加大了机场产生冲突的几率。制定一个能充分利用资源、满足乘客出行需求的航班时刻表,可减轻机场高峰时段运输压力,提高安全水平。通过宏观分析现有航班时刻资源配置缺陷,提出整合时隙资源的... 民航运输业务的增长和飞行流量的区域集中性加大了机场产生冲突的几率。制定一个能充分利用资源、满足乘客出行需求的航班时刻表,可减轻机场高峰时段运输压力,提高安全水平。通过宏观分析现有航班时刻资源配置缺陷,提出整合时隙资源的有效对策。研究国内与国际航班的不同特性,确定了以国内航班最大化效益、国际航班最大中转效率为目标,以空域结构、机场容量和航班的连续性限制作为约束的航班时刻优化整数规划模型,用遗传算法寻求较优解。通过对南京禄口国际机场的实例分析,将国内航班收益提高了原始航班收益的36.3%,同时增强机场国际航班的中转联程效率,验证了模型和算法在提高机场航班时刻利用率和基础设施设备使用效率等方面的实用性。 展开更多
关键词 航班时刻优化 航班效益 中转效率 容量限制 遗传算法
下载PDF
基于密度峰值的终端区航迹聚类与异常识别 被引量:9
4
作者 刘继新 董欣放 +2 位作者 徐晨 杨光 江灏 《交通运输工程学报》 EI CSCD 北大核心 2021年第5期214-226,共13页
为有效解决高流量终端区内标准飞行模式、非标准飞行模式和异常飞行模式难以自动分离的问题,采用广泛记录的广播式自动相关监视(ADS-B)数据,构建了基于稳健深度自编码器(RDAE)和快速搜索并寻找密度峰值的聚类(CFSFDP)算法的航迹聚类模型... 为有效解决高流量终端区内标准飞行模式、非标准飞行模式和异常飞行模式难以自动分离的问题,采用广泛记录的广播式自动相关监视(ADS-B)数据,构建了基于稳健深度自编码器(RDAE)和快速搜索并寻找密度峰值的聚类(CFSFDP)算法的航迹聚类模型;使用RDAE降维提取终端区内航迹集的非线性特征,利用多种正则化手段约束内部低维流形,以重建更紧密的航迹并将其作为CFSFDP算法的输入,利用轮廓系数选取不同密度飞行模式的聚类中心,并调节边缘密度参数识别出异常航迹;选取主成分分析(PCA)结合有噪声的空间密度聚类(DBSCAN)算法、动态时间规整(DTW)结合DBSCAN的2种常用航迹聚类模型作为对比项,分别在广州白云机场1 d的少量数据和45 d的大量数据上进行试验。分析结果表明:DTW与CFSFDP的结合模型在少量数据集上具有最优的航迹聚类性能,轮廓系数比对比项分别提升了62%和28%,且可以自动识别出遵循区域导航标准飞行模式的航班和特定环境下遵循管制偏好的非标准飞行模式的航班,识别异常航迹的精确度也分别提高了57%和10%;大量数据下,提出的RDAE结合CFSFDP模型的聚类性能比经典的PCA结合DBSCAN算法提升了13%,且具备可接受的时间复杂度。由此可见,建立的终端区飞行模式区分模型可为空域级交通流性能评估和航班级航迹预测与优化提供数据提取平台。 展开更多
关键词 航空运输 航迹聚类 深度自编码器 ADS-B数据 密度峰值算法
原文传递
基于空中交通密度的进场航班动态协同排序方法 被引量:21
5
作者 刘继新 江灏 +2 位作者 董欣放 兰思洁 王浩哲 《航空学报》 EI CAS CSCD 北大核心 2020年第7期279-294,共16页
为适应协同决策(CDM)需要,考虑空管、航空公司和机场的诉求,对进场航班动态协同排序问题进行了系统的研究。设计了一种进场航班动态排序方法,提出了一种时隙交换方法,建立了基于空中交通密度的进场航班协同排序模型,设计了精英保留的遗... 为适应协同决策(CDM)需要,考虑空管、航空公司和机场的诉求,对进场航班动态协同排序问题进行了系统的研究。设计了一种进场航班动态排序方法,提出了一种时隙交换方法,建立了基于空中交通密度的进场航班协同排序模型,设计了精英保留的遗传算法和带精英策略的快速非支配排序遗传算法以求解所建模型,寻求进场航班动态协同排序的最优解。仿真结果表明,较基于滚动时域控制(RHC)方法,动态协同方法所得结果与排序开始时间无关,所需排序次数平均减少26.4%,且排序效率更高。较先到先服务(FCFS)方法,动态协同方法在高密度条件下各排序阶段最后一个进场航班的落地时间平均提前199.8s;中密度条件下各排序阶段航班延误总时间平均减少29.9%,航班延误均衡性平均提高34.4%;低密度条件在航班正常率及航班延误公平性得到保证的前提下,满足时隙交换规则的排序阶段均增加了1种进场航班排序模式。所提方法可对进场航班进行优化排序,显著提高跑道容量,有效提升航班延误均衡性和航班延误公平性,契合协同决策理念,可实现三方协同排序。 展开更多
关键词 空中交通管制 协同决策 进场排序 时隙交换 多目标优化 遗传算法
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部