蚁群算法优化到达航班排序和调度问题的研究

为有效解决动态环境中的到达航班排序和调度问题,提出了基于移动域控制的动态蚁群优化算法,该算法将总时间划分成多个时间窗口,并将蚁群算法优化控制在一个移动域内进行,有效避免了算法的早熟,降低了算法的计算复杂度。实例仿真计算表明,该算法比标准的蚁群算法具有更高的求解质量和求解效率,适合于对终端区到达航班进行实时排序和调度。

平行跑道到达航班排序问题研究

研究了在终端区空域繁忙的情况下,如何合理地安排到达航班的降落顺序以及同时为到达航班分配跑道,以增加空中交通流量、减少航班延误。考虑航班之间尾流间隔的不同,建立了平行跑道到达航班的排序模型并设计了双重编码的遗传算法,即用一对染色体确定到达航班的跑道分配与降落序号。研究结果表明,与先到先服务算法、先优化到达航班顺序后优化跑道分配算法以及先优化跑道分配后优化到达航班顺序算法相比,该算法优化后的航班排序与跑道分配有效地减少了航班延误。

进近区域到达航班排序和调度的优化

为了减少中国目前由于空中交通管制手段落后而引起的航班延误,提高航班调度的效率和空域的利用率,建立了到达航班排序和调度问题的混合整数规划模型,分析了求解问题的特点,提出了一种启发式算法。该算法结合了空管知识,通过预估未来一段时间内的流量状况实施调度,同时引入优先权,体现了连续航程航班和延误较大的航班的优先级。对算法进行了验证,结果表明:该算法能有效减少航班的延误和空中盘旋等待,提高了空域利用率,对改善中国空中交通管制的自动化水平具有实际意义。

航班到达集成调度策略的仿真优化

决策策略的形式和参数对决策支持系统的性能优劣有着重要的影响。对于航班到达管制系统,管制策略优化比数学模型优化更易于指导实际应用。在数学模型验证航班到达集成调度的基础上,运用仿真优化的方法对该集成调度的执行策略进行研究。搭建了基于Arena平台的航班到达仿真系统,运用多种仿真优化方法对航班到达集成调度的管制策略进行定性和定量的优化。

Gate-to-Gate模式下航班到达的综合调度

Gate-to-Gate是空中交通管理的未来趋势之一,研究了Gate-to-Gate模式下的航班到达问题,对航班到达的空中降落与地面滑行进行综合调度,建立了地空综合调度的简化数学模型,实现了航班到达从区调阶段到航站楼的关键点路径规划和时间安排,并对北京终端区及首都机场地面滑行过程进行了算例分析。针对实际应用规模大、求解时间长的问题,利用模型的特殊性制定了先松弛后固定分支求解的两步法求解算法,实现了在5分钟内能求得相对误差小于5.3%的近优解。

基于Geom/Geom/1/c排队的到港容量研究

针对到港航班出现的延误现象,提出了一种新的流量模型.该模型利用Geom/Geom/1排队系统,通过分析转移概率矩阵的平稳分布,建立航班到港容量的数学表达式,并形成数学模型.基于该数学模型,推导了航班的等待时间期望.作为实际案例,结合实际航班运行情况进行仿真,研究了到港容量与机场服务率之间的关系,仿真结果近于实际结果,表明该模型具有较好地适应性及准确性.

基于进近管制自动化程序的工作效率评估优化

根据终端区入口点雷达数据和BADA数据,设计出一个进港航班自动化程序,提前预测航班在各个节点上的冲突,并自动模拟管制员常用策略解决线路上的冲突,实现飞机排序降落;计算出管制员对每架到达最终进近点飞机所消耗的指令以及工作负荷,并通过MinDS模型评估各级管制员在不同繁忙程度下的工作效率。结合国内白云机场进场航班的数据进行案例计算,结果表明,此程序能够在一定程度上模拟管制员决策,解决潜在冲突,推算飞机降落时间,有效评估管制员工作负荷及管制效率。