基于SSA-CNN的航空器着陆跑道占用时间预测

国内外相关研究表明,航空器着陆跑道占用时间(aircraft arrive runway occupation time,AROT)是影响机场跑道容量的重要因素,对跑道占用时间的准确预测有利于更准确地评估跑道容量。由于着陆过程的动态性和复杂性,采用注重数据特征提取的卷积神经网络(convolutional neural networks,CNN)对AROT进行预测,针对CNN容易陷入局部最优等缺点,采用麻雀搜索算法(sparrow search algorithm,SSA)对CNN相关参数进行优化。数据采用航空器快速存取记录器(quick access recorder,QAR)的记录作为数据源,涵盖机场数目为34个。根据QAR数据分析AROT影响因素,构建了SSA-CNN预测模型。对QAR数据分析表明AROT与滑行距离、落地气温、跑道入口速度、快速脱离道数量、脱离速度关联性较强,与航空器重量、风速、风向、脱离道角度等影响因素关联性较低。根据影响因素的关联性采用CNN预测模型均方误差为18.35,而优化后的SSA-CNN预测模型均方误差为17.31,预测结果可以为机场评估跑道容量提供参考。

基于集成学习的航空器着陆跑道占用时间预测

为准确预测航空器着陆跑道占用时间,提出了一种基于集成学习的航空器着陆跑道占用时间预测模型。首先,根据航空器机载QAR数据处理后得到的航空器影响因素,利用皮尔逊积矩相关系数进行相关性排序;其次构建了基于stacking集成学习策略的预测模型,实现了对着陆跑道占用时间的预测;最后通过模型评价指标对比了各预测模型预测精度。实验结果表明,提出的集成学习预测模型的准确性更高,可为机场实际运行效率提升提供理论依据。

进场航空器跑道占用时间预测

为了准确预估跑道占用时间(runway occupancy time,ROT),提出了一种将灰狼优化算法和随机森林算法结合的预测模型。首先基于ADS-B轨迹,根据纽瓦克自由国际机场的实际运行情况,提取出进场航空器的跑道占用时间;其次分析跑道出口选择、跑道出口角度、气象条件、跑道入口端速度、跑道出口端的速度、机型、航空公司对跑道占用时间的影响;最后利用灰狼算法实现随机森林参数优化(grey wolf optimization-random forests,GWO-RF),基于优化后的随机森林模型完成对进场航空器跑道占用时间的预测。实验结果表明,相比实验和文献中的其他方法,该方法对跑道占用时间的预测更为准确,预测值与实际误差值在10 s内的占93.6%。研究结果可用于大型机场实际运行航班跑道占用时间预测。

基于地面航迹数据的跑道占用时间分析

随着航班流量的不断增长,结合最终进近时的尾流间隔的缩减,跑道占用时间(ROT)将会成为限制机场终端容量和跑道容量的另一个重要影响因素。文中采用成都双流国际机场2021年1月的ASDE-X雷达数据,研究了地面航迹数据的提取和分析跑道占用时间的方法。跑道占用时间数据对于有效监控当前机场运行效率和引导新的飞机场面运动系统至关重要。通过比较ROT的统计分布,分析影响ROT的因素,为管制员提供参考。

基于神经网络的跑道占用时间预测

跑道占用时间(runway occupancy time,ROT)是衡量跑道吞吐量的重要影响因素,提出一种基于BP(back propagation network,BP)神经网络和跑道雷达监视数据的预测机场到达航班跑道占用时间的方法.该方法基于BP神经网络算法实现预测,算法利用在3个机场的机场跑道监视数据和降落飞机的速度和加速度参数等机载数据(quick access recorder,QAR),这些数据涵盖了含重中轻型机在内的十几种机型降落数据和滑行数据.最后通过基于神经网络算法预测的跑道占用时间结果的预测值和实际观测值之间的回归分析的加权平均R平方值为0.91.预测跑道出口距离的均方根值为0.95.说明该模型在预测跑道占用时间和跑道出口距离上具有较好的准确性.

动态规划确定化学反应器序列最小占用时间的方法

通过用动态规划给出化学反应器序列最小占用时间的设计方法,提出了一个过程的最优化输出设计,该设计在输出产品浓度给定的条件下建立问题的基本设计量和数学模型,利用动态规划原则确定各阶段的占用时间,使总的占用时间为最小值,能够合理的确定各阶段反应器的体积以取得较好的经济效应.图3,表1,参8.

基于利用率和跑道占用时间的军用机场快速出口滑行道位置优化模型

现行快速出口滑行道位置确定模型常以最小跑道占用时间为唯一目标,主要应用对象为民用机场,未能有效解决多机种、多运行模式下的军用机场快速出口滑行道位置确定问题。针对这个缺陷,基于综合利用率和综合跑道占用时间这2个指标,建立了综合考虑双指标的军用机场快速出口滑行道位置优化模型。以某军用机场飞行区构型为背景,以4种飞机为对象,结合该机场2种年架次比,在不同飞机着陆滑跑距离分布概率密度函数基础上,计算了不同位置快速滑行道出口对应的利用率,在此基础上得到了快速出口滑行道综合利用率。针对利用率大于90%的快速出口滑行道,应用贪心算法迭代不同快速出口滑行道的跑道占用时间,并通过加权计算得到综合跑道占用时间。基于综合利用率和综合跑道占用时间,确定出了快速出口滑行道数量和位置,给出了建议的方案,并进一步分析了年架次比改变对快速出口滑行道位置的影响。结果表明:与仅以利用率或最小跑道占用时间为优化目标的2种传统模型相比,应用优化模型提出的快速出口滑行道设计方案,在2种年架次比下使跑道占用时间分别缩短18.42,34.82 s,效率分别提高34.2%,40.6%。

铁路货车占用时间统计系统的设计与应用

本文介绍在推进铁路运输信息化、铁路管理智能化背景下,利用现有铁路车号识别系统,开发的适用于货运现场需求的货车占用时间统计系统,能够及时、准确统计国铁货车在专用线、合资铁路内的停车数量、停留时间、以及产生的相关费用。该系统为解决货运现场货车实时统计提供了有力的技术支持,既节约了人工成本,又可以为铁路运输部门提高货车周转效率提供可靠的数据支持。

病床占用时间的寿命表分析

提高病床的使用率无疑是医院管理中的一项重要工作。掌握了病床的使用情况,就可以进行分析,从中找出关键环节,以便采取综合性措施提高病床的使用率,从而在有限的条件下为社会提供更多的服务。衡量病床的使用效率的指标很多。

铁路货车占用时间统计系统的设计与应用

利用现有铁路车号识别系统,开发了一套适用于货运现场需求的货车占用时间统计系统,能够及时、准确统计铁路货车在专用线、合资铁路内的停车数量、停留时间,以及产生的相关费用;也为解决货运现场货车实时统计提供了有力的技术支持。

专用铁路货车占用时间统计系统设计与实现

本文设计了一种专用铁路货车占用时间统计系统,它能实时采集货车进出专用铁路的时间,并在货车离开专用铁路时自动计算每辆货车的占用时间及延时占用费,实现了专用铁路货车占用时间的自动统计和收费。本系统通过车号识别系统实时采集货车进出专用铁路的时间,并将采集到的信息传输到车站和铁路局服务器,服务器后台收到车号识别系统发送的报文后,计算出每辆货车的占用时间和延时占用费,实现了货车占用时间远程自动统计、汇总、监测和管理。

深圳机场航班跑道占用时间统计分析研究

航班跑道占用时间统计分析是管制员提升效率的重要指标。以深圳机场为对象,基于场面监视雷达信号及ADS-B数据,解析场面监视信号,匹配进、离港航班的信息,绘制深圳机场地图和电子围栏,以及统计进港和离港航班的跑道占用时间等,分析机场航班起飞和降落时进入和离开跑道的时刻数据,实现机场跑道占用时间统计分析功能,为后续的机场运营大数据分析奠定基础。

基于机器学习的跑道占用时间预测模型研究

伴随着我国民航事业的迅速发展,运输需求不断增加,通过规范跑道占用时间来提升跑道运行效率成为必然要求。采用了人工神经网络(ANN)、循环神经网络(RNN)、极度梯度提升树(XGBoost)、支持向量机(SVM)四种不同的机器学习方法构建跑道占用时间预测模型,并对建立的四种跑道占用时间预测模型预测结果进行对比分析。研究发现最适宜用来建立跑道占用时间预测模型的机器学习方法是人工神经网络,利用该方法建立的基于RNN的跑道占用时间预测模型预测效果最好,预测平均绝对误差仅为3.5130。该结论可以为未来研究跑道占用时间预测模型,规范跑道占用时间提供一定参考。

航空器跑道占用时间的研究

在尾流再分类计划(RECAT)被引入以增加跑道容量和效率后,跑道占用时间逐渐成为限制跑道容量的重要因素,规范跑道占用时间可帮助管制员准确判断间隔可用性,有助于提高跑道运行效率。对航空器起飞、着陆跑道占用时间相关研究与运行现状进行综述。阐述了跑道占用时间的不同定义,重点分析了机场运行、机型性能、进近程序、航空公司等影响跑道占用时间的各大因素,最后总结了现有不足,指出了未来研究方向。其研究成果可为管理部门制定相关规范与决策提供理论支撑。

跑道占用时间的影响因素分析与预测方法研究

针对最后进近阶段飞机距跑道入口较远时,跑道占用时间难以实现准确且实时的预测,提出了基于机器学习的跑道占用时间预测方法。面向空中交通管理,考虑3类共10项影响因素与跑道占用时间的关系;然后,基于对影响因素的分析,使用BP神经网络建立按照飞机尾流等级分类的跑道占用时间预测模型;通过对模型的调试和训练,对模型性能、影响因素显著性和不同距离时的预测结果展开了分析。研究表明,模型对跑道占用时间的估算平均绝对误差不超过2.5 s,均方根误差不超过3 s,判定系数均在0.85以上,可以很好地满足跑道占用时间的准确预测;影响因素偏差导致的估算误差随着飞机尾流等级的减小而增大;当飞机位于距跑道入口19 km时,估算误差为4.33 s,是预测跑道占用时间的较佳位置。

车站技术作业占用固定设备时间数据的分析

铁路车站属于复杂系统范畴,其技术作业占用固定设备时间是计算车站能力的基本要素之一。为了清楚地分析车站工作情况、进一步合理查定车站能力,分别从定性、定量的角度对各项技术作业占用设备时间进行了分析,发现占用时间数据由于线路布置形式、线路运用方案的不同,以及受作业人员素质和外界环境的影响,可能具有多样的分布特征,同时也存在着显著偏差。

基于时间占用网络流预推的高铁枢纽站多态通过能力推算系统

按照高铁枢纽站站场基本布局,将站场图抽象为站场网络图。基于动车组列车咽喉通过时间基本相同的特点计算咽喉时间占用,构建咽喉能力计算方法及推算过程。按照动车组列车进出到发线通过咽喉区方式以及到发线停留时间不同,将到发线接发的动车组列车归类为多品种流形成多品种流网络,据此计算到发线时间占用及接发能力。在遵从咽喉与到发线、咽喉与咽喉之间相互关联相互制约的关系以及行车进路规则基础上,针对动车组列车车流进出到发线通过咽喉区先后顺序的不同方式,设计网络图流预推算法。为了推算出多态通过能力,设计开发了高铁枢纽站多态理论通过能力推算系统。

高速动车组列车合理站折时间的分析计算

为合理确定高速动车组列车在折返站的折返时间(简称站折时间),对进出站客流的集散过程和主要影响站折时间的控制因素进行分析,并根据现场实际调查统计数据和旅客进出站组织的合理作业流程以及作业时间序列图,提出高速动车组列车站折时间的分析计算方法。研究表明:站折时间主要受列车编组辆数、旅客人数、旅客在站台上的走行时间、车站客运通道和站台阶梯的通行能力等控制;当列车按8辆编组时,站折时间可取11min,占用到发线时间可取17min;当列车按双列重联16辆编组时,站折时间可取20min,占用到发线时间可取26min。研究结果可为高速铁路的列车运行图编制、客运站工作组织及客运站设计提供依据。

无线接入系统干扰规避检测方法研究

介绍了无线接入系统为实现频谱的兼容共享所采取的干扰规避机制的类型,并对具体的检测方法,如信道占用时间评估、空闲信道评估、空闲信道评估时间累积概率分布统计、干扰信号检测阈值的判定、静默期时长以及等效占用率等,进行了阐述。重点指出了在实际的设备检测系统中存在的问题,并给出了更加有效的信道占用时间和空闲信道评估算法以及判定流程。

医院信息统计在医院管理中的重要性

探讨实施医院信息统计在提升医院管理水平中所发挥的作用。方法 我院自2022年7月1日起强化医院管理并在医院管理中纳入医院信息统计,针对医院信息统计前后医院管理效果进行评估和对比。结果 相比于实施前,实施医院信息统计后医院有着明显更多的诊疗人数且有着更高的病床使用率,出院者平均占用床位时间显著更短(P<0.05)。结论 在医院管理中应用医院信息统计可显著提高医院管理水平及服务水平,应用价值较高。