多智能体强化学习在直升机机场调度中的应用

快速高效的直升机机场调度是现代直升机机场调度系统面临的主要挑战。设计了一个直升机机场调度试验平台,使用二维网格环境,供多种算法进行快速试验。机场调度试验平台根据机场实际地形进行地图编辑,提供了传统的集中式规划算法和基于多智能体强化学习算法来进行快速高效的模拟调度实验。实验表明,基于多智能体强化学习方法的可扩展性和实时规划效果较好。试验平台为进一步研究机场调度提供了良好的起点,对未来多智能体路径规划问题应用于实际场景将会产生有益影响。

机场调度的队列模型及延误研究

论文讨论了机场航班延误的严重性。基于机场航班排序理论的研究,采用马尔可夫(Markov)链的C-K方程理论建立机场服务队列模型。用模型对飞机进场和离场的时间延误进行预测,仿真实验再现了时间延误概率分布图。由此证明,该模型能直观反映航班延误情况。进一步根据延误情况去制定航班排序策略,是一个有效的办法。

于Multi-Agent的机场调度系统的研究

指出了现有的调度模式的缺点 ,提出了基于Multi-Agent的机场运营调度模型 ,并对Agent间协调与协作 ,时钟同步等关键问题的解决方案进行了阐述。

基于航班延误的机场调度调整优化研究

研究航班延误所引起的机场航班调整优化问题.在对航班延误所引起的多方决策主体分析的基础上,建立了包括乘客损失、机场运营成本增加、航空公司经济损失在内的加权和最小化的机场航班优化调整模型,采用遗传算法优化求解.具体机场的仿真实验表明该方法能快速实现航班调度动态更新,调整的方案能兼顾到乘客、机场和航空公司各方利益,使机场具有较好的综合服务水平,证明了该思想与方法的正确性与可行性.

基于物联网的多目标机场加油车调度模型和算法

基于物联网动态跟踪加油车、航空器和停机位的状态,据此构建一类多目标机场加油车调度的数学模型,考虑航空器的加油时间窗等现实因素,将航空器的加油任务分配给不同机场加油车,追求加油车行驶成本、航班延误成本最小化。根据问题特征,设计求解该问题的NSGA-II,找到其Pareto解。最后,以某机场加油车调度为例,生成最佳调度方案,分析模型的灵敏度,从而证明莫和算法的优越性。

基于多智能体强化学习的机场飞机滑行智能调度方法

通过智能调度优化航空器在滑行道系统的滑行过程可以提升场面飞机运行效率。针对国内某大型枢纽机场,提出了一种基于多智能体强化学习的机场飞机滑行智能调度方案。在中央控制器端,使用集中式学习框架和多智能体近端策略优化(MAPPO)算法生成分布式策略。该策略可根据机场场面信息决定每架飞机的移动方向和移动速度,在避免冲突条件下,最小化飞机的滑行时间,有效解决了机场资源冲突问题。

基于Any Logic的机场加油车调度能力评估

机场地面车辆调度是机场运行管理的重要部分,车辆调度目标在于以最优的调度方案,保证调度时间花费最少,调度车辆数目使用最小,从而减少调度成本的开销。国内大部分车辆调度方式采用先到先服务的排班作业对进港航班进行调度工作,易造成调度成本过高的现象。论文选择采用Any Logic软件,以加油车为例,根据加油车的运输能力,针对不同机型的进港飞机,运用多目标调度优化模型进行仿真运算。并将仿真结果与先到先服务的调度结果作对比,得出最佳的调度方案。研究结果表明:平衡车辆调度服务的航班数目有助于减少调度总时间;通过改变车辆调度排班次序,有助于减少调度成本。

基于智能网联的机场摆渡车车辆路径优化模型和算法

基于智能网联动态跟踪航班的旅客接运任务、摆渡车的状态,据此构建一类机场摆渡车车辆路径优化的数学模型,考虑不同航班的旅客接运任务时间窗等现实因素,将若干旅客接运任务分配给不同类型机场加油车,确定车辆执行这些旅客接运任务的顺序,追求机场摆渡车调度成本最小化。根据问题特征,设计求解该问题的遗传算法,定义编码方案、产生初始种群的启发式算法、适应度函数、交叉和变异操作。最后,以某机场摆渡车调度为例,生成最佳车辆路径方案,分析不同车辆数对结果的影响,从而证明模型和算法的优越性。

多机场时空资源公平分配协同进场调度策略

分析终端区内进场航班各延误措施特性,以协同决策(collaborative decision making,CDM)理论为基础制定相应的分配策略调度进场航班,在降低延误时间的前提下重点提高机场之间时空资源使用公平性,兼顾管制员工作负荷.运用模糊自修正多目标粒子群算法(fuzzy self-correction multi-objectives particle swarm optimization,FS-MOPSO)进行仿真计算.计算结果显示2机场的30架进场航班调度延误时间较传统先到先服务(FCFS)方案减少16.54%,2机场航班延误差值从单一以延误最优遗传算法仿真结果的115s降低至31s,较大程度提高了各机场进场航班调度时空资源分配的公平性,并实现公共进场定位点航班均衡分布,提高多机场终端区资源利用有效性.

基于FS-MOPSO的多机场终端区协同航班调度策略

针对多机场进场航班协同调度问题,以协同决策(collaborative decision making,CDM)理念为基础,在重点分析各航空公司之间排序公平性的基础上,提出了一种基于按时刻表分配(ration by schedule,RBS)公布顺序的离散化优化模型.该模型通过分析多机场终端区定位点和跑道双重约束,均衡各航空公司航班相对RBS次序位置变动数,实现了提高调度公平性、优化调度延误时间、减少航班改变位置架次的多目标优化.将模糊自修正多目标粒子群算法(FS-MOPSO)应用于模型进行求解计算,并对上海多机场终端区航班调度进行仿真模拟,结果表明:两机场的30架进场航班调度延误时间较传统先到先服务方案减少22.53%;各航空公司航班改变位置架次偏差值较单一以延误最优遗传算法仿真结果降低26.31%.

基于多Agent的机场地面服务车辆调度方法研究

机场地面服务车辆调度失误是机场航班延误的主要原因之一。通过对机场地面服务车辆调度问题进行分析,建立多目标带有时间窗非满载机场地面服务车辆数学模型。将多Agent技术以及用于旅行商问题(TSP)的最近插入法加以结合改进,设计出一种基于多Agent的机场地面服务车辆启发式调度方法。最后结合实验数据进行验证,实验结果表明该调度方法在满足所有约束的条件下,所用车辆总数平均减少65.5%,车辆总运输距离平均减少48.3%。

实现多目标优化的机场特种车辆调度算法

为保证航班正常运行,机场特种车辆必须高效完成地面保障服务任务。目前机场特种车辆的调度方式是单车单航班服务的人工调度方式,成本较高,且效率较低。针对该问题提出一种基于节约算法的解决方案。该方案分为两个阶段:第一阶段,利用节约算法求出满足行驶总路程最短的子路径集合;第二阶段,通过构建的新方法将每个子路径任务合理分配给所有车辆,实现车辆数目最少和任务量差异最小的目标。以国内某机场实际航班数据做算例进行实验,与单车单航班服务相比,总路程节省49.28%;与不加任务量约束相比,任务均衡度由43.55%提高到95.16%。实验结果表明,利用该算法调度特种车辆可大幅降低服务成本,且能实现任务均衡。

机场飞行区无人驾驶清水车优化调度方法

针对机场航班延误和拥堵现象日益严重以及地面特种车辆服务航班效率低且存在较高安全隐患的问题,研究了面向机场飞行区无人驾驶清水车的优化调度方法。通过将无人驾驶清水车服务航班硬时间窗与梯形模糊隶属度函数相结合构建航班服务水平函数,结合传统C-W节约算法,考虑无人驾驶清水车服务机场航班的时间规则,实现了无人驾驶清水车总行驶路程最短以及航班服务水平最高的目标。考虑服务航班数量总和,衡量每辆无人驾驶清水车的服务航班阈值,并提出了服务航班任务量的差异评价值。新算法在C-W节约算法路径优化结果的基础上对未达到服务航班容量极限的子路径进一步优化,实现了所需服务航班的无人驾驶清水车数量最少、服务航班数量差异化最小的目标。以国内某机场航班信息为例,结果表明:与单车单服务模式相比,服务总路程节省59.36%,车辆使用减少84车次,航班服务水平为93.78%,航班任务量的差异评价值由93.32%降低至43.96%;与基准算法相比,新算法在实现任务量均衡的同时并不会增加总行驶路程,且将服务航班任务量的差异评价值由2.72降低至0.44,显著提高了车辆服务航班任务量的均衡性。

基于理想滑行路径的机场滑行道调度策略模型

针对各大型机场容量不足导致地面滑行延误日益严重的难题,结合空中交通管制与机场地面滑行基本规则,提出了一种新的调度策略,将停机位或跑道入口无限时等待时间分散到滑行过程中的各个结点,并建立了求解该问题的混合整数规划模型.此外,将最短路与理想路径进行区分,采用Floyd算法为每架飞机提供多条无障碍的理想路径.通过某大型机场的实际数据进行验证分析,结果表明新的调度策略可以使得总调度时间减少,缓解机场的地面忙碌状态.

基于合作博弈论的多机场终端区协同航班调度

针对多机场进离场航班协同调度问题,以协同决策(CDM)理念为基础,结合合作博弈论相关理论建立协同航班调度模型.模型主要分析机场、航空公司以及空管部门的效用函数和拒绝性函数,通过计算各航班拒绝性值和选择性值分析进离场航班次序.实例仿真表明,基于博弈论的协同航班调度优化模型有较好的准确性和实用性,有助于解决机场终端区的航班调度问题,较公平地兼顾了机场、航空公司和空管部门之间的利益.

虹桥机场航班智能调度问题

机场航班智能调度已经逐渐纳入评价机场的重要条件之一,目前机场调度规则大多还是人工决策模式。本文针对曾发生严重A类穿越事件的上海虹桥机场航班调度建立了跑道服务智能调度模型,提高了飞机调度安全和提高准点率和起降效率,与人工管理相比,极大地提高了机场的安全性能和利用率。本文建立了基于遗传算法和元胞自动机模型的目标规划模型,首先建立基本的安全等待模型,将机场抽象为有向节点图,滑行道抽象为队列结构,规定滑行道上只有节点处能停放飞机,借用元胞自动机的方法,模拟了飞机在滑行道上的运动情况。为了能较真实地模拟实际飞机的运动情况,得到更有价值的模拟数据,我们设定了一组描述飞机单向滑行和排队等待的的状态变换规则。我们重点考虑了飞机运动的起始条件,终止条件,前进条件,排队等待条件,变道条件和穿越跑道条件等,以期保障飞机起降时绝对的安全性。其次,我们建立了运行效率较高的安全等待模型,设定了准点率和起降效率的具体形式,我们用计划与起飞时间的残差和和准点的飞机与总的飞机的比值共同描述飞机的准点率,用飞机在滑行道上的等待时间描述起降效率。

基于遗传算法的机场滑行调度优化策略

提出一种基于遗传算法的滑行调度优化策略。该策略首先用遗传算法确定各航班经过交叉点的顺序,再根据上一步得到的顺序求解具体的调度计划,并反复迭代以逐渐优化,直到得到最优解或满意解。相对于混合整数线性规划(MILP)模型而言,有效地提高了求解效率,减少了求解时间。

数字化通用航空指挥调度综合管理系统的设计与应用

通用航空飞行的顺利实施,离不开通信、导航、雷达、气象、航行情报及其他设备的密切协同、统筹兼顾和合理安排。介绍了一种数字化通用航空指挥调度综合管理系统,该系统可为地面指挥人员提供有效的监控、通信手段,为飞行员提供任务飞行所必需的导航和引导信息,增强飞行员对飞行环境的感知能力。

基于齐次马尔科夫链的机场业务统一运行视图模型研究

由于国内外大部分机场的指挥调度系统无法及时预知机场的复杂事件,致使机场无法适时对保障资源做出科学合理的调度分配,造成机场运行效率低下。为了提升机场运行效率,提出了基于齐次马尔科夫链的机场业务统一运行视图模型。利用马尔科夫建模机场复杂事件的关系,实现机场业务统一运行视图,进而提前预警机场将会发生的事件。研究成果有助于我国机场研发新一代的高度智能化的指挥调度系统,以促进"民航强国"战略的实施。

一种新的停机位分配优化模型

针对国内机场目前基本依据经验分配停机位的情况,基于传统滑行路径的理念,建立了降低旅客进出机场飞行区时间的停机位分配模型.在满足场面运行安全约束及可接受延误水平下,寻求时间最小的分配方案.通过机场的地面网络数据、运行模式以及航班计划等信息,利用计算机仿真对模型进行了算法设计,并利用MATLAB编程进行了计算,与机场地面容量评估系统(ACES)中的停机位随机分配模型进行了对比.结果显示:与随机分配模型相比,旅客飞行区平均停留时间减少9.7%,机场地面容量提高5.7%,冲突次数和延误时间分别降低9.4%、6.4%.因此,机场运行效率与资源配置情况得到改善,所提模型与算法有效.