基于AOE网的过站航班保障进程优化

航班地面保障是机场运行的重要环节,为了提升航班地面保障效率,针对某机场航班地面保障流程构建AOE网,通过该机场A-CDM系统记录的航班节点数据求出该机场航班地面保障作业的“关键路径”。通过对关键路径上可压缩工序的分析,对该机场的地面保障作业流程进行优化。以我国西南地区某机场航班地面保障的实际数据为基础,剔除不可抗力造成的不正常数据,分别计算保障流程优化前后的航班过站时间。结果表明:在33组航班数据中,该机场使用AOE网络优化后的保障作业流程比优化前平均减少地面保障作业时长6.1分钟/架次,说明通过合理地优化航班地面保障进程,可以有效提高机场的运行效率。

基于混合整数规划的航班保障资源调度研究

由于航班起降的实时变化,如何合理调配航班保障设备和人员一直是机场亟待解决的问题。通过分析机场传统调度模式面临的问题和挑战,提出基于混合整数规划的航班保障任务分配模型,模型一按照任务类型和资源工作时间范围计算出航班保障所需最小资源数量,模型二能够根据不断变化的航班执行情况实时推导出所有保障任务清单,结合可用资源清单快速计算出资源分配方式,即获取最优化匹配结果。通过分析算法的实际应用效果,所提出的资源分配方式实现了最优化的调度,提升了航班保障资源利用效率。

航班保障因果分析框架

航班离港延误是民航界一致关注并希望解决的重点及难点问题。针对航班离港延误产生原因不明晰及因果影响强度不确定的问题,提出了BLCNS-LV-IDA因果分析框架,从因果推断的角度出发,在航班地面保障业务范畴领域内,从定性和定量2个层面对航班离港推出延误进行因果分析。以航班离港推出延误时长为目标变量,基于特征选择和极大祖先图贪婪搜索(GSMAG)算法结合的BLCNS局部因果网络结构发现算法,构建因果网络模型;根据得到的因果网络,基于LV-IDA算法对各等价网络中的边缘进行因果效应评估。实验结果表明:BLCNS局部因果网络结构发现算法在处理变量较多的大样本数据集时有一定的优势,在50节点集的1 000、5 000、10 000样本量下,F1值较基线算法分别提高了-0.303、0.008、0.132,呈明显上升趋势,且在运行时间方面至少缩短16.29%。节点间的因果效应明确了各节点对航班延误的具体影响强度,为航班保障的精细化管理、减少航班延误提供了指导。

基于贝叶斯网络的航班保障服务时间动态估计

针对航班保障服务时间估计的问题,考虑到航班保障服务流程的特殊性、复杂性以及影响因素的不确定性,提出了一种基于贝叶斯网络(BN)的航班保障服务时间估计模型。该模型把航空领域的专家知识与历史数据的机器学习相结合,使用贝叶斯网络的增量学习特性动态地调整BN模型,使其适应新的变化,进而不断更新航班保障服务时间的估计值。使用国内某大型枢纽机场信息系统内提取的数据,通过期望最大化(EM)方法对模型进行训练,得到了测试结果。实验结果分析与模型评价表明,所提方法能有效估计航班保障服务时间且具有较高的准确度。敏感性分析表明,航班到达时段的航班密度对航班保障服务时间影响最强。

基于CPM的停机坪航班保障工作方法研究

针对目前国内某大型机场停机坪各项航班保障工作的耗时,提出几条基于关键路径法(CPM)的规划建议。结合该机场停机坪航班保障工作的特点,对保障过程中的各项工作分别计时,在取得实测数据的基础上,利用修剪平均值算法得出样本中各项操作的平均耗时。以该机场停机坪各项保障工作为基本元素建立AOE网络,结合计算所得的平均耗时,按照CPM找出影响该机场停机坪航班保障工作总耗时的关键工作,从而明确该机场停机坪航班保障工作的关键路径。最终,在上述研究的基础上基于目前的实际情况下,提出了实现该机场停机坪航班保障工作最佳方法的三条建议,为优化机场资源、缩短航班过站时间、提高航班运行效率、保证航班准点率提供了参考。

枢纽机场航班保障服务时间估计

为便于机场向旅客及时发布准确的航班状态信息,需对机场航班保障服务时间进行估计。考虑到航班保障服务流程是零工型与定位型的混合流程,且具有时间窗约束以及资源需求量差异等特点,建立了基于带有时间窗车辆路径问题(VRPTW)的航班保障服务流程模型。针对车辆路径问题的强NP性,设计了基于贪婪算法和禁忌搜索的两阶段混合启发式算法,并应用于国内某大型枢纽机场实际运行数据,实现了航班密度变化、保障车辆数变化、航班机型变化等情形下的保障服务时间估计。准确性测试表明,所建模型和算法能有效估计枢纽机场航班保障服务时间并预测航班状态。

考虑航班保障需求的机位分配合理性检测方法研究

为提升机位分配方案的可执行性,提高机场的运行效益,对机位进行分配时,需考虑航班保障需求因素。通过分析机坪运行管理规则,构建包围航空器、特种设备、机位及其周边运行环境的多边形几何模型,基于此模型的机位分配合理性检测方法是判断多边形区域是否有交集,如果有交集,则机位分配方案不能满足航班保障需求。仿真结果验证该方法实用性。

基于数字孪生的航班保障预警系统

为了提高航班和保障车辆的安全性,提出了一种基于数字孪生的新型航班保障预警系统架构。数字孪生系统中包括机场的物理世界、赛博空间的仿真模型以及实时数据。系统可以根据当前作业状况,预测保障活动未来会出现的风险情况。详细介绍了航班保障的规则,仿真模型的设计开发,如何实现保障车辆和航班数据的实时采集,以及潜在碰撞风险的预测。为了验证预警逻辑和算法的有效性,在Anylogic平台进行系统开发和仿真实验,实验结果表明:所提出的架构可以对车辆和航班进行在线预警,保障运营安全。

基于着色时间Petri网的航班保障服务建模方法

航班地面保障过程的定量描述以及保障服务时间的准确估计是提升机场保障服务效率的关键。通过分析航班地面保障服务实际作业流程,提出了一种基于着色时间Petri网的航班地面保障服务定量描述模型。该模型将保障服务分为作业、状态、资源3部分,利用着色时间Petri网基本元素描述保障作业、作业逻辑关系、服务状态及其与保障作业的关系,根据该模型设计了一种基于蒙特卡罗仿真的保障服务时间估算方法。利用国内某大型枢纽机场实际航班保障服务时间数据与本文提出的方法估计保障时间数据估算误差进行分析验证,表明本文提出方法对航班地面保障服务时间估计的可行性和有效性。

基于改进GA的神经网络航班保障时间估计

准确估计航班保障服务时间可以极大提高地面航班保障服务效率。采用主成分分析(PCA)方法降低变量间的相关性,考虑到BP神经网络的网络结构难以确定,且网络初始权重、阈值随机,提出改进的遗传算法来优化BP神经网络的结构,初始权重、阈值,建立自适应多层遗传算法(AMGA)的BP神经网络航班保障服务时间估计模型。为验证所提AMGA-BP算法的性能,以国内某枢纽机场航班保障服务时间作为研究对象,与传统的GA-BP、BP两种算法做对比实验,进行航班保障服务时间估计,实验结果表明,AMGA-BP算法比BP算法和GA-BP算法精确度更高。

基于贝叶斯结构学习的航班保障Petri网构建

高峰时段受机场资源和时间窗口限制,航班保障实际过程较计划流程会产生一定偏差。将贝叶斯结构学习K2算法应用到航班保障业务场景,提出航班保障的贝叶斯网络结构学习模型;结合贝叶斯网与Petri网,形成贝叶斯无环Petri网,以精准刻画航空器在保障流程中的状态切换;最后利用国内某枢纽机场的实际数据,构建航班保障网络结构。实验分析表明,相比计划流程,从历史数据得到的航班保障网络更符合实际流程。

基于AFSA-RVM的航班保障服务时间状态估计

为了优化机场现场的交通调度信息,兼顾航班保障服务作业流程中影响因素的不确定性,提出了一种把人工鱼群算法与相关向量机融合的模型用于航班保障服务时间状态估计。通过将历史监测数据与航空领域的经验知识相结合,采用人工鱼群算法动态地调整相关向量机算法中的未知超参数。为了进一步提高服务时间状态估计的准确性,对传统相关向量机算法广泛采用的核函数进行了改进,提出了一种融合了样本数据概率密度分布情况的概率核函数构造方法。选择国内某大型枢纽机场信息系统提供的航班服务时间数据进行仿真,研究结果证明所提出的融合模型能有效应用于航班保障服务时间动态估计且具有较高的估计精度。

基于Web的航班保障流程图设计与实现

流程图可以直观反映事物之间的关系,将流程图应用到机场的航班保障中,可以解决机场各单位之间沟通协调欠缺的问题。通过采用JQuery框架,调用Raphael库,定义JSON格式对流程图序列化和反序列化,开发航班保障流程图组件来实现在Web环境中航班保障流程图的绘制。

利用目标事件预测方法优化机场航班保障

目前航班延误主要是由于天气原因。如何降低天气原因所造成的航班不正常延误时间,民航业近年来大力推行机场协同决策系统,为了更好地运用机场协同决策系统,需要在雷暴天气情况下及时准确地估计机场协同决策的里程碑,本文提出了利用雷电预警预估雷暴过程开始、结束时间和雷暴强度,辅助机场协同决策系统,为机场航班提供有力的保障从而提高机场运营效率。

基于深度神经网络的航班保障时间预测研究

航班地面保障时间预测是提高机场运行保障效率和决策能力的关键问题之一。考虑到服务流程的复杂性和特殊性,建立了航班地面保障资源到位时间的高斯概率模型,提出了一种基于深度神经网络的航班地面保障时间预测模型,并根据保障数据规律性变化调节模型参数,减小不确定性因素产生的泛化误差。研究结果表明,单航班预测结果的平均绝对误差比多航班小4.479 min,模型评价分数达到了94.608,且预测精度比传统BP神经网络和贝叶斯网络方法高3%~5%。

基于强化因果发现的航班地面保障事件影响因素分析

对航班地面保障事件执行日志展开分析以及对国内外航班延误报告进行研究,针对航班地面保障事件执行效率低下的影响因素发现问题,明确关联与因果的统一定义,给出量化影响因素的时间差参考量,提出一种面向实际保障过程的基于增剪边规则的强化因果发现算法,通过最大化奖励分数得到最优的影响因素与目标事件因果图。实验结果表明,提出方法能有效得到真实因果图,在FDR、TPR、SHD与生成的因果图的合理性上超过其它对比方法。

基于地面保障流程的过站航班延误预测方法

目前民航航班持续高位运行,航班过站时机场、空管、航司多方同时交织参与,高峰时段机场地面保障系统满负荷运转,航班正点率难以提升。为了提前感知过站航班在地面保障时多流程进行协作时产生的延误,针对航班作业流程节点的相关特征,提出基于地面保障流程的过站航班延误预测方法。将航班保障流程构建为图网络结构,采用各流程节点上处理后的时间特征作为图卷积神经网络的各节点特征,针对节点特征采用多种聚合传递方式并进行集成,实现航班延误预测精度的提升。结果表明,提出的航班延误预测方法的平均预测误差降低至7.11 min,具有更好的泛化能力。

基于关联规则挖掘的航班协同保障数据知识发现研究

随着我国民航业的迅猛发展,各大枢纽机场累积了海量的航班协同保障数据,挖掘其中潜在隐藏的知识具有重要意义。结合机场航班协同保障业务规则及航班协同保障数据的特征,利用关联规则挖掘技术,挖掘隐藏在航班协同保障数据中的知识,进而借助其优化航班保障流程,提升机场服务保障质量。通过实例验证,关联规则算法能够较好地发掘隐藏在航班协同保障数据中的潜在知识,将其应用于实际中能够为优化航班保障流程、提高航班准点率、提升机场服务保障能力提供有效的支撑和决策依据。

绵阳机场过站航班地面保障流程延误预警研究

针对绵阳机场航班地面保障流程构建AOE—网,求出"关键路径",结合A-CDM记录得到航班保障流程中的"关键延误作业",并通过Apriori算法对"关键延误作业"进行关联规则分析,最终得出造成航班保障累积延误的主要原因。计算结果表明,为提高航班正常性,绵阳机场应在地面保障中应着重监管廊桥/客梯车到位、旅客登机、客舱门关闭、廊桥/客梯车撤离这几项保障作业的进程和关联性。

浦东机场航班地面保障测评系统的设计与实现

为提高浦东国际机场航班保障效率和放行正常率,配合"飞行区航班地面运行保障品质提升项目",开发了一套基于ASP.NET的航班地面保障测评系统,并对航班测评的业务流程、系统的开发结构模式和系统的功能结构进行了详尽介绍。实证应用表明,系统可有效支持机场未来的航班测评电子化,提高数据统计的准确性,有效避免人为统计出错概率,减少人力统计工作量。