雷暴天气下的多航班备降动态优化方案

空中多次备降极易导致低油量等不安全事件发生.针对区域内多航班集体备降这一问题,选取其中最复杂情况,即航路或终端区存在雷暴天气,首先通过搜集和统计气象数据与历史航迹,得到雷暴天气下飞行限制区的划设标准;然后,将前往备降场方式分为机动飞行与沿航路飞行两类,分别使用A*与改进灰狼-Dijkstra方法开展改航路径规划;先以备降航班飞行总时长最短为单目标,再综合飞行、管制、机场、航空公司等多方期望构建多目标函数,定义动态决策时间间隔,提出一种基于单目标与多目标的区域内多航班备降动态优化方案;最后,使用“8.12”华北运行数据开展仿真验证,在单目标与多目标方案中,面向机动飞行A*算法所得结果分别将飞行总时长减少了100 min和62 min,而面向按照航路飞行的改进灰狼-Dijkstra算法所得总时长分别减少73 min和14 min;并且,在多目标方案中,航班恢复飞往原目的地的时间整体提前了63 min,总成本降低了6.29万元.以上说明,该方案在保证航班备降安全基础上,可兼顾多方需求,提升经济与效率.

基于线性规划的航班备降优化模型研究

目前大型枢纽机场因恶劣天气等临时突发事件引起的航班备降情况日益严重,因此研究其到场航班的备降策略日趋紧迫。针对大型枢纽机场到场航班的备降场分配问题,以备降总时间最小为优化目标,提出基于线性规划的备降场分配模型。通过对危险天气下首都机场真实航班运行数据的仿真计算,验证了该模型的有效性,优化后航班备降总时间减少了9.7%。

航班备降概率分布预测模型研究

对航班备降问题的小样本特点进行了分析,提出了基于观察学习的航班备降概率分布预测模型。该模型利用松弛属性约束思想抽取数据子集,三次样条插值方法构建基学习器,并结合虚拟数据生成策略促使各基学习器达成一致。并在此基础上,对信任度参数进行优化,进一步完善了预测模型。在航班备降数据集的实验表明,在大样本下,该预测模型的预测精度高于朴素贝叶斯方法和贝叶斯网方法;在小样本数据集上分析了航班不同备降次数下的置信度,为相关部门提供决策支持。

航班备降概率分布预测分析

对航班备降概率内容进行分析,总结航班备降概率分布预测技术使用的重要性。旨在通过航班备降概率分布预测技术的研究,提升预测模型对数据的处理效率,为当前航班备降概率分布预测技术的研究及创新发展提供参考。

区域航班备降建模与优化

为了保障飞行安全,加速疏导空中交通流,对备降航班进行合理的分配,建立了以航班备降总代价最小为目标的广义指派模型。针对航班备降问题的离散特性,设计了蜜源位置的离散编码策略,并采用邻域置换方法来搜索新蜜源;为避免算法出现过早收敛,采用基于排序的蜜源选择策略维持种群的多样性,进而提出一种改进的人工蜂群算法。仿真结果表明,与实际调度结果相比,通过使用改进人工蜂群算法,备降总时间减少了13.9 min,即总成本降低了7.35%;与其他智能优化算法相比,具有较快的收敛速度和较高的求解精度。

基于机位可调整的航班空中备降优化

为了解决航班空中备降无序的问题,缩短备降时间进而降低运行风险,严格遵照实际飞行运行要求,综合飞行时长、机位属性、备降机场容量等运行限制,将可用机位设为动态调整项,运用整数规划方法,借助Matlab工具构造以备降总时间最短为目标的优化模型。通过对历史运行数据的整理,对2016年3月19日西南地区某日的备降状况进行仿真。结果表明,当备降机场成都、贵阳和西安的使用机位集合为{3：2：2}时,7个航班备降时间平均可缩短12 min,此时优化效果最佳。实际航班数据验证结果较为理想,表明该方案可行有效。

2016年兰州中川机场初雷天气复盘分析

利用常规观测、EC细网格、多普勒雷达、云图、激光雷达等资料对2016年兰州中川机场初雷天气按时间序列进行短期、临近预报及服务保障分析,并对当天受影响的航班进行气象理论评估。结果表明:通过对本场探测资料的精准监测和分析,可以弥补短期数值预报不够精准的不足;多普勒雷达及激光雷达对于预报员临近预报准确率有较大的提升;单纯从天气角度出发,CES2601与CDC8759两架航班可以不选择备降、返航。