机场航班延误恢复的强化学习算法

机场出现航班延误会导致飞行器和乘客滞留机场,若航班延误恢复调度不当会扩大延误造成的损失。针对航班延误恢复调度的损失最小化问题,设计了延误总损失计算的目标函数,构建航班延误恢复马尔科夫决策过程,建立了机场航班延误恢复重排班模型。为了解决计算的复杂性问题,采用深度学习神经网络参数化策略函数对减小延误损失目标函数值的策略进行参数化,利用奖励函数和优势函数对其进行训练,提出了一种机场航班延误恢复强化学习算法。研究结果表明:该算法能够将航班延误总损失降低7.83%,将旅客延误时长降低7.23%,相比于其他算法,该算法在时间和性能上均取得优势。

基于免疫机制的航班延误快速恢复模型及实现

航班延误是困扰航空运输业的一道世界性难题。在考虑航班延误的经济成本下,借鉴生物免疫系统的免疫应答机制,提出了一种机场大面积航班延误快速恢复模型,并用妥协免疫算法实现B细胞克隆选择来优化航班延误恢复调度过程。针对中国某枢纽机场的航班数据进行了仿真,结果表明,该模型相对于先到先服务调度方法有明显优势,大大提高了航班的整体运转效率,达到了减少航班延误经济损失和快速疏散滞留机场乘客的目的。

基于跑道容量的航班恢复优化模型

为了降低航班延误造成的经济损失和旅客滞留,在不增加管制员工作负荷的基础上提高航班运行效率。在原有的航班恢复模型基础上,引入跑道容量模型,综合考虑旅客流、航空公司公平性以及航线重要程度的影响,建立以各单位恢复总成本最小为目标函数的航班恢复模型,该模型适用于跑道数以及构型不同的单一机场,算例中引用中国某机场的真实延误数据,并用遗传算法和粒子群算法求解模型得到优化方案,与遗传算法相比,粒子群算法更适用于该模型,收敛速度更快。与现有的航班运行相对比,优化后的方案总延误时间缩短了11.85%,总延误成本减少了6.55%。最后用TAAM(total airspace and airport modeller)仿真软件分别运行实际恢复方案和优化恢复方案,报告显示优化方案中终端区产生冲突的可能性更小,管制员工作负荷更低,从而验证了模型和算法的可用性。

基于跑道容量的航班恢复优化调度

为了降低航班延误造成的经济损失,在机场平稳运行条件下提高航班运行效率。在原有的航班恢复模型基础上,引入航空公司公平性模型、跑道容量约束、快速过站约束和取消航班约束的航班运行的四种情况,建立顾及航空公司公平性的总成本最小的航班恢复目标函数,该模型适用于不同航班数限制的机场。算例中对长沙机场的某日4小时内的航班运行情况,使用飞蛾扑火算法得到优化方案,与机场原始航班平均运行成本相比,本文提及方法能降低机场的航班运行成本。