考虑潜在冲突的进离场航班协同排序

考虑进离场排序中潜在冲突引起的管制员工作负荷增加以及排序结果的可执行性等问题,本文提出基于多目标时间索引模型的进离场航班排序方法。用潜在冲突时间长度来表征管制员解决冲突的负荷大小。以延误时间和解决冲突负荷最小为目标函数,引入时间索引模型,将时间段离散化为一定步长的时隙,为每架航班分配着陆、起飞时隙,而非固定的时间点,从而提高排序结果的可执行性。根据模型的具体特征,设计遗传算法,利用天津滨海国际机场数据,求解验证模型的有效性。实验结果表明:模型在各种权重组合下,对减少航班总延误时间和管制员解决潜在冲突的负荷均有良好的优化效果;在权重组合为0.2-0.8的条件下,相比于实际运行情况和先到先服务策略,航班延误的优化率为11.25%和11.87%,管制员解决冲突负荷的优化率为28.70%和37.90%;权重组合为0.1-0.9时,航班延误的优化率为9.70%和10.34%,管制员解决冲突负荷的优化率达到45.37%和52.42%。因此,模型在减少航班延误的同时也极大程度上减少了潜在冲突时间,降低了管制员的工作负荷,提高了终端区的运行效率和安全。

基于多目标动态规划的多跑道进港排序

随着航空运输的高速增长,航班延误日益严重,而对飞机进行进港排序和跑道调度能有效提高机场吞吐量、减少飞机燃油花费,从而减轻航班延误,提升经济效益.由于大量飞机的多跑道进港优化调度问题是一个非确定型多项式完全(NP-C)问题,该问题一直没有得到有效解决.本文针对已有的基于位置交换束缚的单跑道动态规划算法运算量大、运算效率低的不足,采用优化解空间的措施并运用贪心策略,同时将其推广到双跑道调度,从而解决大量飞机的双跑道、多目标进港排序优化问题.大量仿真实验表明,该算法复杂度与飞机数量呈近似线性关系,能在较短时间内对吞吐量和降落花费同时实现优化.

基于机型的机场流量优化方法

研究了空中交通流量管理中机场终端区的流量最优分配问题。综合飞机机型、飞行间隔等因素,提出了一种基于飞机类型等因素的机场流量分配的模型。利用该模型可以实现对终端区某一时段现有容量的优化分配,减少航班延误;同时又能够确定满足此分配方案的飞机类型的起降次序。最后以单跑道机场为例,对模型进行了验证,证明该模型的实用性。

基于优先级的进离港航班排序优化问题研究

研究机场终端区进离港航班排序优化问题,对于提高跑道利用率以及降低航班延误损失具有重要意义。本文首先考虑航班运行方式(降落和起飞)、飞机类型以及航班的重要程度(航程是否连续)的不同所造成延误损失的不同,设计三维优先级表反映调度优先等级,并将其转化为延误成本系数。其次,为实现调度的公平性和减轻管制人员的工作负荷,设置允许延误的航班架次约束、邻边约束以及最大限制位置约束。再次,以最小化航班总延误成本为目标建立模型,提出相应的改进蚁群算法(GJAC)进行求解。最后通过数值实验验证所提算法在考虑调度优先等级及上述约束条件的同时能有效减少进离港航班队列的总延误成本。

单跑道混合起降飞机排序问题的优化算法研究

针对单跑道混合起降飞机排序问题,考虑着陆队列的优先性以及最小时间间隔的复杂性,建立最小化队列完成时间的混合起降模型.为求解该模型,提出两种基于着陆优先的两阶段算法,即TPLP算法和M-TPLP算法.该两种算法的第一阶段均是将着陆队列从起降队列中分离,并用蚁群算法对其求解;在第二阶段,TPLP算法和M-TPLP算法分别在不允许和允许着陆飞机偏移已安排着陆时间的情况下,将起飞队列插入到已排着陆队列中,即确保了着陆飞机的不同优先性,在一定程度上能够为实际的空中交通流量管理提供理论依据.最后,通过仿真实验验证所提算法的有效性.

基于RHC的航班进港排序多局部搜索GA优化算法

为解决航班进港排序难以应对动态环境下航班信息变化的问题,首先建立了一种基于滚动时域控制的机场进港航班动态排序优化模型,并将存储时域上的航班进港优化序列作为后继时域航班排序的启发信息;然后提出了一种基于滚动时域控制的多局部搜索遗传算法对问题求解,给出了一种以存储的航班优化信息为基础的种群初始化策略;针对遗传算法易陷入局部最优的不足以及单一局部搜索难以取得很好收敛效果与满意解的现状,提出的多局部搜索遗传算法,在不同时期采用不同的局部搜索策略,其中定向局部搜索根据个体、基准个体的基因结构和适应性调整最大搜索速度;最后,大量仿真实验结果证明了所提模型与算法的有效性以及算法的稳定性,并由实验结果得出了航班排序问题的相关特性结论.

考虑关键点处冲突的进离场排序模型算法研究

为解决终端区内各关键点处进离场航班之间的汇聚、交叉运行问题,综合考虑了间隔、容量等因素,以双跑道混合运行为前提,以总延误成本最小为目标,首次建立了考虑关键点进离场冲突的航班排序模型。设计了递归遗传算法:首先以各空域冲突点为单位,采用遗传算法得出延误成本最小的初始排队序列;之后以初始序列为基础,将经过同一定位点的航班进行聚类排序后反推回跑道,调整进离场航班间的间隔,再将进离场航班序列推算到各空域冲突点处,通过递归运算不断调整,最终得出进离场航班排队序列。根据仿真结果可知,所建模型和算法能有效解决实际运行中终端区各关键点对进离场航班运行的限制,大大减少了航班的总延误成本。

离场航班多目标优化排序研究

为缓解大面积、长时间的离场航班延误现状,研究了多目标离场航班优化排序问题,考虑连续航班对离场航班影响,建立了具有多个目标函数的混合整数规划模型,并基于多目标优化问题的Pareto最优解概念,设计了一种带精英策略的非支配排序遗传算法(NSGA-Ⅱ)求解模型.选取上海浦东机场3 h内离场航班进行仿真验证,并将仿真结果与其他算法优化方案比较,与FCFS策略相比,航班总延误降低了20. 1%,延误架次减少了20.较单一目标优化,该算法具有保持多个目标函数优异性的特点,且115架航班优化时间仅为302 s,能够较好的满足实际运行效率需求.所提方法能够有效解决离场航班多目标优化排序问题.

飞机进离场优化排序研究进展分析

飞机进离场优化排序问题是制约军民航机场保障能力提升的瓶颈问题之一。随着空军基地化建设的推进,单机场执行多样化保障任务已成为必然发展趋势,而飞机进离场优化排序则是保障作战飞机安全起降、提高机场运行效率和多样化保障能力必须解决的一项关键技术。阐述了飞机进离场排序的相关概念、约束条件、基本模型以及评价指标,通过对民航领域基于飞行延误、调度公平性和管制员工作负荷三大优化目标的飞机进离场优化排序研究现状进行了综述,结合国情、军情实际,分析得出了制约军航飞机进离场优化排序问题的挑战、研究重点和方向。

基于均衡更新蚁群算法的飞机排序调度

飞机排序调度问题是空中交通管制的一个关键问题,本文在给出飞机排序调度模型的基础上,提出一种均衡更新蚁群算法,利用当前解与全局最优解的差异来均衡地更新信息素,增强算法的全局搜索能力,从而生成更优解。实验结果表明,均衡更新蚁群算法求解飞机排序调度问题时,能用较短时间求出优于对比算法的结果,其性能可以提高12.9%,有助于空中交通管制人员根据实时情况安排合适的飞机着陆顺序。

多机场终端区进离场交通流协同排序方法

针对大都市及都市圈飞行冲突、空域拥堵和航班延误日益严峻的现状,研究了多机场终端区进离场交通流协同排序问题。综合考虑尾流间隔、跑道间隔、时间窗、进离场容量等约束限制,从时空多维角度引入航班满意度概念,建立了多机场终端区进离场交通流协同排序模型,设计了带精英策略的非支配排序多目标遗传算法(NSGA-II),寻求多机场终端区进离场排序问题的Pareto最优解。实例验证表明,所提方法可对多机场终端区进离场交通流进行优化排序,有效降低航班延误总时间,显著提高航班总满意度,并实现多机场系统对终端区空域资源的公平均衡使用。与经典的先到先服务策略相比,协同排序策略的整体优化效果较为显著,其中航班延误时间得到了一定的降低。

进近区域到达航班排序和调度的优化

为了减少中国目前由于空中交通管制手段落后而引起的航班延误,提高航班调度的效率和空域的利用率,建立了到达航班排序和调度问题的混合整数规划模型,分析了求解问题的特点,提出了一种启发式算法。该算法结合了空管知识,通过预估未来一段时间内的流量状况实施调度,同时引入优先权,体现了连续航程航班和延误较大的航班的优先级。对算法进行了验证,结果表明:该算法能有效减少航班的延误和空中盘旋等待,提高了空域利用率,对改善中国空中交通管制的自动化水平具有实际意义。