多跑道降落飞机协同调度优化

为了制定安全、高效的空中交通管理战术决策,研究了多跑道降落航班协同调度问题.基于协同决策理念,综合考虑空管、航空公司和机场等因素,提出一种协同航班调度策略,给出了协同调度优化模型.模型在满足安全性和公平性约束条件下,寻求总延误成本最小即功效性最大的调度方案.采用基尼系数建立公平性约束,以处理功效性和公平性之间的关系,并引入当量航班概念来定量分析公平性.针对多跑道航班调度问题的特点,设计了遗传算法予以求解验证.仿真结果表明:该算法总延误成本比先到先服务算法降低了72.6%,最大延误时间减小了50.8%,因此,调度的功效性与公平性得到提高,所提方法有效.     

航路时空资源分配的多目标优化方法

为了提高航空公司与空管方之间的协同决策程度, 降低航班延误水平, 以航路飞行的航班为研究对象, 研究了航路时空资源的多目标分配; 考虑实际运行条件下航班的唯一性约束、时间顺序约束和可行性约束的影响, 以航班在流量受限区所分配的飞行航迹和进入时隙为决策变量, 以航班总延误成本最小和航空公司延误公平损失偏差系数最小为目标函数, 构建了多目标非线性0-1整数规划模型; 基于模型特点引用了非支配排序遗传算法(NSGA-Ⅱ), 并利用排列编码法设计了一种整数基因编码方式, 以最大限度保证基因产生可行解集; 为了验证模型与算法的有效性, 基于南中国海地区航班运行实例, 对算法搜寻最优解的性能进行了研究, 并将此算法与传统按时刻表分配(RBS)方法进行了对比。研究结果表明: 改进编码方式的NSGA-Ⅱ算法使解集种群在约50代后世代距离从600收敛至30并稳定, 具有良好的收敛性; 针对实例中的多目标优化模型共生成有6组解的帕累托解集, 结果有66.7%的概率完全支配RBS方法, 且优化结果中航班平均延误成本比RBS方法降低了8.5%, 平均公平损失偏差系数降低了70.6%。可见提出的航路时空资源多目标优化方法的执行效果显著, 可在降低总延误成本的基础上兼顾各航空公司的公平性, 是解决航路飞行航班航迹与时隙资源分配问题的一种有效方法。      

多跑道航班起降调度优化算法

为了提升大型繁忙机场的运行效率,考虑了多跑道的运行条件和安全要求等因素,以最小航班总延误为目标函数,以最大位置偏移为约束条件,引入滚动时域控制策略,建立了航班动态排序模型。针对多跑道航班调度问题的特点,分别采用基于滚动时域控制策略的遗传算法和现有的先到先服务算法求解模型。计算结果表明:当航班正常时,采用现有的先到先服务算法,航班总延误为1 712s,采用基于滚动时域控制策略的遗传算法,航班总延误为1 080s,与先到先服务算法相比,延误时间减小37.0%;当航班不正常时,采用现有的先到先服务算法,航班总延误为1 658s,采用基于滚动时域控制策略的遗传算法,航班总延误为969s,与先到先服务算法相比,延误减小41.5%。可见,基于滚动时域控制策略的遗传算法有效。     

基于复合分派规则的进场航班排序方法

为解决航班延误问题,提出了基于复合分派规则的进场航班排序方法。基于机器调度理论,将最小化加权总延误为目标的进场航班排序问题等效为最小化加权总滞后的机器调度问题;考虑顺序决定的准备时间约束、提交时间约束与最后期限约束,构建了进场航班排序模型;引入加权最短加工时间因子、松弛因子、准备时间因子、提交时间因子与最后期限因子,提出了进场航班排序的复合分派规则,设计了进场航班排序的启发式算法;基于实际案例,对比了采用提出的排序方法、先到先服务规则与Lingo软件得到的进场加权总延误、总延误与最大延误。计算结果表明:提出的排序方法在30架次航班数值仿真中,加权总延误比先到先服务规则缩短了31min,延误航班数量减少了6架次;在以上海浦东机场北向运行为场景的实际案例验证中,基于排序方法的优化降落时间与Lingo软件的仿真结果相同,与实际降落时间相比,平均每架次航班提前了2.4min降落。     

基于延误传播的飞机排班一体化鲁棒优化模型

为了减少航班延误对航班运行计划的影响,在分析航班延误传播特性及其分布的基础上,以总波及延误时间最少和航空公司运营成本最小为优化目标,建立了双目标飞机排班一体化网络流鲁棒优化模型.将该模型应用于国内某航空公司的实际运营数据进行实例分析,利用列生成和分枝定价法求解,结果表明:用本文模型优化后的航班计划使航班延误传播减少了41%;运营总成本比航空公司实际成本减少了11.33%,比没有考虑鲁棒性的飞机排班一体化模型的成本减少了9.93%.      

机场终端区容量利用和流量分配协同优化策略

为充分利用机场终端区系统容量,减少航班延误,协同优化进离场容量利用和流量分配策略．把进离场视为互相影响的两个过程,以机场终端区系统容量为约束,以进离场航班总延误损失最小为目标,建立了容量利用和流量分配优化模型．引入航班延误损失优先级系数作为航空公司协同决策的偏好信息．用遗传算法求解模型．算例结果表明,该策略在充分利用容量和使航班延误损失最少的同时兼顾了航空公司的利益;设计的遗传算法运行稳定．     

基于RHC-GA的多跑道进离场航班多目标动态优化模型

以管制负荷与航班延误总成本最小为目标函数,以尾流间隔、跑道限制与最大位置约束为约束条件,结合中国民航最新运行标准,建立了基于滚动时域控制策略的多跑道进离场航班多目标动态优化模型。针对模型求解规模庞大的特点,结合滚动时域控制策略的动态特性,设计了求解模型的遗传算法,选取中国某大型繁忙机场高峰时段的48个航班数据进行实例验证。仿真结果表明:当重、中、轻3种机型的单位飞行成本分别为25、16、10元·s-1时,采用现有先到先服务的策略,总延误损失为36 098元,管制负荷为32架次;当采用5个滚动时域的控制策略时,总延误损失为28 900元,管制负荷为31架次;当采用4个滚动时域的控制策略时,总延误损失为27 375元,管制负荷为32架次;当采用3个滚动时域的控制策略时,总延误损失为27 194元,管制负荷为33架次。与现有的先到先服务策略相比,提出的模型能动态地优化多跑道进离场航班排序问题,有效减少延误损失,并均衡跑道资源利用状况。     

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%.     

基于航班时刻优化的多机场地面等待问题——模型和算法

为了优化航班的多机场地面等待问题,根据航班时刻信息,考虑空域容量和飞机周转限制,建立了以总延误时间最少、总延误成本最低、总调整航班架次最少、总延误航班架次最少的多目标、多机场地面等待问题模型.用非支配分类遗传算法Ⅱ(NSGA-Ⅱ)求出了该模型的优化多目标解集.以2008年秋季北京、上海和广州三大枢纽机场为例对该模型进行了验证,与先到先服务情况相比,平均总延误成本减少了约24%,平均总航班调整数减少了约62%.     

进化算法在终端区飞机动态排序中的应用

讨论了终端区飞机动态排序问题,并利用进化算法建立了终端区航班排序的数学模型.根据飞机尾流间隔要求,利用生物进化理论,找到更合理的航班着陆队列,减小了航班的总延误成本.仿真结果表明,航班总延误成本的优化结果是令人满意的,该算法在终端区飞机动态排序问题中的应用是可行的.     

基于最早预达时刻的进近排序模型及算法

为解决空中交通流量的高速增长造成了进近冲突，合理安排飞机着陆顺序，充分利用跑道容量，对现有排序模型进行简化．讨论了相邻飞机之间安全间隔的标准．通过分析相邻飞机速度对安全间隔的影响、飞机预计到达时刻、飞机优先权，提出了基于最早预达时刻的排序模型及算法．算例表明，该算法计算量较小，排序结果优于传统排序算法．     

大型机场进场航空器联合调度模型

为减少进场航空器总延误与总滑行时间,研究了大型机场进场航空器联合调度问题;分别以跑道排序时间跨度和总延误加权和最小、被分配至远机位航班数量最少、进场航空器总滑行时间最短为目标函数,构建了跑道、停机位、滑行道三大系统的正向联合调度模型;在此基础上引入停机位再调整模型,通过调整额外滑行时间较大的航空器的停机位指派方案对滑行...     

考虑改航策略的终端区到达航班优化调度模型及算法研究

在恶劣天气条件下,仅采用调速与空中等待等传统的流量管理方法将导致终端区到达航班大量延误.为此,需要研究恶劣天气下航班改航策略,并将其与传统流量管理方法结合起来.文章引入改航航班等待时间这一决策变量,建立了考虑改航策略的到达航班优化调度模型,并根据航班实际改航情况,对模型进行了简化处理,采用改进遗传算法对模型进行求解.对...     

基于时间富余度控制的滑行道调度优化模型

针对机场场面运行中部分航空器剩余滑行时间较短、准时性低的现状,研究滑行道调度优化问题。在构建基于时间富余度控制的滑行道调度优化模型中,优先考虑以剩余滑行时间为主的航空器动态优先级;以我国某大型机场的场面运行数据为基础,采用生物地理学算法进行仿真验证。结果显示：与经典的先到先服务策略相比,航空器到达滑行终点的误差由1499 s降至553 s,降低了63.1%,冲突航空器到达误差从371 s降至147 s,降低了60.3%;在冲突解脱方面,由剩余滑行时间较多的航空器承担更多的冲突等待,有效减少航空器滑行冲突次数,保障后续停机位指派与跑道调度的有效性,大大提高了滑行道的滑行效率。     

到场飞机排序及调度问题的Memetic算法

为克服遗传算法求解多跑道系统到场飞机排序及调度问题时局部搜索能力不强的弱点,建立了该问题的混合整数0-1二次规划模型.通过证明同型飞机在每条跑道上都应按其预计到达该跑道时间的先后顺序依次着陆这一命题,设计了遗传算法与局部优化算法相结合的Memetic算法.算例结果表明:其运行10次的最劣解均不劣于其他遗传算法的最好解,且在5条跑道、20架飞机的情况下,Memetic算法求解时间为0.17 s,与精确算法相比,能满足实时应用需求.     

场面航空器滑行时空协同优化模型

引入双层规划方法, 研究了场面航空器在滑行道系统中的滑行调度问题; 考虑了成本与冲突对场面航空器运行效率和安全的影响, 以航空器推出延迟时间与滑行路径作为决策变量, 以航空器在滑行道系统中滑行过程无冲突与场面航空器的总滑行距离最短为目标函数, 构建了场面航空器滑行时空协同优化模型; 针对航空器滑行道调度问题的特点, 设计了适用于航空器滑行时空协同优化模型的双层规划算法, 以降低场面航空器滑行距离和等待时间; 为了验证航空器滑行时空协同优化模型及算法的有效性, 对比了先到先服务调度方案的计算结果, 分析了滑行等待时间与滑行距离对场面航空器运行效率的影响。研究结果表明: 场面航空器滑行时空协同优化模型与先到先服务的航空器调度方案相比, 保证了航空器滑行过程无冲突, 将16架次航空器的总滑行距离从40 690 m降至37 700 m, 降低了8%;航空器平均运行时间为254 s, 提升了滑行道系统的整体运行效率; 在复制组数为100与变异概率为0.4的条件下, 采用场面航空器滑行时空协同优化模型能够在412 s内获得最优解, 求解效率与收敛性显著。可见, 采用场面航空器时空协同优化模型在保障航空器滑行安全的前提下, 能有效提高场面航空器滑行调度效率, 降低航空器运行成本, 能够为繁忙机场滑行道调度提供决策支持。      

遗传算法在终端区飞机排序中的应用

研究了遗传算法在终端区跑道分配以及飞机排序中的应用，建立了多条跑道多架飞机排序的数学模型，并进行了算例仿真分析。仿真结果表明，遗传算法与先到先服务排序相比较，适应度增加了80％，延时减小了40％，说明遗传算法的排序结果优于先到先服务的排序结果。     

兼顾管制效益与航空公司利益的综合进近排序模型

当机场降落飞机发生拥挤时，如何让到达机场的飞机安全有序的降落是流量管理的重要研究课题之一。在已有研究成果的基础上，本文提出了一种综合排序算法，谊算法兼顾航空公司和管制两方面的利益来对降落飞机进行排序。通过仿真计算，其结果证明了所提算法的有效性和实用性。