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。     

航班延误恢复调度的混合粒子群算法

为了优化航班延误恢复调度,考虑了航班延误的经济效益、社会影响和经济损失构成,定义了航线影响因子,构建了一种新的航班延误恢复调度模型,将局部搜索方法引入到粒子群算法中,提出了求解航班延误恢复调度问题的混合粒子群算法。计算结果表明:与先来先服务调度方法相比,混合粒子群算法可以减少航班延误损失4.2%,与基本粒子群算法和进化策略算法相比,混合粒子群算法平均可减少航班延误损失2.0%,随着航班延误恢复规模的增大,算法优势会更明显。     

基于遗传算法的加油车和摆渡车协同调度研究

航班地面服务是机场运行的重要环节.航班在机场过站期间所接受的一系列 地面服务通过不同类型的保障车辆来执行.通过分析机场过站航班保障的业务流程,确定 了加油服务和上客服务的时间约束关系,并在此基础上,以至少需要的保障车辆数目和 服务总开始时间最早为目标,研究构建了远机位航班加油服务和上客服务的协同调度模 型,并给出了基于多目标遗传算法的模型求解.基于首都国际机场实际运行数据的实验结 果表明,所提出的模型能较好地解决加油车和摆渡车协同调度问题.实验得到一组Pareto 最优解为业务部门提供决策支持.     

多跑道着陆飞机协同调度多目标优化

综合考虑空中交通管制、航空公司和机场因素,研究了多跑道降落航班的协同调度问题,以实现安全、公平和高效的空中交通管理战术决策．提出了采用协同航班调度策略和多目标优化调度模型．模型以安全性为约束,以总延误成本和空中交通管制员管制负荷最小、航空公司之间尽量公平为优化目标,用多目标遗传算法求解．算例仿真结果表明,用本文算法得出的最优方案与FCFS算法结果相比,因延误造成的总成本损失减少了61．4％,并使延误损失在各航空公司间的分配更加均衡．     

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.     

考虑交叉口冲突点延误的交通紧急疏散

提出了一个考虑交叉口冲突点延误的疏散路径模型,用"当量费用"来表述交叉口冲突点延误;寻求使冲突点延误与疏散车辆行驶费用二者总费用最小的最优疏散路线;通过改进的最小费用流算法求解此模型,并以一个算例给出了算法的具体应用.     

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%.     

基于改进离散差分算法的航班延迟推出策略分析

针对大型枢纽机场日益严重的场面拥堵及由此导致航空公司延误成本增加和乘客等待时间增长等问题,基于ACDM的基本思想,在给定推出率下诠释了虚拟队列理论,设计了航班推出决策的协调流程,实现利用机位等待代替跑道起飞排队等待,不仅可以减少场面拥堵和航班延误,对提高航空公司经济效益也有重要意义.提出了乘客等待时间最短和推出等待成本最小2 种策略和航班延误成本的计算方法及相关约束指标.分别针对小、中、大不同规模航班量的5 组实际运行数据,采用基于指针运算机制的离散差分算法求解优化推出策略,并对该算法进行改进.实例表明,通过对虚拟队列航班次序的调整,乘客的平均延误时间缩短5.15%~12.66%,航空公司延误成本减少19.16%~26.0%.     

基于改进樽海鞘群算法的卸车调度优化

针对港口载煤列车的卸车调度流程主要依靠工人经验进行调度作业,存在决策时间长、作业冲突和列车在港时间过长等问题.以列车在港时间最少为总优化目标,在已知列车到港时间及堆垛与煤种对应关系的前提下,考虑工作机械可用性、作业流程可达性及其相互约束关系等因素,构建了卸车调度数学模型.提出了一种基于改进樽海鞘优化算法的优化调度方法.引入自适应惯性权重,可有效地提高算法收敛速度;引入随机柯西变异策略,可有效地提高算法寻优能力.5个测试函数的测试结果表明:相比于樽海鞘优化算法、自适应樽海鞘优化算法、粒子群算法与鲸鱼优化算法,改进樽海鞘优化算法收敛速度更快,精度更高.港口堆场作业实际数据的仿真实验表明:改进樽海鞘优化算法可优化出满意的卸车调度任务,减少了火车总在港时间,提高了港口总体的工作效率.     

不确定条件下的作业车间多目标调度模型及其遗传优化

针对不确定条件下的作业车间特点,区别于传统调度模型采用决策系数策略,提出了一种新的不确定条件下的多目标车间调度模型,新模型为两维调度模型,不仅处理了生产过程中的应急调度问题,还在调度目标为作业时间最短的基础上,从库存、机器一人资源约束、生产效率三个方面归纳了企业相关成本调度指标,具有很高的实用性;采用改进的遗传算法求解新模型,得到一组Pareto最优解,可以在兼顾机器使用率的同时使生产成本最小化．最后采用某机车厂的部分生产数据对改进的模型及算法进行了仿真实验,结果证明了模型和算法的有效性．     

面向高速公路混合交通流的车辆协同合流策略

为提高高速公路匝道合流区的运行效率、减少交通事故的发生,面向网联自动驾驶车辆(Connected and Automated Vehicles, CAV)与人工驾驶车辆(Human Driven Vehicles, HDV)混行的交通场景,提出高速公路匝道分层协作合流框架,该框架集成合流序列调度算法和协作合流算法,并根据车辆类型与车辆状态进行实时调整。首先,提出一种基于启发式规则的高速公路合流序列实时调度算法,优化合流区车辆的合流顺序,解决了传统固定合流序列无法适应HDV驾驶行为随机扰动的问题。然后,根据合流序列调度算法及当前车辆位置,判断协作合流的车辆组及其车辆类型,分别建立CAV-CAV、CAV-HDV和HDV-HDV的协作合流控制算法。通过试验仿真发现：相较于无控制情况和“先进先出”策略,总延误分别降低了21.66%、39.88%;协作控制区长度对燃油经济性存在一定影响,能耗随着距离的增加而减小,并存在一个最小值,即300 m,到达该值后能耗将逐渐增大;车辆之间车头时距的增加,对减小车辆能耗存在一定的影响。其中,HDV之间车头时距的影响大于CAV之间车头时距的影响。     

Weekly Fleet Assignment Model and Algorithm

A 0-1 integer programming model for weekly fleet assignment was put forward based on linear network and weekly flight scheduling in China. In this model, the objective function is to maximize the total profit of fleet assignment, subject to the constraints of coverage, aircraft flow balance, fleet size, aircraft availability, aircraft usage, flight restriction, aircraft seat capacity, and stopover. Then the branch-and-bound algorithm based on special ordered set was applied to solve the model. At last, a real-world case study on an airline with 5 fleets, 48 aircrafts and 1786 flight legs indicated that the profit increase was $1591276 one week and the running time was no more than 4 min, which shows that the model and algorithm are fairly good for domestic airline.     

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%.      

考虑时空相异的危险品运输车辆安全调度

为确保危险品运输车辆间的安全距离, 从时空角度优化了危险品运输车辆的行驶路径和发车时间间隔; 分析了危险品运输车辆发生事故对其他车辆的影响及其与时空距离的关系, 提出了危险品运输车辆间时空安全距离评价方法, 并以时空安全距离为约束, 提出了车辆安全出发时间间隔计算方法; 建立了满足时空相异约束的危险品运输车辆调度模型, 设计了用于生成车辆调度时刻表的两阶段求解方法, 第1阶段采用NSGA-Ⅱ算法优化车辆行驶路径, 第2阶段分别设计了遗传算法和基于插入思想的近似算法以优化发车时间间隔; 为了验证车辆调度模型与算法的有效性, 对比了每个阶段中不同算法的优劣, 并分析了危险品事故影响系数和事故影响接受度对车辆调度结果的影响。研究结果表明: 提出的方法可针对不同危险品事故影响系数获得危险品运输车辆调度时刻表, 生成的车辆调度时刻能够保证车辆在行驶过程中始终保持安全距离; 遗传算法和近似算法获得的平均运输总时间分别为2.45和2.49 h, 表明近似算法获得的解劣于遗传算法, 但运行时间仅为遗传算法的1/10 000~1/5 000;危险品事故影响系数或事故影响接受度越小时, 车辆发车时间间隔越大, 导致运输总时间变长; 考虑时空相异性的车辆调度可以弥补相异路径方法仅从空间上考虑相异性的不足, 同时能够避免采用相异路径方法可能遗漏最佳运输路径的问题。      

基于行车安全场模型的交叉口车辆控制算法

为了提高网联环境无信号交叉口自动驾驶车辆的行车安全与通行效率问题,首先,建立无信号交叉口的行车安全场模型,构建包括车辆动力性能、制动性能以及通行交叉口所有车辆行车风险的目标函数,并设定相应的约束条件;然后,采用模型预测控制方法优化驶向交叉口车辆的行车策略;最后,基于VISSIM、MATLAB和NS3构建联合仿真试验平台,分别以车辆碰撞冲突类型、行车风险改善和道路拥堵程度验证并分析算法性能. 试验结果表明:在车流量和流量容积比大于1.0时,相比于传统的感应控制系统,本文提出的算法在延误时间、行程时间、冲突数目和通行能力的收益率分别大于90%、10%、10%和5%;在通信延迟低于100 ms,数据丢包在35%内,仍能够保证交叉口内车辆的通行效率.      

考虑行程时间波动的电动公交可变行车计划

为解决因运行时间不确定性导致的公交到发时间不准点问题,本文基于公交线路双方向发车趟次和运营时间的不对称特征,提出一种可变行车计划优化问题。以最小化车辆使用数和乘客等待时间为目标,考虑车次链的行程接续和电动公交车辆电量等约束,构建公交时刻表和车辆排班一体化优化模型。根据可变行车计划优化问题特性设计改进的粒子群算法(Modified Particle Swarm Optimization for Timetabling and Scheduling, MPSO-TS)进行求解,定制粒子编码和子代更新方式。采用“基于优势车次链”的子代更新机制,以“车次链”为纽带最大程度地保留父代被继承信息中时刻表与车辆调度方案之间的关联性。使用连云港市某公交线路验证模型和算法,案例结果表明：可变行车计划能够有效保证车辆到发准点性,通过更紧密的排班计划将使用车数由35辆减少至31辆,车辆使用效率提升了28.1%;所提出的MPSO-TS算法求解效率较高,具有较好的稳定性,可有效避免计算结果陷入“局部最优”。     

考虑多因素的不正常航班飞机计划恢复模型

为降低不正常航班给航空公司带来的负面影响,提出了一个以加权成本最小为目标的考虑 多个影响因素的不正常航班飞机计划恢复模型。模型目标函数考虑的因素包括航班延误与取消、飞机维护以及航班运行过程中与飞机和机场相关的各项改变,并且在约束条件中考虑了过站时间 等因素。针对所提出的模型设计遗传算法进行求解。基于大规模航班数据设计算例对模型和算法进行验证,研究结果表明：遗传算法适用于求解所提出的模型;通过对模型求解可以得到合理的 飞机计划恢复方案;除机场关闭之外,飞机维护任务、过站时间等因素对于航班的执行具有重要影响,因此在飞机计划恢复问题中应该考虑多方面的因素。算例结果证明了模型和算法的正确性 和有效性。     

考虑个体驾驶速度偏差的车辆调度模型

考虑驾驶速度偏差, 建立了多驾驶人、多种车型、多种物资、多仓库点和多需求点的物资车辆调度模型, 分别以整体运输时间最短、整体运输成本最低以及综合整体运输时间与成本最小为目标, 研究了个体驾驶速度偏差对上述目标的影响; 将驾驶人参数加入到遗传算法的基因编码中, 建立了驾驶人唯一性约束、初始地点约束以及物资供需数量约束, 保证每个基因个体中驾驶人分配方案可行, 且物资运输不超供需总量; 采用遗传算法求解了随机分配驾驶人条件下有驾驶速度偏差与无驾驶速度偏差时各目标的车辆调度方案。计算结果表明: 优化调度方案满足模型中的所有约束条件; 3种目标下的最优方案中, 驾驶人的分配方案不同, 说明目标函数受驾驶人驾驶速度偏差影响; 有驾驶速度偏差情况下的各目标调度结果均优于相应无驾驶速度偏差的调度结果, 3种目标函数差比分别为3.50%、2.96%和1.13%, 说明驾驶速度偏差对求解质量有一定影响; 驾驶人随机分配时的各目标调度结果均劣于相应最优结果, 3种目标函数差比分别为3.91%、2.47%和1.98%, 说明驾驶速度偏差会影响调度效率, 优化驾驶人分配方案能降低整体运输时间与成本。由此可见, 根据特定的调度目标对驾驶人进行合理分配, 可以得到更符合调度目标、更贴近实际、更经济省时的车辆调度方案。      

具有反向学习能力的串车调度算法研究

为了避免串车问题,研究了多条线路不同站点间隔的车辆实时串车调度算法.基于车辆自动定位(AVL)数据的分析预测,给出了具备反向学习能力的克隆选择优化算法 (Opposition-learning Clonal Selection Algorithm, OCSA )求解避免串车的调度序列,指导车辆调度.算法中设计了反向抗体库,反向抗体库存储了种群迭代过程中多个较差抗体的信息,利用较差基因位置信息,指导部分基因链以较快速度进行反向学习,将其迅速牵引出局部最优区域.反向学习过程可迅速改善抗体的多样性,使得算法在短时间内具有较强的全局寻优能力;且局部学习的缩放因子可随迭代过程动态调整,提高了算法的求解精度.实验结果表明,基于 OCSA算法获取的调度序列与经典的调度算法相比有较好的适应性,求得的调度序列能够实时有效地降低站点串车问题.