基于航班时刻不确定性的航路时隙分配模型

针对航班运行时刻波动导致延误风险和空中交通扰动的问题,在航路时隙资源优化分配时考虑航班运行时刻的不确定性,对航班运行时刻的概率分布做出合理假设,制定允许分配策略以一定置信水平成立的航路时隙资源分配风险决策原则,采用随机优化方法,针对不同航路类型建立航班实际运行时刻不早于计划运行时刻的随机机会约束,以一定置信水平下的全部航班总延误损失最小、平均旅客延误时间最小为目标,建立了航路时隙分配的随机机会约束规划模型,在满足航班唯一性约束、时隙独占性约束、航路容量约束和随机机会约束的基础上优化分配航路时隙;采用Lingo11和M atla-bR2007b求解模型,以民航某航路仿真运行数据为例,在0.8的置信水平下,本模型各策略的总航班延误损失均值和平均旅客延误时间均值比先到先服务策略分别减少38.54% 和41.3%,模型在控制二次延误风险的同时显著减少了航班延误,分别在置信水平为0.6,0.7,0.9时运行本模型,总航班延误损失和平均旅客延误时间的最优值分别增长1.07%,1.73%,保障航路交通稳定性需要以损失一定的运行效率为代价.      

航班计划恢复中旅客流恢复问题的研究

当航班计划受到扰动时,航空公司不仅要制定飞机与机组路线恢复计划以保证航班执行,更要对旅客流进行恢复以尽量减少旅客延误或取消行程带来的经济损失。在飞机与机组路线恢复计划基础上建立旅客流恢复模型,通过以路径流量为变量的线性整数规划构造出受扰OD对集合,用深度优先算法构造出所有可行行程以单纯形法求解。实例结果表明,所建立的模型和算法能够快速恢复旅客流,并且能够大量减少损失。     

基于Logistic模型的大面积航班延误预测方法研究

航班大面积延误发生时,对其后续发展做出准确的预测能够减少自身损失.研究从固定空域的角度出发对航班大面积延误进行预测,给出了基于Logistic模型的延误航班数量与航班累计延误时间的预测方法.考虑到航班数量的实时性,模型中采用时间变化量为参数,并借助2013年8月17日下午我国华北地区某空域航班大面积延误实际数据对Logistic曲线进行了拟合,对延误累积阶段和延误消散阶段分别进行计算,确定各自参数,最后得到预测数据.预测时刻距当前时刻越近,精度越高;预测的延误航班数量和航班累计延误时间与实际数据的最大相对误差分别为3.9%和3.6%.      

基于修正延误波及树的航班延误传播研究

为了正确反映延误航班与机场随机因素之间的潜在关系,提出了1种基于贝叶斯网络的航班延误和机场随机因素分析方法.将机场随机延误因素的影响转化为时间参数.在综合考虑航班延误、航班计划的同时引入贝叶斯网络分析结果对延误波及树进行修正,在历史航班运营数据集上对修正延误波及树模型进行检验.结果表明,修正延误波及树模型提高了航班延误传播的预测精度,预测平均误差分别由修正前的11.76%和13.75%降低至3.45%和3.39%,多案例分析的准确性同时验证了修正延误波及树的普适性,丰富了航班延误传播问题的研究方法.      

基于AFP的航班延误研究

针对现行地面延误策略对航班延误分配不当问题,对限制空域进行了分析,以空域流量策略为基础,分析航班延误的目标和约束条件,建立航班延误模型,采用矩阵的遍历来确认航路.通过算例与地面延误策略进行比较,对采用AFP进行航班延误分配的有效性进行了验证.结果表明,该方法有效减少了航班延误.     

基于VMD-MD-Clustering方法的航班延误等级分类

针对航班数量逐年增加导致的航班延误日益频繁问题,研究对航班延误等级分类的方法,从而为制定针对性措施,降低航班延误造成的损失提供理论基础。从时间、空间和效率3个方面确定航班延误时间、航班飞行时间、延误影响人数和航程这4个数值属性指标,以及过站是否经停、飞机载客量2个类属性指标,共计6个评估指标构建航班延误等级分类模型。提出了1种基于变分模态分解（VMD）、马氏深度（MD）函数和K-means数据聚类（Clustering）的航班延误等级分类方法（以下简称V-M-C方法）。V-M-C方法将非正态、非平稳的多维航班延误数据视作含噪声的信号序列进行处理,通过VMD降噪获得正态、稳定的多维信号数据;利用MD函数进行降维处理得到一维的稳定信号数据;使用K-means方法对得到的一维数据进行聚类,对航班延误等级分类。为确定航班延误等级分类精确性,采用带惩罚权重的支持向量机（SVM）对分类结果进行分析,可以在一定程度上提高V-M-C方法的普适性。以某大型枢纽机场某月的航班运行数据为例,只使用K-means算法的航班延误等级分类精度为81.9%,而V-M-C方法对航班延误等级分类精度可提升至95.41%。实验结果表明,V-M-C方法的分类准确率更高,能够帮助机场根据相应延误等级制定预案,保障航班整体运行正点率。      

多机场终端区联合放行策略优化

多机场终端区内各机场之间共享某些离场空域资源.当这些公共资源容量受限时,各机场的离场航班需地面等待.为了降低延误损失,提出了一种多机场联合放行策略.在多元受限约束下,考虑机型、航班延误成本和机场优先级等因素,以最小化总延误成本为目标,建立多机场联合放行模型.用遗传算法求解模型,仿真结果表明该优化模型能合理规划终端区内离场航班的起飞时刻,减少了航空公司的运营成本.     

协同式地面等待程序中时隙公平分配研究

研究了CDM GDP机场时隙资源的公平分配问题,提出了基于延误成本公平分配的新的协同地面等待优化模型.给出了航班延误成本的计算方法,将其应用于优化模型中目标函数的计算,并利用遗传算法对模型求解.最后,应用国内某机场的实际数据进行仿真验证,并与RBS算法作了比较.仿真结果表明,所提模型不仅能有效地分配GDP期间的有限时隙,使总延误成本比RBS算法降低了18%,而且使得航空公司间的延误损失得以均衡,显著提高了分配的公平性.     

停机区推出共用停止点设计优化

从停机区飞机推出共用停止点设计入手,采用减少航班推出时间的方法达到减少航班延误时间的目的。分析了飞机推出过程中存在的冲突问题,提出了在保证安全的前提下将停机位分组共享推出共用停止点,设计了使用推出共用停止点的规则。建立了推出共用停止点的数量与坐标的数学模型,设计了1种满足实际设计需要的层级递进搜索算法。通过算例验证了停机位分组推出共用停止点可以减少飞机推出时间。     

基于航班优先级排序的高峰时刻场面滑行调度优化研究

为解决高峰小时场面航空器滑行冲突,提高机场运行安全和效率,减少航班延误损失,提出了基于航班优先级的航空器滑行调度模型.以基于最短路径的总调度时间最小为目标,使用滚动时域策略,设计预测窗口、滚动窗口、调度子问题、滚动机制等调度要素求解模型.仿真算例表明,此调度模型能够在兼顾航班优先级别属性的同时,规避了滑行中的各类冲突,对枢纽机场高峰小时内的18架不同属性的航空器实施了优化调度,较之原调度方案,总体时间减少了近2 min,提高了总体效率.      

面向节油减排的平行多跑道混合运行机场停机位分配模型

针对因隔离平行运行模式与不合理跑道机位使用方案引起的航空器场面滑行排放过高的停机位分配问题，在传统停机位分配模型基础上，研究了多跑道运行模式对停机位分配方案的影响，基于空管机场2方协同运行与就近起降运行模式，研究了面向平行多跑道混合运行的停机位分配模型。通过引入航空器空中走向约束与航班接续约束，以减少采用航班横跨场面运行这个过长滑行距离的停机位分配方案。在此基础上，考虑不同机型发动机燃油流率对分配方案燃油消耗及碳排放的影响，以最小化燃油消耗为目标建立整数规划数学模型，并结合天津机场典型时段运行数据进行仿真验证。仿真结果表明:与原计划运行结果相比，优化策略的滑行距离与碳排放分别减少了11.9% 和13.3%，说明通过优化多跑道运行机场的停机位跑道使用方案可有效减少滑行距离与油耗，达到节油减排的目的。      

降低交通排放的干线协调信号控制优化方法

为降低干线道路系统的交通排放量,基于机动车比功率改进红绿灯期间排放因子的标定方法,进而以相位有效绿灯时间为决策变量,构建使机动车排放总量最小化的干线交叉口群时空资源优化模型.分析相邻交叉口间车队延误与相位差的关系,改进以车队延误最小为目标的相位差优化模型.为验证模型,设计一个案例,根据传统方法获得参考配时方案,借助Vissim软件标定红绿灯期间的排放因子,并使用所提方法获得优化配时方案.结果显示,每种污染物绿灯期间的排放因子均明显高于红灯期间;与参考配时方案相比,优化配时方案下各交叉口车辆延误和排放量均减少8~11%.所提模型能同时降低干线交叉口群的车辆延误和交通排放量,可用于优化干线协调信号控制方案,进而缓解交通拥堵.      

基于多智能体深度强化学习的停车系统智能延时匹配方法

“互联网＋”模式下区域停车“用户-资源”优化匹配是解决找车位难问题的有效途径，传统研究主要关注动态匹配机制设计，缺乏对用户匹配时机的考虑。在随机动态环境下，用户到达目的地附近后进行适当的延时等待，往往可以获得更优质的泊位资源，但取决于当前的停车供需模式。据此首次提出智能延时匹配策略，将每个停车用户抽象为智能体，构建多智能体深度Q学习模型(M-DQN)。结合系统的停车供需状态学习，用户自主决策延时等待时间，进入分配池后，系统利用匈牙利算法进行泊位匹配。在智能体总数量可变的环境下，利用集中式训练与分布式执行的框架，实现多智能体协同优化。为对比智能延时策略的效果，设计等待零时长策略(Greedy)和等待最大时长策略(Max Delay)。在算例中，结合同济大学四平路校区实测停车数据，设计3种不同的停车供需模式场景。在工作日早高峰时段，Greedy是最优的匹配策略，M-DQN和Max Delay的平均停车过程总用时会增加，匹配成功率下降；在工作日非高峰时段，M-DQN的平均停车过程总用时相较于Greedy和Max Delay分别减少23.8%和22.4%，效果提升明显；在工作日晚高峰时段，M-DQN的平均停车过程总用时相较于Greedy和Max Delay分别减少了12.8%和14.5%，M-DQN可以结合供需状态学习到最优的匹配策略。研究结果表明：在停车供需相对平衡的环境下，所提出的延时匹配策略和多智能体深度强化学习方法可以有效减少用户停车的平均行驶时间和步行距离，且停车周转率越高效果越好；但延时策略在应用方面仍有一定的局限性，不适用于停车供给紧张，停车周转率较低的场景。     

基于大小交路优化的地铁行车组织方案

针对地铁客流分布不均衡情况,对地铁行车组织方案进行优化以缓解部分站点客流压力.建立乘客出行时间价值和平均载客率同时最优的双目标优化模型.假定乘客到达车站的时刻服从均匀分布,以此计算在途和等候时间价值.为了满足各个行车段的不同特征,在大小交路模式下定义不同交路段的载客率和列车使用车底数,更加符合运行的实际情况.以广州地铁6号线的运行情况为例,运用基于全局搜索的粒子群算法进行求解,验证了模型的有效性和合理性.结果表明:考虑单一出行时间价值的模型与该模型相比,出行时间价值降低3.21%,但平均载客率提高20.2%;考虑单一平均载客率的模型与该模型相比,平均载客率提高11.98%,但出行时间价值降低了1.68%,因此综合考虑乘客出行时间价值和平均载客率的优化模型可以使2个目标函数值同时达到最优.      

客车车内空气质量的改善方案

针对长途客车、城市客车车厢内空气质量较差,有损乘客身体健康的现状提出解决方案。该方案通过多重空气净化和任意比例引进新风,能有效提高客车内部的空气质量,而且节约能源。     

公共卫生事件暴发初期的医疗物资调度优化

在公共卫生事件暴发初期，为了合理高效地分配医疗物资，兼顾医疗物资运输成本和运输延误，以新型冠状病毒感染的肺炎为例，研究了公共卫生事件暴发初期受影响较大地区的医疗物资调度问题。基于疫情期间医疗物资供给不足的实际情况，结合各个医疗点对医疗物资的不同需求，采用最优化理论与方法建立考虑物资延迟损失和物流成本的双目标医疗物资优化调度分配模型。同时，采用外逼近法对模型进行求解，通过算例分析验证模型的有效性和算法的高效性。结果表明：由所构建的兼顾延迟损失与物流成本的双目标模型及采用的算法，能够得到不同条件下的医疗物资分配方案，所构建的双目标优化模型可以更好地兼顾医疗物资分配过程中的延迟损失和物流成本，并根据疫情走势及医疗物资供给实际情况提供更为合理的调度方案。     

机场飞行区无人驾驶清水车优化调度方法

针对机场航班延误和拥堵现象日益严重以及地面特种车辆服务航班效率低且存在较高安全隐患的问题，研究了面向机场飞行区无人驾驶清水车的优化调度方法。通过将无人驾驶清水车服务航班硬时间窗与梯形模糊隶属度函数相结合构建航班服务水平函数，结合传统C-W节约算法，考虑无人驾驶清水车服务机场航班的时间规则，实现了无人驾驶清水车总行驶路程最短以及航班服务水平最高的目标。考虑服务航班数量总和，衡量每辆无人驾驶清水车的服务航班阈值，并提出了服务航班任务量的差异评价值。新算法在C-W节约算法路径优化结果的基础上对未达到服务航班容量极限的子路径进一步优化，实现了所需服务航班的无人驾驶清水车数量最少、服务航班数量差异化最小的目标。以国内某机场航班信息为例，结果表明:与单车单服务模式相比，服务总路程节省59.36%，车辆使用减少84车次，航班服务水平为93.78%，航班任务量的差异评价值由93.32%降低至43.96%；与基准算法相比，新算法在实现任务量均衡的同时并不会增加总行驶路程，且将服务航班任务量的差异评价值由2.72降低至0.44，显著提高了车辆服务航班任务量的均衡性。