����֧���������ع�ĺ�������Ԥ���о�

针对航班延误难以预测的问题,采用支持向量机回归方法建立航班到港延误预测模型。首先,采用相空间重构理论计算到港延误的延迟时间、嵌入维数和最大Lyapunov指数,发现到港延误时间序列存在混沌特性;将航班到港延误时间序列进行相空间重构,并结合执飞该航班的航空器在上游机场的离港延误构建模型的输入向量;其次,将粒子群算法、差分进化算法和遗传算法进行比较,用于选择最优的模型参数,实验表明,差分进化算法能够以较高概率获得最优的预测模型;最后,比较该模型、单一因素预测模型和相关向量机预测模型的航班延误预测性能。结果表明,该模型的预测性能明显优于另外两种模型,能够有效预测航班延误。     

动态数据驱动的航班延误预测研究

航班运行过程的动态性导致延误实时预测成为难题,动态数据驱动方法为其提供了一种解决方案.该方法能将航班运行实时数据动态加入延误预测过程中,使预测结果更准确可靠.以预测连续进港航班的降落延误为例,对航班之间的延误传递过程进行分析,建立相应的状态空间模型;给出动态数据驱动的航班延误预测框架及预测过程.在航班运行历史数据上进行的多个实验表明:该方法能获得较高的预测准确度和良好的预测稳定性.     

航班延误成本测算方法研究

针对目前对航班延误成本没有一个很明确的测算方法,通过研究国内航空公司的管理运行模式,作者重新划分了航空公司的延误成本结构,并据此提出了一种新的测算航班延误成本分析模型.按照该模型对B737-800与A320-200这两种国内航空公司的主流机型的延误成本进行了比较与计算,其结果可以为相关的管理决策提供有利的参考.该模型可...     

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。     

基于航班综合影响因素的延误航班重排问题的整数规划模型

为解决延误航班的恢复问题,以最小化航空公司和乘客损失为目标,构建了延误航班的重 排模型。兼顾航空公司和乘客的利益,通过研究航班干线、VIP 乘客和大飞机等因素对航班重排的影响,构建了目标函数,其中考虑了本场航班离港延误成本、外场航班离港延误成本以及外场 航班进港延误成本三个要素;同时,以机场实际运输能力、航班的进出港时间和重排时刻表的出发时间等作为约束,建立了0-1 整数规划模型。采用昆明机场的实际数据对模型进行测试,运用 Lingo 软件对所建模型进行求解,得到了优化的机场航班重排时刻表,并将计算所得延误损失和机场的实际延误进行了对比分析,结果表明所建模型不仅可以满足更多高优先级乘客的出行需求,也能相应地减少航空公司的损失,从而验证了模型的合理性。     

机场调度的队列模型及延误研究

论文讨论了机场航班延误的严重性.基于机场航班排序理论的研究,采用马尔可夫(Markov)链的C-K方程理论建立机场服务队列模型.用模型对飞机进场和离场的时间延误进行预测,仿真实验再现了时间延误概率分布图.由此证明,该模型能直观反映航班延误情况.进一步根据延误情况去制定航班排序策略,是一个有效的办法.     

延误航班机场场面滑行优化调度策略研究

为减少大面积航班延误带来的机场拥堵和安全隐患,提出了将解决延误航班调度过程转化为求解流水车间调度问题（flow-shop scheduling problems,FSP）.以航空器总体调度滑行时间最小为目标,建立延误航班滑行调度模型,设计多粒子群算法求解模型.算例分析表明,该调度模型较之比FCFS方案在一个高峰时段内能减少14.2min调度时间,提高了机场运行效率.     

基于EEMD-ELM 的航班运行风险混沌预测

针对航班运行风险可靠预测方案，以某航空公司2016-2018 年航班运行风险数据为基准，通过相空间重构，序列混沌特征的识别，构建基于极端学习机(ELM)的航班运行风险混沌短期预测模型，基于集成经验模态分解(EEMD)阈值降噪方法进行改进；最后，计算风险预测结果，分析不同方式下的预测精度. 结果表明：航班运行风险时间序列具有混沌特征， EEMD方法可抑制序列本征模态函数(IMF)的模态混叠现象；经由EEMD阈值降噪处理后，短期预测结果的修正平均绝对百分误差(MAPE)值显著下降. 证实本文航班运行风险预测方案可行且有效.     

航班延误信息下旅客选择行为模型及实证

针对航班延误后旅客选择行为的不确定性,本文基于累积前景理论对不同延误情景下旅客的选择行为进行研究.首先,以期望出行时间作为旅客行为选择的参照点,构建航班延误信息下旅客选择行为模型,并指出在不同延误情景下参照点具有动态性特征;然后,利用调查问卷,得到准时到达敏感性、信息影响程度两个参数值及不同延误情景下旅客对出行时间的判断,计算得到期望出行时间;最后,以北京-上海航线为例,计算得到不同延误情景下旅客不同选择行为的累积前景值,从而得到旅客的最优选择行为.结果表明：随着航班延误规模的增大及延误时长的增加,旅客的期望出行时间随之增长,体现了参照点动态性的特点;在不同的延误情景下,旅客的最优选择行为有所差异;通过实际验证,理论模型能有效地描述旅客在不同延误情景下的选择行为.     

进离港航班容量及其影响因素

针对机场容量限制导致的航班延误问题,以最大航班流量为决策目标,建立了进离港航班容量模型.该 模型采用离散时间混合排队算法,对可能出现的冲突情况建立转移概率矩阵,并基于冲突因子优化模型性能,推 导出进离港容量的数学公式,设计出算法流程.以成都双流国际机场的实际数据进行仿真,结果表明:当进、离港 航班率分别为0.6和0.5、机场吞吐率为0.8时,模型预测的数据与实际航班信息的标准差分别为1.552和 1.436;当进港请求近似为泊松分布时,机场吞吐率越大,拒绝的航班请求数量越少,机场吞吐率与计划进离港容 量正相关.      

终端区进离场资源分配优化模型

为提高终端区运行效率和减小航班延误, 考虑了空域容量和安全间隔等约束, 以最小化航班总燃油消耗、均衡进场点等待时间和最小化航班总延误为优化目标, 建立了终端区空域进离场资源分配优化模型, 设计了带精英策略的非支配排序遗传算法, 使用上海终端区实际运行数据进行实例验证。计算结果表明: 当SASAN进场节点容量下降时, 与先到先服务策略相比, 进场点分配策略下总燃油消耗由462 282.7 kg降为337 752.9 kg, 减少了26.9%, HC、CO、NO_x排放量分别由492.6、3 815.7、16 570.6 kg降为429.2、3 352.1、14 129.1 kg, 进场点总等待时间减少了93.5%, 所有航班平均延误降为104 s, 94.6%的航班的延误在600 s以内, 因此, 优化模型能有效解决终端区交通需求不均衡或节点容量下降导致的延误, 提高终端区运行效率。     

考虑延误传播的枢纽机场航班时刻优化方法

为解决枢纽机场的航班时刻优化问题,提出了一种考虑延误传播的航班时刻优化方法;根据延误传播因果关系强弱来表征延误传播代价,建立了以最小延误传播代价和最大公平性的双目标函数;为了降低航班时刻存在的先天性延误和保证进离港航班的衔接性,引入了进离港点通行能力、常态化航路流量控制以及航班波特征等约束条件,构建了更加符合枢纽机场运行特征的优化模型;基于求解多目标函数的约束法,设计了两阶段求解算法,将多目标函数求解问题转化为单目标函数求解问题;以上海浦东国际机场为案例,从资源利用率和运行效率两方面进行了试验验证。研究结果表明：优化前4%的时刻属于跑道超负荷运行时刻,优化后不存在跑道超负荷运行时刻;优化前PIKAS和LAMEN大约有5%的时刻、NXD大约有2%的时刻处于超负荷运行,优化后没有进离港点超负荷运行;优化前离港航班平均延误为23 min,有超过50%的时刻延误大于10 min,优化后平均延误为3 min,超过60%的时刻延误小于5 min;优化前进港航班延误为28 min,优化后85%的时刻延误小于5 min;优化前后航班正常率分别为82%、99%,优化后航班正常率提升了17%。可见,优化后的航班时刻在时空分布上更加合理,能够显著提高资源利用率和航班正常率,降低航班延误。     

基于航班延误分布的机位鲁棒指派模型

为提高机位指派计划的稳定性与降低航班延误波及效应影响, 以广州白云国际机场历史航班数据为例, 构建了不同航空公司之间差异化的航班延误概率分布, 分析了航班延误分布对机位冲突概率的影响。以机位冲突概率最小为目标函数, 以机位与航班类型为约束条件, 建立了机位鲁棒指派模型, 设计了贪婪禁忌搜索算法, 使用实际航班数据进行实例验证。计算结果表明: 使用提出的机位鲁棒指派模型与贪婪禁忌搜索算法, 获得最优解需要的迭代次数为43, 计算时间为0.72 s, 总的机位冲突概率为2.737 1;使用提出的机位鲁棒指派模型与传统遗传算法, 获得最优解需要的迭代次数为72, 计算时间为35.00 s, 总的机位冲突概率为2.741 2;使用现有的机位闲置时间最大的确定型鲁棒指派方法与提出的贪婪禁忌搜索算法, 总的机位冲突概率为3.018 0。与现有的确定型鲁棒指派方法相比, 提出的机位鲁棒指派模型可使机位计划的鲁棒性提高9.31%。     

基于航班延误的机位冲突概率计算方法

为了定量描述航班随机延误对机位分配计划的影响,构建了同机位航班占用时间发生冲突的概率计算方法。首先,基于国内某机场实际航班数据,建立了航班到达延误概率的正态分布模型和起飞延误概率的混合正态分布模型,采用极大似然法和期望最大化（Expectation Maximization,EM） 算法分别对模型参数进行了估计;然后采用JB （Jarque-Bera） 检验和交叉验证法,验证了模型的有效性。在此基础上,根据机位占用冲突机理推导出同机位连续航班间的冲突概率计算公式,量化了同机位连续航班的冲突概率与两航班的延误规律和间隔时间的关系。冲突概率可用于评价机位分配计划中同机位连续航班间隔时间设置的合理性。     

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。     

网络控制系统的时延估计和自适应预测控制

提出了基于最小二乘支持向量机（LS-SVM）的网络时延预估网络控制系统（NCS）的自适应预测控制方法．先将网络时延转化为非线性时间序列，再用径向基函数（RBF）作为LS-SVM的核函数，建立NCS的时延预测模型．用通过该模型预测的时延设计自适应控预测制器，补偿和控制NCS的时延．仿真结果表明，该时延预测方法对NCS的随机时变时延有较高的预测精度，根据预测的时延设计的控制器能使系统的输出很好地跟踪期望的输出．     

多跑道机场停机位分配仿真模型及算法

基于传统滑行路径和停机位等待的理念, 建立了多跑道机场停机位分配仿真模型, 在满足场面运行安全约束的条件下, 寻求滑行时间最小的分配方案。通过多跑道机场的地面网络数据、运行模式以及航班计划等信息, 利用计算机仿真对模型进行了算法设计, 并对场面的实时运行状况进行了停机位分配的仿真模拟。仿真结果表明: 该算法与随机分配算法相比, 多跑道机场的地面容量提高了4.6%, 冲突探测与解脱的次数降低了10.7%, 最大延误减小了34.8%, 因此, 机场场面的运行效率得到提高, 所提算法有效。     

固定航路最优飞行冲突解脱模型

针对在固定航路条件下多个航空器之间的冲突解脱问题,提出了改变航向的飞行策略,比较了自由飞行条件下和固定航路飞行条件下的最优飞行冲突解脱模型。以航空器性能和航路空间为约束条件,以冲突解脱时间为目标函数,运用最优化控制理论和微分方程,计算了不同初始条件下的总冲突解脱时间。计算结果表明:当航空器的解脱终点从(80,0)变为(65,0)时,总冲突解脱时间减小了32s;当航空器的解脱速度从833km.h-1降低为759km.h-1时,总冲突解脱时间增大了12s;当航空器的初始位置由(20,0)增大为(29,0)时,总冲突解脱时间仅增大了2s。航空器的解脱终点和解脱速度对冲突解脱时间影响较大,而航空器的初始位置对冲突解脱时间影响较小。