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。     

多机场终端区进离场航班协同排序研究

为了缓解繁忙终端区日益严重的空域拥堵和航班延误现状,研究了多机场终端区进离场航班协同优化排序问题.通过深入分析多机场终端空域结构,以及进离场航班运行特征,综合考虑尾流间隔、移交间隔、放行间隔、多跑道不同运行模式下的运行间隔等约束限制,将多机场终端区视为一个系统,引入"外围航班流"概念,以最小化航班延误为优化目标,建立了多机场终端区进离场航班协同优化排序模型,并采用改进的模拟退火算法对所建模型求解.选取上海终端区为研究对象进行仿真验证,仿真结果表明:利用本文提出的优化方法航班总延误比先到先服务策略减少了37.85%,有效地提高了多机场终端区进离场航班的运行效率.     

基于蚁群算法的多跑道航班协同调度建模

针对终端区航班拥堵问题,模型通过读取进离场航班的航班号、机型和所属航空公司等实时信息,以提高航空公司效益性和航空公司之间竞争公平性为目标,建立了多跑道航班协同调度（CDM GDP）的多目标动态优化模型,采用蚁群算法对模型进行仿真.经过仿真验证表明,模型优化算法与先到先服务（FCFS）状态下航班排序相比,延误损失降低70.10%;延误损失偏差和降低38.64%.     

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．     

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．     

多跑道机场离场航班推出时刻的优化研究

针对繁忙机场场面拥挤造成的大量航班延误状况,作者研究了繁忙多跑道机场离场航班的推出时刻最优问题,以缓解机场场面拥挤,减少航班的地面等待时间和提高跑道利用率。根据飞机尾流间隔的要求以及跑道起飞容量的限制,本文建立了多跑道机场离场航班推出时刻模型,并针对机场小规模的离场航班流量,设计启发式算法,并用算例进行仿真验证。结果表明,与先到先服务的推出时刻策略相比,经该算法优化后的航班总地面等待时间减少了近41%,同时跑道利用率提高了30%。     

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.     

基于多目标优化的航空器离场时隙控制方法

为了兼顾效率性和公平性,合理利用时隙资源,进行航空器离场时隙分配,根据机场管制运行部门和航空公司的决策目标,以航班正点率、旅客延误时间、延误成本、基尼系数等目标的不同组合为优化目标,建立了3组多目标优化模型.针对机场管制中航空器放行的应用背景,采用改进的人工鱼群算法求解模型.算例仿真结果表明:以航班延误成本和航班正点率为优化目标时,得到2个Pareto解集,与RBS(ration-by-schedule)分配算法相比,航班延误成本减少了52.9%和48.6%,航班正点率提高了62.5%和75.0%;以航班延误成本和旅客延误时间为优化目标时,得到1个可行解,与RBS分配算法相比,航班延误成本和旅客延误时间分别减少了52.9%和37.5%;以公平性和效率性为目标时,随着公平性的增强,效率性减弱.本文的多目标离场时隙控制方法,弥补了现有方法只考虑效率性的缺陷,为管制员提供了更多可供选择的决策方案.     

基于跑道运行类别的航班优化排序方法

现有空中交通基础设施难以满足日益增长的空中交通运输需求,多跑道作为机场的瓶颈区域是造成机场拥挤和航班延误的重要原因。针对跑道起降特性以及实际运行机型引入多跑道运行类别的概念,以最小化航班延误成本为优化目标,根据问题的数学描述,建立了适用于相关运行模式下多种跑道构型的多跑道机场航班优化排序模型。结合动态规划及启发式算法基本理论,采用基于改进动态规划方法的滚动时间窗启发式算法对问题进行求解。实例验证分析了跑道运行类别、安全间隔、时间窗大小对航班延误的影响,并通过更为普遍的跑道系统进行实例验证,进一步分析了滚动时间窗启发式算法的计算性能,验证了建模思想对容量评估效果的影响以及所提模型和方法的有效性和可行性。     

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%.     

基于扩展摩尔邻域的自由飞行冲突风险研究

为解决三维空间中,自由飞行条件下航空器间的飞行冲突风险判定问题,提出了基于扩展摩尔邻域的飞行冲突风险判定方法.首先分析平面摩尔近邻模型的特点,将其扩展至三维离散空间;然后建立水平、垂直飞行冲突风险可能性表格,提出计算三维飞行冲突风险的方法;最后分别用水平、垂直飞行冲突风险分开和同时计算的方法对同一仿真数据进行计算.结果表明:采用扩展的三维不同层摩尔邻域可以实现空域内航空器的飞行冲突风险的快速计算;水平、垂直飞行冲突风险同时计算的方式可以更快速地解决问题;同时,空间基础单元的间隔选择也会极大影响模型的运算效率.     

基于航班延误水平的机场航班时刻管理评价方法

为有效评估机场航班时刻管理,揭示延误问题根源,本文提出一种独立、客观的时刻资源配置评价方法。首先从延误的定义出发,对时刻管理中存在的延误进行分类,再分析各类延误的含义,并对各种延误进行了强度等级划分。通过层次分析法和物元法确定了各种延误的权重参数,对时刻管理效果形成量化指标。最后以首都机场为例进行了仿真验证,从结论可见,该评价方法能较好地贴近实际情况,反映时刻管理中的问题。     

性能基导航中飞行技术误差估计研究综述

从人为因素、飞行器性能与环境因素3方面剖析了性能基导航中飞行技术误差的影响因素及其特性。依据导航方式与特定运行条件分类论述了基于飞行试验的飞行技术误差试验统计研究,指出了此类研究方法的局限性。评述了基于成型机理的飞行技术误差方差估计模型与方法,讨论了各种方法的特点和应用范围。从飞行技术误差估计方法与应用2方面分析了现有研究的局限性与后续研究展望。分析结果表明：在手动操作方式下,不同的飞行策略对飞行技术误差有较大影响,航径偏移指示器的灵敏度与侧向飞行技术误差负相关。在航路和终端区,某些通用航空飞行器的侧向飞行技术误差的标准差分别高达759．32、481．52 m,主要原因是未安装高精度导航系统。对飞行试验结果进行统计拟合的估计方法无法全面地覆盖全部机型、航段与天气条件,因而具有一定的局限性,而基于成型机理的飞行技术误差估计方法估计的侧向、高度飞行技术误差的标准差分别为2．68、1．13 m,通过与仿真结果和实测数据的比较,方法的有效性得到验证。性能基导航设备在实时估计飞行技术误差时,采用假设常值而不进行实时估计,将会使飞行器处于危险中。从多重因素入手研究如何减小性能基导航中飞行技术误差是未来的重要研究方向。     

基于蚁群算法的航班着陆排序

当空中交通拥挤时，对航班的着陆顺序进行的调整，可以缓解拥挤，减少航班延误，提高飞行安全性，本文将蚁群算法用于着陆航班的排序问题，首先，建立以航班延误总时间最小为目标的规划模型，将航班着陆排序问题转化为非对称的TSP问题；然后，用蚁群算法寻找符合实际操作的优化排列；最后，经过对某机场实际数据的仿真计算，并与实际运行相比较，本文应用的算法具有较好的有效性和较强的使用性。     

QAR数据译码的航班划分

介绍了QAR记录系统和记录数据的译码过程，针对航班划分，经过多次下载实验，在具体分析原始数据的基础上，提出了帧计数划分方法和组合帧计数与空地电门两参数进行航班划分的新方法。与传统的航班划分方法相比，该方法提高了航班划分的精度，加快了QAR数据的译码速度。     

CDM机制下基于多航站楼运行模式的机场停机位实时分配算法

将多航站楼资源共享和航空公司时隙可互换作为前提,建立多方（机场、航空公司和旅客）最小延误费用原则,采用混合集合规划（MSP）进行建模与求解.该模型不仅能保证多航站楼停机位资源的有效共享,而且能充分优化油耗成本以及航班波扰动引起的旅客中转等待成本.实例表明,文中所提出的指派算法能有效地解决多航站楼模式下的机位实时分配问题.     

机场群运行方式下的航班时刻与频率优化模型

针对枢纽机场的拥堵问题,提出了机场群航班时刻与频率优化策略.应用运输需求管理理论,以旅客最小出行损失时间为目标函数,以旅客流失率与航空公司客座率为约束条件,建立了基于机场群运行方式的航班时刻与频率优化模型.根据机场群内5个机场的地面交通时间与枢纽机场的航班数量与平均延误的关系,将机场群内各个机场的旅客需求进行分类,采用k-means聚类算法,计算了航班时刻与频率、旅客出行损失时间、机型与数量分配方式.计算结果表明:在机场群运行方式下,旅客需求分为7类,满足全部旅客需求的航班数量为11个,旅客出行损失时间为123 403 min;在独立运行方式下,旅客需求分为8类,满足全部旅客需求的航班数量为13个,旅客出行损失时间为165343 min;在机场群运行方式下,采用遗传算法求得的满足全部旅客需求的航班数量为11个,旅客出行损失时间为126119 min.     

飞行冲突智能调配系统开发

将飞行冲突调配分割成同高度判定、最小水平间隔判定和航向规避3个规模较小的子问题，构造了飞行冲突智能调配系统的拓扑结构及调配流程．引入广义指派的组合最优化算法和人工神经网络控制技术，用VB．net和Matlab进行系统开发．模拟运行表明，该系统可为管理者提供用于防止冲突的智能化方案，包括短、中、长期的计划，以提高飞行管理效率和飞行的安全性．     

编队飞行中基于危险区域的后机最优位置研究

编队飞行是实现民航绿色发展的重要措施之一。在前机尾涡危险区域分析的基础上，科学确定后机最优位置是编队飞行的关键。首先，以随机两阶段尾涡消散模型为基础，利用Hallock-Burnham涡模型和诱导滚转力矩系数模型分析后机诱导滚转力矩系数的演变规律。然后，基于设定的安全阈值，给出前机尾涡危险区域，并考虑飞行高度、速度和风对危险区域的影响。最后，基于后机不同位置处的燃油流量减少率，得出编队飞行中后机最优位置。研究结果表明：后机诱导滚转力矩系数随着前、后机之间横向距离的增加，呈先增后减再增的趋势；随纵向距离的增加，呈先缓慢减小后快速减小的趋势；高度越高、速度越小，诱导滚转力矩系数的峰值越高。飞行高度越高、速度越小，前机初始尾涡的危险区域越大；随着纵向距离的增加，危险区域不断减小，并随涡核的下沉不断下降。侧风使危险区域发生偏离，侧风越大，偏离程度越大。顺风会增加危险区域的纵向距离，顶风则与之相反。两架B737-800飞机在12000 m高度以0.78马赫数进行编队飞行时，前、后机纵向距离3000m处，无风情况下后机最优位置为横向距离30 m 或-30 m、垂直距离29 m，此时燃油流量减少率为7.01%。相较于无风，左侧风20 m·s -1 下，燃油流量减少率和垂直距离不变，横向距离增加；顺风20 m·s -1 下，燃油流量减少率增加，横向距离不变，垂直距离减少；顶风20 m·s -1 下，燃油流量减少率减小，横向距离不变，垂直距离增加。     

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。