面向航班高峰期的机场地勤车辆多阶段优化调度方法

在航班运行高峰时段内,地面服务需求更加集中,机场可调度的地勤车辆数量有限,可能引发航班延误,导致机场多方面损失。针对该问题,研究了地勤车辆多阶段优化调度方法,重点考虑摆渡车和加油车2种地勤保障车路由与时间窗口限制,以航班准点率及延误时间为评价指标进行优化调度。构建了具有4类节点和5类弧的容量-费用网络G1,通过设置合适弧容量及费用参数,确定最小费用流规划模型;采用拉格朗日松弛启发式算法对模型求解,通过不断寻优,设置对偶间隙初值、容许误差,最大迭代次数,输出预测结果;深入分析高峰时段的航班运行状态,构建基于时空网络的整数线性规划模型,优化第一阶段未服务航班的总延误时间;结合最小化最大值定理,构建单航班服务延误模型,将单个航班延误造成的损失降到最低。最后,基于实际航班数据,结合机坪平面布局开展仿真实验和验证,结果表明：利用优化调度得到加油车和摆渡车准时服务的最大航班数分别为30,131架·次,待服务航班的最小总延误时间分别为223,542 min,航班总延误下降21.56%,显著缩短航班延误时间,提升了机场场面的整体运行效率。     

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.      

基于电动出租车数据的充电桩选址聚类方法比较

为有效降低出租车运营企业及经营者的经济成本,通过分析出租车的卫星轨迹数据,比较和选取用于电动出租车充电桩选址规划的聚类方法。以上海市电动出租车充电站的选址规划为研究对象,分别基于孤立森林和聚类算法设计异常值检测方法,对相关时段的出租车卫星数据进行清理以及数据可视化处理;比较层次聚类（Agglomerative Clustering）、高斯混合模型（Gaussian Mixture Model, GMM）、K-means聚类、Mean-Shift聚类以及谱聚类（Spectral Clustering） 5种算法的聚类效果,并选取K-means算法作为充电桩选址规划参考算法。从城市区域划分及企业运营角度确定充电桩选址方案,为未来上海市区电动出租车充电桩的数量和容量配置提供设计依据。     

基于 Monte-Carlo 模拟的进场排序不确定性研究

为了提升终端区航班排序抵御不确定因素扰动风险的能力,保证航班运行效率及降低延误损失,综合考虑终端区运行的多种约束限制.基于不确定性因素对进场航班影响分析,以航班总延误和管制干预最小为目标,建立进场航班排序的多目标随机期望值模型.应用 Monte-Carlo 模拟方法刻画航班运行状态随机变量的统计特征,将模型所求目标函数值表征为随机模拟的数学期望,设计了带精英策略的非支配排序遗传算法(NSGA-II)寻求模型的 Pareto 最优解集,绘制不同阈值的缓冲间隔下得出 Pareto 前沿拟合曲线.采用广州终端区典型时段进场航班数据进行仿真验证,结果表明模型中不同阈值范围的缓冲间隔设置,可提供权衡航班延误和管制干预之间的合理化建议,且最高可降低32.4%的航班延误.所提方法能有效缓解繁忙机场航班延误,提升航空运输服务能力.      

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.      

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%.      

机场群共用航路点的航班排序模型及算法

机场群上空空域资源共享、运行耦合复杂，拥堵往往发生在共用航路点。为缓解空域拥堵和航班延误问题，开展了机场群共用航路点的优化排序研究。针对共用航路点的运行特征，引入惩罚因子并以总延误时间成本最小为优化目标，建立了机场群共用航路点的航班优化排序模型，基于滑动时间窗算法和粒子群优化算法的原理提出了TW-PSO组合优化算法对模型进行求解。选取京津冀机场群过共用航路点的航班进行算例仿真，结果表明:TW-PSO组合优化算法与FCFS算法、滑动时间窗算法、粒子群优化算法相比在高峰时段的总延误时间成本分别减少了216，212，161 min；在算法性能方面，具有比经典算法迭代次数少、优化效果更佳的优点，能有效缓解航班延误问题，改善机场群的协同运行效率。      

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。      

协同决策机制下航空公司时隙分配优化决策

航空运输系统涉及空管、航空公司与机场三方面,但是目前解决不正常航班却单纯依靠空管。而这种方式无法达到减少旅客延误时间的目标。文中研究在协同决策机制下,航空公司根据航班旅客特性自由指派航班时隙的方法问题。建立了一种航班时隙指派模型,针对模型的特点设计了一种启发式算法。通过实例证明了采用该方法可以减少旅客总延误时间,同时还说明了航空公司参与时隙分配决策的重要性。     

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.     

城市道路无信号控制路段行人过街风险分级预警模型

为量化城市无信号控制路段下的行人过街风险,避免人车冲突事故频发,提出基于K-means算法的行人过街风险量化分级方法,并在此基础上建立了基于随机森林的行人过街风险分级预警模型。考虑时空接近程度及潜在碰撞伤害大小,选取冲突时间差、潜在碰撞距离与潜在碰撞能量3个指标,准确刻画出实际的人车交互场景,并利用K-means算法对行人过街风险状态进聚类划分,明确相应的行人过街风险等级。综合行人过街场景中包含的天气状况、道路交通设施、行人交通特征、机动车交通特征与历史事故等5类风险隐患因素,提出了30项行人过街风险二级指标,依据基尼不纯度对风险指标进行筛选并构建出最优的预警指标集,以此为模型输入,利用随机森林算法建立了能对行人过街风险进行细化、量化预测的分级预警模型。以山西省某市3处行人过街样本数据为算例验证模型的可行性。算例分析表明：行人过街风险等级分为5级时,量化分级结果能与实际行人过街情景较好吻合;本文提出的分级预警模型对各风险等级预测的整体正确率可达86.67%,其中对一级与四级风险的预警能力最为突出,一级风险识别准确率达到100%,四级风险识别准确率达到94.7%。本研究提出的行人过街风险...     

基于波及延误的飞机路径随机优化模型

为了对航班延误进行有效的事前控制,挖掘后继航班独立延误对飞机路径整体延误的影响,建立了更加精确的独立延误和波及延误算法流程,侧重研究与航班计划变更无关的独立延误的统计分布.在拟合出航班独立延误服从对数正态分布的基础上,建立了以波及延误最小为目标函数的飞机路径随机优化模型.求解过程中通过已知分布将随机模型转化为确定性模型,降低了模型的求解难度.最后将该模型应用于国内某一航空公司运行数据,优化后的波及延误降低了28%,成本降低17.37%.结果表明,基于统计分析基础上的飞机路径优化模型可以提高航班计划的先行鲁棒性.      

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.     

考虑第三方损失的城市道路交通事故严重程度评价方法

为了适应城市道路交通事故具有较少的伤亡人数、对周边交通运行状况影响较大等特点，对该类事故的严重程度进行评价方法研究。研究构建事故地点平均行车延误计算模型。基于社会劳动价值的计算，将事故伤亡人数换算为经济指标。利用单位时间劳动力价值，将由事故引发的其他车辆的行车延误损失时间换算为经济指标。将其与非必要燃油消耗一并计入事故第三方经济损失。借鉴现有交通事故等级划分标准，采用等价折算的方法，确定各评价指标的权重值。以哈尔滨市2007~2008年事故数据为例，计算其综合评价指标。依据综合评价指标的累积频率曲线，提出城市道路交通事故严重程度的等级界定阈值。以2017年6月发生于大连市高新园区的1起城市道路交通事故为例，分别采用现行分类标准和提出的评价方法评价其严重程度。研究表明：该评价方法综合考虑了事故伤亡人数、直接经济损失并包括非必要行车延误及燃油消耗的第三方经济损失，可以充分体现该类事故的特点，并能够合理划分其严重程度。     

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。     

基于非完备贝叶斯网络的车型识别方法

针对BP神经网络等车型识别算法不能很好地适应我国车型复杂状况，分析了贝叶斯网络（IDS-BN）算法中完备数据集的问题，提出了基于非完备数据集的贝叶斯网络车型识别方法和车型识别系统结构模块，基于该模块拟定了车型特征变量．构建了车型识别网络模型，并给出了模型参数学习、车型分类器等算法，包括MDL评分和贪婪搜索的结构学习、EM参数学习、随机模拟采样推理等。实验表明，该方法识别率较高，鲁棒性好，满足我国车型识别的实际要求。