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.     

基于航班时刻优化的多机场地面等待问题——模型和算法

为了优化航班的多机场地面等待问题,根据航班时刻信息,考虑空域容量和飞机周转限制,建立了以总延误时间最少、总延误成本最低、总调整航班架次最少、总延误航班架次最少的多目标、多机场地面等待问题模型.用非支配分类遗传算法Ⅱ(NSGA-Ⅱ)求出了该模型的优化多目标解集.以2008年秋季北京、上海和广州三大枢纽机场为例对该模型进行了验证,与先到先服务情况相比,平均总延误成本减少了约24%,平均总航班调整数减少了约62%.     

基于动态容量的航班进离场流量鲁棒优化分配

为解决机场和定位点动态容量条件下的航班进离场流量优化分配问题,以总航班延误损失为决策依据,建立了绝对鲁棒优化模型、偏差鲁棒优化模型和相对鲁棒优化模型,并用捕食搜索算法,设计了寻找鲁棒最优解的算法流程.以国内某机场数据为例进行仿真验证,结果表明,得到的鲁棒最优解能够根据不同偏好有效规避风险,与该终端区一般容量条件下最优解的航班延误损失相比,偏差鲁棒最优策略和相对鲁棒最优策略下的航班延误损失分别减少了8.2%和7.8%.     

随机GHP模型中有效容量的判定方法

为了提高求解地面等待策略(ground holding policy,GHP)随机模型的效率,利用归纳法建立了延误损失公式;考虑空地费用比与典型容量样本概率的不同组合关系,采用枚举法对4类典型情况进行分析,得到了有效容量判别方法;将多个随机容量转化成单个有效容量,并利用有效容量求解随机GHP模型,结果表明:与传统方法相比,运用本文方法求解随机GHP模型得到的总延误损失相同,在2 h内起飞航班为50架次的条件下,计算时间由109 s减少到42 s,减少了61.5%,提高了计算效率.     

网联环境下基于站点时刻表的公交信号优先方法

为了提高公交车准点率,考虑到网联交通环境下车辆信息可知,根据公交车旅行时间及预测到达交叉口的时间建立公交车优先通行策略选择模型;根据公交车到达停车线时间、延误时长和到达时刻在绿灯相位的位置计算生成新的配时方案。通过仿真计算,结果表明:运用建立的优先通行策略选择模型,公交车的平均准点率可提高26.67%,总平均旅行时间可减少27.41%,且可通过少量增加交叉口社会车辆延误大幅度减少交叉口公交车的人均延误。     

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%.     

终端区飞机排序的混合人工鱼群算法

为了保障飞行安全,对终端区着陆飞机进行有效的排序,建立了以航班延误总时间最小为目标函数的规划模型,以人工鱼群算法为基础,融合了遗传算法的选择操作和模拟退火算法的依概率接受的思想,形成混合人工鱼群算法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法、模拟退火算法以及蚁群算法进行了对比研究。仿真结果表明:与先到先服务相比,使用人工鱼群算法使得单跑道、双跑道延误分别减少了9·3%和48·0%,计算时间小于3s;与蚁群算法和模拟退火算法相比,求解的延误与时间最小,因此,提出的混合算法可行。     

һ���µ�ͣ��λ�����Ż�ģ��

针对国内机场目前基本依据经验分配停机位的情况,基于传统滑行路径的理念,建立了降低旅客进出机场飞行区时间的停机位分配模型.在满足场面运行安全约束及可接受延误水平下,寻求时间最小的分配方案.通过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,并利用MATLAB编程进行了计算,与机场地面容量评估系统（ACES）中的停机位随机分配模型进行了对比.结果显示：与随机分配模型相比,旅客飞行区平均停留时间减少9.7%,机场地面容量提高5.7%,冲突次数和延误时间分别降低9.4%、6.4%.因此,机场运行效率与资源配置情况得到改善,所提模型与算法有效.     

考虑船舶废气排放的港口群协同泊位分配研究

为了减少船舶在港区的废气排放及促进港口群泊位资源的优化配置,本文建 立了双港泊位分配协同优化模型,通过优化两港泊位分配和船舶在两港间的航速来降低 燃油消耗量和总延误时间,并探讨了限速策略的影响.采用将船舶燃油消耗函数分段线性 化的方法,将模型转化为混合整数线性规划模型.仿真实验表明,相比于传统的以计划延 误时间最小化为目标的单港泊位分配模型,双港协同优化模型不仅能够进一步优化两港 总的延误时间,而且能够明显减少船舶燃油消耗量.这从运作层面为提高港口群整体服务 水平、建设绿色港口提供了理论支持.     

基于完善交通信息收集的UAV路径规划

针对部分路段不能获取完整交通信息的问题,提出使用无人机对未布设固定型交通信息检测器路段进行交通巡视,完善交通信息。通过时空网络建立了一个总飞行时间最短、最大单机飞行时间最短的多目标模型,确定最佳的无人机数量和交通信息收集路径。新模型不仅利用时空网络技术细致刻画了无人机在巡视过程中的飞行轨迹,而且加入了对未布设固定型交通检测器路段的巡视次数以及巡视时间间隔约束问题,使巡视路径更加合理。情景分析表明,使用两架无人机进行巡视时,总飞行时间最短为37min,在23min 内完成巡视任务;随着最大单机飞行时间权重的增大,无人机的总飞行时间增加9.76%,最大单机飞行时间减少8.70%。算例分析表明,所建模型和方法能够解决大规模路网的多无人机调度问题,能够根据实际需求得到满意的巡视路径。     

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%.     

基于AVL的公共汽车到站信息服务系统设计

为了提高公交到站信息服务系统的可移植性、降低到站时间预测误差、增强到站时间信息服务的可获取性,对如何构建公共汽车到站信息服务系统进行设计。以标准化AVL数据输入为基础,阐述了4项关键技术：制定AVL数据采集内容标准;建立基于行程时间的到站时间预测算法;建立基于事件驱动的到站时间预测控制方法;提出电子站牌与手机相结合的联合信息发布模式。选取实际线路在计算机上实现上述设计成果,并对比分析事件驱动和时间驱动两种控制方法在降低预测误差方面的效果。结果证实,事件驱动控制方法对到站时间预测误差的改善效果比时间驱动控制方法显著。     

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.     

航路时空资源分配的多目标优化方法

为了提高航空公司与空管方之间的协同决策程度, 降低航班延误水平, 以航路飞行的航班为研究对象, 研究了航路时空资源的多目标分配; 考虑实际运行条件下航班的唯一性约束、时间顺序约束和可行性约束的影响, 以航班在流量受限区所分配的飞行航迹和进入时隙为决策变量, 以航班总延误成本最小和航空公司延误公平损失偏差系数最小为目标函数, 构建了多目标非线性0-1整数规划模型; 基于模型特点引用了非支配排序遗传算法(NSGA-Ⅱ), 并利用排列编码法设计了一种整数基因编码方式, 以最大限度保证基因产生可行解集; 为了验证模型与算法的有效性, 基于南中国海地区航班运行实例, 对算法搜寻最优解的性能进行了研究, 并将此算法与传统按时刻表分配(RBS)方法进行了对比。研究结果表明: 改进编码方式的NSGA-Ⅱ算法使解集种群在约50代后世代距离从600收敛至30并稳定, 具有良好的收敛性; 针对实例中的多目标优化模型共生成有6组解的帕累托解集, 结果有66.7%的概率完全支配RBS方法, 且优化结果中航班平均延误成本比RBS方法降低了8.5%, 平均公平损失偏差系数降低了70.6%。可见提出的航路时空资源多目标优化方法的执行效果显著, 可在降低总延误成本的基础上兼顾各航空公司的公平性, 是解决航路飞行航班航迹与时隙资源分配问题的一种有效方法。      

基于密度峰值的终端区航迹聚类与异常识别

为有效解决高流量终端区内标准飞行模式、非标准飞行模式和异常飞行模式难以自动分离的问题，采用广泛记录的广播式自动相关监视(ADS-B)数据，构建了基于稳健深度自编码器(RDAE)和快速搜索并寻找密度峰值的聚类(CFSFDP)算法的航迹聚类模型; 使用RDAE降维提取终端区内航迹集的非线性特征，利用多种正则化手段约束内部低维流形，以重建更紧密的航迹并将其作为CFSFDP算法的输入，利用轮廓系数选取不同密度飞行模式的聚类中心，并调节边缘密度参数识别出异常航迹; 选取主成分分析(PCA)结合有噪声的空间密度聚类(DBSCAN)算法、动态时间规整(DTW)结合DBSCAN的2种常用航迹聚类模型作为对比项，分别在广州白云机场1 d的少量数据和45 d的大量数据上进行试验。分析结果表明:DTW与CFSFDP的结合模型在少量数据集上具有最优的航迹聚类性能，轮廓系数比对比项分别提升了62%和28%，且可以自动识别出遵循区域导航标准飞行模式的航班和特定环境下遵循管制偏好的非标准飞行模式的航班，识别异常航迹的精确度也分别提高了57%和10%;大量数据下，提出的RDAE结合CFSFDP模型的聚类性能比经典的PCA结合DBSCAN算法提升了13%，且具备可接受的时间复杂度。由此可见，建立的终端区飞行模式区分模型可为空域级交通流性能评估和航班级航迹预测与优化提供数据提取平台。      

基于复杂网络的航班运行风险传播分析

为研究航班运行风险传播机理,基于民航航班运行程序,采集航班运行数据及航空公司、机场、机组、机务、空管等工作表现做为研究样本;采用经验建网法、时间序列相空间重构法和Spearman 相关系数3 种方法,构建面向航班运行风险传播问题的复杂网络,经过计算证实,使用Spearman 相关系数建网效果最佳;对应民航常用控制方法,引入重要度r 、改进感染率β′和改进恢复率γ′概念,提出适用于航班运行的改进SIR 模型,最后对风险网络传播进行动力学分析. 计算结果表明：重要度r =0.4 时,感染节点密度曲线峰值下降10%,达到峰值时间推迟5%;改进恢复率γ′=0.9 时,感染节点峰值降低6%. 证实加入重要度,改进恢复率可有效抑制风险网络传播;说明识别风险网络中对关键节点加以控制,提高风险节点恢复比率和速度,可有效提高航班安全保障能力.