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%.     

大型机场进场航空器联合调度模型

为减少进场航空器总延误与总滑行时间,研究了大型机场进场航空器联合调度问题;分别以跑道排序时间跨度和总延误加权和最小、被分配至远机位航班数量最少、进场航空器总滑行时间最短为目标函数,构建了跑道、停机位、滑行道三大系统的正向联合调度模型;在此基础上引入停机位再调整模型,通过调整额外滑行时间较大的航空器的停机位指派方案对滑行...     

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。     

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。     

��æ�������ཱུ������Ķ�Ŀ���Ż�

航班的合理降落排序是减少航班延误,提高服务质量的重要手段之一.空管人员在进行决策时,其评价标准往往不是单一的和同向的.本文将跑道上的飞机降落排序建模成单机多目标调度问题,重点讨论了此类问题的帕累托优化求解.建立的整数规划模型能够在航班降落过程中,对航班加权延误数量和所有延误航班的最长晚点时间两目标值进行协调并根据现场实际情况灵活地进行取舍.利用共享信息素机制的多目标蚁群算法对模型进行求解.最后的算例结果显示,与传统的启发式方法相比较,本文的方法不仅能够求得更好的结果,还能为空管人员提供一个相对直观的调度策略选择方案.     

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。     

基于RHC-GA的多跑道进离场航班多目标动态优化模型

以管制负荷与航班延误总成本最小为目标函数,以尾流间隔、跑道限制与最大位置约束为约束条件,结合中国民航最新运行标准,建立了基于滚动时域控制策略的多跑道进离场航班多目标动态优化模型。针对模型求解规模庞大的特点,结合滚动时域控制策略的动态特性,设计了求解模型的遗传算法,选取中国某大型繁忙机场高峰时段的48个航班数据进行实例验证。仿真结果表明:当重、中、轻3种机型的单位飞行成本分别为25、16、10元·s-1时,采用现有先到先服务的策略,总延误损失为36 098元,管制负荷为32架次;当采用5个滚动时域的控制策略时,总延误损失为28 900元,管制负荷为31架次;当采用4个滚动时域的控制策略时,总延误损失为27 375元,管制负荷为32架次;当采用3个滚动时域的控制策略时,总延误损失为27 194元,管制负荷为33架次。与现有的先到先服务策略相比,提出的模型能动态地优化多跑道进离场航班排序问题,有效减少延误损失,并均衡跑道资源利用状况。     

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%.     

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.     

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GC-ZCPS的航班优先级调度研究

在航班着陆调度问题的研究中,传统的航班调度策略先到先服务(FCFS)总是安排先来的飞机先降落,后来的飞机等待后降落,但是却忽略了航班在等待过程中也有优先降落等级,航班的重要程度不同,有的航班比较重要或者发生了紧急情况,具有降落优先权。引入不同重要程度因子的约束位移交换(ZCPS),并结合改进的蚁群算法和遗传算法(GC),采取精英保留策略,将蚁群算法的一次寻优结果分成两个群落,再利用遗传算法找出符合实际操作的最优排列。实例仿真计算表明,该方法通常优于经典的先到先服务,新方法能够节省19%～38%的时间,能有效减少飞机延迟时间。     

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。     

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．     

基于鲁棒性提高的航班计划优化模型

为了减少由于各种原因导致的航班延误情况,提高航班计划的鲁棒性,在对某航空公司冬春航班的某月10 d航班延误数据进行分析的基础上,建立了基于鲁棒性提高的航班计划优化模型.该模型在制订航班计划时考虑鲁棒性因素,并且通过约束成本控制航班运营成本的增加.为了验证模型的准确性,通过Lingo进行建模,并代入10 d的航班数据进行...     

确定性空域容量约束下的区域流量管理优化模型

为解决区域内空中交通拥挤问题,以最小化总权重延误和最小化区域外权重延误为优化目标,通过决策偏好参数关联两个优化目标,在确定性扇区容量约束的基础上,增加了流量尾随间隔限制约束和扇区最大允许延误时间约束,构建了满足区域性流量管理实际运行约束条件的基于时间计量的流量管理整数规划模型.选取中南区域的实际空域和航班计划数据,采用CPLEX优化软件求解模型.结果表明:目标函数中的决策偏好参数能调节两个优化目标;新增的约束条件能满足实际运行需求和保证策略的可实施性,即在实施生成的策略时不产生额外的管制员工作负荷.     

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%.     

基于松弛策略的机场运营效率分析

运用基于松弛策略的数据包络分析法对机场运营效率进行研究,产出因子除了传统的飞机起降架次、客运量和货运量等,两个具有弱处置性的非期望产出因子：航班延误百分比和航班平均延误时间被引入到评价模型中.通过实例验证,基于松弛策略的数据包络分析法比通常的方向性距离函数计算出的机场效率值更具有区分能力,可以针对每个决策单元算出各自的松弛,并且为机场运营管理提供理论指导.     

基于最小延误成本的进港航班公平排序

进港航班排序优化是提高航空公司的经济效益和空中交通流量管理的主要手段。作者在一定假设的条件下,以所有到达航班在机场终端总延误成本最小为目标函数,并在该函数中引进公平性惩罚因子,得到一个带有公平性惩罚因子的航班总延误成本最小进港排序模型。该模型用粒子群算法求解,作者给出了解法步骤。文中列出了两个实例。实例结果表明：在自然状况下,本文模型的总延迟成本显著地下降;与遗传算法的结果比较,两个方法都有效地降低了总延误成本,但是,本文方法的最大延迟顺序小于遗传算法的相应值,结果比较公平;此外,本文方法的计算量相对较小。     

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。