机场放行能力约束条件下的航班延误波及分析

航班延误影响机场和航空公司的正常运行,同时给旅客出行带来不便,因此,对航班延误的预测分析具有重要的现实意义.在机场放行能力约束条件下,分析航班延误波及情况,对延误时长进行定量预测.以航班历史数据为学习样本,计算在前序航班延误的影响下,后续航班在不同延误等级的初始条件概率,并按照航班优先级以及预测时段机场的放行能力约束,对初始条件概率进行修正,从而对航班延误时长进行短期预测.最后通过实例分析,结果表明考虑机场放行能力约束,提升了航班延误预测的准确度,验证了方法的有效性.     

不正常航班恢复模型和算法研究

主要根据2017年中国研究生数学建模竞赛中的航班恢复问题,探讨航班遇到突发情况时,如:机场在某时间段关闭,如何按照不同要求重新规划航班,使得旅客总延误时间或航班总延误时间尽可能短.航班恢复是一个NP-Hard问题,根据竞赛所涉航班恢复的4个子问题,分别根据其特有的约束条件和飞机间调整所需额外成本的计算办法,建立了相应的混合整数规划模型.通过先检测不正常航班的相关信息如延误扩散情况,再选择航班恢复计划使延误尽可能小,给出了启发式算法求解上述规划模型.进一步,对航班恢复问题所涉及的前3个子问题,分析了其延误时间下界,并与算法所得的延误时间进行比较,发现算法所得延误时间等于或者非常接近估计下界,这说明算法所得新航班计划是最优的或者非常接近最优航班恢复计划.     

采用信息散布指数的改进决策树算法

为了解决传统决策树算法偏向于多值特征的不足,提出了一种基于信息散布指数的改进决策树算法.引入信息散布指数作为评价准则惩罚因子,该指数能够反映出特征的多值程度,从而降低了评价准则对多值特征的依赖性.同时,结合信息增益,面向二元、分类和序数等离散类型数据实现了决策树的构造.通过实验结果表明:提出改进算法能够减少对多值特征的偏倚,与其他几种算法相比具有更低的分类错误率和更优的分类性能.     

应用遗传算法求解航班恢复问题

航班调度系统易受天气等因素的影响,导致航班延误甚至取消,给航空公司和旅客带来巨大损失.针对某机场由于天气原因需要临时关闭这一问题,,综合考虑航班延误,飞机置换和旅客的行程信息,以旅客的总体延误时间最短为目标函数,建立了旅客滞留航班恢复模型.根据面向对象的编程思想设计了航班调度算法并耦合遗传算法对模型进行求解.基于较大规模的航班和旅客数据对模型和算法进行了验证,得到了合理的航班恢复方案.     

大数据处理中分类算法的数值比较

针对大数据背景下机器学习的3种新分类算法:支持向量机、增强决策树、随机森林和传统分类的3种算法:逻辑回归、K最近邻法和线性判别分析法,选取了七个不同行业的实例数据集用上述六种分类算法进行数值分析,计算六种分类算法在测试集的总误判概率和两种错误的误判率.分析结果表明:从预测角度上大数据情况下新的机器学习分类算法尤其是随机森林和增强决策树的表现明显优于传统的分类算法.     

基于最小延误时间和经济成本的空中高速路匝口排序研究

空中高速路是解决空域资源紧缺问题的一种新途径.在建立延误时间成本最小的空中高速路匝口航班排序模型的基础上,分析并得出了航班延误经济成本函数,建立了基于最小延误时间和经济成本的空中高速路匝口航班排序模型,并利用NSGAII算法进行求解.最后利用不同时段的航班数据进行算例仿真,计算航空器进入空中高速路的时刻及其延误成本.结果表明,与先到先服务策略相比,提出的优化模型对于单个航班的延误时间成本、经济成本和累积经济成本分别降低47.2%,51.3%和54.4%,模型与解法可行.     

基于优先级的进离港航班排序优化问题研究

研究机场终端区进离港航班排序优化问题,对于提高跑道利用率以及降低航班延误损失具有重要意义。本文首先考虑航班运行方式(降落和起飞)、飞机类型以及航班的重要程度(航程是否连续)的不同所造成延误损失的不同,设计三维优先级表反映调度优先等级,并将其转化为延误成本系数。其次,为实现调度的公平性和减轻管制人员的工作负荷,设置允许延误的航班架次约束、邻边约束以及最大限制位置约束。再次,以最小化航班总延误成本为目标建立模型,提出相应的改进蚁群算法(GJAC)进行求解。最后通过数值实验验证所提算法在考虑调度优先等级及上述约束条件的同时能有效减少进离港航班队列的总延误成本。     

多机型航班恢复问题研究

主要研究了基于航班延误时间最短的航班行程规划问题,分别建立了最基本的多机型航班恢复问题模型、考虑旅客行程重新规划的航班恢复问题模型.在约束条件下,先在单机型航班恢复的基础上考虑多机型航班恢复,最后考虑基于飞机载客量的多机型航班恢复.构建时空网络模型,结合改进的分支定界法和启发式算法,确定筛选范围,调整不同的影响范围,达到较优的结果.对于多机型航班恢复问题,得到航班总延误时间为12850分钟.接着分析考虑飞机载客量的多机型航班恢复问题,分析建立的模型得到航班总延误时间为约1886650分钟.建立的模型有较好的鲁棒性,且具有较好的实用性.     

航班恢复规划的数学建模

针对第十四届全研究生数学建模竞赛C题的航班恢复规划问题展开研究,将多机场问题简化为双机场航班重排问题,研究了中枢机场应急关闭之后航班的规划.首先,建立了单一机型的航班恢复模型,通过飞机置换使该机型航班航班延误总时间最小.然后,引入多机型及不同机型交换成本,建立多机型,双机场的类时空网络模型,并引入航班串的概念,进一步减小航班重排后的整体延误时间.最后,增加旅客总体延误时间的考虑.进一步考虑航班之间不同机型交换带来的影响,将计划起飞时间位于18:00到22:30的航班,在21:00到22:30时间段中进行重新排列.通过Lingo计算包括航班延误,航班取消和飞机置换的方法所有航班的最小化延误.     

基于并行GRASP的不正常航班调度算法

将并行计算与GRASP结合,设计了一种新的基于并行GRASP的不正常航班调度算法,给出了详细的算法流程与步骤;同时考虑了使用备用飞机、延误航班与取消航班等不正常航班调度策略,通过并行GRASP算法优化了构造的飞机路线和取消路线组成的初始解,给出了每架飞机新的航班路线和航班取消路线。国内一家中等规模航空公司实际算例的结果证明了算法能有效降低以往算法的时间复杂度,明显提升运算效率,可用于较大规模的不正常航班调度运算。