停机区推出共用停止点设计优化

从停机区飞机推出共用停止点设计入手,采用减少航班推出时间的方法达到减少航班延误时间的目的。分析了飞机推出过程中存在的冲突问题,提出了在保证安全的前提下将停机位分组共享推出共用停止点,设计了使用推出共用停止点的规则。建立了推出共用停止点的数量与坐标的数学模型,设计了1种满足实际设计需要的层级递进搜索算法。通过算例验证了停机位分组推出共用停止点可以减少飞机推出时间。     

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.      

基于遗传算法的城市客运出租汽车调度中心人员排班研究

深入分析了城市客运出租汽车调度中心业务员排班中班次生成阶段的业务特点,对排班问题进行了建模,并将其抽象为一个求非线性、带约束条件的函数最小值的优化问题,用数据规划模型及约束条件函数进行了问题的描述。论述了遗传算法的定义、特点和实现流程,将遗传算法的基本理论应用到排班问题的研究当中,并根据业务特点设计了目标函数和约束条件函数,研究了初始种群、适应度函数和遗传算子的设计方法,采用Matlab遗传算法工具箱进行了实例分析,结果证明遗传算法是求解调度中心人员排班问题的一种有效方法。     

终端区空中交通流量管理中的航班动态排序系统研究

终端区交通流量管理自动化是现代化交通流量管理的目标。章通过对终端区空中交通流量管理中连续航班的动态飞机排序问题的研究，建立了飞机流排序的动态模型和终端区空中交通流量管理的动态排序算法，并运用C Builder语言实现了终端区空中交通流量管理中的航班动态排序系统，使得所有航班的空中等待成本总和最小。经比较，表明章所介绍的方法计算效率高，实用可行。     

基于蒙特卡洛方法的飞机襟翼不对称风险预测

为了研究民航飞机在飞行时后缘襟翼不对称引起的飞行安全问题,基于蒙特卡洛模拟方法,利用飞行QAR数据建立了后缘襟翼不对称风险预测模型.使用某航空公司机型为B737-800的2架飞机航班数据作为模型样本数据,运用Matlab编程进行8000次模拟抽样试验,得到了飞机在稳定飞行状态下,后缘襟翼不对称风险预测曲线,根据曲线分布特征将风险值定量划分为4个等级.研究结果表明,飞机稳态飞行时,不同飞机同一风险值下对应的后缘襟翼左右角度差值并不相同.通过制定风险值等级,确定差异化的监控阈值,可以更准确有效地监控后缘襟翼不对称故障,为航空公司关于襟翼不对称超限事件维修工程管理提供一定的技术参考.      

航班放行公平性测量指标分析与建立

航班放行公平性是衡量民航可持续运作的重要性能指标.但与航班运行效率相比,对航班放行的公平性研究较少.为了更加直观地衡量航班放行延误的差异程度,以航空公司航班放行的公平值为研究对象,先界定航班放行公平性概念;在此基础上,结合归一化算法,首次建立了衡量航班放行公平水平的归一化指标.以首都国际机场为例,按航班放行的离港口划分4个放行方向,计算并分析4个放行方向上分别对各航空公司航班放行的公平性值.结果显示,4个方向上航班放行公平值均满足正态分布;航班放行平均公平值越高的方向,分布越不稳定.经调研验证,由该指标计算的公平值与实际运行值相符.      

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。     

考虑驾驶员对线路熟悉程度的区域公交乘务排班模型

在允许驾驶员跨线调度情形下,提出了一种考虑驾驶员对线路熟悉程度的区域公交乘务排班优化模型,满足驾驶员的工作时间窗、中途休息、用餐时间等现实因素,以最小化驾驶员成本、正常班及加班费用为目标函数,编制一个最佳公交乘务排班方案。根据问题特征,设计求解该问题的人工免疫算法,定义了抗体、启发式种群算法、适应度函数、免疫操作等。最后,结合算例分析,比较任意驾驶员对不同线路的偏好如何影响调度结果,仿真表明:随着驾驶员的熟悉线路程度增加,乘务排班的费用逐渐减少,虽然其调度成本比现有模型的高很多,但是该模型比较符合实际。     

基于VMD-MD-Clustering方法的航班延误等级分类

针对航班数量逐年增加导致的航班延误日益频繁问题,研究对航班延误等级分类的方法,从而为制定针对性措施,降低航班延误造成的损失提供理论基础。从时间、空间和效率3个方面确定航班延误时间、航班飞行时间、延误影响人数和航程这4个数值属性指标,以及过站是否经停、飞机载客量2个类属性指标,共计6个评估指标构建航班延误等级分类模型。提出了1种基于变分模态分解（VMD）、马氏深度（MD）函数和K-means数据聚类（Clustering）的航班延误等级分类方法（以下简称V-M-C方法）。V-M-C方法将非正态、非平稳的多维航班延误数据视作含噪声的信号序列进行处理,通过VMD降噪获得正态、稳定的多维信号数据;利用MD函数进行降维处理得到一维的稳定信号数据;使用K-means方法对得到的一维数据进行聚类,对航班延误等级分类。为确定航班延误等级分类精确性,采用带惩罚权重的支持向量机（SVM）对分类结果进行分析,可以在一定程度上提高V-M-C方法的普适性。以某大型枢纽机场某月的航班运行数据为例,只使用K-means算法的航班延误等级分类精度为81.9%,而V-M-C方法对航班延误等级分类精度可提升至95.41%。实验结果表明,V-M-C方法的分类准确率更高,能够帮助机场根据相应延误等级制定预案,保障航班整体运行正点率。      

基于3种可视图的进场航班流量波动特性适应性评估

在空域资源优化配置、运行效率提升、飞行安全保障等方面, 掌握空中交通流量波动规律发挥着先导性、基础性和关键性作用。为评估可视图、水平可视图、有限穿越可视图这3种图对航班流量波动特性及其演化的刻画能力, 针对同1个进场航班流的多尺度流量时间序列构建复杂网络, 分别从网络的整体结构和局部结构开展了适用性评估分析。针对网络整体结构特点, 提出了基于网络结构从属阵特点的网络细节损失率定义, 再通过k-core聚类分析考察了k阶核量化流量波动强度的适用性; 针对网络局部结构特点, 利用motif方法计算波动模式转移概率, 分析了不同长度序模体刻画波动演化的适应性水平。分析结果表明: ①当有限穿越可视图网络N值与节点数量占比在0.48%~1.442%区间时, N值的选择能够保证从属阵细节损失率在0.5范围内; ②可视图与有限穿越可视图(N=1~3)均能有效刻画航班流量时间序列的波动强度, 对时间序列波动的适应性评估值分别为2.665、4.810、6.973和9.883;③motifs序列长度过短, 将导致motifs类型数量少、不同motifs类型之间的转移概率趋于相同, 而在交通流混沌特性的影响下motifs序列过长对于预测没有意义, 因此, 可视图及N=1~3的有限穿越可视图motifs序列长度推荐使用选择4~7个节点长度。综上所述, 运用k-core聚类与motifs方法能有效分析整体网络与局部网络下波动模式的转移特征, 准确揭示空中交通时间维度的演变规律, 相关分析结果可以为航班延误预测提供依据, 能在航班实际运行管理中发挥先导性作用。