CN107862910B - 基于机场场面滑行多种冲突模式的滑行延误时间和离场延误时间预测方法 - Google Patents
基于机场场面滑行多种冲突模式的滑行延误时间和离场延误时间预测方法 Download PDFInfo
- Publication number
- CN107862910B CN107862910B CN201711130194.7A CN201711130194A CN107862910B CN 107862910 B CN107862910 B CN 107862910B CN 201711130194 A CN201711130194 A CN 201711130194A CN 107862910 B CN107862910 B CN 107862910B
- Authority
- CN
- China
- Prior art keywords
- time
- taxi
- conflict
- departure
- delay
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 230000008569 process Effects 0.000 claims abstract description 44
- 230000010006 flight Effects 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 21
- 230000001419 dependent effect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 6
- 230000001934 delay Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/06—Traffic control systems for aircraft, e.g. air-traffic control [ATC] for control when on the ground
- G08G5/065—Navigation or guidance aids, e.g. for taxiing or rolling
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明主要针对现有机场场面航空器运行冲突的离场延误预测分析存在不足的技术问题,提出一种基于机场场面滑行多种冲突模式的滑行延误时间和离场延误时间预测方法,根据离场过程将离场延误分为两部分:滑行延误和离场排队延误,并在计算滑行延误时详细考虑了多种场面滑行冲突形式的影响,使得对离场总延误的预测更加的切合实际。
Description
技术领域
本发明属于民航机场交通管制领域,具体涉及一种基于机场场面滑行多种冲突模式的滑行延误时间和离场延误时间预测方法。
背景技术
航空器在机场场面滑行过程中,必须保证相互间的安全距离。当不同航空器在相同或相近的时间内需要通过同一节点或边时则可能发生冲突。如图1所示,冲突主要分为以下几种形式:1)交叉冲突指当航空器从不同滑行道经过同一交叉点时,航空器之间的距离不满足最小安全间隔要求而产生的冲突,如图1中的A情况所呈现;2)对头冲突指航空器在同一时段从不同方向进入同一滑行道,使其在滑行道对头相遇形成的冲突,对头冲突可发生在某较长的双向滑行道上,是一种相对严重的冲突,如图1中B所示;3)追尾冲突是指不同航空器在同一时段在同一滑行道同向滑行时,后机速度大于前机使航空器之间的间隔不满足最小安全间隔要求产生的冲突,该冲突同样可能发生某较长的滑行道上,如图1中C所示。
大型机场场面结构复杂,繁忙时在机场场面同时运行的航空器众多,一旦出现潜在的滑行道冲突,不管是采取等待的方式还是更改滑行路径的方式,或多或少都会影响场面运行计划,加大场面调度的难度,从而直接降低机场场面运行的效率,进而增大了机场场面活动的操作隐患。因此,地面管制人员或机场运行控制人员应当严谨的规划滑行路径和滑行时刻,尽量避免潜在的滑行冲突。如果无法避免,也应尽可能的***到冲突将会带来的影响,提前做好准备。
现有离场延误预测方法中,将离场航班和跑道构成一个排队***,将跑道作为服务台,从而根据排队论来计算离场排队延误。但是这种计算离场延误只考虑离场排队延误,将离场排队延误代替了离场延误。因为航空器的离场延误并不仅仅发生在航空器的离场起飞排队阶段,同样的延误还会发生在航空器的离场滑行阶段,单纯的将离场排队延误代替离场延误是错误的。因此,在计算航空器的离场延误时,不仅要计算离场排队延误,同时还要计算航空器的场面滑行延误。
Ioannis Simaiakis和Hamsa Balakrishnan(2015)提出的方法中考虑了停机坪和滑行道上航空器之间的相互作用,使得航空器从其停机位到跑道排队的滑行时间取决于其无阻碍的滑行时间以及当时在停机坪和滑行道上的交通量,将传统的对滑行时间延误的预测等式(a)作了修改,虽然该修改对航空器的离场滑行时间的预测有了明显改进,但这只是从统计意义上对滑行时间的预测起了修正作用,也并未区分是停机坪和滑行道的什么因素导致了滑行时间的改变。相对于根据影响离场延误的因素并通过大量历史数据的分析预测延误值的方法,通过排队模型计算离场延误更为有效,但是现在使用的大多数离场排队模型都没有详细考虑离场过程中各个环节实际产生的延误,这会漏掉某一环节的延误,使得估算的延误与实际的延误有着较大的误差。离场延误包括场面滑行延误和离场排队延误。因此,在计算离场延误时,详细计算离场过程的各个环节的延误是必不可少的。
发明内容
本发明主要是针对现有机场场面航空器运行冲突的离场延误预测分析存在不足的技术问题,提出一种基于机场场面滑行多种冲突模式的滑行延误时间和离场延误时间预测方法,根据离场过程将离场延误分为两部分:滑行延误和离场排队延误,并在计算滑行延误时详细考虑了多种场面滑行冲突形式的影响,使得对离场总延误的预测更加的切合实际。具体技术方案如下:
一种基于机场场面滑行多种冲突模式的滑行延误时间预测方法,滑行延误时间由场面滑行时间和无障碍滑行时间的差计算得到,其分别考虑各航空器在离场过程中未经历冲突以及所经历不同冲突的延误时间,所经历不同冲突包括经历交叉冲突、追尾冲突和对头冲突。
其中,对于航空器经历不同跑道冲突的滑行时间的预测公式如下:
无冲突滑行时间:
交叉冲突滑行时间:
追尾冲突滑行时间:
对头冲突滑行时间:
式中,τunimped表示航班无障碍滑行时间,R(t)表示在时间段t开始时在场面而不在离场队列的航空器数量,α是依赖于机场和跑道配置的参数,β0,β1,β2,β3分别表示无冲突、交叉冲突、追尾冲突和对头冲突的发生概率,且β0+β1+β2+β3=1;;
将β0,β1,β2,β3分别作为不同冲突下滑行时间对滑行时间预测值的权重,得到考虑不同冲突形式下航空器滑行时间的预测值;
根据场面滑行时间τtravel以及无障碍滑行时间τunimped,并根据以下公式(a)即可得到滑行延误时间τtaxiway,
τtravel=τunimped+τtaxiway (a)。
其中,β0,β1,β2,β3概率值的确定方式如下:
通过对所在机场的不同航班的离场过程进行多次仿真,并统计各航空器在离场过程中所经历不同冲突以及未经历冲突的次数,分别计算无冲突、交叉冲突、追尾冲突和对头冲突的频率,并以此频率近似的代替航空器未经历冲突、经历交叉冲突、追尾冲突和对头冲突的概率,从而确定β0,β1,β2,β3。
进一步的,α是依赖于机场和跑道配置的参数,可选择其值来产生实际和建模分布之间的最佳拟合,拟合时根据以下对等式(b)进行以下处理:
τtravel-τunimped=αR(t) (b)
统计大量离场航班的滑行时间以及航班滑行时处于停机坪和滑行道***中的已推出航空器数量,根据已求得的无障碍滑行时间,将航空器的滑行时间τtravel与无障碍滑行时间τunimped的差值作为因变量,R(t)作为自变量,进行拟合,从而确定α的最优值。
其中,无障碍滑行时间τunimped的计算公式为:
τunimped=Swi/vi,
式中,Swi代表的是起点或终点是编号为i的停机位的航班的场面滑行距离,vi表示的是不同机型的场面滑行速度。
本发明还公开一种基于机场场面滑行多种冲突模式的离场延误时间预测方法,包括计算场面滑行延误时间和排队延误时间,其中,滑行延误时间采用上述任意一项方法计算得到。
进一步的,离场排队延误时间的计算方式如下:
利用排队论对单跑道的延误时间进行研究,以离场航班作为服务对象,机场中跑道端为等候区,跑道作为服务台,起飞规则服从先到先服务,离场航班计划的间隔时间服从负指数分布,即航班计划近似认为服从非均匀的泊松过程;选取一天24h的航班计划和机场容量作为排队模型的输入,将一天24h划分为24个等距时间片t,统计每个时间片的航班计划,计算每个时间片的机场离场容量,得到一天中的需求分布和容量分布,并分别求得排队模型的到达率和服务率;根据到达率和服务率求得各时间片的离场跑道利用率,进而求得离场航班排队延误时间。
有益效果:
本发明引入停机坪和滑行道的航空器之间的滑行冲突对滑行时间的影响因素,即在研究场面滑行延误时综合考虑场面滑行过程中存在的各种冲突,如交叉冲突、对头冲突和追尾冲突,统计航空器离场滑行过程中所遭遇各种冲突的概率,从而更准确的考虑各种冲突对航空器离场滑行的影响,进而将滑行延误的分类更加细致,从而更准确预测航空器的场面滑行时间。
航班的离场延误发生在航班离场的每一个过程当中,本发明根据航空器的离场过程分为场面滑行和离场排队两部分,从而将航空器的离场延误也分为滑行延误和离场排队延误。通过分别计算场面滑行延误以及排队延误,从而得到离场总延误,这使得计算的离场总延误更加的贴合现实。
总体上来看,离场总延误值与实际延误值之间的波动趋势基本相同,也较为吻合。因此,本发明提出的离场延误时间预测模型对离场延误的预测和计算有较大的帮助。
说明书附图
图1为场面冲突示意图,其中,A.交叉冲突,B.对头冲突,C.追尾冲突;
图2为航空器离场过程示意图;
图3为青岛机场场面滑行冲突比例统计;
图4为α值线性回归统计图;
图5为考虑冲突形式的滑行时间预测;
图6为滑行延误时间预测;
图7为离场排队延误时间预测;
图8为离场延误时间分析。
具体实施例
本发明要研究的是机场的离场延误时间预测问题,研究过程中将离场延误分为场面滑行延误以及排队延误两部分分别计算,提出一种新的离场延误预测方法。
在离场排队延误评估中,相关概念说明:
服务:航空器离开跑道端离场等待区并起飞;
到达:航空器到达跑道端离场等待区;
服务率:单位时间的机场允许起飞的航班数量;
到达率:单位时间的离场航班计划;
容量分布:某时间序列对应的容量序列即为该时间序列的容量分布;
需求分布:某时间序列对应的航班需求序列即为该时间序列的需求分布。
实施例中以单跑道机场为例进行离场延误时间预测,并针对单跑道模式作出如下假设:
(1)机场对未来某一时段内的风向、能见度等天气状况,以及进离场交通需求等信息均可进行可靠预测;
(2)机场未来天气的预测周期可被划分为若干个等距时间片,每个时间片大小为1h;
(3)每个时间片的机场天气条件以及跑道运行模式保持不变;
(4)进离场航空器遵循进场优先原则;
(5)同一时间同一跑道只能有一架航空器占用;
(6)当进场航空器距离跑道入口小于进离场航空器之间的最小安全间隔时,离场航空器不能放行。
如图2所示,离场过程包含两个模块,分别是飞机从登记口推出到滑至跑道端的过程和航班在跑道端排队等待至起飞的过程。因此,每一架航空器的离场时间τ可以表示为:
τ=τtravel+τdep.queue (1)
依照公式(1),可将一架航空器的离场时间分为场面滑行时间τtravel和离场排队时间(又叫排队延误时间)τdep.queue两部分分别进行讨论。下面将分别对这两个部分进行详细介绍。
(1)滑行时间τtravel的预测
一架航空器的离场滑行时间(又叫场面滑行时间)是指从停机位推出直到跑道端等待起飞所经历的时间。滑行时间预测模型是用于计算航班推出过程中飞机的滑行时间及其延误分析的模型。
由于每架航空器在其从停机位滑行到跑道端的过程中,有可能会遭遇到停机坪或滑行道冲突,只有在场面上仅有一架航空器在滑行时才不会有冲突的存在。而且,在滑行期间遭遇的冲突数量不确定。但是,机场为了优化其运行会尽量减少每架航空器的冲突次数。由于每架航空器经历的冲突形式不同,经历的冲突次数也不同,因此,航空器经历不同冲突的概率并不相等。
图2所示模型的第一个模块计算了飞机从停机位至跑道端的滑行时间。相关过程可以从概念上描述如下:飞机根据推出计划从停机位推出,飞机逐步进入停机坪和滑行道***,最后到达跑道的离场队列,该离场队列是由于离场跑道的阈值形成的。在滑行阶段中,航空器之间相互作用相互影响。例如,航空器排队以便于进入停机坪的一个有限的部分,穿过使用中的跑道,或者进入另一架航空器滑行的滑行道段,又或者重新路由以避免经过已经拥堵的地点。这些空间分布的队列被累积地表示为停机坪和滑行道相互作用,并且相关联的延误由加法项表示为τtaxiway。因此,每架离场航空器的滑行时间τtravel,即实际运行过程中航空器从停机位移动到起飞跑道的滑行时间,可以被表示为:
τtravel=τunimped+τtaxiway (2)
式中,τunimped表示的是航班无障碍滑行时间(也叫正常滑行时间),即没有拥堵、天气和其他因素影响航空器从停机位移动到起飞跑道所花费的时间;τtaxiway表示的是由于停机坪和滑行道的航空器间隔导致的航空器i的延误时间,即由于其他航空器正滑向离场队列时通过停机坪或者是滑行道时导致航空器产生的延误。这种τtaxiway延误的严重程度将取决于滑行的飞机之间的相互作用的确切性质,即停机坪和滑行道的拥挤水平和位置。
1)无障碍滑行时间τunimped的计算
根据定义可知,在没有拥堵、天气和其他因素的影响下,无障碍滑行时间仅与滑行距离和滑行速度有关,换句话说也就是只与停机位和机型有关。
τunimped=Swi/vi (3)
式中,Swi代表的是起点或终点是编号为i的停机位的航班的场面滑行距离,vi表示的是不同机型的场面滑行速度。
通过统计机场不同滑行道距离跑道端的距离,并结合各航空器的场面滑行速度,根据公式(2)即可得到无障碍滑行时间τunimped。为方便起见,在计算过程中不考虑滑行速度的改变,认为航空器在场面滑行过程中是匀速的。
2)滑行延误时间的计算
考虑滑行道拥挤效应,可以统计滑行道***(R(t))的飞机数量,特别有助于航空器滑行过程中滑行延误的估计,其中,R(t)表示在时间段t开始时在场面而不在离场队列的航空器数量。
Ioannis Simaiakis和Hamsa Balakrishnan(2015)提出的方法中考虑了停机坪和滑行道上航空器之间的相互作用,使得航空器从其停机位到跑道排队的滑行时间取决于其无阻碍的滑行时间以及当时在停机坪和滑行道上的交通量,将公式(2)作了修改,修改后的方程变为:
τtravel=τunimped+αR(t) (4)
式中,αR(t)表示用于建模停机坪和滑行道路上的离场航空器之间的相互作用的线性项,即由于停机坪和滑行道的航空器间隔导致的航空器i的延误时间τtaxiway,α是依赖于机场和跑道配置的参数,可以选择其值来产生实际和建模分布之间的最佳拟合。拟合时需对公式(4)作以下处理:
τtravel-τunimped=αR(t) (5)
α值的确定过程:统计大量离场航班的滑行时间以及航班滑行时处于停机坪和滑行道***中的航空器(已推出)数量,根据已求得的无障碍滑行时间,将航空器的滑行时间τtravel与无障碍滑行时间τunimped的差值作为因变量,R(t)作为自变量,进行拟合。从而确定α的最优值。
虽然上述修改对航空器的离场滑行时间的预测有了明显改进,但这只是从统计意义上对滑行时间的预测起了修正作用,并未仔细区分停机坪和滑行道的什么因素导致了滑行时间的改变。大型机场场面结构复杂,繁忙时在机场场面同时运行的航空器众多,场面航空器滑行过程中总会因为滑行冲突导致附加的滑行时间,也就产生了滑行延误。为了更准确的预测航空器的场面滑行时间,在发明中将引入停机坪和滑行道的航空器之间的滑行冲突对滑行时间的影响因素。
结合实际条件同时为了方便起见,根据每架航空器在其从停机位滑行到跑道端的过程中经历不同冲突的概率是不同的,定义航空器未经历冲突、经历交叉冲突、追尾冲突和对头冲突的概率分别为β0,β1,β2,β3,且这些概率之间满足以下关系:
β0+β1+β2+β3=1 (6)
β0,β1,β2,β3概率值的确定,可通过对某一机场的不同航班的离场过程进行多次仿真,并统计航空器在离场过程中所经历不同冲突以及未经历冲突的次数,分别计算无冲突、交叉冲突、追尾冲突和对头冲突的频率,并以此频率近似的代替航空器未经历冲突、经历交叉冲突、追尾冲突和对头冲突的概率,从而确定β0,β1,β2,β3。值得说明的是,准确的概率是不可能得到的,我们只能通过大量的样本数据统计得到更加接近概率的频率,因此,用频率替代概率在研究过程中是可行的。
对于航空器经历不同跑道冲突的滑行时间的预测公式如下:
A.无冲突
B.交叉冲突
C.追尾冲突
D.对头冲突
根据公式(7)~(10)可以得到考虑不同冲突形式下航空器滑行时间的预测值。我们将β0,β1,β2,β3分别作为不同冲突下滑行时间对我们要的滑行时间预测值的权重。故可以得到:
可见,根据机场推出计划以及管制员制定的航空器的滑行路径,估算每一架航空器在其滑行过程中会经历何种冲突,并统计其滑行过程中停机坪和滑行道***中的航空器(已推出)数量。根据已求得的航空器无障碍滑行时间以及上述统计数据,通过公式(11)即可预测每一架航空器的实际滑行时间。
根据已经计算得到的滑行时间以及无障碍滑行时间,并结合公式(2)即可得到滑行延误。
(2)离场排队延误时间τdep.queue评估
τdep.queue是航空器在离场队列中所用的时间,即航空器到达起飞跑道的跑道端后,等待起飞过程中所消耗的时间。受排队长度、排队期间降落航班、不同机型的机翼尾流、飞行员控制情况、流控及跑道突然关闭等因素的影响,导致离港航班在跑道端排队等待起飞时间差异也较大。
本发明利用排队论对单跑道的延误时间进行研究,以离场航班作为服务对象,机场中跑道端为等候区,跑道作为服务台,起飞规则服从先到先服务,离场航班计划的间隔时间服从负指数分布,即航班计划近似认为服从非均匀的泊松过程。
选取一天24h的航班计划和机场容量作为排队模型的输入,由于机场天气条件呈现随机动态性,相应的飞行规则、管制间隔将发生变化,故机场容量呈现随机动态性。
将一天24h划分为24个等距时间片t,每个时间片t的大小为1h,统计每个时间片的航班计划,计算每个时间片的机场离场容量,得到一天中的需求分布和容量分布,分别求得排队模型的到达率和服务率。具体如下:
单跑道的离场排队延误时间预测如下:
T表示给定一天中的时间范围(00:00~24:00),t表示第t个时间片,t=1,2,…,24;第t个时间片的服务率为;
第t个时间片的到达率为:
定义ρ为服务机构的利用率,表示在相同时间片内航班到达率与航班服务率的比值,故第t个时间片的离场跑道的利用率为:
第t个时间片的离场航班的平均等待时间,即离场航班排队延误时间
第t个时间片的离场排队***中等待服务的航班数量,即离场航班平均等待架次
式中,表示第t个时间片的服务率, 表示第t个时间片的到达率,其中,表示第t个时间片的机场离场容量,表示第t个时间片的离场航班需求。
需要说明的是,为了方便应用排队论的理论,在此将τdep.queue用排队论理论中常用的代替,因此,就是离场排队延误时间τdep.queue。
此时,根据公式(1)即可求得每一架航空器的离场时间τ,即,将航空器的场面滑行时间τtravel和离场排队时间相加获得。
下面结合具体的实施例及附图对本发明进一步解释说明。
实施例中以青岛流亭机场2017年04月01日全天的进离场数据为基础,利用VisualBasic对青岛机场的航班场面滑行过程进行仿真,从而确定不同航空器在不同滑行路径的无障碍滑行时间以及一架航空器在其离场过程中经历冲突形式及冲突次数的统计。根据仿真所得的数据结果对离场延误进行评估计算。
假定,青岛流亭机场为单跑道机场,跑道全长3400米,停机位共计有66个,包括货运停机位6个,客运停机位60个。实施例中,针对航班场面滑行过程进行仿真,为方便起见,实施例中只考虑其中最常用的27个客运停机位。编号为:5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、41、42、43、44、45、46、47、48、49、50、51。根据青岛机场的机动区冲突多发地带运行要求,并考虑仿真所采用的停机位,我们定义以下6个冲突区,分别为HS1、HS3、HS4、HS5、HS6和HS7,如图1所示。
根据青岛机场实际的机型统计数据,进离场航班各占50%。重型机所占比例为4.08%,中型机所占比例为95.92%。航班所用机型主要为:A320、A330、B737和B738。
(1)各走廊口进离场航班比例
根据青岛机场的实际航班数据,统计得进场走廊口主要为:BIKOB、莱阳、IDVEL和连云港,离场走廊口包括:高密、莱阳、IDVEL和连云港,如表1和表2所示。
表1
表2
(2)各航空公司航班进离场比例
根据青岛机场的实际航班数据,航空公司主要为南航、东航、山航、厦航、天津航、国航以及其他航空公司,如表3和表4所示。
表3
表4
(3)青岛机场各航空公司停机位分配
通过统计青岛机场的实际数据,得到如表5所示的停机位分配状况。
表5
(4)各停机位进离场滑行距离
青岛机场各停机位场面滑行距离如表6所示。
表6
(5)各机型场面滑行速度
通过查找A320、A330、B737和B738各机型的飞行手册可知,各机型的场面滑行速度,如表7所示。
表7
机型 | A320 | A330 | B737 | B738 |
速度(km/h) | 40.74 | 33.34 | 46.30 | 37.04 |
一、场面滑行时间及延误时间预测
(1)无障碍滑行时间评估
根据已统计的各停机位进离场的滑行距离,结合不同机型的场面滑行速度,根据公式(2)即可的得到航班的无障碍滑行时间,如表8所示。
表8
由表中可以看出,无障碍滑行时间的长短与停机位的位置以及机型有关,接下来讨论α的确定时,由于受到无障碍滑行时间的影响,就是受到的停机位不同的影响,为方便起见,在研究α的确定时,实施例中以其中15个停机位的航班为例进行研究。
(2)考虑各种冲突形式下的滑行时间计算
由于现有数据中缺乏场面滑行中航班所遭遇冲突数据的统计,因此实施中通过已有数据,对青岛机场的场面运行进行仿真,多次仿真后得到航班场面运行中所遭遇的冲突,并根据仿真数据就算不同冲突形式所占比例,如表9所示。
表9
由图3可知,青岛机场场面运行中,航班未经历冲突的概率为66%,经历交叉冲突的概率为20%,经历追击冲突的概率为10%,经历对头冲突的概率为4%,统计结果符合现实,因为根据机动区冲突多发地带运行要求,在给航班规划滑行路径时应最大限度的避免对头冲突的情况发生。
故β0,β1,β2,β3的值分别为66%、20%、10%和4%,显然符合公式(6)的要求。接下来分别计算不同冲突形式下的滑行时间。
参见表10,并结合公式(5),即可求得α,如图4所示。
表10
由图4可知,青岛机场场面滑行航空器之间的影响系数,α的取值为1.3539。
根据公式(7)‐(11)并结合表10,即可求得不同冲突形式下的滑行时间预测值,在参考考察的实际滑行时间,即可对预测值及实际值进行对分析,如5图所示。
由图5可知,考虑各种冲突形式下的滑行时间的预测值与实际的滑行时间波动趋势基本相同,除了一些特殊的点外,大体上预测值跟实际值相近,这是因为并未考虑天气和管制的影响。因此,本发明提出的考虑各种冲突形式的滑行时间预测算法是可行的,且有实用价值。
根据公式(2)结合已经计算的滑行时间预测值,即可得到各航班滑行延误的时间,如图6所示。
二、离场排队延误时间预测
青岛机场传统仪表运行模式的离场场容量为22架/h,离场服务率为0.37架/min;进场容量为23架/h,离场服务率为0.38架/min。
取青岛机场2017年04月01日的航班计划,统计分析得到该日24小时的需求按照时间的分布,即表11所示的航班计划需求分布如下:
表11
根据航班计划需求分布表,并结合青岛机场的进场及离场容量,即可计算得到不同时间段的到达率和利用率,从而根据公式(15)即可分别计算不同时间段的离场排队延误分布状况,得到图7所示的离场排队延误时间预测分布。
到此我们已经分别计算了离场过程中的滑行延误和离场排队延误,总延误即为两者之和,如图8所示。
由图8可以看出,由于我们在预测离场延误时,由于没有考虑延误传播的影响,因此离场总延误值与实际延误值之间有所差距,但是波动趋势基本相同,尤其是去除掉一个实际延误时间的极大值和极小值后,离场总延误时间的预测值和实际值变得更加贴合。除去一些极端的情况(去除极点)后,从总体上来看预测的总延误与实践延误比较吻合。由此可见,本申请提出的离场延误时间预测模型对离场延误的预测和计算有较大的帮助。
综上所述,实施例中以单跑道机场为研究对象,将航空器的离场过程分为场面滑行和离场排队两部分。进而将航空器的离场延误也分为两部分进行研究:即滑行延误和离场排队延误。在研究滑行延误的过程中引入了场面滑行冲突形式对滑行延误的影响。既弥补了现有技术中计算离场延误只考虑离场排队延误的不足,同时也完善了滑行时间延误预测方法。最后以青岛流亭机场为例,分别计算了青岛机场的滑行时间延误和离场排队延误,从而得到航空器的离场总延误。并与实际延误进行的了分析比较,结果表明该离场延误计算方法能够较为准确的计算离场延误。
为了方便研究,因此选择了单跑道为示例。但是此预测方法同样适用于多跑道。不论是单跑道还是多跑道机场,其航班的离场过程都分为离场滑行和离场排队两部分,只不过多跑道机场的离场滑行阶段更为复杂,场面滑行中会经历更为复杂的场面滑行冲突,且多跑道机场的离场排队看作为多服务台的离场排队过程。因此,多跑道机场同样适用本预测方法。且将该方法应用于多跑道机场能更好的发挥该预测方法的潜力。因为现实生活中,出现离场延误的繁忙机场多为多跑道机场。相对现有的离场延误预测方法,本预测方法可以准确的预测离场过程中的不同阶段的延误,从而确定导致延误的主要影响阶段。据此,可以为决策部门提前预警,从而对相应的阶段进行专门的策略调整,从而从根源上提前减少延误。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.基于机场场面滑行多种冲突模式的滑行延误时间预测方法,其特征在于,滑行延误时间由场面滑行时间和无障碍滑行时间的差计算得到,其分别考虑各航空器在离场过程中未经历冲突以及所经历不同冲突的延误时间,所经历不同冲突包括经历交叉冲突、追尾冲突和对头冲突;
对于航空器经历不同跑道冲突的滑行时间的预测公式如下:
无冲突滑行时间:
交叉冲突滑行时间:
追尾冲突滑行时间:
对头冲突滑行时间:
式中,τunimped表示航班无障碍滑行时间,R(t)表示在时间段t开始时在场面而不在离场队列的航空器数量,α是依赖于机场和跑道配置的参数,β0,β1,β2,β3分别表示无冲突、交叉冲突、追尾冲突和对头冲突的发生概率,且β0+β1+β2+β3=1;
将β0,β1,β2,β3分别作为不同冲突下滑行时间对滑行时间预测值的权重,得到考虑不同冲突形式下航空器滑行时间的预测值;
根据场面滑行时间τtravel以及无障碍滑行时间τunimped,并根据以下公式(a)即可得到滑行延误时间τtaxiway,
τtravel=τunimped+τtaxiway (a)。
2.如权利要求1所述的滑行延误时间预测方法,其特征在于,β0,β1,β2,β3概率值的确定方式如下:
通过对所在机场的不同航班的离场过程进行多次仿真,并统计各航空器在离场过程中所经历不同冲突以及未经历冲突的次数,分别计算无冲突、交叉冲突、追尾冲突和对头冲突的频率,然后以此频率近似的代替航空器未经历冲突、经历交叉冲突、追尾冲突和对头冲突的概率,从而确定β0,β1,β2,β3。
3.如权利要求1所述的滑行延误时间预测方法,其特征在于,α是依赖于机场和跑道配置的参数,可选择其值来产生实际和建模分布之间的最佳拟合,拟合时根据以下对等式(b)进行以下处理:
τtravel-τunimped=αR(t) (b)
统计大量离场航班的滑行时间以及航班滑行时处于停机坪和滑行道***中的已推出航空器数量,根据已求得的无障碍滑行时间,将航空器的滑行时间τtravel与无障碍滑行时间τunimped的差值作为因变量,R(t)作为自变量,进行拟合,从而确定α的最优值。
4.如权利要求1所述的滑行延误时间预测方法,其特征在于,无障碍滑行时间τunimped的计算公式为:
τunimped=Swi/vi,
式中,Swi代表的是起点或终点是编号为i的停机位的航班的场面滑行距离,vi表示的是不同机型的场面滑行速度。
5.基于机场场面滑行多种冲突模式的的离场延误时间预测方法,其特征在于,包括计算场面滑行延误时间和排队延误时间,其中,滑行延误时间权利要求1至4任意一项计算得到。
6.如权利要求5所述的离场延误时间预测方法,其特征在于,离场排队延误时间的计算方式如下:
利用排队论对单跑道的延误时间进行研究,以离场航班作为服务对象,机场中跑道端为等候区,跑道作为服务台,起飞规则服从先到先服务,离场航班计划的间隔时间服从负指数分布,即航班计划近似认为服从非均匀的泊松过程;
选取一天24h的航班计划和机场容量作为排队模型的输入,将一天24h划分为24个等距时间片t,统计每个时间片的航班计划,计算每个时间片的机场离场容量,得到一天中的需求分布和容量分布,并分别求得排队模型的到达率和服务率;
根据到达率和服务率求得各时间片的离场跑道利用率,进而求得离场航班排队延误时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711130194.7A CN107862910B (zh) | 2017-11-15 | 2017-11-15 | 基于机场场面滑行多种冲突模式的滑行延误时间和离场延误时间预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711130194.7A CN107862910B (zh) | 2017-11-15 | 2017-11-15 | 基于机场场面滑行多种冲突模式的滑行延误时间和离场延误时间预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107862910A CN107862910A (zh) | 2018-03-30 |
CN107862910B true CN107862910B (zh) | 2019-12-06 |
Family
ID=61703091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711130194.7A Active CN107862910B (zh) | 2017-11-15 | 2017-11-15 | 基于机场场面滑行多种冲突模式的滑行延误时间和离场延误时间预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107862910B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109116866B (zh) * | 2018-09-20 | 2021-05-14 | 四川腾盾科技有限公司 | 一种无人机双向自主驶入控制方法 |
CN111243342B (zh) * | 2018-11-29 | 2021-09-28 | 顺丰科技有限公司 | 航空器的停机位分配方法及装置 |
CN110134017A (zh) * | 2019-05-30 | 2019-08-16 | 桂林电子科技大学 | 飞机推出频率控制方法 |
CN110459087A (zh) * | 2019-08-01 | 2019-11-15 | 深圳市机场股份有限公司 | 一种模拟驾驶的训练方法和移动终端 |
CN110428695A (zh) * | 2019-08-01 | 2019-11-08 | 深圳市机场股份有限公司 | 一种模拟驾驶的训练方法、移动终端和计算机存储介质 |
CN114360301B (zh) * | 2022-01-07 | 2022-11-15 | 桂林电子科技大学 | 一种基于滑行冲突风险预测的航空器滑行调度方法 |
CN114360299B (zh) * | 2022-01-11 | 2023-05-12 | 青岛民航凯亚***集成有限公司 | 一种机场航空器拖行自动规划方法 |
CN114464017B (zh) * | 2022-01-27 | 2023-02-03 | 南京航空航天大学 | 一种基于排队论的机场群航班延误估算方法 |
CN114973782B (zh) * | 2022-05-12 | 2023-05-23 | 中国民用航空飞行学院 | 一种低碳运行的航空器地面滑行移交辅助控制方法 |
CN115187093B (zh) * | 2022-07-04 | 2023-12-15 | 四川大学 | 一种机场场面运行优化方法、装置、设备及可读存储介质 |
CN117292585B (zh) * | 2023-11-27 | 2024-03-08 | 四川省机场集团有限公司成都天府国际机场分公司 | 一种离港航班排序方法、***、终端及介质 |
CN117892985B (zh) * | 2024-03-15 | 2024-05-28 | 中国民航科学技术研究院 | 面向应急突发情况下的机场航空器滑行动态恢复调度方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413462A (zh) * | 2013-07-18 | 2013-11-27 | 北京航空航天大学 | 一种综合考虑空域拥堵和航班延误的空中交通网络流量优化方法 |
CN103778481A (zh) * | 2014-01-23 | 2014-05-07 | 南京航空航天大学 | 一种针对多跑道航班进离场的动态调度方法 |
CN104537431A (zh) * | 2014-12-16 | 2015-04-22 | 南京航空航天大学 | 一种基于冲突检测的滑行道路径优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4564550B2 (ja) * | 2008-05-12 | 2010-10-20 | 三菱電機インフォメーションシステムズ株式会社 | 情報提供システム及び乗客輸送装置及び分散型情報提供システム及びコンピュータプログラム |
-
2017
- 2017-11-15 CN CN201711130194.7A patent/CN107862910B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413462A (zh) * | 2013-07-18 | 2013-11-27 | 北京航空航天大学 | 一种综合考虑空域拥堵和航班延误的空中交通网络流量优化方法 |
CN103778481A (zh) * | 2014-01-23 | 2014-05-07 | 南京航空航天大学 | 一种针对多跑道航班进离场的动态调度方法 |
CN104537431A (zh) * | 2014-12-16 | 2015-04-22 | 南京航空航天大学 | 一种基于冲突检测的滑行道路径优化方法 |
Non-Patent Citations (3)
Title |
---|
Estimating Flight Departure Delay Distributions A Statistical Approach With Long-Term Trend and Short-Term Pattern;Yufeng Tu;《Publications of the American Statistical Association》;20080331;第112-125页 * |
Multi-agent systems for air traffic conflicts resolution by local speed regulation and departure delay;Romaric Breil;《2016 IEEE/AIAA 35th Digital Avionics Systems Conference (DASC)》;20161212;第1-10页 * |
航空器机场地面滑行时刻优化模型研究;张莹;《中国民航飞行学院学报》;20060930;第17卷(第5期);第3-6页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107862910A (zh) | 2018-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107862910B (zh) | 基于机场场面滑行多种冲突模式的滑行延误时间和离场延误时间预测方法 | |
US20220215760A1 (en) | System and method for flight arrival time prediction | |
Badrinath et al. | Integrated surface–airspace model of airport departures | |
Kolos-Lakatos | The influence of runway occupancy time and wake vortex separation requirements on runway throughput | |
CN110349444B (zh) | 基于大数据的空中交通流量管理方法 | |
CN111508280A (zh) | 一种基于4d航迹的移动时隙航空管制方法 | |
Guclu et al. | Analysis of aircraft ground traffic flow and gate utilisation using a hybrid dynamic gate and taxiway assignment algorithm | |
Lee et al. | Optimization of airport taxiway operations at Detroit Metropolitan Airport (DTW) | |
Chao et al. | Simulation study on airfield system capacity analysis using SIMMOD | |
Windhorst et al. | Strategic and tactical functions in an autonomous air traffic management system | |
Guzhva et al. | Experimental approach to NextGen benefits estimation: A case of single-airline Aircraft Arrival Management System | |
CN113610410B (zh) | 一种用于机场空侧区管制运行效能的评价方法 | |
Kawagoe et al. | Analyzing stochastic features in airport surface traffic flow using cellular automaton: Tokyo international airport | |
Smith et al. | Strategic decision support for airside operations at commercial airports | |
Janic | Model of ultimate capacity of dual-dependent parallel runways | |
Couluris et al. | A new modeling capability for airport surface traffic analysis | |
Idris | Identification of local and propagated queuing effects at major airports | |
Kern | Analysis of runway capacity influencing factors to derive a runway capacity model for expansion planning | |
CN113888905B (zh) | 一种民航机坪管制路由决策计算方法 | |
Lingen et al. | Modelling the effects of gate planning on apron congestion | |
Roque | Runway/Taxiway System Capacity Analysis at the Lisbon Airport (LPPT-Lisboa) | |
Dzikus et al. | Modelling and Simulation of Vehicle Movements Using a SPPTW-Algorithm and the Application to Airport Surface Movement Analysis | |
Zelinski et al. | Assessing tactical scheduling options for time-based surface metering | |
Weidner | Capacity Related Benefits of Proposed CNS/ATM Technologies | |
Stewart et al. | Risk and capacity impacts of ATC separation rules |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |