CN108846596B - 分时段终端区尾随间隔进场管理策略计算方法 - Google Patents

分时段终端区尾随间隔进场管理策略计算方法 Download PDF

Info

Publication number
CN108846596B
CN108846596B CN201811001807.1A CN201811001807A CN108846596B CN 108846596 B CN108846596 B CN 108846596B CN 201811001807 A CN201811001807 A CN 201811001807A CN 108846596 B CN108846596 B CN 108846596B
Authority
CN
China
Prior art keywords
time
interval
flight
approach
point
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
Application number
CN201811001807.1A
Other languages
English (en)
Other versions
CN108846596A (zh
Inventor
张颖
何巍巍
谢华
毛继志
袁立罡
王兵
薛磊
问涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201811001807.1A priority Critical patent/CN108846596B/zh
Publication of CN108846596A publication Critical patent/CN108846596A/zh
Application granted granted Critical
Publication of CN108846596B publication Critical patent/CN108846596B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及航空领域，具体而言涉及一种分时段终端区尾随间隔进场管理策略计算方法，所述分时段终端区尾随间隔进场管理策略计算方法通过构建分时段终端区尾随间隔进场管理的整数规划模型并进行求解，以计算分时段终端区尾随间隔进场管理策略。分时段终端区尾随间隔进场管理策略计算方法考虑机场进场航班流在各进场点之间以及同一进场点不同时段分布不均的特点，建立了整数规划模型并对其求解，分时段终端区尾随间隔管理策略计算方法比全时段尾随间隔管理效率更高，能有效减少不必要的航班延误。

Description

分时段终端区尾随间隔进场管理策略计算方法
技术领域
本发明涉及航空领域，具体而言，涉及一种分时段终端区尾随间隔进场管理策略计算方法。
背景技术
航班进场阶段受到终端区空域及跑道容量的限制，进场管理是综合考虑航班所受到的运行限制对进场航班实施管理的过程，进场管理策略通常包括尾随间隔管理和基于时间的管理策略。基于时间的管理策略为每个航空器在预先指定的航路点分配到达该点的时间，对航班进行更为精细化和更为动态的管理，但是对航班预测准确性要求也更高，尾随间隔管理策略通过限定连续航空器之间所需要的距离/时间间隔，可用来实现对机场，定位点，扇区或航路交通流的间隔分离，而传统的尾随间隔管理策略过于粗放，通常不进行时段的区分，在整个时段采用统一的尾随间隔限制实施管理，因而不能考虑交通流的具体分布差异，导致出现部分时段限制过量部分时段限制不足的问题。
发明内容
本发明的目的是提供一种分时段终端区尾随间隔进场管理策略计算方法。
为了实现上述目的，本发明实施例采用的技术方案如下：
本发明实施例提供了一种分时段终端区尾随间隔进场管理策略计算方法，包括：通过构建分时段终端区尾随间隔进场管理的整数规划模型；以及对所述整数规划模型进行求解。
在本发明较佳的实施例中，构建所述整数规划模型的方法包括：
对整数规划模型涉及参数进行定义；
确定整数规划模型的决策变量；
定义整数规划模型的约束条件；以及
构建整数规划模型的目标函数。
在本发明较佳的实施例中，所述对整数规划模型涉及参数进行定义的方法包括：
S：进场航班流集合；
SS：在最后进近定位点的航班流集合；
R：机场进场点集合；
A：航班集合；
As：航班流s中的航班集合，s∈S；
FAF：最后进近定位点；
RWY：航班落地跑道；
P(a)：航班a途经的航路点集合，这里仅考虑存在约束的主要航路点，按照顺序进场航班依次经过的主要航路点为：进场点、最后进近定位点、跑道，a∈A，P(a)＝{p1(a)，FAF，RWY}；
p1(a)：航班a所途径的第一个航路点，即进场点，p1(a)∈R；
Figure BDA0001782198230000021
航班a到达参考点r的可行时间集合，a∈A，r∈P(a)；
SafeSeper：在进场点r的安全间隔限制值，r∈R，单位：分钟；
Wa1a2：航班a1和航班a2之间的尾流间隔值，单位：分钟；
ETEa：航班a在终端区内的预计所需飞行时间，单位：分钟；
AARl：机场在第l个时段的接收率，1≤l≤L；
βa：航班a在终端区内的最大允许延误；
υa：航班a的速度；
Figure BDA0001782198230000022
航班a预计到达参考点r的时间，a∈A，r∈P(a)；
Figure BDA0001782198230000031
航班a预计到达参考点p1(a)的时间；
L：极大数；
d：尾随间隔的最小单位间隔值，所生成的尾随间隔值为d的整数倍；
SlotAAR：表示机场接收率的统计时段大小，单位：分钟；
Figure BDA0001782198230000032
表示机场接收率实施的开始时间；
SlotMF：表示各进场点分时段尾随间隔所设置的时段大小，单位：分钟；
Figure BDA0001782198230000033
表示进场点尾随间隔限制实施的开始时间。
在本发明较佳的实施例中，所述确定决策变量的方法包括：
Figure BDA0001782198230000034
Figure BDA0001782198230000035
Figure BDA0001782198230000036
Figure BDA0001782198230000037
nk，k∈(1，...K)：表示第k个时段内进场点尾随间隔值为单位间隔值的倍数，K＝1时为不区分时段的全时段流控策略，K＞1时为分时段流控策略，nk为非负整数。
在本发明较佳的实施例中，所述定义约束条件的方法包括：
步骤S1：航路点过点时间约束，即：
Figure BDA0001782198230000038
表示航班过航路点的时间唯一；
步骤S2：航空器保持在进场点的先到先服务顺序约束，即：
Figure BDA0001782198230000041
表示进场点航空器的顺序与最初始进场点的预计到达时间顺序相同；
步骤S3，进场点过点时段唯一性约束，即：
Figure BDA0001782198230000042
表示航班在唯一的一个时间段经过进场点；
步骤S4：进场点过点时间与过点时段关系约束，即：
Figure BDA0001782198230000043
Figure BDA0001782198230000044
步骤S5：进场点尾随间隔约束，即：
Figure BDA0001782198230000045
表示进场点航班之间的间隔满足根据后机所在时间片k确定的流控间隔nk*d；
步骤S6：进近定位点尾流间隔约束，即：
Figure BDA0001782198230000046
表示航空器在最后定位点满足最小尾流间隔；
步骤S7：跑道着陆时段唯一性约束，即：
Figure BDA0001782198230000051
表示航班在唯一的一个时间段落地；
步骤S8：跑道着陆时间与着陆时间所在时段关系约束，即：
Figure BDA0001782198230000052
Figure BDA0001782198230000053
步骤S9：机场接受率约束，即：
Figure BDA0001782198230000054
表示单位时段内进场航班不超出机场接收率约束；
步骤S10：终端区内最大可消耗延误约束，即：
Figure BDA0001782198230000055
Figure BDA0001782198230000056
以表示航空器在终端区内最大延误的范围不超出允许的限制值；
步骤S11：航空器顺序约束，即：
Figure BDA0001782198230000057
以表示航班流s中航空器a1尾随航班a2，且设定
Figure BDA0001782198230000058
或者航空器a2尾随a1，则设定
Figure BDA0001782198230000059
步骤S12：航空器过点时间与过点顺序关系约束，即：
Figure BDA00017821982300000510
如果航班a1尾随航班a2，则航班a1的过点时间
Figure BDA0001782198230000061
将比a2的过点时间
Figure BDA0001782198230000062
大，反之亦然。
在本发明较佳的实施例中，所述构建目标函数z的方法包括：
目标函数为最小化所有航班在终端区内和终端区外的总延误，目标函数中第一项表示航班在终端区外发生的空中延误，第二项表示在终端区内所发生的空中延误，即目标函数为：
Figure BDA0001782198230000063
在本发明较佳的实施例中，对所述整数规划模型进行求解的方法适于采用遗传算法与启发式算法相结合的混合算法对所述整数规划模型进行求解；其中遗传算法与启发式算法相结合的方法包括：
遗传算法对分时段流控间隔值进行编码；
编码后的流控间隔值作为启发式算法的输入，由启发式算法根据编码的流控间隔值计算并返回适应度值给遗传算法；
遗传算法依据接收到的适应度值对整数规划模型进行求解。
在本发明较佳的实施例中，所述遗传算法对流控间隔值进行编码的方法包括：
对各个进场点的分时段流控间隔进行编码，采用十进制随机非负整数编码方法；
假设有m个进场点，每个进场点流控时段数为n，则每个染色体由m*n个基因构成。
在本发明较佳的实施例中，所述遗传算法中染色体对应的适应度函数为
Figure BDA0001782198230000071
z为整数规划模型中目标函数值；
遗传算法选择算子：采用随机竞争对初始种群进行选择操作，即每次按轮盘赌选择机制选取一对个体，然后让这两个个体进行竞争，适应度高的个体被选中，重复本过程，直到选满为止；
遗传算法交叉算子：采用单点交叉，即随机选择一个交叉点，然后在该点互换两个父代染色体的部分基因；
遗传算法变异算子：采用基本位变异算子，随机选择变异点，取随机数来代替原有值。
相对于现有技术，本发明实施例具有以下有益效果：
本发明实施例提供了一种分时段终端区尾随间隔进场管理策略计算方法，所述分时段终端区尾随间隔进场管理策略计算方法通过构建分时段终端区尾随间隔进场管理的整数规划模型并进行求解，以计算分时段终端区尾随间隔进场管理策略。分时段终端区尾随间隔进场管理策略计算方法考虑机场进场航班流在各进场点之间以及同一进场点不同时段分布不均的特点，建立了所述整数规划模型并对其求解，分时段终端区尾随间隔管理策略计算方法比全时段尾随间隔管理效率更高，能有效减少不必要的航班延误。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明实施例提供的分时段终端区尾随间隔进场管理策略计算方法的流程图。
图2示出了本发明实施例提供的某一空域主要进场航路示意图。
图3示出了本发明实施例提供的遗传算法与启发式算法相结合的混合算法流程图。
图4示出了本发明实施例提供的遗传算法编码方式示例图。
图5示出了本发明实施例提供的遗传算法交叉算子示例图。
图6示出了本发明实施例提供的遗传算法变异算子示例图。
图7示出了本发明实施例提供的启发式算法流程图。
图8示出了本发明实施例提供的全时段与分时段尾随间隔进场实施效果比较图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
请参阅图1，本发明实施例提供了一种分时段终端区尾随间隔进场管理策略计算方法。分时段终端区尾随间隔进场管理策略计算方法通过构建分时段终端区尾随间隔进场管理的整数规划模型并进行求解，以计算分时段终端区尾随间隔进场管理策略。分时段终端区尾随间隔进场管理策略计算方法考虑机场进场航班流在各进场点之间以及同一进场点不同时段分布不均的特点，建立了所述整数规划模型并对其求解，分时段终端区尾随间隔管理策略计算方法比全时段尾随间隔管理效率更高，能有效减少不必要的航班延误。
在本实施例中，构建所述整数规划模型的方法包括：
S110：获取终端区空域单元结构信息、机场接收率信息、选取并获得特定繁忙时段交通流数据。
其中，获取终端区空域单元结构信息、机场接收率信息、选取并获得特定繁忙时段交通流数据，某一空域主要进场航路示意图如图2所示，选取典型时段主要交通流数据如表1所示，在该时段进场交通流主要通过GYA、ATAGA、IGONO三个进场点进入终端区。
表1各进场点预计进场航班流
Figure BDA0001782198230000091
S120：对整数规划模型涉及参数进行定义。
所述对整数规划模型涉及参数进行定义的方法包括：
S：进场航班流集合；
SS：在最后进近定位点的航班流集合；
R：机场进场点集合；
A：航班集合；
As：航班流s中的航班集合，s∈S；
FAF：最后进近定位点；
RWY：航班落地跑道；
P(a)：航班a途经的航路点集合，这里仅考虑存在约束的主要航路点，按照顺序进场航班依次经过的主要航路点为：进场点、最后进近定位点、跑道，a∈A，P(a)＝{p1(a)，F4F，RWY}；
p1(a)：航班a所途径的第一个航路点，即进场点，p1(a)∈R；
Figure BDA0001782198230000101
航班a到达参考点r的可行时间集合，a∈A，r∈P(a)；
SafeSeper：在进场点r的安全间隔限制值，r∈R，单位：分钟；
Wa1a2：航班a1和航班a2之间的尾流间隔值，单位：分钟；
ETEa：航班a在终端区内的预计所需飞行时间，单位：分钟；
AARl：机场在第l个时段的接收率，1≤l≤L；
βa：航班a在终端区内的最大允许延误；
υa：航班a的速度；
Figure BDA0001782198230000102
航班a预计到达参考点r的时间，a∈A，r∈P(a)；
Figure BDA0001782198230000103
航班a预计到达参考点p1(a)的时间；
L：极大数；
d：尾随间隔的最小单位间隔值，所生成的尾随间隔值为d的整数倍；
SlotAAR：表示机场接收率的统计时段大小，单位：分钟；
Figure BDA0001782198230000104
表示机场接收率实施的开始时间；
SlotMF：表示各进场点分时段尾随间隔所设置的时段大小，单位：分钟；
Figure BDA0001782198230000105
表示进场点尾随间隔限制实施的开始时间。
S130：确定整数规划模型的决策变量。
其中，决策变量包括如下(0，1)整数类型决策变量：
Figure BDA0001782198230000106
Figure BDA0001782198230000107
Figure BDA0001782198230000111
Figure BDA0001782198230000112
nk，k∈(1，...K)：表示第k个时段内进场点尾随间隔值为单位间隔值的倍数，K＝1时为不区分时段的全时段流控策略，K＞1时为分时段流控策略，nk为非负整数。
S140：定义整数规划模型的约束条件。
其中，定义整数规划模型的约束条件的步骤包括：
步骤S1：航路点过点时间约束，即：
Figure BDA0001782198230000113
表示航班过航路点的时间唯一；
步骤S2：航空器保持在进场点的先到先服务顺序约束，即：
Figure BDA0001782198230000114
表示进场点航空器的顺序与最初始进场点的预计到达时间顺序相同；
步骤S3，进场点过点时段唯一性约束，即：
Figure BDA0001782198230000115
表示航班在唯一的一个时间段经过进场点；
步骤S4：进场点过点时间与过点时段关系约束，即：
Figure BDA0001782198230000116
Figure BDA0001782198230000117
步骤S5：进场点尾随间隔约束，即：
Figure BDA0001782198230000121
表示进场点航班之间的间隔满足根据后机所在时间片k确定的流控间隔nk*d；
步骤S6：进近定位点尾流间隔约束，即：
Figure BDA0001782198230000122
表示航空器在最后定位点满足最小尾流间隔；
步骤S7：跑道着陆时段唯一性约束，即：
Figure BDA0001782198230000123
表示航班在唯一的一个时间段落地；
步骤S8：跑道着陆时间与着陆时间所在时段关系约束，即：
Figure BDA0001782198230000124
Figure BDA0001782198230000125
步骤S9：机场接受率约束，即：
Figure BDA0001782198230000126
表示单位时段内进场航班不超出机场接收率约束；
步骤S10：终端区内最大可消耗延误约束，即：
Figure BDA0001782198230000131
表示航空器在终端区内最大延误的范围不超出允许的限制值，即：
步骤S11：航空器顺序约束，即：
Figure BDA0001782198230000132
表示航班流s中航空器a1尾随航班
Figure BDA0001782198230000138
或者航空器a2尾随
Figure BDA0001782198230000133
步骤S12：航空器过点时间与过点顺序关系约束，即：
Figure BDA0001782198230000134
如果航班a1尾随航班a2，则航班a1的过点时间
Figure BDA0001782198230000135
将比a2的过点时间
Figure BDA0001782198230000136
大，反之亦然。
S150：构建整数规划模型的目标函数。
其中，所述构建目标函数的方法包括：
目标函数为最小化所有航班在终端区内和终端区外的总延误，目标函数中第一项表示航班在终端区外发生的空中延误，第二项表示在终端区内所发生的空中延误，即目标函数为：
Figure BDA0001782198230000137
请参阅图3，在本发明实施例中，所述进行求解的方法采用遗传算法与启发式算法相结合的混合算法对分时段终端区尾随间隔进场管理的整数规划模型进行求解；
其中，遗传算法与启发式算法相结合的方法包括：遗传算法对分时段流控间隔值进行编码；编码后的流控间隔值作为启发式算法的输入，由启发式算法根据编码的流控间隔值计算并返回适应度值给遗传算法(如图3中512，498，504等数值均为适应度值)；遗传算法依据接收到的适应度值对整数规划模型进行求解。
在本实施例中，所述遗传算法对流控间隔值进行编码的方法包括：对各个进场点的分时段流控间隔进行编码，采用十进制随机非负整数编码方法；假设有m个进场点，每个进场点流控时段数为n，则每个染色体由m*n个基因构成。
遗传算法编码方式示例如图4所示，假设有2个进场点，每个进场点流控时段数为4，则每个染色体由8个基因构成。
在本实施例中，所述遗传算法中染色体对应的适应度函数为
Figure BDA0001782198230000141
z为整数规划模型中目标函数值；
遗传算法选择算子：采用随机竞争对初始种群进行选择操作，即每次按轮盘赌选择机制选取一对个体，然后让这两个个体进行竞争，适应度高的个体被选中，如此反复，直到选满为止；
遗传算法交叉算子(如图5所示)：采用单点交叉，即随机选择一个交叉点(如图5数字列第三列)，然后在该点互换两个父代染色体的部分基因；
遗传算法变异算子(如图6所示)：采用基本位变异算子，随机选择变异点(如图6数字列第二列)，取随机数来代替原有值。
启发式算法流程如图7所示，算法输入、输出以及计算流程描述如下：
算法输入：各进场点在各个尾随间隔限制时段的限制值，最后进近定位点尾流间隔约束，终端区内最大可消耗延误，机场接收率；
算法输出：各进场航班在各进场点以及跑道的时间，适应度函数值；
计算流程：
1.在各进场点按照航班先到先服务的顺序进行处理，计算航班满足尾随间隔下的过进场点的时间STAmf，
Figure BDA0001782198230000151
Figure BDA0001782198230000152
和
Figure BDA0001782198230000153
分别为尾随间隔限制下前机和后机经过进场点的时间，
Figure BDA0001782198230000154
为不受尾随间隔限制影响下的预计经过进场点的时间，MIT为遗传算法输出到启发式算法的在该流控时段对应的尾随间隔限制值。
2.计算各进场点航班在跑道的预计到达时间，ETARWY＝STAmf+TIMEmf-＞RWY，其中TIMEmf-＞RWY为从进场点到跑道的预计所需飞行时间。
3.根据在跑道的预计到达时间的先后顺序逐架航班进行安排，判断满足最后进近定位点尾流间隔约束和机场接收率的最早到达时间STARWY，若STARWY-ETARWY大于终端区内最大可消耗延误，则表示输入的流控间隔值不可行，适应度函数取一个很大值，否则根据各航班的ETAmf，ETARWY，STAmf，STARWY过点时间数值基于适应度函数公式计算适应度函数值(ETAmf相当于整数规划模型中
Figure BDA0001782198230000155
ETARWY相当于整数规划模型中
Figure BDA0001782198230000156
STAmf相当于整数规划模型中
Figure BDA0001782198230000157
STARWY相当于整数规划模型中
Figure BDA0001782198230000158
图3中“过点时间”指STAmf，STARWY两类过点时间)。
计算结果见表2，传统不区分时段的尾随间隔策略流控值见表3，不区分时段的尾随间隔策略与本方法所生成的分时段尾随间隔策略结果对比结果见图8。
表2分时段尾随间隔进场管理策略结果(分钟)
Figure BDA0001782198230000159
Figure BDA0001782198230000161
表3不区分时段尾随间隔进场管理策略结果(分钟)
Figure BDA0001782198230000162
综上所述，本发明实施例提供了一种分时段终端区尾随间隔进场管理策略计算方法，所述分时段终端区尾随间隔进场管理策略计算方法通过构建分时段终端区尾随间隔进场管理的整数规划模型并进行求解，以计算分时段终端区尾随间隔进场管理策略。分时段终端区尾随间隔进场管理策略计算方法考虑机场进场航班流在各进场点之间以及同一进场点不同时段分布不均的特点，建立了所述整数规划模型并对其求解，分时段终端区尾随间隔管理策略计算方法比全时段尾随间隔管理效率更高，能有效减少不必要的航班延误。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
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 (4)

1.一种分时段终端区尾随间隔进场管理策略计算方法，其特征在于，
通过构建分时段终端区尾随间隔进场管理的整数规划模型；以及
对所述整数规划模型进行求解；
构建所述整数规划模型的方法包括：
对整数规划模型涉及参数进行定义；
确定整数规划模型的决策变量；
定义整数规划模型的约束条件；以及
构建整数规划模型的目标函数；
所述对整数规划模型涉及参数进行定义的方法包括：
S：进场航班流集合；
SS：在最后进近定位点的航班流集合；
R：机场进场点集合；
A：航班集合；
As：航班流s中的航班集合，s∈S；
FAF：最后进近定位点；
RWY：航班落地跑道；
P(a)：航班a途经的航路点集合，按照顺序进场航班依次经过的航路点包括：进场点、最后进近定位点、跑道，即a∈A，P(a)＝{p1(a),FAF,RWY}；
p1(a)：航班a所途经的第一个航路点，即进场点，p1(a)∈R；
Figure FDA0002681951290000011
航班a到达参考点r的可行时间集合，a∈A,r∈P(a)；
SafeSeper：在参考点r的安全间隔限制值，r∈R，单位：分钟；
Wa1a2：航班a1和航班a2之间的尾流间隔值，单位：分钟；
ETEa：航班a在终端区内的预计所需飞行时间，单位：分钟；
AARl：机场在第l个时段的接收率，1≤l≤L；
βa：航班a在终端区内的最大允许延误；
υa：航班a的速度；
Figure FDA0002681951290000021
航班a预计到达参考点r的时间，a∈A,r∈P(a)；
Figure FDA0002681951290000022
航班a预计到达进场点p1(a)的时间；
L：极大数；
d：尾随间隔的最小单位间隔值，所生成的尾随间隔值为d的整数倍；
SlotAAR：表示机场接收率的统计时段大小，单位：分钟；
Figure FDA0002681951290000023
表示机场接收率实施的开始时间；
SlotMF：表示各进场点分时段尾随间隔所设置的时段大小，单位：分钟；
Figure FDA0002681951290000024
表示进场点尾随间隔限制实施的开始时间；
所述确定决策变量的方法包括：
Figure FDA0002681951290000025
Figure FDA0002681951290000026
Figure FDA0002681951290000027
Figure FDA0002681951290000028
nk,k∈(1,...K)：表示第k个时段内进场点尾随间隔值为单位间隔值的倍数，K＝1时为不区分时段的全时段流控策略，K>1时为分时段流控策略，nk为非负整数；
所述定义约束条件的方法包括：
步骤S1：航路点过点时间约束，即：
Figure FDA0002681951290000031
以表示航班过航路点的时间唯一；
步骤S2：航空器保持在进场点的先到先服务顺序约束，即：
Figure FDA0002681951290000032
以表示进场点航空器的顺序与最初始进场点的预计到达时间顺序相同；
步骤S3，进场点过点时段唯一性约束，即：
Figure FDA0002681951290000033
以表示航班在唯一的一个时间段经过进场点；
步骤S4：进场点过点时间与过点时段关系约束，即：
Figure FDA0002681951290000034
Figure FDA0002681951290000035
步骤S5：进场点尾随间隔约束，即：
Figure FDA0002681951290000036
以表示进场点航班之间的间隔满足根据后机所在时间片k确定的流控间隔nk*d；
步骤S6：进近定位点尾流间隔约束，即：
Figure FDA0002681951290000041
以表示航空器在最后定位点满足最小尾流间隔；
步骤S7：跑道着陆时段唯一性约束，即：
Figure FDA0002681951290000042
以表示航班在唯一的一个时间段落地；
步骤S8：跑道着陆时间与着陆时间所在时段关系约束，即：
Figure FDA0002681951290000043
Figure FDA0002681951290000044
步骤S9：机场接收率约束，即：
Figure FDA0002681951290000045
以表示单位时段内进场航班不超出机场接收率约束；
步骤S10：终端区内最大可消耗延误约束，即：
Figure FDA0002681951290000046
以表示航空器在终端区内最大延误的范围不超出允许的限制值；
步骤S11：航空器顺序约束，即：
Figure FDA0002681951290000047
以表示航班流s中航空器a1尾随航班a2，且设定
Figure FDA0002681951290000051
或者航空器a2尾随a1，则设定
Figure FDA0002681951290000052
步骤S12：航空器过点时间与过点顺序关系约束，即：
Figure FDA0002681951290000053
如果航班a1尾随航班a2，则航班a1的过点时间
Figure FDA0002681951290000054
将比a2的过点时间
Figure FDA0002681951290000055
大，反之亦然；
所述构建目标函数z的方法包括：
目标函数为最小化所有航班在终端区内和终端区外的总延误，目标函数中第一项表示航班在终端区外发生的空中延误，第二项表示在终端区内所发生的空中延误，即目标函数为：
Figure FDA0002681951290000056
2.如权利要求1所述的分时段终端区尾随间隔进场管理策略计算方法，其特征在于，对所述整数规划模型进行求解的方法采用遗传算法与启发式算法相结合的混合算法；其中
遗传算法与启发式算法相结合的方法包括：
遗传算法对分时段流控间隔值进行编码；
编码后的流控间隔值作为启发式算法的输入，由启发式算法根据编码的流控间隔值计算并返回适应度值给遗传算法；
遗传算法依据接收到的适应度值对整数规划模型进行求解。
3.如权利要求2所述的分时段终端区尾随间隔进场管理策略计算方法，其特征在于，
所述遗传算法对流控间隔值进行编码的方法包括：
对各个进场点的分时段流控间隔进行编码，采用十进制随机非负整数编码方法；
假设有m个进场点，每个进场点流控时段数为n，则每个染色体由m*n个基因构成。
4.如权利要求3所述的分时段终端区尾随间隔进场管理策略计算方法，其特征在于，
所述遗传算法中染色体对应的适应度函数为
Figure FDA0002681951290000061
z为目标函数取值；
遗传算法选择算子：采用随机竞争对初始种群进行选择操作，即每次按轮盘赌选择机制选取一对个体，然后让这两个个体进行竞争，适应度高的个体被选中，重复本过程，直到选满为止；
遗传算法交叉算子：采用单点交叉，即随机选择一个交叉点，然后在该点互换两个父代染色体的部分基因；
遗传算法变异算子：采用基本位变异算子，随机选择变异点，取随机数来代替原有值。
CN201811001807.1A 2018-08-29 2018-08-29 分时段终端区尾随间隔进场管理策略计算方法 Active CN108846596B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811001807.1A CN108846596B (zh) 2018-08-29 2018-08-29 分时段终端区尾随间隔进场管理策略计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811001807.1A CN108846596B (zh) 2018-08-29 2018-08-29 分时段终端区尾随间隔进场管理策略计算方法

Publications (2)

Publication Number Publication Date
CN108846596A CN108846596A (zh) 2018-11-20
CN108846596B true CN108846596B (zh) 2020-11-03

Family

ID=64189729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811001807.1A Active CN108846596B (zh) 2018-08-29 2018-08-29 分时段终端区尾随间隔进场管理策略计算方法

Country Status (1)

Country Link
CN (1) CN108846596B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110322078B (zh) * 2019-07-11 2022-03-25 中国电子科技集团公司第二十八研究所 扇区边界的航班流量控制方法及计算机存储介质
CN111985526B (zh) * 2020-07-02 2022-03-15 华北理工大学 一种基于相似场景聚类的尾随间隔管理策略生成方法及其***
CN113257042B (zh) * 2021-05-18 2022-04-12 中国电子科技集团公司第二十八研究所 一种基于时空分布特征的多机场终端区航班流生成方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104700662A (zh) * 2015-03-13 2015-06-10 中国电子科技集团公司第二十八研究所 一种基于模糊综合评价的协同航路时隙分配方法
CN106981221A (zh) * 2017-03-24 2017-07-25 北京航空航天大学 基于时空间维度分解的机场停机位分配方法及***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9830813B2 (en) * 2013-06-18 2017-11-28 Carnegie Mellon University, A Pennsylvania Non-Profit Corporation Smart and scalable urban signal networks: methods and systems for adaptive traffic signal control

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104700662A (zh) * 2015-03-13 2015-06-10 中国电子科技集团公司第二十八研究所 一种基于模糊综合评价的协同航路时隙分配方法
CN106981221A (zh) * 2017-03-24 2017-07-25 北京航空航天大学 基于时空间维度分解的机场停机位分配方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
多层级多元受限战术流量管理关键技术研究;张颖;《中国博士学位论文全文数据库》;20160115(第01期);第84-100页 *
多机场终端区进场航班排序模型研究;张妍 等;《航空计算技术》;20130531;第43卷(第3期);第20-24页 *

Also Published As

Publication number Publication date
CN108846596A (zh) 2018-11-20

Similar Documents

Publication Publication Date Title
CN108846596B (zh) 分时段终端区尾随间隔进场管理策略计算方法
CN109118111B (zh) 尾随间隔限制及起飞时隙分配综合策略管理决策支持***
CN109118112B (zh) 跨区域尾随间隔限制及离场时隙分配综合策略计算方法
CN109584638B (zh) 一种面向区域网络的先期航班时刻协同优化方法
CN111582691B (zh) 基于双层规划的客运枢纽多交通方式的运力匹配方法
CN111160770B (zh) 一种进场航班动态协同排序方法
Ikli et al. The aircraft runway scheduling problem: A survey
CN107705039B (zh) 基于客流需求的城市轨道交通客流精细化控制方法及***
CN114664119B (zh) 一种航班跑道排序与优化调度方法
CN110276474A (zh) 一种城市轨道交通车站短时客流预测方法
CN110084397B (zh) 一种地铁直达线路规划方法
CN115239026B (zh) 停机位分配优化方法、***、设备及介质
CN108898891B (zh) 终端区尾随间隔进场管理决策支持***
CN115527369B (zh) 一种空港枢纽大面积延误条件下的大客流预警与疏散方法
CN109345002A (zh) 一种预测机场进港航班旅客人流量的方法
Zhao et al. Evaluating ground–air network vulnerabilities in an integrated terminal maneuvering area using co-evolutionary computational red teaming
CN110706520A (zh) 一种基于概率容量的航路与机场时隙鲁棒分配双层规划方法
Hu et al. Multiairport capacity management: Genetic algorithm with receding horizon
CN114330971A (zh) 基于历史数据和中转旅客信息分配登机口的***与方法
CN110909946B (zh) 一种基于公路换乘的航班计划优化方法
Isaacson et al. Knowledge-based runway assignment for arrival aircraft in the terminal area
CN106021918B (zh) 一种轨道交通网络化运行推演算法
Nilim et al. Multi-aircraft routing and traffic flow management under uncertainty
CN112862258A (zh) 一种考虑旅客偏好的有限理性的航班恢复方法
CN112070291A (zh) 一种基于航班正常性的tsat时刻优化方法

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