CN114896856A - 基于仿真的近距跑道容量评估方法 - Google Patents

基于仿真的近距跑道容量评估方法 Download PDF

Info

Publication number
CN114896856A
CN114896856A CN202210151964.0A CN202210151964A CN114896856A CN 114896856 A CN114896856 A CN 114896856A CN 202210151964 A CN202210151964 A CN 202210151964A CN 114896856 A CN114896856 A CN 114896856A
Authority
CN
China
Prior art keywords
flight
runway
simulation
time
incoming
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.)
Pending
Application number
CN202210151964.0A
Other languages
English (en)
Inventor
苏佳明
胡明华
丁文浩
刘颖俪
江斌
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 CN202210151964.0A priority Critical patent/CN114896856A/zh
Publication of CN114896856A publication Critical patent/CN114896856A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于仿真的近距跑道容量评估方法，该方法利用蒙特卡洛模拟方法获取航班计划，并构建跑道容量评估仿真模型；构建进离场航班跑道排序优化模型；利用所述进离场航班跑道排序优化模型计算进离场航班的跑道使用顺序以及跑道使用时间，对所述航班计划进行优化；将优化后的航班计划导入跑道容量评估仿真模型，获取跑道容量评估结果。本发明在不改变计算机仿真模型的基础上，对仿真航班计划进行跑道优化排序，使得跑道容量在一定时间内被充分利用，减少仿真所需的航班计划套数，在保证仿真容量评估效果的前提下，缩短仿真时长，提升容量评估流程整体效率。

Description

基于仿真的近距跑道容量评估方法
技术领域
本发明属于民用航空技术领域，具体涉及一种基于仿真的近距跑道容量评估方法。
背景技术
机场运行过程中，跑道***拥堵是主要运行瓶颈。为了扩大跑道容量的同时节约珍贵的土地资源，近距平行跑道运行模式开始被大型机场采用，在有限机场范围内提高机场的跑道容量。准确高效评估近距平行跑道容量，对机场规划以及空中交通流量管理至关重要。
目前跑道容量评估方法主要包括基于数学计算模型的容量评估方法、基于历史数据的容量评估方法、基于管制员工作负荷的容量评估方法以及计算机仿真容量评估方法。近距平行跑道运行过程中往往伴有跑道穿越、绕滑等复杂情况，根据机场真实物理结构数据以及管制运行数据，相较于其他跑道容量评估方法，计算机仿真评估方法可以模拟机场实际运行情况，揭示近距平行跑道运行过程的时空演变规律。
当前，已有学者尝试减少仿真次数，在缩短***仿真时间的同时，满足仿真精度的要求，但在计算机仿真近距平行跑道容量领域，目前研究尚未涉及优化仿真评估流程以提质增效的问题。近距平行跑道运行规则复杂，进离场航班的跑道间隔规则约束众多，已有文献证实，复杂的仿真规则以及仿真环境会减慢计算机仿真速度，传统计算机跑道容量仿真评估还需要仿真大量的航班计划套数，这样就给计算机仿真造成额外负担，使得仿真效率低下。
发明内容
针对上述现有技术中存在的缺陷，本发明提供一种提升容量评估流程整体效率的近距跑道容量评估方法。
本发明提出的技术方案如下：
本发明公开了一种基于仿真的近距跑道容量评估方法，包括以下步骤：
利用蒙特卡洛模拟方法获取航班计划，并构建跑道容量评估仿真模型；
构建进离场航班跑道排序优化模型；
利用所述进离场航班跑道排序优化模型计算进离场航班的跑道使用顺序以及跑道使用时间，对所述航班计划进行优化；
将优化后的航班计划导入跑道容量评估仿真模型，获取跑道容量评估结果。
进一步地，所述构建进离场航班跑道排序优化模型具体包括：
设置目标函数；
设置安全间隔约束条件；
设置进离场航班间斜距要求约束条件；
设置进离场航班使用跑道时间窗约束条件；
设置进离场航班跑道占用时间约束条件。
进一步地，所述目标函数具体为：
Figure BDA0003510794250000021
其中，|A|表示进场航班数量，|D|表示离场航班数量，
Figure BDA0003510794250000022
表示进场航班的分配着陆时间，
Figure BDA0003510794250000023
表示离场航班的分配起飞时间，
Figure BDA0003510794250000024
表示第一个进场航班的分配着陆时间，
Figure BDA0003510794250000025
表示第一个离场航班的分配起飞时间。
进一步地，所述安全间隔约束条件具体为：
Figure BDA0003510794250000026
Figure BDA0003510794250000027
其中，
Figure BDA0003510794250000028
表示进场航班i的分配着陆时间
Figure BDA0003510794250000029
和进场航班j的分配着陆时间
Figure BDA00035107942500000210
间的最小着陆间隔时间，M表示无穷大的数值，
Figure BDA00035107942500000211
表示进场航班i和进场航班j之间的着陆顺序，如果进场航班i先于进场航班j着陆则为1，否则为0；
Figure BDA00035107942500000212
表示离场航班m的分配起飞时间
Figure BDA00035107942500000213
和离场航班n的分配起飞时间
Figure BDA00035107942500000214
之间的最小放行间隔时间，M表示无穷大的数值，
Figure BDA00035107942500000215
表示离场航班m和离场航班n之间的起飞顺序，如果离场航班m先于离场航班n起飞则为1，否则为0。
进一步地，所述进离场航班间斜距要求约束条件具体为：
Figure BDA00035107942500000216
其中，δ'表示离场航班起飞时，进场航班距离跑道入口的最小距离，
Figure BDA0003510794250000031
表示进场航班i处于最后进近阶段飞行速度，βim表示离场航班m和进场航班i之间的顺序，如果离场航班m先于进场航班i起飞则为1，否则为0。
进一步地，所述进离场航班使用跑道时间窗约束条件具体为：
Figure BDA0003510794250000032
Figure BDA0003510794250000033
其中，
Figure BDA0003510794250000034
表示进场航班i的预计着陆时间，
Figure BDA0003510794250000035
表示离场航班m的预计起飞时间，
Figure BDA0003510794250000036
表示进场航班i可接受最大延误时间，
Figure BDA0003510794250000037
表示离场航班m可接受最大延误时间。
进一步地，所述进离场航班跑道占用时间约束条件具体为：
Figure BDA0003510794250000038
Figure BDA0003510794250000039
其中，
Figure BDA00035107942500000310
表示进场航班i的跑道占用时间，
Figure BDA00035107942500000311
表示离场航班m的跑道占用时间。
进一步地，进离场航班跑道排序优化模型使用遗传算法计算进离场航班的跑道使用顺序以及跑道使用时间，所述遗传算法具体包括：
针对每套航班计划生成一组初始可行解；
基于所述初始可行解采用航班的跑道使用顺序进行染色体编码，采用轮盘赌规则进行父代算子选择；
判断所述父代算子是否符合预设交叉条件，若符合，则随机选择两个父代算子，采用顺序交叉方法进行父代算子交叉运算；判断交叉运算后的父代算子是否符合预设变异条件，若符合，则随机选择一个父代算子，随机挑选该染色体编码位置进行变异，得到子代算子；
计算所述子代算子的目标函数值，获取最优航班计划，判断是否符合迭代终止条件，若不符合，则继续进行染色体编码和父代算子选择。
进一步地，预计着陆时间或预计起飞时间差值≤5分钟的航班可以调整着陆或起飞顺序。
现有技术通常基于大量的航班计划套数进行跑道容量评估，本发明提出的基于仿真的近距跑道容量评估方法，在不改变计算机仿真模型的基础上，对仿真航班计划进行跑道优化排序，使得跑道容量在一定时间内被充分利用，减少仿真所需的航班计划套数，在保证仿真容量评估效果的前提下，缩短仿真时长，提升容量评估流程整体效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对技术方案描述时所需要使用的附图作简单地介绍，显而易见地，本发明的示意性实施例及其说明仅用于解释本发明，并不构成对本发明的不当限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。在附图中：
图1是本发明实施例1方法的步骤示意图；
图2是传统近距跑道容量评估流程示意图；
图3是本发明实施例1方法的近距跑道容量评估流程示意图；
图4是本发明实施例1方法中模型仿真界面示意图；
图5是本发明实施例1方法中基于仿真结果绘制的帕累托跑道容量包线示意图；
图6是本发明实施例2中航班计划进离场小时流量分布示意图；
图7是本发明实施例2中虹桥机场场面结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
参照图1，本实施例提供一种基于仿真的近距跑道容量评估方法，该方法包括以下步骤：
S1：利用蒙特卡洛模拟方法获取航班计划，并构建跑道容量评估仿真模型；
S1.1：计算机仿真软件进行容量评估需要基于时间、基于事件、基于规则、基于对象和参与者，需要指定特定仿真场景，输入航班计划进行仿真，软件可根据机场运行态势，进行冲突探测与解脱，计算机建模过程中需要输入相关仿真参数，如表1所示：
表1仿真模型所需参数
Figure BDA0003510794250000051
S1.2：在航班计划生成过程中，机型比例以及进离场航班比例参数的设置，与机场历史数据保持一致。传统容量评估方法中进离场航班的使用跑道时刻，往往基于一定的时间分布，使用蒙特卡洛方法随机生成。机场跑道容量仿真评估***中的事件流为进离场航班使用跑道流，由于航班使用跑道的间隔时间不可能是负值，因此其分布是非负随机变量的分布，在机场跑道容量评估领域最常用的分布为泊松分布，如下所示：
Figure BDA0003510794250000061
其中，t为单套航班计划的时间总长，P(N(t)＝n)为单套航班计划中，出现n个航班的概率，λ为泊松分布均值，即单套航班计划的时间范围内，航班架次的均值；
每一套航班计划内的航班数目，从总体上服从参数为λ的泊松分布，相邻航班时间间隔服从参数为
Figure BDA0003510794250000064
的负指数分布。
传统容量评估方法利用蒙特卡洛方法生成多套如表2所示的航班计划，通过计算机仿真统计出小时内航班起降架次情况，即可得到机场跑道容量。此方法虽然原理简单并且实用性强，但需要生成大量航班计划，当跑道构型为近距平行双跑道时，进离场航班跑道间隔约束较多，航班运行过程中存在跑道穿越，仿真大量航班计划会对仿真软件造成负担。
表2导入航班计划格式
Figure BDA0003510794250000062
S2：构建进离场航班跑道排序优化模型；
具体地，进离场航班跑道排序优化模型描述如下：对于给定的航空器集合，在满足其最早与最晚跑道使用时间构成的时间窗约束，以及航空器之间的尾流间隔约束的条件下，以最后一个航班使用跑道的时间与第一个航班使用跑道时间的差值最小为目标，计算进离场航班的跑道使用顺序以及跑道使用时间，模型所需相关参数如表3所示：
表3模型的集合，参数，变量
Figure BDA0003510794250000063
Figure BDA0003510794250000071
S2.1：设置目标函数；
Figure BDA0003510794250000072
以航班总延误时间最小作为目标函数，其中，|A|表示进场航班数量，|D|表示离场航班数量。为了充分利用跑道容量，将目标函数设置为规划时段内，最后一个航班使用跑道的时间与第一个航班使用跑道时间的差值最小；
S2.2：设置安全间隔约束条件；
对于连续进场航班或连续离场航班，必须满足最低间隔的要求，以遵守FAA和国际民航组织实施的安全规定，如下所示。
Figure BDA0003510794250000073
Figure BDA0003510794250000074
S2.3：设置进离场航班间斜距要求约束条件；
Figure BDA0003510794250000075
S2.4：设置进离场航班使用跑道时间窗约束；
Figure BDA0003510794250000081
Figure BDA0003510794250000082
为每架进场航班分配的着陆时间，必须在由预计着陆时间和可接受最大延误时间定义的时间窗之内；为每架离场航班分配的起飞时间，必须在由预计起飞时间和可接受最大延误时间定义的时间窗之内；
S2.5：设置进离场航班跑道占用时间约束；
为了使每条跑道在同一时间只能被一架航空器占用，根据机场实际运行的历史数据，设置进场航班跑道占用时间约束以及离场航班跑道占用时间约束。
Figure BDA0003510794250000083
Figure BDA0003510794250000084
在上式中，对于连续进场航班而言，使用跑道时间间隔为
Figure BDA0003510794250000085
和
Figure BDA0003510794250000086
之间的较大者，对于中型机，一般
Figure BDA0003510794250000087
会大于
Figure BDA0003510794250000088
以确保航班运行安全。
S3：利用所述进离场航班跑道排序优化模型计算进离场航班的跑道使用顺序以及跑道使用时间，对所述航班计划进行优化；
具体地，设计遗传算法求解模型，为每一架航班分配符合约束条件的跑道使用时间，使得目标函数值最小，遗传算法求解的伪代码参照表4；
S3.1：生成初始可行解。需要针对每套航班计划生成一组初始可行解，初始可行解的质量会在一定程度上影响遗传算法的最终结果，为避免引起大量航班延误，预计着陆时间或者起飞时间在5分钟范围内(含5分钟)的航班可以调整着陆或起飞顺序；
S3.2：基于所述初始可行解采用航班的跑道使用顺序进行染色体编码，采用轮盘赌规则进行父代算子选择；
S3.3：判断父代算子是否符合交叉条件，若符合，则随机选择两个父代算子，采用顺序交叉方法进行算子交叉运算；判断交叉运算后的父代算子是否符合变异条件，若符合，则随机选择一个父代算子，随机挑选该染色体编码位置进行变异，得到子代算子；
S3.4：计算所有子代算子的目标函数值，记录最优值以及对应的航班计划，判断是否符合迭代终止条件，若不符合，则返回S3.2；
表4遗传算法求解伪代码
Figure BDA0003510794250000091
Figure BDA0003510794250000101
S4：将优化后的航班计划导入跑道容量评估仿真模型，获取跑道容量评估结果；
具体地，本实施例基于MATLAB搭建仿真模型，仿真界面如下图4所示，基于仿真结果绘制帕累托跑道容量包线如图5所示。
实施例2
需要说明的是，本实施例是在实施例1的基础上实施的，本实施例选取上海虹桥机场2019年1月至2019年12月飞行计划进行分析，上海虹桥机场跑道间距365m，为典型的近距平行双跑道机场，东跑道用于着陆，西跑道用于起飞，重型机比例为30％。根据90％～95％的典型航班日选取原则，排除恶劣天气等突发影响，最终选用9月30日航班数据作为基线航班计划，其小时进离场流量分布如图6所示。以基线航班计划为基础，使用MATLAB软件制作五种进离场比例的航班计划，设置进离场航班比例分别为全部离场航班、25％进场航班和75％离场航班、50％进场航班和50％离场航班、75％进场航班那和25％离场航班以及全部为进场航班，λ＝60，生成可供计算机导入的航班计划；
使用MATLAB软件，基于上海虹桥机场场面结构数据以及运行规则数据，搭建跑道容量仿真模型，虹桥机场场面结构示意图如图7所示，进场航班在图中圆圈所示位置进行跑道穿越，离场航班在三角位置进行跑道穿越；
仿真相关参数参照表5：
表5仿真输入参数
Figure BDA0003510794250000102
Figure BDA0003510794250000111
采用Intel i7-9700KF8C8T处理器，内存16GB计算机，分别导入优化前和优化后的20、50、100、300、500、1×103、1×104套航班计划，优化流程基于MATLAB2016a环境，输入上述机场结构参数以及运行规则参数搭建仿真模型，容量评估采用95％的置信区间，对比容量评估结果、优化所用时间以及仿真时间，结果如表6所示；
表6仿真结果
Figure BDA0003510794250000112
优化前与优化后的容量评估结果为跑道小时容量，单位为(架次/小时)，传统基于计算机仿真的容量评估方法没有涉及航班优化排序，仿真1×103套航班计划后跑道容量值收敛；进离场航班跑道优化排序后，只需仿真300套航班计划即可得到跑道容量值。但是，优化算法会产生额外的算法迭代时间，优化后相比优化前减少的总评估时长＝1×103套航班计划的仿真时长-300套航班计划仿真时长-300套航班计划跑道优化排序时长＝480分钟-150分钟-120分钟＝210分钟。
另外，本发明实施例还提供一种计算机可读存储介质，其中，该计算机可读存储介质可存储有程序，该程序执行时包括上述方法实施例中记载的任何基于仿真的近距跑道容量评估方法的部分或全部步骤。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器、随机存取器、磁盘或光盘等。
以上所述的具体实施方式，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请的具体实施方式而已，并不用于限定本申请的保护范围，凡在本申请的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本申请的保护范围之内。

Claims (10)

1.一种基于仿真的近距跑道容量评估方法，其特征在于，所述方法包括以下步骤：
利用蒙特卡洛模拟方法获取航班计划，并构建跑道容量评估仿真模型；
构建进离场航班跑道排序优化模型；
利用所述进离场航班跑道排序优化模型计算进离场航班的跑道使用顺序以及跑道使用时间，对所述航班计划进行优化；
将优化后的航班计划导入跑道容量评估仿真模型，获取跑道容量评估结果。
2.根据权利要求1所述的一种基于仿真的近距跑道容量评估方法，其特征在于，所述构建进离场航班跑道排序优化模型具体包括：
设置目标函数；
设置安全间隔约束条件；
设置进离场航班间斜距要求约束条件；
设置进离场航班使用跑道时间窗约束条件；
设置进离场航班跑道占用时间约束条件。
3.根据权利要求1所述的一种基于仿真的近距跑道容量评估方法，其特征在于，所述目标函数具体为：
Figure FDA0003510794240000011
其中，|A|表示进场航班数量，|D|表示离场航班数量，
Figure FDA0003510794240000012
表示进场航班的分配着陆时间，
Figure FDA0003510794240000013
表示离场航班的分配起飞时间，
Figure FDA0003510794240000014
表示第一个进场航班的分配着陆时间，
Figure FDA0003510794240000015
表示第一个离场航班的分配起飞时间。
4.根据权利要求1所述的一种基于仿真的近距跑道容量评估方法，其特征在于，所述安全间隔约束条件具体为：
Figure FDA0003510794240000016
Figure FDA0003510794240000017
其中，
Figure FDA0003510794240000018
表示进场航班i的分配着陆时间
Figure FDA0003510794240000019
和进场航班j的分配着陆时间
Figure FDA00035107942400000110
间的最小着陆间隔时间，M表示无穷大的数值，
Figure FDA00035107942400000111
表示进场航班i和进场航班j之间的着陆顺序，如果进场航班i先于进场航班j着陆则为1，否则为0；
Figure FDA0003510794240000021
表示离场航班m的分配起飞时间
Figure FDA0003510794240000022
和离场航班n的分配起飞时间
Figure FDA0003510794240000023
之间的最小放行间隔时间，M表示无穷大的数值，
Figure FDA0003510794240000024
表示离场航班m和离场航班n之间的起飞顺序，如果离场航班m先于离场航班n起飞则为1，否则为0。
5.根据权利要求1所述的一种基于仿真的近距跑道容量评估方法，其特征在于，所述进离场航班间斜距要求约束条件具体为：
Figure FDA0003510794240000025
其中，δ'表示离场航班起飞时，进场航班距离跑道入口的最小距离，
Figure FDA0003510794240000026
表示进场航班i处于最后进近阶段飞行速度，βim表示离场航班m和进场航班i之间的顺序，如果离场航班m先于进场航班i起飞则为1，否则为0。
6.根据权利要求1所述的一种基于仿真的近距跑道容量评估方法，其特征在于，所述进离场航班使用跑道时间窗约束条件具体为：
Figure FDA0003510794240000027
Figure FDA0003510794240000028
其中，
Figure FDA0003510794240000029
表示进场航班i的预计着陆时间，
Figure FDA00035107942400000210
表示离场航班m的预计起飞时间，
Figure FDA00035107942400000211
表示进场航班i可接受最大延误时间，
Figure FDA00035107942400000212
表示离场航班m可接受最大延误时间。
7.根据权利要求1所述的一种基于仿真的近距跑道容量评估方法，其特征在于，所述进离场航班跑道占用时间约束条件具体为：
Figure FDA00035107942400000213
Figure FDA00035107942400000214
其中，
Figure FDA00035107942400000215
表示进场航班i的跑道占用时间，
Figure FDA00035107942400000216
表示离场航班m的跑道占用时间。
8.根据权利要求1所述的一种基于仿真的近距跑道容量评估方法，其特征在于，进离场航班跑道排序优化模型使用遗传算法计算进离场航班的跑道使用顺序以及跑道使用时间，所述遗传算法具体包括：
针对每套航班计划生成一组初始可行解；
基于所述初始可行解采用航班的跑道使用顺序进行染色体编码，采用轮盘赌规则进行父代算子选择；
判断所述父代算子是否符合预设交叉条件，若符合，则随机选择两个父代算子，采用顺序交叉方法进行父代算子交叉运算；判断交叉运算后的父代算子是否符合预设变异条件，若符合，则随机选择一个父代算子，随机挑选该染色体编码位置进行变异，得到子代算子；
计算所述子代算子的目标函数值，获取最优航班计划，判断是否符合迭代终止条件，若不符合，则继续进行染色体编码和父代算子选择。
9.根据权利要求8所述的一种基于仿真的近距跑道容量评估方法，其特征在于，预计着陆时间或预计起飞时间差值≤5分钟的航班可以调整着陆或起飞顺序。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机执行指令，当所述计算机执行指令被执行时，实现如权利要求1至9任一项所述的基于仿真的近距跑道容量评估方法。
CN202210151964.0A 2022-02-18 2022-02-18 基于仿真的近距跑道容量评估方法 Pending CN114896856A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210151964.0A CN114896856A (zh) 2022-02-18 2022-02-18 基于仿真的近距跑道容量评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210151964.0A CN114896856A (zh) 2022-02-18 2022-02-18 基于仿真的近距跑道容量评估方法

Publications (1)

Publication Number Publication Date
CN114896856A true CN114896856A (zh) 2022-08-12

Family

ID=82715100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210151964.0A Pending CN114896856A (zh) 2022-02-18 2022-02-18 基于仿真的近距跑道容量评估方法

Country Status (1)

Country Link
CN (1) CN114896856A (zh)

Similar Documents

Publication Publication Date Title
Tu et al. Estimating flight departure delay distributions—a statistical approach with long-term trend and short-term pattern
CN101465067B (zh) 机场场面航班调度辅助决策方法和***
CN109584638B (zh) 一种面向区域网络的先期航班时刻协同优化方法
CN103530704B (zh) 一种终端空域空中交通动态容量预测***及其方法
CN114664119B (zh) 一种航班跑道排序与优化调度方法
Ciesielski et al. Real time genetic scheduling of aircraft landing times
CN102243816B (zh) 一种机场空域最大纵向飞行冲突风险计算方法
CN103942623B (zh) 一种基于需求与容量不确定性的机场拥挤风险预测方法
CN103226899A (zh) 基于空中交通特征的空域扇区动态划分方法
CN109583627B (zh) 飞机着陆排队优化方法及装置
CN112530206B (zh) 空中交通网络脆弱性分析方法
CN110704560B (zh) 一种基于道路级拓扑的车道线组结构化的方法及装置
Chen et al. Planning aircraft taxiing trajectories via a multi-ojective immune optimisation
CN112735188A (zh) 基于复杂网络理论的空中交通网络脆弱性分析***
CN113706931A (zh) 空域的流控策略推荐方法、装置、电子设备及存储介质
CN101465066B (zh) 飞机垂直占有率的获取方法
Wang et al. A chance-constrained programming model for airport ground movement optimisation with taxi time uncertainties
Chen et al. Optimal speed profile generation for airport ground movement with consideration of emissions
CN107506233A (zh) 一种虚拟资源调度方法、装置及服务器
CN109345139B (zh) 一种基于***动力学的机场群效率及政策评估方法
Ahmadian et al. Heuristics for flights arrival scheduling at airports
Zhao et al. Evaluating ground–air network vulnerabilities in an integrated terminal maneuvering area using co-evolutionary computational red teaming
CN114896856A (zh) 基于仿真的近距跑道容量评估方法
Takacs Predicting flight arrival times with a multistage model
CN111476401A (zh) 航班时刻表优化方法及***

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