CN115564188A - 一种航班计划鲁棒性评价***及方法 - Google Patents
一种航班计划鲁棒性评价***及方法 Download PDFInfo
- Publication number
- CN115564188A CN115564188A CN202211128852.XA CN202211128852A CN115564188A CN 115564188 A CN115564188 A CN 115564188A CN 202211128852 A CN202211128852 A CN 202211128852A CN 115564188 A CN115564188 A CN 115564188A
- Authority
- CN
- China
- Prior art keywords
- flight
- airport
- plan
- robustness
- client
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004088 simulation Methods 0.000 claims abstract description 82
- 230000008859 change Effects 0.000 claims description 42
- 230000010006 flight Effects 0.000 claims description 37
- 230000003993 interaction Effects 0.000 claims description 19
- 230000003111 delayed effect Effects 0.000 claims description 11
- 238000012546 transfer Methods 0.000 claims description 10
- 230000033001 locomotion Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000013077 scoring method Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000011160 research Methods 0.000 description 11
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
一种航班计划鲁棒性评估***及方法。***包括通过网络相互连接的网络结构服务器、仿真驱动服务器、第一客户端、第二客户端、第三客户端和第四客户端;本发明提供的航班计划鲁棒性评估***及方法将动态交通分配理念应用到空中交通网络运行当中,实现了航班计划鲁棒性的动态评价,在鲁棒性评价较低时,有助于指导民航运行监控管理人员,提前对航班计划进行微调,以提高航班计划在实施过程中的鲁棒性,避免大面积航班延误的发生。
Description
技术领域
本发明属于空中交通管理技术领域,特别涉及一种航班计划鲁棒性评价***及方法,评估结果可用于空中交通管理部门的航班计划优化及拥堵疏导策略的制定,以及航空公司的航班计划编制等。
背景技术
航班计划的鲁棒性严重影响着空中交通运行的安全与效率。目前有关航班计划的编制,主要是航空公司编制各自的计划,然后报给民航局批复,而批复时主要考虑最大化使用机场容量,未从网络的角度考虑全国范围内航班计划的鲁棒性,导致航班计划抵御外界不确定性因素影响的能力较差。一旦由于天气、军事活动、交通拥挤等不确定因素的影响,部分计划航班会延迟起飞,易引发蝴蝶效应,导致大面积航班延误,从而严重威胁空中交通运行的安全与效率。因此,如何对航班计划的鲁棒性进行有效评估,以指导航班计划的科学编制,成为提升我国空中交通运行有效性的关键。
随着航空运输业的稳步发展,2019年我国民航运输机场完成飞机起降架次达1165.05万架次,比上年增长5.2%,较2009年的484.1万架次增长了约2.4倍。国际航空运输协会(IATA)在《未来20年航空客运预期报告》中指出,2029年前后,中国将取代美国成为最大的航空市场。在这种环境下,航班计划的有效执行更易受外界因素的影响,否则会带来大面积航班延误等问题。如何提升航班计划的鲁棒性,对各国民航业与航空公司的发展而言既是机遇、又是挑战。
目前有关航班计划鲁棒性的研究,主要根据航班计划构建以机场为节点,机场间的连线为边(如果两机场间有航班,则机场间有连边)的交通网络,然后应用复杂网络理论计算交通网络的拓扑结构特征,进而评估航班计划的鲁棒性,但缺点是没有考虑交通网络的功能特征,所以评价效果较差,缺乏实用性,因此,同时考虑空中交通网络结构和交通功能,对航班计划的鲁棒性进行评价,提高评价的有效性和科学性,指导航班计划的科学编制,对提高空中交通运行的安全性和运输效率具有重要意义。
其次,传统的网络鲁棒性研究,大多直接将受攻击的节点或连边从网络中移除,而实际中受攻击节点或连边可能还留有部分运输功能,因此直接将节点或连边移除是不符合实际运行情况的。
另外,现有研究多针对单个航空公司航班计划的鲁棒性进行研究,有关全国航班计划的鲁棒性研究还没有见到。
考虑到现有航班计划鲁棒性评估现状,尚缺少一种能够有效、实用的航班计划鲁棒性评估***及方法。
发明内容
为了解决上述问题,本发明的目的在于提供一种航班计划鲁棒性评估***及方法。
为了达到上述目的,本发明提供的航班计划鲁棒性评价***包括通过网络相互连接的网络结构服务器、仿真驱动服务器、第一客户端、第二客户端、第三客户端和第四客户端;
所述网络结构服务器中安装有空域导航数据库,用于向客户端提供机场、导航台、航路点、航路航线、限制区、危险区、禁区、障碍物、扇区在内的导航数据服务;
所述仿真驱动服务器中安装有仿真驱动数据库,用于向客户端提供飞行动力模型和飞行运动模型数据服务;
所述第一客户端中安装有航班计划子***,用于产生符合一定分布规律的航班计划;
所述第二客户端中安装有空中交通网络建模子***,用于建立空中交通网络结构模型;
所述第三客户端中安装有航班显示与交互子***,用于空中交通网络建模子***中生成的空中交通网络环境,以及航班计划鲁棒性评价子***生成的评价结果的显示与交互;
所述第四客户端中安装有航班计划鲁棒性评价子***,包括航班重分配模块、网络结构鲁棒性评价模块、交通功能鲁棒性评价模块和航班计划鲁棒性综合评价模块。
利用上述本发明提供的航班计划鲁棒性评价***的评价方法包括按顺序进行的下列步骤:
步骤1)在网络结构服务器的空域导航数据库中选取所评价空域涉及到的机场、导航台、航路点、航路航线、限制区、危险区、禁区、障碍物和扇区在内的空域导航数据;预选出随机攻击涉及的受攻击机场以及恶劣天气、飞行器故障在内的随机攻击事件;
步骤2)基于所评价空域的航班实际运行分布规律,在第一客户端的航班计划子***中编制符合实际分布规律的原始航班计划;
步骤3)将步骤1)中选取的空域导航数据和步骤2)编制中的原始航班计划输入到第二客户端中的空中交通网络建模子***,根据原始航班计划,以机场为节点,机场间连线作为边,构建空中交通网络结构模型;
步骤4)将步骤1)中选取的空域导航数据、步骤2)中编制的原始航班计划和步骤3)中建立的空中交通网络结构模型输入到第三客户端中的航班显示与交互子***,调用仿真驱动服务器2中仿真驱动数据库内的飞行运动模型和飞行动力模型,设置仿真时间,进行攻击前的原始航班计划运行仿真,获得攻击前的航班计划仿真结果并在航班显示与交互子***上进行显示;
步骤5)基于上述步骤4)获得的攻击前的航班计划仿真结果,记录所有航班的实际起飞时刻和实际到达时刻在内的攻击前的仿真数据,并将这些攻击前的仿真数据输入到第四客户端中的航班计划鲁棒性评价子***;
步骤6)由第四客户端中航班计划鲁棒性评价子***的航班重分配模块制定受攻击机场的航班起飞重分配策略,根据步骤1)预选的受攻击机场及随机攻击事件,调整受攻击机场的机场起飞容量,并基于航班重分配策略,从实际运行的角度出发对受攻击机场超容量起飞航班进行重分配,生成航班重分配计划,以此来调整原始航班计划;
步骤7)将步骤1)中选取的空域导航数据和步骤6)中生成的航班重分配计划输入到第三客户端中的航班显示与交互子***,调用仿真驱动服务器2中仿真驱动数据库内的飞行运动模型和飞行动力模型,设置仿真时间,对攻击后的航班重分配计划进行仿真,获得攻击后的航班重分配计划仿真结果并在航班显示与交互子***上进行显示;
步骤8)基于上述步骤7)获得的攻击后的航班重分配计划仿真结果,记录所有航班的实际起飞时刻和实际到达时刻在内的攻击后的仿真数据,并将这些攻击后的仿真数据输入到第四客户端中的航班计划鲁棒性评价子***;
步骤9)在第四客户端的航班计划鲁棒性评价子***的网络结构鲁棒性评价模块中,利用步骤5)获得的攻击前的仿真数据和步骤8)获得的攻击后的仿真数据,分别对攻击前后航班计划的鲁棒性进行计算;
步骤10)在第四客户端的航班计划鲁棒性评价子***的交通功能鲁棒性评价模块中,根据上述步骤6)获得的航班重分配计划,计算出航班延误率、机场群饱和度变化率和航班取消率在内的交通功能鲁棒性指标;
步骤11)在航班计划鲁棒性综合评价模块中,将上述步骤10)获得的全局加权网络效率变化率ηE,t、航班延误率ηD,t、机场群饱和度变化率ηM,t和航班取消率ηC,t进行归一化处理,获得归一化全局加权网络效率变化率η'E,t,、归一化航班延误率η'D,t、归一化机场群饱和度变化率η'M,t和归一化航班取消率η'C,t四项指标,然后通过专家打分法对这四项归一化指标进行加权,获得综合评价值ηt,用于整体、全面地度量航班计划的鲁棒性;
步骤12)在第三客户端中的航班显示与交互子***将上述步骤10)获得的全局加权网络效率变化率ηE,t、航班延误率ηD,t、机场群饱和度变化率ηM,t和航班取消率ηC,t以及步骤11)获得的综合评价值ηt进行显示,同时显示出空中交通网络鲁棒性随时间的变化图。
在步骤6)中,所述航班起飞重分配策略涉及航班起飞重分配的假设条件、航班起飞重分配的形式和航班起飞重分配的方法;
1)所述航班起飞重分配的假设条件如下:
①恶劣事件只攻击空中交通网络的节点,不考虑空中交通网络连边的受攻击情况;
②相邻机场之间的道路交通及轨道交通发达,通行便利;
③航空公司在各机场的航空器、机组运力充足;
④假设航路容量充足,只考虑机场起飞容量对航班运行的限制;
⑤不考虑起飞航班和降落航班的相互影响,机场落地容量充足;
⑥假设机场受攻击后,其功能不会完全消失,仍存有一定的容量;
⑦航班最多只能延误一个小时起飞。
2)航班起飞重分配的形式主要有三种:航班延迟起飞、航班转移起飞和航班取消起飞。
①航班延迟起飞:若受攻击后机场起飞容量下降,且机场后续时段的计划起飞航班量小于机场起飞容量,则在不影响下一时段计划航班正常起飞的情况下,令攻击时段的超容量起飞航班延迟到下一时段起飞;
②航班转移起飞:若受攻击机场属于某机场群,该机场受影响航班的旅客及货物能够通过道路交通或轨道交通提前转运至机场群中其它容量未饱和的可转移机场,则在原计划时段内,由可转移机场执行受攻击机场受影响航班的运输任务;
③航班取消起飞:若机场受攻击后,其后续时段的计划航班量已经达到该机场的机场起飞容量,且该机场附近没有其它可转移机场可接收受影响航班,或者可转移机场的机场起飞容量已达饱和,则将该航班取消。
3)航班起飞重分配的方法:当原始航班计划的航班需求超过受攻击机场下降后的机场起飞容量时,首先考虑将超容量起飞航班延迟到下一时段起飞;直至达到下一时段受攻击机场的机场起飞容量时,若上一时段仍有部分航班未分配,则将这部分航班安排到该机场所属机场群的其他可转移机场起飞;直至达到其他可转移机场的机场起飞容量时,若受攻击机场上一时段仍有部分航班未分配,则将这部分航班取消。
在步骤9)中,所述利用步骤5)获得的攻击前的仿真数据和步骤8)获得的攻击后的仿真数据,分别对攻击前后航班计划的鲁棒性进行计算的具体方法如下:
9.1)基于Floyd算法计算出空中交通网络中任意机场对(i,j)间的最短路径dij;
9.2)基于航班计划,统计出任意机场对(i,j)间最短路径上的航班量qij;
9.3)基于上述机场对(i,j)间的最短路径dij及航班量qij,计算出该机场对的加权网络效率:
当机场对(i,j)不连通时,最短路径dij趋于无穷,这时就用加权网络效率εij=0来表征机场对(i,j)的连通状况;
9.4)计算出所有上述机场对间加权网络效率的平均值,以此来表征整个空中交通网络的全局加权网络效率:
其中,n为空中交通网络的机场总数,机场对的个数为n(n-1)个;
9.5)考虑到航班计划的动态性,进一步计算出不同时段的全局加权网络效率变化率,作为拓扑结构的鲁棒性指标:
其中,E0为攻击前航班计划的全局加权网络效率,Ea为攻击后航班计划的全局加权网络效率。
在步骤10)中,所述根据上述步骤6)获得的航班重分配计划,计算出航班延误率、机场群饱和度变化率和航班取消率在内的交通功能鲁棒性指标的具体方法如下:
10.1)计算航班计划攻击后的航班延误率;
基于步骤7)获得的第三客户端对攻击后的航班重分配计划的仿真结果,计算出航班延误率:
其中,Di,t为时段t中机场i的航班延误数,xi,t为时段t中机场i的计划起飞航班量,ηD,t为时段t的航班延误率,n为机场总数;
10.2)计算机场群饱和度变化率;
基于步骤7)获得的第三客户端对攻击后的航班重分配计划的仿真结果,计算出机场群饱和度变化率:
其中,bj为机场j的起飞容量,式(5)中分母为空中交通网络中所有机场群起飞容量的总和,分子为转移起飞的航班量;NAi为机场i所在机场群中机场个数,若机场i不属于任何机场群,则机场个数NAi=0;Mi,t为时段t中机场i转移至机场群内其他可转移机场起飞的航班量;ηM,t为时段t的机场群饱和度变化率;
10.3)计算航班取消率;
基于第三客户端对攻击后的航班重分配计划的仿真结果,计算出航班取消率:
其中,Ci,t为时段t机场i的航班取消量;ηC,t为时段t的航班取消率。
在步骤11)中,所述综合评价值ηt的计算公式为:
ηt=1-aη′D,t-bη′M,t-cη′C,t-dη′E,t (7)
其中,a,b,c,d分别为四项归一化指标的权重。
本发明的优点:
1、由于目前对航班计划鲁棒性评价研究中,主要是分析攻击事件对空中交通网络静态结构的影响,而忽略了交通***的动力学特性,如动态交通流量,即航班计划受攻击后航班的重分配问题。在实际运行中,空中交通网络失效节点上的航班,有可能转移到其它节点运行,并不会完全消失。鉴于此,本申请考虑攻击事件造成起飞航班的重新分配,并提出了三种航班重分配的形式进行评价,从而使鲁棒性评价更全面。
2、传统的航班计划鲁棒性研究大多直接将受攻击的节点或连边从该网络中移除,进而分析网络的效率,但在航空计划网络中,受攻击节点或连边往往并不会完全失效,直接将这些节点或连边进行移除是不合理的。例如机场网络上某机场出现恶劣天气,该机场不一定完全关闭,只是其起降容量有所下降。鉴于此,本申请将攻击事件对节点的影响改为对机场起飞容量的调整,从而使攻击形式更合理,使鲁棒性评价更符合实际。
3、现有航班计划鲁棒性研究,多针对实时交通网络或航空公司航班计划的鲁棒性进行研究,有关全国或区域总体航班计划的鲁棒性研究几乎为空白。空中交通是多航空公司的航班同时运行而产生的,不同公司航班之间会相互影响,且计划阶段交通网络的低鲁棒性会严重影响运行阶段交通网络的鲁棒性。因此本申请从全国航班计划编制的角度出发,可以整体地衡量航班计划的鲁棒性,并且为航班计划鲁棒性研究提供新思路。
本发明***和方法将动态交通分配理念应用到空中交通网络运行当中,实现了航班计划鲁棒性的动态评价,在鲁棒性评价较低时,有助于指导民航运行监控管理人员,提前对航班计划进行微调,以提高航班计划在实施过程中的鲁棒性,避免大面积航班延误的发生。
附图说明
图1是本发明提供的航班计划鲁棒性评价***构成框图;
图2是本发明实施例中考虑的机场群示意图。
图3是本发明提供的航班计划鲁棒性评价方法流程图。
图4是本发明实施例中某日航班计划鲁棒性变化图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实例,对本发明进行进一步详细说明,应当理解,此处所描述的具体实例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明提供的航班计划鲁棒性评价***包括通过网络相互连接的网络结构服务器1、仿真驱动服务器2、第一客户端3、第二客户端4、第三客户端5和第四客户端6;
所述网络结构服务器1中安装有空域导航数据库,用于向客户端提供机场、导航台、航路点、航路航线、限制区、危险区、禁区、障碍物、扇区在内的导航数据服务;
所述仿真驱动服务器2中安装有仿真驱动数据库,用于向客户端提供飞行动力模型和飞行运动模型数据服务;
所述第一客户端3中安装有航班计划子***,用于产生符合一定分布规律的航班计划;
所述第二客户端4中安装有空中交通网络建模子***,用于建立空中交通网络结构模型;
所述第三客户端5中安装有航班显示与交互子***,用于空中交通网络建模子***中生成的空中交通网络环境,以及航班计划鲁棒性评价子***生成的评价结果的显示与交互;
所述第四客户端6中安装有航班计划鲁棒性评价子***,包括航班重分配模块、网络结构鲁棒性评价模块、交通功能鲁棒性评价模块和航班计划鲁棒性综合评价模块。
如图3所示,利用上述本发明提供的航班计划鲁棒性评价***的评价方法包括按顺序进行的下列步骤:
步骤1)在网络结构服务器1的空域导航数据库中选取所评价空域涉及到的机场、导航台、航路点、航路航线、限制区、危险区、禁区、障碍物和扇区在内的空域导航数据;预选出随机攻击涉及的受攻击机场以及恶劣天气、飞行器故障在内的随机攻击事件;
步骤2)基于所评价空域的航班实际运行分布规律,在第一客户端3的航班计划子***中编制符合实际分布规律的原始航班计划;
步骤3)将步骤1)中选取的空域导航数据和步骤2)编制中的原始航班计划输入到第二客户端4中的空中交通网络建模子***,根据原始航班计划,以机场为节点,机场间连线(如果两机场间有计划航班,则两机场间有连边,否则,无连边)作为边,构建空中交通网络结构模型;
步骤4)将步骤1)中选取的空域导航数据、步骤2)中编制的原始航班计划和步骤3)中建立的空中交通网络结构模型输入到第三客户端5中的航班显示与交互子***,调用仿真驱动服务器2中仿真驱动数据库内的飞行运动模型和飞行动力模型,设置仿真时间,进行攻击前的原始航班计划运行仿真,获得攻击前的航班计划仿真结果并在航班显示与交互子***上进行显示;
步骤5)基于上述步骤4)获得的攻击前的航班计划仿真结果,记录所有航班的实际起飞时刻和实际到达时刻在内的攻击前的仿真数据,并将这些攻击前的仿真数据输入到第四客户端6中的航班计划鲁棒性评价子***;
步骤6)由第四客户端6中航班计划鲁棒性评价子***的航班重分配模块制定受攻击机场的航班起飞重分配策略,根据步骤1)预选的受攻击机场及随机攻击事件,调整受攻击机场的机场起飞容量,并基于航班重分配策略,从实际运行的角度出发对受攻击机场超容量起飞航班进行重分配,生成航班重分配计划,以此来调整原始航班计划;
所述航班起飞重分配策略涉及航班起飞重分配的假设条件、航班起飞重分配的形式和航班起飞重分配的方法;
1)所述航班起飞重分配的假设条件如下:
①恶劣事件只攻击空中交通网络的节点(机场),不考虑空中交通网络连边(航线)的受攻击情况;
②相邻机场之间的道路交通及轨道交通发达,通行便利;
③航空公司在各机场的航空器、机组运力充足;
④假设航路容量充足,只考虑机场起飞容量对航班运行的限制;
⑤不考虑起飞航班和降落航班的相互影响,机场落地容量充足;
⑥假设机场受攻击后,其功能不会完全消失,仍存有一定的容量;
⑦航班最多只能延误一个小时起飞。
2)航班起飞重分配的形式主要有三种:航班延迟起飞、航班转移起飞和航班取消起飞。
①航班延迟起飞:若受攻击后机场起飞容量下降,且机场后续时段的计划起飞航班量小于机场起飞容量,则在不影响下一时段计划航班正常起飞的情况下,令攻击时段的超容量起飞航班延迟到下一时段起飞;
②航班转移起飞:若受攻击机场属于某机场群,该机场受影响航班的旅客及货物能够通过道路交通或轨道交通(如高铁)提前转运至机场群中其它容量未饱和的可转移机场,则在原计划时段内,由可转移机场执行受攻击机场受影响航班的运输任务;
③航班取消起飞:若机场受攻击后,其后续时段的计划航班量已经达到该机场的机场起飞容量,且该机场附近没有其它可转移机场可接收受影响航班,或者可转移机场的机场起飞容量已达饱和,则将该航班取消。
3)航班起飞重分配的方法:当原始航班计划的航班需求超过受攻击机场下降后的机场起飞容量时,首先考虑将超容量起飞航班延迟到下一时段起飞;直至达到下一时段受攻击机场的机场起飞容量时,若上一时段仍有部分航班未分配,则将这部分航班安排到该机场所属机场群的其他可转移机场起飞;直至达到其他可转移机场的机场起飞容量时,若受攻击机场上一时段仍有部分航班未分配,则将这部分航班取消。
步骤7)将步骤1)中选取的空域导航数据和步骤6)中生成的航班重分配计划输入到第三客户端5中的航班显示与交互子***,调用仿真驱动服务器2中仿真驱动数据库内的飞行运动模型和飞行动力模型,设置仿真时间,对攻击后的航班重分配计划进行仿真,获得攻击后的航班重分配计划仿真结果并在航班显示与交互子***上进行显示;
步骤8)基于上述步骤7)获得的攻击后的航班重分配计划仿真结果,记录所有航班的实际起飞时刻和实际到达时刻在内的攻击后的仿真数据,并将这些攻击后的仿真数据输入到第四客户端6中的航班计划鲁棒性评价子***;
步骤9)在第四客户端6的航班计划鲁棒性评价子***的网络结构鲁棒性评价模块中,利用步骤5)获得的攻击前的仿真数据和步骤8)获得的攻击后的仿真数据,分别对攻击前后航班计划的鲁棒性进行计算;
具体方法如下:
9.1)基于Floyd算法计算出空中交通网络中任意机场对(i,j)间的最短路径dij;
9.2)基于航班计划,统计出任意机场对(i,j)间最短路径上的航班量qij;
9.3)基于上述机场对(i,j)间的最短路径dij及航班量qij,计算出该机场对的加权网络效率:
当机场对(i,j)不连通时,最短路径dij趋于无穷,这时就用加权网络效率εij=0来表征机场对(i,j)的连通状况;
9.4)计算出所有上述机场对间加权网络效率的平均值,以此来表征整个空中交通网络的全局加权网络效率:
其中,n为空中交通网络的机场总数,机场对的个数为n(n-1)个;
9.5)考虑到航班计划的动态性,进一步计算出不同时段的全局加权网络效率变化率,作为拓扑结构的鲁棒性指标:
其中,E0为攻击前航班计划的全局加权网络效率,Ea为攻击后航班计划的全局加权网络效率;
上述全局加权网络效率变化率体现了航班计划受攻击后对节点连通效率的影响,该指标值越小,说明全局加权网络效率下降的程度越大,航班计划抵抗攻击的能力越差,即鲁棒性越差。
步骤10)在第四客户端6的航班计划鲁棒性评价子***的交通功能鲁棒性评价模块中,根据上述步骤6)获得的航班重分配计划,计算出航班延误率、机场群饱和度变化率和航班取消率在内的交通功能鲁棒性指标;
具体方法如下:
10.1)计算航班计划攻击后的航班延误率。机场受攻击后,延误的航班数量越多,则表明航班计划的鲁棒性越差。因此,航班延误率可作为交通功能鲁棒性指标之一。
基于步骤7)获得的第三客户端5对攻击后的航班重分配计划的仿真结果,计算出航班延误率:
其中,Di,t为时段t中机场i的航班延误数,xi,t为时段t中机场i的计划起飞航班量,ηD,t为时段t的航班延误率,n为机场总数。
10.2)计算机场群饱和度变化率;机场群的整体放行能力,可以在一定程度上衡量航班计划的鲁棒性。相比于航班取消起飞、航班延误起飞,虽然航班转移起飞降低了一定损失,但转移旅客前往其他可转移机场会带来一定成本,且会增加其他可转移机场的运行压力。因此,攻击前后机场群饱和度变化率越大,说明该机场群的局部鲁棒性越差。
基于步骤7)获得的第三客户端5对攻击后的航班重分配计划的仿真结果,计算出机场群饱和度变化率:
其中,bj为机场j的起飞容量,式(5)中分母为空中交通网络中所有机场群起飞容量的总和,分子为转移起飞的航班量;NAi为机场i所在机场群中机场个数,若机场i不属于任何机场群,则机场个数NAi=0;Mi,t为时段t中机场i转移至机场群内其他可转移机场起飞的航班量;ηM,t为时段t的机场群饱和度变化率。
10.3)计算航班取消率;航班计划受攻击后,航班取消率越大,该时段航班计划损失的流量越大,则航班计划的鲁棒性越差。基于第三客户端5对攻击后的航班重分配计划的仿真结果,计算出航班取消率:
其中,Ci,t为时段t机场i的航班取消量;ηC,t为时段t的航班取消率。
步骤11)在航班计划鲁棒性综合评价模块中,将上述步骤10)获得的全局加权网络效率变化率ηE,t、航班延误率ηD,t、机场群饱和度变化率ηM,t和航班取消率ηC,t进行归一化处理,获得归一化全局加权网络效率变化率η'E,t,、归一化航班延误率η'D,t、归一化机场群饱和度变化率η'M,t和归一化航班取消率η'C,t四项指标,然后通过专家打分法对这四项归一化指标进行加权,获得综合评价值ηt,用于整体、全面地度量航班计划的鲁棒性。所述综合评价值ηt的计算公式为:
ηt=1-aη′D,t-bη′M,t-cη′C,t-dη′E,t (7)
其中,a,b,c,d分别为四项归一化指标的权重;本发明采用的权重分别为a=0.1,b=0.15,c=0.25,d=0.5。
航班计划受攻击后,综合评价值ηt越大,则表明该时段航班计划遭受蓄意攻击的影响程度越小,航班计划的鲁棒性越强。
步骤12)在第三客户端5中的航班显示与交互子***将上述步骤10)获得的全局加权网络效率变化率ηE,t、航班延误率ηD,t、机场群饱和度变化率ηM,t和航班取消率ηC,t以及步骤11)获得的综合评价值ηt进行显示,同时显示出空中交通网络鲁棒性随时间的变化图。
现给出本发明提供的航班计划鲁棒性评价***及方法的应用实施例:
(1)在第一客户端3中搭建仿真环境,选择受攻击机场,本实施例选择5个全国的大容量机场,分别是ZBAA、ZGGG、ZPPP、ZUUU和ZUCK,随机攻击事件为雷雨,如图2所示;
(2)将我国2019年1月份的航班计划输入到第二客户端4,生成仿真所需的攻击前的航班计划;
(3)在第三客户端5对攻击前的航班计划进行仿真,统计出各航班的起飞与落地时间,并将其储存在第四客户端6;
(4)针对第一客户端3设置的攻击机场及攻击事件,在第四客户端6的航班计划鲁棒性评价子***的航班重分配模块,对航班进行重新分配,生成攻击后的航班重分配计划。
依据选择的随机攻击事件,对攻击机场的起飞容量进行调整,调整结果如表1所示:
表1攻击前后受攻击机场的起飞容量表
根据攻击后的起飞容量计算各时段各机场的航班重分配结果,如表2-4所示。
表2各时段各机场航班延误量
表3各时段各机场航班转移量
表4各时段各机场航班取消量
(5)利用第四客户端6的航班计划鲁棒性评价子***中的网络结构鲁棒性评价模块,计算机场攻击前各时段航班计划的全局加权网络效率变化率,如表5所示。
表5各时段全局加权网络效率变化率
利用交通功能鲁棒性评价模块,计算交通功能方面的鲁棒性指标,如表6所示。
表6航班计划交通功能鲁棒性指标
(6)利用第四客户端6的航班计划鲁棒性评价子***中的航班计划鲁棒性综合评价模块,对航班计划的鲁棒性进行综合评价,如表7所示。
表7鲁棒性综合评价
(7)在第三客户端5的航班显示与交互子***中显示某日航班计划鲁棒性变化曲线,如图4所示。该图反映了不同时段航班计划的鲁棒性情况,可以看出,6:00-7:00时段,航班计划的鲁棒性最差,5:00之前的鲁棒性较高。8:00以后的鲁棒性一直存在小幅的波动情况。
Claims (6)
1.一种航班计划鲁棒性评价***,其特征在于:所述航班计划鲁棒性评价***包括通过网络相互连接的网络结构服务器(1)、仿真驱动服务器(2)、第一客户端(3)、第二客户端(4)、第三客户端(5)和第四客户端(6);
所述网络结构服务器(1)中安装有空域导航数据库,用于向客户端提供机场、导航台、航路点、航路航线、限制区、危险区、禁区、障碍物、扇区在内的导航数据服务;
所述仿真驱动服务器(2)中安装有仿真驱动数据库,用于向客户端提供飞行动力模型和飞行运动模型数据服务;
所述第一客户端(3)中安装有航班计划子***,用于产生符合一定分布规律的航班计划;
所述第二客户端(4)中安装有空中交通网络建模子***,用于建立空中交通网络结构模型;
所述第三客户端(5)中安装有航班显示与交互子***,用于空中交通网络建模子***中生成的空中交通网络环境,以及航班计划鲁棒性评价子***生成的评价结果的显示与交互;
所述第四客户端(6)中安装有航班计划鲁棒性评价子***,包括航班重分配模块、网络结构鲁棒性评价模块、交通功能鲁棒性评价模块和航班计划鲁棒性综合评价模块。
2.一种利用权利要求1所述航班计划鲁棒性评价***的评价方法,其特征在于:所述评价方法包括按顺序进行的下列步骤:
步骤1)在网络结构服务器(1)的空域导航数据库中选取所评价空域涉及到的机场、导航台、航路点、航路航线、限制区、危险区、禁区、障碍物和扇区在内的空域导航数据;预选出随机攻击涉及的受攻击机场以及恶劣天气、飞行器故障在内的随机攻击事件;
步骤2)基于所评价空域的航班实际运行分布规律,在第一客户端(3)的航班计划子***中编制符合实际分布规律的原始航班计划;
步骤3)将步骤1)中选取的空域导航数据和步骤2)编制中的原始航班计划输入到第二客户端(4)中的空中交通网络建模子***,根据原始航班计划,以机场为节点,机场间连线作为边,构建空中交通网络结构模型;
步骤4)将步骤1)中选取的空域导航数据、步骤2)中编制的原始航班计划和步骤3)中建立的空中交通网络结构模型输入到第三客户端(5)中的航班显示与交互子***,调用仿真驱动服务器(2)中仿真驱动数据库内的飞行运动模型和飞行动力模型,设置仿真时间,进行攻击前的原始航班计划运行仿真,获得攻击前的航班计划仿真结果并在航班显示与交互子***上进行显示;
步骤5)基于上述步骤4)获得的攻击前的航班计划仿真结果,记录所有航班的实际起飞时刻和实际到达时刻在内的攻击前的仿真数据,并将这些攻击前的仿真数据输入到第四客户端(6)中的航班计划鲁棒性评价子***;
步骤6)由第四客户端(6)中航班计划鲁棒性评价子***的航班重分配模块制定受攻击机场的航班起飞重分配策略,根据步骤1)预选的受攻击机场及随机攻击事件,调整受攻击机场的机场起飞容量,并基于航班重分配策略,从实际运行的角度出发对受攻击机场超容量起飞航班进行重分配,生成航班重分配计划,以此来调整原始航班计划;
步骤7)将步骤1)中选取的空域导航数据和步骤6)中生成的航班重分配计划输入到第三客户端(5)中的航班显示与交互子***,调用仿真驱动服务器(2)中仿真驱动数据库内的飞行运动模型和飞行动力模型,设置仿真时间,对攻击后的航班重分配计划进行仿真,获得攻击后的航班重分配计划仿真结果并在航班显示与交互子***上进行显示;
步骤8)基于上述步骤7)获得的攻击后的航班重分配计划仿真结果,记录所有航班的实际起飞时刻和实际到达时刻在内的攻击后的仿真数据,并将这些攻击后的仿真数据输入到第四客户端(6)中的航班计划鲁棒性评价子***;
步骤9)在第四客户端(6)的航班计划鲁棒性评价子***的网络结构鲁棒性评价模块中,利用步骤5)获得的攻击前的仿真数据和步骤8)获得的攻击后的仿真数据,分别对攻击前后航班计划的鲁棒性进行计算;
步骤10)在第四客户端(6)的航班计划鲁棒性评价子***的交通功能鲁棒性评价模块中,根据上述步骤6)获得的航班重分配计划,计算出航班延误率、机场群饱和度变化率和航班取消率在内的交通功能鲁棒性指标;
步骤11)在航班计划鲁棒性综合评价模块中,将上述步骤10)获得的全局加权网络效率变化率ηE,t、航班延误率ηD,t、机场群饱和度变化率ηM,t和航班取消率ηC,t进行归一化处理,获得归一化全局加权网络效率变化率η'E,t,、归一化航班延误率η'D,t、归一化机场群饱和度变化率η'M,t和归一化航班取消率η'C,t四项指标,然后通过专家打分法对这四项归一化指标进行加权,获得综合评价值ηt,用于整体、全面地度量航班计划的鲁棒性;
步骤12)在第三客户端(5)中的航班显示与交互子***将上述步骤10)获得的全局加权网络效率变化率ηE,t、航班延误率ηD,t、机场群饱和度变化率ηM,t和航班取消率ηC,t以及步骤11)获得的综合评价值ηt进行显示,同时显示出空中交通网络鲁棒性随时间的变化图。
3.权利要求2所述的航班计划鲁棒性评价***的评价方法,其特征在于:在步骤6)中,所述航班起飞重分配策略涉及航班起飞重分配的假设条件、航班起飞重分配的形式和航班起飞重分配的方法;
1)所述航班起飞重分配的假设条件如下:
①恶劣事件只攻击空中交通网络的节点,不考虑空中交通网络连边的受攻击情况;
②相邻机场之间的道路交通及轨道交通发达,通行便利;
③航空公司在各机场的航空器、机组运力充足;
④假设航路容量充足,只考虑机场起飞容量对航班运行的限制;
⑤不考虑起飞航班和降落航班的相互影响,机场落地容量充足;
⑥假设机场受攻击后,其功能不会完全消失,仍存有一定的容量;
⑦航班最多只能延误一个小时起飞;
2)航班起飞重分配的形式主要有三种:航班延迟起飞、航班转移起飞和航班取消起飞;
①航班延迟起飞:若受攻击后机场起飞容量下降,且机场后续时段的计划起飞航班量小于机场起飞容量,则在不影响下一时段计划航班正常起飞的情况下,令攻击时段的超容量起飞航班延迟到下一时段起飞;
②航班转移起飞:若受攻击机场属于某机场群,该机场受影响航班的旅客及货物能够通过道路交通或轨道交通提前转运至机场群中其它容量未饱和的可转移机场,则在原计划时段内,由可转移机场执行受攻击机场受影响航班的运输任务;
③航班取消起飞:若机场受攻击后,其后续时段的计划航班量已经达到该机场的机场起飞容量,且该机场附近没有其它可转移机场可接收受影响航班,或者可转移机场的机场起飞容量已达饱和,则将该航班取消;
3)航班起飞重分配的方法:当原始航班计划的航班需求超过受攻击机场下降后的机场起飞容量时,首先考虑将超容量起飞航班延迟到下一时段起飞;直至达到下一时段受攻击机场的机场起飞容量时,若上一时段仍有部分航班未分配,则将这部分航班安排到该机场所属机场群的其他可转移机场起飞;直至达到其他可转移机场的机场起飞容量时,若受攻击机场上一时段仍有部分航班未分配,则将这部分航班取消。
4.权利要求2所述的航班计划鲁棒性评价***的评价方法,其特征在于:在步骤9)中,所述利用步骤5)获得的攻击前的仿真数据和步骤8)获得的攻击后的仿真数据,分别对攻击前后航班计划的鲁棒性进行计算的具体方法如下:
9.1)基于Floyd算法计算出空中交通网络中任意机场对(i,j)间的最短路径dij;
9.2)基于航班计划,统计出任意机场对(i,j)间最短路径上的航班量qij;
9.3)基于上述机场对(i,j)间的最短路径dij及航班量qij,计算出该机场对的加权网络效率:
当机场对(i,j)不连通时,最短路径dij趋于无穷,这时就用加权网络效率εij=0来表征机场对(i,j)的连通状况;
9.4)计算出所有上述机场对间加权网络效率的平均值,以此来表征整个空中交通网络的全局加权网络效率:
其中,n为空中交通网络的机场总数,机场对的个数为n(n-1)个;
9.5)考虑到航班计划的动态性,进一步计算出不同时段的全局加权网络效率变化率,作为拓扑结构的鲁棒性指标:
其中,E0为攻击前航班计划的全局加权网络效率,Ea为攻击后航班计划的全局加权网络效率。
5.根据权利要求2所述的航班计划鲁棒性评价***的评价方法,其特征在于:在步骤10)中,所述根据上述步骤6)获得的航班重分配计划,计算出航班延误率、机场群饱和度变化率和航班取消率在内的交通功能鲁棒性指标的具体方法如下:
10.1)计算航班计划攻击后的航班延误率;
基于步骤7)获得的第三客户端(5)对攻击后的航班重分配计划的仿真结果,计算出航班延误率:
其中,Di,t为时段t中机场i的航班延误数,xi,t为时段t中机场i的计划起飞航班量,ηD,t为时段t的航班延误率,n为机场总数;
10.2)计算机场群饱和度变化率;
基于步骤7)获得的第三客户端(5)对攻击后的航班重分配计划的仿真结果,计算出机场群饱和度变化率:
其中,bj为机场j的起飞容量,式(5)中分母为空中交通网络中所有机场群起飞容量的总和,分子为转移起飞的航班量;NAi为机场i所在机场群中机场个数,若机场i不属于任何机场群,则机场个数NAi=0;Mi,t为时段t中机场i转移至机场群内其他可转移机场起飞的航班量;ηM,t为时段t的机场群饱和度变化率;
10.3)计算航班取消率;
基于第三客户端(5)对攻击后的航班重分配计划的仿真结果,计算出航班取消率:
其中,Ci,t为时段t机场i的航班取消量;ηC,t为时段t的航班取消率。
6.根据权利要求2所述的航班计划鲁棒性评价***的评价方法,其特征在于:在步骤11)中,所述综合评价值ηt的计算公式为:
ηt=1-aη′D,t-bη′M,t-cη′C,t-dη′E,t (7)
其中,a,b,c,d分别为四项归一化指标的权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211128852.XA CN115564188A (zh) | 2022-09-16 | 2022-09-16 | 一种航班计划鲁棒性评价***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211128852.XA CN115564188A (zh) | 2022-09-16 | 2022-09-16 | 一种航班计划鲁棒性评价***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115564188A true CN115564188A (zh) | 2023-01-03 |
Family
ID=84741149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211128852.XA Pending CN115564188A (zh) | 2022-09-16 | 2022-09-16 | 一种航班计划鲁棒性评价***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115564188A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116882590A (zh) * | 2023-09-04 | 2023-10-13 | 中国民用航空飞行学院 | 基于时序网络模型的航班计划优化方法、***及储存介质 |
-
2022
- 2022-09-16 CN CN202211128852.XA patent/CN115564188A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116882590A (zh) * | 2023-09-04 | 2023-10-13 | 中国民用航空飞行学院 | 基于时序网络模型的航班计划优化方法、***及储存介质 |
CN116882590B (zh) * | 2023-09-04 | 2023-11-24 | 中国民用航空飞行学院 | 基于时序网络模型的航班计划优化方法、***及储存介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aktürk et al. | Aircraft rescheduling with cruise speed control | |
Bubalo et al. | Airport capacity and demand calculations by simulation—the case of Berlin-Brandenburg International Airport | |
Ryerson et al. | Fuel consumption and operational performance | |
Delgado et al. | Cruise speed reduction for ground delay programs: A case study for San Francisco International Airport arrivals | |
US8989923B2 (en) | Navigation performance specification | |
CN107341620B (zh) | 基于bada燃油消耗率的短期天气下进场航班延误成本计算方法 | |
CN115564188A (zh) | 一种航班计划鲁棒性评价***及方法 | |
Dönmez et al. | Air traffic management in parallel-point merge systems under wind uncertainties | |
Izadi et al. | Validating simulations of oceanic flights using data link communication messages | |
Chao et al. | Simulation study on airfield system capacity analysis using SIMMOD | |
Liu et al. | Airborne flight time: A comparative analysis between the US and China | |
Romano et al. | A static algorithm to solve the air traffic sequencing problem | |
Smith et al. | Strategic decision support for airside operations at commercial airports | |
Schinwald et al. | Using airport fast-time simulation models to increase the quality of airport capacity utilization studies | |
Bhadra et al. | Future Air Traffic Timetable Estimator. | |
Shresta et al. | Benefits and constraints of time-based metering along RNAV STAR routes | |
Liu et al. | Miles-in-Trail Restrictions and Aviation System Performance: Chicago O’Hare Case Study | |
Baden et al. | systemwideModeler: A fast-time simulation of the NAS | |
Quan et al. | Modeling the economic impact of adverse weather into en route flights | |
Thyagarajan et al. | Relative Impact of Various Resources in the US National Airspace System (NAS) On Total Flight Delays | |
Wu et al. | Enhancing the Traffic Management Advisor's Schedule by Time Advance | |
Putra | Review Study on Runway Capacity Parameters and Improvement | |
Chen et al. | Refined evaluation method for aircraft unimpeded taxi-out time | |
Hickey et al. | Hybrid Queuing-Regression Model Application for Airspace Analysis | |
Hocker | Airport demand and capacity modeling for flow management analysis |
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 |