- 12
- 0
- 约3.57千字
- 约 13页
- 2023-08-16 发布于上海
- 举报
?
?
基于机器学习的进离场航空器排序优化研究
?
?
张洪杨,刘子彤,赵世豪,刘媛媛,冯晓康,张召悦
(中国民航大学,天津 300300)
终端区作为航班进离场的主要区域,其空域结构之复杂、航迹交织之密集是民航运输业发展的瓶颈所在。一般来说,在民航空域不扩张的情况下,扩大机场容量的主要方法有新建航站楼,增加跑道数量或者对进离场飞行程序进行增加和优化,重塑航班次序等,但这些方法需要大量时间和资金,多方进行沟通协调,短期内难以满足需求。相比之下,通过调整航班进离港次序的方式来提升机场容量显得更加合理高效。
终端区航班排序技术一直以来受到国内外学者的广泛关注。国内外对航空器排序算法的研究有约束位置交换算法,滑动时间窗算法和遗传算法等。Chandrasekar等依据机场跑道的运行模态、分布等提出了进离港航空器协同调度,通过分支定界法进行精确求解;Ahmed等提出了一种协同进化遗传算法,用于求解飞机航空器进离场的跑道决策与飞机排序优化的联合问题。在欧美发达国家开发了进离港辅助决策系统,例如AMAN、DMAN系统及德国的COMPAS系统。国内相较国外稍滞后,张启钱等提出基于滚动时域的遗传算法模型;张军峰等采用分支定界法对规定的时间窗内航空器进行优化仿真排序。综上,本文研究的主要内容可以概括为以下几点:介绍终端区的基本结构、根据先到先服务算法在单跑道模型上计算飞机的总延误时间、通过运用
原创力文档

文档评论(0)