CN103489335A - 一种多目标优化的飞行冲突解脱方法 - Google Patents
一种多目标优化的飞行冲突解脱方法 Download PDFInfo
- Publication number
- CN103489335A CN103489335A CN201310421297.4A CN201310421297A CN103489335A CN 103489335 A CN103489335 A CN 103489335A CN 201310421297 A CN201310421297 A CN 201310421297A CN 103489335 A CN103489335 A CN 103489335A
- Authority
- CN
- China
- Prior art keywords
- individual
- population
- distance
- individuality
- crowding
- 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.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种多目标优化的飞行冲突解脱方法,所述方法为基于NSGA-II算法的4DT多目标优化的飞行冲突解脱方法,通过建立飞行冲突探测模型和建立优化的目标函数和约束条件,使用NSGA-II算法优化实现冲突解脱。本发明是一种4DT下多目标优化的飞行冲突解脱方法,运算效率高,能够进行冲突解脱,并达到较低的平均延误;本方法满足全局优化下冲突解脱的需求;本方法采用多目标优化的机制,更符合实际问题,方案的可行性更强。
Description
技术领域
本发明涉及一种适用于整个空域的飞机飞行时刻优化方法,是一种战略层面的全局飞行冲突解脱方法,具体地说,是指一种多目标优化的飞行冲突解脱方法。
背景技术
近几年来,我国航空运输业发展迅猛,预计未来几年我国民航市场也将继续保持高速增长态势。目前,我国已经发展成为全球仅次于美国的第二大航空运输大国。然而随着飞行流量的增加,空域中飞行器的密度也相应增加,飞行器之间的安全间隔难以保证,存在冲突的可能性增加,进而使得飞行安全受到严重威胁。作为保证飞行安全的关键技术之一,飞行冲突解脱方法的研究必要而迫切。
目前冲突解脱方法的研究主要集中在局部空域的战术方法上,难以从全局考虑,缺乏战略层面的全局解脱方法。随着航空技术发展,四维航迹(4D-Trajectory,4DT)的提出使得战略规划成为可能。
飞行冲突解脱问题是一种多变量(包括连续、离散变量)、多目标、多约束、非线性、多极值、目标函数和约束条件非解析函数的复杂优化问题,用传统优化算法(包括基于梯度的优化算法和Powell法等直接优化算法)解决将面临严峻挑战,主要表现在:(1)传统优化算法不能直接用于处理带连续/离散混合设计变量的优化问题;(2)传统优化算法往往对初值较为敏感,且容易陷入局部最优点;(3)传统优化算法的单点运算方式大大限制了计算效率提高;(4)传统优化算法往往要求目标函数和约束条件是连续可微的解析函数。
发明内容
本发明针对现有技术存在问题,提供一种基于NSGA-II算法的4DT多目标优化的飞行冲突解脱方法,所述方法包括如下步骤:
第一步,建立飞行冲突探测模型;
第二步,建立优化的目标函数和约束条件;
第三步,使用NSGA-II算法优化实现冲突解脱。
本发明的优点在于:
1、本方法是一种4DT下多目标优化的飞行冲突解脱方法,运算效率高,能够进行冲突解脱,并达到较低的平均延误;
2、本方法满足全局优化下冲突解脱的需求;
3、本方法采用多目标优化的机制,更符合实际问题,方案的可行性更强。
附图说明
图1是本发明中交叉航路模型示意图;
图2是本发明的个体编码示意图;
图3为本发明采用NSGA-II算法进行多目标优化的飞行冲突解脱方法流程示意图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
首先介绍如下的概念与定义:
1、飞行冲突与飞行碰撞:当两架飞行器之间的距离小于冲突阈值(碰撞阈值时),则认为这两架飞行器存在冲突风险(碰撞风险)。
2、四维航迹4DT:四维航迹(4D-Trajectory,4DT)是美国联邦航空管理局(FederalAviation Administration,FAA)在2007年NextGen中提出的一个空管运行概念。它描述了航空器从起飞到降落的,包括空间路径和飞行时刻的四维时空信息。
3、智能优化算法:智能优化算法(Intelligent Optimization Algorithm),又称智能计算(Intelligent Computation),是通过模拟或揭示某些自然现象或过程发展而来的优化算法,其思想和内容涉及数学、物理学、生物学和计算机科学等学科,它不依赖梯度信息,具有全局、并行、高效的优化性能,鲁棒性和通用性强,为解决大规模非线性问题提供了新的思路和手段。
4、多目标优化算法:传统的处理多目标优化问题的方法,如加权法、约束法、目标规划法等等,是构建一个评价函数,将多目标优化问题转化为单目标优化问题,然后利用成熟的求解单目标优化问题的方法获得问题的一个解。由于多目标优化问题的各个目标之间大多相互联系、制约,甚至相互矛盾,很难找到一个真正意义上的最优解使得各个目标同时达到最优,因此多目标优化问题的解通常是一个非劣解的集合,即Pareto最优解集。求解多目标优化问题的首要步骤和关键是求出所有的Pareto最优解。
本发明提供的多目标优化的飞行冲突解脱方法,具体步骤如下:
第一步,建立飞行冲突探测模型;
航路网由多条航路交错形成,每条航路由若干条航路段组成,连接航路段的点为航路点,航路的起点和终点为机场。我国航路网分布范围广泛、规模庞大、结构复杂,约有5400余条航路、1700余条航路段、1100余个航路点,并且全国每日航班数量8000余架次。
为了便于研究,将问题进行一定程度的简化,假设在同一航路段上,同向行驶的飞机在同一高度层上,反向行驶的飞机在不同的高度层上,这样可以将航路模型简化为2D模型,如图1所示。
在图1中,航路Ai由(A,W1,W2,W3,W4,W5,W6,D)组成,航路Aj由(B,W2,W3,W4,W5,W7,C)组成,A,B,C,D分别代表四个机场,且分别为飞机Fi与Fj的起点和终点,W1,W2,W3,W4,W5,W6,W7分别为航路点,其中(W2,W3,W4,W5)是Ai与Aj的公共航路段。假设共有n架飞机(F1,F2,F3,…,Fn)按照各自的飞行计划沿航路飞行。其中任意两架飞机Fi与Fj分别在航路Ai与Aj上飞行。当两架飞机以相同的速度匀速飞行的时候,冲突只可能发生在两条航路的交汇航路点W2。此时定义飞行冲突为满足下式:
其中和分别为Fi和Fj到达航路点W2的时刻,τ为设定的不发生冲突的最小时间间隔。即当两架飞机以相同的速度匀速飞行的时候,若其到达交汇航路点的时刻之差小于最小时间间隔τ,则认为二者会发生冲突,否则则认为二者不会发生冲突。
第二步,确定目标函数和约束条件;
本发明提供的冲突解脱方法是通过优化飞机的起飞延迟实现的。所有飞机的起飞延误设定为集合其中δi表示第i架飞机的起飞延误,n表示飞机数量。对于每架飞机的起飞延误δi,它必须满足取值范围的约束为δi∈[0,δmax],其中δmax是客观允许的最大延误时间。
经过上面的定义,所有飞机都包含两个物理量,即其延误和自身所涉及的冲突数,而飞机是否会有冲突或会遇到多少冲突又由其起飞时间,即延误所决定的,所以本发明将飞机的延误作为最终的调整参量。结合所有飞机的延误将可做出对于整个航班计划的调整,即为一种解决方案。将所有飞机进行编码……A1,A2,……,A7,……,如图2,其中每架飞机都包含延误和冲突两个物理量,整条编码即包含所有飞机的延误、他们自身的冲突和总冲突数,本发明中称其为一个个体,即一种解决方案。在后面的优化实施例中,我们同时对50个个体,即50种方案进行优化,从中找出可行的解决方案。
在多目标优化中,主要优化目标有两个,一是尽量减小飞机的延误时间,以尽量节省飞行成本,如(2)式所示;二是尽量在保证两飞机不冲突的前提下(见“约束条件”),尽量减小两架飞机到达交汇航路点的时间间隔,从而最大限度地增加空域利用率,如(3)式所示。
其中n为飞机总数,i,j为任意存在冲突的两架飞机的序号,m表示所有飞机中存在的总冲突数。需要说明的是,式(3)表示当算法对冲突进行解决时,比如优化出了两种方案都能解决这个冲突,就会选择式(3)值小的那个方案,因为其对原始方案的改动小。但式(3)不会对本来没有冲突的飞机造成影响,即当优化到所有飞机都没有冲突时,式(3)将不会再起判决作用,即赋予其值0。所以当m=0时,即航班之间不存在冲突,令式(3)中f2=0。式(2)表示取所有飞机的延误的平均值f1,即平均延误,其值越小,所有飞机的延误越少,越满足优化的目的。式(3)表示对冲突的两架飞机到达交汇航路点时间间隔的平均值f2取最小值,为保证在解脱冲突时不至于将两架飞机分开太远而过多的占用空域。
在4DT多目标冲突解脱中,将消除冲突的工作以约束条件而非目标函数的方式实现,即,
对种群中的某一个体进行评估时,对其中每两架飞机使用式(4)进行遍历判断,计算存在的总冲突数,记为m,然后将m作为罚函数值加入目标函数f2(式(3)),如(5)式所示。
其中,i,j∈[1,n],为飞机编号。由上式可知,当个体中冲突越多的时候,目标函数f2的函数值越大,个体质量越差。
第三步,使用NSGA-II算法进行优化;
如图3所示,具体流程为:
(1)初始化种群,随机产生种群规模为N的初始父代种群Pn,并通过遗传算子(交叉、变异)产生子代种群Qn,其子代种群规模也为N。
(2)将父代种群Pn和子代种群Qn合并组成规模为2N的合成种群Rn;进行快速非支配排序,将合成种群Rn中的全部2N个个体按非支配序号(等级)重新分类,得到等级F1,F2,F3…;计算每一非支配层的个体局部拥挤距离并排序。
所述的快速非支配排序具体为:
合成种群中每个个体p都有两个参数np和Sp,其中np为合成种群中支配个体p的个体数目,Sp为合成种群中被p支配的个体的集合。
(a)找到合成种群中np=0的个体,并保存在当前集合F1中。
(b)临时集合H赋空。对于当前集合F1中的每个个体i,考察它所支配的个体集合Si,将Si中每个个体j的nj(上面说合成种群中每个个体p都有两个参数np和Sp,此处nj表示合成种群中支配个体j的个体数目)减去1,若nj-1=0(即个体j只被个体i支配,说明个体j在个体i的下一层),则将个体j放入集合H。
(c)当前集合F1即为第1支配层个体集合,赋予该支配层内个体相同的非支配排序irank。
(d)以临时集合H为当前集合,重复(b)、(c)直至整个合成种群被分级完毕。
所示快速非支配排序过程中,涉及到拥挤度和拥挤度比较算子的计算,其中拥挤度的计算具体为:
(A)拥挤度与聚集距离:
个体i的聚集距离I[i].distance直观上可看为个体i周围包含个体i但不包含其他个体的最小长方形;个体i的拥挤度表征着该个体周围的其他个体的密度;
个体的聚集距离越大,则拥挤度越小;聚集距离越小,则拥挤度越大。
(B)拥挤度计算(设某支配层有s个个体):
对边界点个体,其拥挤度为无穷,即I[s].distance=I[s].distance=∞。
对同一支配层内除边界点的其他个体i,其聚集距离:
其中I[i].distance表示个体i的聚集距离,I[i-1].fk和i[i+1].fk分别表示个体i-1和i+1的目标函数fk的值,fkmax和fkmin分别表示目标函数的最大值和最小值。
其算法步骤如下:
(B1)得出种群非支配集Q的个体个数;
(B2)对非支配集Q内的每个个体的聚集距离赋零值;
(B3)对每个目标函数fk,得到每个个体的函数值,按此给Q内个体排序;得到边界点并给边界点个体的聚集距离赋值无穷大;对其余个体,按:
所述拥挤度比较算子的计算方法如下:
通过快速非支配排序以及拥挤度计算后,每个个体i都有两个属性:非支配序irank和聚集距离I[i].distance。利用这两个属性,可以区分种群内任意两个个体的偏序关系:
定义偏序关系﹤n为:当满足条件irank<jrank或满足{irank=jrank且I[i].distance>I[j].distance},称i﹤nj。即若两个个体非支配排序不同,则取序号较小的个体;如果两个个体在同一级,则取聚集距离大(拥挤度小)的个体。
(3)根据排序结果选取N个个体作为新的父代种群Pn+1。
(4)通过遗传算子(选择、交叉、变异)产生新子代种群Qn+1。
(5)重复(2)至(4)步,直到达到NSGA-II算法设置的最大迭代次数。
Claims (6)
1.一种多目标优化的飞行冲突解脱方法,其特征在于,所述方法包括如下步骤:
第一步,建立飞行冲突探测模型;
假设在同一航路段上,同向行驶的飞机在同一高度层上,反向行驶的飞机在不同的高度层上,将航路模型简化为2D模型;
第二步,建立优化的目标函数和约束条件;
第三步,使用NSGA-II算法优化实现冲突解脱。
2.根据权利要求1所述的一种多目标优化的飞行冲突解脱方法,其特征在于:所述的目标函数和约束条件为:
其中n为飞机总数,i,j为任意存在冲突的两架飞机的序号,m表示所有飞机中存在的总冲突数;当m=0时,即航班之间不存在冲突,令式(3)中f2=0;式(2)表示取所有飞机的延误的平均值f1,即平均延误;式(3)表示对冲突的两架飞机到达交汇航路点时间间隔的平均值f2取最小值;
在4DT多目标冲突解脱中,将消除冲突的工作以约束条件而非目标函数的方式实现,即,
对种群中的某一个体进行评估时,对其中每两架飞机使用式(4)进行遍历判断,计算存在的总冲突数,记为m,然后将m作为罚函数值加入目标函数f2,如(5)式所示:
其中,i,j∈[1,n],为飞机编号。
3.根据权利要求1所述的一种多目标优化的飞行冲突解脱方法,其特征在于:
(1)初始化种群,随机产生种群规模为N的初始父代种群Pn,并通过遗传算子产生子代种群Qn,其子代种群规模也为N;
(2)将父代种群Pn和子代种群Qn合并组成规模为2N的合成种群Rn;进行快速非支配排序,将合成种群Rn中的全部2N个个体按非支配序号重新分类,得到等级F1,F2,F3…;计算每一非支配层的个体局部拥挤距离并排序。
(3)根据排序结果选取N个个体作为新的父代种群Pn+1;
(4)通过遗传算子产生新子代种群Qn+1;
(5)重复(2)至(4)步,直到达到NSGA-II算法设置的最大迭代次数。
4.根据权利要求3所述的一种多目标优化的飞行冲突解脱方法,其特征在于:所述的快速非支配排序具体为:
合成种群中每个个体p都有两个参数np和Sp,其中np为合成种群中支配个体p的个体数目,Sp为合成种群中被p支配的个体的集合;
(a)找到合成种群中np=0的个体,并保存在当前集合F1中;
(b)临时集合H赋空;对于当前集合F1中的每个个体i,考察它所支配的个体集合Si,将Si中每个个体j的nj减去1,若nj-1=0,则将个体j放入集合H;
(c)当前集合F1即为第1支配层个体集合,赋予该支配层内个体相同的非支配排序irank;
(d)以临时集合H为当前集合,重复(b)、(c)直至整个合成种群被分级完毕。
5.根据权利要求3或4所述的一种多目标优化的飞行冲突解脱方法,其特征在于:拥挤度计算具体为:
(A)拥挤度与聚集距离:
个体i的聚集距离I[i].distance直观上看为个体i周围包含个体i但不包含其他个体的最小长方形;个体i的拥挤度表征着该个体周围的其他个体的密度;
个体的聚集距离越大,则拥挤度越小;聚集距离越小,则拥挤度越大;
(B)拥挤度计算,设某支配层有s个个体:
对边界点个体,其拥挤度为无穷,即I[s].distance=I[s].distance=∞;
对同一支配层内除边界点的其他个体i,其聚集距离:
其中I[i].distance表示个体i的聚集距离,I[i-1].fk和i[i+1].fk分别表示个体i-1和i+1的目标函数fk的值,fkmax和fkmin分别表示目标函数的最大值和最小值;
其算法步骤如下:
(B1)得出种群非支配集Q的个体个数;
(B2)对非支配集Q内的每个个体的聚集距离赋零值;
(B3)对每个目标函数fk,得到每个个体的函数值,按此给Q内个体排序;得到边界点并给边界点个体的聚集距离赋值无穷大;对其余个体,按:
6.根据权利要求3或4所述的一种多目标优化的飞行冲突解脱方法,其特征在于:拥挤度比较算子的计算方法如下:
通过快速非支配排序以及拥挤度计算后,每个个体i都有两个属性:非支配序irank和聚集距离I[i].distance,利用这两个属性,区分种群内任意两个个体的偏序关系:
定义偏序关系﹤n为:当满足条件irank<jrank或满足{irank=jrank且I[i].distance>I[j].distance},称i﹤nj;即若两个个体非支配排序不同,则取序号较小的个体;如果两个个体在同一级,则取聚集距离大的个体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310421297.4A CN103489335B (zh) | 2013-09-16 | 2013-09-16 | 一种多目标优化的飞行冲突解脱方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310421297.4A CN103489335B (zh) | 2013-09-16 | 2013-09-16 | 一种多目标优化的飞行冲突解脱方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103489335A true CN103489335A (zh) | 2014-01-01 |
CN103489335B CN103489335B (zh) | 2016-04-06 |
Family
ID=49829527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310421297.4A Active CN103489335B (zh) | 2013-09-16 | 2013-09-16 | 一种多目标优化的飞行冲突解脱方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103489335B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104216416A (zh) * | 2014-08-26 | 2014-12-17 | 北京航空航天大学 | 飞行器冲突解脱方法及设备 |
CN104408975A (zh) * | 2014-10-28 | 2015-03-11 | 北京航空航天大学 | 飞行器冲突解脱方法及装置 |
CN104732106A (zh) * | 2015-04-08 | 2015-06-24 | 中国人民解放军国防科学技术大学 | 考虑不确定因素影响的飞行走廊计算方法 |
CN104729509A (zh) * | 2015-03-24 | 2015-06-24 | 张韧 | 一种基于非支配排序遗传算法ii的航迹规划方法 |
CN105160417A (zh) * | 2015-08-04 | 2015-12-16 | 大连大学 | 基于改进nsga-ii算法的航天器任务规划求解方法 |
CN105469647A (zh) * | 2016-01-29 | 2016-04-06 | 中国电子科技集团公司第二十八研究所 | 一种航路时隙资源协同多目标优化分配方法 |
CN105513429A (zh) * | 2014-09-24 | 2016-04-20 | 北京航空航天大学 | 飞行冲突解脱方法及装置 |
CN106157700A (zh) * | 2015-01-07 | 2016-11-23 | 江苏理工学院 | 基于4d航迹运行的空中交通管制方法 |
CN106295083A (zh) * | 2016-09-29 | 2017-01-04 | 南京航空航天大学 | 一种基于nsga‑ii算法的轮对镟修策略优化方法 |
CN106297414A (zh) * | 2015-06-05 | 2017-01-04 | 北京航空航天大学 | 航班流量的调控方法和装置 |
CN108133623A (zh) * | 2018-01-31 | 2018-06-08 | 中国民航大学 | 一种空中交叉点分级指标建立方法 |
CN108256769A (zh) * | 2018-01-18 | 2018-07-06 | 山东科技大学 | 基于nsga-ii改进的场桥调度方法 |
CN110322733A (zh) * | 2019-06-21 | 2019-10-11 | 中国民航大学 | 一种侧向跑道保护区到达起飞窗建立方法 |
CN114252078A (zh) * | 2022-02-28 | 2022-03-29 | 南京信息工程大学 | 基于改进的Dijkstra算法的飞行器航迹快速规划方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6604044B1 (en) * | 2002-02-14 | 2003-08-05 | The Mitre Corporation | Method for generating conflict resolutions for air traffic control of free flight operations |
JP2009251729A (ja) * | 2008-04-02 | 2009-10-29 | Fuji Heavy Ind Ltd | 航空機の四次元最適経路誘導システム |
CN102509475A (zh) * | 2011-10-26 | 2012-06-20 | 南京航空航天大学 | 基于4d航迹运行的空中交通管制系统及方法 |
CN102509476A (zh) * | 2011-11-01 | 2012-06-20 | 四川川大智胜软件股份有限公司 | 一种短期飞行冲突解脱方法 |
CN102542848A (zh) * | 2011-12-31 | 2012-07-04 | 北京东进记录科技有限公司 | 空中目标短期冲突告警方法及装置 |
CN102831479A (zh) * | 2012-07-29 | 2012-12-19 | 江苏大学 | Nsga-ii多目标优化搜索方法 |
CN102903263A (zh) * | 2012-09-28 | 2013-01-30 | 北京航空航天大学 | 一种基于分组方式的飞行冲突解脱方法及装置 |
-
2013
- 2013-09-16 CN CN201310421297.4A patent/CN103489335B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6604044B1 (en) * | 2002-02-14 | 2003-08-05 | The Mitre Corporation | Method for generating conflict resolutions for air traffic control of free flight operations |
JP2009251729A (ja) * | 2008-04-02 | 2009-10-29 | Fuji Heavy Ind Ltd | 航空機の四次元最適経路誘導システム |
CN102509475A (zh) * | 2011-10-26 | 2012-06-20 | 南京航空航天大学 | 基于4d航迹运行的空中交通管制系统及方法 |
CN102509476A (zh) * | 2011-11-01 | 2012-06-20 | 四川川大智胜软件股份有限公司 | 一种短期飞行冲突解脱方法 |
CN102542848A (zh) * | 2011-12-31 | 2012-07-04 | 北京东进记录科技有限公司 | 空中目标短期冲突告警方法及装置 |
CN102831479A (zh) * | 2012-07-29 | 2012-12-19 | 江苏大学 | Nsga-ii多目标优化搜索方法 |
CN102903263A (zh) * | 2012-09-28 | 2013-01-30 | 北京航空航天大学 | 一种基于分组方式的飞行冲突解脱方法及装置 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104216416A (zh) * | 2014-08-26 | 2014-12-17 | 北京航空航天大学 | 飞行器冲突解脱方法及设备 |
CN104216416B (zh) * | 2014-08-26 | 2017-10-10 | 北京航空航天大学 | 飞行器冲突解脱方法及设备 |
CN105513429A (zh) * | 2014-09-24 | 2016-04-20 | 北京航空航天大学 | 飞行冲突解脱方法及装置 |
CN104408975A (zh) * | 2014-10-28 | 2015-03-11 | 北京航空航天大学 | 飞行器冲突解脱方法及装置 |
CN106157700B (zh) * | 2015-01-07 | 2018-10-09 | 江苏理工学院 | 基于4d航迹运行的空中交通管制方法 |
CN106157700A (zh) * | 2015-01-07 | 2016-11-23 | 江苏理工学院 | 基于4d航迹运行的空中交通管制方法 |
CN104729509B (zh) * | 2015-03-24 | 2017-11-14 | 张韧 | 一种基于非支配排序遗传算法ii的航迹规划方法 |
CN104729509A (zh) * | 2015-03-24 | 2015-06-24 | 张韧 | 一种基于非支配排序遗传算法ii的航迹规划方法 |
CN104732106B (zh) * | 2015-04-08 | 2017-11-28 | 中国人民解放军国防科学技术大学 | 考虑不确定因素影响的飞行走廊计算方法 |
CN104732106A (zh) * | 2015-04-08 | 2015-06-24 | 中国人民解放军国防科学技术大学 | 考虑不确定因素影响的飞行走廊计算方法 |
CN106297414A (zh) * | 2015-06-05 | 2017-01-04 | 北京航空航天大学 | 航班流量的调控方法和装置 |
CN106297414B (zh) * | 2015-06-05 | 2019-03-05 | 北京航空航天大学 | 航班流量的调控方法和装置 |
CN105160417B (zh) * | 2015-08-04 | 2019-05-14 | 大连大学 | 基于改进nsga-ii算法的航天器任务规划求解方法 |
CN105160417A (zh) * | 2015-08-04 | 2015-12-16 | 大连大学 | 基于改进nsga-ii算法的航天器任务规划求解方法 |
CN105469647B (zh) * | 2016-01-29 | 2017-10-17 | 中国电子科技集团公司第二十八研究所 | 一种航路时隙资源协同多目标优化分配方法 |
CN105469647A (zh) * | 2016-01-29 | 2016-04-06 | 中国电子科技集团公司第二十八研究所 | 一种航路时隙资源协同多目标优化分配方法 |
CN106295083A (zh) * | 2016-09-29 | 2017-01-04 | 南京航空航天大学 | 一种基于nsga‑ii算法的轮对镟修策略优化方法 |
CN106295083B (zh) * | 2016-09-29 | 2019-10-11 | 南京航空航天大学 | 一种基于nsga-ii算法的轮对镟修策略优化方法 |
CN108256769A (zh) * | 2018-01-18 | 2018-07-06 | 山东科技大学 | 基于nsga-ii改进的场桥调度方法 |
CN108256769B (zh) * | 2018-01-18 | 2020-03-06 | 山东科技大学 | 基于nsga-ii改进的场桥调度方法 |
CN108133623A (zh) * | 2018-01-31 | 2018-06-08 | 中国民航大学 | 一种空中交叉点分级指标建立方法 |
CN108133623B (zh) * | 2018-01-31 | 2020-09-01 | 中国民航大学 | 一种空中交叉点分级指标建立方法 |
CN110322733A (zh) * | 2019-06-21 | 2019-10-11 | 中国民航大学 | 一种侧向跑道保护区到达起飞窗建立方法 |
CN114252078A (zh) * | 2022-02-28 | 2022-03-29 | 南京信息工程大学 | 基于改进的Dijkstra算法的飞行器航迹快速规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103489335B (zh) | 2016-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103489335B (zh) | 一种多目标优化的飞行冲突解脱方法 | |
CN107679667B (zh) | 一种终端区航线规划优先级分类方法 | |
Patron et al. | Flight trajectories optimization under the influence of winds using genetic algorithms | |
CN103473469B (zh) | 一种基于客观指标的扇区交通态势多层次模糊评价方法 | |
CN104615849B (zh) | 一种适用于通用航空的飞行计划评估系统及实现方法 | |
Ikli et al. | The aircraft runway scheduling problem: A survey | |
CN109448445A (zh) | 基于长短期记忆神经网络的航班延误分级预警方法 | |
CN109542876A (zh) | 基于Hadoop数据挖掘航空器经验轨迹模型关键因子的提取方法 | |
CN108898838A (zh) | 一种基于lstm模型的机场交通拥堵预测方法及装置 | |
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 | |
CN111583724A (zh) | 一种面向四维航迹运行的预战术阶段间隔管理方法 | |
CN105679102A (zh) | 一种全国飞行流量时空分布预测推演系统及方法 | |
CN102243816B (zh) | 一种机场空域最大纵向飞行冲突风险计算方法 | |
Chen et al. | Planning aircraft taxiing trajectories via a multi-ojective immune optimisation | |
CN103164617B (zh) | 一种飞机行为预测系统及预测方法 | |
CN102254453A (zh) | 一种民航多机场终端区空域功能性扇区划分方法 | |
CN112270445B (zh) | 基于统计分析和分类预测的航班延误波及综合评估方法 | |
CN104504198A (zh) | 一种基于双层协同进化的航路网络拓扑设计方法 | |
CN111192481A (zh) | 一种基于碰撞风险的进离场程序无人机管控区边界确定方法 | |
CN114664122A (zh) | 一种考虑高空风不确定性的冲突最小化航迹规划方法 | |
CN111780766A (zh) | 融合动态风险图和改进a*算法的动态改航规划方法 | |
CN106297296A (zh) | 一种基于稀疏轨迹点数据的细粒度旅行时间分配方法 | |
CN114943388A (zh) | 一种机场实时停机位分配方法 | |
CN109445462A (zh) | 一种非确定环境下的无人机鲁棒路径规划方法 | |
CN103489040B (zh) | 一种包含局部搜索的飞行冲突解脱方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20140101 Assignee: Beijing Heng Long Eagle Polytron Technologies Inc Assignor: Beihang University Contract record no.: 2016990000445 Denomination of invention: A kind of Solving Flight Conflicts method of multiple-objection optimization Granted publication date: 20160406 License type: Common License Record date: 20161025 |
|
LICC | Enforcement, change and cancellation of record of contracts on the licence for exploitation of a patent or utility model |