CN104156805B - 一种基于概率分布的航段运行时间计算方法 - Google Patents
一种基于概率分布的航段运行时间计算方法 Download PDFInfo
- Publication number
- CN104156805B CN104156805B CN201410342987.5A CN201410342987A CN104156805B CN 104156805 B CN104156805 B CN 104156805B CN 201410342987 A CN201410342987 A CN 201410342987A CN 104156805 B CN104156805 B CN 104156805B
- Authority
- CN
- China
- Prior art keywords
- leg
- time
- flight
- data
- run
- 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.)
- Expired - Fee Related
Links
- 238000004364 calculation method Methods 0.000 title abstract description 6
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004140 cleaning Methods 0.000 claims abstract description 7
- 230000001788 irregular Effects 0.000 claims abstract description 6
- 238000000205 computational method Methods 0.000 claims description 8
- 230000007812 deficiency Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000008034 disappearance Effects 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 abstract description 3
- 238000003786 synthesis reaction Methods 0.000 abstract description 3
- 238000000638 solvent extraction Methods 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 6
- 238000005457 optimization Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 239000004744 fabric Substances 0.000 description 2
- 230000009194 climbing Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于概率分布的航段运行时间计算方法，步骤包括通过分析空域实际运行情况和机型性能数据，对城市对航段运行过程中运行阶段进行划分和对机型进行分类；对不完整的航班历史运行记录数据和不正常航班的历史运行记录数据清洗；按照运行阶段设定初步样本空间，其中运行阶段中滑出/滑入段再按航站楼位置设定样本空间，运行阶段中飞行段再按机型的巡航速度以及所属航空公司设定样本空间，并在初步样本空间的基础上分析各个运行阶段的运行时间概率分布情况，确定各个运行阶段的有效样本范围；按航站楼计算滑入/滑出阶段运行时间；计算飞行段运行时间；综合滑出、飞行，滑入三个阶段的运行时间得到航段运行综合时间。
Description
技术领域
本发明公开了一种基于概率分布的航段运行时间计算方法，涉及城市对航段运行时间的度量研究领域。
背景技术
航段标准运行时间是飞行计划编排过程中一项重要的参考依据。预先飞行计划编排人员使用航班标准运行时间审查航空公司飞行计划编排中航段衔接是否合理，飞行计划编排是否科学，机场运营是否高效以及安全性是否可靠等。
随着我国国民经济的快速发展，日益增长的航空运输需求与当前预先制定的飞行计划的航段标准运行时间矛盾越加显著。目前，航段运行时间都是由各航空公司在每年两次航班换季前的航班时刻协调过程中提出。各航空公司所提的航段运行时间都是从自身出发，不同航段、不同机型、不同的巡航方式等都会造成航段运行时间的不一致。由于预先飞行计划管理部门缺乏技术手段和数据统计资料，确定班机航段标准运行时间缺乏数据保证，无法均衡各个航空公司的飞行计划编排需求，导致机场时隙资源的浪费以及航班延误的增加。
总体而言，目前关于航段运行时间计算方法研究现状如下：
(1)在依据历史运行数据，基于其概率分布的航段运行时间的研究尚处于空白，对预先航班计划的科学管理缺乏支持；
(2)航段运行时间是由各公司依据各自不同情况给出建议，其标准与出发点不一致，造成其局限性；
(3)某些航段运行时间计算，以航空器性能及航路航线设计，进行仿真计算，评估航段运行时间，为理想的目标时间，未能反映机场、空域当前的保障服务能力，因而对实际运行的指导性降低；
(4)航段运行的滑入段与滑出段的时间采用固定值计算，无法体现实际运行情况。
发明内容
本发明所要解决的技术问题是：针对现有技术的缺陷，进行相应的设计和优化，提供一种基于概率分布的航段运行时间计算方法，通过对航段运行阶段的拆分，设定基于概率分布的样本空间，并根据层次单排序法对各个航空公司权重进行确定，从而计算出综合的航段运行时间，为空域运行于流量管理的战略与预战术阶段提供数据依据。
本发明为解决上述技术问题采用以下技术方案：
一种基于概率分布的航段运行时间计算方法，具体步骤如下：
步骤一、根据空域实际运行情况，将城市对航段的运行过程进行划分；对同一条运行航段上的不同机型，依据各机型性能数据进行分类；
步骤二、对航班的历史运行记录进行数据清洗，数据清洗的内容包括对不完整数据的清洗以及对不正常航班数据的清洗；
步骤三、对航段运行各阶段基于概率分布的样本空间进行设定，具体包括：
(301)航段运行各阶段样本空间初步设定：将运行阶段中滑出/滑入段按照航站楼位置设定样本空间；将运行阶段中飞行段按照机型的巡航速度以及所属航空公司设定样本空间；
(302)基于概率分布对步骤(301)中初步设定的样本空间进行有效样本范围的确定，去除样本中的极端情况和低概率情况，依据航班运行历史数据，分别分析城市对航段滑出、飞行、滑入三个阶段的运行时间概率分布情况，所述时间概率分布情况符合高斯曲线分布特征；
步骤四、计算滑入/滑出段运行时间；
按起飞机场与目的地机场的航站楼区分，基于步骤三中确定的滑出与滑入的有效样本空间，直接求取滑出与滑入时间的平均值；
步骤五、计算飞行段运行时间；
步骤六、综合度量航段运行时间；
根据步骤一中对航段运行过程阶段的划分，分阶段运行时间共同构成了航段综合运行时间，即：综合飞行时间＝滑出段运行时间+飞行段运行时间+滑入段运行时间。
作为本发明的进一步优选方案，所述步骤一中：
城市对航段的运行过程分为三个阶段，时间由撤轮挡开始到加轮挡结束，依次包括滑出段、飞行段和滑入段，其中飞行段具体包括起飞、爬升、巡航、下降、着陆；
所述依据各机型性能数据进行分类，以经济巡航速度为性能参考，具体包括：[0.8M,0.89M]、[0.7M,0.79M]、[0.6M,0.69M]以及其他类型，其中M表示音速。
作为本发明的进一步优选方案，所述步骤二中：
不完整数据包括：实际的撤轮挡时间、起飞时间、落地时间、加轮挡时间缺失的历史运行记录数据；
不正常航班数据包括：
(201)航班计划、领航计划报以及实际运行这三者中，起飞机场不一致或是降落地机场不一致的航班数据；
(202)撤轮挡时间、起飞时间、落地时间、加轮挡时间时序顺序不合理以及数值异常的航班数据。
作为本发明的进一步优选方案，所述步骤(302)具体包括：
基于对航段运行各阶段运行时间高斯分布的特征，确定有效样本范围，所述有效样本范围包括置信区间和置信度；
所述分析各个阶段的时间概率分布情况具体为：根据所设定的样本空间，画出样本的时间概率分布图，其中，横轴为飞行时间，纵轴为样本数据占总数据的比例，依据横轴最短距离包容的原则，按照置信度选取总数据量中的对应数据作为样本的置信区间。
(501)基于步骤三中确定的飞行段的有效样本空间，直接求取航段所含有的各个航空公司的飞行段运行时间平均值；
(502)计算各个航空公司在航段上的权重；
(503)根据(502)中得出的各个航空公司在航段上的权重，计算飞行段运行时间。
作为本发明的进一步优选方案，在所述步骤(502)中，依据该航段上各航空公司历史飞行流量，同时结合该航段上各航空公司飞行时间偏差、延误情况的历史数据，采用层次单排序法计算各个航空公司在该航段上的权重，具体步骤包括：
(5021)建立单排序的层次结构模型；
(5022)构造判断矩阵；
(5023)层次单排序及一致性检验。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：采用本发明所公开的方法制定的航段时间，考虑了地面滑行和飞行阶段的运行特点，避免了传统单一航段运行时间所带来的局限性与公平性，可以客观的反映在当前空域环境和空管保障水平下城市对航班运行的实际情况。将此航段时间应用于飞行计划编排过程中，可作为战略与预战术阶段的一项重要的参考依据，使飞行计划编排中的航段衔接更加合理，减少机场时隙资源浪费。同时，有助于解决各航空公司在航班时刻协调过程中存在的差异性，平衡各个航空公司的飞行计划编排需求。
附图说明
图1为本发明的核心流程图；
图2为航段运行各阶段基于概率分布的样本空间设定的流程图；
图3为广州至北京飞行时间的高斯分布图；
图4为基于概率分布设定有效样本范围的示例图；
图5为使用层次单排序法计算飞行段时间的流程图；
图6为使用层次单排序法建立的层次结构模型。
具体实施方式
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
图1为本发明技术方案的核心流程图，所述基于概率分布特性的航段运行时间计算方法具体实施步骤如下：
步骤一：城市对航段运行过程阶段划分及对机型分类。
(101)城市对航段是由具有一定商业载量的航空器在两个城市间从事定期运输服务而形成的航空运输线，根据空域实际运行情况，对城市对航段运行阶段(以下简称运行阶段)进行定义，运行阶段指从撤轮挡开始，到加轮挡结束，依次包括滑出、起飞、爬升、巡航、下降、着陆、滑入七个阶段，其中起飞、爬升、巡航、下降、着陆定义为飞行段，即运行阶段可分三个阶段：滑出段、飞行段、滑入段；
(102)机型速度分类：同一条运行航段上，不同机型对航段运行时间的影响主要由其速度所决定，而不同机型的速度的差别主要体现在航路巡航阶段，因此依据各机型性能数据，按照机型飞行正常巡航马赫数对机型进行分类，依次分为：[0.8M,0.89M]、[0.7M,0.79M]、[0.6M,0.69M]、及其他类型。
步骤二：航班的历史运行记录数据清洗。
(201)对不完整数据的清洗：对实际的撤轮挡时间、起飞时间、落地时间、加轮挡时间缺失的历史运行记录数据进行去除；
(202)对不正常航班数据的清洗：
对航班计划、FPL报(领航计划报)以及实际运行三者中的起飞机场不一致或是降落地机场不一致的航班数据应进行去除。
对撤轮挡时间、起飞时间、落地时间、加轮挡时间时序顺序不合理以及数值异常等的航班数据应进行去除。
步骤三：航段运行各阶段基于概率分布的样本空间设定，其流程图如图2所示。
(301)航段运行各阶段样本空间初步设定：即按照运行阶段设定样本空间，其中运行阶段中滑出/滑入段再按航站楼位置设定样本空间，运行阶段中飞行段再按机型的巡航速度以及所属航空公司设定样本空间。
其中飞机的滑出段、飞行段、滑入段的运行时间计算规则如下：
滑出段：
T滑出＝t起飞-t撤轮挡，其中T滑出:滑出时间，t起飞:起飞的时刻，t撤轮挡:撤轮挡的时刻
飞行段：
T飞行＝t落地-t起飞，其中T飞行:飞行时间，t落地:落地的时刻，t起飞:起飞的时刻
滑入段：
T滑入＝t加轮挡-t落地，其中T滑入:滑入时间，t加轮挡:加轮挡的时刻，t落地:落地的时刻
如：机场A(1号航站楼)—>机场B(2号航站楼)的部分初始样本为：
N＞0,且N为机场A的1号航站楼的航季滑出总架次；
M＞0，且M为该航季国航中为机型为[0.8M,0.89M]从机场A(1号航站楼)→机场B(2号航站楼)的飞行总架次；
L＞0,且L为机场B的2号航站楼的航季滑入总架次；
(302)基于概率分布对(1)中的初步样本空间设定有效样本范围：依据2009-2013年度航班运行历史数据，分别分析城市对航段滑出、飞行、滑入三个阶段的运行时间概率分布情况，符合高斯曲线分布特征，如图3所示的广州至北京飞行时间。由于航班各阶段运行受一些特殊气象环境、管制因素等情况影响，需要保证样本的有效性和一般性，需去除极端情况和低概率情况，因此根据(1)中的初步样本空间的分布情况确定有效样本的置信度与置信区间。
如，2012冬春，北京—>上海，飞行段，[0.8M,0.89M]，国航，样本设定范围基于的置信度为60％，即根据所设定的样本空间，画出其样本的时间概率分布图，横轴为飞行时间，纵轴为所占总数据的比例，依据横轴最短距离包容的原则选取占总数据量60％的数据作为样本的范围(置信区间)，如图4所示。
如：(301)中机场A(1号航站楼)—>机场B(2号航站楼)的部分有效样本为：
0<n＜N,且n为机场A的1号航站楼的有效样本中航季滑出总架次；
0<m＜M,且为该航季国航中机型为[0.8M,0.89M]从机场A(1号航站楼)→机场B(2号航站楼)的有效样本中飞行总架次；
0<l＜L,且l为机场B的2号航站楼的有效样本中航季滑入总架次。
步骤四：滑入/滑出段运行时间的计算。
由于航段时间用于战略与预战术阶段的数据支持，不需要过分精确不考虑机型，因此不考虑具体机位，不考虑航空公司，只需按机场航站楼区分计算。
基于步骤三中确定的滑出与滑入的有效样本空间，直接求取滑出与滑入时间的平均值：
如：机场A(1号航站楼)—>机场B(2号航站楼)。
n为该有效样本空间的总滑出架次，为第i架实际滑出时间；l为该有效样本空间的总滑入架次，为第i架实际滑入时间；
步骤五：飞行段运行时间的计算。
在最终的有效样本内，飞行段的运行时间首先按照不同航空公司进行计算，因此得到各个航空公司在该航段上的运行时间。考虑到公平性与激励性，在计算飞行段综合运行时间时，可对各个航空公司引入较为客观的权重。但由于在实际运行过程中，影响航空公司飞行时间的影响因素较为复杂，工作量非常大，且航段运行时间主要用于战略与预战术阶段管理的数据支持，不需要过分精确，因此引入较为准确简便的层次单排序法来确定各个航空公司在该航段上的权重。图5为步骤五的流程图，即使用层次单排序法进行权重的确定，进而计算飞行段运行时间。
(501)求取各个航空公司的飞行段运行时间：
基于步骤三中确定的飞行段的有效样本空间，直接求取该城市对航段所含有的各个航空公司的飞行段运行时间平均值；如：
其中m为该有效样本空间的总飞行架次，为该样本第i架实际飞行段运行时间；
(502)建立单排序的层次结构模型：
图6为所建立单排序的层次结构模型，分为目标层和准则层。
目标层为A：城市对航段综合运行时间；
准则层A1,A2,…,An：各个航空公司的航段运行时间。
(503)构造判断(成对比较)矩阵：
在比较时，设定5个比较等级：相同、稍强、强、明显强、绝对强。如下表用1—9尺度来定量化。
专家基于上述表格中的判断尺度，主要依据该航段上各航空公司历史飞行流量，并同时参考该航段上各航空公司飞行时间偏差、延误情况等的历史数据分析进行打分，建立元素A1,A2,…,An的n阶判断矩阵：
(aij表示Ai与Aj的影响)
(504)层次单排序及一致性检验：
计算判断矩阵A的特征值(选取最大的一个特征值)，并得出其对应的特征向量。
|λE-A|＝0
在上式中求出λ的值中，选取最大的一个值λmax，并根据：
AX＝λmaxX
求出其特征向量X＝(x1,x2,…,xn)T。
判断矩阵的平均随机一致性指标RI的值。对于2、3、4、5、6、7、8、9阶矩阵，RI的值分别为0.00、0.58、0.90、1.12、1.24、1.32、1.41、1.45。
计算一致性指标其中为λmax判断矩阵的最大特征根，n为矩阵的阶数。
如果CR＜0.1，则接受判断矩阵的一致性。将X＝(x1,x2,…,xn)T归一化为W＝(w1,w2,…,wn)T，可作为这n个元素中的权重。
(505)基于(4)中层次单排序法确定的各个航空公司的权重，计算飞行段运行时间：
其中Ti表示第i个航空公司的飞行段运行时间，wi表示第i个航空公司的权重。
步骤六：航段运行时间综合度量。
根据步骤一中对航段运行过程阶段的划分，各个分阶段运行时间共同构成了航段综合运行时间。即：综合飞行时间＝滑出段运行时间+飞行段运行时间+滑入段运行时间。
如：城市对航段：国航，[0.8M,0.89M]，机场A(含有3个航站楼)—>机场B(含有两个航站楼)，如下表所示：
综上所述，采用本方法制定的航段时间，考虑了地面滑行和飞行阶段的运行特点，避免了传统单一航段运行时间所带来的局限性与公平性，可以客观的反映在当前空域环境和空管保障水平下城市对航班运行的实际情况。将此航段时间应用于飞行计划编排过程中，可作为战略与预战术阶段的一项重要的参考依据，使飞行计划编排中的航段衔接更加合理，减少机场时隙资源浪费。同时，有助于解决各航空公司在航班时刻协调过程中存在的差异性，平衡各个航空公司的飞行计划编排需求。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (4)
1.一种基于概率分布的航段运行时间计算方法，其特征在于，具体步骤如下：
步骤一、根据空域实际运行情况，将城市对航段的运行过程进行划分；对同一条运行航段上的不同机型，依据各机型性能数据进行分类；
步骤二、对航班的历史运行记录进行数据清洗，数据清洗的内容包括对不完整数据的清洗以及对不正常航班数据的清洗；
步骤三、对航段运行各阶段基于概率分布的样本空间进行设定，具体包括：
(301)航段运行各阶段样本空间初步设定：将运行阶段中滑出/滑入段按照航站楼位置设定样本空间；将运行阶段中飞行段按照机型的巡航速度以及所属航空公司设定样本空间；
(302)基于概率分布对步骤(301)中初步设定的样本空间进行有效样本范围的确定，去除样本中的极端情况和低概率情况，依据航班运行历史数据，分别分析城市对航段滑出、飞行、滑入三个阶段的运行时间概率分布情况；
步骤四、计算滑入/滑出段运行时间；
按起飞机场与目的地机场的航站楼区分，基于步骤三中确定的滑出与滑入的有效样本空间，直接求取滑出与滑入时间的平均值；
步骤五、计算飞行段运行时间；具体包括：
(501)基于步骤三中确定的飞行段的有效样本范围，直接求取航段所含有的各个航空公司的飞行段运行时间平均值；
(502)计算各个航空公司在航段上的权重，具体为：依据该航段上各航空公司历史飞行流量，同时结合该航段上各航空公司飞行时间偏差、延误情况的历史数据，采用层次单排序法计算各个航空公司在该航段上的权重，具体步骤包括：
(5021)建立单排序的层次结构模型；
(5022)构造判断矩阵；
(5023)层次单排序及一致性检验；
(503)根据(502)中得出的各个航空公司在航段上的权重，计算飞行段运行时间；
步骤六、综合度量航段运行时间；
根据步骤一中对航段运行过程阶段的划分，将各阶段运行时间之和作为航段综合运行时间，即：综合飞行时间＝滑出段运行时间+飞行段运行时间+滑入段运 行时间。
2.如权利要求1所述的一种基于概率分布的航段运行时间计算方法，其特征在于，所述步骤一中：
城市对航段的运行过程分为三个阶段，时间从撤轮挡开始到加轮挡结束，依次包括滑出段、飞行段和滑入段，其中飞行段具体包括起飞、爬升、巡航、下降、着陆；
所述依据各机型性能数据进行分类，以经济巡航速度为性能参考，具体包括：[0.8M,0.89M]、[0.7M,0.79M]、[0.6M,0.69M]，其中，M表示音速。
3.如权利要求1所述的一种基于概率分布的航段运行时间计算方法，其特征在于：所述步骤二中：
不完整数据包括：实际的撤轮挡时间、起飞时间、落地时间、加轮挡时间缺失的历史运行记录数据；
不正常航班数据包括：
(201)航班计划、领航计划报以及实际运行这三者中，起飞机场不一致或是降落地机场不一致的航班数据；
(202)撤轮挡时间、起飞时间、落地时间、加轮挡时间时序顺序不合理以及数值异常的航班数据。
4.如权利要求1所述的一种基于概率分布的航段运行时间计算方法，其特征在于，所述步骤(302)具体包括：
基于对航段运行各阶段运行时间高斯分布的特征，确定有效样本范围，所述有效样本范围包括置信区间和置信度；
所述分析各个阶段的时间概率分布情况具体为：根据所设定的样本空间，画出样本的时间概率分布图，其中，横轴为飞行时间，纵轴为样本数据占总数据的比例，依据横轴最短距离包容的原则，按照置信度选取总数据量中的对应数据作为样本的置信区间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410342987.5A CN104156805B (zh) | 2014-07-17 | 2014-07-17 | 一种基于概率分布的航段运行时间计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410342987.5A CN104156805B (zh) | 2014-07-17 | 2014-07-17 | 一种基于概率分布的航段运行时间计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104156805A CN104156805A (zh) | 2014-11-19 |
| CN104156805B true CN104156805B (zh) | 2017-04-19 |
Family
ID=51882300
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410342987.5A Expired - Fee Related CN104156805B (zh) | 2014-07-17 | 2014-07-17 | 一种基于概率分布的航段运行时间计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104156805B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104751681B (zh) * | 2015-03-09 | 2017-05-03 | 西安理工大学 | 一种基于统计学习模型的停机位分配方法 |
| US20160335584A1 (en) * | 2015-05-14 | 2016-11-17 | The Boeing Company | Crew pairing reliability analyzer |
| CN105184729A (zh) * | 2015-09-18 | 2015-12-23 | 黑龙江大学 | 基于概率论的飞机调度模块及方法 |
| CN106911363A (zh) * | 2017-03-16 | 2017-06-30 | 姬雨初 | 一种飞机轮挡计时监测装置 |
| CN107944625B (zh) * | 2017-11-23 | 2021-09-07 | 南京航空航天大学 | 基于历史运行数据驱动的单机场航班换季时隙优化方法 |
| CN109615937A (zh) * | 2019-01-18 | 2019-04-12 | 南京航空航天大学 | 航段运行时间优化计算装置 |
| CN110084516B (zh) * | 2019-04-28 | 2020-10-13 | 南京航空航天大学 | 一种民航航段运行时间标准修订方法 |
-
2014
- 2014-07-17 CN CN201410342987.5A patent/CN104156805B/zh not_active Expired - Fee Related
Non-Patent Citations (3)
| Title |
|---|
| 空中交通网络流量短期概率预测方法;别翌荟 等;《航空计算技术》;20130325;第43卷(第2期);第29-32页 * |
| 航班机组排班算法及应用技术研究;赵焕省;《中国优秀硕士学位论文全文数据库经济与管理科学辑》;20080115;第45-52页 * |
| 航空公司航班运行调度模型与算法研究;周琨;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20140715;第21-44页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104156805A (zh) | 2014-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104156805B (zh) | 一种基于概率分布的航段运行时间计算方法 | |
| US11195421B2 (en) | Aircraft fuel optimization analytics | |
| Seymour et al. | Fuel Estimation in Air Transportation: Modeling global fuel consumption for commercial aviation | |
| Turgut et al. | Fuel flow analysis for the cruise phase of commercial aircraft on domestic routes | |
| CN106682812B (zh) | 综合运输体系客运方式分担率-距离转移曲线确定方法 | |
| CN103489335A (zh) | 一种多目标优化的飞行冲突解脱方法 | |
| 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 | |
| CN101694752A (zh) | 空域运行仿真中冲突的自动检测和调解系统及方法 | |
| Denery et al. | The center-tracon automation system: Simulation and field testing | |
| CN105303896A (zh) | 航班预计到达时间精确预估方法 | |
| CN106651728A (zh) | 一种综合运输体系客运方式优势运距的确定方法 | |
| Achenbach et al. | Prescriptive analytics in airline operations: Arrival time prediction and cost index optimization for short-haul flights | |
| Bosson et al. | Optimizing integrated arrival, departure and surface operations under uncertainty | |
| CN107067823A (zh) | 一种近距平行跑道容量的计算方法和装置 | |
| CN111581780A (zh) | 复杂空域场景下机场群空域仿真建模与验证方法及装置 | |
| Alexandre et al. | An innovative approach for integrated airline network and aircraft family optimization | |
| Gunnam et al. | Computer Simulation Model to Measure Benefits of North Atlantic Data link Mandates and Reduced Separation Minima | |
| Kühlen et al. | An explanatory approach to modeling the fleet assignment in the global air transportation system | |
| Khadilkar | Analysis and modeling of airport surface operations | |
| CN114491317B (zh) | 飞机集中除冰作业方法、系统、存储介质及计算机设备 | |
| Fregnani et al. | An innovative approach for integrated airline network and aircraft family optimization | |
| CN113011640B (zh) | 一种快速核算航空二氧化碳排放量的方法及其系统 | |
| CN115564188A (zh) | 一种航班计划鲁棒性评价系统及方法 | |
| Chandra et al. | Establishing a benchmark of fuel efficiency for commercial airline operations | |
| Fregnani et al. | Multidisciplinary and multi-objective optimization considering aircraft program cost and airline network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170419 Termination date: 20210717 |