CN106295872A - 基于最大中转机会的机场航班波的数据处理方法及装置 - Google Patents
基于最大中转机会的机场航班波的数据处理方法及装置 Download PDFInfo
- Publication number
- CN106295872A CN106295872A CN201610642419.6A CN201610642419A CN106295872A CN 106295872 A CN106295872 A CN 106295872A CN 201610642419 A CN201610642419 A CN 201610642419A CN 106295872 A CN106295872 A CN 106295872A
- Authority
- CN
- China
- Prior art keywords
- flight
- ripple
- function
- transfer machine
- approaches
- 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
- 238000012546 transfer Methods 0.000 title claims abstract description 92
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000013459 approach Methods 0.000 claims abstract description 80
- 230000010006 flight Effects 0.000 claims abstract description 39
- 230000008859 change Effects 0.000 claims abstract description 37
- 238000013139 quantization Methods 0.000 claims abstract description 23
- 238000005457 optimization Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000036962 time dependent Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 24
- 230000010354 integration Effects 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000013386 optimize process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000005428 wave function Effects 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 125000002950 monocyclic group Chemical group 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (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
本发明提供了一种基于最大中转机会的枢纽机场航班波的数据处理方法及装置。所述的方法包括:每隔预定时间间隔统计初始段进港航班总量随时间变化的离散数据,并将离散数据拟合为初始进港航班量化函数;根据初始进港航班量化函数确定初始进港航班量变化率函数;根据初始进港航班量变化率函数确定基于中转机会最大的机场进出港航班波离散函数模型;根据基于中转机会最大的机场进出港航班波离散函数模型优化航班波。本发明利用三阶递增最小二乘拟合方法得到初始进港航班量变化函数,搭建基于最大中转机会的单一枢纽机场航班波优化模型,并通过该模型对机场航班波进行优化处理,从而提高旅客中转机会。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种基于最大中转机会的机场航班波的数据处理方法及装置。
背景技术
枢纽机场的定义是国内或国际航班占比大于85%的机场,枢纽机场的中转比例是衡量枢纽效益的重要指标。目前研究提高中转比例问题,主要有三种思路:中转流程优化、中转资源分配优化和航班波(Flight Wave)构建优化。其中,航班波可直接作用于航班时刻,对增加中转机会,提高中转效率具有明显效果。因此,国内外学者针对航班波构建展开了积极研究,相应的解决方案主要包括:以航空公司利润最大化为目标的复合枢纽机场航班波禁忌搜索构建方法;以飞机利用率和飞行成本为多目标优化目标设计了航空公司航班波模型;从航空公司角度将理想单一枢纽航班波优化为理想复合枢纽航班波模型,并指出连接航班数是建立航班波的重要评价标准;指出旅客对中转时间长短敏感,故认为航空公司应将航班集中在航班波内,并以旅客等待时间最小为目标进行航班波测评;以及以中转时间最短和航班连接数最高的航空公司框架航班波构建方法等。
但是,现有的对航班波的研究主要从航空公司利润最大化等角度展开优化,缺少以机场视角研究全局优化航班间衔接以及最大化中转机会等。少量面向机场中转问题的航班波方案都停留在理论层面的定性分析,所建模型忽略了机场实际运行条件如停机位和跑道容量等核心资源的限制,未形成实用的量化指标和评价模型。
发明内容
针对现有技术中的缺陷,本发明提供一种基于最大中转机会的机场航班波的数据处理方法及装置,以解决无法根据机场实际运行条件,以最大中转机会为评价参数优化航班波的问题。
一种基于最大中转机会的机场航班波的数据处理方法,包括:
每隔预定时间间隔统计初始段进港航班总量随时间变化的离散数据,并将所述离散数据拟合为初始进港航班量化函数;
根据所述初始进港航班量化函数确定初始进港航班量变化率函数;
根据所述初始进港航班量变化率函数确定基于中转机会最大的机场进出港航班波离散函数模型;
根据所述基于中转机会最大的机场进出港航班波离散函数模型优化航班波。
一种基于最大中转机会的机场航班波的数据处理装置,包括:
第一数据处理模块,用于每隔预定时间间隔统计初始段进港航班总量随时间变化的离散数据,并将所述离散数据拟合为初始进港航班量化函数;
第二数据处理模块,用于根据所述初始进港航班量化函数确定初始进港航班量变化率函数;
第三数据处理模块,用于根据所述初始进港航班量变化率函数确定基于中转机会最大的机场进出港航班波离散函数模型;
航班波优化模块,用于根据所述基于中转机会最大的机场进出港航班波离散函数模型优化航班波。
由上述技术方案可知,本发明提供的基于最大中转机会的枢纽机场航班波的数据处理方法及装置根据枢纽机场航班波理想模型分析并结合单一枢纽机场进出港航班波周期性和初始进港航班量递增等特点,利用三阶递增最小二乘拟合方法得到初始进港航班量变化函数,进而搭建基于最大中转机会的单一枢纽机场航班波优化模型,从而对航班波进行优化,从而提高国内国际旅客的中转机会。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1示出了本发明提出的基于最大中转机会的枢纽机场航班波的数据处理方法的流程图;
图2示出了本发明提出的理想航班波模型示意图;
图3示出了本发明提出的基于最大中转机会的机场理想航班波改进模型示意图;
图4a至图4d分别示出了本发明提出的4个单一枢纽机场的预定时段的原始航班波形示意图;
图5示出了本发明提出的本发明提出的单一枢纽机场模糊航班波波形示意图;
图6示出了本发明提出的本发明提出的某国内机场的原始航班波波形示意图;
图7示出了本发明提出的本发明提出的该机场初始进港航班总量变化函数示意图,其中的横坐标表示时间,纵坐标表示进港航班总量;
图8示出了本发明提出的本发明提出的该机场优化后的航班波示意图;
图9示出了本发明提出的本发明提出的某国际机场的原始航班波波形示意图;
图10示出了本发明提出的本发明提出的该机场的初始进港航班总量变化函数,其中的横坐标表示时间,纵坐标表示进港航班总量;
图11示出了本发明提出的本发明提出的该机场优化后的航班波示意图;
图12示出了本发明提出的基于最大中转机会的枢纽机场航班波的数据处理的结构图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
在本领域的现有技术中,航班波的研究主要从航空公司利润最大化等角度展开优化,缺少以机场视角研究全局优化航班间衔接以及最大化中转机会等。少量面向机场中转问题的航班波方案都停留在理论层面的定性分析,所建模型忽略了机场实际运行条件如停机位和跑道容量等核心资源的限制,未形成实用的量化指标和评价模型。因此,本具体实施方式从枢纽机场航班波理想模型分析入手,结合单一枢纽机场进出港航班波周期性和初始进港航班量递增等特点,利用三阶递增最小二乘拟合方法得到初始进港航班量变化函数,进而搭建基于最大中转机会的单一枢纽机场航班波优化(Single-hub-airport FlightWave Optimization Based on the Maximum Transfer Opportunity,SFWO)模型。
为此,本申请的申请人提出一种基于最大中转机会的枢纽机场航班波的数据处理方法,结合图1所示,包括:
步骤S11,每隔预定时间间隔统计初始段进港航班总量随时间变化的离散数据,并将离散数据拟合为初始进港航班量化函数。
可选的,初始进港航班量化函数通过以下计算式确定:
G(t)=c1+c2t+c3t2+c4t3
其中,G(t)表示初始进港航班量化函数,t表示中转时间,c1、c2、c3和c4分别表示待定系数。
在一可选实施例中,待定系数可通过以下计算式确定:
其中,R2表示所述待定系数的偏差平方,m表示所述初始时间段内进港航班总量的离散数据。
步骤S12,根据初始进港航班量化函数确定初始进港航班量变化率函数。
可选的,初始进港航班量变化率函数的积分离散化函数通过以下计算式确定:
其中,0<t<Tw。
步骤S13,根据初始进港航班量变化率函数确定基于中转机会最大的机场进出港航班波离散函数模型。
其中,基于中转机会最大的机场进出港航班波离散函数模型通过以下计算式确定:
其中,Qmin≤g(t)-a≤Qmax,Qmin≤g(t)+a≤Qmax,n≥0且为整数。
步骤S14,根据基于中转机会最大的机场进出港航班波离散函数模型优化航班波。
其中,根据基于中转机会最大的机场进出港航班波离散函数模型,可优化任意时段的航班波。
采用本实施例提出的基于最大中转机会的枢纽机场航班波的数据处理方法及装置根据枢纽机场航班波理想模型分析并结合单一枢纽机场进出港航班波周期性和初始进港航班量递增等特点,利用三阶递增最小二乘拟合方法得到初始进港航班量变化函数,进而搭建基于最大中转机会的单一枢纽机场航班波优化模型,并通过该模型结合实时数据对机场航班波进行优化处理,从而提高国内国际旅客的中转机会。
下面通过具体的实施例对本发明提出的基于最大中转机会的枢纽机场航班波的数据处理方法进行详细说明。
理想航班波是将进出港航班分离,进而从时间上将进出港航班有效衔接起来,其函数可表示为:
其中,f(t)表示航班波函数,A(t)和D(t)分别表示进出港航班波函数,设A(t)和D(t)为时间t的任意近似连续函数,t1、t2和T为时间节点,T为航班波周期。
为量化航班波对中转的影响,引入中转机会函数:
其中,N(t)表示t时刻的中转机会,tx表示任意t时刻航班衔接时间,即旅客转机时间,Tw表示旅客可接受中转最长等待时间。
在理想航班波中,认为旅客不计等待时间,使且航班衔接时间,则周期内理想航班波的总中转机会可表示为:
为使N(T)最大,应满足所有进港航班能连接到所有出港航班,且使周期T最短,即进港波与出港波的间隔时间应等于MCT:
t2-t1=MCT (4)
设A(t)和D(t)以每15分钟K个航班进出港,其理想航班波模型如图2所示,其中横轴t表示时间,纵轴G表示航班量。
机场实际运行受2个主要因素限制:(1)停机位总量P限制,机场在单位时间内仅接收不超过机场停机位数量的飞机;(2)跑道容量Q(Q表示机场跑道每15分钟可接受的航班起降架次)有限。因此,假设机场有N个航班在本机场中转,其理想航班波改进函数为:
其中,且为整数。
由式(5)可知,机场航班波改进函数变为周期性函数,计算其单周期的中转机会为P2,则机场一天中的总中转机会为:
由此可知基于机场停机位数量和跑道容量约束的机场最大中转机会理想航班波改进模型如图3所示。
枢纽机场作为运输企业,不仅受到停机位和跑道容量的限制;为充分利用机场资源,机场不存在真空MCT时间;同时空管对每个机场开放的空域容量是有限的,就导致机场跑道进出港量Q符合一定的线性关系,即:
A(t)=Q-D(t) (6)
其中,Qmin≤A(t)≤Qmax,Qmin≤D(t)≤Qmax,Qmax为跑道最大进出港量,Qmin为跑道最小进出港量。
单一枢纽机场作为枢纽机场的一类,受业务流程影响存在两个明显特点:进出港航班波周期性和初始进港航班量递增性。
由中转航班规律可知,中转航班在单一枢纽机场进港后,会在一段时间后(一般为机场最短中转时间MCT与缓冲时间tb之和,设为tw)出港离开。由此可知进港航班波函数与出港航班波函数关系为:
A(t)=D(t+tw) (7)
将式(6)和(7)结合可得单一枢纽机场航班波函数表:
由上述的单一枢纽机场航班波函数表可知,机场进出港航班波函数是2tw为周期的周期性函数,且进出港航班波函数具有以tw为周期的对应相等关系。
从预定的四个典型单一枢纽机场统计的预定时段的进出港航班量如图4a至图4d所示,最短中转时间一般为45分钟,缓冲时间为15分钟,则tw为60分钟。结合图4a至图4d可知,单一枢纽机场在进港航班量初始tw时间段内呈现递增变化的特点。
由单一枢纽机场进出港航班波周期性和初始进港航班量递增的特点可知,单一枢纽机场进港航班波应是以为周期的先递增后递减函数,出港航班波则反之,则单一枢纽机场模糊航班波波形如图5所示。
单一枢纽机场初始时间段tw进港航班量变化受基础设施条件等多种因素影响,且机场航班计划一般以5分钟为时间间隔进行编排,就导致机场初始进港航班量是随时间变化的离散变量,因此,本实施例采用三阶递增最小二乘拟合法得到初始进港航班量变化函数g(t),为SFWO模型建立奠定基础。
每5分钟统计初始段tw进港航班总量随时间变化的离散数据设为G``(t),采用三阶递增多项式拟合该函数为:
G(t)=c1+c2t+c3t2+c4t3 (8)
其中,G(t)表示初始进港航班量化函数,t表示中转时间,c1、c2、c3和c4分别表示待定系数。
在一可选实施例中,待定系数可通过以下计算式确定:
其中,R2表示所述待定系数的偏差平方,m表示tw时间段内进港航班总量的离散数据量。
为求得符合条件的c值,对上式右边进行ci求偏导数,并且为0,整理后化成矩阵可得:
将式(10)化简可得:
求解式(11)即可求出系数c1~c4,并得到G(t)。
根据微积分学原理,对G(t)求导,可得初始进港航班量变化率函数G`(t),然后以机场构建航班波时间间隔tc将连续函数G`(t)积分离散化,即:
其中,0<t<Tw。
由单一枢纽机场航班波周期性特点可知,机场单周期2tw内的中转机会最大,即可达到整个机场中转机会最大的目的。将g(t)加入变量a,则单周期航班波变量函数为:
其中,Qmin≤g(t)-a≤Qmax,Qmin≤g(t)+a≤Qmax,n≥0且为整数。
单个周期内的中转机会公式为:
求解式(14),得到关于变量a的二次函数,解其最优a值,代入式(13)中,结合单一枢纽机场航班波周期性特点,则得到基于中转机会最大的机场进出港航班波离散函数模型。
下面以某空域变化较平稳的某单一中转机场的进出港作为实验数据进行仿真,以验证SFWO模型的有效性。
根据该机场计划进出港信息,分别将该机场7天的进出港数据以构建国内航班波时间15分钟为间隔统计,为消除机场个别天中的随机航班,将7天的数据进行平均,得到该机场7天平均进出港航班波波形,如图6所示。
在单一枢纽机场中,对过夜航班、长时间停留航班等单方向进出的情况不予考虑其航班波的建设,因此本实施例选择8:30—23:15为优化航班波时间段。而该机场作为国内航空枢纽机场,最短中转时间为45分钟,航空公司给国内中转机场的缓冲时间一般为15分钟,所以,航班在该机场中转时间约为60分钟,综合考虑,设国内中转最长等待时间为90分钟,故结合式(3)可计算出该机场8:30—23:15的总中转机会为:6640。
首先,确定该机场初始进港航班量变化率函数。
对该机场初始60分钟时间段与进港航班总量关系函数进行拟合,如图7所示,拟合获得的函数为:
G(t)=-0.0001824x3+0.01751x2-0.09169x+1.103 (15)
对式(15)求导,获得该机场初始进港航班量变化率函数:
G`(t)=-0.0005472x2+0.0350x-0.0917 (16)
其次,确定该机场最优航班波。
该机场跑道容量Q取其航班波8:30—23:15的平均值为11。则由式(12)和式(13)可计算单周期内的该机场航班波变量函数为:
由式(14)可得,单周期内该机场的中转机会为:
N(120)=8a2-16a+998 (17)
因此,式(17)在(-∞,1)和(1,+∞)区间内递增,而该机场在跑道容量为11时,其Qmax和Qmin分别为9和2;则a的取值范围为[0,3],故a取值为3时单周期内中转机会最大,计算优化航班波后的该机场8:30—23:15时间段内的中转机会为7159。对比该机场原始航班波可知,中转机会增加519个,百分比增长7.82%。优化后的该机场航班波如图8所示:
另外,本实施例还可以某国际中转机场为例进行实验分析,并选择该机场一个7天的典型工作日的进出港作为实验数据进行仿真,进一步验证SFWO模型的有效性,以进一步验证SFWO模型的有效性。
根据该机场计划进出港信息,分别将该机场一个7天的进出港数据以构建国际航班波时间30分钟为间隔统计、平均,得到该机场7天平均进出港航班波波形如图9所示。
该机场在每天的13:00—19:00之间国际中转航班较少且航班量也相对不多,因此本实施例选择19:00—次日13:00为优化航班波时间段。其最短中转时间为120分钟,航空公司给的中转缓冲时间一般为30分钟,所以,航班在该机场中转时间为150分钟,综合考虑,设国际中转最长等待时间为240分钟,结合式(3)可计算出该机场一天中的总中转机会为:40415。
首先,确定该机场初始进港航班量变化率函数。
对该机场初始150分钟时间段与进港航班总量的关系函数进行拟合,如图10所示,其拟合函数为:
G(t)=0.0000069x3-0.003259x2+0.9453x-0.7312 (18)
对式(18)求导,得到该机场进港航班量变化率函数:
G`(t)=0.0000207x2-0.0065x+0.9453 (19)
其次,确定该机场最优航班波。
该场跑道容量2Q取其航班波19:00—次日13:00的平均值为30。则由式(12)和式(13)可计算单周期内的该机场进出港航班变量函数为:
由式(14)可得,单周期内的中转机会为:
N(300)=24a2+124a+9638 (20)
因此,式(20)在(-∞,2.6)和(2.6,+∞)区间内递增,而该机场在跑道容量为30时,其Qmax和Qmin分别为27和3;则a的取值范围为[-10,2],故a取值为-10时单周期内中转机会最大,计算优化航班波后的该机场一天中的中转机会为41866。对比该机场原始航班波可知,中转机会增加1451个,百分比增长3.60%,优化后的该机场航班波如图11所示。
航班波的研究多是从航空公司利润最大化等角度展开优化,缺少以机场视角研究全局优化航班间衔接以及最大化中转机会等。因此,本文以枢纽机场航班波理想模型为基础,结合单一枢纽机场进出港航班波周期性和初始进出港航班量递增等特点,利用三阶递增最小二乘拟合法得到初始进港航班量变化函数,进而搭建出SFWO模型,试验结果表明,SFWO模型能提高国内单一枢纽机场7.82%旅客中转机会,对国际单一枢纽机场的中转机会也有3.20%提升。
本发明的具体实施方式还提出了一种基于最大中转机会的枢纽机场航班波的数据处理装置,如图12所示,包括:
第一数据处理模块101,用于每隔预定时间间隔统计初始段进港航班总量随时间变化的离散数据,并将所述离散数据拟合为初始进港航班量化函数;
第二数据处理模块102,用于根据所述初始进港航班量化函数确定初始进港航班量变化率函数;
第三数据处理模块103,用于根据所述初始进港航班量变化率函数确定基于中转机会最大的机场进出港航班波离散函数模型;
航班波优化模块104,用于根据所述基于中转机会最大的机场进出港航班波离散函数模型优化航班波。
可选的,第一数据处理模块101具体用于:
通过以下计算式确定初始进港航班量化函数:
G(t)=c1+c2t+c3t2+c4t3
其中,G(t)表示初始进港航班量化函数,t表示中转时间,c1、c2、c3和c4分别表示待定系数。
可选的,第一数据处理模块101还具体用于:
通过以下计算式确定所述待定系数:
其中,R2表示所述待定系数的偏差平方,m表示所述初始时间段内进港航班总量的离散数据。
可选的,第二数据处理模块102具体用于:
通过以下计算式确定所述初始进港航班量变化率函数的积分离散化函数:
其中,0<t<Tw。
可选的,第三数据处理模块103具体用于:
通过以下计算式确定所述基于中转机会最大的机场进出港航班波离散函数模型:
其中,Qmin≤g(t)-a≤Qmax,Qmin≤g(t)+a≤Qmax,n≥0且为整数。
采用本实施例提出的基于最大中转机会的枢纽机场航班波的数据处理装置根据枢纽机场航班波理想模型分析并结合单一枢纽机场进出港航班波周期性和初始进港航班量递增等特点,利用三阶递增最小二乘拟合方法得到初始进港航班量变化函数,进而搭建基于最大中转机会的单一枢纽机场航班波优化模型,并通过该模型结合实时数据对机场航班波进行优化处理,从而提高国内国际旅客的中转机会。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于最大中转机会的机场航班波的数据处理方法,其特征在于,包括:
每隔预定时间间隔统计初始段进港航班总量随时间变化的离散数据,并将所述离散数据拟合为初始进港航班量化函数;
根据所述初始进港航班量化函数确定初始进港航班量变化率函数;
根据所述初始进港航班量变化率函数确定基于中转机会最大的机场进出港航班波离散函数模型;
根据所述基于中转机会最大的机场进出港航班波离散函数模型优化航班波。
2.根据权利要求1所述的方法,其特征在于,所述初始进港航班量化函数通过以下计算式确定:
G(t)=c1+c2t+c3t2+c4t3
其中,G(t)表示初始进港航班量化函数,t表示中转时间,c1、c2、c3和c4分别表示待定系数。
3.根据权利要求2所述的方法,其特征在于,所述待定系数通过以下计算式确定:
其中,R2表示所述待定系数的偏差平方,m表示所述初始时间段内进港航班总量的离散数据。
4.根据权利要求1所述的方法,其特征在于,所述初始进港航班量变化率函数的积分离散化函数通过以下计算式确定:
其中,0<t<Tw。
5.根据权利要求4所述的方法,其特征在于,所述基于中转机会最大的机场进出港航班波离散函数模型通过以下计算式确定:
其中,Qmin≤g(t)-a≤Qmax,Qmin≤g(t)+a≤Qmax,n≥0且为整数。
6.一种基于最大中转机会的机场航班波的数据处理装置,其特征在于,包括:
第一数据处理模块,用于每隔预定时间间隔统计初始段进港航班总量随时间变化的离散数据,并将所述离散数据拟合为初始进港航班量化函数;
第二数据处理模块,用于根据所述初始进港航班量化函数确定初始进港航班量变化率函数;
第三数据处理模块,用于根据所述初始进港航班量变化率函数确定基于中转机会最大的机场进出港航班波离散函数模型;
航班波优化模块,用于根据所述基于中转机会最大的机场进出港航班波离散函数模型优化航班波。
7.根据权利要求6所述的装置,其特征在于,所述第一数据处理模块具体用于:
通过以下计算式确定初始进港航班量化函数:
G(t)=c1+c2t+c3t2+c4t3
其中,G(t)表示初始进港航班量化函数,t表示中转时间,c1、c2、c3和c4分别表示待定系数。
8.根据权利要求7所述的装置,其特征在于,所述第一数据处理模块还具体用于:
通过以下计算式确定所述待定系数:
其中,R2表示所述待定系数的偏差平方,m表示所述初始时间段内进港航班总量的离散数据。
9.根据权利要求6所述的装置,其特征在于,所述第二数据处理模块具体用于:
通过以下计算式确定所述初始进港航班量变化率函数的积分离散化函数:
其中,0<t<Tw。
10.根据权利要求6所述的装置,其特征在于,所述第三数据处理模块具体用于:
通过以下计算式确定所述基于中转机会最大的机场进出港航班波离散函数模型:
其中,Qmin≤g(t)-a≤Qmax,Qmin≤g(t)+a≤Qmax,n≥0且为整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610642419.6A CN106295872B (zh) | 2016-08-05 | 2016-08-05 | 基于最大中转机会的机场航班波的数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610642419.6A CN106295872B (zh) | 2016-08-05 | 2016-08-05 | 基于最大中转机会的机场航班波的数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106295872A true CN106295872A (zh) | 2017-01-04 |
CN106295872B CN106295872B (zh) | 2020-03-24 |
Family
ID=57666314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610642419.6A Active CN106295872B (zh) | 2016-08-05 | 2016-08-05 | 基于最大中转机会的机场航班波的数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106295872B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949005A (zh) * | 2019-03-07 | 2019-06-28 | 中国民用航空总局第二研究所 | 一种机场场面航班保障运行分析的方法、系统及终端 |
CN110619453A (zh) * | 2019-07-29 | 2019-12-27 | 中国科学院地理科学与资源研究所 | 一种基于中转航班的机场航班波识别方法及系统 |
CN111461616A (zh) * | 2020-04-07 | 2020-07-28 | 中国民航信息网络股份有限公司 | 一种中转行李延误预警的方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000260000A (ja) * | 1999-03-05 | 2000-09-22 | Nec Corp | 航空交通流調整システム |
CN101465067A (zh) * | 2009-01-15 | 2009-06-24 | 北京航空航天大学 | 机场场面航班调度辅助决策方法和系统 |
CN102073937A (zh) * | 2010-12-30 | 2011-05-25 | 中国民航信息网络股份有限公司 | 一种枢纽机场中转管理系统及方法 |
CN102663262A (zh) * | 2012-04-27 | 2012-09-12 | 中国南方航空股份有限公司 | 一种基于免疫算法下的航班波特性成本核算方法 |
CN105574665A (zh) * | 2015-12-14 | 2016-05-11 | 中国民航大学 | 适用于枢纽机场的航班时刻资源配置及优化方法 |
US20160132791A1 (en) * | 2014-11-07 | 2016-05-12 | Graph SQL, Inc. | Methods and systems for distributed graphical flight search |
-
2016
- 2016-08-05 CN CN201610642419.6A patent/CN106295872B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000260000A (ja) * | 1999-03-05 | 2000-09-22 | Nec Corp | 航空交通流調整システム |
CN101465067A (zh) * | 2009-01-15 | 2009-06-24 | 北京航空航天大学 | 机场场面航班调度辅助决策方法和系统 |
CN102073937A (zh) * | 2010-12-30 | 2011-05-25 | 中国民航信息网络股份有限公司 | 一种枢纽机场中转管理系统及方法 |
CN102663262A (zh) * | 2012-04-27 | 2012-09-12 | 中国南方航空股份有限公司 | 一种基于免疫算法下的航班波特性成本核算方法 |
US20160132791A1 (en) * | 2014-11-07 | 2016-05-12 | Graph SQL, Inc. | Methods and systems for distributed graphical flight search |
CN105574665A (zh) * | 2015-12-14 | 2016-05-11 | 中国民航大学 | 适用于枢纽机场的航班时刻资源配置及优化方法 |
Non-Patent Citations (2)
Title |
---|
李雄等: "航班起降波形分类及特征研究", 《飞行力学》 * |
李雯: "枢纽机场航班波构建方法研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949005A (zh) * | 2019-03-07 | 2019-06-28 | 中国民用航空总局第二研究所 | 一种机场场面航班保障运行分析的方法、系统及终端 |
CN110619453A (zh) * | 2019-07-29 | 2019-12-27 | 中国科学院地理科学与资源研究所 | 一种基于中转航班的机场航班波识别方法及系统 |
CN111461616A (zh) * | 2020-04-07 | 2020-07-28 | 中国民航信息网络股份有限公司 | 一种中转行李延误预警的方法及装置 |
CN111461616B (zh) * | 2020-04-07 | 2023-05-23 | 中国民航信息网络股份有限公司 | 一种中转行李延误预警的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106295872B (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102436751B (zh) | 基于城市宏观路网模型的交通流短时预测方法 | |
CN103150643B (zh) | 基于加权主成分分析的航空枢纽服务水平综合评价方法 | |
Laskey et al. | Propagation of delays in the national airspace system | |
CN104156594B (zh) | 一种基于贝叶斯网的航班过站时间动态估计方法 | |
CN106530749B (zh) | 基于单截面低频检测数据的信控交叉口排队长度估计方法 | |
Bloem et al. | Ground delay program analytics with behavioral cloning and inverse reinforcement learning | |
CN104933530A (zh) | 空管实时管制效能评价系统 | |
CN102243816B (zh) | 一种机场空域最大纵向飞行冲突风险计算方法 | |
CN106295872A (zh) | 基于最大中转机会的机场航班波的数据处理方法及装置 | |
Badrinath et al. | Impact of off-block time uncertainty on the control of airport surface operations | |
CN109615163A (zh) | 一种基于时序仿真的空地联合容量计算方法 | |
Ramanujam et al. | Estimation of arrival-departure capacity tradeoffs in multi-airport systems | |
Chen et al. | Planning aircraft taxiing trajectories via a multi-ojective immune optimisation | |
Avery et al. | Data-driven modeling and prediction of the process for selecting runway configurations | |
CN105023228A (zh) | 一种基于航班离港时刻的旅客聚集监测系统和监测方法 | |
CN111062556A (zh) | 一种新开航线价值判定方法及系统 | |
CN105825013A (zh) | 一种基于离散事件系统的航空指挥保障优化方法 | |
CN113657645B (zh) | 基于注意力机制的时空连接增强3dcnn交通预测方法 | |
CN106529835A (zh) | 一种终端区日通行能力确定方法及装置 | |
CN109447352B (zh) | 一种公交出行od矩阵反推的组合方法 | |
Wang et al. | Simulation analysis and improvement of the vehicle queuing system on intersections based on MATLAB | |
Chao et al. | Simulation study on airfield system capacity analysis using SIMMOD | |
Sun et al. | KeyLight: Intelligent Traffic Signal Control Method Based on Improved Graph Neural Network | |
Wang et al. | Preliminary assessment of operational benefits for a graph-based Dynamic Airspace Configuration algorithm | |
Proper et al. | Multiagent learning with a noisy global reward signal |
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 |