CN109711619A - 考虑空地运行限制的多机场战略航班时刻协同优化方法 - Google Patents
考虑空地运行限制的多机场战略航班时刻协同优化方法 Download PDFInfo
- Publication number
- CN109711619A CN109711619A CN201811598308.5A CN201811598308A CN109711619A CN 109711619 A CN109711619 A CN 109711619A CN 201811598308 A CN201811598308 A CN 201811598308A CN 109711619 A CN109711619 A CN 109711619A
- Authority
- CN
- China
- Prior art keywords
- airport
- flight
- time
- airports
- data information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 title claims abstract description 33
- 230000010006 flight Effects 0.000 claims description 23
- 238000012546 transfer Methods 0.000 claims description 7
- 238000005065 mining Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 2
- 230000003111 delayed effect Effects 0.000 claims description 2
- 238000012217 deletion Methods 0.000 claims 1
- 230000037430 deletion Effects 0.000 claims 1
- 150000001875 compounds Chemical class 0.000 abstract 1
- 238000011160 research Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开一种考虑空地运行限制的多机场战略航班时刻协同优化方法，包括如下步骤：步骤一，读入所有待优化机场的航班计划信息和历史运行数据信息：步骤二，对步骤一读入的数据进行预处理，并基于历史运行数据信息挖掘各机场的走廊口容量值、从各机场到各航路点的飞行时间，以及不同类型飞机在不同等级机场的最大中转时间；步骤三，定义决策变量，并构建多机场协同优化目标函数以及空地一体化运行约束条件，利用混合罚函数法求解优化模型。此种方法可实现所有机场航班时刻的空地一体化协同优化，提高多个整体资源利用率，降低航班延误，保证航班的正常性。
Description
技术领域
本发明属于空中交通流量管理技术领域，特别涉及一种同时考虑空中运行限制和地面运行限制的多机场战略航班时刻协同优化方法。
背景技术
随着民航业的高速发展，航班时刻资源供不应求。由于缺乏战略阶段协调航班时刻的关键技术手段，航班时刻配置不合理的现象日益突显。时刻资源在时间和空间纬度上的分配不平衡导致了先天性航班延误的产生，如部分时段航班量超出跑道容量的限制，导致航班延误传播，并且累积延误要远大于单个航班的实际延误；某一方向的航班集中分布，造成该方向的走廊口和相关航路点的流量连续处于高负荷或超负荷水平，危害飞行安全，同时造成了其它方向的资源浪费。因此，在有限的航班时刻资源配置下，通过在战略层面优化航班时刻资源，对提高多个机场整体资源利用率，降低航班延误，保障飞行安全具有重要意义。
战略航班时刻优化可根据研究对象的范围分为单机场航班时刻优化和多机场航班时刻优化。多机场航班时刻优化研究以单机场为基础，但不是简单地将各个机场视作独立个体进行优化后的合并，更侧重于研究在有限的公共资源约束下公平合理的优化多个机场的航班时刻资源配置，将多个机场视为一个整体，以提高整体资源利用率，降低整个系统的航班延误水平。
发明内容
本发明的目的，在于提供一种考虑空地运行限制的多机场战略航班时刻协同优化方法，其可实现多机场航班时刻的空地一体化协同优化，提高多个机场整体资源利用率，降低航班延误，保证航班的正常性。
为了达成上述目的，本发明的解决方案是：
一种考虑空地运行限制的多机场战略航班时刻协同优化方法，包括如下步骤：
步骤一，读入多个机场的航班计划信息和历史运行数据信息：
步骤二，对步骤一读入的信息进行预处理，并基于历史运行数据信息挖掘各机场的走廊口容量值、从各机场到各航路点的飞行时间，以及不同类型飞机在不同等级机场的最大中转时间；
步骤三，定义决策变量，并构建多机场协同优化目标函数以及空地一体化运行约束条件，利用混合罚函数法求解优化模型。
采用上述方案后，本发明具有以下有益的技术效果：
(1)本发明根据各机场的功能定位，通过在目标函数中平衡最大延误成本和平均延误成本，实现各个机场延误代价分布均匀，有效避免了各个机场延误代价相差甚远的情况，使优化后各机场航班时刻更加公平合理；
(2)本发明中多机场优化模型除了考虑时隙分配唯一性、跑道容量、最小过站时间三个广泛采用的限制约束外，同时也考虑了各机场走廊口约束、最大过站时间约束、机场延误公平性约束以及多个机场公共航路点容量限制，实现地面和空域合理分配，提高资源利用率，避免实际运行中航路拥堵。
(3)采用大数据驱动的思想，从各机场历史运行数据中挖掘走廊口容量、最大中转时间、各机场到公共航路点的期望飞行时间三个参数，使优化结果更加符合多机场的实际运行特征。
附图说明
图1是本发明的流程图。
具体实施方式
以下将结合附图，对本发明的技术方案及有益效果进行详细说明。
为了提高地面和空中资源的利用率，实现多机场战略航班时刻分配的合理地和公平性，本发明提出一种考虑空地运行限制的多机场战略航班时刻协同优化方法，包括如下步骤：
步骤1：读入所有待优化机场的航班计划信息和历史运行数据信息：
步骤1.1：读入所有待优化机场航季的航班计划，包括机型、航班号、班期、起飞机场、计划起飞时间、落地机场、计划落地时间；
步骤1.2：读入各个机场的历史运行数据信息，从原始数据中读取运营日、航班号、起飞机场、计划起飞时间、实际起飞时间、落地机场、计划落地时间、实际落地时间，执行该次航班的飞机注册号、四维航迹数据。
步骤2：数据预处理：
步骤2.1：利用值分析方法对航班历史运行数据中的无效值和异常值进行分析。
步骤2.2：采用删除法对无效值进行处理，利用均值插补法对异常值进行处理。
步骤2.3：通过历史运行数据信息，对航班计划的航班号和注册号进行映射，得到航班计划中航班号的串联关系，即确定航班计划中哪些航班在同一天由同一架飞机执飞。
步骤2.4：确定航班号与进离港点的对应关系，对于离港航班，通过目的地机场相对于本场的方向，确定离港程序，对应唯一离港点。对于进港航班，通过起飞机场相对于本场的方向，确定到达程序，对应唯一进港点。
步骤3：基于历史运行数据信息，挖掘各机场的走廊口容量值，具体方法为：
按照历史运营日将历史运行计划分为周一到周日七组数据，再把每一组数据细分为进港和离港两组，再分别对进港和离港两组数据根据进港点或离港点类别进行划分。对历史所有运营日，统计每个走廊口每个时隙的流量，取各走廊口历史最大流量值作为容量值。
步骤4：基于历史运行数据信息，挖掘从各机场到各航路点的飞行时间，具体方法为：
从历史运行四维轨迹数据信息，读取经由各机场起落的飞机在航路点的过点时间，将机型按照重量分为轻型机、中型机、重型机三种机型，统计不同类别的机型从每个机场过每个航路点的飞行时间，利用百分位法确定期望飞行时间，本实施例中取90百分位值作为该机型过该航路点的期望飞行时间。
步骤5：基于历史运行数据信息，挖掘不同类型飞机在不同等级机场的最大中转时间，具体方法为：
按照最小过站时间的规定，将飞机按照座位数分类，再将所有机场按照年吞吐量划分机场等级。统计不同等级的机场不同机型的中转时间，利用百分位法确定最大中转时间，本实施例中取95百分位作为该机型在该等级类型机场的最大中转时间。
步骤6：定义决策变量
多机场航班时刻优化针对所有待优化机场的所有航班进行同时优化。设A为机场集合，T为时隙集合，Fa为机场a的航班集合，定义决策变量为：
其中a∈A，f∈Fa，t∈T。
步骤7：构建多机场协同优化目标函数，具体方法为：
其中，w为航班偏移最大值与平均值的权重系数(取值为0.3)，|A|为机场总数，Fa为机场a的航班集合，|Fa|为机场a的航班数，C(f,t,a)表示机场a的航班f分配到时隙t的延误代价值。
步骤8：构建空地一体化运行约束条件，具体包括：
航班时隙唯一性约束：为了满足每个机场每个航班在一天中只能分配一个时隙，构建如下约束：
最大时隙搜索区间约束：为了满足优化后的航班时刻与优化前的差值在航空公司可接受的范围，因此任意机场a∈A的航班f调整时隙范围为其中表示航班f优化前的时隙，tmax为最大可调整时隙。
各机场跑道容量包络限制：保证每个小时进港航班量和离港航班量在机场进离港跑道容量包络约束范围内，构建如下约束：
其中，为机场a的出发航班集合，为机场a的到达航班集合。αa,p、βa,p、λa,p为构成机场a进离港跑道容量包络线的系数。
各机场走廊口容量限制：保证单位时隙每个机场每个走廊口的航班量不超过该走廊口的容量限制，构建如下约束：
其中，Ca,q为机场a的走廊口q的最大容量，Qa为机场a的走廊口集合。
公共空域的航路点容量限制：保证单位时隙每个航路点的航班量不超过该航路点的容量限制，构建如下约束：
其中，为飞机从机场a飞到公共空域航路点k的期望飞行时间，Zk为公共空域航路点k的最大容量，K为所有待优化机场公共航路点的集合。
连续航班的最小中转时间约束：由于航班中转中，飞机需要进行加油，地面保障、上下客等流程，需要最小中转时间，构建如下模型约束：
其中，P为连续航班对集合，为连续航班f1和f2在机场a的最小中转时间。
连续航班最大中转时间约束：为了保障飞机使用效率，减少在机场逗留时间，给连续航班设置一个最大的时间间隔约束，构建如下模型：
其中，为连续航班f1和f2在机场a的最大中转时间。
机场延误代价的公平性约束：为了保证所有待优化机场的延误分布均匀，构建如下约束，使得每个机场的平均延误代价与所有机场的总平均延误在一个合理范围之内：
其中，ε为控制参数，Ra表示机场a的总延误代价值。
步骤9：利用混合罚函数法求解优化模型：在优化模型(2)-(9)中，等式约束和不等式约束同时存在，并且目标函数(2)和约束(9)都属于非线性的，本发明采用公知的混合罚函数法来进行求解。
举例而言，针对北京大兴机场、北京首都机场和天津滨海机场组成的多机场，以三场2018年夏秋航班时刻表为例，总共包含3200个航班，其中北京大兴机场1127个航班、北京首都机场1093个航班、天津滨海机场980个航班。以2017年历史运行数据为基础，对2018年三个机场的航班时刻同时进行优化。优化后，共调整航班360班(首都机场航班287班，天津机场59班，大兴机场14班)，总体平均调整偏差为16.9分钟，最大调整偏差为60分钟。通过仿真实验，按照优化后的航班时刻表运行，北京终端区内大兴机场、首都机场和天津机场三场平均延误降低10分钟，运行效率均显著提升。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
Claims (10)
1.一种考虑空地运行限制的多机场战略航班时刻协同优化方法，其特征在于包括如下步骤：
步骤一，读入所有待优化机场的航班计划信息和历史运行数据信息：
步骤二，对步骤一读入的信息进行预处理，并基于历史运行数据信息挖掘各机场的走廊口容量值、从各机场到各航路点的飞行时间，以及不同类型飞机在不同等级机场的最大中转时间；
步骤三，定义决策变量，并构建多机场协同优化目标函数以及空地一体化运行约束条件，利用混合罚函数法求解优化模型。
2.如权利要求1所述的方法，其特征在于：所述步骤一中，所有待优化机场的航班计划信息包括机型、航班号、班期、起飞机场、计划起飞时间、落地机场、计划落地时间。
3.如权利要求1所述的方法，其特征在于：所述步骤一中，所有待优化机场的历史运行数据信息包括运营日、航班号、起飞机场、计划起飞时间、实际起飞时间、落地机场、计划落地时间、实际落地时间，以及执行该次航班的飞机注册号、四维航迹数据。
4.如权利要求3所述的方法，其特征在于：所述步骤二中，基于历史运行数据信息挖掘从各机场到各航路点的飞行时间的方法是：从历史运行四维轨迹数据信息，读取经由各机场起落的飞机在航路点的过点时间，将机型按照重量分为轻型机、中型机、重型机三种机型，统计不同类别的机型从每个机场过每个航路点的飞行时间，利用百分位法确定期望飞行时间。
5.如权利要求1所述的方法，其特征在于：所述步骤二中，对历史运行数据信息进行预处理的方法是：首先利用值分析方法对航班历史运行数据中的无效值和异常值进行分析，然后采用删除法对无效值进行处理，利用均值插补法对异常值进行处理。
6.如权利要求1所述的方法，其特征在于：所述步骤二中，基于历史运行数据信息挖掘各机场的走廊口容量值的方法是：按照历史运营日将历史运行计划分为周一到周日七组数据，再把每一组数据细分为进港和离港两组，再分别对进港和离港两组数据根据进港点或离港点类别进行划分；对历史所有运营日，统计每个走廊口每个时隙的流量，取各走廊口历史最大流量值作为容量值。
7.如权利要求1所述的方法，其特征在于：所述步骤二中，基于历史运行数据信息挖掘不同类型飞机在不同等级机场的最大中转时间的方法是：按照最小过站时间的规定，将飞机按照座位数分类，再将所有待优化机场按照年吞吐量划分机场等级；统计不同等级的机场不同机型的中转时间，利用百分位法确定最大中转时间。
8.如权利要求1所述的方法，其特征在于：所述步骤三中，设A为机场集合，T为时隙集合，Fa为机场a的航班集合，则定义的决策变量是：
其中，a∈A，f∈Fa，t∈T。
9.如权利要求1所述的方法，其特征在于：所述步骤三中，构建的多机场协同优化目标函数为：
其中，w为航班偏移最大值与平均值的权重系数，A为机场集合，|A|为机场总数，Fa为机场a的航班集合，|Fa|为机场a的航班数，C(f,t,a)表示机场a的航班f分配到时隙t的延误代价值，为决策变量。
10.如权利要求1所述的方法，其特征在于：所述步骤三中，空地一体化运行约束条件包括航班时隙唯一性约束、最大时隙搜索区间约束、各机场跑道容量包络限制、各机场走廊口容量限制、公共空域的航路点容量限制、连续航班的最小中转时间约束、连续航班最大中转时间约束以及机场延误代价的公平性约束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811598308.5A CN109711619B (zh) | 2018-12-26 | 2018-12-26 | 考虑空地运行限制的多机场战略航班时刻协同优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811598308.5A CN109711619B (zh) | 2018-12-26 | 2018-12-26 | 考虑空地运行限制的多机场战略航班时刻协同优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109711619A true CN109711619A (zh) | 2019-05-03 |
| CN109711619B CN109711619B (zh) | 2023-05-23 |
Family
ID=66257697
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811598308.5A Active CN109711619B (zh) | 2018-12-26 | 2018-12-26 | 考虑空地运行限制的多机场战略航班时刻协同优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109711619B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110443523A (zh) * | 2019-08-15 | 2019-11-12 | 中国国际航空股份有限公司 | 选择备降机场的方法、装置和计算机设备 |
| CN110533220A (zh) * | 2019-07-29 | 2019-12-03 | 南京航空航天大学 | 一种数据驱动的机场离港延误分布挖掘方法 |
| CN111695694A (zh) * | 2020-05-25 | 2020-09-22 | 南京航空航天大学 | 一种基于机器学习预测的战略性航班时刻表评估方法 |
| CN113987406A (zh) * | 2021-09-18 | 2022-01-28 | 南京航空航天大学 | 一种考虑优先级的航班时刻弹性优化方法 |
| CN114881405A (zh) * | 2022-03-30 | 2022-08-09 | 南京航空航天大学 | 一种基于高峰需求的机场时刻公平性计算方法 |
| CN114898598A (zh) * | 2022-04-15 | 2022-08-12 | 南京航空航天大学 | 基于起飞机场优先级的机场群航班延误估计方法 |
| CN115640878A (zh) * | 2022-09-30 | 2023-01-24 | 南京航空航天大学 | 用于机场航班时刻优化的树型防火墙容量配置方法 |
| CN115662192A (zh) * | 2022-09-30 | 2023-01-31 | 南京航空航天大学 | 一种用于航班时刻分配场景的机场时隙防火墙设置方法 |
| CN117933494A (zh) * | 2024-03-21 | 2024-04-26 | 中国民用航空总局第二研究所 | 基于综合航空运输系协同的航班调时调减方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103426331A (zh) * | 2013-08-22 | 2013-12-04 | 南京莱斯信息技术股份有限公司 | 多机场协同放行系统航班排序决策方法 |
| CN107392355A (zh) * | 2017-06-27 | 2017-11-24 | 北京航空航天大学 | 一种基于差分进化算法的多机场协同调度鲁棒优化方法 |
| CN107944625A (zh) * | 2017-11-23 | 2018-04-20 | 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 |
| CN108985621A (zh) * | 2018-07-13 | 2018-12-11 | 南京航空航天大学 | 基于风险管控的区域多机场不正常航班恢复方法 |
-
2018
- 2018-12-26 CN CN201811598308.5A patent/CN109711619B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103426331A (zh) * | 2013-08-22 | 2013-12-04 | 南京莱斯信息技术股份有限公司 | 多机场协同放行系统航班排序决策方法 |
| CN107392355A (zh) * | 2017-06-27 | 2017-11-24 | 北京航空航天大学 | 一种基于差分进化算法的多机场协同调度鲁棒优化方法 |
| CN107944625A (zh) * | 2017-11-23 | 2018-04-20 | 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 |
| CN108985621A (zh) * | 2018-07-13 | 2018-12-11 | 南京航空航天大学 | 基于风险管控的区域多机场不正常航班恢复方法 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110533220A (zh) * | 2019-07-29 | 2019-12-03 | 南京航空航天大学 | 一种数据驱动的机场离港延误分布挖掘方法 |
| CN110443523A (zh) * | 2019-08-15 | 2019-11-12 | 中国国际航空股份有限公司 | 选择备降机场的方法、装置和计算机设备 |
| CN111695694B (zh) * | 2020-05-25 | 2023-05-30 | 南京航空航天大学 | 一种基于机器学习预测的战略性航班时刻表评估方法 |
| CN111695694A (zh) * | 2020-05-25 | 2020-09-22 | 南京航空航天大学 | 一种基于机器学习预测的战略性航班时刻表评估方法 |
| CN113987406A (zh) * | 2021-09-18 | 2022-01-28 | 南京航空航天大学 | 一种考虑优先级的航班时刻弹性优化方法 |
| CN114881405A (zh) * | 2022-03-30 | 2022-08-09 | 南京航空航天大学 | 一种基于高峰需求的机场时刻公平性计算方法 |
| CN114898598A (zh) * | 2022-04-15 | 2022-08-12 | 南京航空航天大学 | 基于起飞机场优先级的机场群航班延误估计方法 |
| CN114898598B (zh) * | 2022-04-15 | 2024-04-12 | 南京航空航天大学 | 基于起飞机场优先级的机场群航班延误估计方法 |
| CN115640878A (zh) * | 2022-09-30 | 2023-01-24 | 南京航空航天大学 | 用于机场航班时刻优化的树型防火墙容量配置方法 |
| CN115662192B (zh) * | 2022-09-30 | 2024-02-13 | 南京航空航天大学 | 一种用于航班时刻分配场景的机场时隙防火墙设置方法 |
| CN115662192A (zh) * | 2022-09-30 | 2023-01-31 | 南京航空航天大学 | 一种用于航班时刻分配场景的机场时隙防火墙设置方法 |
| CN117933494A (zh) * | 2024-03-21 | 2024-04-26 | 中国民用航空总局第二研究所 | 基于综合航空运输系协同的航班调时调减方法 |
| CN117933494B (zh) * | 2024-03-21 | 2024-05-31 | 中国民用航空总局第二研究所 | 基于综合航空运输系协同的航班调时调减方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109711619B (zh) | 2023-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109711619B (zh) | 考虑空地运行限制的多机场战略航班时刻协同优化方法 | |
| CN109584638B (zh) | 一种面向区域网络的先期航班时刻协同优化方法 | |
| CN103426331B (zh) | 多机场协同放行系统航班排序决策方法 | |
| CN111401601B (zh) | 一种面向延误传播的航班起降时间预测方法 | |
| JP2004526258A (ja) | 空港への航空機到着を最適化するスケジュールに基づく管理システム | |
| CN102737524A (zh) | 用于飞行器轨迹管理的方法和系统 | |
| CN110363361A (zh) | 一种基于大数据预测可变滑动时间的方法及系统 | |
| CN112949978B (zh) | 基于协同优化的应急备降场选择方法 | |
| CN104299454B (zh) | 一种恶劣天气下多机场协同放行系统航班排序方法 | |
| CN110428665B (zh) | 一种航路与机场时隙协同分配的随机双层规划方法 | |
| CN109544000A (zh) | 面向航班正常性的航空公司排班计划优化方法和系统 | |
| CN113112874B (zh) | 一种航路时隙与高度层协同优化分配方法 | |
| 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 | |
| CN115983487A (zh) | 一种基于卡方分布的机场航站楼旅客时空分布预测方法 | |
| CN110909946B (zh) | 一种基于公路换乘的航班计划优化方法 | |
| CN113191541A (zh) | 一种基于利用低空空域开展高效货物运输活动的方法 | |
| Chevalley et al. | Nasa atd-2 trajectory option set prototype capability for rerouting departures in metroplex airspace | |
| CN116129678B (zh) | 基于航迹运行的进港航班时隙自主协商分配系统及方法 | |
| CN115049100B (zh) | 机场资源分配优化方法、装置、设备及可读存储介质 | |
| CN114881405A (zh) | 一种基于高峰需求的机场时刻公平性计算方法 | |
| Moolchandani et al. | Simulation study for interoperability of urban air mobility scheduling and separation services in ideal conditions | |
| Steiner et al. | Towards to collaborative air traffic and airport management | |
| Chen et al. | Travel Time Prediction for Multi-Airport Systems Via Multiclass Queuing Networks | |
| Zhang et al. | Dynamic optimal scheduling model of multi runway flight arrival and departure based on improved genetic algorithm | |
| Ling et al. | A multi-objective optimization model on taxiing mode selection and aircraft stands allocation for closely spaced parallel runway |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |