CN111160770B - 一种进场航班动态协同排序方法 - Google Patents
一种进场航班动态协同排序方法 Download PDFInfo
- Publication number
- CN111160770B CN111160770B CN201911389184.4A CN201911389184A CN111160770B CN 111160770 B CN111160770 B CN 111160770B CN 201911389184 A CN201911389184 A CN 201911389184A CN 111160770 B CN111160770 B CN 111160770B
- Authority
- CN
- China
- Prior art keywords
- flight
- incoming
- flights
- sequencing
- ith
- 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.)
- Active
Links
- 230000010006 flight Effects 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012163 sequencing technique Methods 0.000 claims abstract description 90
- 230000001105 regulatory effect Effects 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 abstract description 6
- 238000013459 approach Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 238000000926 separation method Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
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
- G06Q10/06—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
-
- G06Q50/40—
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种进场航班动态协同排序方法,具体包括以下步骤:步骤1:针对不同空中交通密度,分别建立进场航班协同排序模型;步骤2:通过动态方法获取进场航班ADS‑B数据和进场航班飞行计划数据;并判断实时空中交通密度;步骤3:将步骤2获取的进场航班ADS‑B数据和进场航班飞行计划数据输入实时空中交通密度对应的进场航班协同排序模型,求解进场航班协同排序模型,得到航班排序。本发明为实现进场航班动态协同排序提供一种方法,该方法契合协同决策理念,综合考虑管制单位、航空公司和机场三方的利益需求,可对进场航班进行优化排序,保证航班排序的实时性和动态性、显著提高跑道容量、有效提升航班延误均衡性和航班延误公平性。
Description
技术领域
本发明属于民航空中交通管理技术领域,具体涉及一种进场航班动态协同排序方法。
背景技术
航班运行是严格基于管制员指令的,进场航班落地的时间依赖于管制员为其分配的次序。目前对进场航班的排序主要由管制员在熟悉各类航空器性能的基础上,依据航班的动态信息与飞行计划,依靠经验进行。这种方法在任务繁重时,管制员的工作负荷较大、空管系统运行效率较低,且会导致大量的航班延误。因此,空管部门希望在保证航班安全的前提下,尽量地降低管制员的工作负荷。同时,航空运输业的利益相关方也基于自身利益,对进场航班排序提出了各自的要求:机场部门希望机场资源最大化的转化为经济效益并提高航班正常率;航空公司希望在保证市场公平性的前提下使得本公司的航班延误最小。这样,航班排序问题就变成多种因素耦合,复杂度急剧增高,先到先服务(First Come FirstServed,FCFS)的排序方法已经不能够满足航班排序的需要,这就需要使用更加科学合理的航班调度方法以满足各航空运输利益相关方的诉求。
为构建管制辅助决策系统,国内外的专家学者对进场航班排序问题开展了大量研究,获得了较多的成果,但早期的研究中无论是动态规划方法,还是元启发式方法采取的均是静态排序策略。由于进场航班运行过程是一个动态连续过程,需要建立动态排序模型,航班动态排序模型是一个离散事件模型,航班队列随着时间推移离散性变化。已有模型一般以新航班加入排序队列为触发事件进行建模,但进场航班加入排序队列的时间是一定范围内的随机值,因此,队列的更新并无较好的规律性。目前较好的策略是滚动时域控制(Receding Horizon Control,RHC),即每间隔一段时间对进场航班进行排序,从而实现对进场航班的连续排序过程。
本发明立足于民航运输业多方协同决策(Collaborative Decision Making,CDM)的发展趋势,着眼于满足进场航班排序的“动态性”和“协同性”。在满足进场航班排序的“动态性”方面,本发明基于进场航班的ADS-B(AutomaticDependent Surveillance-Broadcast)数据和飞行计划数据,设计了一种进场航班动态排序方法。本发明的“协同性”是指在建立进场航班排序模型时,充分考虑航空运输的利益相关方,即机场、航空公司和空管的诉求。
发明内容
本发明的目的,在于提供一种进场航班动态协同排序方法,其契合协同决策(Collaborative Decision Making,CDM)理念,综合考虑管制单位、航空公司和机场三方的利益需求,对进场航班进行优化排序,以保证航班排序的实时性和动态性、提高跑道容量、提升航班延误均衡性和航班延误公平性。
为了达成上述目的,本发明的解决方案是:
一种进场航班动态协同排序方法,包括以下步骤:
步骤1:针对不同空中交通密度,分别建立进场航班协同排序模型;
步骤2:通过动态方法获取进场航班ADS-B数据和进场航班飞行计划数据;并判断实时空中交通密度;
步骤3:将步骤2获取的进场航班ADS-B数据和进场航班飞行计划数据输入实时空中交通密度对应的进场航班协同排序模型,求解进场航班协同排序模型,得到航班排序。
步骤1中,所述空中交通密度为高密度,即ni≥80%C时,进场航班协同排序的目标函数为
约束条件为:
式中:为第i个排序阶段第j个进场航班移交给塔台管制员时第k个进场航班与其之间的水平距离;/>为第i个排序阶段第j和k个进场航班之间应满足的管制间隔标准,其中,/>和/>分别为第i个排序阶段第j和k个进场航班之间应满足的雷达尾流间隔标准、雷达管制间隔标准和协议间隔标准;Fi为第i个排序阶段的所有进场航班的集合;
式中:为第i个排序阶段第j个进场航班的预计落地时间,航班预计落地时间是指航班飞行计划中的预计落地时间;/>为第i个排序阶段第j个进场航班可接受的最大提前到达时间;/>为第i个排序阶段第j个进场航班可接受的最大推迟到达时间;
所述空中交通密度为中密度,即80%C>ni≥50%C时,目标函数为:
约束条件为:
所述空中交通密度为低密度,即ni<50%C时,目标函数为maxWi
minAi
minσi
约束条件为:
上述步骤2中通过动态方法获取进场航班ADS-B数据和进场航班飞行计划数据包括如下步骤:
步骤2.1:获取航班实时ADS-B数据Data1;
步骤2.2:将Data1和进场航班飞行计划数据FP1相关,筛选出进场航班的ADS-B数据Data2;
步骤2.3:根据Data2中的航班位置信息,判断Data2中是否有航班到达更新圈,若是,则进行步骤4;若否,则返回步骤1;所述更新圈为以机场基准点为圆心半径为R1的圆形;
步骤2.4:进一步处理Data2,筛选出此刻处于起始圈和更新圈之间的进场航班ADS-B数据Data3,并从FP1中提取出Data3中涉及到的航班的飞行计划数据FP2;将FP2从FP1中删除以完成对FP1的更新;所述起始圈为以机场基准点为圆心半径为R2的圆形,起始圈和更新圈之间的范围作为航班排序的缓冲区域;
步骤2.5:根据Data3和FP2,确定实时空中交通密度分类,并输入相应的进场航班协同排序模型;同时,此排序阶段数据处理完成,返回步骤2.1进行后续的数据判断及处理工作。
上述步骤3中,根据步骤2确定的空中交通密度分类选择求解进场航班协同排序模型的求解算法;若是低密度,使用带精英策略的快速非支配排序遗传算法进行排序计算,获得初步排序结果,时隙交换后获得最终排序结果;若是中密度或高密度,使用精英保留的遗传算法进行排序计算,获得的排序结果即最终排序结果。
上述步骤2.3所述的判断Data2中是否有航班到达更新圈具体过程是:
步骤2.3.1:利用Data2中各进场航班的经纬度信息和机场基准点的经纬度坐标,计算得到各进场航班当前位置和机场基准点的相对距离列表List1={D1,D2,...},获得List1中的最小值Dmin;
步骤2.3.2:判断Dmin和R1的大小关系,若Dmin>R1,则Data2中无航班到达更新圈;否则,Data2中有航班到达更新圈。
上述步骤2.4所述从data2中筛选出data3并从FP1中提取FP2,具体过程是:
步骤2.4.1:对List1中所有的元素进行筛选,其中对任一元素Di,若Di≤R2,则将Di对应的航班号加入List2中;
步骤2.4.2:根据List2,从data2中筛选出data3并从FP1中提取FP2。
上述所述的低密度条件下由初步排序结果经时隙交换后获得最终排序结果的时隙交换规则及具体交换流程如下:
所述时隙交换规则是指:在对进场航班进行优化排序后,航空公司在满足航班可行着陆时间窗约束的前提下,可对优化排序结果中分配给本公司航班的着陆次序进行再分配,牺牲本公司某个或某些进场航班的利益以优先保障重要进场航班,从而提高决策的科学性和合理性;
所述时隙交换规则限定时隙交换发生在:
1)同一航空公司同一尾流等级的进场航班之间;或
2)在不影响其它航空公司航班时,同一航空公司不同尾流等级的进场航班之间;
所述时隙交换方法流程为:
步骤3.1:获得航班实时排序结果Seq0,包括航班号和航班次序;
步骤3.2:根据Seq0和时隙交换规则,确定可进行时隙交换的航空公司及其对应的可发生时隙交换的航班;
步骤3.3:向步骤3.2确定的第i个航空公司发送其相应的可发生时隙交换的航班排序信息Seq1;
步骤3.4:第i个航空公司在收到Seq1后进行决策,向管制单位发送时隙交换后的航班排序信息Seq2;
步骤3.5:将所有收到的Seq2进行整合并结合Seq0,获得所有航班的最终排序结果Seq3。
采用上述方案后,本发明通过充分利用进场航班ADS-B数据及飞行计划数据,模拟管制运行过程,为进场航班动态排序提供一种方法,从而保证进场航班排序的动态性。在此基础上,提出一种时隙交换方法,综合考虑管制单位、航空公司和机场三方的利益需求,在管制间隔要求和时间窗约束下,分别建立空中交通密度高/中/低条件下的进场航班协同排序模型,可对进场航班进行优化排序,提高跑道容量,提升航班延误均衡性和航班延误公平性。
本发明具有如下技术效果:
(1)为保证进场航班实时、动态和自动化排序提供一种方法;
(2)为将航班总体延误时间和个体延误时间均控制在较低水平,提出航班延误均衡性概念;
(3)为提高航空公司在进场航班排序过程中的参与度,设计了一种时隙交换方法;
(4)在CDM的理念下,充分考虑航空运输利益相关方的诉求,以跑道容量、航班延误均衡性、航班正常率和航班延误公平性为目标,综合考虑管制间隔要求和时间窗约束,并对空中交通密度进行分类,分别建立空中交通密度高/中/低条件下的进场航班协同排序模型,提高了跑道容量,提升了航班延误均衡性和航班延误公平性。
附图说明
图1为本发明的流程图;
图2为进场航班排序触发及更新规则示意图;
图3为公平性约束时间窗调整示意图。
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。
如图1所示,本发明提供一种进场航班动态协同排序方法,具体步骤如下:
步骤1:针对不同空中交通密度,分别建立进场航班协同排序模型;
进场航班协同排序模型具体建模过程为:
1.1目标函数
1)跑道容量最大
本发明考虑的跑道容量最大,即某排序的最后一个进场航班的落地时间最小:
2)航班延误均衡性最高
本发明综合考虑航班总体延误时间和个体延误时间,提出航班延误均衡性概念。本发明将航班偏离计划时刻当作延误处理,则某排序阶段内的航班延误均衡性最高,即:
式中:和/>分别为第i个排序阶段第j个进场航班的预计落地时间和计划落地时间,本发明中的航班预计落地时间是指航班飞行计划中的预计落地时间,航班计划落地时间是指优化后的落地时间;/>为第i个排序阶段受到延误最大的进场航班延误时间。
3)航班正常率最高
对进场航空器而言,航班正常判定标准为:不晚于计划开舱门时间后10分钟落地。某排序阶段内的所有进场航班正常率最高,即:
max Wi (3)
4)航班延误公平性最高
本发明将航班延误公平性以进场航班延误时间均值和标准差来反映,因此某排序阶段的进场航班延误公平性最高即进场航班延误时间均值和标准差最小:
min Ai (4)
minσi (5)
1.2约束条件
本发明提出的基于空中交通密度的进场航班协同排序模型,在管制间隔要求的基础上,将其他运行约束与限制均转化为时间窗约束。模型中涉及的约束条件如下:
1.2.1管制间隔要求
由于进近管制员连续移交给塔台管制员的进场航班高度通常为某一双方约定的协议高度,故对于进场航班而言,其必须满足水平间隔要求。当前进近管制单位多采用雷达管制,其中运行的进场航班在进近-塔台移交点处受到的水平间隔约束有:雷达尾流间隔、雷达管制间隔和协议间隔。塔台管制是有雷达设备的程序管制,塔台管制下的进场航班落地前受到的水平间隔约束主要为非雷达间隔的尾流间隔。
1)雷达尾流间隔
航空器在飞行过程中由于机翼上下表面的压力差,会在翼尖处产生涡流,对后续飞行航空器的安全造成影响。因此,航班进场序列必须满足尾流间隔要求,即:
2)雷达管制间隔
航班进场序列必须满足雷达管制间隔要求,即:
3)协议间隔
航班进场序列必须满足进近-塔台移交的协议间隔要求,即:
综上,航班进场序列在进近-塔台移交点处必须满足管制间隔要求,即:
4)非雷达间隔的尾流间隔
前后进近着陆的航班应能满足非雷达间隔的尾流间隔要求,即:
1.2.2时间窗约束
本发明将进场航班运行过程中,除管制间隔要求外的其他运行约束与限制均转化为时间窗约束[▽,Δ],▽和Δ分别是时间窗约束的下限和上限。
1)可行着陆时间窗
终端空域范围有限,考虑到航空器性能、燃油储备、进场航线等因素的限制,为保证优化序列的可行性,优化序列中进场航班的计划落地时间必须处于航班的可行着陆时间窗[E,L]内。
2)可接受延误时间窗
在管制运行过程中,管制员会根据不同类型进场航班的重要度,在进场排序时考虑其优先级。本发明建立进场航班类型和其可接受的最大提前/推迟到达时间之间的关系,从而得到进场航班可接受延误时间窗。
3)管制负荷限制时间窗
管制员对于优化序列中与FCFS序列中次序偏差较大的航班,需要对其发布大量的附加指令,这会增加管制员的工作负荷。最大约束位置转换(MaximumPosition Shift,MPS)规定了优化序列中各航班次序相对于FCFS序列中相应航班次序的最大偏移量。由于航班次序的偏移也即航班到达时刻的偏移,因此,可以建立MPS约束和航班计划落地时间之间的关系。基于以上分析,本发明将MPS约束转化为一种时间窗约束—管制负荷限制时间窗。
4)公平性约束时间窗
从管制调配难易程度和航班间公平性角度出发,在通常情况下,使用同一进场航线的连续进场航班间不允许超越。因此,本发明通过调整航班对的时间窗约束[▽,Δ],使二者之间无交集,以保证使用同一进场航线的后机不会超越前机。
对于第i个排序阶段使用同一进场航线的第j和k个进场航班(j<k),其时间窗约束有交集的4种情况及其调整方法如下:
1.2.3变量约束
i,j,k,ni,ni,ot,K∈N (14)
j,k,ni,ot≤ni (15)
1.3进场航班协同排序模型
进场航班协同排序模型根据当前排序阶段的空中交通密度高低,选择相应的目标函数和约束条件对进场航班进行排序。在对空中交通密度大小进行分类时,主要考虑当前排序阶段空中交通的拥挤程度,本发明选取欧洲中央流量管理单位(Central FlowManagement Unit,CFMU)的扇区流量黄色告警,即交通流量超过容量C的80%,作为判定空中交通密度高的标准;对于判定空中交通密度低的标准,本文设定为交通流量低于容量的50%。
通过以上分析,建立高/中/低密度下的进场航班协同排序模型如下:
1)高密度(ni≥80%C)
此时,空中交通密度高,减轻管制负荷和提升跑道容量是当前最关注的问题。此时同时考虑的是空管和机场的利益,为减轻管制负荷,使用MPS约束并规定使用同一进场航线的进场航班间不允许超越;以当前排序阶段内最后一个进场航班的计划落地时间最小为目标,从而最大化跑道容量。即目标函数为式(1),约束条件为式(9)、(10)、(11)、(12)和(13)。
即,目标函数为
约束条件为:
2)中密度(80%C>ni≥50%C)
此时,空中交通密度适中,管制员开始有一定的调配空间和时间,管制负荷不再是主要关注点,将航空公司的利益考虑进来,以航班延误均衡性最高为目标。即目标函数为式(2),约束条件为式(9)、(10)、(11)和(12)。
即,目标函数为:
约束条件为:
3)低密度(ni<50%C)
此时,空中交通密度较低,管制员有充足的调配空间和时间,同时考虑航空公司和机场的诉求。从机场的角度出发,以航班正常率最高为目标;从航空公司角度,以航班延误公平性最高为目标,从而实现三方协同排序。即目标函数为式(3)、(4)和(5),约束条件为式(9)、(10)、(11)和(12)。
即,目标函数为
max Wi
min Ai
minσi
约束条件为:
步骤2:通过动态方法获取进场航班ADS-B数据和进场航班飞行计划数据;并判断实时空中交通密度;
具体来说,航班的实时ADS-B数据包括某ADS-B接收站接收到的,其信号覆盖范围内所有具有ADS-B能力的航班(包括进场航班、离场航班和飞越航班)发送的实时ADS-B数据。ADS-B广播信息主要包括:时间、飞机标识、飞机类别、三维位置、三维速度以及紧急状态、航迹角、航线拐点等附加信息。
飞行计划信息主要包括:飞机标识、起飞机场、目的机场、起飞时间、落地时间、航路点、航路等信息。将进场航班飞行计划数据(FP1)中的飞机标识(航班号)与航班实时ADS-B数据(Data1)中的飞机标识(航班号)相关联,筛选出仅与进场航班相关的ADS-B数据(Data2)。
通过动态方法获取进场航班ADS-B数据和进场航班飞行计划数据包括如下步骤:
步骤2.1:获取航班实时ADS-B数据Data1;
步骤2.2:将Data1和进场航班飞行计划数据FP1相关,筛选出进场航班的ADS-B数据Data2;
步骤2.3:根据Data2中的航班位置信息,判断Data2中是否有航班到达更新圈,若是,则进行步骤4;若否,则返回步骤1;所述更新圈为以机场基准点为圆心半径为R1的圆形;
更新圈半径R1的确定:进近管制空域的水平范围通常为半径50公里或者走廊进出口以内的除机场塔台管制区以外的空间。因此,将更新圈的半径R1设置为50公里。
步骤2.3所述的判断Data2中是否有航班到达更新圈具体过程是:
步骤2.3.1:利用Data2中各进场航班的经纬度信息和机场基准点的经纬度坐标,计算得到各进场航班当前位置和机场基准点的相对距离列表List1={D1,D2,...},获得List1中的最小值Dmin;
根据进场航班的经纬度信息和机场基准点的经纬度坐标计算二者相对距离的公式为:
其中,Aj为机场基准点经度;Aw为机场基准点纬度;Bj为进场航班经度;Bw为进场航班纬度;r为地球平均半径。
步骤2.3.2:判断Dmin和R1的大小关系,若Dmin>R1,则Data2中无航班到达更新圈;否则,Data2中有航班到达更新圈。
步骤2.4:进一步处理Data2,筛选出此刻处于起始圈和更新圈之间的进场航班ADS-B数据Data3,并从FP1中提取出Data3中涉及到的航班的飞行计划数据FP2;将FP2从FP1中删除以完成对FP1的更新;所述起始圈为以机场基准点为圆心半径为R2的圆形,起始圈和更新圈之间的范围作为航班排序的缓冲区域;
起始圈半径R2的确定:借鉴滚动时域控制(Receding Horizon Control,RHC)的排序时间窗概念,取15分钟时间窗对应的航班飞行距离作为缓冲区域的长度。进场航班在接近进近管制区时的速度约为600公里每小时,由此得到的缓冲区域长度为150公里,故将起始圈的半径R2设置为200公里。
步骤2.4所述从data2中筛选出data3并从FP1中提取FP2,具体过程是:
步骤2.4.1:对List1中所有的元素进行筛选,其中对任一元素Di,若Di≤R2,则将Di对应的航班号加入List2中;
步骤2.4.2:根据List2,从data2中筛选出data3并从FP1中提取FP2。
步骤2.5:根据Data3和FP2,确定实时空中交通密度分类,并输入相应的进场航班协同排序模型;同时,此排序阶段数据处理完成,返回步骤2.1进行后续的数据判断及处理工作。
步骤3:将步骤2获取的进场航班ADS-B数据和进场航班飞行计划数据输入实时空中交通密度对应的进场航班协同排序模型,求解进场航班协同排序模型,得到航班排序。
根据步骤2确定的空中交通密度分类选择求解进场航班协同排序模型的求解算法;若是低密度,使用带精英策略的快速非支配排序遗传算法进行排序计算,获得初步排序结果,时隙交换后获得最终排序结果;若是中密度或高密度,使用精英保留的遗传算法进行排序计算,获得的排序结果即最终排序结果。
低密度条件下求解模型时,将航班正常率最高的目标函数转换成航班正常率为1的约束,因此只有关于航班延误公平性最高的两个目标函数,可使用带精英策略的快速非支配排序遗传算法获得帕累托最优解。
低密度条件下由初步排序结果经时隙交换后获得最终排序结果的时隙交换规则及具体交换流程如下:
所述时隙交换规则是指:在对进场航班进行优化排序后,航空公司在满足航班可行着陆时间窗约束的前提下,可对优化排序结果中分配给本公司航班的着陆次序进行再分配,牺牲本公司某个或某些进场航班的利益以优先保障重要进场航班,从而提高决策的科学性和合理性;
所述时隙交换规则限定时隙交换发生在:
1)同一航空公司同一尾流等级的进场航班之间;或
2)在不影响其它航空公司航班时,同一航空公司不同尾流等级的进场航班之间;
所述时隙交换方法流程为:
步骤3.1:获得航班实时排序结果Seq0,包括航班号和航班次序;
步骤3.2:根据Seq0和时隙交换规则,确定可进行时隙交换的航空公司及其对应的可发生时隙交换的航班;
步骤3.3:向步骤3.2确定的第i个航空公司发送其相应的可发生时隙交换的航班排序信息Seq1;
步骤3.4:第i个航空公司在收到Seq1后进行决策,向管制单位发送时隙交换后的航班排序信息Seq2;
步骤3.5:将所有收到的Seq2进行整合并结合Seq0,获得所有航班的最终排序结果Seq3。
以上所述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,凡依照本发明申请专利范围所做的任何改动,均落入本发明保护范围内。
Claims (5)
1.一种进场航班动态协同排序方法,其特征在于,包括以下步骤:
步骤1:针对不同空中交通密度,分别建立进场航班协同排序模型;
步骤2:通过动态方法获取进场航班ADS-B数据和进场航班飞行计划数据;并判断实时空中交通密度;
步骤3:将步骤2获取的进场航班ADS-B数据和进场航班飞行计划数据输入实时空中交通密度对应的进场航班协同排序模型,求解进场航班协同排序模型,得到航班排序;
步骤1中,所述空中交通密度为高密度,即ni≥80%C时,进场航班协同排序的目标函数为
约束条件为:
式中:Fi为第i个排序阶段的所有进场航班的集合;为第i个排序阶段第j个进场航班移交给塔台管制员时第k个进场航班与其之间的水平距离;/>为第i个排序阶段第j和k个进场航班之间应满足的管制间隔标准,其中,/>和/>分别为第i个排序阶段第j和k个进场航班之间应满足的雷达尾流间隔标准、雷达管制间隔标准和协议间隔标准;/>为第i个排序阶段第j个进场航班的计划落地时间,航班计划落地时间是指优化后的落地时间;/>为第i个排序阶段第j和k个进场航班之间应满足的非雷达间隔的尾流间隔标准;/>和/>分别为第i个排序阶段第j个进场航班的最早和最晚落地时间;/>为第i个排序阶段第j个进场航班的预计落地时间,航班预计落地时间是指航班飞行计划中的预计落地时间;/>为第i个排序阶段第j个进场航班可接受的最大提前到达时间;为第i个排序阶段第j个进场航班可接受的最大推迟到达时间;/>为第i个排序阶段第j个进场航班单位位置偏移对应的时间偏移量;K为最大位置偏移量;
所述空中交通密度为中密度,即80%C>ni≥50%C时,目标函数为:
约束条件为:
所述空中交通密度为低密度,即ni<50%C时,目标函数为:
max Wi
min Ai
minσi
约束条件为:
步骤2中通过动态方法获取进场航班ADS-B数据和进场航班飞行计划数据包括如下步骤:
步骤2.1:获取航班实时ADS-B数据Data1;
步骤2.2:将Data1和进场航班飞行计划数据FP1相关,筛选出进场航班的ADS-B数据Data2;
步骤2.3:根据Data2中的航班位置信息,判断Data2中是否有航班到达更新圈,若是,则进行步骤4;若否,则返回步骤1;所述更新圈为以机场基准点为圆心半径为R1的圆形;
步骤2.4:进一步处理Data2,筛选出此刻处于起始圈和更新圈之间的进场航班ADS-B数据Data3,并从FP1中提取出Data3中涉及到的航班的飞行计划数据FP2;将FP2从FP1中删除以完成对FP1的更新;所述起始圈为以机场基准点为圆心半径为R2的圆形,起始圈和更新圈之间的范围作为航班排序的缓冲区域;
步骤2.5:根据Data3和FP2,确定实时空中交通密度分类;此排序阶段数据处理完成,返回步骤2.1进行后续的数据判断及处理工作。
2.根据权利要求1所述的一种进场航班动态协同排序方法,其特征在于,步骤3中,根据步骤2确定的空中交通密度分类选择求解进场航班协同排序模型的求解算法;若是低密度,使用带精英策略的快速非支配排序遗传算法进行排序计算,获得初步排序结果,时隙交换后获得最终排序结果;若是中密度或高密度,使用精英保留的遗传算法进行排序计算,获得的排序结果即最终排序结果。
3.根据权利要求1所述的一种进场航班动态协同排序方法,其特征在于:步骤2.3所述的判断Data2中是否有航班到达更新圈具体过程是:
步骤2.3.1:利用Data2中各进场航班的经纬度信息和机场基准点的经纬度坐标,计算得到各进场航班当前位置和机场基准点的相对距离列表List1={D1,D2,...},获得List1中的最小值Dmin;
步骤2.3.2:判断Dmin和R1的大小关系,若Dmin>R1,则Data2中无航班到达更新圈;否则,Data2中有航班到达更新圈。
4.根据权利要求1所述的一种进场航班动态协同排序方法,其特征在于:所述步骤2.4的具体过程是:
步骤2.4.1:对List1中所有的元素进行筛选,其中对任一元素Di,若Di≤R2,则将Di对应的航班号加入List2中;
步骤2.4.2:根据List2,从data2中筛选出data3并从FP1中提取FP2。
5.根据权利要求2所述的一种进场航班动态协同排序方法,其特征在于:所述的低密度条件下由初步排序结果经时隙交换后获得最终排序结果的时隙交换规则及具体交换流程如下:
所述时隙交换规则是指:在对进场航班进行优化排序后,航空公司在满足航班可行着陆时间窗约束的前提下,可对优化排序结果中分配给本公司航班的着陆次序进行再分配,牺牲本公司某个或某些进场航班的利益以优先保障重要进场航班,从而提高决策的科学性和合理性;
所述时隙交换规则限定时隙交换发生在:
1)同一航空公司同一尾流等级的进场航班之间;或
2)在不影响其它航空公司航班时,同一航空公司不同尾流等级的进场航班之间;
所述时隙交换方法流程为:
步骤3.1:获得航班实时排序结果Seq0,包括航班号和航班次序;
步骤3.2:根据Seq0和时隙交换规则,确定可进行时隙交换的航空公司及其对应的可发生时隙交换的航班;
步骤3.3:向步骤3.2确定的第i个航空公司发送其相应的可发生时隙交换的航班排序信息Seq1;
步骤3.4:第i个航空公司在收到Seq1后进行决策,向管制单位发送时隙交换后的航班排序信息Seq2;
步骤3.5:将所有收到的Seq2进行整合并结合Seq0,获得所有航班的最终排序结果Seq3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911389184.4A CN111160770B (zh) | 2019-12-30 | 2019-12-30 | 一种进场航班动态协同排序方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911389184.4A CN111160770B (zh) | 2019-12-30 | 2019-12-30 | 一种进场航班动态协同排序方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111160770A CN111160770A (zh) | 2020-05-15 |
CN111160770B true CN111160770B (zh) | 2023-06-13 |
Family
ID=70559139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911389184.4A Active CN111160770B (zh) | 2019-12-30 | 2019-12-30 | 一种进场航班动态协同排序方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111160770B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111899571B (zh) * | 2020-07-29 | 2021-11-02 | 成都民航空管科技发展有限公司 | 基于aman系统的自动调整航班进近程序的方法及系统 |
CN112000760B (zh) * | 2020-08-26 | 2023-10-03 | 携程旅游网络技术(上海)有限公司 | 航班组建方法、系统、电子设备和存储介质 |
CN112199816B (zh) * | 2020-08-31 | 2023-08-15 | 中国人民解放军国防科技大学 | 航班ads-b数据模拟方法 |
CN112232636B (zh) * | 2020-09-21 | 2024-05-03 | 南京航空航天大学 | 一种基于终端区即时管制压力的进场效率评估方法 |
CN112233462B (zh) * | 2020-09-30 | 2022-03-25 | 中国民用航空飞行学院 | 一种飞机着陆的动态时间间隔计算方法与系统 |
CN112201082B (zh) * | 2020-10-27 | 2021-08-03 | 上海行沙科技有限公司 | 一种航班放行时隙的n点置换方法 |
CN112419791B (zh) * | 2020-11-09 | 2022-05-10 | 南京莱斯信息技术股份有限公司 | 一种区域级繁忙终端航班排序调度方法 |
CN112949915A (zh) * | 2021-02-08 | 2021-06-11 | 南京航空航天大学 | 一种基于动态排序的进场航班落地时间预测方法 |
CN113593308A (zh) * | 2021-06-30 | 2021-11-02 | 四川大学 | 一种民航飞机智能化进场方法 |
US11710416B2 (en) * | 2021-07-30 | 2023-07-25 | The 28Th Research Institute Of China Electronics Technology Group Corporation | Multi-dimensional flight release efficiency evaluation method |
CN114493210A (zh) * | 2022-01-17 | 2022-05-13 | 空地互联网络科技股份有限公司 | 一种基于大数据的航空管理平台数据处理方法及装置 |
CN114464017B (zh) * | 2022-01-27 | 2023-02-03 | 南京航空航天大学 | 一种基于排队论的机场群航班延误估算方法 |
CN115240475B (zh) * | 2022-09-23 | 2022-12-13 | 四川大学 | 融合飞行数据和雷达图像的航空器进近规划方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2476566B1 (es) * | 2012-12-14 | 2015-03-16 | Universitat De Les Illes Balears | Método para caracterizar la congestión aeroportuaria en una red de tráfico aéreo |
CN107393348A (zh) * | 2017-07-10 | 2017-11-24 | 南京航空航天大学 | 一种信息共享机制下的进离场航班协同排序方法 |
CN107591034A (zh) * | 2017-08-09 | 2018-01-16 | 南京莱斯信息技术股份有限公司 | 一种进港航班排序的实现方法 |
-
2019
- 2019-12-30 CN CN201911389184.4A patent/CN111160770B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111160770A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111160770B (zh) | 一种进场航班动态协同排序方法 | |
US6584400B2 (en) | Schedule activated management system for optimizing aircraft arrivals at congested airports | |
CN103426331B (zh) | 多机场协同放行系统航班排序决策方法 | |
CN107591034A (zh) | 一种进港航班排序的实现方法 | |
CN112489498B (zh) | 一种航路交通精细改航规划方法 | |
Lin et al. | Transit priority strategies for multiple routes under headway-based operations | |
CN107393348A (zh) | 一种信息共享机制下的进离场航班协同排序方法 | |
CN103218681B (zh) | 航空枢纽应急管控方法 | |
CN104751683B (zh) | 机场航班滑行调度指挥系统及方法 | |
US20100063716A1 (en) | Method and device for the control of air traffic management at an airport | |
CN112927561A (zh) | 一种离场航班动态协同排序方法 | |
CN102682626A (zh) | 用于管理空中交通的方法和系统 | |
CN105117792B (zh) | 一种考虑跑道口等待时长的航班机场场面运行优化方法 | |
Lee et al. | A comparison of aircraft trajectory-based and aggregate queue-based control of airport taxi processes | |
CN109376918B (zh) | 一种基于交通量的空中管型高速航路网络布局方法 | |
Jiang et al. | Taxiing route scheduling between taxiway and runway in hub airport | |
CN110428665B (zh) | 一种航路与机场时隙协同分配的随机双层规划方法 | |
Çeçen et al. | Optimising aircraft arrivals in terminal airspace by mixed integer linear programming model | |
CN116307542A (zh) | 基于多计量点约束的进港排序方法及电子终端 | |
CN110706520B (zh) | 一种基于概率容量的航路与机场时隙鲁棒分配双层规划方法 | |
Liang et al. | Multi-layer point merge system for dynamically controlling arrivals on parallel runways | |
Liu et al. | Large scale aircraft conflict resolution based on location network | |
CN115187093B (zh) | 一种机场场面运行优化方法、装置、设备及可读存储介质 | |
CN110909946A (zh) | 一种基于公路换乘的航班计划优化方法 | |
CN116129678A (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 |
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 |