CN112115571A - 基于绿色航空模型的中枢辐射式航线网络优化设计方法 - Google Patents
基于绿色航空模型的中枢辐射式航线网络优化设计方法 Download PDFInfo
- Publication number
- CN112115571A CN112115571A CN202010999287.9A CN202010999287A CN112115571A CN 112115571 A CN112115571 A CN 112115571A CN 202010999287 A CN202010999287 A CN 202010999287A CN 112115571 A CN112115571 A CN 112115571A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- hub
- network
- model
- type navigation
- 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.)
- Pending
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005457 optimization Methods 0.000 title claims abstract description 33
- 238000013461 design Methods 0.000 title claims abstract description 17
- 230000007613 environmental effect Effects 0.000 claims abstract description 45
- 238000013210 evaluation model Methods 0.000 claims abstract description 34
- 239000003344 environmental pollutant Substances 0.000 claims description 122
- 231100000719 pollutant Toxicity 0.000 claims description 122
- 239000000446 fuel Substances 0.000 claims description 93
- 230000011218 segmentation Effects 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 16
- 230000009194 climbing Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000013459 approach Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 230000035945 sensitivity Effects 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 4
- 238000007635 classification algorithm Methods 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 238000010845 search algorithm Methods 0.000 claims description 4
- 230000007306 turnover Effects 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical class O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000011161 development Methods 0.000 abstract description 11
- 238000011160 research Methods 0.000 abstract description 6
- 238000010835 comparative analysis Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010206 sensitivity analysis Methods 0.000 abstract description 2
- 230000018109 developmental process Effects 0.000 description 10
- 239000007789 gas Substances 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于绿色航空模型的中枢辐射式航线网络优化设计方法,包括以下步骤:步骤S1,中枢辐射式航线网络枢纽机场选址;步骤S2,构建环境影响评估模型;步骤S3,引入点对点式航线网络进行对比分析;步骤S4,搭建基于绿色航空模型的中枢辐射式航线网络;步骤S5,根据构建的多目标优化模型,生成绿色中枢辐射式航线网络;步骤S6,灵敏度分析。本发明方法将航空器在航线网络中运行产生的环境影响考虑在内,在减少总客流量运输成本的同时,降低了中枢辐射式航线网络的环境影响,有利于开展对中枢辐射式航线网络优化设计的研究,也有利于我国航空运输业的可持续发展。
Description
技术领域
本发明涉及基于绿色航空模型的中枢辐射式航线网络优化设计方法,属于航线网络优化技术领域。
背景技术
随着经济全球化的迅速发展,航空运输业呈现蓬勃向上的发展趋势,其已经成为可以支撑起世界各国经济发展的重要产业,可以将各个国家、地区进行连接,达到全世界的互联互通。但是,在全球经济迅速发展、航空出行便利的同时,交通运输量以持续猛增的状态迅速增长,航空器运行消耗燃油,造成污染气体排放、温室效应等一系列环境问题亦不容忽视。
航空器在运行过程中,由于高空持续时间久、飞行距离长、产生的污染气体排放在大气中,与地面相比更加难以被吸收,因此对环境的影响是个长久的过程。有关调查研究显示,航空运输业以每年3.6%的温室气体排放增长率迅速增加,根据国际民航组织(ICAO)的统计数据,按照当前温室气体排放增长趋势,全球的航空排放量预计到2036年将比2006年高出1.5-3倍;预计到2050年,航空运输业产生的二氧化碳排放量将比2010年增加近4倍。除此之外,增加的燃油成本是航空运输业面临的另一个问题。国际航空运输协会(IATA)指出,2018年航空运输业的燃油支出同比2017年增长20.5%,比2005年910亿美元燃油支出增长1倍。
面对当前的严峻形势,为了鼓励航空公司变得更加环保,政府、航空当局及相关行业都制定了严格的环境法规和环境目标。航线网络是航空公司的发展基础之一,航线网络的设计关系到航空公司的可持续发展。改革开放以来,我国有关航空运输业的各项指标飞速发展,民航运输业的相关经营模式也由原来的粗放式逐渐转变为经济集约式。为了加快适应航空运输业的需求,航线网络结构也由最初的点对点式航线网络向中枢辐射式航线网络发展。中枢辐射式航线网络是含有枢纽机场(或城市)和非枢纽机场(或城市),通过枢纽机场汇集航空客流而形成的一种航线网络结构,它是航空运输市场达到一定规模,可以充分体现规模经济效应的一种航线网络结构。该网络具有良好的灵活性、通达性,优良的便捷性和经济性,通过运行该网络,可以达到显著提高航线网络运行效率的优势,同时降低航空承运人的运营成本,进一步奠定航空公司航线网络的基础发展,进而受到越来越多的欢迎。因此,在大力发展低能耗、低排放、低污染的“绿色航空”的大背景下,将航线网络的环境影响加以考虑,为航空公司提供决策支持,助力于我国航空运输业的可持续发展。
在实际运行环境中,中枢辐射式航线网络具有多目标特点,但是围绕多目标特性展开的研究较少,而且仅考虑单个目标的问题无法使决策者在考虑多个条件的影响因素下做出正确的判断,进而影响解决实际问题的效率。在当前的研究中,大多数学者仅考虑运输成本和运行时间来研究中枢辐射式航线网络的相关问题,较少研究将航空器在航线网络中运行产生的环境影响考虑在内。在有关航空器运行对环境影响的研究中,目前国内主要侧重于航空器在终端区范围内的影响,对航空器在整个中枢辐射式航线网络中运行产生的环境影响考虑较少。为了适应绿色民航的发展要求,以减少环境影响为目标,对绿色中枢辐射式航线网络优化设计方法进行研究具有重要意义。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,提供一种基于绿色航空模型的中枢辐射式航线网络优化设计方法,本发明综合对交通流数据、气象数据、运输需求和成本数据进行处理,提出基于绿色航空模型的中枢辐射式航线网络优化设计方法,具有重要的实际意义和较强的应用前景。
为达到上述目的,本发明提供基于绿色航空模型的中枢辐射式航线网络优化设计方法,包括以下步骤:
步骤S1,中枢辐射式航线网络的枢纽机场选址;
步骤S2,构建环境影响评估模型;
步骤S201,建立航空器的排放和航空器的燃油消耗模型;
步骤S202,评估计算航空器的燃油消耗和航空器的污染物排放情况;
步骤S203,构建环境影响评估模型;
步骤S3,将中枢辐射式航线网络与点对点式航线网络对比分析;
步骤S301,根据环境影响评估模型,评估计算点对点式航线网络的环境影响;
步骤S302,将点对点式航线网络与中枢辐射式航线网络进行对比分析,得到中枢辐射式航线网络和点对点式航线网络的环境影响情况;
步骤S4,搭建基于绿色航空模型的中枢辐射式航线网络;
步骤S401,建立中枢辐射式航线网络的成本模型;
步骤S402,考虑机场气象数据,建立航空器的污染物排放评估模型;
步骤S403,建立航空器的噪声影响模型;
步骤S5,根据构建的多目标绿色航空模型,生成绿色中枢辐射式航线网络;
步骤S6,中枢辐射式航线网络的灵敏度分析;
步骤S601,对中枢辐射式航线网络中转运部分的折扣系数进行分析;
步骤S602,分析噪声灵敏度对机队组成的影响;
步骤S603,分析航空器的污染物排放对机队组成的影响。
优先地,步骤S1包含以下步骤:
步骤S101,选取代表城市;
步骤S102,进行枢纽机场选址;
步骤S103,构建初始的中枢辐射式航线网络。
优先地,在所述步骤S101中,对前两年的民航机场旅客吞吐量进行排序,选择旅客吞吐量排名前20位的机场所在的城市为代表城市,对其旅客吞吐量和航段距离数据进行收集汇总;
在步骤S102中,忽略枢纽机场和航线的容量限制,对于枢纽机场的个数提前给定,枢纽机场限制在中枢辐射式航线网络的节点范围内,枢纽机场之间直接连接,非枢纽机场之间通过枢纽机场间接连接,非枢纽机场之间的客流经过枢纽机场进行中转,非枢纽机场与枢纽机场之间是多分配连接方式,以总客流量运输成本最低为目标,建立起中枢辐射式航线网络枢纽机场选址模型,求解出枢纽机场以及枢纽机场与非枢纽机场之间的航线分配方案,从而构建出初始的中枢辐射式航线网络。
优先地,在所述步骤S201中,基于航空器的污染物排放和航空器的燃油消耗模型对中枢辐射式航线网络进行评估,其中,污染物总排放量表示为:
其中,Tj是机型为j的航空器的运行时间;Gj表示机型为j的航空器的发动机数量;Fj表示机型为j的航空器在运行时间Tj内的燃油流率;Ij,p表示机型为j的航空器关于p污染物的排放指数,污染物主要为CO、HC和NOx;
计算航空器的燃油消耗率:
公式(2)中,Fc表示爬升阶段的燃油流量,Vt表示真空速,Cf1表示第一单位推力的燃油消耗系数,Cf2表示第二单位推力的燃油消耗系数,Th是发动机推力;公式(3)中,Fd下降阶段的燃油流量,Cf3为第一下降阶段的燃油消耗系数,Cf4为第二下降阶段燃油流率;公式(4)中,Fl表示巡航阶段的燃油流量,Cfr表示巡航阶段的燃油流率;A为飞行高度;U为航空器的总燃油消耗量;
在步骤S202中,根据步骤S201中构建好的航空器的排放和航空器的燃油消耗模型,对中枢辐射式航线网络的环境影响情况进行评估计算,得到整个中枢辐射式航线网络航空器的燃油消耗和航空器的污染物排放情况。
优先地,在所述步骤S301中,根据选定的代表城市的机场,将任意两个通航的机场之间连成一条航线,从而构建起点对点式的航线网络,根据构建好的环境影响评估模型来评估计算整个点对点式航线网络中航空器的燃油消耗以及航空器的污染物排放情况;
在步骤S302中,根据航空器的环境影响评估模型,对航空器分别在中枢辐射式航线网络中的环境影响和点对点式航线网络中的环境影响进行评估计算并对比分析,根据公式(1)至(5),计算出航空器在航线网络中运行产生的燃油消耗量和污染物排放量。
优先地,在步骤S401中,建立中枢辐射式航线网络的成本模型:
1)将每个起讫点之间的路径分为三个部分:汇运、转运和分运;
2)定义汇运的成本系数为χ、转运的成本系数为α和分运的成本系数为δ,由于在中枢辐射式航线网络的运营中枢纽机场之间的转运具有规模经济性,所以设置0≤α≤χ,δ≤1;
3)由于旅客运输的特殊性,规定旅客经过枢纽机场周转的次数最多为两次;
4)在各个枢纽机场之间采用座位数在200座以上的航空器进行运输,在非枢纽机场和枢纽机场之间采用座位数在151-200座的航空器进行运输;
以航空运输的客流量运输总成本最小为目标函数,建立起中枢辐射式航线网络中的成本模型;
在步骤S402中,基于机场气象数据,建立航空器的污染物排放评估模型:
将航空器的污染物排放分为LTO循环阶段和巡航阶段,LTO循环阶段为航空器在3000feet以下的行驶阶段,巡航阶段为航空器在3000feet以上的爬升阶段、巡航阶段和下降阶段;
1)在计算LTO循环阶段的污染物排放时,根据发动机机型排放数据库中给出的各个发动机机型在爬升阶段和下降阶段的飞行时间、发动机推力等级数据、基准燃油流率和污染物的排放指数来计算航空器的污染物排放量;
2)由于航空器在飞行过程中会受到外界大气环境的影响,所以在LTO循环阶段时需要结合机场气象数据对发动机机型排放数据库中的污染物的排放指数进行修正;
3)在计算巡航阶段的燃油消耗及污染物排放时,需要先确定出巡航阶段发动机的污染物排放指数,发动机在巡航阶段的推力与爬升阶段的推力等级相同,因此以爬升阶段的污染物的排放指数为基数对巡航阶段进行污染物排放量的计算;
4)将燃油消耗和航空器的污染物排放加以考虑,建立最小化燃油消耗量和最小化污染物排放模型;
基于最小化的航空器的燃油消耗量和最小化的航空器的污染物排放量,建立起中枢辐射式航线网络的污染物排放评估模型。
优先地,在步骤S403中,
1)航空器噪声计算分为单一事件噪声值和累计事件噪声值;
单一事件噪声值是指单次航空器运行产生的直接影响;累计事件噪声值是指在特定时间内,反应在该特定事件段内单一噪声值的累加;
在计算航空器噪声时,使用分割法计算单一噪声值,然后计算累计事件噪声值;利用分割法计算噪声时,在航空器噪声性能数据库中获取NPD数据,并采用公式(6)进行计算:
2)由于NPD数据是基于航空器在无限长的直线路径运行的假设条件下,因此计算出航空器轨迹正下方的地面噪声值时,使用航段分割法将航空器的飞行轨迹切割成若干航段,各个航段为无限长直线路径的组成部分;
3)考虑航空器的起降架次,计算枢纽机场中航空器离场期间的有效感觉噪声值和航空器进场期间的有效感觉噪声值,计算非枢纽机场中航空器离场期间的有效感觉噪声值和航空器进场期间的有效感觉噪声值,并采用航段分割法对有效感觉噪声值进行修正,从而计算得到航空器在进场期间的噪声值和离场期间的噪声值;
以在航空器在起降过程中最小化的噪声影响,建立起中枢辐射式航线网络中的噪声模型。
优先地,在所述步骤S5中,针对某个需要使得η个目标都最小化的优化问题,公式如下:
根据建立的最小化的污染物排放量、最小化的燃油消耗量和最小化的噪声影响的多目标优化模型,采用变邻域搜素算法进行求解,求解步骤如下:
1)初始化阶段
采用贪婪算法获得中枢辐射式航线网络的初始布局;
根据各个代表城市中机场的旅客吞吐量以及各个机场之间的距离,对机场进行初始的重要度排序以加快搜索速度,得到初始的枢纽机场选址以及航线分配方案;
2)将最短路算法加入到叉状分类算法中,将多目标问题转化成单目标问题,执行当前邻域结构,找到可行邻域有效解,即获得当前中枢辐射式航线网络的航线分配方案和枢纽机场选址的帕累托前沿面;
3)利用变邻域算法对中枢辐射式航线网络中的枢纽机场选址以及航线分配方案进行迭代搜索;
4)采用搜索算子shaking进行邻域动作,将枢纽节点和非枢纽节点进行交换,从而得到新的可行邻域解;
5)基于新的可行邻域解得到理想点所构成的枢纽组合,判断枢纽组合是否具有较优的地位,如果枢纽组合不是具有较优的地位则表示还存在潜在的最优枢纽组合解,进行帕累托最优点的更新,设置总客流量运输成本的阈值、污染物总排放量的阈值和航空器噪声的阈值,较优的地位基于总客流量运输成本、污染物总排放量和航空器噪声值进行判断;
6)找到最优的枢纽组合并将其加入到解集合中。
优先地,在所述步骤S601中,根据中枢辐射式航线网络的规模经济性,对中转运输的折扣系数进行分析,得出总客流量运输成本与枢纽机场个数之间的变化情况;
在步骤S602中,结合每种机型的航空器噪声值以及每位旅客的单位飞行成本,分析每种机型的航空器噪声值和机队组成之间的关系;
在步骤S603中,结合每位旅客的单位飞行成本以及航空器的某种污染物排放情况,考虑当该种污染物的变动处于某个范围时,分析该种污染物的排放情况与机队组成的变动情况。
优先地,机场气象数据包括温度比、压力比、相对湿度、湿度比、湿度系数、饱和水汽压、大气温度和大气压力。
本发明所达到的有益效果:
本发明方法综合考虑中枢辐射式航线网络的经济性与环保性,从而构建一种绿色中枢辐射式航线网络;
附图说明
图1是中枢辐射式航线网络的节点的示意图;
图2是搭建绿色航空模型的示意图;
图3是变邻域搜索算法流程图;
图4是本发明的流程图。
具体实施方式
以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
基于绿色航空模型的中枢辐射式航线网络优化设计方法,包括以下步骤:
步骤S1,中枢辐射式航线网络的枢纽机场选址;
步骤S2,构建环境影响评估模型;
步骤S201,建立航空器的排放和航空器的燃油消耗模型;
步骤S202,评估计算航空器的燃油消耗和航空器的污染物排放情况;
步骤S203,构建环境影响评估模型;
步骤S3,将中枢辐射式航线网络与点对点式航线网络对比分析;
步骤S301,根据环境影响评估模型,评估计算点对点式航线网络的环境影响;
步骤S302,将点对点式航线网络与中枢辐射式航线网络进行对比分析,得到中枢辐射式航线网络和点对点式航线网络的环境影响情况;
步骤S4,搭建基于绿色航空模型的中枢辐射式航线网络;
步骤S401,建立中枢辐射式航线网络的成本模型;
步骤S402,考虑机场气象数据,建立航空器的污染物排放评估模型;
步骤S403,建立航空器的噪声影响模型;
步骤S5,根据构建的多目标绿色航空模型,生成绿色中枢辐射式航线网络;
步骤S6,中枢辐射式航线网络的灵敏度分析;
步骤S601,对中枢辐射式航线网络中转运部分的折扣系数进行分析;
步骤S602,分析噪声灵敏度对机队组成的影响;
步骤S603,分析航空器的污染物排放对机队组成的影响。
进一步地,步骤S1包含以下步骤:
步骤S101,选取代表城市;
步骤S102,进行枢纽机场选址;
步骤S103,构建初始的中枢辐射式航线网络。
进一步地,在所述步骤S101中,对前两年的民航机场旅客吞吐量进行排序,选择旅客吞吐量排名前20位的机场所在的城市为代表城市,对其旅客吞吐量和航段距离数据进行收集汇总;
在步骤S102中,忽略枢纽机场和航线的容量限制,对于枢纽机场的个数提前给定,枢纽机场限制在中枢辐射式航线网络的节点范围内,枢纽机场之间直接连接,非枢纽机场之间通过枢纽机场间接连接,非枢纽机场之间的客流经过枢纽机场进行中转,非枢纽机场与枢纽机场之间是多分配连接方式,以总客流量运输成本最低为目标,建立起中枢辐射式航线网络枢纽机场选址模型,求解出枢纽机场以及枢纽机场与非枢纽机场之间的航线分配方案,从而构建出初始的中枢辐射式航线网络。
进一步地,在所述步骤S201中,基于航空器的污染物排放和航空器的燃油消耗模型对中枢辐射式航线网络进行评估,其中,污染物总排放量表示为:
其中,Tj是机型为j的航空器的运行时间;Gj表示机型为j的航空器的发动机数量;Fj表示机型为j的航空器在运行时间Tj内的燃油流率;Ij,p表示机型为j的航空器关于p污染物的排放指数,污染物主要为CO、HC和NOx;
计算航空器的燃油消耗率:
公式(2)中,Fc表示爬升阶段的燃油流量,Vt表示真空速,Cf1表示第一单位推力的燃油消耗系数,Cf2表示第二单位推力的燃油消耗系数,K是发动机推力;公式(3)中,Fd下降阶段的燃油流量,Cf3为第一下降阶段的燃油消耗系数,Cf4为第二下降阶段燃油流率;公式(4)中,Fl表示巡航阶段的燃油流量,Cfr表示巡航阶段的燃油流率;A为飞行高度;U为航空器的总燃油消耗量;
在步骤S202中,根据步骤S201中构建好的航空器的排放和航空器的燃油消耗模型,对中枢辐射式航线网络的环境影响情况进行评估计算,得到整个中枢辐射式航线网络航空器的燃油消耗和航空器的污染物排放情况。
进一步地,在所述步骤S301中,根据选定的代表城市的机场,将任意两个通航的机场之间连成一条航线,从而构建起点对点式的航线网络,根据构建好的环境影响评估模型来评估计算整个点对点式航线网络中航空器的燃油消耗以及航空器的污染物排放情况;
在步骤S302中,根据航空器的环境影响评估模型,对航空器分别在中枢辐射式航线网络中的环境影响和点对点式航线网络中的环境影响进行评估计算并对比分析,根据公式(1)至(5),计算出航空器在航线网络中运行产生的燃油消耗量和污染物排放量。
进一步地,在步骤S401中,建立中枢辐射式航线网络的成本模型:
1)将每个起讫点之间的路径分为三个部分:汇运、转运和分运;
2)定义汇运的成本系数为χ、转运的成本系数为α和分运的成本系数为δ,由于在中枢辐射式航线网络的运营中枢纽机场之间的转运具有规模经济性,所以设置0≤α≤χ,δ≤1;
3)由于旅客运输的特殊性,规定旅客经过枢纽机场周转的次数最多为两次;
4)在各个枢纽机场之间采用座位数在200座以上的航空器进行运输,在非枢纽机场和枢纽机场之间采用座位数在151-200座的航空器进行运输;
以航空运输的客流量运输总成本最小为目标函数,建立起中枢辐射式航线网络中的成本模型;
在步骤S402中,基于机场气象数据,建立航空器的污染物排放评估模型:
将航空器的污染物排放分为LTO循环阶段和巡航阶段,LTO循环阶段为航空器在3000feet以下的行驶阶段,巡航阶段为航空器在3000feet以上的爬升阶段、巡航阶段和下降阶段;
1)在计算LTO循环阶段的污染物排放时,根据发动机机型排放数据库中给出的各个发动机机型在爬升阶段和下降阶段的飞行时间、发动机推力等级数据、基准燃油流率和污染物的排放指数来计算航空器的污染物排放量;
2)由于航空器在飞行过程中会受到外界大气环境的影响,所以在LTO循环阶段时需要结合机场气象数据对发动机机型排放数据库中的污染物的排放指数进行修正;
3)在计算巡航阶段的燃油消耗及污染物排放时,需要先确定出巡航阶段发动机的污染物排放指数,发动机在巡航阶段的推力与爬升阶段的推力等级相同,因此以爬升阶段的污染物的排放指数为基数对巡航阶段进行污染物排放量的计算;
4)将燃油消耗和航空器的污染物排放加以考虑,建立最小化燃油消耗量和最小化污染物排放模型;
基于最小化的航空器的燃油消耗量和最小化的航空器的污染物排放量,建立起中枢辐射式航线网络的污染物排放评估模型。
进一步地,在步骤S403中,
1)航空器噪声计算分为单一事件噪声值和累计事件噪声值;
单一事件噪声值是指单次航空器运行产生的直接影响;累计事件噪声值是指在特定时间内,反应在该特定事件段内单一噪声值的累加;
在计算航空器噪声时,使用分割法计算单一噪声值,然后计算累计事件噪声值;利用分割法计算噪声时,在航空器噪声性能数据库中获取NPD数据,并采用公式(6)进行计算:
2)由于NPD数据是基于航空器在无限长的直线路径运行的假设条件下,因此计算出航空器轨迹正下方的地面噪声值时,使用航段分割法将航空器的飞行轨迹切割成若干航段,各个航段为无限长直线路径的组成部分;
3)考虑航空器的起降架次,计算枢纽机场中航空器离场期间的有效感觉噪声值和航空器进场期间的有效感觉噪声值,计算非枢纽机场中航空器离场期间的有效感觉噪声值和航空器进场期间的有效感觉噪声值,并采用航段分割法对有效感觉噪声值进行修正,从而计算得到航空器在进场期间的噪声值和离场期间的噪声值;
以在航空器在起降过程中最小化的噪声影响,建立起中枢辐射式航线网络中的噪声模型。
进一步地,在所述步骤S5中,针对某个需要使得η个目标都最小化的优化问题,公式如下:
根据建立的最小化的污染物排放量、最小化的燃油消耗量和最小化的噪声影响的多目标优化模型,采用变邻域搜素算法进行求解,求解步骤如下:
1)初始化阶段
采用贪婪算法获得中枢辐射式航线网络的初始布局;
根据各个代表城市中机场的旅客吞吐量以及各个机场之间的距离,对机场进行初始的重要度排序以加快搜索速度,得到初始的枢纽机场选址以及航线分配方案;
2)将最短路算法加入到叉状分类算法中,将多目标问题转化成单目标问题,执行当前邻域结构,找到可行邻域有效解,即获得当前中枢辐射式航线网络的航线分配方案和枢纽机场选址的帕累托前沿面;
3)利用变邻域算法对中枢辐射式航线网络中的枢纽机场选址以及航线分配方案进行迭代搜索;
4)采用搜索算子shaking进行邻域动作,将枢纽节点和非枢纽节点进行交换,从而得到新的可行邻域解;
5)基于新的可行邻域解得到理想点所构成的枢纽组合,判断枢纽组合是否具有较优的地位,如果枢纽组合不是具有较优的地位则表示还存在潜在的最优枢纽组合解,进行帕累托最优点的更新,设置总客流量运输成本的阈值、污染物总排放量的阈值和航空器噪声的阈值,较优的地位基于总客流量运输成本、污染物总排放量和航空器噪声值进行判断;
6)找到最优的枢纽组合并将其加入到解集合中。
进一步地,在所述步骤S601中,根据中枢辐射式航线网络的规模经济性,对中转运输的折扣系数进行分析,得出总客流量运输成本与枢纽机场个数之间的变化情况;
在步骤S602中,结合每种机型的航空器噪声值以及每位旅客的单位飞行成本,分析每种机型的航空器噪声值和机队组成之间的关系;
在步骤S603中,结合每位旅客的单位飞行成本以及航空器的某种污染物排放情况,考虑当该种污染物的变动处于某个范围时,分析该种污染物的排放情况与机队组成的变动情况。
进一步地,机场气象数据包括温度比、压力比、相对湿度、湿度比、湿度系数、饱和水汽压、大气温度和大气压力。
机队是指不同类型航空器的组合,常由航空公司所拥有的全部服役飞机组成。民用航空主管部门依据其国家所拥有飞机的类型,可将机队划分为远程、中程和短程三类。远程机队由能在水上飞行3200km以上的远程飞机组成;中程机队由飞行距离在1600~3200km或在航程时间为2~4h(包括经停时间)航线上飞行的中程飞机组成;短程机队由最大飞行距离1600km或在航程时间小于2h航线上飞行的短程飞机组成。
总客流量运输成本与枢纽机场个数之间的变化情况主要包括随着枢纽机场个数的增加或者减少,总客流量运输成本的变化。
单位飞行成本数据是指航空器每飞行1km所需要花费的成本。
本发明所考虑的航空器均为喷气式发动机,公式(1)中,公式(1)中,Tj单位为秒,Fj单位为kg/min,Ij,p单位为g/kg;公式(2)中,Fc单位为kg/min,Vt单位为kt,Cf1单位为kg/(min·kN),Cf2单位为knots;公式(3)中,Cf3单位为kg/min,K单位为kN,Fd单位为kg/min,A单位为feet;公式(4)中,Fl单位为kg/min,U单位为kg;发动机机型排放数据库和航空器噪声性能数据库为现有技术中可以查询到的数据库。
航空器的燃油消耗和航空器的污染物排放情况包括航空器在该运行阶段所消耗的燃油量,以及产生的污染物NOx、CO和HC的排放量。
步骤S402中,由于在目前航空器所使用的大部分机型中,发动机在巡航阶段的推力等级一般为85%,与爬升阶段的发动机推力等级相同。因此以爬升阶段的污染物排放指数为基数对巡航阶段进行污染物排放量的计算;在步骤S403中,航空器在运行时所产生的噪声会对机场周围的居民带来很多不利影响,严重影响正常的学习和工作,降低噪声影响成为亟待解决的一大问题;
由于NPD数据是以航空器在无限长的直线路径运行的假设条件下,计算出航空器轨迹正下方的地面噪声值,无法对其直接利用。因此,使用航段分割法将原有的飞行轨迹切割成若干航段,各个航段为无限长直线的组成部分。
步骤S1,中枢辐射式航线网络枢纽机场选址;
枢纽机场选址是中枢辐射式航线网络优化设计的关键第一步。本发明根据主要航段的客运量信息以及相应城市间的航段距离数据,深入分析不同分类方式下中枢辐射式航线网络的特点,明确本发明所涉及的枢纽选址类型,细化枢纽选址的步骤,进行枢纽机场的选址,从而确定枢纽机场与非枢纽机场之间的分配连接方式。
步骤S101,选取典型代表城市;
综合考虑经济发展、地理位置、交通可达性和数据可获取性等因素,针对可以选择城市的旅客吞吐量和航段距离等信息进行收集整理,最终确定出20个具有典型代表性的城市。
步骤S102,进行枢纽机场选址;
本发明不考虑枢纽机场、航线的容量限制,对于枢纽机场的个数提前给定,枢纽机场限制在网络的节点范围内,枢纽机场之间直接连接,非枢纽机场之间不能直接连接,非枢纽机场的客流需要经过枢纽机场进行中转,非枢纽机场与枢纽机场之间是多分配连接方式,以总客流量运输成本最低为目标,从而建立起中枢辐射式航线网络枢纽机场选址模型;
步骤S103,构建初始中枢辐射式航线网络;
由于本发明所使用的实施例是枢纽机场直接连接的情况,因此,对于中枢辐射式航线网络的优化设计问题只需要确定出枢纽机场的位置即可,枢纽机场之间连接的航线表示干线;非枢纽机场之间只能通过枢纽机场进行中转运输,因此,根据建立起来的中枢辐射式航线网络模型,采用现有技术中的CPLEX软件进行求解,从而构建出初始的中枢辐射式航线网络。
步骤S2,构建环境影响评估模型;
针对中枢辐射式航线网络的运行特点,依据官方认证的关于航空器的污染物排放和气体扩散的评估工具,建立计算航空污染物排放的环境影响评估模型,对航线网络进行定量分析。本发明考虑的污染物主要包括NOx、CO和HC这三种污染气体。
步骤S201,建立航空器的污染物排放和航空器的燃油消耗模型;
为了便于有效评估计算中枢辐射式航线网络的环境影响,建立航空器的污染物排放的环境影响评估模型。其中,污染物总排放量表示为:
其中,Tj是机型为j的航空器的运行时间;Ej表示机型为j的航空器的发动机数量;Fj表示机型为j的航空器在运行时间Tj内的燃油流率;Ij,p表示机型为j的航空器关于p污染物的排放指数。
步骤S202,评估计算中枢辐射式航线网络中的燃油消耗和污染物排放情况;
根据建立好的燃油消耗模型和航空器污染物排放模型,对中枢辐射式航线网络的环境影响进行评估计算。根据中枢辐射式航线网络的布局结构及航线分配,收集整理枢纽机场之间、枢纽机场与非枢纽机场之间的各个航段统计数据、机型的性能数据、航线比例以及燃油消耗参考值,计算整个中枢辐射式航线网络的燃油消耗和污染物排放情况。
步骤S3,中枢辐射式航线网络与点对点式航线网络对比分析;
点对点式航线网络又称为城市对式航线网络,该航线网络中均为直飞航线,即两个城市之间直接从起始点到目的地,中间不需要经过枢纽机场进行中转。为了对实施例进行对比分析,引入点对点式航线网络进行比较,计算点对点式航线网络下的燃油消耗和污染物排放情况,与中枢辐射式航线网络形成定量的对比分析,得出一定的启发式结论。
步骤S301,根据建立好的环境影响评估模型,评估计算点对点式航线网络的环境影响情况;
在点对点式航线网络中,任意两个机场之间为直飞航线,收集整理每个城市对间需要使用的相关数据,在保持与中枢辐射式航线网络在旅客吞吐量、航段距离等数据一致的情况下,根据构建的环境影响评估模型对点对点式航线网络的运行环境影响进行评估计算,得到该航线网络下航空器的燃油消耗和污染物排放情况。
步骤S302,与中枢辐射式航线网络进行对比分析;
根据航空器环境影响评估模型,评估计算航空器分别在中枢辐射式航线网络和点对点式航线网络中的环境影响,并进行对比分析,从而量化环境影响因素。
步骤S4,搭建基于绿色航空模型的中枢辐射式航线网络;
随着经济发展的同时,资源短缺、生态环境恶化等一系列社会问题逐渐暴露。“绿色航空”的观念率先在西方等发达国家提出,航空器在运行时产生的污染物排放与噪声等环境问题逐渐引起各国关注,“绿色航空”的观念逐渐形成,其体现了社会对航空业界的期许,是航空业为保护生态环境和人类生活所表现出来的一种新状态。
本发明考虑航空器在运行中所产生的环境影响,通过构建成本模型、航空器污染物排放评估模型和噪声模型,搭建出基于绿色航空模型的中枢辐射式航线网络。
步骤S401,建立成本模型;
1)将每个起讫点之间的路径分为三个部分:汇运、转运和分运。汇运是指从非枢纽机场到枢纽机场的运输,转运是指枢纽机场之间的运输,分运是指从枢纽机场到非枢纽机场的运输;
2)考虑在汇运、转运和分运三部分设置成本系数分别为χ、α和δ,由于在中枢辐射式航线网络的运营中,枢纽机场之间的转运具有规模经济性,所以设置成本系数0≤α≤χ,δ≤1;
3)由于旅客运输的特殊性(本发明只考虑旅客运输,不考虑货物运输),规定旅客经过枢纽机场周转的次数最多为两次;
4)中枢辐射式航线网络的优化设计中,枢纽机场之间具有更大的客流量。综合考虑经济性、安全性与环保性,在枢纽机场之间采用座位数较多的大型航空器进行运输,在非枢纽和枢纽之间采用座位数较少的中型航空器进行运输。
以最小化航空运输的客流量运输总成本,建立起中枢辐射式航线网络中的成本模型;
步骤S402,考虑机场气象数据,建立污染物排放评估模型;
本发明将航空器运行产生的污染物排放分为两大阶段,分别为3000feet以下的LTO循环阶段以及3000feet以上的爬升、巡航、下降构成的巡航阶段。
1)在计算LTO循环阶段的污染物排放时,根据发动机机型排放数据库中对机场终端区混合高度层(3000ft)以下,进近着陆、滑行、起飞和爬升4个飞行阶段给出的飞行时间、发动机推力等级数据、各个飞行阶段的基准燃油流率和污染物排放指数来计算污染物的排放;
2)由于航空器排放在一定程度上受到外界气象环境的影响,所以在计算LTO循环时,需要结合机场气象数据对发动机排放数据库中的排放指数进行修正,以保证计算结果的精确性;
3)在发动机排放数据库中并没有公布巡航阶段的机型排放数据。因此,在计算巡航阶段的燃油消耗及污染物排放时需要先确定出该阶段的发动机排放指数。燃油燃烧会造成航空器排放,其燃烧特性会很在大程度上对航空排放的总污染物排放量产生影响。由于在目前所使用的大部分机型中,发动机在巡航阶段的推力等级一般为85%,与爬升阶段的发动机推力等级相同。因此,考虑使用后者的污染物排放指数为基数对前者进行污染物排放量的计算;
4)考虑到航空器在运行过程中,需要消耗燃油并且排放污染气体(包括NOx、HC、CO等),对环境产生一定的影响。因此,在中枢辐射式航线网络的优化设计中将燃油消耗和污染气体排放因素加以考虑,建立最小化燃油消耗和污染气体排放模型;
以最小化航空运输的燃油消耗和污染气体排放,建立起中枢辐射式航线网络的污染物排放评估模型;
步骤S403,建立噪声模型;
航空器在机场周围运行时所产生的噪声对机场周围与航线覆盖区域居民带来很多困扰,严重影响到正常的交谈、工作、学习和睡眠,因此,降低航空噪声的研究引起公众的广泛关注。
1)对于航空器的噪声计算,分为单一事件噪声值和累计事件噪声值。单一事件噪声值是指单次航空器运行产生的直接影响;累计事件噪声值是在特定时间内,反应在该特定事件段内单一噪声值的累加;
本发明在计算航空器噪声时,使用分割法计算单一噪声值,然后计算累计事件噪声值。利用分割法计算噪声时,需要在航空器噪声性能数据库(Aircraft NoisePerformance,ANP)中获取NPD数据,并采用相关公式进行计算:
2)由于NPD数据是以航空器在无限长的直线路径运行的假设条件下,计算出航空器轨迹正下方的地面噪声值,无法对其直接利用。因此,使用航段分割法将原有的飞行轨迹切割成若干航段,各个航段为无限长直线的组成部分;
3)航空器在整个航线网络中运行时,其产生的噪声对机场周围的人们产生较大影响,尤其是在航空器起降时,影响更加突出。考虑航空器的起降架次,计算枢纽机场与非枢纽机场处航空器离场和进场期间的有效感觉噪声值,并采用航段分割法对噪声值进行修正,计算航空器产生的噪声影响;
以最小化航空器在起降过程中的噪声影响,建立起中枢辐射式航线网络中的噪声模型。
步骤S5,根据构建的多目标优化模型,生成绿色中枢辐射式航线网络;
同时考虑多个目标的优化问题统称其为多目标优化问题。对于多目标优化问题来说,最优解不是唯一的,其是一个解集合。针对某个需要最小化η个目标的优化问题,公式如下:
对于多目标优化问题,目标之间是相互冲突的,某个目标性能的提升可能会使得其他若干个性能有所降低。因此,多目标优化问题是具有折中解的集合的,被称为Pareto最优解或者非支配解集。
根据建立的最小化污染气体排放、燃油消耗、噪声影响的多目标优化模型,采用VNS算法进行求解,求解步骤如下:
1)初始化阶段
采用贪婪算法获得中枢辐射式航线网络的初始布局;
根据各代表城市的旅客吞吐量以及城市对间的距离,对机场进行初始的重要度排序,以加快搜索速度,得到初始枢纽机场选址以及航线分配方案;
2)利用最短路算法加入到叉状分类算法中,将多目标问题转化成单目标问题,执行当前邻域结构,找到可行邻域有效解,即获得当前中枢辐射式航线网络的航线分配方案和枢纽选址的帕累托前沿面;
3)利用VNS算法进行迭代搜索;
4)采用搜索算子shaking进行邻域动作,将枢纽节点和非枢纽节点进行交换,从而得到新的可行邻域解;
5)得到理想点所构成的枢纽组合方式,判断其是否具有较优的地位,如果不是,表示还存在潜在最优枢纽组合解,则进行帕累托最优点的更新;
6)更新,找到最优的枢纽组合加入到解集合中。
步骤S6,灵敏度分析;
为了对建立的多目标优化模型进行验证分析,本发明考虑了多种不同的场景对解决方案进行验证。为了达到目的,结合中枢辐射式航线网络的特点,考虑枢纽间转运折扣系数以及噪声水平,对航空公司机队组成的影响进行分析;
步骤S601,对中枢辐射式航线网络中转运部分的折扣系数进行分析;
由于中枢辐射式航线网络具有规模经济性,通过枢纽机场进行中转运输,不仅提高客座率,同时还降低单位旅客的运输成本,因此对中转运输的折扣系数进行分析,可以发现总客流量运输成本与枢纽机场个数之间的变化情况;
步骤S602,噪声水平对机队组成的影响;
结合每种机型的噪声数据以及每位旅客的单位飞行成本数据,分析每种机型的噪声水平和机队组成之间的关系;
步骤S603,污染物排放对机队组成的影响。
结合每位旅客的单位飞行成本以及航空器对某种污染物的排放情况,考虑当该种污染物的变动处于某个范围时,分析该种污染物的排放情况与机队组成的变动情况。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意自核来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通过计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid StateDisk(SSD))等。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.基于绿色航空模型的中枢辐射式航线网络优化设计方法,其特征在于,包括以下步骤:
步骤S1,中枢辐射式航线网络的枢纽机场选址;
步骤S2,构建环境影响评估模型;
步骤S201,建立航空器的排放和航空器的燃油消耗模型;
步骤S202,评估计算航空器的燃油消耗和航空器的污染物排放情况;
步骤S203,构建环境影响评估模型;
步骤S3,将中枢辐射式航线网络与点对点式航线网络对比分析;
步骤S301,根据环境影响评估模型,评估计算点对点式航线网络的环境影响;
步骤S302,将点对点式航线网络与中枢辐射式航线网络进行对比分析,得到中枢辐射式航线网络和点对点式航线网络的环境影响情况;
步骤S4,搭建基于绿色航空模型的中枢辐射式航线网络;
步骤S401,建立中枢辐射式航线网络的成本模型;
步骤S402,考虑机场气象数据,建立航空器的污染物排放评估模型;
步骤S403,建立航空器的噪声影响模型;
步骤S5,根据构建的多目标绿色航空模型,生成绿色中枢辐射式航线网络;
步骤S6,中枢辐射式航线网络的灵敏度分析;
步骤S601,对中枢辐射式航线网络中转运部分的折扣系数进行分析;
步骤S602,分析噪声灵敏度对机队组成的影响;
步骤S603,分析航空器的污染物排放对机队组成的影响。
2.根据权利要求1所述的基于绿色航空模型的中枢辐射式航线网络优化设计方法,其特征在于,步骤S1包含以下步骤:
步骤S101,选取代表城市;
步骤S102,进行枢纽机场选址;
步骤S103,构建初始的中枢辐射式航线网络。
3.根据权利要求2所述的基于绿色航空模型的中枢辐射式航线网络优化设计方法,其特征在于,在所述步骤S101中,对前两年的民航机场旅客吞吐量进行排序,选择旅客吞吐量排名前20位的机场所在的城市为代表城市,对其旅客吞吐量和航段距离数据进行收集汇总;
在步骤S102中,忽略枢纽机场和航线的容量限制,对于枢纽机场的个数提前给定,枢纽机场限制在中枢辐射式航线网络的节点范围内,枢纽机场之间直接连接,非枢纽机场之间通过枢纽机场间接连接,非枢纽机场之间的客流经过枢纽机场进行中转,非枢纽机场与枢纽机场之间是多分配连接方式,以总客流量运输成本最低为目标,建立起中枢辐射式航线网络枢纽机场选址模型,求解出枢纽机场以及枢纽机场与非枢纽机场之间的航线分配方案,从而构建出初始的中枢辐射式航线网络。
4.根据权利要求1所述的基于绿色航空模型的中枢辐射式航线网络优化设计方法,其特征在于,在所述步骤S201中,基于航空器的污染物排放和航空器的燃油消耗模型对中枢辐射式航线网络进行评估,其中,污染物总排放量表示为:
其中,Tj是机型为j的航空器的运行时间;Gj表示机型为j的航空器的发动机数量;Fj表示机型为j的航空器在运行时间Tj内的燃油流率;Ij,p表示机型为j的航空器关于p污染物的排放指数,污染物主要为CO、HC和NOx;
计算航空器的燃油消耗率:
公式(2)中,Fc表示爬升阶段的燃油流量,Vt表示真空速,Cf1表示第一单位推力的燃油消耗系数,Cf2表示第二单位推力的燃油消耗系数,K是发动机推力;公式(3)中,Fd下降阶段的燃油流量,Cf3为第一下降阶段的燃油消耗系数,Cf4为第二下降阶段燃油流率;公式(4)中,Fl表示巡航阶段的燃油流量,Cfr表示巡航阶段的燃油流率;A为飞行高度;U为航空器的总燃油消耗量;
在步骤S202中,根据步骤S201中构建好的航空器的排放和航空器的燃油消耗模型,对中枢辐射式航线网络的环境影响情况进行评估计算,得到整个中枢辐射式航线网络航空器的燃油消耗和航空器的污染物排放情况。
5.根据权利要求4所述的基于绿色航空模型的中枢辐射式航线网络优化设计方法,其特征在于,在所述步骤S301中,根据选定的代表城市的机场,将任意两个通航的机场之间连成一条航线,从而构建起点对点式的航线网络,根据构建好的环境影响评估模型来评估计算整个点对点式航线网络中航空器的燃油消耗以及航空器的污染物排放情况;
在步骤S302中,根据航空器的环境影响评估模型,对航空器分别在中枢辐射式航线网络中的环境影响和点对点式航线网络中的环境影响进行评估计算并对比分析,根据公式(1)至(5),计算出航空器在航线网络中运行产生的燃油消耗量和污染物排放量。
6.根据权利要求1所述的基于绿色航空模型的中枢辐射式航线网络优化设计方法,其特征在于,在步骤S401中,建立中枢辐射式航线网络的成本模型:
1)将每个起讫点之间的路径分为三个部分:汇运、转运和分运;
2)定义汇运的成本系数为χ、转运的成本系数为α和分运的成本系数为δ,由于在中枢辐射式航线网络的运营中枢纽机场之间的转运具有规模经济性,所以设置0≤α≤χ,δ≤1;
3)由于旅客运输的特殊性,规定旅客经过枢纽机场周转的次数最多为两次;
4)在各个枢纽机场之间采用座位数在200座以上的航空器进行运输,在非枢纽机场和枢纽机场之间采用座位数在151-200座的航空器进行运输;
以航空运输的客流量运输总成本最小为目标函数,建立起中枢辐射式航线网络中的成本模型;
在步骤S402中,基于机场气象数据,建立航空器的污染物排放评估模型:
将航空器的污染物排放分为LTO循环阶段和巡航阶段,LTO循环阶段为航空器在3000feet以下的行驶阶段,巡航阶段为航空器在3000feet以上的爬升阶段、巡航阶段和下降阶段;
1)在计算LTO循环阶段的污染物排放时,根据发动机机型排放数据库中给出的各个发动机机型在爬升阶段和下降阶段的飞行时间、发动机推力等级数据、基准燃油流率和污染物的排放指数来计算航空器的污染物排放量;
2)由于航空器在飞行过程中会受到外界大气环境的影响,所以在LTO循环阶段时需要结合机场气象数据对发动机机型排放数据库中的污染物的排放指数进行修正;
3)在计算巡航阶段的燃油消耗及污染物排放时,需要先确定出巡航阶段发动机的污染物排放指数,发动机在巡航阶段的推力与爬升阶段的推力等级相同,因此以爬升阶段的污染物的排放指数为基数对巡航阶段进行污染物排放量的计算;
4)将燃油消耗和航空器的污染物排放加以考虑,建立最小化燃油消耗量和最小化污染物排放模型;
基于最小化的航空器的燃油消耗量和最小化的航空器的污染物排放量,建立起中枢辐射式航线网络的污染物排放评估模型。
7.根据权利要求1所述的基于绿色航空模型的中枢辐射式航线网络优化设计方法,其特征在于,在步骤S403中,
1)航空器噪声计算分为单一事件噪声值和累计事件噪声值;
单一事件噪声值是指单次航空器运行产生的直接影响;累计事件噪声值是指在特定时间内,反应在该特定事件段内单一噪声值的累加;
在计算航空器噪声时,使用分割法计算单一噪声值,然后计算累计事件噪声值;利用分割法计算噪声时,在航空器噪声性能数据库中获取NPD数据,并采用公式(6)进行计算:
2)由于NPD数据是基于航空器在无限长的直线路径运行的假设条件下,因此计算出航空器轨迹正下方的地面噪声值时,使用航段分割法将航空器的飞行轨迹切割成若干航段,各个航段为无限长直线路径的组成部分;
3)考虑航空器的起降架次,计算枢纽机场中航空器离场期间的有效感觉噪声值和航空器进场期间的有效感觉噪声值,计算非枢纽机场中航空器离场期间的有效感觉噪声值和航空器进场期间的有效感觉噪声值,并采用航段分割法对有效感觉噪声值进行修正,从而计算得到航空器在进场期间的噪声值和离场期间的噪声值;
以在航空器在起降过程中最小化的噪声影响,建立起中枢辐射式航线网络中的噪声模型。
8.根据权利要求1所述的基于绿色航空模型的中枢辐射式航线网络优化设计方法,其特征在于,在所述步骤S5中,针对某个需要使得η个目标都最小化的优化问题,公式如下:
根据建立的最小化的污染物排放量、最小化的燃油消耗量和最小化的噪声影响的多目标优化模型,采用变邻域搜素算法进行求解,求解步骤如下:
1)初始化阶段
采用贪婪算法获得中枢辐射式航线网络的初始布局;
根据各个代表城市中机场的旅客吞吐量以及各个机场之间的距离,对机场进行初始的重要度排序以加快搜索速度,得到初始的枢纽机场选址以及航线分配方案;
2)将最短路算法加入到叉状分类算法中,将多目标问题转化成单目标问题,执行当前邻域结构,找到可行邻域有效解,即获得当前中枢辐射式航线网络的航线分配方案和枢纽机场选址的帕累托前沿面;
3)利用变邻域算法对中枢辐射式航线网络中的枢纽机场选址以及航线分配方案进行迭代搜索;
4)采用搜索算子shaking进行邻域动作,将枢纽节点和非枢纽节点进行交换,从而得到新的可行邻域解;
5)基于新的可行邻域解得到理想点所构成的枢纽组合,判断枢纽组合是否具有较优的地位,如果枢纽组合不是具有较优的地位则表示还存在潜在的最优枢纽组合解,进行帕累托最优点的更新,设置总客流量运输成本的阈值、污染物总排放量的阈值和航空器噪声的阈值,较优的地位基于总客流量运输成本、污染物总排放量和航空器噪声值进行判断;
6)找到最优的枢纽组合并将其加入到解集合中。
9.根据权利要求1所述的基于绿色航空模型的中枢辐射式航线网络优化设计方法,其特征在于,在所述步骤S601中,根据中枢辐射式航线网络的规模经济性,对中转运输的折扣系数进行分析,得出总客流量运输成本与枢纽机场个数之间的变化情况;
在步骤S602中,结合每种机型的航空器噪声值以及每位旅客的单位飞行成本,分析每种机型的航空器噪声值和机队组成之间的关系;
在步骤S603中,结合每位旅客的单位飞行成本以及航空器的某种污染物排放情况,考虑当该种污染物的变动处于某个范围时,分析该种污染物的排放情况与机队组成的变动情况。
10.根据权利要求1所述的基于绿色航空模型的中枢辐射式航线网络优化设计方法,其特征在于,机场气象数据包括温度比、压力比、相对湿度、湿度比、湿度系数、饱和水汽压、大气温度和大气压力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010999287.9A CN112115571A (zh) | 2020-09-22 | 2020-09-22 | 基于绿色航空模型的中枢辐射式航线网络优化设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010999287.9A CN112115571A (zh) | 2020-09-22 | 2020-09-22 | 基于绿色航空模型的中枢辐射式航线网络优化设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112115571A true CN112115571A (zh) | 2020-12-22 |
Family
ID=73801546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010999287.9A Pending CN112115571A (zh) | 2020-09-22 | 2020-09-22 | 基于绿色航空模型的中枢辐射式航线网络优化设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112115571A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222271A (zh) * | 2021-05-25 | 2021-08-06 | 中国民用航空飞行学院 | 综合交通运输体系下的中小机场选址布局方法 |
CN113592248A (zh) * | 2021-07-07 | 2021-11-02 | 杉数科技(北京)有限公司 | 航空货运网络的规划方法、系统、电子设备及存储介质 |
CN115238531A (zh) * | 2022-09-23 | 2022-10-25 | 南京航空航天大学 | 一种基于多情景的机场环境承载力预测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107123315A (zh) * | 2017-06-06 | 2017-09-01 | 南京航空航天大学 | 一种考虑环境影响的终端区进离场航线优化方法 |
-
2020
- 2020-09-22 CN CN202010999287.9A patent/CN112115571A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107123315A (zh) * | 2017-06-06 | 2017-09-01 | 南京航空航天大学 | 一种考虑环境影响的终端区进离场航线优化方法 |
Non-Patent Citations (1)
Title |
---|
YONG TIAN等: "Environmental impact analysis of hub-and-spoke network operation", 《DISCRETE DYNAMICS IN NATURE AND SOCIETY》, 21 April 2020 (2020-04-21), pages 4 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222271A (zh) * | 2021-05-25 | 2021-08-06 | 中国民用航空飞行学院 | 综合交通运输体系下的中小机场选址布局方法 |
CN113222271B (zh) * | 2021-05-25 | 2022-06-17 | 中国民用航空飞行学院 | 综合交通运输体系下的中小机场选址布局方法 |
CN113592248A (zh) * | 2021-07-07 | 2021-11-02 | 杉数科技(北京)有限公司 | 航空货运网络的规划方法、系统、电子设备及存储介质 |
CN113592248B (zh) * | 2021-07-07 | 2022-08-12 | 杉数科技(北京)有限公司 | 航空货运网络的规划方法、系统、电子设备及存储介质 |
CN115238531A (zh) * | 2022-09-23 | 2022-10-25 | 南京航空航天大学 | 一种基于多情景的机场环境承载力预测方法 |
CN115238531B (zh) * | 2022-09-23 | 2022-12-30 | 南京航空航天大学 | 一种基于多情景的机场环境承载力预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kirschstein | Comparison of energy demands of drone-based and ground-based parcel delivery services | |
CN107679667B (zh) | 一种终端区航线规划优先级分类方法 | |
CN112115571A (zh) | 基于绿色航空模型的中枢辐射式航线网络优化设计方法 | |
Kim et al. | System for assessing Aviation’s Global Emissions (SAGE), Part 1: Model description and inventory results | |
US20090204453A1 (en) | Aircraft flight plan optimization for minimizing emissions | |
Zhu et al. | Analyzing commercial aircraft fuel consumption during descent: A case study using an improved K-means clustering algorithm | |
US11094206B2 (en) | Vertical flightpath optimization | |
Singh et al. | AHP-Entropy based priority assessment of factors to reduce aviation fuel consumption | |
CN107067824A (zh) | 基于环境影响的终端区航线网络优化方法 | |
Kreimeier et al. | Economical assessment of air mobility on demand concepts with focus on Germany | |
RU2731833C2 (ru) | Система проектирования воздушного судна | |
Terekhov et al. | A concept of forecasting origin-destination air passenger demand between global city pairs using future socio-economic scenarios | |
CN112362060B (zh) | 一种民航飞行航路规划方法 | |
Cui et al. | Accounting for the carbon emissions from domestic air routes in China | |
Filippone | Analysis of carbon-dioxide emissions from transport aircraft | |
Speth et al. | Global environmental impact of supersonic cruise aircraft in the stratosphere | |
CN111340673A (zh) | 一种基于空铁耦合网络的出行耗时计算方法 | |
Salucci et al. | Capturing the demand for an electric-powered short-haul air transportation network | |
Long et al. | Demand analysis in urban air mobility: A literature review | |
CN111582592A (zh) | 一种区域机场群航线网络优化方法 | |
CN113011640B (zh) | 一种快速核算航空二氧化碳排放量的方法及其系统 | |
Yang et al. | Spatial–Temporal Clustering and Optimization of Aircraft Descent and Approach Trajectories | |
Yan et al. | Aircraft fleet route optimization based on cost and low carbon emission in aviation line alliance network | |
Tsilingiridis | Aircraft air pollutant emissions in Greek airports | |
Villa et al. | The Business Case for Regional Air Mobility at Scale |
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 |