CN112201082A - 一种航班放行时隙的n点置换方法 - Google Patents
一种航班放行时隙的n点置换方法 Download PDFInfo
- Publication number
- CN112201082A CN112201082A CN202011163614.3A CN202011163614A CN112201082A CN 112201082 A CN112201082 A CN 112201082A CN 202011163614 A CN202011163614 A CN 202011163614A CN 112201082 A CN112201082 A CN 112201082A
- Authority
- CN
- China
- Prior art keywords
- flight
- time
- time slot
- takeoff
- interval
- 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
Images
Classifications
-
- 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
- G08G5/0039—Modification of a flight plan
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种航班放行时隙的N点置换方法,包括:基于机场航班的历史数据,拟合生成正点率关键影响因子数据模型;航班根据各自的计划起飞时刻和原时隙安排,判断所处正点率关键影响因子数据模型的性能区间;若处于高性能区间,则航班新时隙安排的范围为“计划起飞时刻至计划起飞时刻+预设时间”;若处于低性能区间,航班新时隙安排的范围为“计划起飞时刻至计划起飞时刻+预设时间”;若处于急速下降区间,航班新时隙安排的范围为“计划起飞时刻至原时隙安排”;对所有航班按照新时隙安排的范围进行排列组合、多重条件约束检测,得到符合要求的可选组合方案;在可选组合方案中,选择航班正点率最大的方案,作为N点置换方法的时隙分配方案。
Description
技术领域
本发明涉及航班运行控制技术领域,具体涉及一种航班放行时隙的N点置换方法。
背景技术
航班运行控制,是民航单位对航班运行实施起始、延迟、更改、终止的所有决策;航班放行时隙,是民航空中交通管制部门根据空域资源使用情况,确定航班何时起飞以及何时飞越空中某个航路点的具体时间。
目前,民航领域内的航班放行时隙分配策略,以航班预计起飞时刻为主要参考。预计起飞时刻较早的航班,航班放行时隙安排较早;预计起飞时刻较晚的航班,航班放行时隙安排较晚。
目前,按照航班预计起飞时刻优先原则的航班放行时隙分配方法,缺少对航班正点率因素的考虑,时常发生因某个航路点的时隙控制而造成一个放行队列中绝大多数航班都延误的情况。航班正点率为民航空管、机场、航空公司最重要的考核指标之一,缺少航班正点率因素考量的航班放行时隙分配策略存在较为明显的设计缺陷。
同时,在现实运行环境中,时常发生人工提出航班时隙调整建议,在满足流量限制规则的前提下,经过人工评估确认后,进行时隙置换和调整,可一定程度减少航班延误的发生。但,从错综复杂的运行环境以及海量运行数据中,人工分析出时隙优化调整方案极为困难,实施连续监控难上加难。
发明内容
针对现有技术中存在的上述问题,本发明提供一种航班放行时隙的N点置换方法。
本发明公开了一种航班放行时隙的N点置换方法,包括:
获取当时时间下,该机场允许时隙变动的航班范围以及每个航班的计划起飞时刻和原时隙安排;
基于该机场航班的历史数据,拟合生成该机场航班的正点率关键影响因子数据模型;其中,所述正点率关键影响因子数据模型包括高性能区间、低性能区间和急速下降区间;
每个航班根据所述正点率关键影响因子数据模型以及各自的计划起飞时刻和原时隙安排,判断所处的性能区间,并确定航班新时隙安排的范围;其中,
若处于高性能区间,则该航班为正常起飞航班,航班新时隙安排的范围为“计划起飞时刻至计划起飞时刻+预设时间”;
若处于低性能区间,则该航班为延误起飞航班,航班新时隙安排的范围为“计划起飞时刻至计划起飞时刻+预设时间”;
若处于急速下降区间,则该航班为预计可能延误起飞航班,航班新时隙安排的范围为“计划起飞时刻至原时隙安排”;
对所有航班按照新时隙安排的范围进行排列组合,得到组合方案;
基于多重条件约束,检测所述组合方案中每一方案的可用性,筛选符合要求的可选组合方案;
在所述可选组合方案中,计算各方案的航班正点率;
选择航班正点率最大的方案,作为N点置换方法的时隙分配方案。
作为本发明的进一步改进,所述正点率关键影响因子数据模型的生成方法,包括:
收集机场预设时间段内的航班历史运行数据;
以航班(原时隙安排-航班计划起飞时刻)的差值为横坐标,以各差值对应的航班正点率为纵坐标,拟合生成(差值—航班正点率)曲线,得到正点率关键影响因子数据模型;其中:所述(差值—航班正点率)曲线包括三个性能区间:高性能区间、低性能区间和急速下降区间。
作为本发明的进一步改进,随着所述(原时隙安排-航班计划起飞时刻)的差值的增大,航班从所述高性能区间至急速下降区间至低性能区间变化;其中,
在所述高性区间中,纵坐标保持稳定的高数值区间,横坐标对纵坐标影响小;
在所述低性区间中,纵坐标保持稳定的低数值区间,横坐标对纵坐标影响小;
在所述急速下降区间中,随着横坐标增加,纵坐标呈速降趋势。
作为本发明的进一步改进,在对所有航班按照新时隙安排的范围进行排列组合时,以分钟为单位计,每增加一分钟为一种可能;其中,
正常起飞航班的可变动范围有“n1种可能”,n1=t+1,式中,t为预设时间;
延误起飞航班的可变动范围有“n2种可能”,n2=t+1+(t2-t1),式中,t为预设时间,t2为原时隙安排,t1为计划起飞时刻;
预计可能延误起飞航班的可变动范围有“n3种可能”,n3=(t2-t1)+1,式中,t2为原时隙安排,t1为计划起飞时刻;
作为本发明的进一步改进,所述预设时间设置为30分钟。
作为本发明的进一步改进,所述多重条件约束包括空域时隙间隔要求、空域容量限制、地面保障最早完成时间、航空器地面滑行时间和“帕累托最优”原则。
作为本发明的进一步改进,所述计算各方案的航班正点率,包括:
获取允许时隙变动的航班总数量;
计算各方案中航班正常的航班数量;
基于航班正常的航班数量和航班总数量,计算各方案的航班正点率。
与现有技术相比,本发明的有益效果为:
本发明的航班放行时隙N点置换方法,可弥补现有航班放行时隙分配策略中缺少对航班正点率考量的技术缺陷,将模拟人工分析解决问题的处理方式并将其转化为系统自动分析处理,可以提升机场整体航班正点率5个百分点以上;
本发明的航班放行时隙N点置换方法,可根据航班运行动态,通过数学建模和计算机处理,自动产生出优于当前航班时隙分配方案的计算结果,以追求更高的航班正点率表现和更高的空域资源使用效率。
附图说明
图1为本发明一种实施例公开的航班时隙安排与航班正点率的数据相关性示意图;
图2为本发明一种实施例公开的第一种原始模型的示意图;
图3为本发明一种实施例公开的第二种原始模型的示意图;
图4为本发明一种实施例公开的第三种原始模型的示意图;
图5为本发明一种实施例公开的航班放行时隙的N点置换方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图对本发明做进一步的详细描述:
本发明提供一种航班放行时隙的N点置换方法为一种机器智能算法,算法过程为数学建模和逻辑运算(排列组合、检验方案可用性、求解正点率最大组合方案),经过系统运算后产生符合预期的计算结果;算法结果辅助用户运行决策,算法具备学习和自我修正能力,随着运行数据积累,运算结果不断趋于精确。其主要应用于民航空中交通管理单位、民航机场和航空公司的航班运行控制领域,辅助用户运行决策。
如图1所示,航班放行时隙安排与航班正点率有一定的数据相关性,图1的横坐标为(原时隙安排-航班计划起飞时刻)的差值、纵坐标为各差值对应的航班正点率;由图1可知,时隙安排越早越有利于航班正常,时隙安排越晚越容易发生航班延误。数据表现上,通常包括高性能区间、低性能区间和急速下降性能区间,性能区间边界点为性能突变的关键时间窗口。
如图2所示,A为一个预计延误起飞的航班,B为一个预计正常起飞的航班,当将A航班和B航班的时隙对换后,A、B两个航班都可以正常起飞。
如图3所示,A航班、B航班都为预计延误起飞的航班,当将A航班和B航班的时隙对换后,A航班可以正常起飞,B航班延误时间适当延长。
如图4所示,根据图2和图3所示的原始模型,依次类推,A、B、C三个航班时隙置换,以及A、B、C……N个航班时隙置换。
航班放行时隙N点置换方法依据:
1、根据民航局航班正常性管理规定,航班计划起飞时刻后某时间范围内实际起飞,都可统计为航班正常,即航班正常起飞时刻存在多种可能性。例如:某机场规定计划起飞时刻后30分钟内实际起飞都统计为正常,航班正常起飞时刻可以为计划起飞时刻、+1分钟、+2分钟、……+30分钟,共计31种可能。
2、航班放行时隙安排与航班正点率有一定的数据相关性。时隙安排越早越有利于航班正常,时隙安排越晚越容易发生航班延误,如图1所示。
3、算法结果必须符合空域流量限制规则和机场地面保障的各项能力要求。
4、算法结果遵循帕累托最优原则,只允许将预计延误的航班调整至正常起飞,不允许将预计正常的航班调整至延误起飞,如图2、图3、图4所示。
基于上述研究,如图5所示,本发明提供一种航班放行时隙的N点置换方法,包括:
步骤1、获取当时时间下,该机场允许时隙变动的航班范围以及每个航班的计划起飞时刻和原时隙安排(原时隙安排,为现行系统给出的航班计算起飞时刻);
步骤2、基于该机场航班的历史数据,拟合生成该机场航班的正点率关键影响因子数据模型;
具体的生成方法包括:
步骤21、收集机场预设时间段内的航班历史运行数据;
步骤22、以航班(原时隙安排-航班计划起飞时刻)的差值为横坐标,以各差值对应的航班正点率为纵坐标,拟合生成(差值—航班正点率)曲线,得到正点率关键影响因子数据模型;
步骤33、(差值—航班正点率)曲线包括三个性能区间:高性能区间、低性能区间和急速下降区间,随着(原时隙安排-航班计划起飞时刻)的差值的增大,航班从高性能区间至急速下降区间至低性能区间变化;其中,
①在高性区间中,纵坐标保持稳定的高数值区间,横坐标对纵坐标影响小;
②在低性区间中,纵坐标保持稳定的低数值区间,横坐标对纵坐标影响小;
③在急速下降区间中,随着横坐标增加,纵坐标呈速降趋势;
④上述各性能区间的分界点,为关键时间窗口。
步骤3、每个航班根据正点率关键影响因子数据模型以及各自的计划起飞时刻和原时隙安排,判断所处的性能区间,并确定航班新时隙安排的范围;其中,
①若处于高性能区间,则该航班为正常起飞航班,航班新时隙安排的范围为“计划起飞时刻至计划起飞时刻+预设时间”;
②若处于低性能区间,则该航班为延误起飞航班,航班新时隙安排的范围为“计划起飞时刻至计划起飞时刻+预设时间”;
③若处于急速下降区间,则该航班为预计可能延误起飞航班,航班新时隙安排的范围为“计划起飞时刻至原时隙安排”;
步骤4、对所有航班按照新时隙安排的范围进行排列组合,得到组合方案;
具体为:
在对所有航班按照新时隙安排的范围进行排列组合时,以分钟为单位计,每增加一分钟为一种可能;其中,
正常起飞航班的可变动范围有“n1种可能”,n1=t+1,式中,t为预设时间;
延误起飞航班的可变动范围有“n2种可能”,n2=t+1+(t2-t1),式中,t为预设时间,t2为原时隙安排,t1为计划起飞时刻;
预计可能延误起飞航班的可变动范围有“n3种可能”,n3=(t2-t1)+1,式中,t2为原时隙安排,t1为计划起飞时刻;
进一步,本发明的预设时间设置为30分钟。
步骤5、基于多重条件约束,检测组合方案中每一方案的可用性,筛选符合要求的可选组合方案;其中,
多重条件约束包括空域时隙间隔要求、空域容量限制、地面保障最早完成时间、航空器地面滑行时间和“帕累托最优”原则。
例如:(1)根据新时隙安排推算出飞越空中限制航路点的飞越时间,飞越该航路点各航班飞越时间间隔必须满足流量限制间隔要求。(2)新时隙安排-地面滑行时间,获得新计算推出时间,该时间不得早于目标撤轮挡时间等。
步骤6、在可选组合方案中,计算各方案的航班正点率选择航班正点率最大的方案,作为N点置换方法的时隙分配方案;其中,
计算各方案的航班正点率,包括:
获取允许时隙变动的航班总数量;
计算各方案中航班正常的航班数量;
基于航班正常的航班数量和航班总数量,计算各方案的航班正点率。
例如:
计算数据样本中共有100个航班,方案A中共有80个航班正常,对应方案航班正点率为80%;方案B中共有90个航班正常,对应方案航班正点率为90%。
实施例:
本发明提供一种航班放行时隙的N点置换方法,包括:
步骤1、当前时间,共有F1、F2、F3…F5,等5个航班,航班时隙允许变动;
步骤2、拟合生成该机场的航班历史大数据正点率关键影响因子数据模型,根据航班原时隙安排确定航班所处的性能区间,并确定航班新时隙安排的范围:其中,
F1、F2、F3为预计正常起飞航班,新时隙安排范围为“计划起飞时刻至计划起飞时刻+30分钟”;
F4为预计延误起飞航班,新时隙安排范围为“计划起飞时刻至(原时隙安排+30分钟)”;
F5为预计可能延误起飞航班,范围为“计划起飞时刻至原时隙安排”;
步骤3、对所有航班按照时隙可变动范围的进行排列组合;其中,
F1、F2、F3航班,可变动范围各“31种可能性”;
F4航班,可变动范围分别为“70种可能性”;
F5航班,可变动范围分别为“45种可能性”。
通过排列组合,可产生31*31*31*70*45=93841650种组合方案。
步骤4、检验时隙分配组合方案的可用性,筛选可选组合方案;其中,
经多重条件约束后,共有3000种组合方案(P1、P2…P3000)符合条件。
步骤5、可选组合方案中,计算各方案航班正点率;其中,
计算各方案航班正点率,其中P456的航班正点率最大。
步骤6、航班正点率最大的组合方案,为N点置换方法时隙分配方案;
其中,
选用方案P456为N点置换方法时隙分配方案。
本发明的优点为:
本发明的航班放行时隙N点置换方法,可弥补现有航班放行时隙分配策略中缺少对航班正点率考量的技术缺陷,将模拟人工分析解决问题的处理方式并将其转化为系统自动分析处理,可以提升机场整体航班正点率5个百分点以上;
本发明的航班放行时隙N点置换方法,可根据航班运行动态,通过数学建模和计算机处理,自动产生出优于当前航班时隙分配方案的计算结果,以追求更高的航班正点率表现和更高的空域资源使用效率。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种航班放行时隙的N点置换方法,其特征在于,包括:
获取当时时间下,该机场允许时隙变动的航班范围以及每个航班的计划起飞时刻和原时隙安排;
基于该机场航班的历史数据,拟合生成该机场航班的正点率关键影响因子数据模型;其中,所述正点率关键影响因子数据模型包括高性能区间、低性能区间和急速下降区间;
每个航班根据所述正点率关键影响因子数据模型以及各自的计划起飞时刻和原时隙安排,判断所处的性能区间,并确定航班新时隙安排的范围;其中,
若处于高性能区间,则该航班为正常起飞航班,航班新时隙安排的范围为“计划起飞时刻至计划起飞时刻+预设时间”;
若处于低性能区间,则该航班为延误起飞航班,航班新时隙安排的范围为“计划起飞时刻至计划起飞时刻+预设时间”;
若处于急速下降区间,则该航班为预计可能延误起飞航班,航班新时隙安排的范围为“计划起飞时刻至原时隙安排”;
对所有航班按照新时隙安排的范围进行排列组合,得到组合方案;
基于多重条件约束,检测所述组合方案中每一方案的可用性,筛选符合要求的可选组合方案;
在所述可选组合方案中,计算各方案的航班正点率;
选择航班正点率最大的方案,作为N点置换方法的时隙分配方案。
2.如权利要求1所述的N点置换方法,其特征在于,所述正点率关键影响因子数据模型的生成方法,包括:
收集机场预设时间段内的航班历史运行数据;
以航班(原时隙安排-航班计划起飞时刻)的差值为横坐标,以各差值对应的航班正点率为纵坐标,拟合生成(差值—航班正点率)曲线,得到正点率关键影响因子数据模型;其中:所述(差值—航班正点率)曲线包括三个性能区间:高性能区间、低性能区间和急速下降区间。
3.如权利要求2所述的N点置换方法,其特征在于,随着所述(原时隙安排-航班计划起飞时刻)的差值的增大,航班从所述高性能区间至急速下降区间至低性能区间变化;其中,
在所述高性区间中,纵坐标保持稳定的高数值区间,横坐标对纵坐标影响小;
在所述低性区间中,纵坐标保持稳定的低数值区间,横坐标对纵坐标影响小;
在所述急速下降区间中,随着横坐标增加,纵坐标呈速降趋势。
5.如权利要求4所述的N点置换方法,其特征在于,所述预设时间设置为30分钟。
6.如权利要求1所述的N点置换方法,其特征在于,所述多重条件约束包括空域时隙间隔要求、空域容量限制、地面保障最早完成时间、航空器地面滑行时间和“帕累托最优”原则。
7.如权利要求1所述的N点置换方法,其特征在于,所述计算各方案的航班正点率,包括:
获取允许时隙变动的航班总数量;
计算各方案中航班正常的航班数量;
基于航班正常的航班数量和航班总数量,计算各方案的航班正点率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011163614.3A CN112201082B (zh) | 2020-10-27 | 2020-10-27 | 一种航班放行时隙的n点置换方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011163614.3A CN112201082B (zh) | 2020-10-27 | 2020-10-27 | 一种航班放行时隙的n点置换方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112201082A true CN112201082A (zh) | 2021-01-08 |
CN112201082B CN112201082B (zh) | 2021-08-03 |
Family
ID=74011604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011163614.3A Active CN112201082B (zh) | 2020-10-27 | 2020-10-27 | 一种航班放行时隙的n点置换方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112201082B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113838313A (zh) * | 2021-11-29 | 2021-12-24 | 中国民用航空总局第二研究所 | 一种航向信标航道余隙抖动的障碍物识别方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002082407A1 (en) * | 2001-04-09 | 2002-10-17 | Louis John Colman Beardsworth | Schedule based management system for optimizing aircraft arrivals at airports |
US20070106549A1 (en) * | 2005-11-04 | 2007-05-10 | Stocking Christine A | Turnkey aviation budget management |
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 |
CN101527086A (zh) * | 2009-04-24 | 2009-09-09 | 中国民航大学 | 航班时隙分配的实现方法 |
US20120221233A1 (en) * | 2010-07-15 | 2012-08-30 | Thomas White | System and Method for Departure Metering from Airports |
CN103400053A (zh) * | 2013-08-26 | 2013-11-20 | 合肥飞友网络科技有限公司 | 航班准点起飞的预估方法 |
CN104700662A (zh) * | 2015-03-13 | 2015-06-10 | 中国电子科技集团公司第二十八研究所 | 一种基于模糊综合评价的协同航路时隙分配方法 |
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 |
CN110706520A (zh) * | 2019-10-31 | 2020-01-17 | 中国电子科技集团公司第二十八研究所 | 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 |
CN111160770A (zh) * | 2019-12-30 | 2020-05-15 | 南京航空航天大学 | 一种进场航班动态协同排序方法 |
-
2020
- 2020-10-27 CN CN202011163614.3A patent/CN112201082B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002082407A1 (en) * | 2001-04-09 | 2002-10-17 | Louis John Colman Beardsworth | Schedule based management system for optimizing aircraft arrivals at airports |
US20070106549A1 (en) * | 2005-11-04 | 2007-05-10 | Stocking Christine A | Turnkey aviation budget management |
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 |
CN101527086A (zh) * | 2009-04-24 | 2009-09-09 | 中国民航大学 | 航班时隙分配的实现方法 |
US20120221233A1 (en) * | 2010-07-15 | 2012-08-30 | Thomas White | System and Method for Departure Metering from Airports |
US20160063868A1 (en) * | 2010-07-15 | 2016-03-03 | Passur Aerospace, Inc. | System and Method for Departure Metering from Airports |
CN103400053A (zh) * | 2013-08-26 | 2013-11-20 | 合肥飞友网络科技有限公司 | 航班准点起飞的预估方法 |
CN104700662A (zh) * | 2015-03-13 | 2015-06-10 | 中国电子科技集团公司第二十八研究所 | 一种基于模糊综合评价的协同航路时隙分配方法 |
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 |
CN110706520A (zh) * | 2019-10-31 | 2020-01-17 | 中国电子科技集团公司第二十八研究所 | 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 |
CN111160770A (zh) * | 2019-12-30 | 2020-05-15 | 南京航空航天大学 | 一种进场航班动态协同排序方法 |
Non-Patent Citations (2)
Title |
---|
NINASCHEFERS: "A constraint programming model with time uncertainty for cooperative flight departures", 《TRANSPORTATION RESEARCH PART C: EMERGING TECHNOLOGIES》 * |
杨丰宁: "基于A-CDM的航班延误恢复研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113838313A (zh) * | 2021-11-29 | 2021-12-24 | 中国民用航空总局第二研究所 | 一种航向信标航道余隙抖动的障碍物识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112201082B (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jacquillat et al. | Dynamic control of runway configurations and of arrival and departure service rates at JFK airport under stochastic queue conditions | |
Chandran et al. | A dynamic programming algorithm for robust runway scheduling | |
Jacquillat et al. | Endogenous control of service rates in stochastic and dynamic queuing models of airport congestion | |
US20100185426A1 (en) | Predicting Aircraft Taxi-Out Times | |
CN109741638B (zh) | 一种进离场管理系统一体化协同运行方法 | |
Gwiggner et al. | Data and queueing analysis of a Japanese air-traffic flow | |
Baspinar et al. | Analysis of delay characteristics of European air traffic through a data-driven airport-centric queuing network model | |
WO2022199722A1 (zh) | 一种基于航班正常性目标的空域网络优化方法 | |
Avery et al. | Predicting airport runway configuration: A discrete-choice modeling approach | |
CN113222238B (zh) | 一种枢纽机场值机资源配置优化方法及系统 | |
CN109948844A (zh) | 一种停机位分配鲁棒性的优化方法、装置、设备及介质 | |
CN110335506A (zh) | 一种终端区短时空域利用率计算方法 | |
CN112201082B (zh) | 一种航班放行时隙的n点置换方法 | |
Çeçen et al. | Aircraft sequencing and scheduling in TMAs under wind direction uncertainties | |
Idris et al. | Accrued delay application in trajectory-based operations | |
CN110765597A (zh) | 扇区数量估算系统 | |
Vandal et al. | Prediction and uncertainty quantification of daily airport flight delays | |
CN112651673A (zh) | 一种资源规划方法及相关设备 | |
Jacquillat et al. | Airport Congestion Mitigation through Dynamic Control of Runway Configurations and of Arrival and Departure Service Rates under Stochastic Operating Conditions | |
Shao et al. | Air transportation delay propagation analysis with uncertainty in coloured–timed Petri nets | |
Marr et al. | Controller workload-based calculation of monitor alert parameters for en route sectors | |
Wang et al. | A review of flight delay prediction methods | |
Jung et al. | Develpment of the Surface Management System Integrated with CTAS Arrival Tool | |
SAHADEVAN et al. | Prediction of gate in time of scheduled flights and schedule conformance using machine learning-based algorithms | |
Kumar et al. | Airport troughput capacity limits for demand management planning |
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 |