CN112241839B - 一种基于概率分布特征的航班流生成方法 - Google Patents

一种基于概率分布特征的航班流生成方法 Download PDF

Info

Publication number
CN112241839B
CN112241839B CN202011103758.XA CN202011103758A CN112241839B CN 112241839 B CN112241839 B CN 112241839B CN 202011103758 A CN202011103758 A CN 202011103758A CN 112241839 B CN112241839 B CN 112241839B
Authority
CN
China
Prior art keywords
flight
landing
time
takeoff
index
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
Application number
CN202011103758.XA
Other languages
English (en)
Other versions
CN112241839A (zh
Inventor
施书成
董斌
严勇杰
付胜豪
童明
刘燕
王凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 28 Research Institute
Original Assignee
CETC 28 Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CETC 28 Research Institute filed Critical CETC 28 Research Institute
Priority to CN202011103758.XA priority Critical patent/CN112241839B/zh
Publication of CN112241839A publication Critical patent/CN112241839A/zh
Application granted granted Critical
Publication of CN112241839B publication Critical patent/CN112241839B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0095—Aspects of air-traffic control not provided for in the other subgroups of this main group

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Mathematical Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Educational Administration (AREA)
  • Algebra (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种基于概率分布特征的航班流生成方法，包括：以当前实际起飞航班流所遵循的泊松分布为例，计算单位时间内的起飞航班数，并综合考虑起飞间隔、目的机场以及机型的分布特征，对单位时间内起飞航班赋予相应的要素，生成单机场的起飞航班流；降落航班流生成，根据尾流间隔、降落航班跑道占用间隔的分布特征，生成单机场的最大降落航班流；混合航班流生成，在起飞流和降落流的基础上，考虑实际运行中的容量约束、起降间隔约束，以离场优先为原则，生成混合航班流。该方法依托概率分布特征，充分考虑实际运行的客观性，能够灵活、多样的生成所需的航班流，为空管领域内运行决策、仿真推演等细分业务领域提供可靠的数据支撑。

Description

一种基于概率分布特征的航班流生成方法
技术领域
本发明涉及一种基于概率分布特征的航班流生成方法。
背景技术
航班流生成技术是空中交通管理领域内系统建设的重要组成部分，通过航班流生成技术生成目标对象的态势依据，为后续管制决策、运行推演等提供基础。灵活、多样的航班流生成对于验证空域与交通流的互适应性，识别空域运行瓶颈，提升空域运行效率具有重要意义。同时，航班流生成技术也是空管运行仿真领域的关键技术之一，通过航班流生成技术，模拟待仿真对象内的初始航班分布，为管制模拟训练、新技术验证提供数据支撑。
如何根据运行特征生成航班流是当前的热点问题。目前，通常采用历史数据分析与航班计划结合的方式，通过分析航班计划中的城市对以及时刻分配，结合历史运行的时刻区间进行航班分配，最终生成目标对象的航班流。该航班流体现的是当下运行条件下的运行特征，对于航班流的规划和验证能力较弱，只能被动的评估当下运行效果，无法有效驱动规划与决策，因此导致该方法的应用领域较为狭隘。
发明内容
发明目的：本发明从实际应用需求着手，以概率分布特征为驱动，灵活、快速的生成单机场对象的起飞航班流、降落航班流以及混合航班流。并且在航班流生成过程中，充分考虑了管制运行条件，从而保障所生成的航班流满足客观运行规律，为后续仿真推演、规划验证提供可靠的数据支撑。
技术方案：本发明是这样实现的，一种基于概率分布特征的航班流生成方法，包括以下步骤：
步骤1，生成起飞航班流；
步骤2，生成最大降落航班流；
步骤3，生成混合航班流。
步骤1包括：针对起飞航班，通过分析航班流属性信息，确定起飞航班流Ftk_i包含起飞时间Ttk_i、起飞机型Xtk_i、目的机场Dtk_i三个要素，起飞航班流航班要素集合为Ftk＝{Ttk,Xtk,Dtk}，其中，Ttk、Xtk、Dtk依次代表起飞航班流航班要素中的起飞时间、起飞机型和目的机场；
在进行起飞航班流生成之前，设计划时段总时间长度为tLen，将其分为tCnt个时段；初始化时段索引tIndex＝0，如果tIndex＜tCnt，重复执行步骤1-1～步骤1-2；否则，起飞航班计划制定完成：
步骤1-1，确定起飞航班数量；
步骤1-2，生成航班流要素。
步骤1-1包括：
步骤1-1-1，初始化L＝e-λ，F＝L，航班数num＝0，L表示泊松分布的概率函数，F表示泊松分布的累积分布函数，泊松分布的概率函数为
Figure BDA0002726266780000021
k＝0,1,...，λ为索引为tIndex的时间段内起飞航班数量均值，X表示起飞航班架次，取值为k，其中k＝0,1，...，P(X＝k)表示起飞航班架次为k时的概率；
步骤1-1-2，采用均匀分布生成(0,1)之间的随机数u；
步骤1-1-3，判断u与F的大小关系：如果u≥F，则执行步骤1-1-4；如果u＜F，将当前num作为起飞航班数量，结束泊松分布过程，执行步骤1-2；
步骤1-1-4，令num＝num+1，令L＝L*λ/num，F＝F+L，执行步骤1-1-3。
步骤1-2包括：针对时间段tIndex内的num架起飞航班，定义航班索引fi。如果fi≥num，则时间段tIndex航班起飞流要素生成结束，令tIndex＝tIndex+1，针对下一时段继续执行起飞航班流生成算法，直至tIndex＞tCnt，完成所有时段的起飞航班流生成，起飞航班流生成算法结束；如果fi＜num，执行如下步骤：
步骤1-2-1，确定各航班的起飞时间、机型和目的机场；如果fi≥num，则时间段tIndex航班起飞流要素生成结束，令tIndex＝tIndex+1，针对下一时段继续执行起飞航班流生成算法，直至tIndex＞tCnt，完成所有时段的起飞航班流生成，起飞航班流生成算法结束；
步骤1-2-1具体包括：
步骤1-2-1-1，采用均匀分布生成(0,1)之间的随机数timeu，初始化航班fi与前机的起飞时间间隔为tfi＝(-1/λ)·log(1-timeu)，执行步骤1-2-1-2；
步骤1-2-1-2，设定起飞尾流间隔时间Trule＝2min，如果tfi＜Trule，则随机生成起飞时间间隔不满足管制要求，令tfi＝Trule；如果tfi≥Trule，则保持tfi值不变；确定起飞时间间隔tfi之后，执行步骤1-2-1-3；
步骤1-2-1-3，航班fi的起飞时刻Tfi为其前序所有起飞航班时间间隔的累加，即
Figure BDA0002726266780000031
航班fi的起飞时刻生成完成，执行步骤1-2-2；
步骤1-2-2，生成目的机场及起飞航班机型。
步骤1-2-2中，采用离散分布生成目的机场，具体包括：
步骤1-2-2-a1，设目的机场Dti在历史航班流中所占百分比为DPeti，且
Figure BDA0002726266780000032
n表示不同目的机场的索引；
步骤1-2-2-a2，采用均匀分布生成(0,1)之间的随机数desu；
步骤1-2-2-a3，根据desu的值判断航班fi的目的机场，具体方法为：如果desu值满足条件：
Figure BDA0002726266780000033
则目的机场为k对应的目的机场Dtk。其中，DPetk表示目的机场Dtk在历史航班流中所占百分比。
步骤1-2-2中，采用离散分布生成起飞航班机型，具体包括：
步骤1-2-2-b1，设重、中、轻型航空器机型依次为Xti(i＝0,1,2)，其所占比例依次为XPeti,(i＝0,1,2)，并且
Figure BDA0002726266780000034
步骤1-2-2-b2，采用均匀分布生成(0,1)之间的随机数typeu；
步骤1-2-2-b3，根据typeu的值判断航班fi所属机型，具体方法为：如果typeu的值满足条件
Figure BDA0002726266780000035
则起飞机型为k对应的机型Xtk；式中，XPetk表示表示起飞机型为k的航空器在历史航班流中所占百分比。
步骤1-2-2-b4，在完成航班fi的起飞时刻、目的机场、起飞航班机型生成后，令fi＝fi+1，返回步骤1-2，直至完成num架起飞航班的生成。
步骤2包括：
步骤2-1，生成降落航班机型；
步骤2-2，生成降落时间。
步骤2-1包括：
步骤2-1-1，生成降落航班索引fi＝0；
步骤2-1-2，设降落航班流重、中、轻型航空器机型依次为Xli(i＝0,1,2)，其所占比例依次为XPeli,(i＝0,1,2)，并且
Figure BDA0002726266780000041
步骤2-1-3，采用等概率密度函数生成(0,1)之间的随机数typeu；
步骤2-1-4，根据typeu的值判断航班fi所属机型，具体方法为：如果typeu的值满足条件
Figure BDA0002726266780000042
则降落机型为k对应的机型Xlk。式中，XPelk表示表示降落机型为k的航空器在历史航班流中所占百分比。
步骤2-2包括：
步骤2-2-1，判断航班fi是否存在前序降落航班，如果不存在，则航班fi为时段T内第一架降落航班，设降落航班间隔时间tv0＝0，航班fi的计划降落时间Etv0＝0，执行步骤2-2-3；如果存在前序降落航班，则根据航班fi的机型获取与前机的尾流间隔约束时间：如果航班fi的机型Xlj＝2，为轻型机，则航班fi与前机的尾流间隔约束tvfi＝3min，否则tvfi＝2min，执行步骤2-2-2；
步骤2-2-2，获取前序航班的跑道占用时间topcfi-1，比较前机尾流间隔时间与跑道占用时间长度，取tvfi＝max(tvfi,topcfii-1)，执行步骤2-2-3；
步骤2-2-3，降落航班fi的计划降落时间Etvfi为降落航班间隔时间tvn的叠加，即
Figure BDA0002726266780000051
执行步骤2-2-4，其中，n＝0,1,…fi；
步骤2-2-4，比较Etvfi与时段T的大小：如果Etvfi＜T，则单位时间段T内的降落航班流尚未生成结束，令fi＝fi+1，重复步骤2-1中的步骤2-1-3；如果Etvfi≥T，则时段T内的降落航班流生成结束，执行步骤2-2-5；
步骤2-2-5，令tIndex＝tIndex+1，比较tIndex与tCnt大小：如果tIndex≤tCnt，则总时段tLen内降落航班流尚未生成完成，重复执行步骤2-1～步骤2-2；如果tIndex＞tCnt，则降落航班流生成完成，生成最大降落航班流的过程结束。
步骤3包括：
步骤3-1，获取时段起飞航班流
Figure BDA0002726266780000052
时段最大降落航班流
Figure BDA0002726266780000053
时段内机场跑道容量Captindex，初始化起飞航班索引i＝0，降落航班索引j＝0；其中，ftki表示一架起飞航班，fldi表示一架降落航班。
步骤3-2，如果起飞航班索引i的值大于时段内设定的起飞航班数量num或者起降航班总数大于跑道容量Captindex，则第tIndex时段的混合航班流生成结束，令tIndex＝tIndex+1，进行下一时段的混合航班流生成；如果tIndex＞tCnt，则混合航班流生成过程结束；如果起飞航班索引i及降落航班索引j满足条件：i＜num并且i+j＜Captindex，设定变量n，用于记录在起飞航班i与i+1之间的预插入的第一架降落航班索引，令n＝j，执行步骤3-3；
步骤3-3，比较此时降落航班索引j值与n的大小，如果j＞n，则起飞航班i与i+1之间已经插入了一架降落航班，执行步骤3-5；否则，执行步骤3-4；
步骤3-4，验证起降航班跑道占用时间约束：比较起飞航班i、i+1时间间隔与降落航班j的跑道占用时间topcj和起飞航班i的跑道占用时间topti之和：如果Ti+1-Ti≥topcj+topti，则起飞航班之间的时间间隔满足跑道占用时间约束，初始化航班j降落时间ETLj＝Ti+topti，执行步骤3-6；否则，判定起飞航班之间的时间间隔过小，无法插入一架降落航班，执行步骤3-9；
步骤3-5，验证起降航班跑道占用时间约束：比较起飞航班i、i+1时间间隔与降落航班j的跑道占用时间topcj、起飞航班i的跑道占用时间topti与降落航班尾流间隔
Figure BDA0002726266780000061
之和：如果
Figure BDA0002726266780000062
则起飞航班之间预计能够再次插入一架降落航班，初始化降落时间
Figure BDA0002726266780000063
执行步骤3-6；否则判定起飞航班之间的时间间隔过小，无法插入一架降落航班，，执行步骤3-9；
步骤3-6，验证降落航班之间的最小间隔约束：如果降落时间ETLj小于计划降落时间Etvj，即ETLj＜Etvj，则降落航班j与前序降落航班之间不满足最小间隔约束，令ETLj＝Etvj；否则降落时间ETLj的值保持不变，执行步骤3-7；
步骤3-7，验证降落航班j与后序起飞航班i+1之间的间隔约束：如果Ti+1-ETLj≥topcj，即起飞航班i+1与降落航班j之间的时间间隔不小于航班j的跑道占用时间，则起飞航班之间满足插入一架降落航班的要求，执行步骤3-8；否则，航班j与航班i+1之间的时间间隔不满足约束条件，执行步骤3-9；
步骤3-8，令航班j的降落时间为ETLj，同时调整后续降落航班的计划降落时间ETvn为ETLj与尾流间隔时间累加之和：
Figure BDA0002726266780000064
令j＝j+1，执行步骤3-3；
步骤3-9，起飞航班i和i+1之间不满足插入降落航班要求，令ii＝i+1，执行步骤3-2。
有益效果：本发明从实际应用需求着手，以概率分布特征为驱动，灵活、快速的生成单机场对象的起飞航班流、降落航班流以及混合航班流。并且在航班流生成过程中，充分考虑了管制运行条件，从而保障所生成的航班流满足客观运行规律，为后续仿真推演、规划验证提供可靠的数据支撑。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是本发明方法示意图。
图2是起飞航班流生成算法流程图。
图3是最大降落航班流生成算法流程图。
图4是混合航班流生成算法流程图。
图5是生成的分时段起降航班架次示意图。
图6是某时段起降航班时隙示意图。
图7是生成的航班各机型比例示意图。
具体实施方式
如图1所示，本发明提供了一种基于概率分布特征的航班流生成方法，以某机场为例，具体包括以下步骤。
步骤1，生成起飞航班流：
针对起飞航班，通过分析航班流属性信息，确定起飞航班流Ftk_i应包含起飞时间Ttk_i、起飞机型Xtk_i、目的机场Dtk_i三个要素，起飞航班流航班要素集合为Ftk＝{Ttk,Xtk,Dtk}。起飞航班计划生成流程图如图2所示。
在进行起飞航班流生成之前，设计划时段总时间长度为tLen＝15小时，将其分为tCnt＝15个时段。初始化时段索引tIndex＝0，如果tIndex＜tCnt，重复执行步骤1-1～步骤1-2；否则，起飞航班计划制定完成。
步骤1-1，确定起飞航班数量：
根据统计分析，起飞航班数量满足泊松分布规律。本发明以泊松分布为例进行起飞航班流生成。
考虑到机场航班在一天中各时段的分布并不均匀，具备显著的时段差异，因此根据历史数据统计目标机场在相应时段的起飞航班数量均值，并作为该时段泊松分布参数λ。经过泊松分布生成目标时段的起飞航班数量num。
泊松分布的概率函数为
Figure BDA0002726266780000071
k＝0,1,...，λ为索引为tIndex的时间段内起飞航班数量均值，X表示起飞航班架次，取值为k，其中k＝0,1，...，P(X＝k)表示起飞航班架次为k时的概率。采用泊松分布生成起飞航班数的步骤如下：
步骤1-1-1，初始化L＝e-λ，F＝L，航班数num＝0。L表示泊松分布的概率函数，F表示泊松分布的累积分布函数；
步骤1-1-2，采用均匀分布生成(0,1)之间的随机数u；
步骤1-1-3，判断u与F的大小关系：如果u≥F，则执行步骤4；如果u＜F，将当前num作为起飞航班数量，结束泊松分布过程，则执行步骤1-2；
步骤1-1-4，令num＝num+1，令L＝L*λ/num，F＝F+L，执行步骤1-1-3。
设机场常态运行下起飞航班架次为45架/h，经上述步骤生成的起飞航班架次如图5中“起飞架次”柱状图所示。
在完成指定时段的起飞航班数量num后，需要对各个航班进行要素生成与赋值。定义航班索引为fi＝0，再依次确定各航班的起飞时间、机型和目的机场。
步骤1-2，生成航班流要素：
如果fi＜num，执行步骤1-2-1，确定各航班的起飞时间、机型和目的机场；如果fi≥num，则该时段航班起飞流要素生成结束，令tIndex＝tIndex+1，针对下一时段继续执行起飞航班流生成算法，直至tIndex＞tCnt，完成所有时段的起飞航班流生成，起飞航班流生成算法结束。
步骤1-2-1，生成起飞时间：
经统计分析，起飞时间间隔满足负指数分布规律。负指数分布用于描述泊松过程中的事件之间的时间的概率分布。本发明以负指数分布为例，生成num架起飞航班之间的时间间隔，以该机场其中一条跑道的某时段为例，生成的起飞航班时间间隔如图6中“起飞时隙”部分所示，实施步骤如下：
步骤1-2-1-1，采用均匀分布生成(0,1)之间的随机数timeu，初始化航班fi与前机的起飞时间间隔为tfi＝(-1/λ)·log(1-timeu)，执行步骤1-2-1-2；
步骤1-2-1-2，验证上述起飞时间间隔tfi是否满足尾流间隔规定。根据国家空管委颁布的《飞行间隔规定》第四十七条，使用同一跑道进行前、后起飞离场的航空器之间应至少保持2分钟的尾流间隔。因此，取起飞尾流间隔时间Trule＝2min。如果tfi＜Trule，则随机生成起飞时间间隔不满足管制要求，令tfi＝Trule；若tfi≥Trule，则保持tfi值不变。确定起飞时间间隔tfi之后，执行步骤1-2-1-3；
步骤1-2-1-3，航班fi的起飞时刻Tfi为其前序所有起飞航班时间间隔的累加，即
Figure BDA0002726266780000091
航班fi的起飞时刻生成完成，执行步骤1-2-2。
步骤1-2-2，生成目的机场及起飞航班机型
航班目的机场及机型具有较大的随机性，本发明采用离散分布的方式生成对应要素。离散分布用于描述随机变量取不同值的概率。根据历史数据计算目标时段各目的机场、起飞航班机型所占百分比作为离散分布的概率值。
采用离散分布生成目的机场的步骤如下：
步骤1-2-2-a1，设目的机场Dti在历史航班流中所占百分比为DPeti，且
Figure BDA0002726266780000092
式中，n表示不同目的机场的索引；
步骤1-2-2-a2，采用均匀分布生成(0,1)之间的随机数desu；
步骤1-2-2-a3，根据desu的值判断航班fi的目的机场，具体方法为：若desu值满足条件：
Figure BDA0002726266780000093
则目的机场为k对应的目的机场Dtk。采用离散分布生成起飞航班机型的步骤如下：
步骤1-2-2-b1，设重、中、轻型航空器机型依次为Xti(i＝0,1,2)，其所占比例依次为XPeti,(i＝0,1,2)，并且
Figure BDA0002726266780000094
步骤1-2-2-b2，采用均匀分布生成(0,1)之间的随机数typeu；
步骤1-2-2-b3，根据typeu的值判断航班fi所属机型，具体方法为：若typeu的值满足条件
Figure BDA0002726266780000095
则起飞机型为k对应的机型Xtk。
设该机场起飞航班流重、中、轻型航空器所占比例分别为30％，50％，20％，经上述步骤，生成各起飞航班的起飞机型，各比例如图7所示。该目的机场生成方法与机型生成类似，此处不再赘述。
步骤1-2-2-b4，在完成航班fi的起飞时刻、目的机场、起飞航班机型生成后，令fi＝fi+1，返回步骤1-2，直至完成num架起飞航班的生成。
步骤2，生成最大降落航班流：
在飞行过程中，航班往往受到主观、客观因素的影响，无法保证完全按照计划时刻降落，因此对于单机场来说，降落航班流往往不能由本机场控制，通常关注是否有可用时隙供到达本场的航班降落，因此本发明从降落时隙分配的角度生成最大降落航班流。
降落航班流Fld_i应包含着陆时间Tld_i和降落机型Xld_i两个要素，降落航班流要素集合为Fld＝{Tld,Xld}。《飞行间隔规定》第四十八条规定：在起落航线上飞行的航空器，当前、后进近着陆的航空器为重型和中型航空器时，尾流间隔为2分钟；当前、后进近着陆的航空器为重型和轻型航空器，中型和轻型航空器时，其尾流间隔为3分钟。因此，某一时段最大降落航班数量与该时段航班机型构成相关。于是，为了确定降落航班数量及着陆时间，应首先确定航班机型。算法流程图如图3所示。
步骤2-1，生成降落航班机型：
与起飞航班流生成算法类似，在明确总时段长度tLen和时段个数tCnt的基础上，本发明采用离散分布生成降落航班机型。针对某一索引编号为tIndex的时间段T，降落航班机型具体生成步骤如下：
步骤2-1-1，生成降落航班索引fi＝0；
步骤2-1-2，设降落航班流重、中、轻型航空器机型依次为Xli(i＝0,1,2)，其所占比例依次为XPeli,(i＝0,1,2)，并且
Figure BDA0002726266780000101
步骤2-1-3，采用均匀分布生成(0,1)之间的随机数typeu；
步骤2-1-4，根据typeu的值判断航班fi所属机型，具体方法为：如果typeu的值满足条件
Figure BDA0002726266780000102
则降落机型为k对应的机型Xlk；
降落航班机型的生成方法与起飞航班相同，此处不再赘述。
步骤2-2，生成降落时间：
在完成一次降落航班fi机型确认后，生成该航班的降落时间。具体步骤如下所示：
步骤2-2-1，判断航班fi是否存在前序降落航班。若不存在，则航班fi为时段T内第一架降落航班，设降落航班间隔时间tv0＝0，航班fi的计划降落时间Etv0＝0，执行步骤2-2-3；若存在前序降落航班，则根据航班fi的机型获取与前机的尾流间隔约束时间：若航班fi的机型Xlj＝2，为轻型机，那么航班fi与前机的尾流间隔约束tvfi＝3min，否则tvfi＝2min，执行步骤2-2-2；
步骤2-2-2，获取前序航班的跑道占用时间topcfi-1，比较前机尾流间隔时间与跑道占用时间长度，取tvfi＝max(tvfi,topcfi-1)，执行步骤2-2-3；
步骤2-2-3，降落航班fi的计划降落时间Etvfi为降落航班间隔时间tvn,(n＝0,1,..fi)的叠加，即
Figure BDA0002726266780000111
执行步骤2-2-4；
步骤2-2-4，比较Etvfi与时段T的大小：如果Etvfi＜T，则单位时间段T内的降落航班流尚未生成结束，令fi＝fi+1，重复步骤2-1中的步骤2-1-3；如果Etvfi≥T，则时段T内的降落航班流生成结束，执行步骤2-2-5；
步骤2-2-5，令tIndex＝tIndex+1，比较tIndex与tCnt大小：若tIndex≤tCnt，则总时段tLen内降落航班流尚未生成完成，重复执行步骤2-1～步骤2-2；如果tIndex＞tCnt，则降落航班流生成完成，最大降落航班流生成算法结束。
步骤3，生成混合航班流：
在完成起飞航班流和最大降落航班流生成的基础上，以离场优先为原则，通过在起飞航班之间插入降落航班，生成混合航班流，如图4所示。定义总时长为tLen，将其分为tCnt个时段，混合航班流生成的具体算法步骤如下所示：
步骤3-1，获取时段起飞航班流
Figure BDA0002726266780000112
时段最大降落航班流
Figure BDA0002726266780000113
时段内机场跑道容量Captindex，初始化起飞航班索引i＝0，降落航班索引j＝0；
步骤3-2，如果起飞航班索引i的值大于时段内设定的起飞航班数量num或者起降航班总数大于跑道容量Captindex，则第tIndex时段的混合航班流生成结束，令tIndex＝tIndex+1，进行下一时段的混合航班流生成。若tIndex＞tCnt，则混合航班流生成算法结束；若起飞航班索引i及降落航班索引j满足条件：i＜num并且i+j＜Captindex，那么设定变量n，用于记录在起飞航班i与i+1之间的预插入的第一架降落航班索引，令n＝j，执行步骤3-3；
步骤3-3，比较此时降落航班索引j值与n的大小。若j＞n，则起飞航班i与i+1之间已经插入了一架降落航班，执行步骤3-5；否则，执行步骤3-4；
步骤3-4，验证起降航班跑道占用时间约束。比较起飞航班i、i+1时间间隔与降落航班j的跑道占用时间topcj和起飞航班i的跑道占用时间topti之和：若Ti+1-Ti≥topcj+topti，则起飞航班之间的时间间隔满足跑道占用时间约束，初始化航班j降落时间ETLj＝Ti+topti，执行步骤3-6；否则，判定起飞航班之间的时间间隔过小，无法插入一架降落航班，执行步骤3-9；
步骤3-5，验证起降航班跑道占用时间约束。比较起飞航班i、i+1时间间隔与降落航班j的跑道占用时间topcj、起飞航班i的跑道占用时间topti与降落航班尾流间隔
Figure BDA0002726266780000121
之和：若
Figure BDA0002726266780000122
则起飞航班之间预计可以再次插入一架降落航班，初始化降落时间
Figure BDA0002726266780000123
执行步骤3-6；否则起飞航班之间的时间间隔过小，无法插入一架降落航班，执行步骤3-9；
步骤3-6，验证降落航班之间的最小间隔约束。由于航班的计划降落时间是根据最小间隔约束生成的，因此，若降落时间ETLj小于计划降落时间Etvj，即ETLj＜Etvj，则降落航班j与前序降落航班之间不满足最小间隔约束，令ETLj＝Etvj；否则降落时间ETLj的值保持不变。执行步骤3-7；
步骤3-7，验证降落航班j与后序起飞航班i+1之间的间隔约束。若Ti+1-ETLj≥topcj，即起飞航班i+1与降落航班j之间的时间间隔不小于航班j的跑道占用时间，那么起飞航班之间满足插入一架降落航班的要求，执行步骤3-8；否则，航班j与航班i+1之间的时间间隔不满足约束条件，执行步骤3-9；
步骤3-8，令航班j的降落时间为ETLj，同时调整后续降落航班的计划降落时间为ETLj与尾流间隔时间累加之和：
Figure BDA0002726266780000131
令j＝j+1，执行步骤3-3；
步骤3-9，起飞航班i和i+1之间不满足插入降落航班要求，令i＝i+1，执行步骤3-2。
经步骤3，以该机场其中一条跑道的某时段为例，最终生成的混合起降航班流各航班时隙如图6所示。
本发明提供了一种基于概率分布特征的航班流生成方法，具体实现该技术方案的方法和途径很多，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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (1)

1.一种基于概率分布特征的航班流生成方法，其特征在于，包括以下步骤：
步骤1，生成起飞航班流；
步骤2，生成最大降落航班流；
步骤3，生成混合航班流；
步骤1包括：针对起飞航班，通过分析航班流属性信息，确定起飞航班流Ftk包含起飞时间Ttk、起飞机型Xtk、目的机场Dtk三个要素，起飞航班流航班要素集合为Ftk＝{Ttk,Xtk,Dtk}，其中，Ttk、Xtk、Dtk依次代表起飞航班流航班要素中的起飞时间、起飞机型和目的机场；
在进行起飞航班流生成之前，设起降航班流生成时段总时间长度为tLen，将其分为tCnt个时段；初始化时段索引tIndex＝0，如果tIndex<tCnt，重复执行步骤1-1～步骤1-2；否则，起飞航班计划制定完成：
步骤1-1，确定起飞航班数量；
步骤1-2，生成航班流要素；
步骤1-1包括：
步骤1-1-1，初始化L＝e-λ，F＝L，航班数num＝0，L表示泊松分布的概率函数，F表示泊松分布的累积分布函数，泊松分布的概率函数为
Figure FDA0003861569230000011
λ为索引为tIndex的时间段内起飞航班数量均值，X表示起飞航班架次，取值为k，P(X＝k)表示起飞航班架次为k时的概率；
步骤1-1-2，采用均匀分布生成(0,1)之间的随机数u；
步骤1-1-3，判断u与F的大小关系：如果u≥F，则执行步骤1-1-4；如果u<F，将当前num作为索引为tIndex的时间段的起飞航班数量，结束泊松分布过程，执行步骤1-2；
步骤1-1-4，令num＝num+1，令L＝L*λ/num，F＝F+L，执行步骤1-1-3；
步骤1-2包括：针对索引为tIndex时间段内的num架起飞航班，定义起飞航班索引ftki，其中下标i为自然数，取值范围为ftki∈[0,num-1]，索引为ftki的航班即指tIndex时间段内第ftki架航班，如果ftki≥num，则索引为tIndex时间段内航班起飞流要素生成结束，令tIndex＝tIndex+1，针对下一时段继续执行起飞航班流生成算法，执行步骤1-1-1至步骤1-2-2，直至tIndex>tCnt，完成所有时段的起飞航班流生成，起飞航班流生成算法结束；如果ftki<num，执行如下步骤：
步骤1-2-1，确定各航班的起飞时间、机型和目的机场；
步骤1-2-1具体包括：
步骤1-2-1-1，采用均匀分布生成(0,1)之间的随机数timeu，初始化索引为ftki的航班与前机的起飞时间间隔为tfi＝(-1/λ)·log(1-timeu)，执行步骤1-2-1-2；
步骤1-2-1-2，设定起飞尾流间隔时间Trule＝2min，如果tfi<Trule，则随机生成起飞时间间隔不满足管制要求，令tfi＝Trule；如果tfi≥Trule，则保持tfi值不变；确定起飞时间间隔tfi之后，执行步骤1-2-1-3；
步骤1-2-1-3，索引为ftki的航班起飞时刻Tfi为其前序所有起飞航班时间间隔的累加，即
Figure FDA0003861569230000021
索引为ftki的航班起飞时刻生成完成，执行步骤1-2-2；
步骤1-2-2，生成目的机场及起飞航班机型；
步骤1-2-2中，采用离散分布生成目的机场，具体包括：
步骤1-2-2-a1，设目的机场总数为n，其中第i个目的机场以符号Dtk_i表示，目的机场Dtk_i在历史航班流中所占百分比为DPeti，且
Figure FDA0003861569230000022
步骤1-2-2-a2，采用均匀分布生成(0,1)之间的随机数desu；
步骤1-2-2-a3，根据desu的值判断索引为ftki航班的目的机场，具体方法为：如果desu值满足条件：
Figure FDA0003861569230000023
则以第k个目的机场Dtk_k为索引是ftki航班的目的机场，其中，DPetk表示目的机场Dtk_k在历史航班流中所占百分比；
步骤1-2-2中，采用离散分布生成起飞航班机型，具体包括：
步骤1-2-2-b1，设重、中、轻型航空器机型依次为Xtk_0，Xtk_1，Xtk_2，即起飞航班流机型要素Xtk＝{Xtk_i},i＝0,1,2，其所占比例依次为XPeti,i＝0,1,2，并且
Figure FDA0003861569230000031
步骤1-2-2-b2，采用均匀分布生成(0,1)之间的随机数typeu；
步骤1-2-2-b3，根据typeu的值判断索引为ftki的航班所属机型，具体方法为：如果typeu的值满足条件
Figure FDA0003861569230000032
则起飞机型为k对应的机型为Xtk_k，式中，XPetk表示起飞机型为k的航空器在历史航班流中所占百分比；
步骤1-2-2-b4，在完成索引为ftki的航班的起飞时刻、目的机场、起飞航班机型生成后，令ftki＝ftki+1，返回步骤1-2，直至完成num架起飞航班的生成；
步骤2包括：
步骤2-1，生成降落航班机型；
步骤2-2，生成降落时间；
步骤2-1包括：
步骤2-1-1，设降落航班流Fld应包含着陆时间Tld和降落机型Xld两个要素，降落航班流要素集合为Fld＝{Tld,Xld}；生成降落航班索引fldi＝0；
步骤2-1-2，设降落航班流重、中、轻型航空器机型依次为Xld_i,i＝0,1,2，其所占比例依次为XPeli,i＝0,1,2，并且
Figure FDA0003861569230000033
步骤2-1-3，采用均匀分布生成(0,1)之间的随机数typeu；
步骤2-1-4，根据typeu的值判断航班fldi所属机型，具体方法为：如果typeu的值满足条件
Figure FDA0003861569230000041
式中，XPelk表示降落机型为k的航空器在历史航班流中所占百分比；
步骤2-2包括：
步骤2-2-1，判断索引为fldi的降落航班是否存在前序降落航班，如果不存在，则索引为fldi的降落航班为时段T内第一架降落航班，设降落航班间隔时间tv0＝0，索引为fldi的降落航班的计划降落时间Etv0＝0，执行步骤2-2-3；如果存在前序降落航班，则根据索引为fldi降落航班的机型获取与前机的尾流间隔约束时间：如果索引为fldi降落航班的机型Xld_k＝2，为轻型机，则索引为fldi降落航班与前机的尾流间隔约束tvi＝3min，否则tvi＝2min，执行步骤2-2-2；
步骤2-2-2，获取前序航班的跑道占用时间topci-1，比较前机尾流间隔时间与跑道占用时间长度，取tvi＝max(tvi,topci-1)，执行步骤2-2-3；
步骤2-2-3，索引为fldi降落航班的计划降落时间Etvi为降落航班间隔时间tvn的叠加，即
Figure FDA0003861569230000042
执行步骤2-2-4，其中，n＝0,1,...,fldi，n表示索引为fldi降落航班自身及在其之前降落的各前序降落航班索引；
步骤2-2-4，比较索引为fldi降落航班降落时间Etvi与时段T的大小：如果Etvi<T，则单位时间段T内的降落航班流尚未生成结束，令fldi＝fldi+1，重复步骤2-1中的步骤2-1-3；如果Etvi≥T，则时段T内的降落航班流生成结束，执行步骤2-2-5；
步骤2-2-5，令tIndex＝tIndex+1，比较tIndex与tCnt大小：如果tIndex≤tCnt，则总时段tLen内降落航班流尚未生成完成，重复执行步骤2-1～步骤2-2；如果tIndex>tCnt，则降落航班流生成完成，生成最大降落航班流的过程结束；
步骤3包括：
步骤3-1，获取索引为tIndex时段起飞航班流
Figure FDA0003861569230000043
时段最大降落航班流
Figure FDA0003861569230000051
时段内机场跑道容量Captindex，初始化起飞航班索引ftki＝0，降落航班索引fldj＝0；其中，Ftki表示索引ftki代表的起飞航班，Fldj表示索引fldj代表的降落航班；
步骤3-2，如果起飞航班索引ftki的值大于时段内设定的起飞航班数量num或者起降航班总数大于跑道容量Captindex，则第tIndex时段的混合航班流生成结束，令tIndex＝tIndex+1，进行下一时段的混合航班流生成；如果tIndex>tCnt，则混合航班流生成过程结束；如果起飞航班索引ftki及降落航班索引fldj满足条件：ftki<num并且ftki+fldj<CaptIndex，设定变量pos，用于记录在起飞航班Ftki与Ftki+1之间的预插入的第一架降落航班索引，令pos＝fldj，执行步骤3-3；
步骤3-3，比较此时降落航班索引fldj值与pos的大小，如果fldj>pos，则起飞航班Ftki与Ftki+1之间已经插入了一架降落航班，执行步骤3-5；否则，执行步骤3-4；
步骤3-4，验证起降航班跑道占用时间约束：比较起飞航班Ftki、Ftki+1时间间隔与降落航班Fldj的跑道占用时间topcj和起飞航班Ftki的跑道占用时间topti之和：如果Tftki-Tftki+1≥topcj+topti，则起飞航班之间的时间间隔满足跑道占用时间约束，初始化航班Fldj降落时间ETLj＝Tftki+topti，执行步骤3-6；否则，判定起飞航班之间的时间间隔过小，无法插入一架降落航班，执行步骤3-9；
步骤3-5，验证起降航班跑道占用时间约束：比较起飞航班Ftki、Ftki+1时间间隔与降落航班Fldj的跑道占用时间topcj、起飞航班Ftki的跑道占用时间topti与降落航班尾流间隔
Figure FDA0003861569230000052
之和：如果
Figure FDA0003861569230000053
则起飞航班之间能够再次插入一架降落航班，初始化降落时间
Figure FDA0003861569230000054
其中k表示降落航班索引，取值范围为[pos+1,fldj]，执行步骤3-6；否则判定起飞航班之间的时间间隔过小，无法插入一架降落航班，执行步骤3-9；
步骤3-6，验证降落航班之间的最小间隔约束：如果降落时间ETLj小于计划降落时间Etvj，即ETLj<Etvj，则降落航班j与前序降落航班之间不满足最小间隔约束，令ETLj＝Etvj；否则降落时间ETLj的值保持不变，执行步骤3-7；
步骤3-7，验证降落航班Fldj与后序起飞航班Ftki+1之间的间隔约束：如果Tftki+1-ETLj≥topcj，即起飞航班Ftki+1与降落航班Fldj之间的时间间隔不小于航班Fldj的跑道占用时间，则起飞航班之间满足插入一架降落航班的要求，执行步骤3-8；否则，航班Fldj与航班Ftki+1之间的时间间隔不满足约束条件，执行步骤3-9；
步骤3-8，令航班Fldj的降落时间为ETLj，同时调整后续降落航班的计划降落时间ETvn为ETLj与尾流间隔时间累加之和：
Figure FDA0003861569230000061
令fldj＝fldj+1，指向最大降落航班流集合
Figure FDA0003861569230000062
中下一个航班，式中，n表示某个降落时间大于航班Fldj的降落航班索引，k表示某个降落时间介于两者之间的降落航班索引，执行步骤3-3；
步骤3-9，起飞航班Ftki和Ftki+1之间不满足插入降落航班要求，令i＝i+1，执行步骤3-2。
CN202011103758.XA 2020-10-15 2020-10-15 一种基于概率分布特征的航班流生成方法 Active CN112241839B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011103758.XA CN112241839B (zh) 2020-10-15 2020-10-15 一种基于概率分布特征的航班流生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011103758.XA CN112241839B (zh) 2020-10-15 2020-10-15 一种基于概率分布特征的航班流生成方法

Publications (2)

Publication Number Publication Date
CN112241839A CN112241839A (zh) 2021-01-19
CN112241839B true CN112241839B (zh) 2022-11-08

Family

ID=74168580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011103758.XA Active CN112241839B (zh) 2020-10-15 2020-10-15 一种基于概率分布特征的航班流生成方法

Country Status (1)

Country Link
CN (1) CN112241839B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113096449B (zh) * 2021-03-25 2022-07-15 上海行沙科技有限公司 一种基于航班大数据的停机位资源编排方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106297414A (zh) * 2015-06-05 2017-01-04 北京航空航天大学 航班流量的调控方法和装置
CN107665409A (zh) * 2017-11-01 2018-02-06 飞友科技有限公司 一种前后序航班构建及容错的方法
CN109949617A (zh) * 2019-03-20 2019-06-28 中国电子科技集团公司第二十八研究所 一种基于动态规划的航班进场流量管理策略生成方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106297414A (zh) * 2015-06-05 2017-01-04 北京航空航天大学 航班流量的调控方法和装置
CN107665409A (zh) * 2017-11-01 2018-02-06 飞友科技有限公司 一种前后序航班构建及容错的方法
CN109949617A (zh) * 2019-03-20 2019-06-28 中国电子科技集团公司第二十八研究所 一种基于动态规划的航班进场流量管理策略生成方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于跑道容量的终端区流量控制模型;张海天;《中国民航大学学报》;20140228;第32卷(第2期);第6-10页 *

Also Published As

Publication number Publication date
CN112241839A (zh) 2021-01-19

Similar Documents

Publication Publication Date Title
CN104714852B (zh) 一种适用于分布式机器学习的参数同步优化方法及其系统
Erzberger Design principles and algorithms for automated air traffic management
CN104751681B (zh) 一种基于统计学习模型的停机位分配方法
CN109583627A (zh) 飞机着陆排队优化方法及装置
CN104881720B (zh) 一种航班调度方法和装置
CN112241839B (zh) 一种基于概率分布特征的航班流生成方法
CN105829982B (zh) 用于预测将应用于航空发动机的维护操作的方法和系统
CN102903263B (zh) 一种基于分组方式的飞行冲突解脱方法及装置
CN111191843B (zh) 一种基于时序网络传播动力学方程的机场延误预测方法
CN109147396A (zh) 机场停机位的分配方法及装置
CN113034980A (zh) 一种基于时刻表的航班运行效能预先评估方法
CN112634664B (zh) 基于空中交通流量管理的航班放行排序方法
CN105825013B (zh) 一种基于离散事件系统的航空指挥保障优化方法
CN113643571A (zh) 一种基于航班正常性目标的空域网络优化方法
CN106384161B (zh) 一种用于航天巡视计划区域划分的优化方法
CN113257042B (zh) 一种基于时空分布特征的多机场终端区航班流生成方法
EP1616313B1 (en) Method for sequencing landing aircrafts
CN112396222B (zh) 一种输电线路机巡作业中无人机调度方法
CN112800382A (zh) 一种基于航班离场成本的推出时隙分配优化方法及系统
CN112070291A (zh) 一种基于航班正常性的tsat时刻优化方法
CN115731748B (zh) 航班跑道排序方法及存储介质
Höhndorf et al. Integration of vine copula dependence structures into subset simulation for accident probability quantifications
Andreeva-Mori et al. Considering time uncertainties in ground holding for optimal traffic flow management
CN112201082B (zh) 一种航班放行时隙的n点置换方法
CN113946440A (zh) 一种绿色云环境下的资源调度方法

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