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 PDFInfo
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000010006 flight Effects 0.000 claims description 64
- 238000009827 uniform distribution Methods 0.000 claims description 12
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 3
- 101100517651 Caenorhabditis elegans num-1 gene Proteins 0.000 claims 1
- 108010014173 Factor X Proteins 0.000 claims 1
- 238000004088 simulation Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012549 training Methods 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
-
- 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
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1-2-2,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-a2,采用均匀分布生成(0,1)之间的随机数desu;
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-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2-1-3,采用等概率密度函数生成(0,1)之间的随机数typeu;
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2-2-4,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3-2,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之和:如果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3-9,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1-2-2,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-a2,采用均匀分布生成(0,1)之间的随机数desu;
步骤1-2-2-b2,采用均匀分布生成(0,1)之间的随机数typeu;
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2-1-3,采用均匀分布生成(0,1)之间的随机数typeu;
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2-2-4,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3-2,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之和:若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3-9,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1-2-2,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-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: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-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2-1-3,采用均匀分布生成(0,1)之间的随机数typeu;
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时段起飞航班流时段最大降落航班流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之和:如果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:令fldj=fldj+1,指向最大降落航班流集合中下一个航班,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。
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)
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)
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 |
-
2020
- 2020-10-15 CN CN202011103758.XA patent/CN112241839B/zh active Active
Patent Citations (3)
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)
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 |