CN112534488A - 用于提供在途中改变路线的系统和方法 - Google Patents

用于提供在途中改变路线的系统和方法 Download PDF

Info

Publication number
CN112534488A
CN112534488A CN201980051811.5A CN201980051811A CN112534488A CN 112534488 A CN112534488 A CN 112534488A CN 201980051811 A CN201980051811 A CN 201980051811A CN 112534488 A CN112534488 A CN 112534488A
Authority
CN
China
Prior art keywords
route
route change
factor
change
changes
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
Application number
CN201980051811.5A
Other languages
English (en)
Inventor
C·G·亨特
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.)
Dynamic Route Co ltd
Nexteon Technologies Inc
Original Assignee
Dynamic Route Co ltd
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 Dynamic Route Co ltd filed Critical Dynamic Route Co ltd
Publication of CN112534488A publication Critical patent/CN112534488A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0004—Transmission of traffic-related information to or from an aircraft
    • G08G5/0013—Transmission of traffic-related information to or from an aircraft with a ground station
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3469—Fuel consumption; Energy use; Emission aspects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
    • G08G5/0026—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located on the ground
    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

公开了一种用于部分地基于路线接受概率来提供改变路线信息的系统。根据另外的实施方案，所述改变路线信息部分地基于决策树分析，所述决策树分析涉及请求路线改变的决策和不请求路线改变的决策。

Description

用于提供在途中改变路线的系统和方法
优先权
本申请要求2018年8月3日提交的美国临时专利申请号62/714,345的优先权，该申请的公开内容全文以引用的方式并入本文。
背景技术
在美国，国家空域系统(NAS)每天为成千上万的民用运输航班提供服务，从而运输数百万乘客和大量货物。鉴于航班数量多并且所涉及的燃料和时间成本相当大，即使在飞行时间和效率上看似微小的改善也可能会产生可观的经济节约。
造成效率低并带来节约机会的一个来源是民用运输航班所使用的路线。民用运输路线经受若干复杂因素和约束，包括：天气、空域可用性和规程、交通以及飞机性能。这些复杂因素和约束通常造成路线效率低。例如，要求在登机起飞之前的1至2小时内制定并提交飞行计划，并且要求飞行计划保守地围绕预测的对流天气规划路线。
由于路线规划既是在经济上重要的又是在技术上有挑战性的，因此仍然需要更高效的空中交通改变路线系统。
发明内容
根据一个实施方案，本发明提供了一种用于部分地基于路线接受概率来提供改变路线信息的系统。
根据另一个实施方案，本发明提供了一种用于提供改变路线信息的方法。所述方法包括以下步骤：确定路线接受概率；以及部分地基于所述路线接受概率来提供所述改变路线信息。
根据另外的实施方案，本发明提供了一种用于部分地基于决策树分析来提供改变路线信息的系统，所述决策树分析涉及请求路线改变的决策和不请求路线改变的决策。
附图简述
可参考附图来进一步理解以下描述，在附图中：
图1示出了根据本发明的实施方案的路线改变的类型的概念图解的说明性图解视图；
图2示出了根据本发明的实施方案的示出两个潜在路线改变的概念图解的说明性图解视图；
图3示出了根据本发明的实施方案的单路线改变接受度量的概念概率分布的说明性图解图形表示；
图4A示出了根据本发明的实施方案的按路线改变概率和路线改变节约分布的候选路线改变的说明性图解图形表示；
图4B示出了根据本发明的实施方案的最大预计节约(E(S))前沿的说明性图解图形表示；
图4C示出了根据本发明的实施方案的相对于预定的飞行时间的航班延误成本的概念图解的说明性图解视图；
图4D示出了根据本发明的实施方案的线性最大值(E(S))前沿的概念图解的说明性图解图形表示；
图5示出了作为最佳两路线改变策略中的第二路线改变的最佳单路线改变的示例的说明性图解图形表示；
图6示出了根据本发明的实施方案的群集或即将到来的候选路线改变的示例时间线的说明性图解图形表示；
图7示出了根据本发明的实施方案的用于候选路线改变的概率二元决策树的说明性图解表示；
图8示出了图7的用于候选路线改变的概率二元决策树的说明性图解表示，其中某些候选路线改变被框出；
图9示出了根据本发明的实施方案的用于请求特定路线改变(R1)的完全地可行的单侧概率二元决策树的说明性图解视图；
图10示出了根据本发明的实施方案的用于不请求特定路线改变(R1)的完全地可行的单侧概率二元决策树的说明性图解视图；
图11示出了根据本发明的实施方案的针对请求和不请求特定路线改变(R1)的决策的预计成本节约计算的说明性图解表示；并且
图12A至图12D示出了根据本发明的实施方案的要评估的决策组合的说明性图解表示。
附图仅出于说明目的而示出。
具体实施方式
申请人已经为NAS操作员开发了高级路线规划决策支持工具(SmartRoutesTM路线规划决策支持工具)。SmartRoutesTM工具与NASA动态天气路线规划(DWR)工具相关，具有许多重要的附加高级功能。路线规划工具(诸如DWR)所缺乏的一个功能是更高级别的路线优化决策支持。路线设计工具(诸如DWR)可针对给定航班产生多个路线规划选项，但它们没有为用户提供使用这些路线的优化策略。
工具(诸如DWR)能够识别例如在航线交通管制中心(ARTCC)内的给定航班的多个候选路线改变。如图1(其示出了路线改变的类型的概念图解)所示，路线改变可直达到下游点或者它们可为多航段的，它们可在相同点或不同点处发起，并且它们可重返或捕获在不同点中的同一点处的飞行计划。特别地，图1示出了具有飞行计划固定位置20的计划路线10，该计划路线绕过了恶劣天气12。直达式路线改变14提供到某些固定位置20的直达式路线改变，而多航段式路线改变16提供经由辅助路点18到固定位置20的路线，如图所示。
本发明提供了使用一个或多个处理系统28的路线改变优化器系统(SmartRoutesTM)，其提供了用于优化民用运输路线改变技术的新的、新颖的且重要的方法。根据各种实施方案，该概念包括六项主要创新，包括用于优化航班的改变路线策略的决策方法、用于对路线改变的操作可接受性进行建模和预测的方法、用于对真实非线性用户延误成本进行建模并将其包括在内的方法、用于经由数据链路进行空地协商的方法、用于跨多个航班进行优化的方法，以及用于决定何时和如何将时间节约转换为额外的燃料节约的方法。
工具(诸如DWR)被设计成选择超过预设节约阈值的第一可用路线改变。尽管这在一些场景中可能是最佳策略，但它确实会造成机会成本，因为它可能会排除ARTCC中的其他下游候选路线改变(即，如果它们在时间上重叠的话)，或更复杂的路线改变和协商策略。
例如，如果与即时路线改变相比，重叠的下游路线改变具有显著地更高的节约和/或操作员可接受性，那么选择第一超过阈值的路线改变的机会成本可能会过高。另一方面，上游路线改变享有以下优点：如果在操作上拒绝了第一路线改变，则将下游路线改变作为应急计划。本质上，它有两次进行路线改变的尝试。当航班正在接近ARTCC边界时发生并且因此将可用较长的路线改变时，可能会发生这种场景的示例。需要的是用于最佳地选择要使用哪些路线改变的有原则的、客观的方法。以下章节描述了本发明的各种实施方案的针对该问题的方法。
工具(诸如DWR)可为其生成的每个候选路线改变产生相对准确的飞行时间节约估计。然而，不同的路线改变可能会带来显著地不同的操作接受机会。出于多种原因，可能会在航空公司调度、驾驶舱或ATC级别拒绝候选路线改变。本文中讨论了不同原因，其中对这些原因进行建模并用于估计总路线接受概率。该概率允许系统根据一个实施方案计算给定路线改变候选的预计节约：
E(S)＝Pa×S_DWR (1)
其中Pα是接受概率，S是飞行时间节约，S_DWR是由DWR估计的飞行时间节约，并且E(S)是飞行时间节约的预计值。
现在考虑两者都无法被执行的分别具有节约S1和S2的两个候选路线改变R1和R2的情况，如示出了两路线改变情况的图2所示，其中第一路线改变22和第二路线改变24起于包括固定位置20并绕过恶劣天气12的计划路线10。
首先考虑共同可接受性概率Pα的情况。考虑分别选择R1和R2的两个候选动作，即动作1和动作2。对于每个动作，可推导预计节约。对于动作1，假定如果在操作上拒绝了R1，那么将尝试R2。因此，动作1的预计节约是两个路线改变的节约乘以飞行这两个路线改变的概率的线性组合：
E(S_动作1)＝Pa×S_DWR1+(1-Pa)Pa×S_DWR2 (2)
其中S_DWR1是由DWR估计的R1的飞行时间节约，并且S_DWR2是由DWR估计的R2的飞行时间节约。根据方程(1)，动作2预计节约为：
E(S_动作2)＝Pa×S_DWR2 (3)
考虑目标为最大化路线改变动作的预计节约的用户。从动作1的预计值减去动作2的预计值。如果该表达式为正，那么指示动作1(即，其预计值大于动作2的预计值)。
E(S_动作1)-E(S_动作2)＝Pa×S_DWR1+(1-Pa)Pa×S_DWR2-Pa×S_DWR2
Pa×S_DWR1+(1-Pa)Pa×S_DWR2-Pa×S_DWR2＞0
S_DWR1+(1-Pa)×S_DWR2-S_DWR2＞0
S_DWR1-Pa×S_DWR2＞0
S_DWR1＞Pa×S_DWR2 (4)
因此，在具有共同接受概率的两路线改变情况中，如果R1的节约超过R2的节约乘以接受概率，则指示动作1；否则，指示动作2。或者，换句话说，仅在R2的节约显著地高于R1的节约的情况下才选择动作2，以抵消动作1所具有的以下优点：如果R1被拒绝则将R2作为应急计划。
如果R1和R2的接受概率不同，那么决策推导略微更复杂。最初，概括出方程(2)：
E(S_动作1)＝Pa1×S_DWR1+(1-Pa1)Pa2×S_DWR2 (5)
其中Pα1是R1的接受概率，并且Pα2是R2的接受概率。然后，得出的是：
E(S_动作1)-E(S_动作2)＝Pa1×S_DWR1+(1-Pa1)Pa2×S_DWR2-Pa2×S_DWR2
同样，将该表达式设置为大于零，以测试在指示动作1时的条件。
Figure BDA0002931174100000063
Figure BDA0002931174100000061
Figure BDA0002931174100000062
S_DWR1＞Pa2×S_DWR2 (6)
在这种情况下，Pα2成为临界概率。如果R1的节约超过R2的节约乘以R2的接受概率，则指示动作1。当目标是最大化预计节约时，方程(6)提供了在该两路线改变情况下的客观决策标准。这突出了估计路线接受概率的重要性，如在下文进一步讨论。
路线接受概率可被确定如下。在航空公司调度、驾驶舱和空中交通管制(ATC)级别的操作员对路线接受或拒绝的主要影响讨论如下。这些影响包括：路线改变复杂性、管制员工作负荷、路线历史使用频率以及约束接近度。
可对这些因素中的每一者进行定量建模，并且将其用于路线接受概率的总体估计。现场数据(SmartRoutesTM现场数据)可用于机器学习方法以微调模型。
路线改变复杂性可分析如下。任何候选路线改变必须由航空公司调度员、航班机组人员和空中交通管制员评估和传达。因此，随着路线改变的复杂性增加，在这些阶段中的任一者上的拒绝的机会也增加。路线复杂性RC可被建模为包括该路线改变的固定翼飞机和/或喷气式飞机路线的数量。
路线改变请求的ATC可接受性的关键因素是管制员工作负荷。管制员工作负荷可使用当前或预计交通和天气度量进行建模，所述度量包括：相对于标称扇区容量的在某一空域扇区中的交通负荷；对流天气的存在，利用走廊集成天气系统(CIWS)三级或更高级(垂直累积液态水(VIL)3+)和扇区海拔平面上方的回波顶高将所述对流天气的存在建模为扇区面积的分数；在某个时间段内扇区中的交通进入和退出事件；扇区中的爬升或下降飞行的数量对水平飞行的数量；紧贴扇区或中心角落从而造成在扇区或中心内的飞行时间相对短以及因此在交接之间的时间短的飞机路线改变；以及沿着扇区或中心边界进行从而要求管制员之间进行复杂协调的飞机路线改变。管制员工作负荷可能会大幅度变化，并且因此影响路线改变选择。分析现场数据以确定最佳函数形式并进行拟合来估计管制员工作负荷CW。
路线改变请求的ATC可接受性的另一个因素是该路线的历史使用。与使用熟悉的常用路线的路线改变相比，使用不清楚的或很少使用的路线的路线改变不太可能被接受。挖掘历史监视和飞行计划数据以构建常用路线数据库。按照每个月的历史数据，确定飞行的路线航段和路线航段的组合，以及就飞行了每个航段或航段的组合的航班数量而言的使用频率。
该数据用于为每个候选路线改变分配总路线频率度量RF。度量RF是在构成路线的航段上取得的路线的平均频率值。路线改变工具(诸如DWR)不会产生进入封闭空域、穿越强对流天气或以其他方式违反已知约束的建议的路线改变。尽管如此，路线改变可能会极为接近约束，并且这些可能会影响操作可接受性、特别是在调度和驾驶舱阶段。
因此，在最接近点(PCA)处创建了约束接近度度量CP，所述约束接近度度量就是从飞机到最近约束的水平范围。度量CP是对距约束的间隔的测量，所述约束包括：当前封闭空域、强对流天气和相对于对流是逆风还是顺风，以及交通。对于对流天气，使用CIWS VIL3+来表示强对流天气。当计算PCA时要考虑天气和交通的预测变化。与逆风侧相比，飞行员在对流的顺风侧上通过时典型地要求更大间隔，在CP度量中要考虑到这一点。
结合上述四个因素(即，路线改变复杂性、管制员工作负荷、路线使用频率和约束接近度)来预测候选路线改变的接受概率。该过程开始于使用现场数据来确定接受路线改变的相对频率。这用作对路线改变接受概率P(A)的估计。接下来，针对四个度量RC、CW、RF、CP中的每一者创建类别(例如，低、中等和高)。同样，使用现场数据来确定每个类别的相对频率，并且使用这些来估计每个度量的概率分布，如图3(其示出了单路线改变接受度量的概念概率分布)所示。特别地，图3以30示出与低范围度量值(以32示出)或高范围度量值(以34示出)相比，中等范围中的度量值具有更高接受概率。
类似地，估计条件概率P(RCi|A)、P(CWi|A)、P(RFi|A)和P(CPi|A)，其中下标i表示每个度量的类别。例如，如果度量具有三个类别，那么假定路线改变被接受，则计算三个条件概率，从而指示度量的每个类别的概率。(请注意，这等同于重新创建图3分布，但是它不是基于所有路线改变，而是仅基于被接受的路线改变)。
给定路线改变接受概率P(A)、每个类别的概率分布以及条件概率P(RCi|A)、P(CWi|A)、P(RFi|A)和P(CPi|A)，现在可针对给定的候选路线改变来更新接受概率P(A)。换句话说，在现场数据中的所有路线改变上计算上面的路线改变接受概率P(A)。给定路线改变的四个度量RC、CW、RF、CP的值，系统现在可针对给定的候选路线改变来更新该估计。这可使用贝叶斯定理来完成：
Figure BDA0002931174100000091
其中Mi代表路线改变接受度量M的第i类别。针对四个路线改变接受度量值中的每一者重复方程(7)。在每次迭代中，左手侧用作后续迭代中的先验概率。也就是说，将新的P(A)值设置为等于P(A|Mi)，因此P(A|Mi)→P(A)。
当完成四次迭代时，结果就是针对该特定路线改变候选的考虑到四个度量值的路线改变接受概率P(A)的估计。这是至关重要的值，并且对该值的这种定量的、系统性评估是新的创新。
上面考虑了典型的两路线改变情况(即，当有两个路线改变可用时选择策略的问题)。系统可利用上文讨论的那些典型结果，这些结果探讨了从由工具(诸如DWR)产生的一组N个候选路线改变中分别选择单路线改变和多路线改变的问题。如前所述，在这些章节中，假定用户目标是最大化预计路线改变节约E(S)。
对于给定的候选路线改变，预计节约E(S)是路线改变的概率及其节约的乘积。对于给定ARTCC，在概率-节约(P-S)空间中使候选路线改变可视化是有用的，如图4A(其示出了概率-节约空间的概念图解)所示，其中具有示例路线改变r和q。特别地，图4A以40示出了按路线改变概率P和路线改变节约S分布的候选路线改变。
由于上文讨论的路线改变概率因素趋于支持较短路线，因此在P-S空间中的总体趋势是随概率增加而节约减少，如以下讨论的图4B所示。当然，也会不断地发现具有高概率的高节约路线改变。
在找到最大E(S)路线改变之前，要注意，对于最大E(S)目标，解决方案中将不会使用在P-S空间中的相对于该空间中的任何其他路线改变具有较低概率和较低节约两者的任何路线改变(诸如在图4A中，相对于路线改变r的路线改变q)。这是因为具有较高概率和较高节约的点必然具有较高E(S)。
这表明了最大E(S)前沿的概念，该最大E(S)前沿仅由P-S空间中的对其而言不存在具有更高概率和更高节约两者的其他点的那些点组成。这在图4B(其示出了最大E(S)前沿的概念图解)中示出。特别地，图4B以42示出了最大E(S)前沿42，该最大E(S)前沿连接图4A的候选路线改变40的具有较高概率和较高节约两者的点44。对于单路线改变情况，最大E(S)只是前沿中的具有P和S的最大乘积的点。然而，在探讨该解决方案之前，要考虑时间成本。
到目前为止，已经假定路线改变节约S与路线改变飞行时间减少成正比。但是，根据用户业务案例，S的真实值典型地更复杂。例如，如果航班当前延误了16分钟，则前几分钟的延误减少要比附加的延误减少更有价值(以便使ETA在A14阈值内移动，所述A14阈值指代交通部用来累算正点统计数据的14分钟到达延误阈值)。
另一方面，如果航班被延误甚至更多，比如25分钟，那么与将不达到A14的较短延误减少相比，11分钟的较大负延误将不成比例地具有更大的值。A14阈值是促成由操作员承担的总延误成本的许多成本组成之一。图4C(其示出了相对于预定飞行时间的航班延误成本的概念图解)示出了若干其他成本组成和考虑因素，以及所得的概念延误成本分布(作为延误的函数)。特别是，图4C以46示出成本和飞行时间因许多因素而一起增加，所述因素包括(并且增加成本和延误两者)燃料倾泻或圆圈飞行、缺乏可用登机口、与无劳动力成本节约相关联的动作、燃料和劳动力成本，以及超过被视为正点的交通部(DOT)延误(例如，14分钟)的时间延误。
除了图4C的成本组成之外，用户业务案例还可包括使负延误值变复杂的若干其他因素。例如，在与从枢纽站离开的夜间航班相比的在到达高峰进入枢纽站并具有短登机停航时间的航班之间，延误成本的值分布显著地变化。另一个复杂化因素是进行短途转机的乘客的数量，以及在航班上的VIP的存在。
基于航班的调度和枢纽信息来创建成本分布。但是，该成本分布允许用户用其自己的分布进行替换。无论如何，系统都使用延误的值分布来将任何给定的候选路线改变的S变换为用户的真实节约S’，这考虑了各种业务案例因素。当非常需要更小的节约时，这有时将导致具有较少节约的较短路线改变更有竞争性。对于其他航班，需要较大的时间节约，因此较长路线改变将增大节约。在任何情况下，都假定用户目标是最大化变换后节约的预计值E(S′)。
考虑从两个候选路线改变R1和R2中选择单路线改变的问题。R1节约了8分钟，其接受概率为0.5。R2节约了4分钟，其接受概率为0.75。按照方程(1)，指示R1，因为它具有4分钟的预计时间节约，而R2仅具有3分钟的预计时间节约。
现在考虑以下场景：其中航班当前晚点18分钟，其中对于负延误(达到A14)的前四分钟，延误成本设置为$400/分钟，并且在此之后，负延误为$100/分钟。现在，根据方程(1)，R1的E(S’)为
E(S′)＝Pa×S_DWR
E(S′)＝.5×(4×$400+4×$100)＝$1,000
另一方面，R2的E(S’)为
E(S′)＝.75×(4×$400)＝$1,200
因此，当考虑当前延误和延误成本分布时，指示R2。在该示例中，由于场景具体情况，具有较低E(S)的路线改变具有较高E(S’)。
还值得考虑的是其中E(S’)在P-S’空间中呈线性的函数示例，如图4D(其示出了线性最大E(S’)前沿的概念图解)所示。特别地，图4D以48示出了关于路线改变概率P和路线改变节约S’的线性节约前沿。对于图4D的情况，线性最大E(S’)前沿可被表达为：
S′＝mP+b (8)
其中m是斜率，并且b是线性函数的y截距。根据方程(1)，那么E(S’)为方程(8)乘以横坐标P，从而得到二次方程：
E(S′)＝mP2+bP (9)
为了优化变换后节约的预计值，可将方程(9)的导数设置为零，并且求解P：
0＝2mP+b (10)
Figure BDA0002931174100000121
但是，当接近概率一(图4D的右侧)的S’较小时，那么m≈-b，从而产生概率二分之一：
Figure BDA0002931174100000122
换句话说，对于线性节约前沿在单位概率处产生较小节约的典型的情况，最大化预计转换后节约的路线改变具有0.5的接受概率。实际上，可在数值上计算每个前沿点的预计节约E(S’)＝PS’，并且可选择最大值。
上文讨论了单路线改变选择，但是出于上文概述的原因，路线改变可能被拒绝。拒绝的可能性提出了后续路线改变请求的问题，诸如在两路线改变方法中。两路线改变方法是有吸引力的，因为它提供了比单路线改变方法高的E(S’)。
后续路线改变请求还支持未来自动化空地协商功能。下文重点是两路线改变情况(参见方程5)，并且所附文本讨论了在自动化空地协商中可能发生的N路线改变情况。上文呈现了两路线接受概率模型。在两路线改变情况下，选择第一路线改变会影响第二路线改变的可行性和接受性，具体取决于相对时间。因此，定义三个时间窗：先前、建立和建立后。先前时间是在发起第一路线改变之前的时间。建立时间是在第一路线改变的发起时间之后的操作建立时间窗。这可能非常短。可能的是，最大因素与同一扇区管制员是否具有对飞机的航迹控制有关。换句话说，这与“嘿！我刚刚为您提供了捷径”因素有关。可能的是，建立时间窗更多地处理进行下一次扇区交接的时间。建立后时间是在操作建立时间窗之后的时间。
对于给定的第一路线改变，在第一时间窗中发起的所有其他路线改变显然地不能作为后续第二路线改变的候选，以防第一路线改变被拒绝。对于第二时间窗，操作建立时间被定义为如下时间段：第二路线改变请求在操作上不可行，因为自第一路线改变被拒绝以来经过的时间不足(请注意，第二时间窗可能相对短并很可能将在扇区交叉处偏移)。
因此，在第二时间窗中发起的路线改变也不能作为后续第二路线改变的候选。只有在第三时间窗中发起的路线改变能留作第二路线改变的候选。这里要注意，如果第一请求被拒绝，则第一路线改变的发起时间会影响可用于第二请求的候选路线改变集合。因此，在较晚时间发生的其他期望路线改变在其较晚时间使得无法考虑其他有吸引力的路线改变的情况下可成为第一路线改变的次佳选择。这提出了如何选择最佳两路线改变对的一般性问题，这是接下来要考虑的。
在两路线改变选择情况下，给定第一路线改变的候选，对于第二路线改变，系统可立即消除在先前和建立时间窗中发起的所有路线改变。在消除这些不可行的路线之后，从方程(5)得出要选择的最佳第二路线将始终是剩余路线改变中E(S’)最高的路线改变。因此，使用方程(5)，对于第二路线改变，需要进行穷尽性测试的组合是在节约前沿上的作为第一路线改变的每个路线改变，接着是剩余可行路线改变中的最高E(S’)路线改变。
使用方程(5)，最大E(S’)给出最佳两路线改变策略。应注意，最高E(S')路线改变不一定是最佳两路线改变策略中的第一路线改变。但是，如果不是这样，则第一路线改变在时间上必须在最高E(S’)路线改变之前。被视为集合中的第一路线改变的任何时间上较晚的路线改变无法产生最高预计节约，因为与可用于最高E(S’)路线改变的优异路线改变相比，它无法将任何优异的路线改变作为集合中的第二路线改变。
作为最高E(S')路线改变可如何成为最佳两路线改变策略中的第二路线改变的示例，要考虑在最高E(S')路线改变之前发生的在时间上较早的有竞争力的路线改变，如图5(其示出了最佳单路线改变作为最佳两路线改变策略中的第二路线改变的示例)所示。特别地，图5示出了来自多个候选路线改变56的一组前沿点54的较早的有竞争力的路线改变50以及最大预计节约路线改变52。如果在时间上晚于最高E(S')路线改变的候选路线改变具有较低节约，那么最佳两路线改变策略将由较早的有竞争力的路线改变、接着是最高E(S')路线改变组成。
根据另外的实施方案，可采用空地数据链路的系统使用，诸如管制员-飞行员数据链路通信(CPDLC)，这将增强飞行中路线改变。这将支持更复杂的路线改变、减少建立时间、支持更多路线改变请求并支持空地协商协议。这将允许用户优化其多路线改变选择(在本章节中讨论)。在较高级别，系统通过首先在未来时间按时间次序对未来路线改变进行排序来优化路线改变决策。
对于下一个即将到来的候选路线改变，系统计算两个预计节约值，以决定是请求还是不请求路线改变。如果出现平局(即，在同一开始时间有多个路线改变)，那么系统针对该平局中的所有候选路线改变重复该过程。对于每个路线改变，系统都会识别最高预计节约决策(即，哪个更高，是请求还是不请求路线改变？)。如果在所有的候选路线改变上没有指示路线改变请求，那么决策是不请求路线改变。否则，从指示的那些路线改变中，系统选择最高节约路线改变。
为了评估关于给定候选路线改变的请求/不请求决策，系统采用以下步骤。首先，识别即将到来的群集中的所有路线改变。对于给定候选路线改变，群集包含所有如下路线改变：(i)在比候选路线改变发起的时间晚的时间发起，以及(ii)在时间上与候选路线改变重叠，或者与群集中的任何路线改变重叠。这意味着群集在不包含路线改变的未来时间点(即，间隔)停止。图6(其示出了即将到来的候选路线改变的群集的示例时间线)示出了形成群集的四个路线改变的时间跨度。特别地，图6示出了在时间上与第二路线改变62以及第三路线改变64重叠的第一路线改变60。第二路线改变62在时间上与第三路线改变64重叠，并且第三路线改变64在时间上与第四路线改变66重叠。
要做出的决策是请求还是不请求R1路线改变。为了计算这两个选项的预计节约，系统接下来构建概率二元决策树，如图7(其示出了候选路线改变R1的概率二元决策树)所示。“是”和“否”分别指示飞行或未飞行的路线改变。特别地，图7以70示出了候选路线改变R1的概率二元决策树，因为可在关于路线改变R2、路线改变R3和路线改变R4的连续层级处做出二元决策(是/否)。图7的概率二元决策树包含即将到来的群集中的每个可能的路线改变事件集合。群集包含四个的可能路线改变，因此在二元树中，总共有24或16个总路线改变序列或通过树的路径。
然而，并非所有路径都是可行的。如果路线改变发起时间点与正在进行的路线改变重叠，则路径是不可行的。例如，从图6中，如果飞行路线改变R1，则无法飞行路线改变R2。图8(其示出了候选路线改变R1的概率二元决策树，其中不可行路径被框出)示出了决策树的不可行部分被框出。特别地，图8示出了给定约束(诸如时间)，图7的决策树70的某些路径不是可行选项(诸如在图8中以80、82、84、86示出)。
图8决策树的被框出部分正好遵循图6时间线。例如，R2与R1重叠，因此如果飞行R1，那么无法飞行R2(如在80处框出的所示)。类似地，R3与R1重叠，因此如果飞行R1，那么同样无法飞行R3(如在84处框出的所示)，即使没有飞行R2也是如此。按照相同逻辑，如果飞行R2，则无法飞行R3(如在82处框出的所示)，并且如果飞行R3，则无法飞行R4(如在86处框出的所示)。因此，确定树的哪些部分不可行是直截了当的。
给定图8对不可行部分的指定，可移除那些部分以及没有决策的所得的节点，从而留下完全地可行的决策树，如图9(其示出了用于请求R1的完全地可行的单侧概率二元决策树)所示。特别地，图9以90示出了用于候选路线改变的概率二元决策树，其中所有路线都是可能的。应注意，图9在底部列出了每个路径的路线改变序列。
接下来，根据上文，确定每个候选路线改变的接受概率。这些概率可附加到树中的每个节点，从而使其成为概率树。例如，如果请求路线改变R1，则其接受概率指示“是”分支的概率。一减去该概率就给出了“否”分支的概率。这样，树中的每个分段具有相关联的概率。
然而，概率取决于路线改变请求。也就是说，如果请求路线改变，那么如上段所述，分配“是”和“否”分支的概率。但是，如果不请求路线改变，那么“是”和“否”分支的概率分别为0.0和1.0。因此，该树是单侧概率二元决策树。例如，如果决定不请求R1，那么树缩减，如图10所示，图10以100示出了用于不请求R1的完全地可行的单侧概率二元决策树。
接下来，可针对请求R1的决策和不请求R1的决策计算预计节约。在该示例中，这相当于分别针对图9和图10的树计算预计节约。
为了进行这些计算，当到达树中的那些节点时，系统需要确定是否请求R2、R3和R4。对于树中的最后节点(在该示例中为R4节点)，当请求路线改变时，预计节约始终更高(即，没有折衷)。但是，对于较早的内部节点(在我们的示例中为R2和R3节点)，系统将耗尽所有可能的决策组合，并且找到产生最高预计节约的决策序列。
图11(其以110示出了针对请求和不请求R1的决策的预计节约计算)示出了针对R1路线改变决策的这些计算。图11的上半部分计算与请求R1的决策相对应(即，与图9的树相对应)的预计节约。图11的下半部分计算与不请求R1的决策相对应(即，与图10的树相对应)的预计节约。在该图11示例计算中，假定当系统到达那些节点时请求R2和R3路线改变。
在图11计算中，对于每个序列(或路径)，通过计算路径中的分支的相应概率的乘积来计算总概率。对于每个序列或路径，该总概率在图的中间的“路径”列中列出。对于每个候选路线改变，假设概率和节约(以分钟为单位，但在不失一般性的情况下，这可被变换为美元)在图的顶部处列出。
接下来，系统通过将路径中的每个路线改变的节约相加并将和乘以路径的概率来计算每个路径的预计节约。最后，通过将每个路径的预计节约相加来计算请求R1的决策的预计节约和不请求R1的决策的预计节约。如图11所示，在该示例场景中，在给定每个分支的概率和节约的情况下，请求R1的决策的预计节约(9.44分钟)略高于不请求R1的决策的预计节约(8.74分钟)，即使R1的节约显著地低于R3(5相较于12)也是如此。
如上所述，这些计算是基于假定当系统到达那些节点时，请求R2和R3路线改变。为了耗尽所有可能的决策机会，系统将需要计算在所有可能的R2和R3决策组合下的预计节约：(A)请求R2和R3；(B)请求R2但不请求R3；(C)不请求R2但请求R3；以及(D)不请求R2和R3路线改变两者。
这样，所有可能的决策策略都被包括在R1决策中。图12A至图12D中示出了这四个决策组合(A、B、C和D)，从而示出要评估的四个决策组合。图9和图10的计算与图12A相对应。
针对图12B、图12C和图12D决策策略重复图11的计算，如分别在120、122、124和126处所示。这产生了请求R1的决策的四个预计节约值，以及不请求R1的决策的四个预计节约值。为了确定是否请求R1，系统比较来自每组四个值中的最大预计节约值。最高值决定决策。
本文中呈现的方法支持对给定航班的路线改变选择的优化。最佳路线改变决策策略可能会涉及若干路线改变请求，并且请求的具体序列大体将取决于ATC是否接受请求。因此，该策略实时地演进。此外，基础计算(诸如路线改变接受概率)实时地演进。这种动态实时决策过程特别地受到新出现的空地数据链路功能支持，该功能准备在未来几年内在NAS中实施。一种这样的示例技术是CPDLC(管制员-飞行员数据链路通信)。
CPDLC将增强飞行中路线改变。它将支持更复杂的路线改变、减少建立时间、支持更多路线改变请求并支持空地协商协议。这将允许用户优化其多路线改变选择(在本章节中讨论)。这些方法在以下列表中概括：(1)识别即将到来的路线改变，包括最早的可能路线改变R1，以及(2)识别与R1相关联的路线改变群集(其识别在确定是否请求R1时和在确定该决策时必须考虑的所有路线改变，在群集之外的所有其他较晚的候选路线改变在不损失机会的情况下可被忽略)，(3)构建在决策树中包含总共2N个路线改变序列或路径的二元决策树，其中N是群集中的候选路线改变的数量，(4)识别并消除不可行路径，其中路线改变序列因时间重叠而是不可能的，(5)给定由可行路径组成的二元决策树，识别所有路线改变决策组合，(6)计算每个候选路线改变的接受概率，(7)针对路线改变决策的每个组合，构建概率二元决策树，(8)针对每个概率二元决策树，识别通过树的每个可能路径或路线改变序列，(9)针对每个路径，计算概率和预计节约，(10)针对每个概率二元决策树，将可能路径分为两个类别：与请求R1相对应的那些和与不请求R1相对应的那些，(11)针对每个概率二元决策树，计算与请求R1相对应的总预计节约和与不请求R1相对应的总预计节约，以及(12)识别与请求R1相对应的最大节约情况和与不请求R1相对应的最大节约情况。如果这两个值中的较高者与请求R1相对应，那么这是关于R1的推荐决策。否则，推荐的决策是不请求R1。
此外，关于在ARTCC中有多个航班的用户的路线改变决策问题以及时间与燃料之间的节约分布问题的问题可综述如下。在ARTCC中有多个航班的航空公司面临潜在地更复杂的路线改变决策。这是因为针对不同航班的路线改变决策可能不是独立的，而是可彼此影响。例如，一个航班的路线改变可能会影响管制员工作负荷，并且由此影响第二航班的路线改变请求的接受概率。
因此，为了跨ARTCC中的飞机机队来优化节约，诸如航空公司的用户组织需要考虑跨多个航班的所有可能的路线改变组合。这通过扩展群集(如上文所讨论)以包括ARTCC中的所有航班来完成。该过程与上述过程类似，不同的是来自不同航班的单一路线改变可重叠(即，它们可同时地发生)。
如上所述，这里发展的路线改变决策策略假定用户目标是最大化预计路线改变节约E(S)。然而，这使得未回答如何在时间与燃料之间分布节约的问题。也就是说，名义上节约飞行时间(通过减小飞行距离和/或减少逆风)的路线改变可用于经由减速来节约燃料而不是时间。如果时间节约的价值小于对应的可用燃料节约，则这可能是期望的。图4C示出了时间节约的值如何随ETA(预计到达时间)与原始STA(预定到达时间)的比较情况而变化。
本领域技术人员将了解，在不脱离本发明的精神和范围的情况下可对以上公开的实施方案进行多种修改和变化。

Claims (22)

1.一种用于部分地基于路线接受概率来提供改变路线信息的系统。
2.如权利要求1所述的系统，其中所述路线接受概率部分地基于路线复杂性RC的因素。
3.如权利要求1所述的系统，其中所述路线接受概率部分地基于管制员工作负荷(CW)因素。
4.如权利要求3所述的系统，其中所述管制员工作负荷(CW)因素部分地基于当前交通负荷。
5.如权利要求3所述的系统，其中所述管制员工作负荷(CW)因素部分地基于对流天气的存在。
6.如权利要求3所述的系统，其中所述管制员工作负荷(CW)因素部分地基于关于交通进入和退出事件的数据。
7.如权利要求3所述的系统，其中所述管制员工作负荷(CW)因素部分地基于扇区中的爬升或下降飞行的数量。
8.如权利要求3所述的系统，其中所述管制员工作负荷(CW)因素部分地基于空域扇区或中心角落中的任一者而造成在所述空域扇区或中心内的飞行时间相对短的飞机路线改变。
9.如权利要求3所述的系统，其中所述管制员工作负荷(CW)因素部分地基于沿着空域扇区或中心边界进行而要求管制员之间进行协调的飞机路线改变。
10.如权利要求1所述的系统，其中所述路线接受概率部分地基于路线使用频率(RF)因素。
11.如权利要求1所述的系统，其中所述路线接受概率部分地基于约束接近度(CP)因素。
12.如权利要求11所述的系统，其中所述约束接近度(CP)因素部分地基于当前封闭空域。
13.如权利要求11所述的系统，其中所述约束接近度(CP)因素部分地基于强对流天气的位置。
14.如权利要求11所述的系统，其中所述约束接近度(CP)因素部分地基于空中交通。
15.一种用于部分地基于决策树分析来提供改变路线信息的系统，所述决策树分析涉及请求路线改变的决策和不请求路线改变的决策。
16.如权利要求15所述的系统，其中所述决策树分析还涉及分析在比候选路线改变晚的时间发起的路线改变。
17.如权利要求15所述的系统，其中所述决策树分析还涉及分析在时间上与候选路线改变重叠的路线改变。
18.如权利要求15所述的系统，其中所述系统还分析跨多个航班的路线改变的可能组合。
19.如权利要求18所述的系统，其中所述系统还分析跨多个机场的路线改变的可能组合。
20.如权利要求15所述的系统，其中所述系统优化时间节约。
21.如权利要求15所述的系统，其中所述系统优化燃料节约。
22.一种用于提供改变路线信息的方法，所述方法包括以下步骤：确定路线接受概率；以及部分地基于所述路线接受概率来提供所述改变路线信息。
CN201980051811.5A 2018-08-03 2019-08-02 用于提供在途中改变路线的系统和方法 Pending CN112534488A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862714345P 2018-08-03 2018-08-03
US62/714,345 2018-08-03
PCT/US2019/044800 WO2020028752A1 (en) 2018-08-03 2019-08-02 Systems and methods for providing en route rerouting

Publications (1)

Publication Number Publication Date
CN112534488A true CN112534488A (zh) 2021-03-19

Family

ID=67766264

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980051811.5A Pending CN112534488A (zh) 2018-08-03 2019-08-02 用于提供在途中改变路线的系统和方法

Country Status (7)

Country Link
US (1) US11348473B2 (zh)
EP (1) EP3830809A1 (zh)
JP (1) JP2021532524A (zh)
CN (1) CN112534488A (zh)
CA (1) CA3108711A1 (zh)
IL (1) IL280347A (zh)
WO (1) WO2020028752A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210233412A1 (en) * 2020-01-23 2021-07-29 Honeywell International Inc. Systems and methods for reducing controller-pilot rejection ratios
EP3907661A1 (en) * 2020-05-06 2021-11-10 Tata Consultancy Services Limited Method and system for minimizing passenger misconnects in airline operations through learning
US20210407300A1 (en) * 2020-06-24 2021-12-30 Tata Consultancy Services Limited System and method for minimizing passenger misconnects in airline operations
GB2597970A (en) * 2020-08-12 2022-02-16 Airspace Unlimited Scotland Ltd A method of optimising airspace blocks within an airspace
CA3205427A1 (en) * 2021-01-06 2022-07-14 Aura Network Systems, Inc. Systems and methods for managing radio frequency spectrum in ground to aerial vehicle communications
WO2023287483A2 (en) * 2021-05-13 2023-01-19 Nexteon Technologies, Inc. Avionics-free global aviation surveillance systems and processes
US20230118254A1 (en) 2021-10-15 2023-04-20 Nexteon Technologies, Inc. Systems and methods for providing rerouting prior to departure

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999017080A1 (en) * 1997-09-26 1999-04-08 University Corporation For Atmospheric Research System for determination of optimal travel path in a multidimensional space
US20130080043A1 (en) * 2011-09-28 2013-03-28 U.S.A As Represented By The Administrator Of The National Aeronautics And Space Administration Method and Apparatus for Generating Flight-Optimizing Trajectories
US9558670B1 (en) * 2011-12-06 2017-01-31 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Method and system for air traffic rerouting for airspace constraint resolution
CN107818396A (zh) * 2016-09-13 2018-03-20 泰勒斯公司 用于修改飞行计划的决策辅助

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6691004B2 (en) 1995-07-31 2004-02-10 Honeywell International, Inc. Method for determining a currently obtainable climb gradient of an aircraft
US6266014B1 (en) 1998-10-09 2001-07-24 Cell-Loc Inc. Methods and apparatus to position a mobile receiver using downlink signals part IV
US20060155432A1 (en) * 2005-01-07 2006-07-13 United Technologies Corporation Methods and systems for monitoring atmospheric conditions, predicting turbulent atmospheric conditions and optimizing flight paths of aircraft
US8082102B2 (en) * 2008-01-14 2011-12-20 The Boeing Company Computing flight plans for UAVs while routing around obstacles having spatial and temporal dimensions
US20100033379A1 (en) 2008-08-11 2010-02-11 Lommen Layne D Reference beacon identification using transmission sequence characteristics
WO2011009028A1 (en) 2009-07-17 2011-01-20 Sensis Corporation Multilateration with kinematic modeling of target
US20120215434A1 (en) * 2011-02-22 2012-08-23 General Electric Company Methods and systems for managing air traffic
US8942914B2 (en) * 2011-02-22 2015-01-27 General Electric Company Methods and systems for managing air traffic
US8918280B1 (en) 2011-05-17 2014-12-23 Rockwell Collins, Inc. Constraint processing as an alternative to flight management systems
KR101240629B1 (ko) 2012-11-30 2013-03-11 한국항공우주연구원 Ａｄｓ-ｂ 시스템이 탑재된 항공기를 이용한 미지신호 검출 및 발생원 위치 추정방법
WO2014121197A2 (en) 2013-02-01 2014-08-07 NanoSatisfi Inc. System and method for widespread low cost orbital satellite access
JP6335731B2 (ja) * 2014-09-19 2018-05-30 株式会社エヌ・ティ・ティ・データ 管制システム、空域管理装置、管制方法、およびプログラム
US10102756B2 (en) * 2014-10-01 2018-10-16 The United States of Americ as represented by the Administrator of NASA Method and apparatus for providing in-flight pilot interface for trajectory optimization
US9571978B1 (en) 2016-03-16 2017-02-14 Google Inc. User equipment positioning utilizing motion of high altitude platform
SG10201702321PA (en) 2017-03-22 2018-10-30 Hian Lim Chan Global integrity check system and associated method
CN110637213B (zh) * 2017-05-16 2022-11-11 北京骑胜科技有限公司 用于数字路径规划的系统和方法
US10989553B2 (en) * 2018-04-17 2021-04-27 Here Global B.V. Method, apparatus and computer program product for determining likelihood of a route
US11125574B2 (en) * 2018-04-25 2021-09-21 Here Global B.V. Navigation optimized for unexpected traffic events
US10692389B2 (en) 2018-07-20 2020-06-23 Aurora Flight Services Corporation, a subsidiary of The Boeing Company Flight control systems for aerial vehicles and related methods

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999017080A1 (en) * 1997-09-26 1999-04-08 University Corporation For Atmospheric Research System for determination of optimal travel path in a multidimensional space
US20130080043A1 (en) * 2011-09-28 2013-03-28 U.S.A As Represented By The Administrator Of The National Aeronautics And Space Administration Method and Apparatus for Generating Flight-Optimizing Trajectories
US9558670B1 (en) * 2011-12-06 2017-01-31 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Method and system for air traffic rerouting for airspace constraint resolution
CN107818396A (zh) * 2016-09-13 2018-03-20 泰勒斯公司 用于修改飞行计划的决策辅助

Also Published As

Publication number Publication date
JP2021532524A (ja) 2021-11-25
CA3108711A1 (en) 2020-02-06
US11348473B2 (en) 2022-05-31
EP3830809A1 (en) 2021-06-09
WO2020028752A1 (en) 2020-02-06
US20200043351A1 (en) 2020-02-06
IL280347A (en) 2021-03-01

Similar Documents

Publication Publication Date Title
CN112534488A (zh) 用于提供在途中改变路线的系统和方法
JP6406729B2 (ja) 輸送システム及びその輸送サービスの頻度割り当て方法関連出願の相互参照
US8825360B2 (en) System for controlling operation of an airline
Eltoukhy et al. Airline schedule planning: a review and future directions
US10580309B2 (en) Resilient enhancement of trajectory-based operations in aviation
US20050071206A1 (en) System, method and computer program product for schedule recovery
US20080065282A1 (en) System and method of multi-generation positive train control system
US20060095156A1 (en) Method and system for tactical airline system management
US8798899B2 (en) System and method for controlling operation of an airline
Hu et al. Multiple objective solution approaches for aircraft rerouting under the disruption of multi-aircraft
Chang et al. Models for single-sector stochastic air traffic flow management under reduced airspace capacity
Yin et al. Joint apron-runway assignment for airport surface operations
Ng et al. A large neighbourhood search approach to airline schedule disruption recovery problem
Gekht et al. Tactical re-planning within the 4D contracts ATC concept
Rhodes-Leader et al. Multi-fidelity simulation optimisation for airline disruption management
Baspinar et al. Large scale data-driven delay distribution models of european air traffic flow network
JPH10208200A (ja) 着陸スケジューリング装置
Boujarif et al. Impact of airport capacity optimization on the air traffic flow management
DeLaurentis et al. A concept for flexible operations and optimized traffic into metroplex regions
Atkin Airport airside optimisation problems
CA2795598A1 (en) System and method for controlling operation of an airline
Calderón Guevara Incorporating flexibility in infrastructure systems planning & management
Liu et al. A generalized network level disruption strategy selection model for urban public transport systems
Schosser et al. Theoretical foundation
Schneider et al. Monetary Evaluation of Dispatching Decisions in Consideration of Mode Choice Models

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Pennsylvania, USA

Applicant after: Nexton Technologies Inc.

Address before: Pennsylvania, USA

Applicant before: Dynamic route Co.,Ltd.

WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210319