CN114464017B - 一种基于排队论的机场群航班延误估算方法 - Google Patents

一种基于排队论的机场群航班延误估算方法 Download PDF

Info

Publication number
CN114464017B
CN114464017B CN202210105674.2A CN202210105674A CN114464017B CN 114464017 B CN114464017 B CN 114464017B CN 202210105674 A CN202210105674 A CN 202210105674A CN 114464017 B CN114464017 B CN 114464017B
Authority
CN
China
Prior art keywords
airport
flight
time
service
departure
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
CN202210105674.2A
Other languages
English (en)
Other versions
CN114464017A (zh
Inventor
王艳军
赵希凡
水笑雨
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202210105674.2A priority Critical patent/CN114464017B/zh
Publication of CN114464017A publication Critical patent/CN114464017A/zh
Application granted granted Critical
Publication of CN114464017B publication Critical patent/CN114464017B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G5/00Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/003Flight plan management
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G5/00Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0043Traffic management of multiple aircrafts from the ground
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G5/00Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0073Surveillance aids
    • G08G5/0082Surveillance aids for monitoring traffic from a ground station
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G5/00Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/06Traffic control systems for aircraft, e.g. air-traffic control [ATC] for control when on the ground

Landscapes

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

Abstract

本发明公开了一种基于排队论的机场群航班延误估算方法,首先对历史航班运行数据进行处理分析,计算航班的计划进场时间、计划离场时间以及航路点的预计到达时间和实际到达时间,统计机场群中机场和航路点之间的飞行时间;分析临近机场之间的进离场航班服务效率,探究不同机场之间服务率的影响;针对研究中的机场和航路点进行建模,构建为由多个服务系统组成的连通网络,将经过处理的数据作为网络输入。本方法充分考虑了网络中服务器所产生的本地延误在整个网络中的传播效应,科学评估机场之间的进离场服务效率的影响,有效估算排队网络中的航班延误,从而得出机场及各航路点在一天的运行过程中的运行高峰,为机场群时刻优化安排等提供依据。

Description

一种基于排队论的机场群航班延误估算方法
技术领域
本发明涉及航空运输领域,特别涉及一种基于排队论的机场群航班延误估算方法
背景技术
随着民航业的不断发展,年起降架次和客运输量也在不断增长,空中交通需求量的增加在带来经济增长的同时也导致了空中交通系统的巨大压力,造成了严重的延误问题和经济损失,缓解空中交通系统的压力合理安排航班计划减小延误已经成为了亟需解决的问题。
从当前民航业的交通运营状况来看,由于机场容量和空域容量限制交通量的增加导致航班出行时受到其他航空器的影响更大。各机场之间的联系更加紧密,在空域资源的限制下快速增长的出行流量导致航班出行在飞行过程中更加拥挤,连续紧密的航班安排导致单个机场的延误对其他机场起降的影响越来越大,在各机场及途中产生的本地拥堵对其他地区造成的影响越发明显。因此有必要针对途中拥堵和延误传播进一步研究,有效预估前空中交通系统整体运行状态对于合理调整航班计划改进策略建立地面空域一体化管理体系具有重要意义。
发明内容
发明目的:本发明目的是提供一种精确的基于排队论的机场群航班延误估算方法,
技术方案:本发明所述基于排队论的机场群航班延误估算方法,包括如下步骤:
步骤1:对历史航班数据进行处理分析,估算进/离场服务率;
步骤2:探究临近机场之间的进离场航班服务率的相互影响;
步骤3:构建多机场排队通用网络,选择途径路径较多的的航路点和研究的对象机场假设为服务系统,将步骤1处理的数据作为模型输入,将航班排队的时刻变化过程作为目标,获取估算效果。
进一步地,所述步骤1中经过处理的航班数据包括各机场航班的计划离场时间、计划进场时间、实际离场时间、实际进场时间、途径航路点、到达航路点的时间、起降机场名称共7个属性。
进一步地,所述步骤1中对于航班数据的处理的具体方法如下:将一天的时间分为以每5分钟为一个时间段的窗格,筛选出天气条件类似的日期;统计所选出的日期中每天每五分钟内各机场的计划进/离场时间作为进/离场服务器的到达率,以及每五分钟内各机场的实际进/离场时间作为进/离场服务器的服务率,将不同离/进场航班数量所对应的进/离场服务率对应起来,作为数据集,利用线性回归方式估算特定条件下的服务效率。计算各机场与选定的航路点之间的飞行时间,计算历史数据中航班的实际行程时间,选择数据集中的众数作为服务器之间的自由移动时间。
进一步地,所述步骤1中经过处理的航班数据包括观测的各机场名称、选定的航路点、各服务系统的到达率、服务率、自由飞行时间、每个时间窗口内的进/离场航班数量共6个属性。所述步骤步骤1中进/离场航班的服务率的具体确定方式为:对不同日期下每个时间窗口内不同进场进/离场航班数量下所对应的离/进场服务率进行统计,即每一个时间段包括了不同离/进场航班数量下的服务率集合。选取适当的百分位数代表在该情况下进/离场服务率的取值,然后利用线性回归方式估算在不同离/进场航班数量时对应的服务效率。
进一步地,所述步骤2中临近机场服务率之间的相互影响探究的具体实现方法为:将一天的时间分为以每15分钟为一个时间段的窗格,筛选出数据中天气条件类似的日期,统计不同机场在15分钟内的进离场航班数量,以a机场的进场/离场和b机场的进场/离场分别作为回归变量和被解释变量组成数据集,利用分位回归建立分段线性函数,构建包络线分析包络线函数。
进一步地,所述步骤3具体操作为:根据历史数据中多机场排队网络的航班飞行路径将各服务系统相互连接起来,依据航班流向确定模型中各服务系统的输入及输出,其中上游服务器的输出作为下游服务器的输入,建立连通网络。根据流量守恒原理将点态平稳单队列模型扩展至多队列网络,建立通用方程计算队列长度,将步骤1处理得到的数据作为模型的输入,将网络中各服务系统的队列长度变化作为目标,选取典型的一天进行验证。本发明首先对网络中包括的各机场历史数据进行处理,计算出网络模型的输入参数,然后利用点态平稳排队理论建立多机场网络模型,并且将各机场及选定的航路点作为服务系统,估算各服务器的队列长度变化,量化航班在各处的延误,分析本地延误对网络其他服务系统产生的影响。
有益效果:本发明方法着重研究了途中延误对当前空域体系的影响,以及多机场运行过程中延误传播的现象,所提出的点态平稳网络估算延误的方式具有普适性,能够适应一般的排队系统,计算方式简便快捷,该方式可以更精准的估算实际机场及途中的拥堵点处航班排队情况,能够为空域一体化管理提供有效依据。科学评估机场之间的进离场服务效率的影响,有效估算排队网络中的航班延误,从而得出机场及各航路点在一天的运行过程中的运行高峰,能够为机场群时刻优化安排等提供依据。
附图说明
图1为本发明所建模型的流程图;
图2为某五分钟内累计服务航班数量图;
图3为某五分钟内进场航班数量和服务率之间的线性回归图;
图4为广州机场运行结果图;
图5为YIN航路点运行结果图;
图6为各服务器平均延误时间图;
图7为深圳机场进场和广州机场离场包络线图。
具体实施方式
本实施例以粤港澳大湾区中广州、深圳、珠海、澳门和惠州机场作为实例机场,利用本发明方法建立多机场排队延误估算模型,其具体步骤如下:
步骤1:数据处理;
对上述各机场的历史航班数据进行处理:包括计划离场时间、计划进场时间、实际离场时间、实际进场时间、途径航路点、到达航路点的时间、起降机场名称共7个属性。经过处理后得到如下信息:观测的各机场名称、选定的航路点、各服务系统的到达率、服务率、自由飞行时间、每个时间窗口内的进/离场航班数量共6个属性。对上述数据进行分析计算得出模型输入,首先将一天的时间分为以每5分钟为一个时间段的窗格,筛选出各机场天气条件类似的日期;然后针对不同机场统计所选出的日期中每天每五分钟内各机场的计划进/离场时间作为进/离场服务器的到达率,以及每五分钟内各机场的实际进/离场时间作为进/离场服务器的服务率,将不同离/进场航班数量所对应的进/离场服务率对应起来作为数据集,利用线性回归方式得出特定条件下的服务效率。对不同日期下每个时间窗口内不同进场进/离场航班数量下所对应的离/进场服务率进行统计,即每一个时间段包括了不同离/进场航班数量下的服务率集合。选取适当的百分位数代表在该情况下进/离场服务率的取值如图2所示,然后利用线性回归方式估算在不同离/进场航班数量时对应的服务效率,作为最终该机场在不同因素下的服务率如图3所示。最后计算各机场与选定的航路点之间的飞行时间,计算历史数据中航班的实际行程时间,选择数据集中的众数作为服务器之间的自由移动时间。
步骤2:探究临近机场之间的进离场航班服务率的相互影响;
本实例中重点关注了广州机场和深圳机场之间服务率的相互影响,将一天的时间分为以每15分钟为一个时间段的窗格,筛选出数据中天气条件类似的日期,统计不同机场在15分钟内的进离场航班数量。以广州机场的进场/离场和深圳机场的进场/离场分别作为回归变量和被解释变量组成数据点集,利用分位回归分析机场之间的交通流关联,设定分位数以残差最小化为目标求解变量之间的函数关系,建立分段线性函数构建包络线如图4所示。
步骤3:模型运行;
将步骤1中得到的数据作为模型的输入,构建网络模型,将网络中各服务系统的队列长度变化作为目标,选取典型的一天进行验证。使用点态平稳流体流动方式将单队列模型扩展至多队列模型,历史数据中各机场排队网络的航班飞行路径将各服务系统相互连接起来,依据航班流向确定模型中各服务系统的输入及输出,其中上游服务器的输出作为下游服务器的输入,建立连通网络。将步骤1中计算所得处的数据作为模型输入,估算各服务系统的队列长度变化,得出可能出现拥堵的高峰时刻如图5和图6所示。将模型得出的结果与实际数据进行对比绘制队列长度的折线图,并且计算航班的平均延误时间如图7所示,与实际差距越小则表示模型准确度越好。
本实施案例的运行结果如图7所示,由图可知模型估算结果基本符合实际,能够有效预测可能出现的高峰时刻,故本发明构建的排队网络模型具有一定的可信度。

Claims (5)

1.一种基于排队论的机场群航班延误估算方法,其特征在于:包括如下步骤:
步骤1:对历史航班数据进行处理分析,估算进、离场服务率;
步骤2:计算临近机场之间的进离场航班服务率的相互影响情况;
步骤3:构建机场群排队通用网络,选择途径路径较多的的航路点和研究的对象机场假设为服务系统,将步骤1处理的数据作为模型输入,将航班排队的时刻变化过程作为目标,获取估算效果,
所述步骤1中对于航班数据的处理方法如下:将一天的时间分为以每5分钟为一个时间段的窗格,筛选出数据中天气条件类似的日期;统计所选日期中每五分钟内各机场的计划进、离场时间作为进、离场服务器的到达率,以及每五分钟内各机场的实际进、离场时间作为进、离场服务器的服务率;计算各机场与选定的航路点之间的飞行时间,为各服务器之间的自由移动时间选定一个确定的数值,
所述步骤2中临近机场服务率之间的相互影响计算方法为:将一天的时间分为以每15分钟为一个时间段的窗格,筛选出数据中天气条件类似的日期,统计不同机场在15分钟内的进离场航班数量,以a机场的进场、离场和b机场的进场、离场分别作为回归变量和被解释变量组成数据集,利用分位回归建立分段线性函数,构建包络线分析包络线函数。
2.根据权利要求1所述的基于排队论的机场群航班延误估算方法,其特征在于:所述步骤1中经过处理的航班数据包括各机场航班的计划离场时间、计划进场时间、实际离场时间、实际进场时间、途径航路点、到达航路点的时间和起降机场名称共7个属性。
3.根据权利要求1所述的基于排队论的机场群航班延误估算方法,其特征在于:所述步骤1中经过处理的航班数据包括观测的各机场名称、选定的航路点、各服务系统的到达率、服务率、自由飞行时间、每个时间窗口内的进、离场航班数量共6个属性。
4.根据权利要求1所述的基于排队论的机场群航班延误估算方法,其特征在于:所述步骤1中进、离场航班的服务率的估算方式为:对不同日期下每个时间窗口内不同进场进、离场航班数量下所对应的离、进场服务率进行统计,即每一个时间段包括了不同离、进场航班数量下的服务率集合,选取适当的百分位数代表在该情况下进、离场服务率的取值,然后利用线性回归方式估算在不同离、进场航班数量时对应的服务效率。
5.根据权利要求1所述的基于排队论的机场群航班延误估算方法,其特征在于:所述步骤3具体操作为:根据历史数据中多机场排队网络的航班飞行路径将各服务系统相互连接起来,依据航班流向确定模型中各服务系统的输入及输出,其中上游服务器的输出作为下游服务器的输入,建立连通网络;根据流量守恒原理将点态平稳单队列模型扩展至多队列网络,建立通用方程计算队列长度,将步骤1处理得到的数据作为模型的输入,将网络中各服务系统的队列长度变化作为目标,选取典型的一天进行验证。
CN202210105674.2A 2022-01-27 2022-01-27 一种基于排队论的机场群航班延误估算方法 Active CN114464017B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210105674.2A CN114464017B (zh) 2022-01-27 2022-01-27 一种基于排队论的机场群航班延误估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210105674.2A CN114464017B (zh) 2022-01-27 2022-01-27 一种基于排队论的机场群航班延误估算方法

Publications (2)

Publication Number Publication Date
CN114464017A CN114464017A (zh) 2022-05-10
CN114464017B true CN114464017B (zh) 2023-02-03

Family

ID=81411343

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210105674.2A Active CN114464017B (zh) 2022-01-27 2022-01-27 一种基于排队论的机场群航班延误估算方法

Country Status (1)

Country Link
CN (1) CN114464017B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115640878B (zh) * 2022-09-30 2024-09-24 南京航空航天大学 用于机场航班时刻优化的树型防火墙容量配置方法
CN116882590B (zh) * 2023-09-04 2023-11-24 中国民用航空飞行学院 基于时序网络模型的航班计划优化方法、系统及储存介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6580998B2 (en) * 1999-12-22 2003-06-17 Rlm Software, Inc. System and method for estimating aircraft flight delay
US8554457B2 (en) * 2010-07-15 2013-10-08 Passur Aerospace, Inc. System and method for airport surface management
CN103426331B (zh) * 2013-08-22 2015-05-27 南京莱斯信息技术股份有限公司 多机场协同放行系统航班排序决策方法
CN105023068B (zh) * 2015-08-06 2019-03-01 北京航空航天大学 一种基于规则挖掘的航班进离场协同调度方法
CN106530841B (zh) * 2016-12-30 2019-07-05 中国人民解放军空军装备研究院雷达与电子对抗研究所 机场延误预测方法及装置
US10037704B1 (en) * 2017-02-01 2018-07-31 David Myr Automatic real-time air traffic control system and method for maximizing landings / takeoffs capacity of the airport and minimizing aircrafts landing times
CN107862910B (zh) * 2017-11-15 2019-12-06 南京航空航天大学 基于机场场面滑行多种冲突模式的滑行延误时间和离场延误时间预测方法
US10997865B2 (en) * 2017-11-16 2021-05-04 The Boeing Company Airport congestion determination for effecting air navigation planning
CN111160770B (zh) * 2019-12-30 2023-06-13 南京航空航天大学 一种进场航班动态协同排序方法

Also Published As

Publication number Publication date
CN114464017A (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
CN114464017B (zh) 一种基于排队论的机场群航班延误估算方法
US20220215760A1 (en) System and method for flight arrival time prediction
Simaiakis et al. A queuing model of the airport departure process
SG10201808761UA (en) System and method for flight delay prediction
Nikoleris et al. Queueing models for trajectory-based aircraft operations
CN104156594A (zh) 一种基于贝叶斯网的航班过站时间动态估计方法
US20120173131A1 (en) Airport Demand Management Method
CN109190700A (zh) 一种航空延误传播的定量分析方法
CN109658741A (zh) 一种扇区短时流量预测方法及系统
Çeçen et al. Optimising aircraft arrivals in terminal airspace by mixed integer linear programming model
Idris et al. Accrued delay application in trajectory-based operations
Badrinath et al. Evaluating the impact of uncertainty on airport surface operations
Baer et al. Threshold queueing to describe the fundamental diagram of uninterrupted traffic
Nikoleris et al. Effect of trajectory prediction and stochastic runway occupancy times on aircraft delays
Wesely et al. A machine learning approach to predict aircraft landing times using mediated predictions from existing systems
Lee et al. Fast-Time Simulation for Evaluating the Impact of Estimated Flight Ready Time Uncertainty on Surface Metering
Liu et al. Airport Delay Prediction with Temporal Fusion Transformers
Šimić et al. Airport delay prediction using machine learning regression models as a tool for decision making process
Jung et al. Develpment of the Surface Management System Integrated with CTAS Arrival Tool
CN108074421B (zh) 一种基于时间的终端区进场效率测度方法
JP6456442B2 (ja) 移動計画管理システム、プロファイル管理システム、プロファイル管理プログラム及び移動計画管理プログラム
Huang et al. Probabilistic estimation of state-dependent hybrid mode transitions for aircraft arrival time prediction
Brinton et al. Microscopic Analysis of Airport Surface Sequencing (ALTERNATE PAPER)
Idris et al. Queue buffer sizing for efficient and robust integrated departure scheduling
CN110718098A (zh) 海量飞机航道路径优化算法

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