CN116933662B - 一种机场停机位分配方法、装置、存储介质及电子设备 - Google Patents
一种机场停机位分配方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116933662B CN116933662B CN202311185127.0A CN202311185127A CN116933662B CN 116933662 B CN116933662 B CN 116933662B CN 202311185127 A CN202311185127 A CN 202311185127A CN 116933662 B CN116933662 B CN 116933662B
- Authority
- CN
- China
- Prior art keywords
- stand
- temporary
- aircraft
- model
- allocation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000005457 optimization Methods 0.000 claims abstract description 38
- 238000004088 simulation Methods 0.000 claims description 23
- 241000283153 Cetacea Species 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 21
- 230000000007 visual effect Effects 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 7
- 238000007726 management method Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 18
- 230000006870 function Effects 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000010006 flight Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Geometry (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请的实施例公开一种机场停机位分配方法、装置、存储介质及电子设备，涉及机场交管技术领域，建立翼尖滑行轨迹模型、基于蒙特卡洛的轨迹偏差模型、冲突概率模型、正常停机位与临时停机位的联合分配模型，以完成对停机位的分配。通过翼尖滑行轨迹模型与滑行的影响因素，可确定临时停机位的划设位置，然后利用蒙特卡洛随机特性，优化临时机位之间的合理间距，结合滑行路线的特征确定航空器在机坪受临时停机位影响产生的运行冲突，实现航空器临时机位运行的精准轨迹预测和运行冲突的判断，并基于此对临时停机位进行优化，优化后综合考虑航班影响因素，构建临时机位与原有正常停机位的联合分配模型，实现全局优化分配，提升停机位分配的效果。
Description
技术领域
本申请涉及机场交管技术领域，具体涉及一种机场停机位分配方法、装置、存储介质及电子设备。
背景技术
为做好应对机位资源超负荷运行的情况，需启用临时机位方案，增加场面机位资源容量，通常设置在机坪滑行道上，临时机位的划设与分配是解决枢纽机场满负荷或超负荷运行的主要应急手段之一。但当前对临时机位的划设与分配均是以人工经验为主，能满足机场运行标准和作业安全即可，对已有的场地资源利用率较低，机位分配效果较差。
发明内容
本申请的主要目的在于提供一种机场停机位分配方法、装置、存储介质及电子设备，旨在解决现有技术中对在布设临时停机位的基础上进行停机位分配的效果较差的问题。
为实现上述目的，本申请的实施例采用的技术方案如下：
第一方面，本申请实施例提供一种机场停机位分配方法，包括以下步骤：
根据航空器的翼尖滑行轨迹模型和滑行影响因素，获得基于蒙特卡洛的轨迹偏差模型；
根据滑行路线特征与基于蒙特卡洛的轨迹偏差模型，获得航空器在机坪受临时停机位影响的冲突概率模型；
其中，根据滑行路线特征与基于蒙特卡洛的轨迹偏差模型，获得航空器在机坪受临时停机位影响的冲突概率模型，包括：
根据滑行路线特征，获得航空器之间的冲突类型以及停机位之间的距离；其中，距离包括正常停机位与临时停机位之间的距离、临时停机位之间的水平横向距离以及临时停机位之间的平行纵向距离；
根据航空器之间的冲突类型，获得标称滑行轨迹；
根据标称滑行轨迹、距离以及基于蒙特卡洛的轨迹偏差模型，获得航空器在机坪受临时停机位影响的冲突概率模型；
其中，正常停机位与临时停机位的滑行冲突概率表示为：
临时停机位间水平横向和平行纵向的冲突概率分别表示为：
其中，为正常停机位与临时停机位之间的距离，/>为临时停机位之间的水平横向距离，/>为临时停机位之间的平行纵向距离，t为时刻；
根据翼尖滑行轨迹的可视化仿真结果与冲突概率模型，对临时停机位进行优化，获得目标临时停机位；
根据航班影响因素与目标临时停机位，获得正常停机位与临时停机位的联合分配模型，以完成对停机位的分配。
在第一方面的一种可能实现方式中，根据航空器的翼尖滑行轨迹模型和滑行影响因素，获得基于蒙特卡洛的轨迹偏差模型之前，机场停机位分配方法还包括：
根据航空器的翼尖位置，建立平面坐标系；
在平面坐标系下，以航空器的滑行影响的最大限制尺寸，构建航空器的翼尖滑行轨迹模型。
在第一方面的一种可能实现方式中，根据翼尖滑行轨迹的可视化仿真结果与冲突概率模型，对临时停机位进行优化，获得目标临时停机位之前，机场停机位分配方法还包括：
根据航空器参数、机位参数以及滑行线参数，进行基于蒙特卡洛的仿真模拟，获得翼尖滑行轨迹的可视化仿真结果。
在第一方面的一种可能实现方式中，根据航班影响因素与目标临时停机位，获得正常停机位与临时停机位的联合分配模型，包括：
根据航班影响因素与目标临时停机位，获得联合分配的若干优化目标；
根据优化目标的极值，获得正常停机位与临时停机位的联合分配模型。
在第一方面的一种可能实现方式中，根据航班影响因素与目标临时停机位，获得正常停机位与临时停机位的联合分配模型，以完成对停机位的分配，包括：
根据航班影响因素与目标临时停机位，获得正常停机位与临时停机位的联合分配模型；
根据优化算法对临时停机位的联合分配模型进行求解，获得目标分配结果；
根据目标分配结果，以完成对停机位的分配。
在第一方面的一种可能实现方式中，根据优化算法对临时停机位的联合分配模型进行求解，获得目标分配结果，包括：
根据鲸鱼优化算法对临时停机位的联合分配模型进行求解，获得目标分配结果。
第二方面，本申请实施例提供一种机场停机位分配装置，包括：
第一获得模块，第一获得模块用于根据航空器的翼尖滑行轨迹模型和滑行影响因素，获得基于蒙特卡洛的轨迹偏差模型；
第二获得模块，第二获得模块用于根据滑行路线特征与基于蒙特卡洛的轨迹偏差模型，获得航空器在机坪受临时停机位影响的冲突概率模型；
其中，根据滑行路线特征与基于蒙特卡洛的轨迹偏差模型，获得航空器在机坪受临时停机位影响的冲突概率模型，包括：
根据滑行路线特征，获得航空器之间的冲突类型以及停机位之间的距离；其中，距离包括正常停机位与临时停机位之间的距离、临时停机位之间的水平横向距离以及临时停机位之间的平行纵向距离；
根据航空器之间的冲突类型，获得标称滑行轨迹；
根据标称滑行轨迹、距离以及基于蒙特卡洛的轨迹偏差模型，获得航空器在机坪受临时停机位影响的冲突概率模型；
其中，正常停机位与临时停机位的滑行冲突概率表示为：
临时停机位间水平横向和平行纵向的冲突概率分别表示为：
其中，为正常停机位与临时停机位之间的距离，/>为临时停机位之间的水平横向距离，/>为临时停机位之间的平行纵向距离，t为时刻；
优化模块，优化模块用于根据翼尖滑行轨迹的可视化仿真结果与冲突概率模型，对临时停机位进行优化，获得目标临时停机位；
分配模块，分配模块用于根据航班影响因素与目标临时停机位，获得正常停机位与临时停机位的联合分配模型，以完成对停机位的分配。
第三方面，本申请实施例提供一种计算机可读存储介质，储存有计算机程序，计算机程序被处理器加载执行时，实现如上述第一方面中任一项提供的机场停机位分配方法。
第四方面，本申请实施例提供一种电子设备，包括处理器及存储器，其中，
存储器用于存储计算机程序；
处理器用于加载执行计算机程序，以使电子设备执行如上述第一方面中任一项提供的机场停机位分配方法。
与现有技术相比，本申请的有益效果是：
本申请实施例提出的一种机场停机位分配方法、装置、存储介质及电子设备，该方法包括：根据航空器的翼尖滑行轨迹模型和滑行影响因素，获得基于蒙特卡洛的轨迹偏差模型；根据滑行路线特征与基于蒙特卡洛的轨迹偏差模型，获得航空器在机坪受临时停机位影响的冲突概率模型；根据翼尖滑行轨迹的可视化仿真结果与冲突概率模型，对临时停机位进行优化，获得目标临时停机位；根据航班影响因素与目标临时停机位，获得正常停机位与临时停机位的联合分配模型，以完成对停机位的分配。本申请通过翼尖滑行轨迹模型与滑行的影响因素，可确定临时停机位的划设位置，然后利用蒙特卡洛随机特性，优化临时机位之间的合理间距，结合滑行路线的特征确定航空器在机坪受临时停机位影响而产生的运行冲突，实现航空器临时机位运行的精准轨迹预测和运行冲突的判断，并基于此对临时停机位进行优化，在优化后综合考虑航班影响因素，构建临时机位与原有正常停机位的联合分配模型，实现全局优化分配，以提升停机位分配的效果。
附图说明
图1为本申请实施例涉及的硬件运行环境的电子设备结构示意图；
图2为本申请实施例提供的机场停机位分配方法的流程示意图；
图3为本申请实施例提供的机场停机位分配方法中对临时停机位进行优化的示意图；
图4为本申请实施例提供的机场停机位分配方法中采用鲸鱼优化算法进行编码解码的流程示意图；
图5为本申请实施例提供的机场停机位分配装置的模块示意图；
图中标记：101-处理器，102-通信总线，103-网络接口，104-用户接口，105-存储器。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例的主要解决方案是：根据航空器的翼尖滑行轨迹模型和滑行影响因素，获得基于蒙特卡洛的轨迹偏差模型；根据滑行路线特征与基于蒙特卡洛的轨迹偏差模型，获得航空器在机坪受临时停机位影响的冲突概率模型；根据翼尖滑行轨迹的可视化仿真结果与冲突概率模型，对临时停机位进行优化，获得目标临时停机位；根据航班影响因素与目标临时停机位，获得正常停机位与临时停机位的联合分配模型，以完成对停机位的分配。
枢纽机场日间航班运行时刻较为紧张，使得航班时刻逐渐向夜航结束前等边缘时段延伸，在此时段内本场执飞的短停航班如不能按计划时间进出港，大概率将打破该时段机场机位资源的容流平衡，造成机位资源超限的问题，进而导致进港航班等待机位释放的情况。为有效缓解日趋严重的航班量的增长与停机位资源相对不足的矛盾，部分机场启动了对停机坪和停机位的系列改造扩建项目，解决停机位资源不足的问题。在扩建并未完成的过渡时期，机位资源紧缺的问题仍然存在，为做好应对机位资源超负荷运行的情况，需启用临时机位方案，增加场面机位资源容量，临时机位通常设置在机坪滑行道上。
临时机位的划设与分配是解决枢纽机场满负荷或超负荷运行的主要应急手段之一，尤其当区域内其他机场遭遇恶劣天气需额外接受临时备降任务，或由于机械故障、机组超时等原因，造成航班延误甚至取消，造成航后航班计划占用停机位的时间增加的情况时，通常造成枢纽机场夜航结束前时段本场机位资源极其紧张。机坪管制移交后增加了机坪运控部门的调整权限，机场机坪运控部门负责航空器推出、开车、滑行和拖曳工作，给机场临时机位方案的启用提供了便利的条件。
为进一步挖潜增效，确保航班安全有序运行，大多枢纽机场均采用了借用机坪滑行道设置临时机位的保障方案。但当前对临时机位的划设均是以人工经验为主，虽然能满足机场运行标准和作业安全，但不能最大化的利用现有道面资源扩能降耗。目前针对临时机位的分配没有成套的理论和方法支撑，启用临时机位方案本身为增加场面停机位场面资源，但若不能对正常机位与临时机位进行合理的分配，会引起机坪区域内的容易产生冲突，航行等待时间延长，靠桥率降低，甚至会造成次日早班多架航空器的大面积延误。
为此，本申请提供一种解决方案，通过翼尖滑行轨迹模型与滑行的影响因素，可确定临时停机位的划设位置，然后利用蒙特卡洛随机特性，优化临时机位之间的合理间距，结合滑行路线的特征确定航空器在机坪受临时停机位影响而产生的运行冲突，实现航空器临时机位运行的精准轨迹预测和运行冲突的判断，并基于此对临时停机位进行优化，在优化后综合考虑航班影响因素，构建临时机位与原有正常停机位的联合分配模型，实现全局优化分配，以提升停机位分配的效果。
参照附图1，附图1为本申请实施例方案涉及的硬件运行环境的电子设备结构示意图，该电子设备可以包括：处理器101，例如中央处理器（Central Processing Unit，CPU），通信总线102、用户接口104，网络接口103，存储器105。其中，通信总线102用于实现这些组件之间的连接通信。用户接口104可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口104还可以包括标准的有线接口、无线接口。网络接口103可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器105可选的可以是独立于前述处理器101的存储装置，存储器105可能是高速的随机存取存储器（Random Access Memory，RAM）存储器，也可能是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如至少一个磁盘存储器；处理器101可以是通用处理器，包括中央处理器、网络处理器等，还可以是数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本领域技术人员可以理解，附图1中示出的结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如附图1所示，作为一种存储介质的存储器105中可以包括操作系统、网络通信模块、用户接口模块以及机场停机位分配装置。
在附图1所示的电子设备中，网络接口103主要用于与网络服务器进行数据通信；用户接口104主要用于与用户进行数据交互；本申请中的处理器101、存储器105可以设置在电子设备中，电子设备通过处理器101调用存储器105中存储的机场停机位分配装置，并执行本申请实施例提供的机场停机位分配方法。
参照附图2，基于前述实施例的硬件设备，本申请的实施例提供一种机场停机位分配方法，包括以下步骤：
S10：根据航空器的翼尖滑行轨迹模型和滑行影响因素，获得基于蒙特卡洛的轨迹偏差模型。
在具体实施过程中，根据已建立的翼尖滑行轨迹模型，综合考虑航空器在机坪区域内，其滑行轨迹常受到如飞行人员操作技能、地面引导人员的目视误差和推车与航空器的接触受力等滑行影响因素的影响，无法严格按照滑行中线滑行，存在一定的随机性，但始终控制在一定的限定范围，故采用蒙特卡洛方法，通过随机性统计分析、设置水平定位误差和模拟次数等参数，确定出正常机位和临时机位的滑行轨迹偏差范围，得到临时机位附近正常机位的进出机位滑行轨迹，确定出最优的临时机位划设位置，为临时停机位分配优化提供了航空器在机坪运行轨迹的最大允许技术误差和最小安全净距。
在一种实施例中，根据航空器的翼尖滑行轨迹模型和滑行影响因素，获得基于蒙特卡洛的轨迹偏差模型之前，机场停机位分配方法还包括：
根据航空器的翼尖位置，建立平面坐标系；
在平面坐标系下，以航空器的滑行影响的最大限制尺寸，构建航空器的翼尖滑行轨迹模型。
在具体实施过程中，采用运动学模型，由于机坪道面的纵坡变化较小，可使用直角坐标方式。为了更好呈现机坪区域内航空器进出机位的精确翼尖运动轨迹，以停靠在正常机位的航空器两侧翼尖外缘间距的中点为坐标原点O，建立O-XY坐标系，以航空器进出机位影响的最大限制尺寸，建立翼尖随时间的直线运动和曲线运动的轨迹方程，完成对航空器的翼尖滑行轨迹模型的构建。以该种方式建立坐标系，使横向的停机位参数和航空器参数都为对称的绝对值相等正负数，可更好的呈现出单个正常机位内停靠航空器的滑行过程，对于滑行轨迹与主滑行道交点的确定，也起到促进作用。
坐标系建立好之后，可确定出航空器翼尖初始坐标、加上最小安全净距后左右两侧坐标，停机位的划线、轮挡位置、直线路段长度、转弯路段的转弯角度和半径均可在坐标系中呈现出。将航空器由滑行轨迹分为直线运动和曲线运动，基于轨迹运动方程，设置航空器速度、以航空器滑行影响的最大限制尺寸，建立翼尖随时间的运行轨迹变化模型：
其中，，/>为航空器左右两侧任意t时刻翼尖点的坐标，，/>为航空器左右两侧任意t时刻翼尖加上最小安全净距的点坐标，lwi为航空器翼展宽度，Sbi为翼尖最小安全净距，ωi表示角速度，Lk为机位引导线直线段长度，/>为时间变化量。采用蒙特卡洛方法在偏差区间内进行随机性实验，由于坐标系原点为翼尖两侧连线的中点，故只需确定的初始横坐标。首先确定左右两侧翼尖与加上最小安全净距后点的初始横坐标坐标，分别用/>，/>，/>，/>表示，设置水平定位误差，取值范围设为/>，如下式：
S20：根据滑行路线特征与基于蒙特卡洛的轨迹偏差模型，获得航空器在机坪受临时停机位影响的冲突概率模型。
在具体实施过程中，根据前述步骤得到的基于蒙特卡洛的轨迹偏差模型，得到包含了偏差的航空器滑入或推出轨迹，分析机位构型和纵横交叉布局的滑行路线特征，建立航空器在机坪受临时停机位影响的三种冲突概率模型，分别为正常机位推出滑入与附近停靠的临时机位之间的翼尖斜距冲突、临时机位与临时机位的横向和纵向冲突，冲突概率模型为临时停机位分配优化提供了航空器之间在机坪运行的横向和纵向的最小安全净距。
临时机位的设置引起的冲突可分为两种：一种为特殊保障条件下的，正常机位推出滑入与附近停靠的临时机位之间的翼尖斜距冲突；另一种为自主式，航空器在滑行道上自主滑行时，临时机位与临时机位间的冲突，临时机位与临时机位之间的位置冲突，又可分为同一滑行道的水平横向冲突和两条平行滑行道之间的垂直距离冲突。受正常机位停靠航空器的推出路线和滑行道构型影响，并基于上述提到的蒙特卡洛，建立基于蒙特卡洛偏差的冲突概率模型。
在一种实施例中，根据滑行路线特征与基于蒙特卡洛的轨迹偏差模型，获得航空器在机坪受临时停机位影响的冲突概率模型，包括：
根据滑行路线特征，获得航空器之间的冲突类型以及停机位之间的距离；其中，距离包括正常停机位与临时停机位之间的距离、临时停机位之间的水平横向距离以及临时停机位之间的平行纵向距离；
根据航空器之间的冲突类型，获得标称滑行轨迹；
根据标称滑行轨迹、距离以及基于蒙特卡洛的轨迹偏差模型，获得航空器在机坪受临时停机位影响的冲突概率模型。
在具体实施过程中，首先确定机位占用决策变量，进而确定航空器间的距离，距离可分为正常机位与临时机位之间的距离为/>，临时机位间水平横向距离为/>，临时机位间平行纵向距离为/>，根据航空器间不同冲突类型，获取t时刻标称滑行轨迹，得到正常机位与临时机位、临时机位与临时机位之间的不发生冲突的条件，最后根据前述提到的机位之间冲突类型，得到蒙特卡洛轨迹偏差的滑行冲突概率模型。
正常机位与临时机位的滑行冲突概率公为：
临时机位间分为水平横向和平行纵向的冲突概率，分别为：
在一种实施例中，根据翼尖滑行轨迹的可视化仿真结果与冲突概率模型，对临时停机位进行优化，获得目标临时停机位之前，机场停机位分配方法还包括：
根据航空器参数、机位参数以及滑行线参数，进行基于蒙特卡洛的仿真模拟，获得翼尖滑行轨迹的可视化仿真结果。
在具体实施过程中，基于仿真软件，如Matlab软件平台，将航空器参数：初始翼尖坐标、定位误差、滑行速度；机位参数：机位划线长度、轮挡位置；滑行线参数：直线路段长度、转弯路段的转弯半径、角度等参数导入到Matlab编辑的程序中，设置轨迹随机模拟次数设为N，实现基于蒙特卡洛的航空器翼尖轨迹可视化仿真，得到翼尖滑行轨迹的可视化仿真结果。
S30：根据翼尖滑行轨迹的可视化仿真结果与冲突概率模型，对临时停机位进行优化，获得目标临时停机位。
在具体实施过程中，根据轨迹的可视化仿真与冲突概率的分析，可对原有临时机位的划设进行优化，首先进行局部区域的划设优化，如附图3所示，实线框的飞机为优化前的位置，虚线框的为其优化后的位置，飞机机头部位的实现与虚线分别为其轮挡位置，最后整合进而实现对全局所有临时机位的划设方案进行改进，优化后增加了航空器进出为机位的路径，保证了与冲突热点的安全间隔，减少了机位停靠航空器对头停靠的情况，降低了风险。
S40：根据航班影响因素与目标临时停机位，获得正常停机位与临时停机位的联合分配模型，以完成对停机位的分配。
在具体实施过程中，针对启动临时机位条件下，根据机位划设优化部分得出的最佳临时机位的位置，建立临时机位与正常机位联合分配模型。需考虑航班影响因素，如预估进港航班等待时间，选定拖曳航空器需综合考虑航班航后作业完成情况、次日航班离港时间、衔接情况、拖曳区域周边机位当日以及次日运行等因素。可将机坪划分为多个区域，每个区域以一个临时机位为核心。每区域包括三类机位：临时停机位、被临时停机位影响推出/滑入的正常机位、待临时停机位上停靠航空器拖回的正常机位。构建多目标优化模型进行临时机位与正常机位联合调度分配。具体来说：
根据航班影响因素与目标临时停机位，获得正常停机位与临时停机位的联合分配模型，包括：
根据航班影响因素与目标临时停机位，获得联合分配的若干优化目标；
根据优化目标的极值，获得正常停机位与临时停机位的联合分配模型。
在具体实施过程中，构建的多目标优化模型，即联合分配模型为：
Z为目标优化函数。
（1）使用临时停机位方案完整流程所需最小时间Z1为目标函数：
Ti表示航班i停靠在机位上的时间，i=1、2、3……m。
（2）靠桥率
靠桥率是指在某一个时间段，靠桥量占总量的百分比，求相反数的最小值Z2即最大靠桥率。因此从提高飞机靠桥率的角度建立目标函数为
表示0-1变量，当航班/>被分配到停机位/>则为1，否则为0；/>表示航班被分配到远机位的惩罚系数，近机位为0，远机位为1。
（3）最小化航空器运行成本
机位的分派，决定了航空器滑行的距离，根据不同机型的运行性能数据可知，航空器耗油的单位式kg/min，故运行成本可通过时间反应出来，临时机位的使用需将航空器在临时机位与正常机位间往返拖曳的过程，故还需考虑牵引车拖曳的费用，建立航空器最小运行成本Z3的目标函数：
表示航班的滑行距离，/>表示所有的拖曳距离；/>表示航空器滑行速度，/>表示牵引车拖曳速度；/>表示航空器滑行费率，/>表示牵引车拖曳费率；
（4）最小化旅客行走时间
航班所分配到的机位位置，决定了旅客的步行时间，从而影响着旅客所得到服务的品质，旅客步行时间包括停机位对应登机门到安检通道的步行时间、登机门到中转柜台的步行时间/>和登机门到行李提取大厅的步行时间/>，故总时间/>如下式：
式中：，/>，/>表示权重，故建立最小化旅客行走时间Z4的目标函数：
通过目标优化函数，减少了使用临时停机位方案的总时间、增加了机场的靠桥率、最小化了航空器的运行成本并减少了旅客行走距离。
在一种实施例中，根据航班影响因素与目标临时停机位，获得正常停机位与临时停机位的联合分配模型，以完成对停机位的分配，包括：
根据航班影响因素与目标临时停机位，获得正常停机位与临时停机位的联合分配模型；
根据优化算法对临时停机位的联合分配模型进行求解，获得目标分配结果；
根据目标分配结果，以完成对停机位的分配。
在具体实施过程中，用联合分配模型进行机位分配，实则是对模型最优解的求解问题，可通过优化算法对其进行求解，如遗传算法、蚁群算法。本申请实施例以鲸鱼优化算法为例进行说明，鲸鱼优化算法（WOA）是一种元启发式的优化算法，它模仿座头鲸的狩猎行为，在捕获猎物前包围目标区域。根据座头鲸猎物捕食行为的特点，WOA主要包括3个阶段：包围猎物、气泡狩猎和随机搜索。
包围猎物；在狩猎时，鲸鱼需要识别目标猎物所处的位置，并将其包围起来。但是，在搜索空间内，其所处的位置常常是未知的。假设通过猎物的位置或目标猎物的近似位置来分析当前种群中的最佳适应度值，WOA将更新当前候选组中其他搜索者的位置。该过程可表示为：
，/>
其中，是当前最优解到目标的距离向量；/>表示当前的迭代次数；/>表示当前最优解的位置向量，/>表示搜索对象的位置矢量；/>和/>为系数矢量，其定义如下式：
，/>
其中，是收敛因子随迭代次数从2线性减少到0，/>是[0,1]的随机向量。
气泡狩猎；根据座头鲸捕食时的行为，WOA以两种方式开发：收缩更新和螺旋式更新。收缩更新是通过降低收敛因子来实现的。当|A|≤1时，鲸鱼的个体向量从初始位置更新到目标位置向量，完成对猎物的包围。螺旋方式更新位置时，建立一个数学螺旋模型，模拟鲸鱼的螺旋运动并更新螺旋位置，如下式所示：
其中，，为当前个体与目标个体间的距离向量;/>为对数螺旋形状的常量系数;/>为[−1，1]的随机数。
随着鲸鱼的螺旋式运动，周围同时受到挤压，因此WOA各有0.5的概率来模拟气泡狩猎同步过程，以收缩包围并更新螺旋位置，如下式：
随机搜索；在狩猎时，若|A|＞1，WOA不根据目标猎物更新其位置，而是从种群中搜索随机目标来替代目标猎物。实际的个体鲸鱼为了寻找目标猎物而被迫偏离原来的目标，这可以提高算法的全局搜索能力。随机搜索的数学模型如式所示：
，/>
其中，表示随机选择的鲸鱼个体在当前种群中的位置。
本申请的机位分配由于考虑到临时机位，因此除了一般正常机位分配需要考虑的使用唯一性以及时间约束性，还需要考虑航空器优先级以及机位类别，即正常飞行计划的航空器优先停在正常机位，而非飞行计划内存在的航空器，只有在正常机位有空余的情况下才可停放在正常机位，并且临时机位仅供非飞行计划内存在的航空器使用。
WOA算法首先在可行解空间中初始化一群鲸鱼个体，每个鲸鱼都代表极值优化问题的一个潜在的最优解，一个解可以用一个鲸鱼个体表示，若干个解就可以用若干个鲸鱼个体表示。在使用WOA搜索问题解的过程就可以看作是若干个鲸鱼个体不断更新个体位置，直到搜索到满意的解为止。
针对机位分配问题，构建如下鲸鱼个体编码方式：以1个一维数组表示一条鲸鱼的位置，代表架航空器所分配的机位。一架航空器可能在N条滑行道中的一条或多条滑行道上滑行，最终到达停机位，用位置向量在的N个维度表示一架航空器在N条滑行道上的滑行顺序，一架航空器仅能被分配一个停机位。因此，一航空器对应的数组长度为N+1。
以某架航空器m在某机场5条滑行道中的其中3条滑行，最终停在机位n为例，其编码解码流程如附图4所示。编码的每个基因位对应一条滑行道，基因位的数值在0-1之间随机生成。按照基因位数值由小到大，确定航空器遍历各条滑行道的顺序，如果某个基因位的数值为0，代表航空器不在此滑行道滑行。按照解码规则，3条滑行道的先后遍历顺序为：滑行道2——滑行道5——滑行道3，最终停在机位n上。架航空器在数组中的位置，由航班类型及到达机场时间共同决定，即飞行计划内航班排在非飞行计划内航班前面，再按照到达时间，先到则排在前面，将各架航空器数组拼接即得到一条鲸鱼位置向量，即可以确定鲸鱼位置向量中各维度的意义。
本实施例中，通过翼尖滑行轨迹模型与滑行的影响因素，可确定临时停机位的划设位置，然后利用蒙特卡洛随机特性，优化临时机位之间的合理间距，结合滑行路线的特征确定航空器在机坪受临时停机位影响而产生的运行冲突，实现航空器临时机位运行的精准轨迹预测和运行冲突的判断，并基于此对临时停机位进行优化，在优化后综合考虑航班影响因素，构建临时机位与原有正常停机位的联合分配模型，实现全局优化分配，以提升停机位分配的效果。
参照附图5，基于与前述实施例中同样的发明构思，本申请实施例还提供一种机场停机位分配装置，该装置包括：
第一获得模块，第一获得模块用于根据航空器的翼尖滑行轨迹模型和滑行影响因素，获得基于蒙特卡洛的轨迹偏差模型；
第二获得模块，第二获得模块用于根据滑行路线特征与基于蒙特卡洛的轨迹偏差模型，获得航空器在机坪受临时停机位影响的冲突概率模型；
优化模块，优化模块用于根据翼尖滑行轨迹的可视化仿真结果与冲突概率模型，对临时停机位进行优化，获得目标临时停机位；
分配模块，分配模块用于根据航班影响因素与目标临时停机位，获得正常停机位与临时停机位的联合分配模型，以完成对停机位的分配。
本领域技术人员应当理解，实施例中的各个模块的划分仅仅是一种逻辑功能的划分，实际应用时可以全部或部分集成到一个或多个实际载体上，且这些模块可以全部以软件通过处理单元调用的形式实现，也可以全部以硬件的形式实现，或是以软件、硬件结合的形式实现，需要说明的是，本实施例中机场停机位分配装置中各模块是与前述实施例中的机场停机位分配方法中的各步骤一一对应，因此，本实施例的具体实施方式可参照前述机场停机位分配方法的实施方式，这里不再赘述。
基于与前述实施例中同样的发明构思，本申请的实施例还提供一种计算机可读存储介质，储存有计算机程序，计算机程序被处理器加载执行时，实现如本申请实施例提供的机场停机位分配方法。
基于与前述实施例中同样的发明构思，本申请的实施例还提供一种电子设备，包括处理器及存储器，其中，
存储器用于存储计算机程序；
处理器用于加载执行计算机程序，以使电子设备执行如本申请实施例提供的机场停机位分配方法。
在一些实施例中，计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。
在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言（包括编译或解释语言，或者声明性或过程性语言）来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言（HTML，Hyper TextMarkup Language）文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件（例如，存储一个或多个模块、子程序或代码部分的文件）中。
作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的 技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如只读存储器/随机存取存储器、磁碟、光 盘）中，包括若干指令用以使得一台多媒体终端设备(可以是手机，计算机，电视接收机，或者网络设备等)执行本申请各个实施例所述的方法。
综上，本申请提供的一种机场停机位分配方法、装置、存储介质及电子设备，该方法包括：根据航空器的翼尖滑行轨迹模型和滑行影响因素，获得基于蒙特卡洛的轨迹偏差模型；根据滑行路线特征与基于蒙特卡洛的轨迹偏差模型，获得航空器在机坪受临时停机位影响的冲突概率模型；根据翼尖滑行轨迹的可视化仿真结果与冲突概率模型，对临时停机位进行优化，获得目标临时停机位；根据航班影响因素与目标临时停机位，获得正常停机位与临时停机位的联合分配模型，以完成对停机位的分配。本申请通过翼尖滑行轨迹模型与滑行的影响因素，可确定临时停机位的划设位置，然后利用蒙特卡洛随机特性，优化临时机位之间的合理间距，结合滑行路线的特征确定航空器在机坪受临时停机位影响而产生的运行冲突，实现航空器临时机位运行的精准轨迹预测和运行冲突的判断，并基于此对临时停机位进行优化，在优化后综合考虑航班影响因素，构建临时机位与原有正常停机位的联合分配模型，实现全局优化分配，以提升停机位分配的效果。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (9)
1.一种机场停机位分配方法，其特征在于，包括以下步骤：
根据航空器的翼尖滑行轨迹模型和滑行影响因素，获得基于蒙特卡洛的轨迹偏差模型；
根据滑行路线特征与所述基于蒙特卡洛的轨迹偏差模型，获得所述航空器在机坪受临时停机位影响的冲突概率模型；
其中，所述根据滑行路线特征与所述基于蒙特卡洛的轨迹偏差模型，获得所述航空器在机坪受临时停机位影响的冲突概率模型，包括：
根据滑行路线特征，获得所述航空器之间的冲突类型以及停机位之间的距离；其中，所述距离包括正常停机位与所述临时停机位之间的距离、所述临时停机位之间的水平横向距离以及所述临时停机位之间的平行纵向距离；
根据所述航空器之间的冲突类型，获得标称滑行轨迹；
根据所述标称滑行轨迹、所述距离以及所述基于蒙特卡洛的轨迹偏差模型，获得所述航空器在机坪受临时停机位影响的冲突概率模型；
其中，所述正常停机位与所述临时停机位的滑行冲突概率表示为：
所述临时停机位间水平横向和平行纵向的冲突概率分别表示为：
其中，为所述正常停机位与所述临时停机位之间的距离，/>为所述临时停机位之间的水平横向距离，/>为所述临时停机位之间的平行纵向距离，t为时刻；
根据翼尖滑行轨迹的可视化仿真结果与所述冲突概率模型，对所述临时停机位进行优化，获得目标临时停机位；
根据航班影响因素与所述目标临时停机位，获得正常停机位与所述临时停机位的联合分配模型，以完成对停机位的分配。
2.根据权利要求1所述的机场停机位分配方法，其特征在于，所述根据航空器的翼尖滑行轨迹模型和滑行影响因素，获得基于蒙特卡洛的轨迹偏差模型之前，所述机场停机位分配方法还包括：
根据所述航空器的翼尖位置，建立平面坐标系；
在所述平面坐标系下，以所述航空器的滑行影响的最大限制尺寸，构建所述航空器的翼尖滑行轨迹模型。
3.根据权利要求1所述的机场停机位分配方法，其特征在于，所述根据翼尖滑行轨迹的可视化仿真结果与所述冲突概率模型，对所述临时停机位进行优化，获得目标临时停机位之前，所述机场停机位分配方法还包括：
根据航空器参数、机位参数以及滑行线参数，进行基于蒙特卡洛的仿真模拟，获得所述翼尖滑行轨迹的可视化仿真结果。
4.根据权利要求1所述的机场停机位分配方法，其特征在于，所述根据航班影响因素与所述目标临时停机位，获得正常停机位与所述临时停机位的联合分配模型，包括：
根据航班影响因素与所述目标临时停机位，获得联合分配的若干优化目标；
根据所述优化目标的极值，获得正常停机位与所述临时停机位的联合分配模型。
5.根据权利要求1所述的机场停机位分配方法，其特征在于，所述根据航班影响因素与所述目标临时停机位，获得正常停机位与所述临时停机位的联合分配模型，以完成对停机位的分配，包括：
根据航班影响因素与所述目标临时停机位，获得正常停机位与所述临时停机位的联合分配模型；
根据优化算法对所述临时停机位的联合分配模型进行求解，获得目标分配结果；
根据所述目标分配结果，以完成对停机位的分配。
6.根据权利要求5所述的机场停机位分配方法，其特征在于，所述根据优化算法对所述临时停机位的联合分配模型进行求解，获得目标分配结果，包括：
根据鲸鱼优化算法对所述临时停机位的联合分配模型进行求解，获得目标分配结果。
7.一种机场停机位分配装置，其特征在于，包括：
第一获得模块，所述第一获得模块用于根据航空器的翼尖滑行轨迹模型和滑行影响因素，获得基于蒙特卡洛的轨迹偏差模型；
第二获得模块，所述第二获得模块用于根据滑行路线特征与所述基于蒙特卡洛的轨迹偏差模型，获得所述航空器在机坪受临时停机位影响的冲突概率模型；
其中，所述根据滑行路线特征与所述基于蒙特卡洛的轨迹偏差模型，获得所述航空器在机坪受临时停机位影响的冲突概率模型，包括：
根据滑行路线特征，获得所述航空器之间的冲突类型以及停机位之间的距离；其中，所述距离包括正常停机位与所述临时停机位之间的距离、所述临时停机位之间的水平横向距离以及所述临时停机位之间的平行纵向距离；
根据所述航空器之间的冲突类型，获得标称滑行轨迹；
根据所述标称滑行轨迹、所述距离以及所述基于蒙特卡洛的轨迹偏差模型，获得所述航空器在机坪受临时停机位影响的冲突概率模型；
其中，所述正常停机位与所述临时停机位的滑行冲突概率表示为：
所述临时停机位间水平横向和平行纵向的冲突概率分别表示为：
其中，为所述正常停机位与所述临时停机位之间的距离，/>为所述临时停机位之间的水平横向距离，/>为所述临时停机位之间的平行纵向距离，t为时刻；
优化模块，所述优化模块用于根据翼尖滑行轨迹的可视化仿真结果与所述冲突概率模型，对所述临时停机位进行优化，获得目标临时停机位；
分配模块，所述分配模块用于根据航班影响因素与所述目标临时停机位，获得正常停机位与所述临时停机位的联合分配模型，以完成对停机位的分配。
8.一种计算机可读存储介质，储存有计算机程序，其特征在于，所述计算机程序被处理器加载执行时，实现如权利要求1-6中任一项所述的机场停机位分配方法。
9.一种电子设备，其特征在于，包括处理器及存储器，其中，
所述存储器用于存储计算机程序；
所述处理器用于加载执行所述计算机程序，以使所述电子设备执行如权利要求1-6中任一项所述的机场停机位分配方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311185127.0A CN116933662B (zh) | 2023-09-14 | 2023-09-14 | 一种机场停机位分配方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311185127.0A CN116933662B (zh) | 2023-09-14 | 2023-09-14 | 一种机场停机位分配方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116933662A CN116933662A (zh) | 2023-10-24 |
| CN116933662B true CN116933662B (zh) | 2023-12-15 |
Family
ID=88380892
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311185127.0A Active CN116933662B (zh) | 2023-09-14 | 2023-09-14 | 一种机场停机位分配方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116933662B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118195101B (zh) * | 2024-05-13 | 2024-07-19 | 中国民航大学 | 一种基于多智能体的机位分配方法、电子设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109859532A (zh) * | 2019-02-28 | 2019-06-07 | 深圳市北斗智能科技有限公司 | 一种多约束条件的停机位分配方法和相关装置 |
| CN111047915A (zh) * | 2019-12-13 | 2020-04-21 | 中国科学院深圳先进技术研究院 | 停机位分配方法、装置及终端设备 |
| CN112287561A (zh) * | 2020-11-18 | 2021-01-29 | 杨媛媛 | 一种基于蒙特卡洛算法的滑行路径优化指标求解方法 |
| CN113095543A (zh) * | 2021-03-01 | 2021-07-09 | 北京工业大学 | 用于机场停机位与滑行道的分配方法及系统 |
| CN113470439A (zh) * | 2021-06-30 | 2021-10-01 | 中国民用航空飞行学院 | 基于人工智能的中小机场管制冲突解决方法及系统 |
| CN114943388A (zh) * | 2022-06-24 | 2022-08-26 | 中国民航大学 | 一种机场实时停机位分配方法 |
| CN115115097A (zh) * | 2022-06-10 | 2022-09-27 | 中国民航大学 | 一种机场停机位与航空器滑行路径的联合优化方法 |
| CN115239026A (zh) * | 2022-09-22 | 2022-10-25 | 珠海翔翼航空技术有限公司 | 停机位分配优化方法、系统、设备及介质 |
| CN116168566A (zh) * | 2023-02-15 | 2023-05-26 | 南京航空航天大学 | 一种航空器场面联合调度方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3696094A1 (en) * | 2019-02-12 | 2020-08-19 | General Electric Company | Aircraft stand recovery optimization |
-
2023
- 2023-09-14 CN CN202311185127.0A patent/CN116933662B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109859532A (zh) * | 2019-02-28 | 2019-06-07 | 深圳市北斗智能科技有限公司 | 一种多约束条件的停机位分配方法和相关装置 |
| CN111047915A (zh) * | 2019-12-13 | 2020-04-21 | 中国科学院深圳先进技术研究院 | 停机位分配方法、装置及终端设备 |
| CN112287561A (zh) * | 2020-11-18 | 2021-01-29 | 杨媛媛 | 一种基于蒙特卡洛算法的滑行路径优化指标求解方法 |
| CN113095543A (zh) * | 2021-03-01 | 2021-07-09 | 北京工业大学 | 用于机场停机位与滑行道的分配方法及系统 |
| CN113470439A (zh) * | 2021-06-30 | 2021-10-01 | 中国民用航空飞行学院 | 基于人工智能的中小机场管制冲突解决方法及系统 |
| CN115115097A (zh) * | 2022-06-10 | 2022-09-27 | 中国民航大学 | 一种机场停机位与航空器滑行路径的联合优化方法 |
| CN114943388A (zh) * | 2022-06-24 | 2022-08-26 | 中国民航大学 | 一种机场实时停机位分配方法 |
| CN115239026A (zh) * | 2022-09-22 | 2022-10-25 | 珠海翔翼航空技术有限公司 | 停机位分配优化方法、系统、设备及介质 |
| CN116168566A (zh) * | 2023-02-15 | 2023-05-26 | 南京航空航天大学 | 一种航空器场面联合调度方法、装置、设备及存储介质 |
Non-Patent Citations (7)
| Title |
|---|
| The recoverable robust stand allocation problem: a GRU airport case study;Bert Dijk 等;OR Spectrum;第41卷;第615–639页 * |
| 不停航施工期间机场机位资源管理研究;杨梓 等;科技和产业;第20卷(第06期);第144-148页 * |
| 基于安全约束的停机位分配问题的研究;陈前 等;华中师范大学学报(自然科学版);第50卷(第01期);第55-60页 * |
| 基于离散动态规划的航班多级签派策略优化;陈华群;控制工程;第27 卷(第01期);第155-161页 * |
| 基于航班延误的机场滑行道停机位分配模型研究;刘君强 等;武汉理工大学学报(交通科学与工程版);第44卷(第04期);第653-657页 * |
| 考虑航班保障需求的机位分配合理性检测方法研究;冯晓磊;现代计算机(专业版)(第14期);第26-29页 * |
| 配对运行模式下多跑道机场容量仿真与评估研究;冯瑞清;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(第11期);第C031-29页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116933662A (zh) | 2023-10-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116933662B (zh) | 一种机场停机位分配方法、装置、存储介质及电子设备 | |
| CN111915046B (zh) | 用于输出信息的方法和装置 | |
| CN110689764B (zh) | 一种基于动态模拟的飞机离场放行排序方法 | |
| CN110741225B (zh) | 确定目标站点的系统和方法 | |
| US20160210868A1 (en) | Integrated departure and arrival management for airport runways | |
| CN113222277B (zh) | 基于动态分配算法的城市区域物流无人机需求预测方法 | |
| CN113706931B (zh) | 空域的流控策略推荐方法、装置、电子设备及存储介质 | |
| CN115187093B (zh) | 一种机场场面运行优化方法、装置、设备及可读存储介质 | |
| CN114169628B (zh) | 基于a*算法和遗传算法的舰载机调度优化方法及系统 | |
| CN111192481B (zh) | 一种基于碰撞风险的进离场程序无人机管控区边界确定方法 | |
| CN113919169A (zh) | 一种基于模拟感知的航空器场面滑行冲突探测系统 | |
| CN118094382B (zh) | 一种民用机场进港航空器滑入机坪道口预测方法及系统 | |
| CN114943388A (zh) | 一种机场实时停机位分配方法 | |
| CN114154850A (zh) | 一种城区物流无人机机场终端区自动进场排序方法及系统 | |
| CN110033111B (zh) | 机场场面运动规划方法和装置 | |
| Zoutendijk et al. | Fleet scheduling for electric towing of aircraft under limited airport energy capacity | |
| CN111160747B (zh) | 无人驾驶机器人出租车的调度方法、装置及电子设备 | |
| CN115662198B (zh) | 基于动态路径规划场的穿越民航航路方法及系统 | |
| CN109215398B (zh) | 一种无人机航路规划方法及装置 | |
| Yu et al. | A dynamic line generation and vehicle scheduling method for airport bus line based on multi-source big travel data | |
| CA2824196A1 (en) | Methods for determining suitable waypoint locations | |
| Shao et al. | Air transportation delay propagation analysis with uncertainty in coloured–timed Petri nets | |
| Clare et al. | Receding horizon, iterative optimization of taxiway routing and runway scheduling | |
| CN113095543A (zh) | 用于机场停机位与滑行道的分配方法及系统 | |
| CN118569111B (zh) | 基于gnn-lstm的机场场面离港冲突态势预测方法及系统 |
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 |