机场容量不确定时的不正常航班恢复问题研究

发布时间：2020-10-20 11:48

　　 恶劣天气、流量管制等因素常常导致机场容量降低甚至关闭,从而造成航班难以按照原定计划进行。而这些事件的发生往往是不可预期的,因此不正常航班的发生是难以预见的。当这些扰动因素引发航班不正常时,传统的确定性模型在处理不正常航班恢复问题时将存在诸多不足。为了更好的应对不确定条件引起的不正常航班问题,本文引入了机场动态容量和航班过站时间两种不确定因素。首先利用民航业产生的大量历史数据,建立航班运行信息数据库。而后根据机场历史起降数据,对影响动态容量的因素和指标进行了分析,利用支持向量机方法,完成对机场动态容量的预测。其次以航班为粒度,对影响过站时间的外部和内部因素进行了分析,利用贝叶斯网络结构学习和参数学习方法,完成对航班过站时间的预测。最后,从机场容量下降导致的不正常航班入手,对飞机路线恢复问题进行了研究,建立了以延误成本最小化为目标的数学规划模型,并设计贪婪模拟退火算法进行求解。与传统确定性模型相比,该模型利用滚动时间窗方法,将机场容量和航班过站时间视为动态的,不仅降低了恢复方案的成本,也增强了其鲁棒性,可以满足航空公司日常运行的要求。
【学位单位】：南京航空航天大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F562.6
【部分图文】：

空管等因素造成的扰动，给旅客带来的最直观的感受就是机场被流场容量进行合理预测，并指导不正常航班的恢复，亦是学术研究的表 1. 1 中国大陆十大机场 2017 年 6 月出港准点率情况机场 实际出港航班量 出港准点率 起飞平均延误时长（分重庆江北 11431 64.9% 44.2成都双流 13147 64.1% 44.1昆明长水 14112 61.9% 45.8西安咸阳 12868 61.7% 45.4广州白云 17013 42.0% 79.3上海浦东 18080 41.8% 67.5深圳宝安 11738 38.8% 93.0北京首都 23151 37.6% 70.8杭州萧山 9785 36.7% 77.0上海虹桥 10070 33.2% 86.1

图 2. 2 部分航空公司在 PEK 机场投入的运力占比情况2.3 影响机场容量的因素分析2.3.1 数据指标定义由上一节的定义可知，机场时刻容量则是指民航行业管理部门根据评估得出的机场运行容量，综合各方面因素后确定的机场单位时间起降架次。然而在实际生产中，机场的小时容量是动态变化的，甚至常常出流量超出容量的情况，从而造成机场拥堵、航班延误等情况。因此，合理预计机场容量的动态变化，能够提前对航班延误做出应对，亦能使航班恢复更具有鲁棒性。本文研究内容之一即挖掘某机场历史起降数据的规律，在给定前若干小时机场起降情况并作为输入信息时，给出该机场当前时刻起降架次的估计值，即当前时刻的容量。当机场出现扰动因素，需要进行不正常航班恢复时，该容量值可以为航空公司提早预估其可被分配到的时隙数，进而安排可执行性高且鲁棒性强的恢复方案。这也可以避免恢复方案设计好后，容量发生变化导致恢复方案不能执行的情况。根据 FAA 中航空系统性能指标数据库（AviationSystemPerformanceMetrics，ASPM）中机场分析模块（AirportAnalysis）可知，与机场航班起降架次有关的数据字段主要有以小时为单位

图 2. 3 运力分析模块中起降数据样例2.3.2 因素分析由于影响机场容量的因素较多，根据经验来选择，无法体现出各影响因素的重要程度，而将所有相关因素都作为输入参数，虽然提高了预测精度，但增长了模型的训练时间且降低了模型的泛化性能。如何提取对机场容量产生较大影响的特征因素组成输入量，是建立机场单位小时起降架次预测模型的首要问题。一般来说，筛选预测变量子集的算法包括最优子集选择算法和逐步模型选择算法。假设与延误预测模型可能相关的预测变量有 p 个，最优子集选择的搜索空间由2p个可能模型构成，向后逐步选择则以包含全部 p 个变量的全模型为起点，逐次迭代，每次移除一个对预测模型拟合结果最不利的变量，具体步骤见表 2.4。因此，向后逐步选择只需对全模型以及第 k 次迭代包含的 p k个模型进行拟合，拟合次数为：10( ) 1 ( 1) / 2pkp k p p ，这与全因素输入相比大大减少了计算时间。表 2. 4 向后逐步选择算法1. 记包含全部 p 个延误预测变量的全模型为p。
【参考文献】

相关期刊论文 前8条

1 王行甫;俞璐;;混合核函数中权重求解方法[J];计算机系统应用;2015年04期

2 陈静杰;赵冬林;;一种基于SVR的飞机巡航段油耗预测方法[J];航空电子技术;2014年01期

3 王飞;穆巍炜;董健康;;基于多目标优化的航空器离场时隙控制方法[J];西南交通大学学报;2012年04期

4 詹晨旭;乐美龙;;非正常航班管理中的飞机恢复问题研究[J];中国民航大学学报;2012年02期

5 唐小卫;高强;朱金福;;不正常航班恢复模型的贪婪模拟退火算法研究[J];预测;2010年01期

6 徐涛;丁建立;顾彬;王建东;;基于增量式排列支持向量机的机场航班延误预警[J];航空学报;2009年07期

7 赵秀丽;朱金福;郭梅;;不正常航班延误调度模型及算法[J];系统工程理论与实践;2008年04期

8 张宁,贾自艳,史忠植;数据仓库中ETL技术的研究[J];计算机工程与应用;2002年24期

相关博士学位论文 前4条

1 赵征;空域容量评估与预测技术研究[D];南京航空航天大学;2015年

2 姜洋;面向不确定事件的生产调度干扰管理方法研究[D];大连理工大学;2013年

3 陈海燕;动态数据驱动的航班延误预测关键技术研究[D];南京航空航天大学;2012年

4 姚韵;航空公司不正常航班管理和调度算法研究[D];南京航空航天大学;2006年

相关硕士学位论文 前4条

1 陈燚玲;多尺度核支持向量回归模型的研究[D];华中科技大学;2016年

2 王楠;航班运行协同决策系统的研究[D];大连海事大学;2014年

3 戚彦龙;航班延误分级和过站时间研究[D];南京航空航天大学;2014年

4 杨龙;飞机通信寻址与报告系统的研究与应用[D];山东大学;2013年

本文编号：2848644