新增机场下终端区协同放行策略研究
发布时间：2021-08-08 16:14
随着空中交通流的持续增长,为满足逐年增加的旅客吞吐量、货邮吞吐量,不断建立新机场,机场密集程度不断增高,多机场终端区出现,机场之间相互耦合,相互影响。因此,在多机场终端区内建立协同联合放行机制,降低航班总延误成本,提高放行准点率是现阶段需要研究与解决的问题。本文首先简要介绍的多机场终端区航班放行问题,建立了航班延误程度评估指标,同时利用加权K-Prototypes聚类算法结合手肘法和轮廓系数法对大量延误航班进行聚类分析,将延误等级的划分过程转为聚类过程,并采用粗糙集理论确定延误航班等级划分规则,将航班延误等级划分为轻度延误、一般延误、中度延误和重度延误四个延误等级。在新增机场引起空域资源分配和航线网络发生变化时,研究了多机场终端区的离场航班协同放行策略。首先,基于航班延误分级,建立了新增机场下以延误成本为目标函数的多机场协同放行模型,并设计了线性递减粒子群算法（LD-PSO）求解,通过算例对模型进行了验证,优化后航班总延误成本较先到先服务策略减少了22.3%,有效的降低了航班的总延误成本;并进一步引入机场优先级概念,建立了以延误成本和延误时间为目标函数的双目标多机场协同放行模型,利用了...
【文章来源】：中国民航大学天津市
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
各地区旅客吞吐量分布情况
中国民航大学硕士学位论文2图1-22019年中国四大机场群随着这些地区旅客吞吐量日益增大，原有机场群负荷不断增加，建立新的机场便成为下一步缓解原机场群航班流负荷的重要策略，如成都天府机场和北京大兴国际机场的建立。而新机场的建立必然与原机场群共用的离场点产生资源竞争，增加了各个机场的放行难度，导致航班延误和成本增加。以京津终端区为例，如表1.1所示，首都机场旅客吞吐量已经突破1亿人次，出港航班量位列全国第一，天津滨海机场旅客吞吐量达到2359万人次，较上年增长了12.3%，2019年大兴机场的建成与通航、航线的增加、空域结构改变、共用离场点资源竞争更加激烈，对这三个机场日益增加的航班交通流实施协同放行策略，建立有效的流量管理机制是缓解京津终端区运行压力，减少航班总延误的重要举措之一。表1.1京津两机场2018年运输情况统计旅客吞吐量（人）货邮吞吐量（吨）起降架次（架次）年度完成量排名年度完成量排名年度完成量排名首都机场10098329012074005.426140221滨海机场2359141218258734.814179,41418现阶段，多机场终端区内各个机场各自运行，没有统一协同放行平台，仅仅凭借管
中国民航大学硕士学位论文10第二章多机场终端区放行及航班延误问题2.1多机场终端区2.1.1多机场终端区介绍按照《中华人民共和国飞行基本规则》的规定，终端管制区主要是基于对机场高度密集、飞行繁忙地区的进近飞行提供统一管制的目的而设立的。终端区通常设在一个或几个主要机场附近航路汇合处的管制区，航班着陆进近与爬升在此区域，是航班过渡区域。多机场终端区是指一个终端区里具有两个或者两个以上的机场群，机场运行相互制约，相互影响，同时空域资源，离场点资源以及航线资源共用的中低空空域，该区域空中交通流量密集，管制运行复杂。随着机场建设的不断发展，经济发达地区机场密度逐渐增大，由于地理位置较近，这些机场常常联合形成大型终端区，即多机场终端区，如欧洲的伦敦、巴黎、杜塞尔多夫多机场终端区；北美洲的纽约、华盛顿、洛杉矶多机场终端区；亚洲的东京、曼谷以及我国的上海终端区、长三角多机场终端区、珠三角多机场终端区等等。分布情况如图2-1所示。图2-1世界多机场终端区分布图
【参考文献】：
期刊论文
[1]基于延误分配的多机场终端区航班排序模型[J]. 黄吉波. 指挥信息系统与技术. 2019(01)
[2]基于双通道卷积神经网络的航班延误预测模型[J]. 吴仁彪,李佳怡,屈景怡. 计算机应用. 2018(07)
[3]基于FCM-粗糙集的多扇区交通拥挤识别方法研究[J]. 李桂毅,胡明华,郑哲. 交通运输系统工程与信息. 2017(06)
[4]一种分类数据聚类算法及其高效并行实现[J]. 丁祥武,谭佳,王梅. 计算机应用与软件. 2017(07)
[5]基于FS-MOPSO的多机场终端区协同航班调度策略[J]. 王湛,吴艺. 西南交通大学学报. 2017(01)
[6]基于可拓评价方法的大面积航班延误预警[J]. 张兆宁,苏军,曹悦琪. 指挥信息系统与技术. 2016(06)
[7]一种基于最大最小距离和SSE的自适应聚类算法[J]. 成卫青,卢艳红. 南京邮电大学学报(自然科学版). 2015(02)
[8]采用支持向量机回归的航班延误预测研究[J]. 罗赟骞,陈志杰,汤锦辉,朱永文. 交通运输系统工程与信息. 2015(01)
[9]基于ISWO的机场进离场航班优化排序研究[J]. 徐肖豪,于跃,黄宝军,郭晓明. 计算机仿真. 2014(07)
[10]基于C4.5决策树方法的到港航班延误预测问题研究[J]. 程华,李艳梅,罗谦,李川. 系统工程理论与实践. 2014(S1)
博士论文
[1]基于网络交通流需求预测的航路流量管理方法研究[D]. 陈丹.南京航空航天大学 2018
[2]空中交通流量管理关键技术研究[D]. 田勇.南京航空航天大学 2009
硕士论文
[1]基于多目标粒子群算法的多约束组合优化问题研究[D]. 张宇丰.西安理工大学 2019
[2]长三角地区多机场容流协同优化问题研究[D]. 江斌.南京航空航天大学 2019
[3]流量管理多策略综合优化研究[D]. 徐冬慧.南京航空航天大学 2019
[4]多机场终端区空域划设方法研究[D]. 王丹.中国民航大学 2016
[5]基于统计分析的航班延误等级划分研究[D]. 孟会芳.南京航空航天大学 2015
[6]基于粒子群的多目标约束优化算法研究[D]. 丁晓霖.华东理工大学 2015
[7]航班延误恢复运行的协同离场排序问题研究[D]. 丁武波.中国民用航空飞行学院 2014
[8]珠三角地区多机场放行时隙分配策略研究[D]. 程傲.南京航空航天大学 2013
[9]珠三角地区多机场航班放行策略研究[D]. 仇兆巨.南京航空航天大学 2012
[10]基于GDP的多机场放行策略研究[D]. 吕双回.南京航空航天大学 2010
本文编号：3330270
【文章来源】：中国民航大学天津市
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
各地区旅客吞吐量分布情况
中国民航大学硕士学位论文2图1-22019年中国四大机场群随着这些地区旅客吞吐量日益增大，原有机场群负荷不断增加，建立新的机场便成为下一步缓解原机场群航班流负荷的重要策略，如成都天府机场和北京大兴国际机场的建立。而新机场的建立必然与原机场群共用的离场点产生资源竞争，增加了各个机场的放行难度，导致航班延误和成本增加。以京津终端区为例，如表1.1所示，首都机场旅客吞吐量已经突破1亿人次，出港航班量位列全国第一，天津滨海机场旅客吞吐量达到2359万人次，较上年增长了12.3%，2019年大兴机场的建成与通航、航线的增加、空域结构改变、共用离场点资源竞争更加激烈，对这三个机场日益增加的航班交通流实施协同放行策略，建立有效的流量管理机制是缓解京津终端区运行压力，减少航班总延误的重要举措之一。表1.1京津两机场2018年运输情况统计旅客吞吐量（人）货邮吞吐量（吨）起降架次（架次）年度完成量排名年度完成量排名年度完成量排名首都机场10098329012074005.426140221滨海机场2359141218258734.814179,41418现阶段，多机场终端区内各个机场各自运行，没有统一协同放行平台，仅仅凭借管
中国民航大学硕士学位论文10第二章多机场终端区放行及航班延误问题2.1多机场终端区2.1.1多机场终端区介绍按照《中华人民共和国飞行基本规则》的规定，终端管制区主要是基于对机场高度密集、飞行繁忙地区的进近飞行提供统一管制的目的而设立的。终端区通常设在一个或几个主要机场附近航路汇合处的管制区，航班着陆进近与爬升在此区域，是航班过渡区域。多机场终端区是指一个终端区里具有两个或者两个以上的机场群，机场运行相互制约，相互影响，同时空域资源，离场点资源以及航线资源共用的中低空空域，该区域空中交通流量密集，管制运行复杂。随着机场建设的不断发展，经济发达地区机场密度逐渐增大，由于地理位置较近，这些机场常常联合形成大型终端区，即多机场终端区，如欧洲的伦敦、巴黎、杜塞尔多夫多机场终端区；北美洲的纽约、华盛顿、洛杉矶多机场终端区；亚洲的东京、曼谷以及我国的上海终端区、长三角多机场终端区、珠三角多机场终端区等等。分布情况如图2-1所示。图2-1世界多机场终端区分布图
【参考文献】：
期刊论文
[1]基于延误分配的多机场终端区航班排序模型[J]. 黄吉波. 指挥信息系统与技术. 2019(01)
[2]基于双通道卷积神经网络的航班延误预测模型[J]. 吴仁彪,李佳怡,屈景怡. 计算机应用. 2018(07)
[3]基于FCM-粗糙集的多扇区交通拥挤识别方法研究[J]. 李桂毅,胡明华,郑哲. 交通运输系统工程与信息. 2017(06)
[4]一种分类数据聚类算法及其高效并行实现[J]. 丁祥武,谭佳,王梅. 计算机应用与软件. 2017(07)
[5]基于FS-MOPSO的多机场终端区协同航班调度策略[J]. 王湛,吴艺. 西南交通大学学报. 2017(01)
[6]基于可拓评价方法的大面积航班延误预警[J]. 张兆宁,苏军,曹悦琪. 指挥信息系统与技术. 2016(06)
[7]一种基于最大最小距离和SSE的自适应聚类算法[J]. 成卫青,卢艳红. 南京邮电大学学报(自然科学版). 2015(02)
[8]采用支持向量机回归的航班延误预测研究[J]. 罗赟骞,陈志杰,汤锦辉,朱永文. 交通运输系统工程与信息. 2015(01)
[9]基于ISWO的机场进离场航班优化排序研究[J]. 徐肖豪,于跃,黄宝军,郭晓明. 计算机仿真. 2014(07)
[10]基于C4.5决策树方法的到港航班延误预测问题研究[J]. 程华,李艳梅,罗谦,李川. 系统工程理论与实践. 2014(S1)
博士论文
[1]基于网络交通流需求预测的航路流量管理方法研究[D]. 陈丹.南京航空航天大学 2018
[2]空中交通流量管理关键技术研究[D]. 田勇.南京航空航天大学 2009
硕士论文
[1]基于多目标粒子群算法的多约束组合优化问题研究[D]. 张宇丰.西安理工大学 2019
[2]长三角地区多机场容流协同优化问题研究[D]. 江斌.南京航空航天大学 2019
[3]流量管理多策略综合优化研究[D]. 徐冬慧.南京航空航天大学 2019
[4]多机场终端区空域划设方法研究[D]. 王丹.中国民航大学 2016
[5]基于统计分析的航班延误等级划分研究[D]. 孟会芳.南京航空航天大学 2015
[6]基于粒子群的多目标约束优化算法研究[D]. 丁晓霖.华东理工大学 2015
[7]航班延误恢复运行的协同离场排序问题研究[D]. 丁武波.中国民用航空飞行学院 2014
[8]珠三角地区多机场放行时隙分配策略研究[D]. 程傲.南京航空航天大学 2013
[9]珠三角地区多机场航班放行策略研究[D]. 仇兆巨.南京航空航天大学 2012
[10]基于GDP的多机场放行策略研究[D]. 吕双回.南京航空航天大学 2010
本文编号：3330270
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3330270.html
