免费论文查重: 大雅 万方 维普 turnitin paperpass

探讨空中交通流量管理技术

最后更新时间:2023-12-22 作者:用户投稿原创标记本站原创 点赞:3701 浏览:10867
论文导读:其中,B(z)是这个系统中所有飞机的总体延迟“罚金”,C(z)是这个体统中的总体拥塞“罚金”,这两种“罚金”的相对重要性取决于α的值大小,我们探索了基于α的多种多样的权衡值,在总体延迟B中,它是一组部门的延迟总和,定义如下:B(z)=∑Bs(z)(2)s∈S其中Bs(z)=∑Θ(t-τs)kt,s(t-τs)(3)在上面的公式中,kt
摘 要 空中交通流量管理理由已经成为国内外航空管理局均面对的一个重大的、急需采取有效措施进行解决的课题和挑战,根据联邦航空管理局的调查研究表明,仅2005年,就因为322000小时左右的飞机延误造成了超过30亿美元的经济损失,由此可见空中交通流量管理的重要性,找到可靠合适的方案来解决空中流量管理是空中运输系统正常工作运转的重要基础。这是一个很复杂的研究领域,它涉及到时间因素(例如:不同的天气变化),潜在的顺序与优先级冲突因素(例如:不同的航线),有限的资源因素(例如:飞行员的数量),以及巨大的交通流量因素(例如:就美国来讲就有超过40000架航班)。为了对空中交通流量管理理由有进一步的研究,本文提出了一个多智能化的算法进行尝试和探索。并希望与相关领域的研究人员和专家一起探讨实施方案,预期通过NASA开发的一个小型空中交通流量制约模拟器进行实验。
关键词 空中流量管理;多智能化算法
1671-7597(2014)17-196-01
探索高效、安全、可靠的管理系统来解决与日俱增的航运流量是航空航天工业面对的巨大挑战,为了规划高效安全的航空线路,如今的航空流量管理系统依赖于一个集中的、分层次的路线策划系统,这个系统对于天气变化、飞行条件等因素引起的变化不能及时作出调整和应对,因而很可能产生部分地区的拥塞,造成乘客的不便,以及大量的经济损失。在这个领域的大部分研究工作都主要集中在两个部分,一个是基于第一性原则的建模方式,另一个是基于和/或机构的方式,本文的研究策略是以第二种方式为基础的。
本文的主要贡献在于,提出了一个分布式的适应空中交通流量管理的策略,通过描述多智能化算法来对这个流量管理策略进行大胆的探索和研究,并用形象化的语言对算法进行描述,希望和相关领域的研究人员就该算法的实施性和可用性做进一步的探讨和研究。
1 多智能化算法
选择飞机作为可能是最普遍的选择方式。这个选择的优势在于的活动是容易观察的(比如:转变飞行计划、增加或减少速度或高度)或者提供一个高层次的间隔尺度。
我们选择的系统性能的评估功能集中在延期和拥塞这两种情况下,但是前提是假定这两种情况都不受任何商业实体的制约,而是仅仅依靠于以下两个方面:拥塞数量和测量过的延迟数量。就这两方面的线性组合给出了这个系统的评估空中交通流量管理的技术相关范文由写论文的好帮手www.7ctime.com提供,转载请保留.算法。G(z)表示这个算法中系统的总体状态z,算法如下:
G(z)=-((1-α)B(z)+αC(z)) (1)
其中,B(z)是这个系统中所有飞机的总体延迟“罚金”,C(z)是这个体统中的总体拥塞“罚金”,这两种“罚金”的相对重要性取决于α的值大小,我们探索了基于α的多种多样的权衡值,在总体延迟B中,它是一组部门的延迟总和,定义如下:
B(z)=∑Bs(z) (2)
s∈S
其中Bs(z)=∑Θ(t-τs)kt,s(t-τs) (3)
在上面的公式中,kt,s是这个模拟试验中特定时间的飞机数目,τs是之前已经确定的时间,Θ是一个阶梯函数,当论据较大时相当于1,当论据较小时相当于0。Bs(z)表明了在预留部门S的飞机超过的最初设定的时间τs,并且进一步找出是哪架飞机迟到了。通过这种方式,Bs(z)提供了一个延迟因素,这个延迟因素不仅计算出所有的延迟飞机,并且提供了一个衡量他们“延迟度”的标准。在本文中,τs的值是在理想状况下的值,也就是没有任何干扰,与之前预期的航线不存在任何误差的情况下的值。
同样的,拥塞“罚金”的总额是部门S观察到的拥塞“罚金”的累计之和。
C(z)=∑Cs(z) (4)
s∈S
其中,Cs(z)=a∑Θ(ks,t-cs)eb(ks,t-cs) (5)
公式中的a值和b值是形式化限制条件,cs是FAA组织定义的部门S的能力,直观来看,Cs(z)处罚的是一个系统状态,这个状态中在一个部门里的飞机数量已经超过了FAA组织部门的能力,每一个部门的能力都是通过多种多样的度量方式进行计算的,其中也包括可用的航天员数量等条件,呈指数增长的“罚金”被认为提供了强大的反馈来反映这个部门飞机的数量。
2 总结和下一步工作
高效、安全、可靠的空中交通流量管理是一个复杂的理由,而空中交通流量管理的技术研究更是对这个复杂研究领域的进一步探索。需要提出一个方案来整合制约政策,制约政策中包含从每一分钟到每一年的时间跨度范围,这篇文章的主要贡献就在于提出了一个合适的算法来解决这个跨度范围,通过计算类似于“罚金”这样的易于理解的概念来决定如何进行拥塞和延迟制约,从而最终做出流量管理和制约的标准与方案。这项工作在未来的研究中,有三个可继续深入探索的方向,一个方向是探索新的策略来估算人的“酬劳”;第二个是通过调查调度策略来建立一个更具体、数据量更庞大真实的模型来扩大影响,这个模型可以从延伸商的定义来入手,给商更多的机会来制约交通流量,并且探索更好的策略使它们在评估拥塞度的时候能够更加高效和准确。最后,与相关领域的专家探讨合作,研究如何将上述形象化的算法运用到真正的航天航空领域中去,为实现空中交通流量管理的技术研究贡献力量。
参考文献
[1]杜豫新.空中交通流量管理[J].科技资讯,2012(9).
[2]A. Agogino and K. Tumer. Efficient evaluation functions for multi-rover systems. In The Genetic and Evolutionary Computation Conference, pages 1-12,Seatle, WA, June 2004.
[3]A. Agogino and K. Tumer. Multi agent reward analysis for learning in noisy domains. In Proceedings of the Fourth Internat论文导读:ionalJointConferenceonAutonomousAgentsandMulti-AgentSystems,Utrecht,Netherlands,July200

5.上一页12

ional Joint Conference on Autonomous Agents and Multi-Agent Systems, Utrecht, Netherlands, July 2005.