免费论文查重: 大雅 万方 维普 turnitin paperpass

试述进离场管理多机场联合放行对策理由

最后更新时间:2024-03-24 作者:用户投稿原创标记本站原创 点赞:4974 浏览:13919
论文导读:
摘 要 多机场联合放行策略的应用可有效降低航班延误造成的损失。在进离场管理中,对机型、延误成本、机场优先级等多种因素进行综合考虑进行机场联合放行模型建立,最大限度降低延误造成的损失,降低航空公司运营成本。
关键词 多机场;联合放行;最小延误成本
1671-7597(2014)24-0179-01
在机场运转管理中,多个机场往往要共同享用部分离场空域资源。当这些共用资源出现容量受限情况时,各机场中的离场航班就必须要地面等待。多机场终端区指的是在同一个终端内存在诸多个机场。在多机场终端区内,来自各机场的航班需要对部分空域资源进行共享。当存在于这些空域单元中的流量超出其相应的容量时,有些航班便需要在地面等待。为了对各区域单元内的时隙资源进行充分利用,需要对联合放行策略进行不断优化。本文主要以单元区域受限制约作为研究重点,综合分析航班离场时的设计的各种影响因素,以最大限度地降低延误成本为目标,对多机场联合放行策略理由进行浅析。
1 多机场联合放行理由遗传优化设计分析

1.1 理由编码

遗传算法无法直接对多机场的离场航班进行操作,所以需将应用遗传编码方式对机场系统中的相关离场航班进行转换,使其转换到遗传算法可进行处理的染色体个体。转换完成后,再对相应的染色体进行选择、交叉、变异等一系列遗传操作,进而实现放行方案的优化。因此,在应用遗传算法对机场联合放行相关理由进行处理时,第一步骤就是对放行方案进行遗传编码。本文主要应用排列编码的方式来进行编码。排列编码也可以叫做序列编码,主要是将有限集合内存在的相关因素进行排列。如果在集合内存的元素为m个,在存在的相应排列策略就有m!种。例如在多机场终端区存在A、B两个机场,则需要根据初始离场时刻表中的航班起飞顺序对这两个机场的相应离场航班进行编码,同时在相同的编码中需包含有A、B两个机场的离场航班[1]。

1.2 适应度函数

1.2.1 适应度函授的构造

在遗传算法中,主要是根据优胜劣汰原则对每代种群中存在的相关优良个体进行选择。所以在应用遗传算法对多机场联合放行理由进行解决时,必须以放行目标作为根据构造出于其相适应的适应度函数,应用适应度函数来对各染色体所代表的相应放行方案所存在的优良情况进行衡量[2]。应用就具有适应度选择的赌算法对初始阶段的种群实施选择操作。通过预先已经设定好的概率在种群中选择出和初始种群数量一致的个体。在选择操作过程中,适应度大的个体,其被选中的几率也增大。然后经过预先已经设定好的遗传代数遗传后得出有最优良的个体作为代表的相应放行方案,将这个方案作为多机场应用的联合放行策略,从而实现种群质量的提高。在本次研究中,主要是以延误时间、延误成本作为放行方案的具体衡量标准,也就是研究的是双目标优化理由。在对目标优化理由的研究中,遗传算法通常应用将两种具有各自目标的函数进行归一化后,通过不了系数体现于具有相同适应度的函数中,通过对比例系数进行调节来实现优化方案对两个目标偏好程度的转变。

1.2.2 起飞时间计算

染色体编码方式是根据排序编码进行的,即遗传操作的主要对象为航班起飞顺序。适应度函数的计算主要是基于各种放行顺序而产生的相应的延误时间及成本而进行的。所以怎样通过各机场离场航班的具体起飞顺序来明确各航班相应的起飞时间,从而制定出以产生时间、经济成本为基础的具有科学性的放行策略。这个是机场进离场管理工作中需要解决的一个关键性理由。在对飞机起飞时刻进行计算的过程中,各飞机的实际起飞时间和初始航班时刻表中各飞机的预计起飞时间二者间存在的数值差即为航班延误具体时间。航班实际起飞时间和预计起飞时间二者间存在的数之差与该航班单位时间延误成本间的乘积数值即为该航班在具体放行方案下所产生的实际延误成本。

1.2.3 约束条件处理

在进行机场联合放行优化时必须要符合相关约束条件。这些约束条件主要包含航路安全间隔限制、跑道容量限制、航班最大位移量等。①跑道容量约束处理。航空器进入相应跑道执行起飞操作时,其与其他航空器之间必须要保持在安全间隔的范围内。如将跑道时间划分为几个时间片,将时间片的长度制定为1分钟。首个起飞时间定为0,随后起飞时间依次递加1,以此来判断相关限制条件是否得到满足。如限制条件均能满足则对航班的实际起飞时间进行记录,同时对航班延误时间和成本进行计算。②航路最小间隔。假设航空器存在于离场定位点外的相关空域中不存在任何交叉汇聚,各航路之间的安全间隔得到满足,则该处航路的实际最小安全间隔即为发生在离场走廊口位置,以各走廊口实际容量作为主要根据,对各走廊口进行航班安全间隔限制设定,然后将这个设定作为放行策略是否满足约束条件的主要判定依据。③扇区容量约束。对各航班经过扇区时的相关信息进行统计,然后以航班经过扇区的实际时间作为判定某时段内,该扇区流量、容量二者间相互关系的判断依据。④最大位移量及航班运转特性约束。假设将航班的最大位移量为5,在遗传优化的过程中,染色体序列随机生成。所以在多个放行策略中,各航班的最大位移量会存在超出限制的情况。

1.3 种群个体的初始化

通常情况下,遗传算法初始种群中的个体是通过随机方式产生的,应用该种方式具有简单易行的优点,且在种群产生的过程中,人为干扰因素少,同时也与统计学原理相互符合。但在这个过程中必须要确保每个航班的编码在每条染色体中有且仅有1次。

1.4 遗传操作设计

①选择操作。应用就具有适应度选择的赌算法对初始阶段的种群实施选择操作。通过预先已经设定好的概率在种群中选择出和初始种群数量一致的个体。在选择操作过程中,适应度大的个体,其被选中的几率也增大,从而实现提高种群质量。②交叉操作。进行交叉操作的目的为推动新的个体产生,对自然界中的交叉变异过程进行模拟。主要应用单点交叉方式来进行交叉操作,具体操作步骤如下:首先,以交叉概率作为根据,随机从父代中选择2个个体。其次,应用随机算法对交叉点进行选择,将交叉区域进行确定。假设P

1、P2为2个个体,选择5为交叉点,交叉区域便如下划线所示:P1=123论文导读:

456789 、P2=21358746。再次,为了避开交叉后部分航班编码染色体发生缺失,应将P1的交叉区域添加至P2之前,将P2的交叉区域添加至P1之前,P1、P2均得到新的序列:P1’=87946123456789、 P2’=5678921358746。最后,将新系列中存在的新元素除去,便可得到最终的子代个体:P1’’=879461235、P2’’=567892134。③变异操作。应用多点变异法,以变异概率作为依据,对变异操作个体随机选择2个变异点,然后再对2个变异点的编码值进行交换:P1=123456789、P2=127456389。
2 结束语
进离场管理中,加强对多机场联合放行进行深入研究,不断建立和完善多机场联合放行优化模型,对优化模型遗传算法程序进行优化设计,可有效降低航班延误成本,提高空域的实际利用率。
参考文献
[1]徐肖豪,李雄.航班地面等待模型中的延误成本分析与仿真[J].南京航空航天大学学报,2013,9(26):506-507.
[2]程晓航,薛惠锋,洪鼎松,等.进港飞机调度的精华自适应遗传算法设计[J].交通与计算机,2012,4(33):418-419.