论文部分内容阅读
航空运输业是综合交通运输体系的重要组成部分,随着近年来航空业务规模的增长,航空运力呈飞速发展态势,飞机离港调度难度也随之增加,然而当前我国机场所使用的推出方式主要为调度员根据经验来判断是否进行推出,在大型枢纽机场,这种调度方式已经不能满足进离港交通调度需求,由此引发大量的机场场面拥堵以及航班延误,不仅使机场的运行效率降低,也会造成大量废弃污染物排放,给航空公司及乘客带来了巨大损失。更加科学地对离港飞机进行推出控制,可以减少场面交通拥堵和降低离港运行成本,目前国内外学者主要针对滑行时间评估、滑行路径优化、推出排序优化方面进行研究,然而当前研究针对飞机推出控制方法的研究较少,也未考虑到实时动态地进行推出控制。论文以飞机离港过程为研究载体,以推出过程为研究对象,在对离港滑行时间预测的基础上,建立飞机推出动态控制模型,旨在减少离港运行成本、减少场面交通拥堵。对机场场面运行过程进行描述,综合飞机离港滑行过程中的影响因素,以首都机场为例,对国内大型枢纽机场实际离港运行数据进行统计分析,对离港滑行时间的主要影响因素进行筛选。描述了当前研究最多的N-control推出控制方法,并对其进行仿真。在此基础上,提出了一种推出率随当前滑行道排队长度实时变化的基于惩罚成本的动态推出控制方法(DPC方法),建立了该方法的数学模型,分析模型的马尔科夫过程,设计了一种基于连续时间马尔科夫链的迭代优化算法对模型进行求解。设计了离港过程的DPC方法仿真模型,进行了仿真验证。在恒定滑行道队列长度阈值的基础上,提出了区分离港时段的DPC方法,使得滑行道排队阈值可以根据不同时段的交通量大小进行变化,可以进一步降低离港成本。提出滑行时间预测评价指标,建立了无障碍滑行时间基本预测模型。针对飞机实际离港滑行时间,建立了4种基于回归的滑行时间预测模型,分别为线性回归预测模型、广义线性回归预测模型、Softmax回归预测模型和支持向量回归预测模型;为进一步提高滑行时间预测精度,建立了2种基于智能算法优化的滑行时间预测模型,分别为基于粒子群算法参数优化的支持向量回归预测模型(PSO-SVR)和基于改进萤火虫算法参数优化的支持向量回归预测模型(IFA-SVR),并对各模型的预测结果进行对比和分析,结果表明:IFA-SVR预测模型在误差为2min和5min之内的预测精度最高分别可以达到79.39%和95.52%。对滑行时间预测方法和动态推出控制策略进行筛选,将滑行时间预测与DPC方法相结合,提出基于滑行时间预测的动态推出控制方法(PDPC方法),建立PDPC控制模型,设计求解算法。应用PDPC方法对离港过程进行仿真计算,从推出飞机数量分布、滑行道排队数量和单位时间运行成本方面分析机场运行效益,结果表明应用PDPC方法比无控制时总成本降低了36.25%。设计了低峰时段关闭-低峰时段开放、低峰期时段关闭-高峰时段开放、高峰时段关闭-低峰时段开放以及高峰期关闭-高峰期开放4种机场关闭方案,分析了极端环境下推出方法的适用性。在PDPC方法基础上,以操作简便及成本最优为目标,设计了混合推出控制策略的实现框架,提出阶梯函数控制方法、N-control-PDPC控制方法以及线性-非线性控制方法,分别对这3种离港动态推出混合推出控制策略进行描述和建模仿真,通过仿真结果对比各自不同的使用特点。研究飞机离港滑行时间预测模型及算法以及多种离港动态推出控制策略,旨在提升机场场面运行的操控的精确性,改善经验化的管理模式,同时可以缓解机场场面交通拥堵、降低滑行燃油消耗及废弃排放,为机场、航空公司以及乘客带来经济效益。研究成果为飞机推出控制调度、决策及优化提供新的思路,在增加机场相对容量、建立集约型机场调度管理模式等方面具有一定参考价值。