基于排队论的航班滑出时间预测-冯霞.pdf

《基于排队论的航班滑出时间预测-冯霞.pdf》由会员分享，可在线阅读，更多相关《基于排队论的航班滑出时间预测-冯霞.pdf（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第48卷第5期2016年10月南京航空航天大学Journal of Nanjing University of Aeronautics学&A报stronauticsV0148 No50Ct2016DOI：1016356j10052615201605021基于排队论的航班滑出时间预测冯 霞12 孟金双13时，平均滑出时间明显上升，说明离港航班受到了拥堵的影响，因此拥堵值为3。226 计算无障碍滑出时间离港航班在实际滑出过程中存在飞行员对环境熟悉等情况而滑行较快，需要引导车等情况而滑行较慢，为了消除此类影响，论文选择同一组中所有有效衡量指标低于拥堵值的航班，将其按实际滑出时间由小到大排序，选择滑出

2、时间排在1090的航班，计算其平均滑出时间作为该组无障碍滑出时间。98765432OOOOOOOOOOO万方数据776 南 京航空航天大学学报 第48卷(b)滑出时问与M。相关性分析图3 组编号为20的航班滑出时间与N，N，。N，N，相关性分析Fig3 Example of correlation analysis between taxiout time and N。N、-r，pN，r。for group 2罔I 组编0为2 c)的航j：吲1时|lIj、卜均滑川|1ljN。的关系及该组拥堵值Fig4 Correlation of taxiout time，average taxiouttim

3、e and Nt+。for group 20 and congestionthreshold23等待起飞时间预测231 问题分析受排队长度、等待期间降落航班、不同机型的机翼尾流、飞行员控制情况、流控及跑道突然关闭等因素的影响，导致离港航班在跑道端等待起飞时间差异较大口8|。本节讨论航班在跑道端等待起飞时J1iJ的预测跑道作为机场主要资源之一，严重制约着机场容量。由于飞机的不定时到达，往往会出现离港航班因跑道被占用而不得不排队等待的情况。不难理解，航班在跑道端等待起飞及跑道提供服务的过程(跑道服务系统)是一个典型的随机服务系统。本文将离港航班作为顾客，跑道作为服务机构，航班经过无障碍滑出过程后到

4、达跑道端等待起飞队列的过程为输入过程，航班开始占用跑道至下一个航班使用跑道的时间为服务时间，针对单条跑道研究等待起飞时间预测，跑道为唯一服务机构。设A(f)为单位时间(不失一般性，取单位时间为15 min)内加入等待起飞队列的航班数，z(t)为跑道每分钟服务的航班数，等待起飞时间预测模型基于以下假设：(1)跑道端仅有一个等待起飞队列。(2)等待起飞队列容量无限。(3)航班到达等待起飞队列后，跑道以先到先服务的方式提供服务。实际运行中，不同时间段的航班流量相差较大，因此本文从数据集D2中选择离港高峰期上午万方数据第5期 冯霞，等：基于排队论的航班滑出时间预测 7777：oo9：00的运行数据进行

5、建模分析，并以15min为间隔，划分成8个时间段进行研究。232航班到达等待起飞队列分布由231节可知，航班经过无障碍滑出到达跑道端等待起飞队列的过程为输入过程。在该过程中，航班的到达是随机并且相互独立的，即在不相交的时间区间内到达的航班数量是相互独立的；另外，某段时间内到达的航班数量仅与这段时间的长短有关，且有两个或两个以上航班同时到达等待起飞队列的几率非常小。这些特点恰好满足Poisson流的基本条件1 9|，不妨假设航班到达规律服从Poisson分布，采用极大似然估计法对Poisson分布中包含的未知参数进行估计，并采用卡方检验判断航班到达是否服从Poisson分布。不失一般性，考虑8：

6、308：45的航班到达情况，图5给出了对航班到达情况用Poisson分布进行拟合的结果。虱5 8：308：15航班到达情况Poisson分布拟合Fig5 Fit t ing map of flights arrival in Poisson对到达规律是否服从Poisson分布进行卡方检验：取a一005，砖。5(711)一砖95(5)一1107z2521，故认为单位时间(取单位时间为15 min)内到达的航班服从Poisson分布。对于其他各个时间段，采用同样的方法可验证在每一个时间段的航班到达情况均服从Poisson分布。233服务时间分布航班的服务时间是指航班开始占用跑道，至下一个航班可以使

7、用跑道的时间，由于机型、航线等不同，会产生不同的尾流效应，从而导致航班服务时间各不相同1 8|。同样以8：308：45的运行数据为例分析服务时间的分布规律，图6为分别采用Gamma分布和广义极值(Generalized extreme value，GEV)分布对航班服务时间统计数据进行拟合的结果。Service timemin图6 8：308：15航班服务时间(；aroma及(；EV分布拟合Fig6 Fining map of flights service time in Gamma andGEV采用卡方检验进行验证：取Ot一005，对于Gamma分布：矮95(421)一矗95(1)一384

8、1x2307，故可认为航班的服务时间服从Gamma分布，而对于GEV分布：z：。(531)=短。5(1)=3841万方数据第5期 冯霞，等：基于排队论的航班滑出时间预测 779表2预测准确率Tab2 Prediction accuracyDay Within3min Within5min120612071208120912105439561758286207566775447931672787938896图8为单个航班预测误差(实际滑出时间一预测滑出时间)分布图，平均误差为0637 min，表明预测值均匀地分布在实际值两侧，预测效果较好。一三一一一 一一一几阿 1帅mn10 5 0 5 10

9、15Errormin图8预测误差Fig8 Prediction error其中，无障碍滑出时间的计算模型包括航班的分组、场面交通情况有效衡量指标的确定及拥堵值的确定等，需要获取所有航班信息并进行计算。在实际应用中，由同一停机位滑出的航班，默认其无障碍滑出时间相同，因此计算一次即可。4 结 论滑出时间的预测有助于机场提升场面运行效率，对于场面交通管理及空中流量管理都具有重要的作用。主要贡献有：(1)提出了一种单跑道航班滑出时间预测模型，包括无障碍滑出时间的计算模型及基于排队论的等待起飞时间预测模型；(2)使用2013年36R跑道的航班运行数据建立模型并对模型进行了检验，结果表明，在误差允许范围为

10、3 min时，预测准确率为5752，在误差允许范围为5 min时，预测准确率为7978，以15 min为间隔，其平均滑出时间的预测误差均在5 rain以内，相较于首都机场当前的滑出时间计算方法，本模型所达准确率显著提升。文中对航班滑出时间的预测是基于对历史数据进行分析，不考虑航班滑出期间、实时放行速率、跑道突然关闭及其他人为因素的影响，如何根据已有的数据与航班推出前场面的实时情况对滑出时间做更精确的预测，是下一步将要研究的问题。参考文献：Eli Laskey K B，Xu N，Chen C HPropagation of delaysin the national airspace syste

11、miCProceedings ofthe 22th Conference on Uncertainty in Artificial IntelligenceCambridge，Massachusetts：AUAl Press，2006I-zl航局空中交通管理局航班协同放行指导材料EBOLhttp：wwwcaacgovcn，201309Air Traffic Management Bureau of Civil Aviation Administration of ChinaFlight collaborative releaseguidance materialEBOLhttp：wwwcaac

12、govcn，2013093冯程，胡明华，丛玮基于滚动时域算法的航班滑行路径优化模型J航空计算技术，2014，44(4：80一85Feng Cheng，Hu Minghua，Cong WeiOptimizationmodel of taxiway routing based on receding horizonJ，Aeronautical Computing Technique，2014，44(4)：8085E4丁建立，李晓丽，李全福基于改进蚁群协同算法的枢纽机场场面滑行道优化调度模型J计算机应用，2010，30(4)：10001007Ding Jianli，Li Xiaoli，Li Quan

13、fuOptimal scheduling model for hub airport taxi based on improved antcolony collaborative algorithmJJournal of Cornputer Application，2010，30(4)：10001007Es 朱新平，汤新民，韩松臣ASMGCS滑行道冲突预测与避免控制J南京航空航天大学学报，2011，43(4)：504510Zhu Xinping，Tang Xinmin，Han SongchenConflictprediction and avoidance control for asmgcs

14、 taxiwayJJournal of Nanjing University of AeronauticsAstronautics，2011，43(4)：50451063杨文东，陶婧婧，贾玉平机坪摆渡车实时调度系统仿真J南京航空航天大学学报，2013，45(6)：854858，Yang Wendong，Tao Jingjing，Jia Yuping，Simulation of realtime scheduling of airport ferry busJJournal of Nanj ing University of AeronauticsAstronautics，2013，45(6)：

15、85485873 Jordan R，Ishutkina M，Reynolds T GA statisticallearning approach tO the modeling of aircraft taxi timecProceedings of the 29th IEEEAIAA DigitalAvionics Systems ConferenceSalt Lake City，Utah：m傩嘶舵OOOOO0扫!Ilq日q0【Id万方数据780 南京航空航天大学学报 第48卷IEEE Press，2010：1B1一卜1B110E8Legge J，Levy BDeparture taxi t

16、ime predictions Using asdeX surveillance dataCProceedings of the26th International Congress of the Aeronautical SciencesAnchorage，Alaska：AIAA Press，20089 Kistler M S，Gupta GRelationship between airportefficiency and surface trafficCProceedings of the9th AIAA Aviation Technology，Integration，andOperat

17、ions ConferenceHilton Hcad。South Carolina：AIAA Press，200910Ravizza S，Atkin J A D，Maathuis M H，et a1Acombined statistical approach and ground movementmodel for improving taxi time estimations at airportsJJournal of the Operational Research Society，2012，64(9)：134713601 13 Chatterji G B，Zheng YWheelsOf

18、f time predictionusing surface traffic metricsCProceedings of the12th AIAA Aviation Technology。Integration，andOperations Conference and the 14th AIAAISSMOMultidisciplinary Analysis and Optimization ConferenceIndianapolis，Indiana：AIAA Press，20 1 21 2Balakrishna P，Ganesan R，Sherry L，EstimatingTaxiout

19、times with a reinforcement learning algorithmcProceedings of the 27th IEEEAIAADigital Avionics Systems ConferenceSaint Paul，Minnesota：IEEE Press，2008：3D3-13D3-1213Balakrishna P，Ganesan R，Sherry LAccuracy ofreinforcement learning algorithms for predicting aircraft Taxiout times：A casestudy of tampa b

20、ay departuresJTransportation Research Part C：Emerging Technologies，2010，18(6)：950962143 Chen J，Ravizza S，Atkin J A D，et a1On theutilisation of fuzzy rule-based systems for taxi timeestimations at airportsCProceedings of the 1 lthWorkshop on Algorithmic Approaches for Transportation Modelling， Optimi

21、zation， and SystemsSaarbrocken，Saarland：Schloss DagstuhlLeibniz-Zentrum fiJr Informatik GmbH，201 1：13414515Srivastava AImproving departure taxi time predictions using asde-x surveillance dataCProceedingsof the 30th IEEEAIAA International Conference onDigital Avionics Systems ConferenceSeattle，Washin

22、gton：IEEE Press，201 1：28512851416Levy B S，Knic,kerbocker C J，Steven R，et a1Analysis and causality of airport surface delays-C3Proceedings of the 28th IEEEAIAA Digital AvionicsSystems ConferenceOrlando，Florida：IEEE Press，2009：3A2-13A2-71 7田勇，李永庆基于时隙交换的地面等待策略研究D南京：南京航空航天大学2013Tian Yong，Li YongqingRese

23、arch on ground holding policy based on slot exchangingDNanj ing：Nanjing University of Aeronautics and Astronautics，201318杨磊机场场面运行优化技术研究D南京：南京航空航天大学，2012Yang LeiResearch on optimization techniques of airport surface operationDNanjing：Nanjing University of Aeronautics and Astronautics，201219唐小我排队论基础与分析技术M北京：科学出版社，2006：7392Tang XiaowoQueuing theory basis and analysisMBering：Science Press，2006：7392万方数据