一种在线仿真的机场航空器滑行模拟调度方法与流程
- 国知局
- 2024-10-21 14:28:26
本发明涉及智慧领域,尤其涉及一种在线仿真的机场航空器滑行模拟调方法。
背景技术:
1、随着机场的航班量不断增加,场面运行的绿色、安全和效率的压力日益增加。面对日益繁忙的机场,如何提高机场场面资源运行效率、降低碳排放,成为民航地面运输研究的一大问题。滑行道系统是机场的重要资源,起到连接停机位和跑道的功能,供航空器起飞/着陆—停机位之间滑行通行的作用。滑行轨迹规划是一个人、机、路和环境等多主体资源协调运行的动态与静态相互协调关联的复杂大系统。它处于不确定环境中,其特点决定了调度的复杂性、随机性、突发性、多目标和约束性、大规模性等,依靠人工方式在计划和实时操作层费时费力编制的调度方案仅近似反映其在某时刻的一个特定状态,不仅无法充分发挥系统效率实现绿色运行,而且与实际运营调度存在一定偏差。随着场面运行的复杂度增加,借助物联网、大数据和人工智能等先进技术,亟待研究机场航空器滑行调度的智能化日常运营管理,主动地感知环境变化识别其运行瓶颈,并快速生成一个适于环境变化的绿色调度方案,减少航空器滑行时间,避免冲突,通过提高机场航空器滑行运行的效率减少航空器地面拥堵和碳排放。
2、通过学习与梳理国内外大量文献,场面滑行智能调度的现有理论研究和实践方面的不足主要有二:一方面,部分研究从运筹优化角度,建立机场滑行路径的数学模型并构造求解算法,不足在于仅能解决静态、确定型小规模问题,也很难将人工经验加入决策;另一方面,部分研究从仿真优化角度,模拟机长和管制人员行为生成滑行路径,不足在于方案很难实现全局最优。因此,基于人机交互的在线仿真和优化结合方式可以解决机场航空器滑行调度问题,现有研究较为少见。因此,本发明开展一种在线仿真的机场航空器滑行模拟调度方法。
技术实现思路
1、本发明提供一种在线仿真的机场航空器滑行模拟调度方法,本发明根据进离港航空器的起讫点和计划时间,通过优化和仿真人工交互的方式,生成一条可行的航空器滑行方案,并模拟航空器运行轨迹,从而辅助机场场面运行智慧的安全高效水平。
2、本技术提供的一种在线仿真的机场航空器滑行模拟调度方法,包括以下步骤:
3、步骤1:系统初始化。利用人机交互引擎,与数据引擎进行交互,从现有智能民航调度平台导入相关数据,初始化航空器滑行模拟调度系统,包括:滑行路网、航空器性能、航空器计划、仿真引擎的航空器滑行规则和仿真参数、模型算法引擎的不同模型算法模板以及交通事件模板等。
4、步骤2:系统运行环境设置。用户利用人机交互引擎与模型算法引擎和仿真引擎交互,设置航空器滑行的调度目标、约束条件和场景,据此自动识别模型算法引擎的最贴近实际的模型算法,以及自动设置仿真引擎设置航空器的滑行规则、优先级和仿真参数,并设置随机模拟事件,包括:跑道入侵、航空器故障、航班延误等。
5、步骤3:机场航空器滑行预案生成。模型算法引擎与数据引擎进行交互,根据人机交互引擎设置航空器滑行的调度目标、约束条件和场景,自动将模型、算法、数据和知识组装和集成,生成符合当前情景的机场航空器滑行调度模型和算法,生成多架航空器的滑行路径和运行时间表,包括:航空器在滑行节点的等待时间、滑行路段的速度,以及在停机位/跑道口的延误时间等。
6、步骤4:机场航空器滑行过程模拟。仿真引擎根据模型算法引擎的航空器滑行预案,将每架航空器抽象为智能体,确定每个智能体的确定性行为,模拟航空器的自主滑行行为。当航空器按照航空器滑行预案执行时,考虑滑行路网的随机干扰,若根据航空器的滑行规则无法解决多架航空器冲突问题时,调用模型算法引擎自动生成多架航空器滑行冲突解脱策略。此外,利用仿真引擎动态跟踪航空器的时空轨迹。
7、步骤5:可视化微宏观评估。利用可视化引擎,在滑行路网上面可视化全部航空器的滑行路径,动态跟踪航空器的时空轨迹,并剖析不同交通事件与滑行拥堵排队消散过程之间耦合关系。
8、其中,航空器滑行模拟调度系统包括人机交互引擎、数据引擎、模型算法引擎、仿真引擎和可视化引擎,其中:用户利用人机交互引擎与模型算法引擎和仿真引擎交互,数据引擎为模型算法引擎和仿真引擎提供数据支撑,可视化引擎将模型算法引擎和仿真引擎中全部航空器的滑行过程显示在机场滑行路网中。
9、进一步地,所述s1步骤进行系统初始化,利用人机交互引擎,与数据引擎进行交互,从现有智能民航调度平台导入相关数据,初始化航空器滑行模拟调度系统,具体包括:
10、步骤1.1:设置滑行路网,包括节点(跑道、停机位和滑行路口)和边
11、步骤1.2:设置不同类型航空器的性能,涉及不同类型航空器的速度、油耗、转弯时间等。
12、步骤1.3:设置不同随机模拟事件模板,包括:跑道入侵、航空器故障、航班延误等,涉及事件名称、类型和时间范围和地点。
13、步骤1.4:设置航空器计划,包括起讫点、进离场类型和计划时间。
14、步骤1.5:设置仿真引擎的不同航空器滑行规则库,包括:航空器间隔、执行和转弯优先级、等待优先级等。
15、步骤1.6:设置模型算法引擎的不同模型算法模板,涉及决策变量组合(滑行路径和运行时间、机位分配、推迟时间等)、调度目标组合(碳排放、滑行距离、等待时间等)和约束条件组合(排队长度、优先级、安全间隔范围、进离场分类等)
16、进一步地,所述s2步骤进行系统运行环境设置,用户利用人机交互引擎与模型算法引擎和仿真引擎交互,设置航空器滑行的调度目标、约束条件和场景,据此自动识别模型算法引擎的最贴近实际的模型算法,以及自动设置仿真引擎设置航空器的滑行规则、优先级和仿真参数,并设置随机模拟事件,包括:跑道入侵、航空器故障、航班延误等,具体包括:
17、步骤2.1:利用人机交互引擎选择某个机场滑行路网,以及航空器计划。
18、步骤2.2:利用人机交互引擎设置航空器滑行的具体调度目标、约束条件和场景。
19、步骤2.3:自动设置仿真引擎设置航空器的具体滑行规则、优先级和仿真参数。
20、步骤2.4:利用人机交互引擎随机模拟若干交通事件,包括:跑道入侵、航空器故障、航班延误等。
21、进一步地,s3步骤进行机场航空器滑行预案生成,模型算法引擎与数据引擎进行交互,根据人机交互引擎设置航空器滑行的调度目标、约束条件和场景,自动将模型、算法、数据和知识组装和集成,生成符合当前情景的机场航空器滑行调度模型和算法,生成多架航空器的滑行路径和运行时间表,包括:航空器在滑行节点的等待时间、滑行路段的速度,以及在停机位/跑道口的延误时间等,具体包括:
22、步骤3.1:根据人机交互引擎选取和确定航空器滑行的输入数据场景,包括:滑行路网的类型(单/多跑道)、全部航空器的起讫点类型(确定和不确定)、计划时间(确定和不确定)和类型(进离港类型)
23、步骤3.2:根据人机交互引擎设置航空器滑行的调度目标、约束条件
24、步骤3.3:在模型算法引擎的不同模型算法模板库中,根据数据场景、目标和约束条件检索最匹配的航空器滑行模型和算法。
25、步骤3.4:自动将匹配的模型、算法、数据和知识组装和集成,生成符合当前情景的机场航空器滑行调度模型和算法。
26、步骤3.5:将符合当前情景的机场航空器滑行调度模型和算法导入商业求解器,如:cplex,生成多架航空器的滑行路径和运行时间表,包括:航空器在滑行节点的等待时间、滑行路段的速度,以及在停机位/跑道口的延误时间等。
27、进一步地,所述s4步骤进行机场航空器滑行过程模拟,仿真引擎根据模型算法引擎的航空器滑行预案,将每架航空器抽象为智能体,确定每个智能体的确定性行为,模拟航空器的自主滑行行为,具体包括:
28、步骤4.1:将每架航空器抽象为智能体,设置其滑行路径和开始时间,包括:滑行和停止等待两种行为,其智能体的初始状态为唤醒。
29、步骤4.2:时间更新t=t+1,在时刻t更新全部航空器智能体的状态,主要包括:若时刻t是某架航空器的开始时间,将其智能体的状态设置为活动;若时刻t是某架航空器的结束时间,将其智能体的状态设置为死亡。
30、步骤4.3:针对时刻t活动状态的全部航空器智能体,执行它们的滑行或停止等待行为,更新全部航空器的位置,满足以下要求:某架航空器在时刻t的滑行行为是在时刻t+1的位置与其它航空器、交通事件区域保持安全距离;否则,执行停止等待行为。
31、步骤4.4:判断部分航空器在时刻t是否发生无法实现冲突解脱策略,即在时刻t、t+1、t+2仍然执行停止等待行为,若没有,转向步骤4.2;否则,转向步骤4.5。
32、步骤4.5:建立多航空器冲突解脱策略的运筹学优化模型,将无法实现冲突解脱策略的航空器位置、剩余路径作为模型输入,生成解脱策略,并跟新这些航空器的位置,转向步骤4.2。
33、进一步地,在所述s5步骤进行可视化微宏观评估,利用可视化引擎,在滑行路网上面可视化全部航空器的滑行路径,动态跟踪航空器的时空轨迹,并剖析不同交通事件与滑行拥堵排队消散过程之间耦合关系,具体包括:
34、步骤5.1:在gis上可视化滑行路网,并标记交通事件的位置和状态,其中状态由交通事件的发生和结束时间决定。
35、步骤5.2:在滑行路网中,动态跟踪航空器的滑行轨迹,包括达到和离开滑行节点的时间。
36、步骤5.3:从微观角度,统计各个航空器的推迟时间、滑行时间、碳排放、受交通事件影响的排队等待时间等指标,并在滑行路网可视化其偏离程度。
37、步骤5.3:从宏观角度,统计各个滑行路网节点和边的平均滑行时间、碳排放、受交通事件影响的排队等待时间和长度等指标,并在滑行路网可视化其偏离程度。
38、本发明实现的有益效果:
39、本发明基于在线仿真和优化技术,根据进离港航空器的起讫点和计划时间,通过优化和仿真人工交互的方式,生成一条可行的航空器滑行方案,并模拟航空器运行轨迹,并剖析不同交通事件与滑行拥堵排队消散过程之间耦合关系,从微观上统计各个航空器的推迟时间、滑行时间、碳排放、受交通事件影响的排队等待时间等指标,从宏观上计算现在和未来整个低空空域的碰撞风险指数,根据安全阈值,统计各个滑行路网节点和边的平均滑行时间、碳排放、受交通事件影响的排队等待时间和长度等指标,从而辅助机场场面运行智慧的安全高效水平。
本文地址:https://www.jishuxx.com/zhuanli/20241021/318269.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。