技术新讯 > 信号装置的制造及其应用技术 > 一种融合规则触发及遗传算法的大型机场跑道调度方法  >  正文

一种融合规则触发及遗传算法的大型机场跑道调度方法

  • 国知局
  • 2024-12-06 12:11:17

本发明涉及跑道调度,特别涉及一种融合规则触发及遗传算法的大型机场跑道调度方法。

背景技术:

1、当前,我国经济蓬勃发展,对航空运输业的需求日益旺盛,航空器数量持续增加。航空器的活动主要集中在空中飞行和地面滑行两大环节。值得注意的是,跑道的使用具有排他性,每次只能供一架航空器使用;而滑行道系统则不同,它能够在同一时间容纳多架航空器并行使用。然而,随着滑行道的数量不断增多,机场的地面布局变得愈发复杂,为航空器提供了众多的滑行路线选择。然而,机场地面航空器的滑行路径一般是由调度人员和飞机师依据历史工作经验进行选择的,这就使得机场现有的资源分配情况并不能使机场现有的资源得到充分的利用,不仅增加了运营过程中的成本,还增加了滑行过程中航空器冲突的风险。而相比于滑行距离等经济因素,机场方面更看重航空器的冲突点数与航班的延误架数,机场方面宁可在滑行过程中多增加一小部分成本,也希望航空器在滑行过程中能减少更多的冲突以及减少延误的航空器数目。因此,如何制定合适的滑行方案,确保航空器安全、高效地滑行,成为了机场管理中一项至关重要的任务。

2、1.现有的研究主要集中于改变航空器滑行成本的影响因素如路径长度、滑行速度等解决冲突避让问题,并基于此进行最优路径的求解,较少考虑航空器进入滑行道系统时的起始滑行时间对滑行过程的影响,即航空器在不同起始滑行时间进入滑行道将导致场面中存在不同的潜在冲突情况,进而影响最终的航空器冲突数量、延误架数与滑行总时间。航空器在避免冲突的过程中的等待时间,也是滑行成本的组成之一。将起始滑行时间与跑道调度设置分开,并不能很好地降低航空器的滑行成本,也不能很好地降低航空器滑行过程中的冲突风险。

3、所以在分析航空器的路径冲突避让时,应同时结合起始滑行时间的延迟改变对未来路径中潜在冲突的影响作用,而当前综合考虑滑行成本与延误成本之间权衡的建模研究尚显不足。

技术实现思路

1、本发明的目的是提供一种融合规则触发及遗传算法的大型机场跑道调度方法,以降低航空器滑行过程中冲突点与延误航空器数量为目标,通过对航空器的起始滑行时间与所选择的对应跑道进行合理的安排,提高算法的求解效率从而减少航空器在运行过程中的冲突与延误数。

2、为了实现上述任务,本发明采用以下技术方案:

3、一种融合规则触发及遗传算法的大型机场跑道调度方法,包括:

4、获取机场的标准滑行路径图、同一段时间内的机场进出港航空器的全部数据并进行预处理;

5、利用启发式规则算法对每一组数据进行出港航空器优先级序列排序处理,得到各出港航空器的优先级排序;

6、将各出港航空器的优先级排序,按排序对出港航空器分配跑道,并设置对应的起始滑行时间,分配完后的情况即作为调度方案;

7、将生成的调度方案作为初始解,基于初始解生成种群,通过遗传算法中进行迭代计算,最终通过遗传算法得出最优个体,即为最终的调度方案。

8、进一步地,所述预处理为无关数据去除操作;经过预处理后的数据包括:

9、出港航空器数据:停机位、分配的跑道、飞机类型、航空器起飞时刻、地面滑行时间;进港航空器数据:停机位、降落跑道、降落时间。

10、进一步地,将出港航空器数据中的每一架航空器的飞机类型、航空器起飞时刻、地面滑行时间作为一组数据,作为启发式规则算法的输入;进港航空器数据中的每一架航空器对应的停机位、降落跑道口、降落时间作为一组数据,作为冲突判断的输入。

11、进一步地,启发式规则算法通过以下公式得到出港航空器的优先级排序:

12、

13、

14、其中,ij(t,l)表示作业l完成后接下来进行出港航空器作业j的优先级指数;j为作业序号,指对应序号的出港航空器从起始滑行时间开始算,按标准滑行路径前往到对应跑道口然后起飞出港的过程;l表示已完成作业的索引;wj表示作业j的权重,pj表示作业j对应的出港航空器的地面滑行时间;

15、dj表示作业j对应的出港航空器的起飞时刻,t表示当前时刻,表示出港航空器的平均地面滑行时间,表示平均出港航空器之间的安全时间间隔,slj表示作业j紧跟在l后面的安全时间间隔,k1、k2分别为前瞻参数和缩放参数;τ为紧密性因子,r为范围因子,η为设置时间严重性因子,n为作业数量,为出港航空器平均起飞时刻,β为变异时间相关系数,dmax、dmin分别表示最晚、最早的出港航空器的航空器起飞时刻;

16、将优先级指数ij(t,l)从大到小进行排序,即为对应出港航空器的优先级排序。

17、进一步地,所述按排序对出港航空器分配跑道,包括:

18、首先创建一个出港航空器集合,里面包含所有要进行排序的出港航空器的相关对应信息;基于启发式规则算法获得各出港航空器作业的优先级指数,然后进行排序;将优先级指数最高的出港航空器放入已规划航空器集合中,然后将其在原有的出港航空器集合中删除,并将现有的时间更改为现有时间加上该航空器的地面滑行时间;重新对出港航空器集合中剩余的出港航空器进行优先级指数进行计算,直到将所有出港航空器按优先级顺序放入已规划航空器集合中,然后开始分配跑道进行起飞:首先给优先级指数最高的出港航空器分配跑道,如果有空闲跑道,即该跑道没有准备起飞的航空器,则根据标准滑行路径图的路径,将其分配到最近的空闲跑道,然后对下一优先级指数最高的出港航空器进行跑道分配;如果没有空闲跑道,则等到与非空闲跑道上的飞机时间间隔大于安全时间间隔间隔再进行分配;重复上述过程,直到所有出港航空器分配对应的分配的跑道,完成调度方案的生成。

19、进一步地,所述遗传算法的初始化种群过程包括:

20、根据初始解初始化一个航空器滑行方案集合,作为遗传算法的种群;初始解的形式为{起始滑行时间1、出港航空器1分配的跑道;起始滑行时间2、出港航空器2分配的跑道…起始滑行时间n、出港航空器n分配的跑道};

21、在初始解的基础上,随机更改任意数目出港航空器的起始滑行时间和分配的跑道,每次更改后生成一个新的调度方案,进行一定次数的更改后,所有新的调度方案与初始解共同作为初始种群的个体;

22、其中,每一次更改的方法为:

23、将出港航空器起飞时间前15分钟内任意选择任意时刻作为其新的起始滑行时间;将与出港航空器所分配的跑道相同方向的其余跑道中,随机挑选一个作为其重新分配的跑道。

24、进一步地,所述遗传算法的选择操作包括:

25、选择操作采用轮盘赌选择法,轮盘赌依据个体适应度值比例将轮盘分为相应的种群规模数,轮盘面积的大小与个体的适应度成正比关系;适应度的计算方法为:

26、f=ω1g1(c1,c2,…,c2i)+ω2g2(c1,c2,…,c2i) (7)

27、其中,f代表适应度,g1代表出港航空器滑行过程中的总冲突点个数,g2代表出港航空器的延误数量,i表示出港航空器总数;(c1,c2,…,c2i)表示种群中的一个个体,也即调度方案;其中(c1,c2,…,ci)表示调度方案中的每个出港航空器的起始滑行时间,(ci+1,ci+2,…,c2i)表示调度方案中的每个出港航空器分配的跑道;ci与ci+i为该个体第i位的值,ci为出港航空器i的起始滑行时间,ci+i为出港航空器i分配的跑道;i=1,2,…i;ω1和ω2分别代表冲突点个数和延误航空器个数所占的权重;

28、在已知进港航空器的跑道口集合e,停机位集合s后,使用迪杰斯特拉算法求解路径,然后和出港航空器的标准滑行路径合并,采用上述判断是否冲突的方式,来进行冲突避让,最终得到冲突点的个数和每个航空器的等待时间;然后取出港航空器地面滑行时间,计算各个出港航空器到达分配跑道的跑道口的时间,到达跑道口的时间=ci+sij/v+滑行等待时间;在已知出港航空器到达跑道口的时间和对应的跑道口ci+i,且不更改进港航空器的降落时间和跑道口的前提下,对出港航空器采用先到先服务的方式进行调度,调度完成后可以得到出港航空器的排队时间,最终得到出港航空器的实际起飞时间=到达跑道口的时间+跑道口排队时间+tsetup,再将实际起飞时间与tpi对比,当大于tpi说明航空器起飞延误,计算总的出港航空器延误量;

29、计算得到每个个体的适应度,对整个种群进行使用轮盘赌选择法,可以选出一定数目的新个体,组成新种群。

30、进一步地,确定冲突点的方法为:

31、获取各进出港航空器滑行过程中所经过的节点并获取进港航空器数据;通过找重复点的方式得到潜在冲突点的集合,当集合中存在潜在冲突点时,判断其是否为冲突点;其中,出港航空器的所经过的节点则由对应跑道所有的标准滑行路径所经过的节点来确定;进港航空器所经过的节点则由降落跑道到停机位之间的最短路径所经过的节点来确定;判断方式为:首先通过进港航空器的降落时间与滑行路径,出港航空器的起始滑行时间与标准滑行路径,计算经过该点的进出港航空器各自到达该点的时间,判断相差的时间是否大于最小安全时间间隔,小于最小安全间隔则为冲突点;当该点为冲突点后,让后到达的航空器进行等待来避让,等待至滑行通过冲突点的时间间隔不小于安全时间间隔。

32、进一步地,所述遗传算法的交叉操作为:

33、采用单点交叉的方式,在个体的编码串中随机选择一个点作为交叉点,随后将染色体一分为二;新生成的子代染色体的左侧遗传信息来源于一个父代染色体,而右侧遗传信息则来自另一个父代染色体;

34、染色体编码的方式采用双层编码结构进行编码,第一层编码即每个航空器的起始滑行时间,第二层编码是每个航空器分配的跑道编码,染色体共有2i位,代表i架出港航空器,染色体的前i位数字代表该出港航空器起始滑行时间,后i位数字代表该航空器的跑道口编码。

35、进一步地,所述遗传算法的变异操作为:

36、采用单点变异,指在确认要进行变异操作后,随机设置一个变异点,生成指定范围内的随机数来替换该变异点上的值。

37、与现有技术相比,本发明具有以下技术特点:

38、本发明的主要创新点为对大型机场的航空器进行跑道调度;本发明能够进一步降低机场在航空器滑行的过程中冲突点的个数以及航班的延误架数,进一步提高机场的安全性与航班的准点率,使得机场能够更好的运行。

本文地址:https://www.jishuxx.com/zhuanli/20241204/339848.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。