[發明專利]一種綜合考慮空域擁堵和航班延誤的空中交通網絡流量優化方法

有效

• 申請號: 201310301325.9
• 申請日: 2013-07-18
• 公開（公告）號: CN103413462A
• 公開（公告）日: 2013-11-27
• 發明（設計）人: 張軍;朱衍波;肖明明;蔡開泉;張曉
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G08G5/00
• 分類號: G08G5/00
• 代理公司: 北京永創新實專利事務所 11121
• 代理人: 趙文穎

1.一種綜合考慮空域擁堵和航班延誤的空中交通網絡流量優化方法，包括以下幾個步驟：

步驟1、建立通用的雙目標空中交通網絡流優化數學模型，同時優化空域擁擠和航班延誤；

本發明的雙目標空中交通網絡流優化數學模型建立基于如下假設：

（1）所有航班的起飛降落時間和飛行路徑在一定的范圍內可選；

（2）同一起飛機場—降落機場，簡稱OD，之間的航班可選路徑集合相同；

本發明同時最小化空域擁擠和航班延誤，即目標函數為：

（1）最小化空域擁擠，簡稱：AC，具體為：

其中，表示扇區S_k在時段T內總工作負荷，表示扇區S_k在時段T內最擁擠時刻的工作負荷，即最大工作負荷；給扇區總工作負荷和最大工作負荷分配不同的權重；T表示時間集合，被劃分成等長、連續的離散時隙n_T表示時間段T被劃分為n_T個時隙,t₁表示第1個時隙，表示第n_T個時隙；

WSk(t)=WmoSk(t)+WcoSk(t)+WcfSk(t),]]>為時隙t監視負荷、協調負荷及沖突負荷之和；n_S表示空域中扇區數目；

（2）最小化航班延誤，簡稱TFD，具體為：

minTFD=Σf∈F|cfg·|τfd-τf0d|+cfa·(τfa-τfd-tfmin)|---(2)]]>

其中，d_f表示航班f的起飛機場，a_f表示航班f的目的機場，表示航班f的起飛時間，表示航班f的降落時間，F表示航班集合，|F|表示總航班數目，r_f0,分別表示初始飛行計劃中的航班f的飛行路徑、起飛時間和降落時間；

航班飛行延誤成本由兩部分構成：航班由于延遲起飛所產生的地面等待成本

為單位時間地面等待成本；航班由于空中等待、調速或改航所產生的空中延誤成本為單位時間空中飛行成本，為航班f在網絡中沿著所選飛行路徑到達目的機場的最短飛行時間；FPL表示航班飛行計劃，

FPL＝{fpl_f|f＝1,...,|F|},其中r_f表示航班f的飛行路徑；

模型中約束條件：

（1）r_f∈R_f，其中表示航班f從起飛機場到降落機場的可選路徑集合；|R_f|是可選路徑集合的數目；

（2）τfd∈[T‾fd,T‾fd]]]>和τfa∈[T‾fa,T‾fa],]]>其中和為航班f的起飛、降落時間，[T‾fd,T‾fd]]]>和分別為航班有效的起飛、降落時間范圍；

（3）其中v_f表示航班f的平均飛行速度，L(r_f)是航路r_f的長度，[v_min,v_max]是飛機飛行速度的變化范圍；

綜上，本發明中通用的雙目標空中交通網絡流優化數學模型表示為：

目標函數：

minTFD=Σf∈F|cfg·|τfd-τf0d|+cfa·(τfa-τfd-tfmin)|]]>

約束條件：

r_f∈R_f,f∈F

τfd∈[T‾fd,T‾fd],f∈F]]>

τfa∈[T‾fa,T‾fa],f∈F]]>

vf=L(rf)τfa-τfd∈[vmin,vmax],f∈F]]>

步驟2、基于時空間分離的問題求解思想，提出一個路徑時間分配系統算法，通過分別對航班進行路徑搜索和時間優化操作，對雙目標空中交通流量優化問題求最優解，同時，設計預選算子提取有效路徑解，將預選算子嵌入路徑時間分配系統算法中；

具體包括如下步驟：

步驟201，初始化航班路徑選擇概率模型P＝{P₁,P₂,...,P_f,...,P_|F|}為均勻分布，根據飛行計劃初始化種群Pop(g)，初始化非支配解集EPop為空，設定演化代數g=0；其中|F|為總航班數，f＝1,2,...,|F|表示航班f可選路徑集R_f中各路徑被航班f選擇飛行的概率向量，可選路徑集R_f中各路徑即為|R_f|為航班f可選路徑規模，且Σi=1|Rf|pi=1;]]>

步驟202，根據航班路徑選擇概率模型P生成航班當前最優飛行路徑，更新Pop(g)；

步驟203，令種群SPop(g)＝Φ，設計預選算子從種群Pop(g)中提取有效路徑解放入種群SPop(g)中；

步驟204，將種群SPop(g)中每一個體進行時間優化，即利用時間平移和時間縮放兩個操作對每一個體中時間參數進行優化；

步驟205，更新種群SPop(g)為SPop(g)＝SPop(g-1)∪EPop，計算種群SPop(g)中的每一個體目標函數值，并根據目標函數值對SPop(g)中個體進行非支配排序；清空非支配排序解集EPop，將種群SPop(g)中前50%的個體復制到EPop中，統計EPop中個體路徑解情況，根據公式（3）對航班路徑選擇概率模型P進行更新；

Pf(rf=rfk)=1NPRΣi=1NPRfind(rf=rfk)---(3)]]>

其中，NP_R為更新航班路徑選擇概率模型P的個體數目，即EPop中個體數目；find為邏輯式，當A為真時，find(A)＝1，當A為假時，find(A)＝0；k＝1,...,|R_f|；f＝1,2,...,|F|；

步驟206，判斷g是否滿足指定演化代數Gen，若是，優化結束；此時EPop中的非支配解構成最終的非支配解集，非支配解集中的個體即為優化的航班起飛降落時間和飛行路徑；否則令g＝g+1，返回步驟202。