文摘
航班延误是最具挑战性的威胁之一,航空运输网络的操作系统。引入复杂网络研究在航班延误由于其低复杂性、高弹性模型构建、准确解释现实世界。我们调查的最新进展对航班延误使复杂网络理论的广泛使用。我们扫描分析静态网络和演化,一起对拓扑识别重要的节点/边。我们对鲁棒性之间的关系做出了澄清,脆弱,在航空运输网络和弹性。然后,我们调查研究因果关系,传播模型和最佳传播者识别在航班延误。最终,未来改进了四倍。(1)复杂网络下,飞行操作相关的子系统或子层被丢弃的大部分可用的网络模型。分层建模方法可以改善这对航班延误和提供更有能力的网络模型。(2)交通信息是缩小差距的关键拓扑和功能在当前的情况下。 Flight schedule and flight plan could be employed to detect flight delay causalities and model flight delay propagations more accurately. Real flight data may be utilized to validate and revise the detection and prediction models. (3) It is of great importance to explore how to predict flight delay propagations and identify best spreaders at a low cost of calculation complexity. This may be achieved by analyzing flight delay in frequency domain instead of time domain. (4) Summation of most critical nodes/edges may not be the most crucial group to network resilience or flight delay propagations. Effective algorithm for most influential sequence is to be developed.
1。介绍
商业航班在中国大陆取得了1.76倍的增长只有一个十年,从422万年的2008 (1)到1166万年的2019人(2]。除了满足强劲需求,航空运输网络系统可能会受到恶劣天气和空域干扰严重的限制。大多数航班延误是由于他们(2]。此外,这关键基础设施必须有弹性或健壮在地震的情况下,系统故障等意外情况。微机模拟模型能够以高分辨率航空运输网络系统和准确性通过专业软件(3,4]。它曾经被认为是最有效的方法为空域容量,网络弹性和航班延误。然而,这种方法没有成为第一个候选国家、洲际、在世界范围内,和其他大型航空运输网络系统。主要是因为它的高复杂性的模型构建和强烈的不灵活性模型结构修改。
很感谢网络科学能够简化复杂系统,这样我们可以更好地理解它的功能作为一个整体5]。尽管不到20岁的复杂网络理论(6,7在网络科学经历了一个巨大的增长。许多实际系统(8- - - - - -10),由大量的相互作用的元素,因此可以准确地解释。毫不奇怪,这种方法被引入研究航班延误。研究网络特征和网络弹性也刺激即使他们间接导致航班延误现象。
网络属性特征根,繁殖,甚至预测的网络系统11]。强劲的波动在不同的时间尺度,不仅网络属性演化还航班延误扩散。复杂的网络应用于模型和分析全球机场网络(12),美国机场网络(13),中国机场网络(14在一开始的理论。从复杂网络指标也被用来描述颞全球机场网络的演进(15- - - - - -20.]。
航班延误会频繁发生和传播的航空运输网络是脆弱的,健壮的、或有弹性的降低干扰。网络效率(21和最大连通子图的大小22)成为最常见的利用指标在航空运输网络的鲁棒性描述23- - - - - -28),他们都来自复杂的网络。指标,包括度、介数、聚类系数,和亲密,可以用来制造有效的和高效的攻击/恢复策略23- - - - - -28网络的恢复能力。
角色的基础上分析了复杂网络对航班延误,学者们试图发现航班延误的因果关系29日- - - - - -34]。模拟或预测航班延误传播在网络层面上也取得了很大的进展35- - - - - -40)与复杂网络的支持。
在研究与发展网络人物分析、网络弹性,航班延误,有出现了一个新的热点问题:有影响力的顶点或链接的识别。识别实现特定的结构或功能目标是至关重要的。他们是拓扑网络性格分析的重要节点/边(41- - - - - -44),有影响力的节点/边网络弹性(24,45,航班延误(最好的传播者34,40,46]。然而,识别并不是一个微不足道的任务将在平衡局部和全局指数和挑战parameter-free和多参数指标(47]。
本文跟踪和总结网络特征分析(节最新进展3),网络弹性(部分4),航班延误(部分5)。调查关于鉴定的有影响力的顶点/链接是在这三个部分进行,因为我们都集中在复杂网络下航班延误。部分2将介绍关于航空运输网络和复杂网络的基本概念。最后,部分6安排总结未来的方向。
2。基本概念
2.1。航空运输网络
静态网络的航空运输网络来自一个快照州或网络状态在一定时间内的累积。有五个类别的有趣的航空运输网络在复杂网络:(1)机场网络,(2)航空网络和空气联盟网络,(3)航线网络,(4)空中交通管制部门网络,和(5)国家网络。的机场网络是由连接双机场如果他们有直飞航班,虚线所示的图吗1。考虑到航班可能由不同的航空公司,也有不同类型的虚线图1。几家航空公司可能的盟友分享他们的航班和提供更多的交通便利的选择。如果我们歧视的航班航空公司(48)或航空联盟,航空公司的网络或航空联盟网络被建立。在某些机场网络或航空网络,有一个以上的机场在同一个城市。这些机场可能会合并成一个节点。城外交通信息积累到新的节点,而在城市交通信息是被忽视的49]。注意到的是,航空公司网络不同于机场网络只在航空公司。如果航空公司信息没有被计算在内,该公司网络是一样的机场网络,例如,(49,50]。
然而,航班不会直接飞到目的地机场航空公司的航空运输操作。安全性和空域容量,他们必须按照预定义的名义,名叫航路或气道。通常,一个航路看起来像一个多线而不是一条直线。航路/气道是由几个中间路点,机场和段,即。,W1 W2, W3和它们之间的实线,如图1。航线网络一旦这些航线创建路径点,机场,预定义的名义跟踪得到考虑。此外,空中交通管制员负责预定空域内飞行安全和效率,名叫空中交通管制(ATC)部门。通常,空中交通管制部门涵盖了几个路标点不同的航线和零个或多个机场,正如图所示1。空中交通管制部门网络由连接空中交通管制部门,如果他们有一个航路段。在国家网络,所有的机场、锚点或空中交通管制部门在同一个国家或地区合并成一个顶点,和国家或地区内的连接是丢弃。由于航路网络和空中交通管制部门网络是最相关的飞行操作,研究研究航班延误最受益。
上面的链接网络节点之间可以利用交通信息的重量。频繁采用重量包括航班,乘客,和可用的座位。没有重量,是一个二进制的链接。此外,定向流量两个相同顶点之间也可以分别建模。在机场网络图1,边缘⟶C可能描述交通从A到C, C⟶可能代表的联系交通在相反的方向,这是导演的网络(51]。
2.2。时间网络
时间网络由一系列静态网络的多个快照时间。在颞航空运输网络,连接、重量、结构随着时间演变t,如图2。
图2是时间的一个例子机场网络,节点表示机场。创建一个链接时,存在一个直接的两个机场之间飞行。如果我们把航班的数量,重量,重量和机场网络的连接可能会随着时间而变化t。除了结构演进、颞航空运输网络也充满动力,如航班延误。
2.3。在复杂网络基本指标
表1列出了最常见的基本指标用于航空运输网络在复杂网络。
这些基本指标为无向和指导网络。而且,h指数(56,57),加权指标(58),和其他复杂的方法(17,20.)是基于他们开发的。所有这些指标都是直接描述单顶点或整个网络。在特征向量(59),k生水起(60)来评估他们属于节点通过社区或层。
3所示。网络性格分析
网络性格特征根,繁殖,甚至网络的预测系统。建模和分析的基本步骤是航空运输网络的研究在航班延误。这部分是调查分析对航空运输网络字符在复杂网络的背景下航班延误。本节的重点包括静态网络和时间,一起识别拓扑重要节点/边。
3.1。分析静态网络
静态的航空运输网络来自一个快照或网络系统状态在一定时间内的累积。在复杂网络理论中,一般程序静态分析航空运输网络是构建网络模型基础上收集数据,计算网络的拓扑度量模型,并分析这些指标。
交通信息特征的连接在航空运输基础设施和综合系统的基本描述。因此,本节抓好交通信息的特征建立了网络模型。为此,研究人员通常采用加权指标甚至开发新指标。表2比较一些强有力的影响分析静态航空运输网络在复杂网络理论。
讨论表2在双重的。第一个指的是航空运输网络模型。尽管不同的航空运输网络的拓扑结构模型分析了全球学者、机场网络模型获得最多的关注。主要是因为它是最困难的一年。然而,机场网络模型也是最不同的一个真正的航空运输操作。它丢弃大量中间中转地点和联系人。因此,航班影响因素,如发散、收敛,和交叉在空中交通,空域限制,和灾害性天气,不能得到有效的考虑。这个问题将进一步证实了示威活动的表3- - - - - -6。
另一个问题关于航空运输网络模型是一类节点。尽管Verma et al。50],Lordan和Sallan [62年杜,et al。49)将机场网络封装到多层基础设施通过“k-core分解”的方法,顶点在所有五个航空运输网络模型表示机场,地区/国家,航路航点,或空中交通管制部门或者。从本质上讲,所有可用的模型中节点只代表点的飞行路径或飞行路线。机场、航路航点和空中交通管制部门将不会出席在同一网络模型。这个简单的造型方法可能适用于网络级描述。然而,有很多因素可能影响飞行操作,如平面旋转、飞行机组人员,空中交通控制器,和“通信、导航和监视设备。“任何可能产生大规模中断的航空运输网络。没有这些飞行操作相关的子系统和子层,当前造型方案很难有效航班延误。
第二个适用于航空运输网络的特性对交通系统。航班数量和可用的座位数量最频繁使用的重量使著名网络流量在几乎所有的相关文献,包括那些在表2- - - - - -6。然而,一个全面的描述航空运输网络系统需要更多的信息,如空域容量,地理长度、方向,高度限制一段航路/气道。我们所知,他们丢弃当前的调查。此外,目前的研究无法使用不止一个的重量。认为信息是如此的有限,很难进行综合解释的航空运输网络系统。
除了重量,学者也采用拓扑指标和它们之间的相关性揭示航空运输网络的特性。基于这些传统指标表2Barrat et al。58)提出了加权聚类系数和加权平均的最近邻居学位。指标之间的相关性,例如,集群coefficients-degree之间的关系(61年,63年和强度58),得到进一步评估。Guimera et al。65年)和Bianconi et al。66年]研究群落结构之间的连接和空中交通网络拓扑结构。Bianconi et al。66年)提出了一个熵量化控制指标的依赖美国机场网络结构对群落结构和各个顶点的度。
进展通过基于指标的分析。然而,大多数可用的度量拓扑,包括所有传统及其加权指数在表中2- - - - - -6。他们的航空运输网络拓扑的网络功能,而航空运输网络是一个物理网络系统,为交通而生。存在一个固有的拓扑结构和功能之间的差距在当前研究和仍然unnarrowed的差距。
3.2。演化分析
在强大的波动在不同时间尺度的航空运输网络,不仅拓扑性质演化还航班延误传播。时间网络由一系列静态网络的多个快照,关于时间的演进主要是通过统计分析对网络拓扑指标及其关系在不同的时刻。
除了关注静态网络部分3.1,本节主要关注点在于如何分析时间的演进。表3调查一些强有力的影响分析时间的演进。
表3证实了结论部分3.1。它也表明,大多数的调查在这个领域进行通过基本统计信息网络指数和它们之间的关系。
我们和太阳15]分析了全球国家的年度和月度的演进网络通过度和密度(degree-related指标)。度和中间状态之间的关系和拓扑的关键节点和链接进一步显示了。除此之外,他们计算年度内相关性未加权的程度和passenger-weighted中间性和相关性在功能上关键节点和加权链接。芙琳et al。16]发现拓扑特征在美国机场网络稳定的程度,通过统计passenger-weighted学位,和乘客流。此外,他们探索的微观动态网络通过分析体重增长和终生的链接。•罗查[17)扫描未加权和加权巴西机场的年度演进网络通过学位,最短路径长度和聚类系数,连同他们的分布和它们之间的相关性。
Cai et al。19]分析了中国航线网络通过早期演化分布flight-weighted学位,每年的交通流量和交通流量的增长速度。基于度、加权、聚类系数、介数、加权中间性,亲密(最短路径length-based度量)和加权亲密、太阳等。20.)研究时间演进的欧洲航线网络和欧洲的机场网络。采用权重的航班数量和可用的座位的数量。
时间趋势指标及其相关性主要是通过time-figures提出和讨论。原则层次分析是相当罕见的。体重增长和一生的链接(16),熵分布程度(17),和常规指标的变化和浸20.)是用来改善传统方法和缩小之间的差距航空运输网络的拓扑结构和功能。
3.3。重要的拓扑节点/边的识别
是公认的识别有影响力的顶点或链接42- - - - - -44对某些利益至关重要。从本质上讲,本节中识别评价指标在静态网络节点/边。然而,没有一个指数可以执行的义务。一般检测的想法是基于multitopological属性,如层次分析法(67年]。因此,我们感兴趣的识别方法,度量他们融合,性能测试方法。表4是组织的担忧。
李、徐(41)使用函数索引和拓扑节点重要性的评价指标。这些指标是融合的方法基于模糊软集理论能够整合几个指标在不同的时间间隔。该方法的性能评估是通过机场网络效率的变化机场后故意删除。任等。42]节点排序算法提出了一个基于VCM和四个传统拓扑度量。较大的VCM假设指数差异有很大影响网络物理性质和更重要。他们采用先生(susceptible-infected-recovered) (38)模式获得节点的感染能力。VCM和四个拓扑的性能指标,通过先生模型进行比较。IEM [43)认为,小熵的指标提供了更多的信息和更重要。
根据拓扑指数,这些方法(41- - - - - -43)直接计算节点的重要性。相反,任et al。44测量路径的影响通过网络删除节点后的变化。网络集聚的变化定义为相对熵。网络集聚是由平均路径长度已介绍了表1。
识别影响节点/边大大刺激了这两种方法。然而,之间的差距航空运输网络的拓扑结构和功能体系仍然仍然unnarrowed。最常见的利用指标网络拓扑的变化也是量化通过网络拓扑结构的变化。最后但并非最不重要,它是感谢,航线网络和空中交通管制部门网络已从研究人员引起注意,因为它们是最相关的网络真实的飞行操作。
3.4。总结
除了关于网络人物复杂网络分析航班延误的背景下,我们更关注网络模型这是后续研究的基础,因为航空运输网络是一个物理网络,为交通而生。未来的改进在于理论方法和航空运输网络功能之间的桥梁。(1)有可能干扰飞机的各种因素和系统,如天气、飞机旋转,机组人员,空中交通控制器、通信、导航和监视设备,“发散,收敛,横在空中交通,空域的限制。其中任何一个可能产生大规模的空中交通网络中断。然而,所总结的部分3.1和其他部分证实,目前五网络模型无法考虑这些因素由于缺乏中间点的飞行路径和单一类别的节点。这可以防止这些网络模型成为航班延误最有效的建模方案。与飞行操作相关的子系统或子层嵌入,如(68年),分层建模方法可能是最合适的航班延误的框架。(2)由于航班延误是关心航空运输系统的功能/操作,拓扑结构和功能之间的差距针对航班延误时应该认真对待。更多的方法或者指标,负责航空运输网络的拓扑结构和操作,要发展。此外,综合描述和评估关于航空运输网络肯定会被重量超出交通信息刺激,比如地理长度、容量、和高度限制,或通过网络模型有超过一种权重。
4所示。弹性
航班延误会频繁发生航空运输网络不太健壮的干扰。弹性最初源于拉丁词”这个词resiliere”,意思是“反弹。“弹性意味着一个实体或系统的能力回到其正常状态时中断。韧性的工程系统可以得到澄清通过三个阶段的系统响应图3(69年]。
性能代表网络系统执行所需任务的能力。有各种性能指标在复杂网络中,这将在稍后讨论。在最初的稳定阶段,网络性能维护的目标水平p0。在破坏阶段,系统性能下降到最低水平pr。在恢复阶段,网络系统性能恢复到新的稳定水平pns。灵感来自定义关于吸收能力和恢复能力70年),我们认为,在空中交通网络系统,(1)鲁棒性是指网络性能损失(PL=p0−pr在图3摄动时)。干扰会产生更少的性能损失一个健壮的网络。(2)平均下降率的网络性能反映了网络对扰动的阻力。有时,它可以表达的性能损失超过指定的时间, 。它还可以测量的性能损失在一定攻击强度 。攻击强度一个可以量化的删除节点或边缘。网络脆弱性通过描述性能损失及其平均下降率。(3)pns−pr及其平均增加率是用来描述航空运输网络的恢复能力。类似的平均下降率PL, 显示在指定的时间恢复性能。而且, 代表恢复性能在一定的恢复力量。恢复力量r可以量化的修复节点或边缘。
因此,弹性是由脆弱性和恢复能力。韧性、脆弱性和鲁棒性之间的关系见图4。
以下标记的数字数据3和4,鲁棒性之间的关系、脆弱性和恢复力很容易被澄清。这澄清品种一个清晰的看到成许多研究对航空运输网络的弹性系统。目前的调查可以回顾了基于以下4个问题。(1)网络性能损失是多少时中断?如何衡量这个健壮性?(2)什么是最有效的和高效的攻击策略或性能损失最大化可以做什么?除降低网络性能最谁的?(3)什么是最好的策略恢复网络系统的性能?的复苏增加网络性能最多?(4)如何使一个全面描述航空运输网络系统的弹性呢?
4.1。鲁棒性测量
在早期研究误差和公差在复杂网络中,艾伯特et al。71年]认为平均长度的网络中任意两个节点之间的最短路径作为复杂网络的性能。有争议和赖22)量化网络性能方面相对节点的最大连通子图的大小。
在本节我们关注问题(1),性能指标,以及如何衡量航空运输网络的鲁棒性。表5提出了近期文献对鲁棒性的影响。这些研究是删除或恢复顶点及其连接边缘一个接一个基于不同的选择标准。采用网络鲁棒性测量和分析的性能指标。
表5显示网络效率(21]随着最大连通子图的大小排名最常使用航空运输网络的性能指标。网络效率密切相关的平均最短路径长度见表1。网络效率和最大连通子图的大小,使网络性能以外的网络连接网络的功能。然而,航空运输网络是实用的基础设施,为空中交通而生。网络鲁棒性涉及系统功能,正如前面所讨论的那样。没有基本的交通信息,这两个拓扑指标不太令人信服的测量航空运输网络系统的鲁棒性。
在航空运输网络功能的背景下,Janić[72年]依赖数量的航班/乘客计算现有机场的鲁棒性。鲁棒性删除机场是衡量他们的重量。然后,他总结的鲁棒性的左顶点视为网络的鲁棒性。我们et al。73年和太阳等。64年)雇佣未受影响乘客和重路由作为基准指数评估航空运输系统的鲁棒性。此外,太阳et al。64年]和邓恩和Wilkinso [74年)幸存下来链接定义为航空运输网络的鲁棒性。所有这些总结体重指标(64年,72年,73年)评估航空运输网络的鲁棒性方面的交通需求。
另一种解决方案来自交通供给的角度,基于空域容量(75年- - - - - -77年]。棱角et al。75年,76年)提出了一种新的鲁棒性指数称为相对面积指数(RAI)。指数量化各个节点的影响整个网络的性能时在当地的规模容量减少。,模型估计的最大网络流的新产能的航空运输网络的影响。他们(75年RAI-based健壮性之间也进行了比较分析和betweenness-based鲁棒性。Yoo和杨77年)认为冗余能力来取代受损节点自适应能力。此外,他们评估了航空运输网络的鲁棒性概念基于自适应能力。
很大的进展描述取得的航空运输网络性能从网络功能的角度来看。他们要么依赖于交通需求或依赖交通供给。因此,拓扑的缺点基于字符的方法得到克服,功能和航空运输网络的拓扑结构之间的差距会缩小。然而,很少有考虑交通需求和交通供给他们同时描述。这是违背COVID-19的迹象。在罕见的情况下,交通需求严重抑制,而交通供给(航空运输网络的容量和空域)仍然几乎相同。如此疲软的需求,任何随机错误或故意攻击网络系统会产生比以前更少的干扰。交通需求和交通供给建议得到测量中同时考虑航空运输网络的鲁棒性。
4.2。攻击和恢复
本节讨论的问题(2)和(3)节的开始4,搜索最有效的和有效的策略来减少或恢复网络性能,和定位这些节点或边缘有影响力的网络性能。表5显示,大多数采用的策略是一个接一个地删除或恢复节点基于他们的价值观的学位,中间性、集群系数、亲密、或其他拓扑度量。策略有效性评估,通过评估网络的鲁棒性。然而,这些节点的拓扑的选择标准也因为他们完全依赖于拓扑指数和鲁棒性指标。在这functionality-oriented研究的诞生,没有其他更好的解决方案,研究人员必须继续拓扑方法。然而,现在取得的进步。更有效的和高效的策略应该被开发出来。攻击策略。灵感来自一般的游戏过程,我们et al。73年)提出了一种新的勘探/开发搜索技术来有效地发现攻击策略。它是基于蒙特卡洛树搜索算法,而不是网络指标。邓恩和威尔金森(74年)认为可能有未使用的机场容量接受先前计划外的航班。这允许一个自适应储蓄和重路由边缘。这种自适应策略被证明是有效地提高鲁棒性。汤普森和Tran78年)利用三阶段优化模型(defender-attacker-defender)来分析美国航空运输网络的鲁棒性。模型近似动力学三个反对代理包括:操作员,旨在通过优化客运网络的运营成本最小化重路由,攻击者,旨在最大化,成本通过扰乱网络路线,和后卫的任务就是减少攻击者通过保护关键的行动路线。恢复策略。在航空运输网络系统自恢复策略并没有引起多少利息,目前恢复策略主要依赖于拓扑特征。克拉克et al。25)三个恢复策略的性能评估在美国机场网络。它们是基于交通量和随机和网络中心(特征向量,亲密、中间性和学位),分别。王等人。28)随机的影响相比,mba, betweenness-based和删除序列恢复策略在中国空中交通管制部门网络。然而,我们所知,我们没有注意到很大进步在恢复策略。目前相关文献考虑交通信息和恢复策略研究通过网络系统演进的造型如(73年,74年,78年]。有影响力的节点或边缘网络鲁棒性可以被攻击和恢复策略。然而,这些诊断节点/边是独立的个人和求和的可能不是最重要的。杜et al。45]雇了一个迷因算法寻求最低网络鲁棒性后删除某些中国航线网络的边缘。算法的攻击性能优于edge-betweenness最高的适应性策略。算法的解决方案是至关重要的边缘。索里亚时et al。24)提出了两个定制的方法寻找最有效的序列的边缘网络鲁棒性降低。它是基于中间性和损伤。他们还比较了遗传算法的性能,模拟退火,两个自定义算法,提出两者的结合方法在全球机场网络。仿真实验表明,该组合是最有效的。
4.3。弹性的描述
很难得见到许回答问题(4)文献。(27和王et al。79年)定义了一个通用航空运输网络中吸收和韧性指数恢复功能(见图3)被计算在内。通过评价系统性能,综合中国机场网络的弹性进行了分析。
珍贵得多,这一集成的健壮性、抗攻击,和恢复能力涵盖所有扰动响应阶段。然而,航空运输网络是一个实用的/物理系统,如电力供应系统(70年]。其操作充满子系统或子层之间的交互,也就是说,机场,“通信、导航和监视设备,”空中交通控制器,等等。操作子系统或子层是如此复杂,任何研究子系统或子层是值得的。这些复杂的子系统或子层应该得到进一步解释弹性描述。
4.4。总结
我们澄清了鲁棒性之间的关系、脆弱性和恢复力在本节的开始。在这个指导下,我们调查文献航空运输网络在复杂网络的弹性。未来工作概述如下:(1)航空运输系统是一个实用的基础设施,其鲁棒性应该与系统性能。交通信息是基本的健壮性描述。除了拓扑指标,学者们已经开发出许多索引从的角度描述航空运输网络的鲁棒性交通需求、交通供给。然而,COVID-19局势表明,交通需求和交通供给应该得到计算同时测量对航空运输网络的鲁棒性。在罕见的情况下,交通需求严重抑制,而交通供给(航空运输网络的容量和空域)仍然几乎相同。如此疲软的需求,任何随机错误或故意攻击系统会产生比以前更少的干扰。(2)复杂网络框架下,传统的攻击策略和恢复策略删除和恢复节点/边一个接一个基于拓扑度量的值。蒙特卡洛树搜索算法(73年),自适应边缘储蓄和重路由策略(74年],defender-attacker-defender优化模型(78年)曾更有效的攻击策略。,我们最好的知识,调查关于恢复策略仍然依赖于拓扑指数。(3)很欣赏韧性描述关于航空运输网络系统已经开始的封面所有响应阶段,虽然它只是开始。有各种各样的子系统或子层在航空运输网络和其中任何一个可能产生大规模的破坏。这些因素应该得到进一步考虑弹性描述。我们相信,只有这样,韧性的航空运输网络系统可以准确地评估。
5。航班延误
航班延误发生在飞机不能准时起飞或土地。这种异常可能传播到下游通过飞机旋转飞行。此外,大量航班延误将传播在一些极端情况下,如恶劣天气和空域的限制。在复杂的网络框架,航班延误扩散可以描绘成网络动力学,如级联故障(22,80年)或流行过程(81年]。
当前调查关于航班延误在复杂网络理论侧重于实证分析,揭示延迟的因果关系,预测或延迟传播造型,识别最好的传播者。实证分析(27,82年]分享类似的假设、方法和局限性与网络特征分析部分3。因此,本节将不再讨论它们。,这些文章(83年- - - - - -87年)也从我们的浓度,因为它们超出了复杂的网络框架,即使他们有价值的和有资格的预测或延迟传播的造型。
5.1。航班延误的因果关系
在性格的基础上分析了复杂网络对航班延误,学者们试图发现航班延误的因果关系。顶点之间的因果关系可能会通过统计显著性检验方法开采。航班延误因果关系网络是由连接对顶点是否有直接引起的航班延误。此外,角色的网络在复杂网络理论分析了航班延误。
表6调查最近关于航班延误的影响研究因果关系复杂网络框架下。在当前形势下,通过拓扑建立航班延误网络性能评估指标在复杂网络。网络参数标准分析在这一领域与网络人物评价部分分享类似的限制3。因此,我们关注的主要问题是基础数据,尤其是网络工作类型和时间序列显著性检验的航班延误。方法,我的航班延误之间的因果关系也非常有趣。
分析了关于表6根据集中进行组织。第一个指的是基本数据。尽管航班延误下因果关系的复杂网络理论的出现只有六年前,相关研究已经覆盖全球主要国家/地区。显著性检验方法的工作离不开航班延误的时间序列。数据时间序列不同于着陆推迟起飞延误。真正的飞行操作更喜欢地面延迟策略比空气延迟战略安全和空气燃料储蓄。这使得延迟通常发生在起飞而不是着陆。取消的航班应该算相当多的航班可能会取消以来大量航班延误事件。
然而,所有航班延误因果关系研究机场网络。然而,航路网络或空中交通管制部门网络,真正的飞行操作。之间有多个中间节点发放机场和目的地机场的飞行操作,正如图所示1。航班会经常发散、收敛和横在中间节点,比如得了W2和罪犯在图1。航班延误会扩散严重一旦中间节点阻塞或由恶劣天气。另一个频繁的情况是,一旦两者之间有太多的航班,那可能是分配给这些航班优先级。因此,罪犯之间的航班将推迟,尽管没有直接的a - c和罪犯之间的联系。在这种情况下,航班延误应在航路网络或空中交通管制部门网络学习。
第二个担忧是关于显著性检验方法检测航班延误了因果关系。最常见的应用格兰杰因果关系检验的方法由于采用线性平滑和平均数据。然而,航班延误通常以非线性的方式传播。在大量航班延误,航班延误可能分散在一个特定的时间窗口。然而,这些沉重的传播可能会被忽略的平滑和平均数据古典格兰杰因果检验。为了克服这些限制,Belkoura和Zanin29日)开发了一种极端事件的因果关系检验方法来识别那些高于预期的延迟。它依赖于异常值和统计这些价值是如何传播的。他们还将新方法的性能与传统的格兰杰因果关系通过因果关系,传递性、效率、最大的最短路径长度,任何一对顶点之间最大的距离,和assortativity。
除了平均数据,权重大小延迟同样也让格兰杰因果无法检测大延迟。小延迟很容易吸收空气中的飞行旅行和航班计划缓冲(34]。出于这个原因,Mazzarisi et al。34)提出了一个扩展使用格兰杰因果检验,也就是说,尾巴的格兰杰因果关系。它只考虑极端事件和大的延误。他们还将该方法的性能与传统的格兰杰因果检验通过因果关系,平均路径长度、平均聚类系数。
格兰杰因果关系检验,除了肖et al。32]提出了低维近似的条件互信息熵测试转移到我的因果关系之间的非线性航班延误。然后,他们设计了一个基于人工非线性时间序列的仿真实验。通过真阳性、假阴性,真阴性,和假positive-based指标,该方法的性能是类比推理与格兰杰因果分析和传递熵方法。模拟证明了估计精度提高转移时熵被用来量化和验证延迟传播。王等人。33]运用皮尔逊相关系数来捕获之间的相关性在不同的机场航班延误。他们还建立了航班延误的网络操作数据。
检测延迟传播是后续航班延误的基础研究。根据复杂网络理论,出现了格兰杰ausality测试,传递熵测试和皮尔森相关测试方法在当前航班延误因果关系研究。学者们意识到他们的局限性和试图改善他们。然而,这个问题并没有得到太多的关注在一般情况下,我们没有注意到多少的努力。此外,评估对检测准确性值得更多的关注。Belkoura和Zanin29日)和Mazzarisi et al。34)相比,提出的方法与传统方法的准确性。肖et al。32评估该方案的准确性通过航班延误传播仿真实验。没有人证实,验证或评估真正的飞行延迟数据。航班延误传播更有效开发测试方法与精度高。
最终,以上航班延误的概念因果关系检测方法是我推迟因果关系通过显著性检验方法在统计和航班延误时间序列。从本质上说,这些计划完全依赖航班延误数据执行他们的职责。他们没有充分利用航班计划和飞行计划。在实际飞行操作,有飞行日程安排航班。大部分飞机将与几个航班一天之内。每个商业飞行,必须提前提交飞行计划。目的地机场飞行计划包含起始机场计划航线,预计出发/到达时间,尾巴的飞机数量。通过尾数量,我们能够跟踪飞机的飞行路径当然延迟传播路径。我们相信,航班延误因果关系的准确性检测机制将增加一次航班计划和飞行计划中。
5.2。航班延误传播模型
随后,学者开始模拟或预测航班延误推迟缓解和减少扩散。在复杂的网络框架,航班延误扩散可以描绘成网络动力学,如级联故障(22,80年)或流行过程(81年]。
我们主要关心的事模型是如何飞行的传播延迟。最常见使用模型(爵士38在流行和级联失效22,80年)模型。爵士模型系统中所有个体分为几组不同的状态。每个人都只有一个状态在一个时间步长保持一致。机场航班延误或延迟可以感染状态,这些从航班延误的状态中恢复过来,并迅即在敏感的状态。航班延误传播是通过状态传输模拟。
Baspinar和Koyuncu35和谅解备忘录等。36]认为恢复顶点也不能免于航班延误,可以延迟相同的可能性与敏感的。他们使用最简单的爵士模型。只有两种状态:易感,感染。之前被感染节点恢复正常/敏感,它将保持不断感染状况和航班延误蔓延到邻国。爵士模型直接标签节点推迟或瞬时的。在实际飞行操作,机场,路标,空中交通管制部门,或其他组件包含不止一个航班。因此,准确的传输速率(感染率或回收率)是非常重要的预测或造型似乎在一个机场因为并非所有航班延误或瞬时的在任何时刻。
级联失效模型(22)繁殖航班延误传播基于飞行航空运输网络系统的流运动。它假设故障或航班延误发生一次节点的负载比它的能力。失败的节点必须从网络中删除及其负载分配给其他航空运输网络中节点连接。这种再分配可能产生级联故障。因此,航班延误航空运输网络中扩散模拟。吴et al。37)认为,延迟机场能够执行一定的流量负载和保持延迟机场除了关闭它们。这个想法是类似于真正的飞行操作,使模型更合理。他们还探讨了协会的级联故障(22),先生。分配策略的级联故障仍然是一个极富挑战性的问题,因为有多个飞行在一个顶点。
此外,基于单独的执行(爵士35,36)和改进的级联故障(37需要基本的计算机模拟。这不仅要求增加计算复杂度也减少网络架构的调整的灵活性。然而,科学家能够画出网络系统特点及其动态过程通过数学方程在传统nonindividual-based先生模型。这种方法假设所有的个体都是相互联系和网络完全混合。与图拉普拉斯算符(39],埃斯特拉达[40发现并证明了传播过程的角色。他获得了收敛速度,并通过理论分析最好的传播者。这样,航班延误的造型可以以较低的成本建模的复杂性。
第二个担忧是关于感染/回收率和再分配策略。解决这些问题具有重要意义,因为他们是关键参数模型飞行延迟传播。
Baspinar和Koyuncu35)的感染率估计airport-based先生通过数据驱动模型统计分析飞行计划信息和实际飞行数据流。Ground-waiting飞行时间是用来确定flight-based模型中的感染率。此外,他们计算的理论回收率airport-based先生通过方程模型和flight-based模型的框架。飞行时间和ground-waiting时间也被认为是运行的模拟。此外,感染率和回收率从实际飞行流欧拉方法提取的数据。建立模型的准确性捕获延迟传播是通过对比证明估计利率和实际利率。谅解备忘录等。36]介绍了两个airport-based SI模型评估的影响飞行时间和航班延误ground-waiting时间价差。其中之一,感染目前航班延误完成飞行。在另一个,感染的航班延误航班机载完成一次。感染率在这两个模型是直接定义为0.5,回收率在0。
吴et al。37没有定义或直接计算感染率和回收率。他们重新分配超过负载的感染机场连接受到机场称重量。有多个可用的重新分配策略,如平均、mba和基于优先级的。介绍了在节5。1,我们能够跟踪飞机的飞行路径通过航班计划和飞行计划。飞行路径也让我们跟随航班延误在航空运输网络的传播。然而,航班计划和飞行计划应该都进行了广泛的探索获得更准确的感染率,回收率,重新分配策略。
从解决航班延误传播关键参数建模方法,取得了相当大的努力,完成框架下航班延误传播的复杂网络。高精度的追求是一个基本目标。一般来说,航班延误传播模型的准确性仍多,真正的飞行操作数据。精度检验的实际飞行数据预测价差也意味着一个新的主意。自当前先生和级联失效模型完全依靠prebuild模型来模拟或预测航班延误在网络传播,实际飞行数据可以用来修改造型或预测。prebuild的预测模型和基于区别真正的航班延误,我们相信修订将增加预测的准确性或造型。
5.3。航班延误最好的传播者
延迟传播模型的进展,出现了一个新的热点问题:识别最好的传播者,这对缓解和减少延迟是不可缺少的。一般的方法是测量航班延误,一旦节点或边缘被移除。航班延误是更严重的,更关键的删除节点或边缘。
除了策略用来确认最好的传播者,我们主要关心的事是关于如何测量一次航班延误的影响节点或链接删除。卡迪罗et al。68年)模拟乘客的行为重新安排航班取消或机场之间的联系时,删除。通过量化改期或延误的乘客,他们探讨了影响欧洲航空网络的链接删除。改期或延误乘客的数量也用来表示网络的鲁棒性。Voltes-Dorta et al。46)提出了一个算法来量化影响乘客由于给定机场关闭。替代的方法也重新分配中断旅客旅行行程基于最短路径长度。乘客重新分配的比例来衡量欧洲机场网络的鲁棒性。累积延迟破坏经历乘客识别关键的机场。
Mazzarisi et al。34)发现,现有中心指标既不尊重航班计划,也不考虑每个航班属于航空公司。因此,这些指标并不能够描述航空运输网络延迟的影响。然后,他们雇佣了一个新的中心,识别重要的机场。它是不同的从传统方法由于机场的重要性是衡量通过航班延误的影响。
这年代感谢航班延误是通过操作量化影响除了采用拓扑变化的鲁棒性指标。然而,以上工作遇到相同的弱点与第一关注的部分4.2。他们通过计算机模拟识别影响力的节点或链接,这就提出了一个计算的复杂性。相反,埃斯特拉达(40是能够找到最好的传播者通过理论分析与图拉普拉斯算符(39]。它实现了低成本的计算复杂性。
我们的第二个问题在于策略用来确认航班延误最好的传播者。我们最好的知识,选择节点和边随机或拓扑特征值在当前最好的传播者识别研究。这些确定节点/边可能是最关键的个人航班延误,但总和可能不是最有影响力的协会航班延误在网络水平。这个结论是相同的攻击和网络弹性部分的恢复策略4.2。
5.4。总结
角色的基础上分析了复杂网络对航班延误,学者们努力发现航班延误伤亡,模型或预测延迟传播,并识别出有影响力的节点/边复杂网络下航班延误。部分5对这些具有挑战性的和务实的问题调查的最新进展。未来前景的结论如下:(1)复杂网络框架下,几乎所有当前的研究部分5在机场网络进行。然而,机场航线网络或空中交通管制部门网络而不是网络,真正的飞行操作。在这两个网络之间有多个中间节点发起机场和目的地机场。机场网络忽略这些多个中间路点和阻止我们跟踪一些频繁的航班延误。调查在这部分应该更加注意航路网络或空中交通管制部门网络更好的精度。(2)目前航班延误因果关系检测模型完全依靠航班延误时间序列挖掘节点之间的因果关系。一些航班计划的充分利用和飞行计划特别是估计对爵士的传染率和恢复率和再分配策略的级联故障。然而,飞机的飞行路线可以追踪从航班计划和飞行计划。在飞行路线的指导下,我们能够遵循一个飞机和延迟的延迟传播传播在整个网络。目前关于航班延误在复杂网络的研究,包括航班延误因果关系检测和估计感染率/回收率/重新分配策略,应该广泛探索航班计划和飞行计划的好处。(3)大多数调查航班延误传播模型和最佳传播者识别需要计算机模拟。这不仅提高了计算的复杂性,也降低了网络体系结构的调整的灵活性。与图拉普拉斯算符(39],埃斯特拉达[40)透露,通过理论分析证明了传播过程的角色。他们起草新课程寻求或开发方法在低计算复杂度。它进一步提醒,拉普拉斯算子变换,z变换,傅里叶变换、小波变换在信号处理领域可能采用的目的。从时域转换为频域,我们可以对航班延误执行分析在低计算复杂度。(4)多一直努力揭示航班延误伤亡和模型飞行延迟传播。然而,因果关系检测的准确性和扩散模型并没有被真正的飞行数据进行验证。通过实际飞行数据准确性测试预测价差也意味着一个新的主意。由于经常先生和级联失效模型完全依赖于传播prebuild模型来模拟或预测,实际飞行数据可能会利用修改造型或预测。一旦区别prebuild的预测模型和真正的航班延误是用来修改下一个时间步的预测,预测精度的飞行延迟扩散在接下来的时间步长增加。(5)航班延误的总体战略确定最好的传播者是测量节点或边缘被删除后的航班延误。航班延误是更严重的,更重要的是节点或边缘。在这种情况下,确定节点/边可能是最具影响力的个人航班延误。然而,诊断个人之间的反应被忽略和求和的可能不是最关键的整个网络。为了缓解和减少航班延误,最重要的关联节点/边更有价值。更有效的算法应该应用于寻找最重要的组节点/边航班延误。
6。结论
航班延误是最受益的航空运输系统的担忧。从复杂网络的角度来看,我们回顾了研究网络特征分析,研究网络弹性和航班延误。他们都直接或间接地导致航班延误现象在空中交通网络系统。我们有映射艺术的状态识别有前途的方法,以及使他们的明确的限制和假设。提供详细的结论组织在主要的背景下,未来的发展方向进行了总结四倍:(1)可用的网络模型下的航空运输复杂网络框架中,所有的节点或边缘与相同的属性建模。这些模型忽略众多子系统和因素飞行操作。这种造型方法阻止我们跟踪和分析频繁的航班延误。此外,真正的飞行操作可能会影响到平面旋转,机组人员,空中交通控制器、通信、导航和监视设备,“和其他子系统或子层。是不可能全面描述航空运输网络系统的脆弱性和恢复力由于这些因素是当前复杂网络框架之外。有必要利用分层建模方法采取飞行操作相关的子系统,航路路标点和空中交通管制部门网络模型。分层建模方法将使网络模型在复杂网络框架为航班延误更有能力。(2)航班延误是航空运输系统的功能或操作。在当前研究航班延误下复杂网络,拓扑结构和功能之间存在着明显的差距。大部分可用的网络指标和可靠性指标拓扑。传播率对航班延误传播主要是量化通过拓扑连接。交通信息是缩小差距的关键。更多的指标与交通信息和负责航空运输网络运营发展。网络系统的鲁棒性度量应该同时考虑交通需求和交通供给,这是由COVID-19局势表示。此外,航班计划和飞行计划在飞机飞行路径的跟踪是不可或缺的。航班延误的飞行路线是有价值的因果关系检测和航班延误传播率的估计。除此之外,真正的飞行操作精度检验的数据可以利用航班延误因果关系检测和航班延误扩散模型。 We also believe real flight data can be employed to revise the modelling or prediction about flight delay propagations. Accuracy of flight delay propagation models may thus get raised.(3)大多数调查关于航班延误传播模型和最佳传播者的识别需要计算机模拟。这不仅要求增加计算复杂度也减少网络体系结构调整的灵活性。与图拉普拉斯算符(39],埃斯特拉达[40)、比利时寻求或开发新课程通过理论分析方法计算复杂度较低。它进一步提醒,拉普拉斯算子变换,z变换,傅里叶变换、小波变换信号处理中的可能应用。从时域转换到频域,我们可以对航班延误执行分析以较低的计算复杂度。(4)在研究攻击/恢复策略,以及调查识别的有影响力的节点/边网络弹性和航班延误传播,最常见的选择标准选择节点/边通过随机或拓扑度量的值。复杂的算法,如蒙特卡洛树搜索算法(73年),自适应边缘储蓄和重路由策略(74年],defender-attacker-defender优化模型(78年),已经申请了更有效的攻击策略。而我们所知,仍然依赖于拓扑指数恢复策略。此外,这些确定节点/边可能是最具影响力的个人网络弹性或航班延误传播。然而,大多数当前的研究忽略了它们之间的反应和他们的总和可能不是最关键的。类似于迷因算法(45和自定义方法24),应制定有效的算法来搜索最有影响力的节点/边序列网络弹性或飞行延迟传播。
的利益冲突
作者宣称没有利益冲突。
确认
本研究由国家自然科学基金支持下中国的批准号。71573184,71874081,U1733105 U1733203,特殊四川省科学技术发展基金会下从中国中央政府批准号2020 zyd094,四川省科学技术基金会批准号。2020年yfs0541和2021 yfs0319,和科学研究的基础下CAFUC批准号qj2021 - 160。