文摘

本研究提出了一种两步解决方案方法由于分辨率机动飞机解决冲突和燃料消耗发生在免费路线领空。这个模型的目的是提供一个决策支持系统的数学基础,在使用pretactical冲突解决空中交通管理。第一步的数学模型提出了替代入口点双方现有的部门入口点指挥飞机延迟最小化最方便的入口点。第二步表明矢量偏转机动减少额外的燃料消耗引起的冲突解决。gam /最大化策略解算器是用来解决模型的第一步,但解决的办法不是产生在一个合理的时间。获得可行的解决方案,实现遗传算法和禁忌搜索算法的第一步。小尺寸是评估metaheuristic算法生成的测试问题,并与gam结果/最大化策略解决方案。根据这一比较,两个metaheuristics算法在相当短的时间内产生最优解附近。该方法方面取得了显著改善机载延误和额外的燃料消耗引起的飞机在大型冲突决议空域。

1。介绍

航空运输已经发展成为全球行业大型,复杂,快速增长的本质。它有一个独特的对商业和经济增长的影响,不仅因为它提供了快速的全球运输的关键国际业务,贸易,和旅游,还因为它可以促进区域经济和社会发展。航空公司携带41亿名乘客与乘客公里收入超过7.7万亿以及6 trillion-US - - - - - -货物的价值在2017年(1]。整个空中交通客运需求在过去15年中翻了一番,年均增长4.4%,预计在未来二十年(2]。这种快速增长的需求使得目前的空域空中交通管理(ATM)系统的能力负责安全、高效和经济运营的航班在这个全球网络。这种能力和需求之间的不平衡会导致更多的空中延误和交通堵塞导致运营成本增加,环境影响,客户不满,空中交通管制员的工作负载。因此,目前的空域容量的提高是解决关键问题ICAO可持续增长的行业的长期全球导航计划(3)以及欧盟的单一欧洲天空ATM研究(研究)的目的4]。

Free-routing飞机是一种有效的方法来提高空域容量和效率的基于用户首选的使用轨迹飞行操作。自由免费路线领空(FRA)允许航空公司计划定义的入口和出口之间的航班没有引用当前空中交通服务航线网络而航班仍然必须遵循空中交通管制员的指令(5]。尽管它的优势,联邦铁路局增加交通的复杂性和冲突检测由于相交点的数量增加;因此,整个空间成为一个潜在的“热点”(6]。Pretactical冲突检测和解决方法(CDR)使用改进的决策支持系统可以有效地处理这交通复杂性的一个替代品在远期。

飞机操作在同一领空应保持预定义安全分离彼此之间的距离。这些最小分离距离接受5海里水平和1000英尺的垂直行程领空。如果空中交通管制员检测分离的任何损失,他们合适的冲突解决策略应用于飞机为了防止碰撞的风险。有三个主要解决策略用于飞机对之间的避碰:标题的变化,空速变化,飞行高度变化。虽然航向和速度变化动作涉及的调整方向或速度矢量的大小在水平面,飞行高度变化处理攀爬或降序飞机在垂直的平面上。解决冲突(CR)问题涉及的搜索(或组合)的演习,以确保安全的飞机之间的分离。无数的研究提出了不同的数学模型和方法对CR的问题,和详细的审查是由Kuchar和杨7]和Martin-Campo [8]。Rodionova和bloom9)分类这些方法作为战术(前30分钟内执行冲突),pretactical(前2小时执行冲突),和战略执行(超过2小时前冲突)CR的问题。

本研究解决pretactical CR飞机对水平面之间使用标题改变动作的时间段内20到60分钟前在联邦铁路局潜在的冲突。侧重于确定的飞机运动模型。两步的方法是开发机载最小化总延误和额外的燃料消耗每架飞机由于所需的航向变化解析策略,分别。第一步提出了一个混合整数线性优化模型以及两个metaheuristics:遗传算法和禁忌搜索,而第二步使用非线性规划(NLP)模型。混合整数规划被广泛应用于飞机CDR的问题。Pallottino et al。10)开发了两个不同的整数线性模型使用空速变化或改变分辨率演习。Christodoulou和Costoulakis11)提出了一个混合整数线性模型结合这两个决议演习小规模问题。船帆座等。12,13]提出了混合整数线性模型来减少燃油消耗使用结合速度和高度变化决议和航速和航向角改变分辨率,分别。Alonso-Ayuso et al。14]介绍了混合0 - 1线性规划模型解决冲突和飞机恢复原有的路线通过空速和高度的变化。后来Alonso-Ayuso et al。15)提出了两种MILP模型只使用高度变化和组合高度和空速的变化。Cafieri和杜兰16)提出了一个适应制定允许飞机改变自己的速度,以避免冲突。俄梅珥(17制定一个MILP模型使用航速和航向改变基于空间离散化的飞机轨迹。Cafieri和雷伊18]提出了一种适应模型适应调速方法最大化最大的冲突免费飞机集。除了这些精确解模型,metaheuristics方法,如遗传算法(19[],蚁群优化20.,21)和粒子群优化(22)提出了在短时间内获得良好的和可行的解决方案;但是他们不能保证全局最优的解决方案。

本研究提出了另一种方法基于灵活的pretactical CR领空入口点作业基本上旨在解决冲突,没有空中延迟通过改变几何图形在第一步的冲突。该方法保证了安全分离使用的空间离散化技术,让我们关注临界点包括入口、出口和路线相交点,而不是搜索整个空域。模型检查所有可能的成对冲突后,路口,合并,不同航线使用这些临界点。如果需要任何空中延迟解决飞机冲突,第二步搜索可行的矢量偏转模型对应于机载延迟与最低总油耗/每架飞机在进入领空。矢量偏转演习是一个非线性模型包括银行角变化的影响以及空气动力和推进特征对油耗率。模型决定了银行的角度,偏转角和向量机动距离上下范围内提供给定机载燃料最优向量操作延迟。提出了两步模型旨在提供数学依据一个决策支持系统,可以使用在pretactical航班在空中交通管理和控制,因此,metaheuristics实现模型的第一步获得良好的和可行的解决方案在合理的时间。

2。问题陈述

领空是任何卷定义维度的地球大气层的提供航班有或没有空中交通管制服务。空域可分为控制,不受控制,根据提供空中交通服务和特殊的空域和飞行要求。飞行操作发生在空域控制接收根据空域空中交通管制服务类型,如机场区域(CTR),终端控制区域(TMA)和航路空域23]。航路空域管制空域的最大覆盖部分航班的攀升,克鲁斯和下降阶段监测和控制的相关区域控制中心(ACC)。传统航路空域包括网络固定锚点和航线的飞机航班期间必须遵守。联邦铁路局,另一方面,允许飞机之间自由选择自己的路线预定义的领空入口点和出口点。图1使用预定义的界限,提出了一种通用的联邦铁路局入口点(例如, ),和出口点(例如, )。

2.1。灵活的联邦铁路局的入口点方法

本研究采用灵活的入口点的方法,建议增加两个替代入口点双方现有的入口点(即有一定距离。,10 NM),同时保留现有的边界和现有的联邦铁路局的入口点和出口点(图2)。每个现有的入口点的替代形式一个入口区域(即, )。这种方法,因此,使飞机能够避免所有潜在的成对冲突之前进入领空进入区域内通过分配他们适当的入口点。灵活的入口点分配解决成对飞机冲突通过改变路线交叉口几何改变飞机之间的最小间隔时间对。一个合适的入口点分配组合确保减少所需的空中延误飞机对之间的冲突解决。

两种不同类型的飞机之间的冲突可以出现在他们描述空域内飞行在水平面:交叉冲突和冲突(图3)。冲突检查三个不同的交叉路口的几何图形:在交叉冲突,收敛和发散路线(数字3(一个)- - - - - -3 (c))之间的最小间隔时间计算飞机飞行冲突在同一点。

每个冲突点需要一个特定的时间分离取决于飞机对飞机速度和接触几何。这次分离是所描述的24)如下。 在(1),是最小的分离距离,和分别是前导和尾随飞机的空速和路线交叉角。为了确保安全分离的飞机,一架飞机应该推迟之前领空入口点(pretactical级别)。空速和被认为是最优的(最好的)空速飞行高度和他们依靠飞机性能类别(APC)。在这项研究中,飞机不同的性能分为三种类型:支线客机(RJ),窄体客机(NB)和宽体飞机(WB)。落后于飞机之间的冲突可能发生在同一路线。不允许超车空域内;因此分离是由延迟拖飞机pretactical水平。假定飞机飞行与最优巡航速度给定的飞行高度。

2.2。矢量偏转机动

矢量偏转策略提出了解决飞机冲突pretactical水平(图4)。策略包括两个阶段:稳定协调将连续和稳定的航班与零银行角度在水平平面。向量操作使用偏转角( ),银行角度( ),和机动距离( )为决策变量。其他变量,如转弯半径( ),沿弧距离( ),预计弧距离undeflected路线( ),和直偏转路由( )计算基于这些决策变量是有限的模型与上下值由于操作的限制。银行角度变化矢量和nonvectored飞机呈现在图5。

飞机燃料消耗对于一个给定的速度巡航期间操作取决于距离和推进飞机的特征。把动作,另一方面,创建额外的燃料燃烧不仅由于扩展的飞行路径,也由于银行角度的增加导致更高的负载因素。该模型将银行角度考虑而计算燃油消耗的影响。额外的燃料燃烧每架飞机沿飞行轨迹偏转可以描述如下。 而第一个两届(2)对应于燃烧的燃料量沿飞行轨迹偏转包括总距离沿弧和偏转直航线,后者对应于距离向量操作一起燃烧的燃料量。因此,足球俱乐部_注,足球俱乐部_ud油耗率每单位距离在水平飞行。给定飞机性能类别、空速和飞行高度,这些值是常数 足球俱乐部_t油耗率每单位距离在协调,它可以用一个三阶多项式来表示银行的角度利用曲线拟合技术,这样 在(3)和(4), , , ,和回归系数在公斤/海里发现的性能分类v在给定的高度。

3所示。数学模型

图6礼物的一般方法论提出了两步的解决方案方法最低机载延迟和额外的燃料消耗将矢量偏转演习。为了评估提出了灵活的入口点的方法,一个基线情况下代表固定的入口点生成联邦铁路局作为参考。预计到达时间(ETA),飞机性能类别(APC)和空域出口点(XP)每个航班的这两种情况下的随机生成作为输入。一个预定义的入口点是每个飞行提供基线情况而灵活的入口点方法为每个航班分配最合适的切入点在预定义的条目。在基线情况下,总体和个体机载延迟估计基于先到先得(先)纪律。灵活的入口点的任务也获得总个人空中延误以及入口点分配向量利用遗传算法(GA)和禁忌搜索(TS) metaheuristics。在空中延误,估计最低燃油消耗每架飞机预计使用矢量偏转模型这两种情况下。

3.1。第一步:入口点分配模型

在本节中入口点分配模型。目的是将每架飞机分配给最合适的入口点根据其入口区域避免冲突,当飞机进入该行业。避免冲突的主要思想是改变几何图形冲突仅仅通过调节入口点。模型寻求最合适的入口点分配飞机,如果它是必要的,该模型对机载推迟飞机。以下的假设对模型除了中描述的部分2.1:(1)每架飞机应该分配给一个入口点在预定义的条目。(2)相邻的入口点在同一相隔10 NM的入口区域。(3)每架飞机的空速和高度恒定在联邦铁路局在飞行期间。

因此,集、参数、变量、目标函数,并给出约束如下:

集 :的飞机 :组入口区域 :的入口点 :的出口点 :飞机性能类别 :集的交集点 。

参数 :大数量足够 :最小距离飞机分离 :预定空域入境时间的飞机我 :飞机的性能分类我 :入口区域的飞机我 :出口点的飞机我 :入口点的飞机对于基线场景 :空速的性能分类 :入口点之间的距离和交点n :入口点之间的距离和出口点 :分离时间在交点上飞机性能之间的类别和 :在出口点分离的时间从入口点之间的飞机和与性能类别和 :在入口点分离的时间在飞机出口点和与性能类别和 :0 - 1参数,是一个入口点在入口区域j;否则,它是零 :0 - 1参数,如果飞机飞从入口点退出点通过交点n;否则,它是零。

变量 :飞机的实际输入时间在入口点k :空中延误的飞机我 :飞过的飞机从入口点k交点n :飞过的飞机从入口点k在出口点我 :如果飞机0 - 1变量是1飞机前飞过交点 ;否则,它是零 :如果飞机0 - 1变量是1进入和离开飞机前的领空 ;否则,它是零 :如果飞机0 - 1变量是1退出前领空的飞机 ;否则,它是零 :如果飞机0 - 1变量是1之前进入领空的飞机 ;否则,它是零 :如果飞机0 - 1变量是1是分配给入口点k;否则,它是零。

第一步的数学公式如下。

目标函数(5)的模型以最小化总机载延迟。约束集(6)确保每个飞机都是分配给一个入口点属于其入口区域。约束集(7)确保每个飞机都是分配给自己的基线入口点。约束集(8),(9)和(10)计算立交桥入口点的时间,交点,分别和退出的领空。约束集(11),(12),(13)和(14)维护所需的所有飞机之间对分离时间冲突。约束集(15)和(16)维护所需的所有飞机之间对分离时间冲突不同的路线。约束集(17)和(18)维护所需的分离时间所有的冲突融合的路线。约束集(19)和(20.)维护所需的分离时间之间的所有飞机对交叉冲突的路线。因此所有可能的所有飞机对组合之间的冲突在空域使用所提供的约束控制的模型。

3.2。第二步:矢量偏转模型

尽管第一步计算的最小机载推迟解决冲突,它没有指定操作实现对飞机为了避免冲突。入口点分配能够解决许多潜在的冲突,而无需额外的解决策略。对于机载延迟的必要性,提出了矢量偏转模型部分2.2可以应用于飞机前入口领空。当然,有无限多的矢量偏转演习可以解决冲突为给定的空中延误。在这一步中,模型搜索矢量偏转决议与最低燃油消耗每架飞机在节中描述的约束条件2.2。以下的假设对模型除了中描述的部分2.2:(1)所有飞机的重量是恒定在矢量偏转回旋余地。(2)每架飞机的空速和高度恒定在矢量偏转回旋余地。(3)银行角度变化立即协调把演习期间完成的。(4)标准大气条件是有效的。(5)风速和加速度为零。

第二步的数学公式如下。

集 :的飞机 :飞机性能类别 。

参数旅客:重力加速度 :飞机的性能分类我 :额外的距离飞由于机载延迟我 :空速的性能分类v :燃料消耗系数没有银行角度对飞机性能类别v :燃料消耗系数与一级银行角度对飞机性能类别v :燃料消耗系数和二阶银行角度对飞机性能类别v :燃料消耗系数与三阶银行角度对飞机性能类别v。

变量 :飞机的转弯半径我 :偏转角的飞机我 :银行角度的飞机我 :操纵飞机的距离我 :弧距离飞机在车削操作 :总距离乘飞机旅行预计在undeflected路线操作 :距离飞机沿着偏离路线,没有银行 :飞机的燃料消耗在车削操作 :飞机的燃料消耗沿着偏离路线,没有银行 :飞机的燃料消耗沿着undeflected路线。

客观的 第二个模型的目标函数(21)是减少额外的燃料消耗总量。约束集(22)计算每架飞机的转弯半径。约束集(23)- (25)计算沿弧距离( ),直的路线(偏转 ),和预计弧距离( )分别在undeflected路线。约束集(26)保证期间的距离矢量偏转机动满足所需的空中延误。约束集(27)确保弧距离之和预计undeflected路线不能超过向量机动距离。而约束集(28)估计油耗率每单位距离在协调,约束集(29日)- (30.)提供油耗率每单位距离在直水平偏转和undeflected航班飞行路径。表1介绍了巡航速度和油耗率每单位距离估计基于BADA中提供的值(25)为每架飞机性能类别在33000英尺(FL330)。

4所示。Metaheuristic算法

Metaheuristic算法是一种有效的方式使用试验和错误的方法来产生可接受的解决一个复杂的问题。问题的复杂性很难评估所有可能的解决方案。这些算法的目标是在可接受的时间内获得良好的解决方案,但他们并不能保证实现全局最优的结果。在这项研究中,提出了遗传算法和禁忌搜索来解决数学模型提出了第一步。

4.1。提出的遗传算法

入口点分配模型是一个复杂的模型由MIP所以很难解决这个问题解决者在合理的时间内。因此,我们提出一个遗传算法来处理这个问题。遗传算法是基于达尔文的进化论搜索算法和被约翰•霍兰德(26]。遗传算法试图达到最好的解决方案通过模仿自然选择。在遗传算法中,每个染色体代表一个解决方案和多个染色体形成人口。染色体通过选择、交叉和变异步骤将基因转移到下一代。高度兼容的染色体更有可能基因转移到后代。

以下4.4.1。染色体结构和初始种群

染色体来自基因,每个基因是指每架飞机入口点。染色体结构的一个例子为六架飞机和十二个入口点表中可以看到2。每个基因只属于一个飞机,每架飞机被分配到一个入口点根据其入口区域。过程中获得初始种群,每架飞机随机分配给一个入口点根据其入口区域;因此,不可行的基因结构是可以预防的。

4.1.2。适应度函数

根据入口点赋值,计算染色体的适应度函数。该算法检查每架飞机之间的任何冲突。如果有一个冲突,算法随机决定飞机应该被推迟。在这个过程中,遗传算法生成一个随机数从0到1的飞机,和飞机有较低的值是推迟实施。这种方法允许在搜索空间中达到不同的解决方案。最后,计算每个染色体的机载总延误。

4.1.3。选择过程和精英主义

选择过程是一个十分重要的步骤来确定人口多样性和选择性偏差,显著影响遗传算法的性能。如果选择压力增加,人口的多样性减少。在相反的情况下,如果人口多样性的增加,良好的解决方案已经开始减少。保持这两个因素的平衡是一个重要的一步GA的成功(27]。在这项研究中,选择使用轮盘赌方法执行,允许染色体具有良好适应性传输更多的基因传给下一代。精英主义是用来减少由最好的染色体复制到下一代遗传漂变在最后一步。

4.1.4。交叉

交叉算子允许生成的新个体的相互交换基因的染色体的交叉后的选择。通过这种方法,前几代的一些功能可以转移到新一代。转换过程的成功取决于正确的编码的染色体根据探测。在这项研究中,产生新的染色体通过使用相互位移之间的基因属于同一个飞机选择染色体配对。这个过程是包含在文学作为统一的交叉(图7)。在交叉过程中,随机产生一个值在0和1之间的每一对基因,如果这个值大于0.5,基因对之间的位移发生。

4.1.5。突变和精英主义

变异算子修改一个或多个基因值随机增加解的多样性。此外,变异算子,使遗传算法收敛更快一个可行的解决方案。由于突变过程,得到一个新的染色体结构通过替换所选基因与另一个入口点在其入口区域(图8)。

4.2。拟议中的禁忌搜索

禁忌搜索(TS)算法是由格洛弗在1986年(28]。TS算法是一个直观的方法,找到了最佳值远离局部最优。TS算法,可以用来解决很多不同的问题,有一个灵活的结构产生最好的或最近的解决方案。通过使用内存结构,一些解决方案被禁止生产一定数量的迭代。这些解决方案添加到禁忌列表和被称为“禁忌”。禁忌列表的主要任务是确保该算法达到整体最佳值通过避免当地最佳值。在某些情况下,如果一个禁忌移动解决方案给出了一个比迄今为止最好的发现更好的解决方案,该解决方案已不再被列为禁忌。通过这种方式,TS算法有助于提高协调值通过使用愿望标准。

4.2.1。准备初步解决方案

TS算法首先需要一个初始解开始寻找解决方案。产生一个好的初始解决方案极大地提高了算法的成功。在这项研究中,选择基线领空入口点作为初始解决方案(表3)。

4.2.2。社区结构

生成社区解决方案有助于提高现有的解决方案通过改变空域入口点的入口区域内随机选择飞机。生成过程如表所示4。

表4显示了我们如何获得两个社区的解决方案。为了实现这个过程,第二和第四架飞机是随机选择的,和两个不同的邻居解决方案产生除了现有的解决方案。在第一个邻国解决方案,第二架飞机的入口点是随机变化而第四架飞机的入口点是相同的。同样,在第二个邻国解决方案,第四架飞机的入口点是随机变化而第二架飞机的入口点是相同的在第二邻近的解决方案。

4.2.3。短期记忆

禁忌列表允许搜索解空间中不同的点通过禁止为一定数量的迭代搜索解决方案。指定的迭代次数禁忌列表的长度。禁忌列表不影响生产社区解决方案生产。然而,健身值计算后,禁忌列表上的解决方案被称为禁忌和从邻近的解决方案。这个过程是使用短期记忆(执行28]。愿望判据和短期记忆结构被用于这项研究。禁忌列表演示表所示5。

在表5,禁忌长度大小选为三人。解释使用禁忌列表,禁忌表结构的一个例子。入口点7第二架飞机将继续三个迭代的禁忌列表。也禁止分配名单上的第一艘入口点11和第五飞机入口点7。入口点的数量保持在名单上根据禁忌列表的长度变化。

5。计算结果

提出了GA和TS metaheuristics开发来解决更复杂的空域结构的gam /最大化策略解决不能在合理的时间内达成一个解决方案。一组小型测试生成问题,以评估这些metaheuristics。对于所有的测试问题,总空中延误计算使用gam /最大化策略解决,GA, TS算法。所选参数metaheuristics展示在表6。这些参数是决定实验。解决方案的所有方法设置为900秒,以便在pretactical时间窗口提供一个可行的解决方案。计算机与2.3 GHz Intel Core i7处理器和16 GB的RAM用于计算。

30个考试问题生成的180海里²航路空域(如呈现在图2)在FL330三之间的12条线路组合四个入口3入口点和4的地区出口点。这些空域的交集点配置的数量(即。,I, II, III) 27日,36岁和45。每小时交通流量进入领空被设置为20飞机在三个不同性能类别:支线飞机,窄体飞机,和宽体飞机。预计到达时间(ETA)基于指数分布,飞机性能类别(APC),入口区域(EA)和出口(XP)生成使用MATLAB作为输入参数。入口点选择基线场景的中点(即每个条目区域。,EP₂对EA₁,EP₅对EA₂,EP₈对EA₃,EP₁₁对EA₄)。gam的结果/最大化策略、GA和TS提出30测试问题表7。而gam /最大化策略结果包括目标函数的值(z)和CPU时间,GA和TS结果包含三分的平均和最小目标函数值为每个测试问题以及他们的平均CPU时间。最低机载延迟发现使用GA和TS等于gam /最大化策略解决方案为每个测试问题。这些结果说明该metaheuristics能达到最优解的gam /最大化策略对所有测试问题。

复杂的航线网络为通用领空包括所有可能的48路线组合之间现有的入口点和出口点(图9)。每个路由表所示的长度8。为了测试这个复杂的网络,两个不同的交通流率选为每小时20 - 25架飞机。为每个交通流量三十生成不同的场景。

5.1。灵活的入口点分配模型的结果

表9提供了一个比较的结果发现基线固定的入口点和灵活的入口点的方法对所有场景。虽然基线结果包括目标函数的值(z)计算通过使用先模型在MATLAB中,灵活的入口点的结果现在总机载延迟发现通过使用GA和TS作为最小的三个独立的运行。

(即没有空中延误发生在三个场景。,6,20.,和30.)with the traffic flow of 20 aircraft per hour for the baseline case. While GA and TS find the same values in 25 scenarios for this traffic flow rate, GA achieved slightly better values than TS in two scenarios (i.e., 14 and 25). When the traffic flow rate is increased to 25 aircraft per hour, GA and TS find the same total airborne delay in 23 scenarios. GA provides better solutions in the remaining scenarios. The average results are demonstrated in Figure10。

图10显示基线平均延迟时间20飞机从127.2秒减少到8.4秒GA和TS 8.6秒。经济复苏的百分比为GA和TS是93.4%和93.3%,分别。25架飞机,基线情况下的平均延迟为GA从193.1秒减少到21.4秒和23.2秒TS。经济复苏GA和TS的百分比为88.9%和88%,分别。两种算法都取得了成功的结果。结果表明,空中延误由于冲突可以显著减少使用灵活的入口点任务。

5.2。矢量偏转模型的结果

表10礼物总油耗为每一个场景由于向量操作基于机载总延误计算模型的第一步。类似于表9基线情况下代表结果发现,固定入口点配置基于先纪律,而GA和TS列提供灵活的入口点方法的结果对所有场景计算gam / CONOPT解决者和每个场景估计在不到10秒。

燃料消耗的结果基于GA和TS机载延迟是相同或非常接近彼此在所有情况下的交通流速度20飞机每小时。基于遗传的结果,另一方面,比TS-based结果比TS-based五个场景和结果在一个场景。平均燃料消耗量呈现在图11。

飞机矢量偏转模型实现基线和metaheuristics-based空中延误。基线、遗传和TS-based发现油耗平均是201.4,9.3,和9.4公斤,分别为20飞机每小时25架飞机时,基线,遗传,和TS-based油耗平均发现是267.7,24.5,和26.1公斤。灵活的入口点分配获得GA和TS大大减少了额外的燃料消耗。这主要是因为这种方法解决了最可能的冲突通过切换入口点而不是实现向量演习。因此,冲突的飞机数量和所需的平均空中延误解决冲突显著减少。向量演习只是实现更少数量的飞机比基线场景。减少机载延迟导致更少的额外燃料消耗由向量操作引起的。

6。结论

提出了两步方法提供飞机冲突决议通过灵活的入口点赋值与最小机载延迟使用GA和TS metaheuristics并提供矢量偏转演习用最小的额外延迟飞机燃料消耗使用NLP在联邦铁路局。这两个步骤的最优解是在合理的时间获取大范围的场景包括测试问题和更复杂的和现实的空域航线结构。该方法可以适合有效的冲突管理决策支持系统在pretactical水平。通过入口点分配和矢量解析报告,空中交通控制器可以显著降低占用的时间。它增加空域容量的减少航空延误。航班运营的经济和环境效率可以进一步提高通过减少额外的燃料消耗。提出的矢量偏转模型还使空中交通控制器选择限制机动距离值,银行角度,偏转角约束。在未来的研究中,这个问题可以被制定为一个多目标数学模型,目的是找到最优同时机载延迟和燃料消耗。飞机解决冲突也可以扩展到航速和高度变化动作,因此,该模型可以应用于终端空域。包含不确定性如风能这种方法可以是一个有用的扩展变化战术CD&R航路和终端空域在低水平。

数据可用性

飞机输入参数(η,APC、EA、EP和XP)在MATLAB随机生成,和使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

本研究由安纳托里亚大学科研项目委员会授予1707号f454之下。