机场航空器地面滑行调度优化研究毕业论文.docx
《机场航空器地面滑行调度优化研究毕业论文.docx》由会员分享，可在线阅读，更多相关《机场航空器地面滑行调度优化研究毕业论文.docx（24页珍藏版）》请在冰豆网上搜索。
机场航空器地面滑行调度优化研究毕业论文
---文档均为word文档，下载后可直接编辑使用亦可打印---
摘要
随着我国民航运输业的快速发展，繁忙机场面临着日渐增大的流量压力。
研究机场滑行调度优化的目的，是在保证安全的前提下，充分利用机场滑行道系统的资源，提高运行效率，增大机场容量。
本文简单地介绍了机场场面结构及滑行优化问题的建模思路。
根据双流机场得到的滑行路径和序列数据，确定各个航班的滑行时间。
在优化算法的选择环节，对比常见遗传算法滑行道调度模型，提出一种基于标准遗传算法与模拟退火算法思想相结合的改进算法。
展示了优化结果与算法的收敛性，验证了该模型达到优化的可行性。
关键词：
机场；滑行调度；改进遗传算法；数学模型；模拟退火算法
ResearchonOptimizationoftaxiwaybasedonImprovedGeneticAlgorithm
Student:
LiZiyuanInstructsteacher:
JiangBo
Abstract
WiththerapiddevelopmentofChina'scivilaviationtransportindustry,busyairportsarefacingincreasingtrafficpressure.Thepurposeofstudyingairporttaxiwaydispatchingoptimizationistomakefulluseoftheresourcesofairporttaxiwaysystem,improveoperationefficiencyandincreaseairportcapacityonthepremiseofensuringsafety.Thispaperbrieflyintroducesthemodelingideaofairportscenestructureandtaxiingoptimizationproblem.AccordingtothetaxiingpathandsequencedataobtainedfromShuangliuAirport,thetaxiingtimeofeachflightisdetermined.Intheselectionofoptimizationalgorithm,animprovedalgorithmbasedonthecombinationofstandardgeneticalgorithmandsimulatedannealingalgorithmisproposedbycomparingthecommongeneticalgorithmtaxiwayschedulingmodel.Theconvergenceoftheoptimizationresultsandthealgorithmisshown,andthefeasibilityofthemodeltoachieveoptimizationisverified.
Keywords:
airport;taxiwayscheduling;improvedgeneticalgorithm;mathematicmodel;conflictresolution
引言
1.1选题背景和意义
我国民航事业近些年来发展迅速，作为一个民航大国正不断向民航强国的目标前进。
根据2018年民航业发展统计公报显示[1]2018年我国机场主要生产指标继续保持平稳较快增长，全年旅客吞吐量超过12亿人次，完成126468.9万人次，较上年增长10.2%。
分航线看，国内航线完成113842.7万人次，较上年增长9.9%（其中内地至香港、澳门和台湾地区航线完成2872.7万人次，较上年增长6.0%）；国际航线完成12626.1万人次，较上年增长13.0%。
据从民航资源网获取的2018年中国民航机场吞吐量排名数据[2]显示，2018年我国颁证运输机场数量达到235个，完成飞机起降1108.8万架次，较上年同比增长8.2%。
。
详细数据见下表（表1.12018年中国民航机场旅客吞吐量排名）。
其中各机场起降架次更是呈现明显增长趋势，部分国内机场2018年起降架次甚至比2017年同期增长超过百分之百，例如琼海博鳌机场2018年起降架次比同期增长122.90%，广元盘龙机场2018年起降架次比2017年同期增长100.30%，详细数据见下表1.2（表1.22018年中国民航机场起降架次排名取前十）。
表1-12018年中国民航机场旅客吞吐量排名
机场
旅客吞吐量（人次）
名次
本期完成
上年同期
同比增速%
合计
1,264,688,737
114786.7
10.2
北京/首都
1
100,983,290
94,393,454
5.4
上海/浦东
2
74,006,331
66,002,414
5.7
广州/白云
3
69,720,403
65,806,977
5.9
成都/双流
4
52,950,529
49,801,693
6.3
深圳/宝安
5
49,348,950
45,610,651
8.2
昆明/长水
6
47,088,140
44,727,691
5.3
上海/虹桥
7
43,628,004
41,884,059
4.2
西安/咸阳
8
44,653,311
41,857,229
6.7
重庆/江北
9
41,595,887
38,715,210
7.4
杭州/萧山
10
38,241,630
35,570,411
7.5
表1-22018年中国民航机场起降架次排名
机场
起降架次（架次）
名次
起降架次
本期完成
同比增速%
北京/首都
1
614022
597,259
2.80
上海/浦东
2
504794
496,774
1.60
广州/白云
3
477364
465,295
2.60
昆明/长水
4
360785
350,273
3.00
深圳/宝安
5
355907
340,385
4.60
成都/双流
6
352124
337,055
4.50
西安/咸阳
7
330477
318,959
3.60
重庆/江北
8
300745
288,598
4.20
杭州/萧山
9
284893
271,066
5.10
上海/虹桥
10
266790
263,586
1.20
民航业务发展迅速，而各种原因造成的延误也随之增多，尤其是大型机场繁忙时段，机场场面的大面积延误，不仅降低了机场场面资源的运行效率，还增加了航空公司的成本，造成环境污染，而且使管制员的工作负荷加重，存在风险，对空中交通和机场地面交通管理形成了极大的压力。
因此研究高效的机场场面调度的优化手段成为当务之急。
滑行道负责作为连接停机位和跑道的通道，机场活动区内不仅存在航空器的运行，还存在车辆、人员等诸多可能影响正常运行的不定因素，交通状况相当复杂，管制员为进离港航班分配滑行道需要同时考虑人员、车辆、航班等诸多因素，因此滑行道的利用率很难最大化，造成航班在滑行道以及跑道外等待的延误。
即使目前我国部分机场已发布对应停机位的标准滑行路径，但是管制现场大部分情况仍然是管制员人工决策，且机场场面活动具有动态性、复杂性的特点，大型机场航班量高度集中时标准滑行路径难以满足滑行安全与效率的需求。
因此，在当前中国民航大发展的背景下寻求可行的优化算法对机场滑行道进行研究具有现实意义。
1.2国内外研究概况
针对机场滑行道调度问题，国内外学者已经做出了许多优化研究。
包括解决滑行冲突点避让和动态优先级滑行调度的优化等。
HenryYKLan等团队[3]提出一种带有边界约束的路径集合划分的方法调度进离场航空器；GillianLClare团队成员[4]采用了混合整数线性规划模型（mixedintegerlinearprogramming，MILP）和滚动时域相结合的方法解决此问题，提高了MILP算法的可操作性。
国内的研究方面，汪千川[5]在2001年研究记忆遗传算法和模拟退火算法的改进和应用，潘全科在解决车间调度问题上，提出了遗传算法和模拟退火算法的不足，结合采用了遗传退火，并与遗传算法作比较取得了进展。
刘兆明[6]研究了基于计算智能的航空调度优化方法研究，通过自适应函数代入遗传算法进行航空路径的优化。
在中国研究航空器滑行调度方面，仍然不够成熟，没有讲方法进行规模和系统化，只能根据以往的历史数据进行统计分析，但依赖统计数据缺乏实际操作和系统性理论的支撑。
国外学者对机场机动区域内的关键冲突点以及安全风险识别和评估等相关问题进行了较全面深入的研究。
2010年NASA[7]由提出了一种“机场地面交通冲突避免”的概念，用以实现机场滑行道等的潜在冲突。
S.G.PonnambalamandM.MohanReddy于2003年提出了遗传退火算法多目标混合搜索算法用于排序。
在上述文献中，大量地阐述了场面冲突的监视或者规避，对于静态路径规划具有较大的意义；但对随机突发事件引起的时间状态和路径改变，原有方法将不再适用，在科技急速发展的当下，需要对原有算法进行大胆创新与验证。
1.3课题主要研究工作
机场调度问题覆盖许多子问题，而地面滑行调度是连接多个问题的枢纽，将进离港航空器与停机等问题连接起来。
本文在国内外学者相关研究的基础上，提出一种基于标准遗传算法动态变化交叉遗传的概率，以及与退火算法相结合。
利用改进的遗传算法，调整航班优先级序列，达到既能解决标准遗传算法的缺陷也能取得模拟退火算法的有点；根据法律以及相关明文规定的滑行调度约束条件，为滑行道各节点确定各个航班经过的滑行路径。
在解决航空器滑行冲突的情况后，将冲突等待时间分散在停机位和滑行道上，更加符合实际运行的情况。
第二章机场场面介绍
由于我国航空业的发展速度较快，空中交通流量的增长也随之加快，我国民航机场的数量与规模也随之壮大，机场地面运行结构也变得更加复杂多样。
本章简单介绍机场场面各单元的基本概念，对机场场面滑行网络进行抽象成有向网络结构模型，对航空器的滑行过程，存在的冲突以及冲突解决策略进行简单描述，简述了多跑道（尤其是平行跑道）运行的相关规定，明确本文问题研究目标。
2.1机场场面结构
机场场面功能区主要包括飞行区、航站楼、货运站、飞机维修区等区域，本文研究机场场面优化的对象主要是针对机场飞行区内供航空器起降与滑行的跑滑系统，包括航空器的滑行过程，主要涉及包括跑道、滑行道系统。
2.1.1跑道
跑道是机场上为航空器起飞和落地而划定修建的场地，主要用于航空器的起降、滑跑活动。
若有进离场航空器正使用跑道，禁止其他航空器进入同一条跑道。
跑道属性有：
方向、数量、长度、宽度、运行模式等。
跑道设计的方向主要考虑机场的主要风向及风速。
跑道长度受诸多因素影响，其中典型影响因素包括机场所处海拔高度、平均温度、跑道道面强度、坡度及设计供起降的最大机型的起降滑跑距离。
2.1.2滑行道
滑行道主要作用是作为进离场航空器在跑道与其他机场区域之间活动的通道，滑行道将机场各单元连接为一个整体，使机场场面连贯运行，是避免航空器在地面运行产生冲突的重要系统。
根据滑行道不同的功能以及分布，滑行道一般可分为主滑行道（也称作平行滑行道）、快速脱离道、绕行滑行道等。
主滑行道是指在跑道与停机位之间，航空器主要使用的滑行道，通常也称作平形滑行道。
快速脱离道是起连接跑道和主滑行道的功能，沿着跑道分布的通道，主要用以加快跑道使用效率，供落地航空器尽快脱离跑道。
2.2机场场面滑行过程
滑行道连接跑道和停机位，是机场场面运行的重要元素。
机场场面滑行过程主要是进港过程以及离港过程。
航空器进港滑行过程。
对于进港的航空器而言，获取落地许可后，航空器落地并经由适当的脱离道脱离跑道，脱离跑道后航空器沿管制员指定的滑行路径滑行进位分配的停机位，进港滑行过程结束。
航空器离港滑行过程。
对于离港的航空器而言，当其在停机位上所有的保障工作完成后，根据管制员的指令进行推出开车或原地开车。
当完成开车的准备工作后，飞行员向管制员发出请求滑出的请求，地面管制员经综合分析该航空器所使用跑道以及当时机场场面交通状况，向该航空器发出滑行指令，指令中包含为该航空器指定的滑行路径。
航空器沿管制员指定的滑行路径滑行至正确的跑道，并在跑道等待点等待管制员的进一步指令，离港滑行过程结束。
在航空器滑行过程中飞行员与驾驶员必须遵守相应的滑行规则，包括：
（1）飞行员必须严格按照管制员指定的滑行路径滑行；
（2）航空器滑行速度应根据飞行手册或机场相关驾驶规定调整，场面滑行速度一般不允许大于50
；
（3）航空器滑行时应注意保持安全间隔，实际运行之中，由飞行员负责把握与其他航空器之间的间隔；
（4）管制员指定滑行路径时应考虑提前规避对头冲突。
对航空器的地面滑行过程进行分析，可将滑行路径上存在的潜在冲突归为交叉冲突、追尾冲突以及对头冲突三大类：
（1）交叉冲突：
两架或多架航空器滑行过程中存在同时经过同一个滑行道道口的情况。
在大型繁忙机场，主滑行道一般连接多条快速脱离道，而实际管制工作中，管制员一般会尽可能指挥航空器在平行滑行道上滑行，这种情况下，在平行滑行道上的航空器容易与从快速脱离道脱离跑道的航空器产生交叉冲突。
交叉冲突的冲突解除策略一般采用先到先服务原则，即允许先到达滑行道道口的航空器通过节点，另一架后到达的航空器等待一段时间直至满足最小安全间隔。
（2）追尾冲突：
两架滑行方向相同的航空器同时使用同一段滑行道，而在滑行过程中，存在后机追赶前机发生碰撞的可能。
但实际运行中，后机驾驶员会依据情况调整航空器速度自行把握与前机的安全间隔。
在构建数学模型时，为规避这类冲突，可以规定链路中的所有航空器滑行速度相同。
（3）对头冲突：
两架滑行方向相对的航空器同时使用同一段滑行道。
实际管制工作过程中，机场场面布局复杂，无法完全理想化分配滑行路径，而滑行路径由管制员临场指定，管制员易遗忘已发布的滑行路径，这就会导致对头冲突的发生。
在数学模型中，假定两节点分别为
与
，为规避对头冲突，若已经将
的链路分配给一架航空器，则将
的链路视作0，该链路不可用，并且每架航空器经过某节点后不可重复经过。
2.3机场场面滑行优化问题
针对进场航空器是指给进场航空器分配适当的跑道出口脱离跑道，进入滑行道并指定适当的滑行路线使其顺利进入指定的停机位。
针对离场航空器是指给离场航空器指定适当的滑行路线使其由停机位出发滑行到所使用跑道的跑道等待点。
机场场面滑行路径优化主要研究工作是为进离场航空器分配最优的滑行路径，达到进离场航空器总滑行时间最短的目标。
跑道的运行调度也是影响机场场面运行调度的一个重要环节。
进场航空器落地后，何时以及从哪个脱离道口脱离跑道，决定了其滑行过程的开始滑行时间、滑行路径的起点。
离场航空器滑行至跑道等待点等待的时间决定其使用跑道的最早时间，进入跑道的时间也受前行使用跑道的航空器运行情况影响，因此跑道运行也是离场滑行过程的影响因子。
本文将跑道的运行调度考虑进了滑行优化模型，主要针对离场航空器，将连续放行多架航空器以及着陆与起飞航空器之间的安全间隔考虑进模型中，构建滑行道与跑道的联合优化模型。
2.4建立机场场面网络结构模型
机场场面系统整体而言是一个相对复杂的结构。
本文拟使用网络模型来简化描述机场场面系统的各组成部分，网络由节点、还有节点之间的连线组成，机场场面系统可以抽象理解成机场场面网络图
，其中
，表示节点集合，主要包括滑行道之间的交叉点、跑道等待点以及脱离道口。
表示链路边，即各段滑行道，链路边的属性包括长度属性、航空器机型限制、滑行速度限制、滑行方向限制等。
机场场面结构图简单示例见图2.1。
图2-1双流机场场面结构局部示例
2.5多跑道运行相关规定
根据跑道的数量，可以将机场分为单跑道和多跑道机场。
多跑道机场中，比较普遍的是平行跑道布局，而我国目前所有多跑道机场均采用平行跑道布局模式。
根据我国民航局于2004年6月26日开始实施中国民用航空总局第123号令《平行跑道同时仪表运行管理规定》，平行跑道同时仪表运行分为独立平行仪表进近、相关平行仪表进近、独立平行离场、隔离平行运行等四种模式。
本文模型考虑的是双流机场隔离平行运行模式，即其中一条跑道只用于离场，另一条跑道只用于进近。
根据跑道间距的条件不同，规定了该平行跑道能够使用的运行模式，总结见下表2.1。
表2.1平行跑道同时仪表运行规定
平行跑道中心线最小间距/m
运行模式
按一条跑道起降间隔执行
允许隔离运行、独立平行离场
允许相关平行仪表进近
允许独立平行仪表进近
先后连续起降的航空器之间必须配备一定的纵向间隔，以保证航空器使用跑道的过程中不存在冲突。
起降航班之间的安全间隔通常为根据航空器的机型分类而规定的尾流间隔最低标准，根据航空器最大起飞权重划分为重、中、轻三类，见下表2.2。
表2.2航空器分类
航空器最大准许起飞全重/吨
航空器机型
轻型机
中型机
重型机（备注：
B757尾流归为重型机尾流）
若前机为离场航空器，后机为进场航空器，在前机起飞并离开跑道后，后机可以落地；若前，后机均为离场航空器，则需根据机型满足相关的尾流间隔。
若前机为进场航空器，后机为离场航空器，只有前机报告其脱离跑道后，后机方可开始进入跑道（实际在流量大的情况下前机落地后，可指挥后机进入跑道等待）；若后机为进场航空器，则需根据机型满足相关的尾流间隔。
本文计划采用双流国际机场作为实际案例进行分析，双流国际机场平行跑道02L/20R与跑道02R/20L的跑道中心线间距1525米，根据我国《民用航空空中交通管理规则》对安全尾流间隔进行规定。
前后起飞离场或前后进近的航空器，其雷达间隔的尾流标准见下表2.3：
表2.3雷达间隔的尾流标准
单位：
千米
后机
重型机
中型机
轻型机
前机
A380-800
11.1
13.0
14.8
重型机
7.4
9.3
11.1
中型机
6
6
9.3
轻型机
6
6
6
2.6本章小结
本章对机场场面结构进行了一个简单的分析讨论，尤其是针对飞行区的滑行系统以及跑道系统进行了简单的探讨。
关于本文研究的滑行路径优化问题，本章针对滑行过程中航空器应注意的几个规则以及滑行过程中可能出现的三种冲突与如何在算法中解决此类冲突进行了简单阐述，探讨了规避各类冲突的解决方案，提出了构建机场场面网络机构模型，介绍了平行跑道同时仪表运行的运行模式以及运行间隔标准，为构建机场场面滑行优化模型建立理论基础。
第三章遗传算法介绍
3.1遗传算法的生物学基础
[22]自然界生物在繁衍生息过程中，遵循着对于自然环境的“适者生存”法则和一定的遗传规律。
现代生物进化理论以自然选择学说为核心，其基本观点为：
生物的进化是以种群为单位，而不是以个体为单位。
生物的进化主要依赖于基因的变异，所以生物进化的实质就是种群基因的变化。
通常，自然界中新物种的形成需要以下几个步骤：
第一步是基因突变和基因重组，这个过程会形成多种基因组合形式，进而以表现型出现在自然界中，经历第二步的自然选择；第二步就是自然界的“物竞天择，优胜劣汰”过程，能够适应环境的基因得以留存，反之则被淘汰消失；第三步为种群隔离，新生的种群开始与其它种群形成生殖隔离，这起到保护新种群的作用。
生物新物种的形成有两种方式：
渐变式和爆发式。
渐变式是指物种随着时间的推移，通过多代的突变积累，最终形成新的物种，这个过程当中还会有亚种的出现；爆发式与渐变式最大的不同在于没有中间亚种的阶段，一次完成新物种的产生。
这种新物种的产生方式一般有三种类型：
杂交、染色体结构变化、多倍体化。
遗传是渐变式和爆发式两种方式的融合。
人类基于遗传这一自然界现象开发出的遗传算法，在解决各种复杂优化问题的过程中，能展现出其独特的优势。
3.2遗传算法的原理概述
遗传算法是一种借鉴现代生物进化理论。
以生物遗传的规律为框架，属于启发式算法的一种，目前得到的广泛的应用。
遗传算法通过模拟优胜劣汰的过程来进行种群的优化，首先利用特定的编码技术，将染色体用字符串的形式表示，之后将这些字符串类比于生物群体然后进行计算。
算法过程使用有组织的、随机的字符交换来重新组合一些适应性好的字符串，产生新的、由适应性好的字符串组成的群体。
经过这样多次的迭代，最终寻找到一个最优解或者相对最优解。
3.3遗传算法应用于繁忙机场路径优化的优劣势分析
遗传算法相比一般的路径规划算法存在优势，是因为遗传算法在寻找最优解时，不仅仅是对状态空间中的节点进行一个个地排除，而且在不同结果组成的集合中寻找最优解。
在对所有飞机的路径形成的集合进行寻优时，可以充分考虑效率要求和冲突约束条件，在全局层面上找到最优解，使得单位时间所有航班的总滑行路程（时间）最小，并可以最大程度避免冲突。
遗传算法属于启发式算法，但其在全局规划方面的优势，是诸如贪婪算法，模拟退火算法算法所无法比拟的。
遗传算法在应对繁忙机场的路径优化时，也存在不足。
遗传算法的搜索空间较大、算法较为复杂，所以效率不高。
特别是，随着环境中节点的增加或障碍物数目的增加，算法的复杂度和寻优难度会迅速增加。
另外，由于繁忙机场场面情况时刻在变化，因此需要进行较高频率的重规划，也会使得系统负担过重，造成效率下降。
解决这样的问题，一是在满足安全条件的情况下，要不断尝试简化设计遗传算法，使得算法的体量减小；二是路径规划系统的硬件计算能力要足够强大，才能在较短时间内完成寻优和保证稳定性。
3.4遗传算法的实现步骤
3.4.1流程框架
使用遗传算法求解目标函数的最优解，通常需要围绕所建立的数学模型，进行遗传算法的操作，简单遗传算法的流程框图如图3.1所示。
图3-1简单遗传算法的流程框图
3.4.2染色体编码
编码是将遗传算法应用到实际优化问题的第一步，根据所研究问题的性质和要求，可选择不同的编码方式。
编码方式的选择，直接影响到之后的选择、交叉、变异等操作，进而影响整个算法的性能。
从所求解问题的可行解空间，转化为能够被遗传算法处理的搜索空间这一过程，叫做编码。
路径优化类问题常见的编码方式有二进制编码和实数编码。
（1）二进制编码
二进制编码方法是遗传算法中最常见的编码方式，它使用由二进制符号0、1组成的二进制字符串表示种群中个体的基因，每个字符串对应一个基因型。
例如：
1≤x≤100，精度为1。
m表示二进制编码长度，m的值取决于式：
2m-1≤100（精度为1）≤2m-1，所以此例中取m=7。
则字符串0100100表示一个基因，其对应的解空间中的x=36。
二进制编码具有如下特点：
编码与解码简单易行，容易实现交叉与变异操作，但当字符串的长度较大时，会使遗传算法的搜索空间急剧增大。
另外，它不能像实数编码那样直观地反映出所求问题本身的特征和性质。
（2）实数编码
对于一些拥有较大搜索空间、较多变量约束条件并且精度要求较高的优化问题，使用二进制编码表示基因时将会有上述的不利之处。
这种情况下实数编码更为适用。
实数编码使用一定范围内的实数来表示种群中个体的基因型，其个体的编码长度只取决于数学模型中变量的位
升级会员 