本文選題：滑行道調(diào)度 + 航班著陸調(diào)度��； 參考：《中國民航大學(xué)》2017年碩士論文

【摘要】：近年來,我國航空產(chǎn)業(yè)的發(fā)展依舊保持著強(qiáng)勁的勢頭。然而隨著飛行流量的增加,航班調(diào)度的工作量和難度不斷增大,繁忙機(jī)場擁堵現(xiàn)象也越來越嚴(yán)重。目前,我國在機(jī)場終端區(qū)航班調(diào)度方面仍采用人工調(diào)度的方式,管制員根據(jù)經(jīng)驗(yàn)調(diào)度航班,具有隨機(jī)性和不確定性,容易使空域得不到充分利用。因此,機(jī)場終端區(qū)自動化調(diào)度研究就具有重大意義。本文在國內(nèi)外相關(guān)研究的基礎(chǔ)上,首先針對現(xiàn)有機(jī)場滑行道調(diào)度算法效率偏低的問題,提出了一種引入A*算法的協(xié)同蟻群算法。算法首先采用A*算法得到的滑行道調(diào)度結(jié)果作為蟻群啟發(fā)式信息;然后使用帶有啟發(fā)式信息的蟻群對航班進(jìn)行調(diào)度排序,排序過程中檢測沖突,利用沖突解決算法根據(jù)航班優(yōu)先級處理航班沖突,通過蟻群間通信對信息素進(jìn)行更新迭代,最終得出航班最優(yōu)調(diào)度結(jié)果。實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有滑行道調(diào)度算法相比,本文提出的算法收斂速度較快,航班調(diào)度效率較高,可以對繁忙機(jī)場滑行道調(diào)度提供決策支持。關(guān)于目前滑行道調(diào)度模型局限性的問題,本文將航班著陸調(diào)度問題和滑行道調(diào)度問題通過共享資源跑道結(jié)合起來,將空中網(wǎng)絡(luò)與地面網(wǎng)絡(luò)相結(jié)合,統(tǒng)一兩個問題的描述方式,在滑行道調(diào)度模型的基礎(chǔ)上融合航班著陸調(diào)度經(jīng)典模型,實(shí)現(xiàn)著陸與滑行航班相結(jié)合的協(xié)同調(diào)度模型。同時利用上述協(xié)同蟻群算法對協(xié)同調(diào)度模型進(jìn)行了驗(yàn)證實(shí)驗(yàn),結(jié)果表明進(jìn)離場航班協(xié)同調(diào)度的可行性與優(yōu)越性。最后,在如上研究工作的基礎(chǔ)上設(shè)計(jì)了航班協(xié)同調(diào)度仿真系統(tǒng)。系統(tǒng)的主要功能包括以下幾點(diǎn):1)系統(tǒng)能通過更新版本自由添加航班調(diào)度算法。2)系統(tǒng)通過讀取航班計(jì)劃數(shù)據(jù)和機(jī)場網(wǎng)絡(luò)布局?jǐn)?shù)據(jù),根據(jù)選定的航班調(diào)度算法,可以得到最優(yōu)的航班調(diào)度方案。3)系統(tǒng)能展示算法每次迭代的最優(yōu)值并畫出變化折線圖。4)系統(tǒng)能展示最優(yōu)調(diào)度結(jié)果。
[Abstract]:In recent years, the development of China's aviation industry is still maintaining a strong momentum. However, with the increase of flight flow, the workload and difficulty of flight scheduling are increasing, and congestion in busy airports is becoming more and more serious. At present, our country still uses the manual dispatch method in the airport terminal area flight scheduling, the controller dispatches the flight according to the experience, has the randomness and the uncertainty, easily causes the airspace not to be fully utilized. Therefore, the research of airport terminal automation dispatching is of great significance. Based on the domestic and foreign research, this paper first proposes a cooperative ant colony algorithm based on A* algorithm to solve the problem of low efficiency of the existing taxiway scheduling algorithm. The algorithm firstly uses the taxiway scheduling result obtained by the A* algorithm as the ant colony heuristic information, and then uses the ant colony with heuristic information to sort the flight and detect the conflicts during the sorting process. The conflict resolution algorithm is used to deal with the flight conflicts according to the flight priority, and the pheromone is updated by means of ant colony communication. Finally, the optimal flight scheduling results are obtained. The experimental results show that compared with the existing taxiway scheduling algorithms, the proposed algorithm has faster convergence speed and higher flight scheduling efficiency, and can provide decision support for taxiway scheduling in busy airports. With regard to the limitation of taxiway scheduling model at present, this paper combines the flight landing scheduling problem and taxiway scheduling problem through the shared resource runway, combines the air network with the ground network, and unifies the description of the two problems. Based on the taxiway scheduling model, the classical flight landing scheduling model is integrated to realize the cooperative scheduling model of landing and taxiing flight. At the same time, the cooperative ant colony algorithm is used to verify the cooperative scheduling model. The results show the feasibility and superiority of the cooperative scheduling of inbound and outbound flights. Finally, a flight coordination scheduling simulation system is designed based on the above research work. The main functions of the system include the following points: 1) the system can freely add the flight scheduling algorithm. 2) the system can read the flight plan data and the airport network layout data, according to the selected flight scheduling algorithm. The optimal flight scheduling scheme. 3) the system can show the optimal value of each iteration of the algorithm and draw the variable line diagram. 4) the system can display the optimal scheduling results.
【學(xué)位授予單位】：中國民航大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F562;TP301.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮興杰;王滿超;;經(jīng)驗(yàn)粒子群算法在飛機(jī)著陸調(diào)度中的應(yīng)用[J];計(jì)算機(jī)工程與設(shè)計(jì);2015年03期

2 馮程;胡明華;叢瑋;;基于滾動時域算法的航班滑行路徑優(yōu)化模型[J];航空計(jì)算技術(shù);2014年04期

3 王小磊;羅喜伶;;基于遺傳算法的機(jī)場場面目標(biāo)沖突解脫方法[J];太赫茲科學(xué)與電子信息學(xué)報;2013年02期

4 柳青;李春玲;宋祥波;;延誤航班機(jī)場場面滑行優(yōu)化調(diào)度策略研究[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2012年05期

5 李楠;趙擎;徐肖豪;;基于A~*算法的機(jī)場滑行路徑優(yōu)化研究[J];計(jì)算機(jī)仿真;2012年07期

6 丁建立;李曉麗;李全福;;基于改進(jìn)蟻群協(xié)同算法的樞紐機(jī)場場面滑行道優(yōu)化調(diào)度模型[J];計(jì)算機(jī)應(yīng)用;2010年04期

7 虞秀蘭;程朋;施鋒;;Gate-to-Gate模式下航班到達(dá)的綜合調(diào)度[J];系統(tǒng)仿真學(xué)報;2010年S1期

8 董天圣;彭艦;;基于遺傳算法的機(jī)場滑行調(diào)度優(yōu)化策略[J];計(jì)算機(jī)應(yīng)用;2010年02期

9 劉長有;叢曉東;;基于遺傳算法的飛機(jī)滑行路徑優(yōu)化[J];交通信息與安全;2009年03期

10 程曉航;薛惠鋒;洪鼎松;陸明;;進(jìn)港飛機(jī)調(diào)度的精華自適應(yīng)遺傳算法設(shè)計(jì)[J];交通與計(jì)算機(jī);2006年06期

相關(guān)博士學(xué)位論文 前2條

1 陶誠;高級場面運(yùn)動引導(dǎo)控制及仿真平臺研究[D];南京航空航天大學(xué);2011年

2 陶吉利;基于DNA計(jì)算的遺傳算法及應(yīng)用研究[D];浙江大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 王東興;航班著陸調(diào)度問題研究[D];天津大學(xué);2014年

2 李華融;多跑道機(jī)場容量研究[D];南京航空航天大學(xué);2013年

3 陳興;多跑道進(jìn)場優(yōu)化排序研究[D];南京航空航天大學(xué);2013年

4 馮程;機(jī)場場面運(yùn)行優(yōu)化及容量評估技術(shù)研究[D];南京航空航天大學(xué);2013年

5 楊磊;機(jī)場場面運(yùn)行優(yōu)化技術(shù)研究[D];南京航空航天大學(xué);2012年

6 施賽鋒;廣州終端區(qū)進(jìn)離場航班排序系統(tǒng)研究[D];南京航空航天大學(xué);2011年

7 汪松泉;遺傳算法在組合優(yōu)化中的應(yīng)用研究[D];安徽大學(xué);2010年

8 薛磊;基于滑行道等待的地面沖突解脫策略研究[D];南京航空航天大學(xué);2010年

9 楊晶妹;終端區(qū)進(jìn)場航班排序方法研究[D];南京航空航天大學(xué);2010年

10 嘉曉嵐;航班著陸調(diào)度的智能優(yōu)化方法研究[D];中國科學(xué)技術(shù)大學(xué);2009年

，

本文編號：1797456