[发明专利]一种综合考虑空域拥堵和航班延误的空中交通网络流量优化方法

摘要

本发明公开了一种综合考虑空域拥堵和航班延误的空中交通网络流量优化方法，包括：考虑地面等待、改航、空中调速和空中等待等空中流量调控措施，建立一个多目标空中交通网络流优化模型；基于时空分离思想，提出路径时间分配系统算法，通过分别对航班进行路径搜索和时间优化操作，对多目标模型进行求解；同时设计预选算子嵌入路径时间分配系统算法中，提取有效路径解，减小搜索空间，提高运行效率。本发明可以同时最小化空域拥挤和航班延误，且运行效率高，符合空中交通网络流优化的实时性要求。

主权项

1.一种综合考虑空域拥堵和航班延误的空中交通网络流量优化方法，包括以下几个步骤：步骤1、建立通用的双目标空中交通网络流优化数学模型，同时优化空域拥挤和航班延误；本发明的双目标空中交通网络流优化数学模型建立基于如下假设：（1）所有航班的起飞降落时间和飞行路径在一定的范围内可选；（2）同一起飞机场—降落机场，简称OD，之间的航班可选路径集合相同；本发明同时最小化空域拥挤和航班延误，即目标函数为：（1）最小化空域拥挤，简称：AC，具体为：其中，表示扇区S_k在时段T内总工作负荷，表示扇区S_k在时段T内最拥挤时刻的工作负荷，即最大工作负荷；给扇区总工作负荷和最大工作负荷分配不同的权重；T表示时间集合，被划分成等长、连续的离散时隙n_T表示时间段T被划分为n_T个时隙,t₁表示第1个时隙，表示第n_T个时隙；WSk(t)=WmoSk(t)+WcoSk(t)+WcfSk(t),]]>为时隙t监视负荷、协调负荷及冲突负荷之和；n_S表示空域中扇区数目；（2）最小化航班延误，简称TFD，具体为：minTFD=Σf∈F|cfg·|τfd-τf0d|+cfa·(τfa-τfd-tfmin)|---(2)]]>其中，d_f表示航班f的起飞机场，a_f表示航班f的目的机场，表示航班f的起飞时间，表示航班f的降落时间，F表示航班集合，|F|表示总航班数目，r_f0,分别表示初始飞行计划中的航班f的飞行路径、起飞时间和降落时间；航班飞行延误成本由两部分构成：航班由于延迟起飞所产生的地面等待成本为单位时间地面等待成本；航班由于空中等待、调速或改航所产生的空中延误成本为单位时间空中飞行成本，为航班f在网络中沿着所选飞行路径到达目的机场的最短飞行时间；FPL表示航班飞行计划，FPL＝{fpl_f|f＝1,...,|F|},其中r_f表示航班f的飞行路径；模型中约束条件：（1）r_f∈R_f，其中表示航班f从起飞机场到降落机场的可选路径集合；|R_f|是可选路径集合的数目；（2）τfd∈[T‾fd,T‾fd]]]>和τfa∈[T‾fa,T‾fa],]]>其中和为航班f的起飞、降落时间，[T‾fd,T‾fd]]]>和分别为航班有效的起飞、降落时间范围；（3）其中v_f表示航班f的平均飞行速度，L(r_f)是航路r_f的长度，[v_min,v_max]是飞机飞行速度的变化范围；综上，本发明中通用的双目标空中交通网络流优化数学模型表示为：目标函数：minTFD=Σf∈F|cfg·|τfd-τf0d|+cfa·(τfa-τfd-tfmin)|]]>约束条件：r_f∈R_f,f∈Fτfd∈[T‾fd,T‾fd],f∈F]]>τfa∈[T‾fa,T‾fa],f∈F]]>vf=L(rf)τfa-τfd∈[vmin,vmax],f∈F]]>步骤2、基于时空间分离的问题求解思想，提出一个路径时间分配系统算法，通过分别对航班进行路径搜索和时间优化操作，对双目标空中交通流量优化问题求最优解，同时，设计预选算子提取有效路径解，将预选算子嵌入路径时间分配系统算法中；具体包括如下步骤：步骤201，初始化航班路径选择概率模型P＝{P₁,P₂,...,P_f,...,P_|F|}为均匀分布，根据飞行计划初始化种群Pop(g)，初始化非支配解集EPop为空，设定演化代数g=0；其中|F|为总航班数，f＝1,2,...,|F|表示航班f可选路径集R_f中各路径被航班f选择飞行的概率向量，可选路径集R_f中各路径即为|R_f|为航班f可选路径规模，且Σi=1|Rf|pi=1;]]>步骤202，根据航班路径选择概率模型P生成航班当前最优飞行路径，更新Pop(g)；步骤203，令种群SPop(g)＝Φ，设计预选算子从种群Pop(g)中提取有效路径解放入种群SPop(g)中；步骤204，将种群SPop(g)中每一个体进行时间优化，即利用时间平移和时间缩放两个操作对每一个体中时间参数进行优化；步骤205，更新种群SPop(g)为SPop(g)＝SPop(g-1)∪EPop，计算种群SPop(g)中的每一个体目标函数值，并根据目标函数值对SPop(g)中个体进行非支配排序；清空非支配排序解集EPop，将种群SPop(g)中前50%的个体复制到EPop中，统计EPop中个体路径解情况，根据公式（3）对航班路径选择概率模型P进行更新；Pf(rf=rfk)=1NPRΣi=1NPRfind(rf=rfk)---(3)]]>其中，NP_R为更新航班路径选择概率模型P的个体数目，即EPop中个体数目；find为逻辑式，当A为真时，find(A)＝1，当A为假时，find(A)＝0；k＝1,...,|R_f|；f＝1,2,...,|F|；步骤206，判断g是否满足指定演化代数Gen，若是，优化结束；此时EPop中的非支配解构成最终的非支配解集，非支配解集中的个体即为优化的航班起飞降落时间和飞行路径；否则令g＝g+1，返回步骤202。