基于机位可调整的航班空中备降优化

为了解决航班空中备降无序的问题,缩短备降时间进而降低运行风险,严格遵照实际飞行运行要求,综合飞行时长、机位属性、备降机场容量等运行限制,将可用机位设为动态调整项,运用整数规划方法,借助Matlab工具构造以备降总时间最短为目标的优化模型。通过对历史运行数据的整理,对2016年3月19日西南地区某日的备降状况进行仿真。结果表明,当备降机场成都、贵阳和西安的使用机位集合为{3:2:2}时,7个航班备降时间平均可缩短12 min,此时优化效果最佳。实际航班数据验证结果较为理想,表明该方案可行有效。     

基于多算法协作的航班运行风险辨识研究

针对使用单一算法难以大幅提升航班运行风险辨识精度的问题,首先详细分析航班运行工作流程,筛选出重要评估指标15项,精选X航100个航班案例作为数据样本,使用粗糙集理论约简得到9个风险核心指标;然后选用支持向量机(SVM)和神经网络2种机器学习方法,分别建立风险辨识模型计算风险等级,并将其与基于模糊算法的X航风控系统运算结果对比;进而,依据各算法优缺点,构建多算法协作模型;最后使用G航和N航日运行数据检验模型有效性。结果表明:神经网络方法对低风险分辨效果最好;SVM对中高风险辨识能力最强;用所构建的多算法协作模型计算结果的正确率最高可达95%。     

飞行签派员警觉性预测三过程模型

为解决民航飞行签派员警觉性预测问题,在国际通用的警觉性理论基础上,通过电子手环监测与精神运动能力测试(PVT)数据分析,构建面向民航飞行签派员的警觉性预测三过程模型(TPMA)。首先,从国内大型运输航空公司的一线值班飞行签派员中选取120名被试,在40 h睡眠剥夺条件下定时采集体温数据,并对被试进行PVT测试;其次,使用余弦分析法确定相位,根据测试数据,确定模型的上下渐近线,睡眠转换阈值等关键参数;然后,通过提前唤醒,测试修正睡眠惯性过程;最后,测试120名被试用以验证模型,并额外选取3组不同排班方式的被试开展独立验证。结果表明：二谐量的余弦函数可以很好地拟合体温数据,拟合相位为16.88,警觉性昼夜节律参数为-55 ms/℃,上下渐近线分别为750、200 ms,睡眠转换阈值为437 ms; TPMA预测结果与规律作息测试数据拟合优度大于0.90,与实际工作条件下测试数据的拟合优度大于0.81。提出的飞行签派员TPMA具有较好的稳定性和适用性。     

机场备降航班保障能力评估与验证

针对航班备降突发性和信息不对称的问题,为准确选择备降机场,降低运行风险,通过梳理可获取的运行数据,初步筛选出机场备降保障能力指标;基于粗糙集理论,利用遗传算法和Johnson算法筛选得到关键指标,使用熵权法建立机场备降保障能力评估模型(方法1);同时,使用神经网络,通过历史数据训练得到评估优选模型(方法2);最后,统计2015—2016年备降航班数据,与两种方法的评估值进行了对比和分析。结果表明,方法 1更适用于大规模备降的极端情况,而方法 2更适用于常规备降情况。两种模型评估结果与实际运行结果趋势一致,证明了评估方法的有效性。     

危险天气下4D改航回归航迹规划方法

为解决航班因危险天气临时绕飞导致的航迹冲突问题，提出一种面向航迹运行(TBO)的4D改航回归航迹规划方法。首先，根据航空器性能限制，栅格化空域，使用蚁群算法与轮盘赌法，以改航路径最短为目标，生成三维空域内危险天气下的改航路径；然后，提出航迹回归概念，根据预计到达时间(ETA)计算改航速度，对齐时间得到4D改航航迹；最后，以我国中部某主要航段为运行场景，选取3个航迹回归点，采用“调速+等待”策略，计算避让危险天气的三维可行航迹，以燃油消耗与排放成本的计算结果与改航航迹产生的冲突为参考，评估各改航方案。结果表明：当选择最晚回归点时，改航方案3燃油消耗为5.9 t,温室气体排放量为26.3 t,是3种方案中消耗最少的，但需解脱冲突2次；选择最早回归点的改航方案1未与其他航班出现冲突，但燃油与排放相比方案3增加0.1%和0.2%。以上结果证实，该方案可实现危险天气下选取不同回归点时的4D改航回归航迹规划。