航班流量的调控方法和装置与流程

本发明实施例涉及航空技术领域，尤其涉及一种航班流量的调控方法和装置。

背景技术：

随着航空运输业的迅速发展，航班流量迅速增加，使航班之间的安全间隔难以保证，存在飞行冲突的可能性增加。由于对在同一管制空域内航班增加的情况下保证安全飞行且减少航班延迟，对航空公司来说至关重要，所以进行航班流量的调控也势在必行。

为了在全局上解决航班流量的调控问题，提出了四维航迹(4D-Trajectory，简称4DT)技术，在四维航迹技术背景下，目前使用最多的航班流量的调控方法主要集中在智能算法方面，如蚁群算法，遗传算法等。

通过智能算法进行航班流量调控的方法能够获得比较合理的优化解，但会随着可行域范围的增加，求解时间会有明显提高，影响了进行航班流量调控的效率。

技术实现要素：

本发明实施例提供一种航班流量的调控方法和装置，该方法在可行域范围的增加的情况下，显著减小了求解时间，提高了进行航班流量调控的效率。

本发明实施例提供一种航班流量的调控方法，包括：

建立预设的空域和时间内待优化的n个航班的数据集，所述数据集中的元素为每个航班从起飞到依次进入航线所属的每个扇区及降落的初始时间t_ij；

在所述初始时间t_ij的基础上，引入所述初始时间t_ij对应的延迟时间delay_ij 作为决策变量，建立基于所述决策变量的航班流量调控的线性模型，其中，所述线性模型中以最小化所述n个航班的平均延迟时间为目标函数，i为正整数，j为非负整数；

确定所述线性模型中求解目标函数的约束条件；

采用混合整数规划方法，求解满足所述约束条件下的目标函数的最优解，以实现对航班流量的调控。

本发明实施例提供一种航班流量的调控装置，包括：

建立模块，用于建立预设的空域和时间内待优化的n个航班的数据集，所述数据集中的元素为每个航班从起飞到依次进入航线所属的每个扇区及降落的初始时间t_ij；

所述建立模块，还用于在所述初始时间t_ij的基础上，引入所述初始时间t_ij对应的延迟时间delay_ij作为决策变量，建立基于所述决策变量的航班流量调控的线性模型，其中，所述线性模型中以最小化所述n个航班的平均延迟时间为目标函数，i为正整数，j为非负整数；

确定模块，用于确定所述线性模型中求解目标函数的约束条件；

求解模块，用于采用混合整数规划方法，求解满足所述约束条件下的目标函数的最优解，以实现对航班流量的调控。

本发明实施例提供一种航班流量的调控方法和装置，该方法通过建立预设的空域和时间内待优化的n个航班的数据集，数据集中的元素为每个航班从起飞到依次进入航线所属的每个扇区及降落的初始时间t_ij；在初始时间t_ij的基础上，引入初始时间t_ij对应的延迟时间delay_ij作为决策变量，建立基于决策变量的航班流量调控的线性模型，其中，线性模型中以最小化n个航班的平均延迟时间为目标函数，i为正整数，j为非负整数；确定线性模型中求解目标函数的约束条件；采用混合整数规划方法，求解满足约束条件下的目标函数的最优解，以实现对航班流量的调控。该方法在可行域范围的增加的情况下，显著减小了求解时间，提高了进行航班流量调控的效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下 面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明航班流量的调控方法实施例一的流程图；

图2为本发明航班流量的调控装置实施例一的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明航班流量的调控方法实施例一的流程图，如图1所示，本实施例的执行主体为计算机，笔记本电脑等设备，具体可通过软件的方式实现。则本实施例中的航班流量的调控方法包括：

步骤101，建立预设的空域和时间内待优化的n个航班的数据集，数据集中的元素为每个航班从起飞到依次进入航线所属的每个扇区及降落的初始时间t_ij。

本实施例中，在四维航迹技术背景下进行航班流量的调控。四维航迹技术描述了飞机从起飞到降落，包括空中航线和飞行时刻的四维时空信息。

本实施例中，对进行航班流量调控的空域和时间预先设定，如进行全国范围内24小时内的所有航班的流量调控，又如进行两个扇区范围内48个小时的所有航班的流量调控。本实施例中，对预设的空域和时间不进行限定。

具体地，本实施例中，对四维航迹背景下的预设空域和时间内的所有航班的航班计划时刻表，航路点表、航段表、扇区的范围表进行存储，根据航班计划时刻表对应的起降时间，经过的航段，按照航线将飞机经过航段的起始点时刻计算，并利用扇区的范围进行比对，计算每个航班从起飞到依次进入航线所属的每个扇区及降落的初始时间t_ij。并将每个航班从起飞到依次进入航线所属的每个扇区及降落的初始时间t_ij为元素，建立预设的空域和时间内待优化的n个航班的数据集。

其中，本实施例中的每个航班从起飞到依次进入航线所属的每个扇区及降落的初始时间t_ij将航班与起飞降落位置或进入扇区的位置建立了关系，描述了每个航班进入起飞位置、每个扇区及降落位置的顺序和时间。

本实施例中，当j＝0时，表示航班进入起飞位置，当j＝1,2,3,...,m，表示该航班进入航线对应的第1,2,3,...,m个扇区，当j＝f时，表示该航班进入降落位置。

步骤102，在初始时间t_ij的基础上，引入初始时间t_ij对应的延迟时间delay_ij作为决策变量，建立基于决策变量的航班流量调控的线性模型，其中，线性模型中以最小化n个航班的平均延迟时间为目标函数，i为正整数，j为非负整数。

本实施例中，在空域飞行的密度增加的情况下，在对每个航班从起飞到依次进入航线所属的每个扇区及降落的初始时间t_ij的基础上，对航班从起飞到依次进入航线所属的每个扇区及降落的初始时间进行一次或多次延误来达到对航班流量调控的目的。

所以本实施例中，引入每个扇区的初始时间t^ij对应的延迟时间delay_ij作为决策变量，根据每个航班从起飞到依次进入航线所属的每个扇区及降落的顺序，在初始时间的基础上累加延迟时间，建立基于决策变量的航班流量调控的线性模型。

本实施例中，航班流量调控的线性模型可以包括：目标函数及约束条件。其中，以最小化所述n个航班的平均延迟时间为目标函数。该目标函数为关于决策变量的线性函数。

其中，该目标函数可以表示为式(1)所示：

$f=\min [1/n*\left({\mathrm{\Σ}}_{i=1}^n{\mathrm{delay}}_i\right)]---\left(1\right)$

其中，delay_i表示第i个航班的延迟总时间，n为预设空域和时间内的航班总数。

步骤103，确定线性模型中求解目标函数的约束条件。

本实施例中，线性模型中求解目标函数的约束条件可以为每一时刻内进入每个扇区内的航班总数量不大于对应扇区的预设航班数量，也可以为关于决策变量的其他约束条件，以使得在目标函数的求解后，满足所求的解达到航班流量调控的目的。

本实施例中，对应扇区的预设航班数量可以为对应扇区的允许航班数量的最大值，或为了减少对应扇区的航班流量，将对应扇区的预设航班数量设置为小于对应扇区允许航班数量的最大值的某一数值，本实施例中对此不做限定。

步骤104，采用混合整数规划方法，求解满足约束条件下的目标函数的最优解，以实现对航班流量的调控。

本实施例中，由于混合整数规划方法对求解大规模线性模型具有速度快的优势，所以本实施例中采用混合整数规划方法，求解航班流量调控的线性模型中的目标函数，在求解目标函数的过程中，使得目标函数中的决策变量满足约束条件。

本实施例中，采用混合整数规划方法，求解满足约束条件下的目标函数的可行解，在可行解中选择n个航班的平均延迟时间中最小值对应的各航班的延迟时间作为最优解。

在初始时间t_ij的基础上，将初始时间t_ij与最优解下的延时时间delay_ij相加，做为最终的预设空域和时间内的各航班从起飞到依次进入航线所属的每个扇区及降落的实际时间。

并在各航班从起飞到依次进入航线所属的每个扇区及降落的实际时间的基础上，计算各个扇区在每个时刻的航班数量，使各扇区的航班数量均衡，并小于对应扇区内的预设航班数量，实现了对航班流量的调控。

本实施例提提供的航班流量的调控方法，通过建立预设的空域和时间内待优化的n个航班的数据集，数据集中的元素为每个航班从起飞到依次进入航线所属的每个扇区及降落的初始时间t_ij；在初始时间t_ij的基础上，引入初始时间t_ij对应的延迟时间delay_ij作为决策变量，建立基于决策变量的航班流量调控的线性模型，其中，线性模型中以最小化n个航班的平均延迟时间为目标函数，i为正整数，j为非负整数；确定线性模型中求解目标函数的约束条件；采用混合整数规划方法，求解满足约束条件下的目标函数的最优解，以实现对航班流量的调控。由于该方法建立的使航班流量的线性模型，在采用混合整数规划方法对线性模型目标函数的求解过程中，加快求解速度，并且能够在可行域范围的增加的情况下，显著减小了求解时间，提高了进行航班流量调控的效率。

进一步地，本实施例中，在本发明航班流量的调控方法实施例一的基础上，步骤101中，每个航班从起飞到依次进入航线所属的每个扇区及降落的初始时间t_ij具体可以表示为式(2)所示：

t_ij＝t_i0+(s_ij-s_i0)/(s_if-s_i0)*(t_if-t_i0) (2)

其中，i表示第i个航班，j表示第j个扇区，t_i0表示第i航班的起飞时间，t_if表示第i个航班的降落时间，s_i0表示为第i个航班的起飞位置，s_ij表示第i个航班进入第j个扇区的位置，s_if表示第i个航班的降落位置。

具体地，本实施例中，当j＝0时，表示航班进入起飞位置，当j＝1,2,3,...,m时，表示航班进入了其对应航线的第1,2,3,...,m个扇区，当j＝f时，表示该航班进入了降落位置。

本实施例中，每个航班从起飞到依次进入航线所属的每个扇区及降落的初始时间t_ij将航班与起飞降落位置或进入扇区的位置建立关系，能够在初始时间的基础上查看每个时刻扇区内的航班数量。

优选地，本实施例中，航班流量调控的线性模型的目标函数具体可以表示为式(3)所示：

$f=\min [1/n*\left({\mathrm{\Σ}}_{i=1}^n{\mathrm{delay}}_i\right)]=\min [1/n*\left({\mathrm{\Σ}}_{i=1}^n(({\mathrm{delayland}}_i+*\mathrm{\α}*{\mathrm{delayair}}_i)*{\mathrm{\β}}_i)\right)]---\left(3\right)$

其中，delay_i表示第i个航班的延迟总时间，为第i个航班在地面及进入航线所属每一个扇区的延迟时间delay_ij之和，delayland_i表示第i个航班的地面延迟总时间，delayair_i表示第i个航班的空中延迟总时间，α表示第i个航班的空中延迟系数，α>1，β_i表示第i个航班所属航空公司的权重。

具体地，本实施例中，第i个航班在地面延迟总时间delayland_i为第i个航班在起飞位置延迟时间delay_i0和降落位置的延迟时间delay_if之和。其中，delayland_i＝delay_i0+delay_ij。

第i个航班进入航线所属每一个扇区的延迟时间delay_ij之和为第i个航班的空中延迟总时间delayair_i，其中的j＝1,2,3,...,m。

本实施例中，为空中延迟总时间设置大于1的空中延迟系数α，使空中延迟所占的比重更大。并且根据各航班所属航空公司的权重使重要航空公司具有优先权。使该目标函数的设定更符合实际问题需要，通过该目标函数求解的最优解的可施行性更强。

进一步地，本实施例中，在步骤103中确定线性模型中求解目标函数的 约束条件时确定的约束条件具体包括：第一约束条件，第二约束条件及第三约束条件。

其中，

0≤num_j≤num_jmax (4)

t_ij+delay_ij≤t_ij+1+delay_ij+1 (5)

delay_i≤delay_imax (6)

其中，式(4)，式(5)，式(6)分别为第一约束条件，第二约束条件，第三约束条件。

其中，式(4)中的num_j表示每一时刻第j个扇区的航班数量，num_jmax表示第j个扇区预设航班数量的最大值，式(4)表示每一时刻第j个扇区的航班数量小于第j个扇区的预设航班数量的最大值。

本实施例中，为了统计在每个时刻第j个扇区的航班数量，引入中间变量γ_ij，当γ_ij＝0时，表示当前时刻该第i个航班未在第j个扇区，当γ_ij＝1时，表示第i个航班在第j个扇区。在第i个航班初始时间的基础上，累加延迟时间，根据延迟后的时间判断第i个航班是否在第j个扇区，以统计每个时刻第j个扇区的航班数量。

式(5)中的delay_ij表示第i个航班进入第j个扇区的延迟时间，delay_ij+1表示第i个航班进入第j+1个扇区的延迟时间，式(5)表示第i个航班在到达第j个扇区后到达第j+1个扇区。

式(6)中的delay_imax表示第i个航班预设延迟时间的最大值，式(6)表示第i个航班总延迟时间小于等于第i个航班预设延迟时间的最大值。

进一步地，本实施例中，步骤104中采用混合整数规划方法，求解满足约束条件下的目标函数的最优解，以实现对航班流量的调控具体包括：

采用混合整数规划方法，求解同时满足所述第一约束条件，第二约束条件及所述第三约束条件下的目标函数的最优解，以实现对种航班流量的调控。

本实施例中，求解同时满足第一约束条件，第二约束条件及所述第三约束条件下的目标函数的最优解，使求出的最优解能够在达到较低的平均延误时间的情况下，更符合实际问题需要，使该求解的最优解施行的可行性更强。

图2为本发明航班流量的调控装置实施例一的结构示意图。如图2所示， 本实施例中的航班流量的调控装置包括：建立模块201，确定模块202及求解模块203。

其中，建立模块201，用于建立预设的空域和时间内待优化的n个航班的数据集，数据集中的元素为每个航班从起飞到依次进入航线所属的每个扇区及降落的初始时间t_ij。建立模块201，还用于在初始时间t_ij的基础上，引入初始时间t_ij对应的延迟时间delay_ij作为决策变量，建立基于决策变量的航班流量调控的线性模型，其中，线性模型中以最小化n个航班的平均延迟时间为目标函数，i为正整数，j为非负整数。确定模块202，用于确定线性模型中求解目标函数的约束条件。求解模块203，用于采用混合整数规划方法，求解满足约束条件下的目标函数的最优解，以实现对航班流量的调控。

本实施例的装置可以执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

进一步地，本实施例提供的航班流量的调控装置中，每个航班从起飞到依次进入航线所属的每个扇区及降落的初始时间t_ij，表示为式(2)所示，

其中，式(2)中，i表示第i个航班，j表示第j个扇区，t_i0表示第i航班的起飞时间，t_if表示第i个航班的降落时间，s_i0表示为第i个航班的起飞位置，s_ij表示第i个航班进入第j个扇区的位置，s_if表示第i个航班的降落位置。

优选地，本实施例中提供的航班流量的调控装置中，目标函数表示为式(3)所示。

其中，式(3)中，delay_i表示第i个航班的延迟总时间，为第i个航班在地面及进入航线所属每一个扇区的延迟时间delay_ij之和，delayland_i表示第i个航班的地面延迟总时间，delayair_i表示第i个航班的空中延迟总时间，α表示第i个航班的空中延迟系数，α>1，β_i表示第i个航班所属航空公司的权重。

进一步地，本实施例提供的航班流量的调控装置中，航班流量的线性模型中求解目标函数的约束条件具体包括：第一约束条件，第二约束条件及第三约束条件。

其中，所述第一约束条件为表示为式(4)所示，所述第二约束条件表示为式(5)所示，所述第三约束条件表示为式(6)所示。

其中，在式(4)，式(5)，式(6)中，num_j表示每一时刻第j个扇区的航班数量，num_jmax表示第j个扇区预设航班数量的最大值，delay_ij+1表示第i个航班进 入第j+1个扇区的延迟时间，delay_imax表示第i个航班预设延迟时间的最大值。

进一步地，本实施例提供的航班流量的调控装置中，求解模块203，具体用于采用混合整数规划方法，求解同时满足所述第一约束条件，第二约束条件及所述第三约束条件下的目标函数的最优解，以实现对种航班流量的调控。

本实施例提供的航班流量的调控装置可以执行本发明航班流量的调控方法实施例一中进一步的技术方案，其实现原理和技术效果类似，此处不再赘述。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。