空中交通流量调控方法
【技术领域】
[0001] 本发明实施例涉及调控技术，尤其涉及一种空中交通流量调控方法。
【背景技术】
[0002] 近年来航空运输业取得了迅猛发展，但是随着空中飞机数量的不断增多，空域拥 挤问题变得日益严重，不仅降低了飞行的安全性，而且给民航带来了巨大的经济损失。空中 交通流量管理是解决空中交通拥挤最为有效和经济的手段，通过改变飞机的起飞时刻、飞 行路径达到流量调控的目的，从而降低空中交通拥挤度，提高空域利用率。其中，改变飞机 的起飞时刻就是改变飞机的时间延误，改变飞行路径也就是改变空域的拥挤度。
[0003] 随着飞机数量的剧增，各部分空域之间的关联性增强，广域空中交通流量调控的 方法逐渐引起了人们的注意。广域空中交通流量管理的首要目标是保证飞机飞行的安全 性，即要降低整个空域拥挤度，其次在保证安全飞行的前提下还要兼顾航空公司的经济利 益和航班之间的公平性，即要尽量均衡地分配飞机的时间延误。其中，广域空域由各部分空 域构成，广域空中交通流量调控需要同时优化所有飞机的时间延误和各个空域拥挤度，是 一个多目标的大规模组合优化问题，而且这两个目标是一对矛盾，在减小空域拥挤度的同 时必然会增加时间延误，因此通过传统的广域空中交通流量调控算法将得到的时间延误和 空域拥挤度的解集转换为一组非支配解，并计算该非支配解的多样性，多样性是评价非支 配解好坏的一个重要指标，它可以反映解的分布是否均匀，如果分布均匀则广域空中交通 流量调控达到的效果较好。
[0004] 传统的遗传算法在解决多目标组合优化问题时已经表现出了一定的优势，但是在 处理大规模的多目标组合优化问题时搜索能力有限，很难充分搜索整个解空间，容易陷入 局部最优，这样就会对航空公司的经济利益和航班之间的公平性产生影响。
【发明内容】
[0005] 本发明实施例提供一种空中交通流量调控方法，以解决在处理大规模的多目标组 合优化问题时搜索能力有限，很难充分搜索整个解空间，容易陷入局部最优，会对航空公司 的经济利益和航班之间的公平性产生影响的问题。
[0006] 本发明实施例提供一种空中交通流量调控方法，包括：
[0007] 第一步，建立待调控空域的航班和空域信息数据库，所述数据库包括所述待调控 空域中所有航班的起飞时刻和飞行路径的集合；
[0008] 第二步，生成初始种群，所述初始种群由预设数量的染色体随机组成，一条染色体 由所述数据库中每一航班的一个飞行路径和一个起飞时刻组成，所述一条染色体包括2N 个基因，N为所述数据库中航班的数量，将所述初始种群作为第g代种群，g为自然数；
[0009] 第三步，使用所述第g代种群计算第一目标函数和第二目标函数，所述第一目标 函数为所述待调控空域的空中交通拥挤度目标函数，所述第二目标函数为所述待调控空域 中所有航班的起飞时刻延误和额外飞行路径的目标函数，得到所述第g代种群的所述第一 目标函数和所述第二目标函数的解集；将所述第g代种群的所述第一目标函数和所述第二 目标函数的解集存放在全局变量中；
[0010] 第四步，计算所述第g代种群的所述第一目标函数和所述第二目标函数的解集的 多样性函数，得到所述第g代的多样性函数值；
[0011] 第五步，根据所述第g代的多样性函数值确定在所述第g代种群中参与局部搜索 的染色体的数量Φ (g);
[0012] 第六步，在所述第g代种群中随机选择Φ (g)条染色体，并替换所述Φ (g)条染色 体中每一染色体的y个基因，将所述第g代种群中除所述Φ (g)条染色体以外的其他染色 体和替换后的所述Φ (g)条染色体作为第g+l代种群；
[0013] 第七步，使用所述第g+Ι代种群计算所述第一目标函数和所述第二目标函数，得 到所述第g+Ι代种群的所述第一目标函数和所述第二目标函数的解集；根据所述第g+Ι代 种群的所述第一目标函数和所述第二目标函数的解集对所述全局变量中的所述第一目标 函数和所述第二目标函数的解集进行更新；
[0014] 第八步，计算所述第g+Ι代种群的所述第一目标函数和所述第二目标函数的解集 的多样性函数，得到所述第g+ι代的多样性函数值；
[0015] 第九步，依次循环执行第五步至第八步的处理，得到第g+n代的多样性函数值，直 到第g+n代到达预定循环代数；
[0016] 第十步，将所述全局变量中更新后的解集对应的染色体中的每个航班的起飞时刻 和飞行路径来作为待调控空域的调控依据。
[0017] 进一步地，上述多样性函数值，表示为：
[0019] 其中，
为相邻的所述第一目标函数和所述第二目标函数的解之间 的平均距离，所述第一目标函数和所述第二目标函数的解集为X = (Xl，x2, ...，xn)，山为X i 和x1+1之间的距离，d ￡和d i分别为两个极端解与所述第一目标函数和所述第二目标函数的 解边界值之间的距离，Cl1表示为：
[0020] (Ii=IIy(Xi)I(Xw)II 2 0〈i〈n
[0021] 其中，y是目标函数向量，y = (yi，y2)，yi为所述第一目标函数，y2为所述第二目 标函数。
[0022] 上述根据所述第g代的多样性函数值确定在所述第g代种群中参与局部搜索的染 色体的数量Φ (g)，表示为：
[0024] 其中，ps为所述第g代种群中的染色体数量，τ (g)为第g代局部搜索频率，k为 常数；
[0025] 第g代局部搜索频率τ (g)，表示为：
[0027] n (g)为所述第g代的多样性函数值。
[0028] 上述y个基因为2NXp个基因；其中，p为选择比例，p小于1。
[0029] 上述使用所述第g代种群计算第一目标函数和第二目标函数，得到所述第g代种 群的所述第一目标函数和所述第二目标函数的解集，具体包括：
[0030] 将所述第g代种群中的所述每一条染色体随机分组得到至少两个低维子染色体， 对每个低维子染色体进行差分进化，得到差分进化后的每个低维子染色体，将所述差分进 化后的每个低维子染色体进行合并，生成差分进化后的一条染色体，所述第g代种群的所 述第一目标函数和所述第二目标函数的解集由所述差分进化后的染色体计算得到。
[0031] 上述根据所述第g+Ι代种群的所述第一目标函数和所述第二目标函数的解集对 所述全局变量中的所述第一目标函数和所述第二目标函数的解集进行更新，具体包括：
[0032] 将所述第g+Ι代种群的所述第一目标函数和所述第二目标函数的解集中的各个 解进行比较，得到所述第g+Ι代种群的非支配解集；
[0033] 将所述第g+Ι代种群的非支配解集与所述全局变量中的所述第一目标函数和所 述第二目标函数的解集进行比较，如果所述第g+Ι代种群的非支配解集中存在至少一个 解，所述至少一个解支配所述全局变量中的所述第一目标函数和所述第二目标函数的解集 中的解，则用所述至少一个解替换掉所述全局变量中的所述第一目标函数和所述第二目标 函数的解集中被所述至少一个解支配的解。
[0034] 上述第一目标函数为所述待调控空域的空中交通拥挤度目标函数，表示为：
[0036] 其中，
表示扇区Sk在时间T内的总拥挤度，t e T，
表示扇 区Sk在时间T内的最大拥挤度，P表示扇区的数量，Φ和W是介于0到1之间的权重系数；
[0037] 所述待调控空域包括P个扇区，所述扇区Sk表示P个扇区中的第k个扇区，所述扇 区S k的拥挤度为所述扇区Sk在时间T内的一个时刻t的航班数量，所述扇区总拥挤 度为所述扇区S k在时间T内的航班数量之和，所述扇区S k的最大拥挤度为所述扇区S ,在 时间T内一个时刻t的航班数量的最大值。
[0038] 上述扇区&在t时刻的负荷KO包括：监视负荷(〇和协调负荷(?)， 表示为：
[0040] 其中，w, Φ e [0, 1]为所述监视负荷和所述协调负荷的权重；
[0041] 所述监视负荷(0，表示为：
[0043] 其中，MSi (?)与t时刻在所述扇区&内的飞机数目的平方成正比，(?)表示t 时刻所述扇区Sk的监视负荷阈值；
[0044] 所述协调负荷(0可以表示为：
[0046] 其中，义⑴与t时刻穿越所述扇区Sk边界的飞机数目的平方成正比，⑴表 示t时刻所述扇