基于拟阵的航空器场面路由规划与动态调整关键理论方法与技术

Aircraft taxi routes planning and the corresponding real-time adjustment are crucial to the efficiency and safety of airport surface operation. Taxi routes planning is NP-hard, thus traditional routing methods are mostly based on the predefined routes, which is, unfortunately, suboptimal and with low throughput, and may even lead to conflicts. To tackle the problem, by introducing a proper regularization term, the proposal converts it into a greedy problem, and thus can be solved efficiently by matroid. To handle conflicts, confliction detection and adaptive adjustment are employed, which maximize the throughput and also resolve confliction. Due to the property that matroid can solve the local optimization problem efficient, dynamic adjustment problem introduced by incident (such as the violation of pre-scheduled routing timing during runtime) is handle by matroid locally, and global optimal is guaranteed with real-time performance. Ultimately, a system is built for airport surface operation and controlling with dynamic taxi routes planning and real-time adjustment properties, which meets the A-SMGCS specifications. The system will be evaluated and tested objectively by software simulations and practical applications.

航空器场面路由规划及动态调整，对机场运行效率和安全具重要作用。路由规划NP困难，传统方案多采用预设固定路径，故存在吞吐量低、应对突发性差等问题，甚至可能导致路由冲突。通过引入合适正则简化项，将规划问题转换为贪心可解，并使用拟阵工具快速求解；针对初步规划，检测冲突并自适应调整，在消除冲突同时增大吞吐；通过拟阵方法的局部最优性以应对操作偏差及突发事件（如航空器未按预设时间通过滑行道等），对初步规划方案在保证全局最优条件下仅进行局部增量更新，避免全局重规划，从而满足实时性要求。基于上述方案，建立一种适合机场应用、符合A-SMGCS规范的航空器场面滑行路由规划与实时调整系统，通过软件仿真及现场应用客观分析测试性能并改进。

航空器场面路由规划及动态调整，对机场运行效率和安全具有重要意义。路由规划NP困难，目前应用中多采用预设路径的形式，对突发性状况应对较差，容易在航空器滑行路线上引起运行冲突。本文将规划问题转换为贪心问题，并使用拟阵工具快速求解。首先对机场场面路由规划问题中的临界资源进行抽象，提出了一种场面运行建模方法。该方法以活动区典型运行单元划分为基础，所得场面ETPPN模型库所定义了对应场面单元的管制规则约束，避免了节点-路段类模型对管制规则约束和场面运行动态描述能力的不足；其次通过组合优化方法，分析拟阵在解决复杂网络及图模型中的应用。根据拟阵的性质，提出一种路由规划算法，并从数学上证明其可行性，该算法可以人为地灵活设置道路之间的连接关系和约束关系，这些关系会被存入数据库中，供算法实时灵活调用，并体现在最优路径的计算结果中。该规则是可以根据施工情况、拥堵情况、空管调度规则进行灵活修改，从而得出符合当下规则的一条正确的优化路径。之后，提出了一种考虑飞机到达和离开之间相互作用的预测飞机出发滑行时间的有效机器学习方法。在考虑到所有到达和离开时间对滑出时间的影响之上，通过对一天和一个月的样本利用 LR、SVM 和 RF 三种机器学习模型进行训练，结果表明，使用一个月样本的训练RF模型在预测精度方面明显优于其他模型。在此基础之上，提出基于场面ETPPN模型和遗传算法的航空器滑行初始路径规划方法。最后，在系统运行过程中，通过模型过往状态及突发事件属性，增量更新拟阵问题，将优化与反馈机制结合，采用实时获取的场面运行态势信息来分析场面运行事件并驱动路由更新，利用针对各种情形设计的常态路由更新算法或非常态路由更新算法完成滑行路由实时更新。.通过本文的研究，提出的场面滑行时间预测方法和基于拟阵的滑行路由规划方法提升了预测效率和规划合理性，避免了以往每隔一个固定时段才滚动更新路由，难以实时应对场面各种不确定情形的不足，能够提高机场的容量和效率，减少滑行冲突，同时减少燃料消耗和排放。该方法为机场地面运动性能分析带来了显著的效益。若产品化成功后将有巨大的市场前景，同时还能推动上下游相关产业的发展，带来极大的市场需求，可以说应用前景广阔。