基于交叉熵和滑动时间窗的航班进场排序方法技术

基于交叉熵和滑动时间窗的航班进场排序方法，包括以下步骤；航班进场排序数学模型、基于Tsallis交叉熵的车辆路径规划和基于滑动窗口的航班进场优化；所述的航班进场排序数学模型包括终端区航路结构和航班排序数学模型建立；所述的基于Tsallis交叉熵的车辆路径规划包括Tsallis交叉熵、基于Tsallis交叉熵的航班排序算法和算法实现。本发明专利技术可以得到最优的排序方案，同时实时动态地对进场航班进行排序。

【技术实现步骤摘要】
基于交叉熵和滑动时间窗的航班进场排序方法
本专利技术涉及空中交通流量管理
，特别涉及基于交叉熵和滑动时间窗的航班进场排序方法。
技术介绍
随着航空运输业的发展，仅依靠机场的基础设施更新无法满足航空运输业的发展需求，如何实现终端区的进场飞机排序，以减少航班延误和提高航班飞行的安全性，已得到各国研究机构和空中管理部分的高度关注。据研究表明，对终端区的进场飞机进行优化排序能使得系统容量在满足极限约束的条件下提高至少10％。终端区航班进场排序可以定义为在不违反航班安全间隔的前提下，保证空中交通能快速和有序地流动，并对飞机队列降落次序进行合理安排，以最大程度地降低由航班延误造成的航班延误。目前针对终端进场航班进行排序的方法主要有地面等待方法、滑动窗优化算法和约束位置交换算法等方法。近年来，更多的研究开始关注采用人工智能的相关算法解决终端区进场排序问题，主要方法有：冯翔，杨红雨.进港飞机调度多目标优化问题的改进NSGA-II算法设计了一种基于改进非支配排序遗传算法，以最小化航班总延误时间平方和以及总延误成本为目标，以解决多条跑到情况的进港航班调度问题。徐肖豪，吴青，黄宝军.多跑道航班排序的改进蛙跳算法研究设计了一种基于单亲遗传算法中基因移位的多跑道航班排序问题，重新设计局部搜索策略，改进蛙跳算法，对多跑道航班排序规划模型进行求解。孟祥伟，张平，李春锦.到场飞机排序及调度问题的Memetic算法设计了遗传算法和局部优化结合的Memetic算法，建立了问题模型和0-1规划模型，并证明同型飞机在每条跑道上都按其预计到达跑道时间的先后顺序进行着陆。赵嶷飞朱潇王红勇.终端区飞机排序的人工蜂群算法建立人工蜂群算法，以最小化的航班总延误时间为目标，对着陆飞机排序问题进行仿真，实现了双跑肚模型的着陆飞机排序。上述工作均研究了航班的终端区排序，但是仍然无法得到最优的排序方案，同时无法实时动态地对进场航班进行排序。
技术实现思路
为了解决以上技术问题，本专利技术的目的在于提供基于交叉熵和滑动时间窗的航班进场排序方法，可以得到最优的排序方案，同时实时动态地对进场航班进行排序。为了实现上述目的，本专利技术采用的技术方案是：基于交叉熵和滑动时间窗的航班进场排序方法，包括以下步骤；航班进场排序数学模型、基于Tsallis交叉熵的车辆路径规划和基于滑动窗口的航班进场优化；所述的航班进场排序数学模型包括终端区航路结构和航班排序数学模型建立；所述的基于Tsallis交叉熵的车辆路径规划包括Tsallis交叉熵、基于Tsallis交叉熵的航班排序算法和算法实现。所述的机场终端区航路结构为终端区的空域可分为起始调度界限、进场飞机排序区和终止调度界限；起始调度界限是指航班穿越调度界限进入冻结区对航班进行排序；终止调度界限也称为冻结界限，当航班穿越了冻结界面后，其到达跑道的时间是确定的。所述的航班排序数学模型建立包括设N架航班P＝{P1，P2，...Pn}将进入终端区准备降落，Ei和Ri分别为航班Pi的预计到达时间和实际到达时间，航班的类型可以分为重型(H)、大型(L)和轻型(S)，航班Pi所属类型为C(i)，为了实现终端区航班排序，必须将航班安排到合适的跑道上，按一定的顺序和时间进行着陆；假设在最终的调度方案中，航班Pi被安排在跑道r′降落，降落时间为ti，约束条件为：tr′(S(n))≥tr′(S(n-1))+btr′(S(n-1)，S(n))(1)其中，S(n)表示某跑道上的第n架航班，tr′(S(n))为第r′跑道上的第n架航班的降落时间，btr′(S(n-1)，S(n))表示第S(n-1)架航班和S(n)架航班的间隔时间，假设机场跑道为l＝1，2，...，L，Ci表示航班Pi的延迟成本开销，航班Pi的延迟为其预测到达时间和实际到达时间的差值tdelay＝Ri-Ei，bt(i，j)为航班Pi和航班Pj的最小安全间隔要求，S(i)＝j表示在优化后的排序队列中的第i个航班为Pj，则以最小化延迟总费用为优化目标，则单跑道情况下，目标函数如公式(2)所示其中，可以通过公式(3)获取：多跑道的航班进场排序优化目标函数为公式(4)所示：其中，表示航班PQ(i)在第l条跑道上的预计到达时间，1≤l≤L，公式(4)同样必须满足公式(3)所示的约束。所述的Tsallis交叉熵为令两个不同的概率分布分别表示为P＝{p0，p1，...，pN}和Q＝{q0，q1，...，qN}，分布中的任意一个元素均满足概率大于或等于0，即pi≥0和qi≥0，同时满足则P和Q之间Tsallis相关熵如公式(5)所示：基于Tsallis熵的交叉熵表示为如公式(6)所示：为了实现两个密度函数之间距离的最小值，则必须满足：此时可以得到极大化问题如下：在公式(8)的基础上进行重要性采样，将公式(8)的最优解如公式(9)所示：在公式(9)中，W(x；u，w)表示似然比函数，其值为f(x，u)/f(x，w)，此时规划问题的最优解为：所述的基于Tsallis交叉熵的航班排序算法；公式(3)和(4)的目标函数值可以通过采样获取，对于每个航班Pi，随机产生N个到达时间样本qi，则对于这个生N个到达时间样本qi的延迟总费用可以根据公式(11)来求解；由于公式(3)和公式(4)与公式(11)具有等价性，则最小化公式(4)可以转换为公式(11)的稀有事件发生概率的估计问题，在算法中仅需更新两组参数，即目标函数的分位数和重要抽样概率函数中的参数，由于分位数的值越小时，样本越稀疏，所以应使分位数随着迭代的增加逐渐变小；采用Tsallis交叉熵方法实现终端区航班进场排序算法流程为：首先可以将终端区航班进场排序问题定义为一个马尔科夫链，通过初始化航班到达时间的状态转移概率矩阵来随机生成1个或者多个排序队列，概率密度函数可以通过状态转移概率矩阵表示；采用交叉熵更新概率密度函数，并采用分位数划分方式对公式(11)中蒙特卡罗采样获得的结果进行划分，使得在下一轮迭代中能通过状态转移概率矩阵生成更优的排序方案。所述的算法实现包括以下步骤；基于Tsallis交叉熵方法的航班进场排序航班集合P＝{P0，P1，...，PN}，所有航班的到达时间构成的状态转移矩阵A，当i≠j时，初始化A中的每个元素aij为1/(n-1)，否则初始化为0，当前迭代次数t＝1，最大迭代次数T，分位数r1；Step1：根据状态转移矩阵A1生成M个排序队列，对这M个队列上的N架航班随机生成N个到达时间需求；Step2：根据公式(11)所示的蒙特卡洛方法对M个队列的延迟费用进行估计，得到每个队列的平均延迟费用为F(R1)，F(R2)，...，F(RM)，对其进行从小到大排序；Step3：根据Tsallis交叉熵、分位数和平均延迟费用序列F(本文档来自技高网...

【技术保护点】
1.基于交叉熵和滑动时间窗的航班进场排序方法，其特征在于，包括以下步骤；/n航班进场排序数学模型、基于Tsallis交叉熵的车辆路径规划和基于滑动窗口的航班进场优化；/n所述的航班进场排序数学模型包括终端区航路结构和航班排序数学模型建立；/n所述的基于Tsallis交叉熵的车辆路径规划包括Tsallis交叉熵、基于Tsallis交叉熵的航班排序算法和算法实现。/n

【技术特征摘要】
1.基于交叉熵和滑动时间窗的航班进场排序方法，其特征在于，包括以下步骤；
航班进场排序数学模型、基于Tsallis交叉熵的车辆路径规划和基于滑动窗口的航班进场优化；
所述的航班进场排序数学模型包括终端区航路结构和航班排序数学模型建立；
所述的基于Tsallis交叉熵的车辆路径规划包括Tsallis交叉熵、基于Tsallis交叉熵的航班排序算法和算法实现。


2.根据权利要求1所述的基于交叉熵和滑动时间窗的航班进场排序方法，其特征在于，所述的机场终端区航路结构为终端区的空域可分为起始调度界限、进场飞机排序区和终止调度界限；起始调度界限是指航班穿越调度界限进入冻结区对航班进行排序；终止调度界限也称为冻结界限，当航班穿越了冻结界面后，其到达跑道的时间是确定的。


3.根据权利要求1所述的基于交叉熵和滑动时间窗的航班进场排序方法，其特征在于，所述的航班排序数学模型建立包括设N架航班P＝{P1，P2，...Pn}将进入终端区准备降落，Ei和Ri分别为航班Pi的预计到达时间和实际到达时间，航班的类型可以分为重型(H)、大型(L)和轻型(S)，航班Pi所属类型为C(i)，为了实现终端区航班排序，必须将航班安排到合适的跑道上，按一定的顺序和时间进行着陆；
假设在最终的调度方案中，航班Pi被安排在跑道r′降落，降落时间为ti，约束条件为：
tr′(S(n))≥tr′(S(n-1))+btr′(S(n-1)，S(n))(1)
其中，S(n)表示某跑道上的第n架航班，tr′(S(n))为第r′跑道上的第n架航班的降落时间，btr′(S(n-1)，S(n))表示第S(n-1)架航班和S(n)架航班的间隔时间，假设机场跑道为l＝1，2，...，L，Ci表示航班Pi的延迟成本开销，航班Pi的延迟为其预测到达时间和实际到达时间的差值tdelay＝Ri-Ei，bt(i，j)为航班Pi和航班Pj的最小安全间隔要求，S(i)＝j表示在优化后的排序队列中的第i个航班为Pj，则以最小化延迟总费用为优化目标，
则单跑道情况下，目标函数如公式(2)所示



其中，可以通过公式(3)获取：



多跑道的航班进场排序优化目标函数为公式(4)所示：



其中，表示航班PQ(i)在第l条跑道上的预计到达时间，1≤l≤L，公式(4)同样必须满足公式(3)所示的约束。


4.根据权利要求1所述的基于交叉熵和滑动时间窗的航班进场排序方法，其特征在于，所述的Tsallis交叉熵为令两个不同的概率分布分别表示为P＝{p0，p1，...，pN}和Q＝{q0，q1，...，qN}，分布中的任意一个元素均满足概率大于或等于0，即pi≥0和qi≥0，同时满足则P和Q之间Tsallis相关熵如公式(5)所示：



基于Tsallis熵的交叉熵表示为如公式(6)所示：



为了实现两个密度函数之间距离的最小值，则必须满足：



此时可以得到极大化问题如下：



在公式(8)的基础上进行重要性采样，将公式(8)的最优解如公式(9)所示：



在公式(9)中，W(x；u，w)表示似然比函数，其值为f(x，u)/f(x，w)，此时规划问题的最优解为：





5.根据权利要求1所述的基于交叉熵和滑动时间窗的航班进场排序方法，其特征在于，所述的基于Tsallis交叉熵的航班排序算法；
公式(3)和(4)的目标函数值可以通过采样获取，对于每个航班Pi，随机产生N个到达时间样...

【专利技术属性】
技术研发人员：戴敏，张建学，谢椿，陈联，戴发术，
申请(专利权)人：中国民用航空飞行学院，
类型：发明
国别省市：四川;51