基于深度强化学习的机场群航班时刻优化方法及系统技术方案

本发明专利技术提供了一种基于深度强化学习的机场群航班时刻优化方法及系统，包括以下步骤：对实际的机场群航班运行数据预处理，构建航班运行数据集；马尔科夫过程建模，确定智能体、状态空间、动作空间、奖励函数、环境模拟器；构建基于DQN的机场群航班时刻优化模型；利用航班实际运行数据集，验证优化模型的合理性。本发明专利技术的机场群航班时刻优化方法使用DQN优化航班时刻表，用深度神经网络来代替传统强化学习的表格，结合了强化学习的决策能力与深度学习的数据分析能力，使得处理大规模数据空间的任务更加高效；DQN能够进行长期规划，考虑未来的奖励，相较于传统的启发式算法能够更好地避免陷入局部最优解，有利于指导现实航班运行时刻优化。

【技术实现步骤摘要】

本专利技术属于空中交通管制的航班时刻优化，具体涉及一种基于深度强化学习的机场群航班时刻优化方法及系统。

技术介绍

1、长远来看，航空运输需求将会呈现持续增长趋势，但机场容量、航路点容量等空域资源是有限的，随之而来的是，航班时刻需求增加，但机场没有充足的可用资源，二者之间的矛盾将导致交通拥堵和航班延误等情况的出现。

2、机场群是在一定地区范围内各机场与城市间形成的空间集群，以一个或多个枢纽机场为关键核心。伴随着城市地区的扩张，机场形成了相互制约的机场群。空域资源在机场群之间高度共享，所以需要协同发展、共同调控。以机场群为核心调控空域资源分配，能够使机场资源得到更加科学合理的利用，将促进机场群协同发展。

技术实现思路

1、本专利技术的目的是提供一种基于深度强化学习的机场群航班时刻优化方法及系统。

2、为了解决上述技术问题，本专利技术第一方面提供了一种基于深度强化学习的机场群航班时刻优化方法，包括：

3、对实际的机场群航班运行数据预处理，构建航班运行数据集；</p>

4、马尔本文档来自技高网...

【技术保护点】

1.一种基于深度强化学习的机场群航班时刻优化方法，其特征在于，包括：

2.如权利要求1所述的机场群航班时刻优化方法，其特征在于，

3.如权利要求2所述的机场群航班时刻优化方法，其特征在于，

4.如权利要求3所述的机场群航班时刻优化方法，其特征在于，

5.如权利要求4所述的机场群航班时刻优化方法，其特征在于，

6.如权利要求5所述的机场群航班时刻优化方法，其特征在于，

7.一种基于深度强化学习的机场群航班时刻优化系统，其特征在于，包括：

【技术特征摘要】

1.一种基于深度强化学习的机场群航班时刻优化方法，其特征在于，包括：

2.如权利要求1所述的机场群航班时刻优化方法，其特征在于，

3.如权利要求2所述的机场群航班时刻优化方法，其特征在于，

4.如权利要求3所述的机场群航...

【专利技术属性】
技术研发人员：陈海燕，方馨怡，袁立罡，杨磊，张颖，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：