GDP机场时隙协同分配技术研究
2018-05-21焦南图
摘 要：我国航空运输业发展迅速，对尚不完善的空管系统带来了较大挑战。本文结合CDM的理念，侧重考虑航班延误对旅客造成的损失，提出时间价值系数这一概念，继而研究如何分配使旅客延误损失最小时隙。在最优化模型基础上，使得航班安排有了可变动空间，从而提高航空公司提交航班取消或延误信息的积极性，也有助于CDM的应用。
关键词：空中交通流量管理；协同决策；地面延误程序；时隙分配；RBS算法
一、我国民航背景介绍
民航业是全球化运输的主要方式，随着中国GDP长期稳定增长，民航运输业也始终保持较高的增长速度。全国各地机场的兴建，航空公司的收购飞机，还是成立商飞自主研制飞机，这都征兆着我国民航也在跃进式发展，并赶超欧美。然而，我国民航业发展相比发达国家起步较晚，存在着空域有限，雷达管制、雷达监控下的程序管制、程序管制等各种管制方式共存，从业人员年龄偏小，许多航空运营单位分散复杂的的问题，这同也凸显我国年轻民航的不成熟。
随着我国航空运输业的发展、航班急剧增加，空中交通网络日趋拥挤。当预测到机场的流量超出即将超出容纳范围时，流量管理部门就需要采取措施缓解管制部门的压力， 协同式地面等待程序（CDM GDP）就是一种安全高效的手段。其原理是当机场容量和降落航班的需求不对等时，通过一定的时隙分配算法为延误的航班计算分配降落时隙，让其在起飞机场等待，而非在飞行中改航、备降和空中等待，降低了费用，减小航班的总延误时间。NEXTOR 研究小组将时隙分配分为初始分配和再次分配两个阶段， 并提出了RBS与conpression算法， 在美国广泛应用。本文旨在将航班延误对旅客造成的经济损失这一因素加入到传统算法中。
二、基于旅客延误损失的分配方法
1、航班延误引发的旅客经济损失
结合航空运输延误特有的计算方式，每名旅客单位时间内的延误损失（Vp）可以按照下列公式算出：Vp=A·W/2000式中，W为全国工人的年平均工资，2000是一年中有效率的工作时间平均值。依照不同的出行目的，民航旅客通常可分为公务出行、旅游出行和探亲出行三类，其所占的比例大致为6：3：1。而根据研究表明，这三种旅客的时间价值比约为14：5：5。因此，本文中将国内航班中旅游出行和探亲出行类旅客的A值定为3（ 参照标准为京沪线、京广线民航与铁路平均票价的比值，以及国外相关研究闭），国内公务出行类旅客约等于8.4。国际航班旅客的时间价值通常为国内航班的1.5～2倍，因此将国际航行中旅游出行和探亲出行类旅客A取5，会议出行类旅客A取14。对任一航班而言，航行延误导致旅客的经济损失（Ct ）计算公式如下：Ct =N·w·Vp·（Tg +Ta）式中，w为航班的上座率，N为平均载客人数。
2、模型函数
在执行程序时间内不能安排时隙降落的航班依次累计在之后的时段中， 直到所有航班都拥有独自时隙降落为止。具体描述时隙分配算法之前， 首先有下面的符号规定：F---所有包含在CDM GDP程序中的航班集合；
3、模型算法
（1）排列的生成：根据约束条件和目标函数，可以生成n行n列的矩阵，分别代表航班和时隙，每一行和为一，表示一个航班只能有一个时隙，每一列和小于等于一，表示一个时隙最多分给一个航班（一一对应），具体见下表：
算法
输入：所有航班预计起飞时间及可用时隙。
输出：最小总延误损失及对应的航班——时隙列表
求出一种航班与时隙的对应方法
void cal_X（int l，int k，int o，int p，int X[n][m]）
{
if（l>=k&&o;>=p）{；}
else {
for（int q=l；q for（int r=o；r { if（X[q][r]==1） { for（int s=o；s if（s！=r） X[q][s]=0； for（int s=l；s if（s！=q） X[s][r]=0； cal_X（l，q-1，o，r-1，X[n][m]）； cal_X（l，q-1，r+1，p，X[n][m]）； cal_X（q+1，k，o，r-1，X[n][m]）； cal_X（q+1，k，r+1，p，X[n][m]）； } } } 2.3.2 計算这种排序所生成的延误值 先通过单位时间总延误损失W计算出C float cal_C（int i，int j） { float a=0，b=0，c=0，d=0； a=（t[j]-ota[i]）； b=pow（a，v+1）； c=cal_W（i）； d=c*b； return d； } 将C作为参数代入下面函数中，计算出一种排序的航空公司总延误 float cal_Airline（） { int i=0，j=0，k=0； float sum=0，C[n][m]； for（i=0；i for（j=0；j C[i][j]=0； for（i=0；i for（j=0；j { C[i][j]=cal_C（i，j）； sum+=C[i][j]*X[i][j]； } return sum； } 2.3.3优化排列 排列生成后，为找到最小总延误及对应列表，需要进行比较，如果当前总延误大于计算总延误，则以计算总延误作为新的当前总延误，否则保持当前总延误， if（sum>temp） { sum=temp； for（int d=0；d for（int c=0；c { C_X[d][c]=X[d][c]； X[d][c]=1； } } 算法基本流程如下： 1. 算法开始，输入所有航班的预计起飞时间和可用时隙； 2. 随机获取一种排序，计算总延误损失； 3. 判断当前总延误损失减去计算总延误损失是否大于等于零（初始总延误损失设为正无穷），若是，计算总延误损失替代当前延误损失，否则，当前总延误损失保持； 4. 判断所有可能排序情况是否考虑到，若存在还未考虑到的排序情况，转入2，否则，转入5； 5. 输出当前延误总损失及对应的时隙分配列表，算法结束； 2.3.4最优化结果 在程序运行完所有可能的排序后，得出的是最优值，运用队列存储最优值对应的排序，分配方案由此而定。 结束语：机场时隙协同分配技术的研究在国内尚处在起步阶段，特别是针对航班延误对旅客造成的损失还没有准确的定量研究。通过检索的文献及国外相关领域研究，以往的方法都是Thomas Vossen提出的方法进行改进。本文仅是创新了航班延误对旅客造成的经济损失，但并未改进一个更能体现公平性、工效性、有效性的模型及算法。对于机场时隙协同分配技术的研究，我们可以结合我国的国情，找到更好的体现公平、工效、有效的方法，创新出一个新的函数模型。 作者简介：焦南图（1990-），男，河北深泽，交通运输，本科，研究方向：空中交通管制.
