终端区航班调度计算机系统设计与实现

第一章 绪论1.1 研究背景及意义航班起降架次达到 923.8 万架次，比上年增长 7.9%（其中运输架次为 793.5万架次，比上年增长 8.8%）。分航线看，国内航线完成 842.8 万架次，比上年增长 7.1％（其中内地至香港、澳门和台湾地区航线完成 20.3 万架次，比上年下降2.8％）；国际航线完成 81.0 万架次，比上年增长 16.9％[1]。随着国际民航运输业的快速发展，航空器的数量不断增加，我国空中交通流量增长较快，导致机场、空域和航线普遍出现交通拥堵现象。2021 年中国民航正常性只有 68.37％，创历史新低。2021 年正常性为 76.76%，较前两年虽有回升，但与空管技术较先进的国家比较，仍有较大差距。通常，造成航班延误是多种因素综合作用的结果，主要包括天气影响、硬件条件、航空公司协作、空中交通管制、乘客自身原因等。起初，可以通过扩建机场、新增跑道，暂时缓解了空中交通流量压力。但随着空运需求的剧增，仅仅通过改善硬件设施已经无法从根本上解决问题。如何采用更科学的空中交通管制手段，获得更高效的管理效果，是当今航空领域的重要话题。空中交通流量管理是空中交通管制的重要手段之一[2]，其主要任务是在空中交通流量接近或达到该区域流量饱和现实时，通过合理调度，在保证安全的前提下，引导航空器进入或通过该空域，从而使该空域的利用率最大化。空中交通流量管理按实施时间点不同可以分为战略流量管理、预战术流量管理和战术流量管理[3]。根据管理地点的不同可以分为终端区流量管理、机场流量管理以及航路流量管理。相对机场和航路的交通情况，终端区环境更为复杂，为管制人员的带来了极大的工作压力。终端区一般设在机场附近，是空中交通服务航路汇合处的管制区，为航空器从巡航航路到机场之间过渡提供管制服务。航空器的起飞和降落都会在该区域接受管制人员的调度，安全、有序的完成进场或离场。终端区具有航空器数量多、密度大、航路结构复杂等特点。就我国空中交通情况而言，终端区是最为拥堵的区域，也是空中交通流量管理的瓶颈所在。合理的对终端区的航班进行排序和调度，提高航班的进离场效率，可以有效缓解终端区交通流量压力[4]。.........1.2 国内外研究现状终端区交通压力大的问题早已在发达国家凸显并受到重视，多数发达国家已经在空管系统中融入了航班调度辅助决策系统，用于协助空管人员对终端区航班的管理。由于我国航空事业发展较晚，对这方面的研究尚不成熟稳重，尤其是在实际应用方面，还有待突破。1.2.1 国外相关研究现状在空中交通流量管理研究领域，美、德、澳等国起步较早。尤其是欧美各国，在 20 世纪 60 年代就迎来了航空运输业的高速发展阶段，随着空中流量的快速增长，当时的空管系统承受着巨大压力，滞后的管理技术和手段造成欧美多数地区空中交通流量管理是空中交通管制的重要手段之一[2]，其主要任务是在空中交通流量接近或达到该区域流量饱和现实时，通过合理调度，在保证安全的前提下，引导航空器进入或通过该空域，从而使该空域的利用率最大化。空中交通流量管理按实施时间点不同可以分为战略流量管理、预战术流量管理和战术流量管理[3]。根据管理地点的不同可以分为终端区流量管理、机场流量管理以及航路流量管理。相对机场和航路的交通情况，终端区环境更为复杂，为管制人员的带来了极大的工作压力。终端区一般设在机场附近，是空中交通服务航路汇合处的管制区，为航空器从巡航航路到机场之间过渡提供管制服务。航空器的起飞和降落都会在该区域接受管制人员的调度，安全、有序的完成进场或离场。终端区具有航空器数量多、密度大、航路结构复杂等特点。就我国空中交通情况而言，终端区是最为拥堵的区域，也是空中交通流量管理的瓶颈所在。合理的对终端区的航班进行排序和调度，提高航班的进离场效率，可以有效缓解终端区交通流量压力[4]。1.2 国内外研究现状终端区交通压力大的问题早已在发达国家凸显并受到重视，多数发达国家已经在空管系统中融入了航班调度辅助决策系统，用于协助空管人员对终端区航班的管理。由于我国航空事业发展较晚，对这方面的研究尚不成熟稳重，尤其是在实际应用方面，还有待突破。1.2.1 国外相关研究现状在空中交通流量管理研究领域，美、德、澳等国起步较早。尤其是欧美各国，在 20 世纪 60 年代就迎来了航空运输业的高速发展阶段，随着空中流量的快速增长，当时的空管系统承受着巨大压力，滞后的管理技术和手段造成欧美多数地区...........第二章 相关技术基础2.1 终端区流量管理相关概念终端（管制）区(TERMINAL CONTROL AREA)，又称作进近管制区（APPROACH CONTROL AREA），通常设立在一个或多个繁忙机场附近，其目的是为该空域内进离场的航班提供调度服务，即所有的进离场航班需要在终端区接受进近管制人员的调度安排，保证航班能够安全、高效、有序的完成进离场过程。终端区的范围一般是以枢纽机场为中心，半径 5 海里的圆以外，半径 50 海里的圆以内的部分[21]，可以根据实际需求，对终端区的外边界进行扩展至 120 海里及以上，称为扩大终端区[22]。扩大终端区的管制不仅包含进近管制和塔台管制，还将区域管制也融入其中，航班在到达扩大终端区边界时，仍以正常巡航速度和高度进入，并在该区域完成所有根据流量管理方案安排的调度操作。由于终端区范围较大，管制人员有充足的时间对航班进行排序，也有足够的空间对航班进行调度，避免航班在低空、近机场范围内的等待飞行，提高航班的飞行安全性。终端区结构如图 2-1 所示。各部分说明如下：1）起始调度界限：也是终端区的边界线，当航班进入该界限后，管制权从区域管制移交给进近管制，航班接受进近管制员的调度。2）进/出口点：进/出口点连接了机场进/出场航路和巡航航路，进/离场航班需要听从管制员的调度，在规定的进/出口点及高度进行进/离场操作。3）进/离场航线：进场航线和离场航线是完全分离的，进场航班从入口点进入终端区，并一直沿进场航线到达降落跑道入口点。离场航班从起飞跑道尽头沿出场航线到达出口点后，进入巡航航路。4）等待区：当航班被管制员要求空中等待飞行时，在航班在指定等待区作跑马线飞行。等待区通常设在终端区边界附近，保证航班延时在相对安全的高空区域吸收。5）终止调度界限：也叫作冻结界限，航班通过此界限以后，该航班到达跑道的时间就不再进行变更。在图 2-1 中，航班到达 FAF 点后，到场时间冻结。6）复飞航线：当航班降落出现意外情况，导致降落失败，需要调整飞行姿态，重新执行降落操作使用的飞行航线。.........2.2 传统遗传算法研究随着空中交通流量的增加，排序问题规模的扩大，终端区航班排序问题已被归为 NP-hard 问题，常规的确定性算法解决该问题已不切实际，使用遗传算法在可接受的时间内求得可行解更符合实际需求。1975 年由 Michigan 大学的 ohn Holand 教授与其同事提出的遗传算法（GeicAlgorithm，GA）是模拟达尔文进化论中的自然选择和遗传学中生物进化过程的计算模型。算法开始时，将构建一个初始种群，用于描述问题可能潜在的解集。种群由一定数量的经过基因编码的个体组成。在第一代染色体确定以后，按照生物进化优胜劣汰的方式，逐渐产生适应度越来越高的后代。最终得到符合要求的染色体，即是问题的近似最优解。遗传算法与常见的确定性优化算法有较大的差异。其主要优点如下[25]:1）智能性和自适应性：使用遗传算法求解问题时，只需对编码、适应度函数、选择算子、交叉算子、变异算子进行确定。此后，算法会利用进化过程中所产生的信息自行组织搜索。选择算子是依据优胜劣汰的原则进行设计，也就表示适应度高的染色体有更大的概率参与进化过程，优质基因得以保留。遗传算法这种智能性和自适应性特点，避免必须在事先描述问题的全部特点，而是在进化中自动发现环境的变化和规律。所以，遗传算法为解决复杂的非结构化问题提供了更好的选择。2）本质并行性：遗传算法是按并行的方式来搜索种群中的所有个体，而不是单点搜索。由于算法内部大多计算是不相关的，可以让这些计算同行独立进行，计算完毕后再进行通信和统计。例如，在计算规模较大时，可以采用多台计算机对种群进化进行独立计算，计算完毕后，通过通信比较，得到最佳个体。并行计算可以降低计算时间成本，提高算法效率。........第三章 航班排序算法设计...............173.1 进场航班排序算法设计 ....173.2 离场航班排序算法 ............243.2.1 航班离场业务流程...............243.2.2 离场排序算法设计...............253.3 本章小结 .....26第四章 终端区航班调度系统总体设计.......274.1 系统需求分析 ........274.2 设计原则 ....274.3 系统功能 .....284.4 系统框架总体设计 ............294.5 本章小节 ....34第五章 终端区航班调度系统详细设计与实现.......355.1 服务端数据管理子系统 ....355.2 客户端应用子系统 ............515.3 系统开发环境 ........615.4 本章小节 ....61第五章 终端区航班调度系统详细设计与实现5.1 服务端数据管理子系统服务端各模块主要负责对各类飞行相关信息的接收和处理，将处理结果写入数据库，保证客户端能获取实时数据，为进离场航班排序提供数据支持。主要包括 AFTN 报文模块、飞行计划模块、气象信息模块、监视数据模块和数据服务模块。飞行动态固定格式电报分为：AFTN 和 SITA 两种格式报文，前者供空中交通管制部门使用，后者供航空公司航务部门使用，两种格式不能混用。ATFN 即民航固定格式通信网络;，用于传输 AFTN 报文，主要包括：FPL（领航计划报）、DEP（起飞报）、ARR（落地报）、CPL（飞行变更报）、DLA（延误报）等 16 类报文。通过发送和接收 AFTN 报文，可以传输飞行计划相关信息和飞行实况数据，通过对报文的解析，可以获取最新的飞行信息，并对数据库中过期信息进行更新，让管制员掌握飞行动态，便于进行航班调度。AFTN 报文解析流程如图 5-2 所示。在具体实现 AFTN 报文模块时，采用PacageAnalysis 类中的方法对报文进行解析。解析过程中会进行语义语法检查，若出现错误，则该报文会进入错报库。解析完成后，采用 Msg 抽象类实例来进行报文数据在计算机中的存储、管理及操作。

........总结终端区航班排序问题一直是航空管制领域研究的重点和难点问题，特别是在我国，终端区拥堵的现象极为严重。随着全球航空运输业的发展，航空器数量不断增加，航班排序问题已经归为 NP-hard 问题。遗传算法在解决此类问题时，具有全局搜索能力强、潜在并发性等优势，但同时也具备一些缺点。通过阅读和研究用遗传算法解决航班排序问题的相关文献，发现仅仅将排序目标设为航班降落总时长最短是一个过于简易的目标，排序结果的实用性不高。本文的创新点主要在于对传统遗传算法的改进，提出了双交叉算子遗传算法的设计思想，同时也对算法其他步骤进行优化，主要有：1）通过计算航班延误代价，考虑各方面因素对代价系数的影响，将航班延误总代价降平方和设为排序目标目标函数，使航班延误代价降低，且能均匀分配，排序结果更具有实际应用价值。2）针对遗传算法的不稳定性、早熟等缺点，采用自适应遗传算法进行处理。同时，可以提高算法收敛速度。3）采用交叉掩码和部分映射交叉算子共同构成的双交叉遗传算子来提高高适应个体中优质基因片段的遗传概率，同时又不会阻碍劣质染色体的进化。4）采用重排算子对变异后的个体进行处理，提高个体适应度，加快算法收敛速度。通过全国空管场景模拟系统提供的平台支持，进行了终端区航班调度系统的实现，并将改进的排序算法运用其中。通过对排序结果的分析和对比，证明算法改进有效，基本达到研究目标。..........参考文献（略）