一种引入空域容量的航路汇聚点布局优化方法

摘要

本发明公开了一种引入空域容量的航路汇聚点布局优化方法，具体实施过程为：(1)首先建立航路网络的流量模型；(2)根据不同的航班密度给航路网络带来的拥挤程度，确定航路网络承受的最大航班密度。(3)进行航路汇聚点的最优布局。本发明通过建立航路网络的交通流量模型，给出了空域容量的一种定量描述方法。构建了基于飞行效率和空域容量的多目标优化模型，并采用多目标粒子群算法优化了航路汇聚点的位置。该方法兼顾飞行效率和空域容量，得到的航路网络面对航空流量的增长时能有效地延缓空域拥堵的出现。

主权项

1.一种引入空域容量的航路汇聚点布局优化方法，其特征在于，包括以下几个步骤：(1)首先建立航路网络的流量模型，具体步骤如下：步骤A、首先初始化航路网络流量模型中的参数，设置航班密度参数R、每个节点的传输能力C、飞机的飞行速度S、仿真持续时间T_total的数值，其中节点即为机场和航路汇聚点；步骤B、在每个时间步，航路网络中将有R架飞机起飞，随机选择起飞机场和目的机场，飞机起飞后，将按照最短路径飞行；步骤C、在每个时间步，如果节点i的飞机输入流IF_i(t)大于C，则OF_i(t)＝C，否则IF_i(t)＝OF_i(t)+Q_i(t)，OF_i(t)+Q_i(t)≤C，IF_i(t)表示在该时间步从节点i的邻居抵达的飞机总数，C表示节点i在每个时间步内最多能够服务的飞机数量，OF_i(t)表示在该时间步节点i飞机输出流，Q_i(t)表示在该时间步节点i飞机排队流；飞机到达目的机场就从航路网络中退出；步骤D、重复步骤B和步骤C直至演化达到仿真持续时间T_total；步骤E、计算航路网络中自由飞行的飞机比例P：获得不同航班密度R相应的飞机比例P值，确定比例P与航班密度R的相变关系；(2)根据不同的航班密度给航路网络带来的拥挤程度，确定航路网络承受的最大航班密度；根据飞机比例P与航班密度R的相变关系，确定航班密度R的相变点R_c，若自由飞行的飞机比例P＜L，此时的P所对应的航班密度R值即为相变点R_c的值；L为航路网络能够承受的飞机延误水平；(3)进行航路汇聚点的最优布局；步骤1、将所有航路汇聚点的位置变量表示成一个实数型向量(x₁，y₁，...，x_n，y_n)；步骤2、随机初始化粒子的位置和速度，生成P_size个粒子，产生规模为P_size的初始种群；粒子的位置为n个航路汇聚点的位置向量(x₁，y₁，...，x_n，y_n)，初始速度随机生成，不超过设定的粒子的最大速度MaxV；步骤3、将粒子种群中每个粒子当前位置与个体最优位置pbest进行比较，如果当前位置支配pbest，则更新pbest为当前位置；否则，如果两者之间互不支配，则在两者之中随机选择一个作为该粒子的pbest；将所有相互之间互不支配的粒子保存在一个外部集合中，然后在外部集合中选择周围最不拥挤的个体作为全局极值gbest；步骤4、对每个粒子按照公式(1)更新其速度：VEL[i]＝w×VEL[i]+c₁×r₁×(PBEST[i]-POP[i])                                                    (1)                 +c₂×r₂×(REP[h]-POP[i])其中：VEL[i]表示粒子i的速度，POP[i]表示粒子i的位置，w是惯性权重，c₁，c₂为加速因子，r₁，r₂为[0，1]之间的随机数，REP[h]为从外部集合中基于拥挤度选择的全局极值，PBEST[i]表示粒子i的个体极值，根据获取的每个粒子的更新速度，按照公式(2)更新其位置：POP[i]＝POP[i]+VEL[i]                (2)由此生成了P_size个新粒子；步骤5、使用Floyd-Warshall算法得到新粒子中每个节点的介数及每个航路上的交通流量；其中一个节点的介数值表示所有节点对之间通过该节点的最短路径条数，任意节点v的介数可表示为：$B\left(v\right)=\underset{s\ne t\ne v}{\Sigma }{\sigma }_{\mathrm{st}}\left(v\right)$其中，σ_st(v)为节点s到节点t的最短路径中经过节点v的最短路径数目；然后评价新粒子代表的航路网络的飞行效率和空域容量性能，飞行效率通过计算航路网络中所有航班的的总航线花费TAC表达，而网络容量可以通过最小化介数标注差SDB来提高，粒子的总航线花费TAC和介数标注差SDB为：：$\mathrm{TAC}=\underset{i=1}{\overset{m+n}{\Sigma }}\underset{j=1}{\overset{m+n}{\Sigma }}{f}_{\mathrm{ij}}·d_{\mathrm{ij}}$$\mathrm{SDB}=\sqrt{\frac{\underset{i=1}{\overset{m+n}{\Sigma }}{(B_i-\bar{B})}^2}{m+n}}---\left(3\right)$s.t.：$x_i^{\min }\le x_i\le x_i^{\max },$$y_i^{\min }\le y_i\le y_i^{\max },$$\forall i\in [1,...,n]$其中：f_ij和d_ij分别表示节点i与节点j之间的航空流量和欧拉距离，B_i表示节点i的介数值，表示航路网络中所有节点的介数平均值，(x_i，y_i)为节点i的地理位置坐标，和表示每个航路汇聚点的可调位置必须限制在一个给定的地理范围内；m表示机场节点的个数，n表示航路汇聚点的个数；步骤6、对于由新旧粒子组成的规模为2*P_size的粒子种群，基于总航线花费TAC与介数标准差SDB使用快速非支配排序结合拥挤度比较算子对粒子进行排序，选择排在前P_size位的粒子构成新种群；步骤7：判断是否达到指定演化代数Gen，若是，优化结束，此时种群中相互之间互不支配的粒子构成最终的非支配解集，非支配解集中的粒子位置即为我们优化的航路汇聚点位置；否则返回步骤3。