基于D算法的场面滑行动态规划研究
基于Q学习机场地面滑行路径动态规划

基于Q学习机场地面滑行路径动态规划沈建凯;董天罡【摘要】塔台管制员目前对场面飞机滑行路线分配主要依据航班序列、进离港类型以及目标终点等为参考.本文通过对管制员管制行为使用Q学习建模,并引入未来航班先验概率滑行路线加入待检测冲突集合,使管制员Agent具备预估未来时刻冲突能力,对常见滑行冲突得到最优滑行路径.本文首先讨论了Q学习对于地面冲突离散状态数量的有限性,接着对状态的动作序列和回报函数进行设计.实验环境对地面滑行道优先级进行了人工标注,生成随机航班时刻样本集用于训练.仿真结果中管制员Agent能有效解决冲突,体现了该方案的可行性和优越性.【期刊名称】《中国民航飞行学院学报》【年(卷),期】2018(029)003【总页数】5页(P5-9)【关键词】Q学习;路线动态规划;地面冲突解脱【作者】沈建凯;董天罡【作者单位】四川大学计算机学院四川成都610064;四川大学计算机学院四川成都610064【正文语种】中文随着航空业的持续发展,各大机场陆续扩建为多跑道机场,机场地面交通日趋繁忙。
目前塔台管制员对进离港飞机滑行路线分配遵循滑行路线冲突最少、进离港单向滑行的原则以及实际工作中经验分配滑行路线。
研究高水平管制员的管制行为,采用机器学习的方法辅助管制员分配滑行路线成为近年研究的热点。
在以前相关文献当中,有通过A*算法静态分配对滑行路线进行搜索和冲突解决;有通过混合整数法约束条件动态对滑行路线节点时间重新规划解决冲突;还有通过Petri网对滑行路线建模进行飞机滑行路线规划。
上述方案虽然给出滑行路线都是约束条件下的最优路线,生成的滑行路线效率很高,但是可能违反了机场细则,也没有进行历史滑行路径统计和经验学习。
在仿真过程中结合历史数据不断优化管制员Agent经验和知识库是提升管制员Agent能力重要环节。
本文提出单个管制员Agent的机器学习行为,采用强化学习对管制员行为建模。
结合历史滑行数据先验知识扩充滑行库,使管制员Agent能评估当前潜在冲突并进行处理,完善了以往对冲突情况只能输出唯一解的不足,提升了整个系统仿真的智能程度。
改进D算法的移动机器人路径规划

摘要: 为了让移动机器人在一个障碍已知的仓库内顺利进行移动,给出了改进 D*算法的路径规划。
使用拓展 Moore 型元胞邻居结构来改进路径长度,使用跳点搜索算法来减少搜索时间,使得移动机器人较原D*算法规划的路径更为快捷避障。
仿真实验结果表明其距离缩短2.59% ,遍历节点减少 85.71% ,具有较好的可操作性和实用性,使得原来复杂的遍历节点工作更便捷,同时使路径更为平滑。
可移动机器人的路径规划在当下具有重要的意义。
智能算法有 D*算法[1]、蚁群算法[2]、F*算法[3]、强化学习[4]等,依据具体问题具体分析的原则,本文采用栅格法[5]对仓库进行建模,使用改进的 D*算法对路径进行规划。
采用 D*算法的主要原因是由于本文的路障存在动态路障,且能综合算法搜索时间和路径长度统筹规划,而不是单一的形成最优路径或最快算法。
本文提出了一种优化路径的方法,即拓展 Moore 型元胞邻居结构[6,7],使得路径较原 D*算法进一步优化。
在搜索时间上本文提出一种较为简捷的办法,即跳点法,使得搜索过程较原 D*算法进一步加快。
能更符合、更贴切当下的快捷物流标准。
但本文提供了更快的搜索时间的同时,由于加大了路径建模的空间复杂度,对于计算机内存的占用也成比例提高。
使用 D*算法进行规划时,只有当移动机器人遇到障碍时才会重新生成可行线路,因此当下对于 D*算法的改进,主要发生在路径长度和运算时间上。
就 D*算法的路径长度问题,本文提出了拓展Moore 型元胞结构,对原 D*算法的路径进一步缩短,将八点拓展到十六点,进行进一步的路径缩短。
与此同时,采用跳点搜索算法对原 D*算法的运算速度进行一定幅度的提高。
算法不仅有更快的速度,同时具有更高的空间复杂度。
跳点搜索算法可以大量节约内存,有效提高运算效率。
1 相关算法本文采用拓展 Moore 型元胞邻居结构[8]和跳点搜索算法[9]来改进D*算法进行动态路径规划。
1.1 元胞自动机元胞自动机由元胞、元胞空间、邻居和规则四个部分组成。
动态规划算法的实现及其应用

动态规划算法的实现及其应用动态规划,英文缩写为 DP,是一种算法设计技术,通常用于求解最优化问题。
动态规划是解决一类特殊问题的有效方法。
它通过将原问题转化为若干个子问题的方式,逐个求解这些子问题,最终得到原问题的解。
这种方式具有很强的适用性,能够解决很多实际问题。
动态规划的实现动态规划算法的实现基本上可以分为以下两个步骤:1. 确定状态:将原问题转化为若干个子问题,定义合适的状态量来表示子问题。
状态的定义应该满足无后效性,即状态一旦确定,之后的状态转移不会再受之前的状态影响。
2. 确定状态转移方程:定义状态转移方程,通过状态之间的转移来逐步求解原问题。
状态转移方程可以通过一些简单的规律得到,也可以通过数学方法进行求解。
动态规划的应用动态规划算法有很多应用,下面列举一些常见的应用场景。
1. 最长公共子序列问题:给定两个字符串,求出它们的最长公共子序列,即在两个字符串中都出现的、长度最长的子序列。
这个问题可以用动态规划算法求解,状态可以定义为在两个字符串的某段位置上的最长公共子序列的长度,状态转移方程比较简单。
2. 背包问题:有一个容量为 V 的背包和 n 种物品,每种物品的重量为 wi,价值为 vi,现在要用这些物品装满背包,使得背包中所装物品的总价值最大。
这个问题可以用动态规划算法求解,状态可以定义为在前 i 件物品中,体积为 j 的情况下能获得的最大价值,状态转移方程也比较简单。
3. 最短路问题:给定一个带权图,求出其中从起点到终点的最短路径。
这个问题可以用动态规划算法求解,状态可以定义为从起点到某个点的最短路径,状态转移方程可以通过分阶段来进行求解。
4. 求解最大子段和问题:给定一个序列,求出其中连续子段的和的最大值。
这个问题也可以用动态规划算法求解,状态可以定义为以某个位置为结尾的最大子段和,状态转移方程与之前的问题类似。
动态规划算法虽然能够解决很多问题,但是它也存在一些限制。
动态规划算法的计算复杂度较高,需要占用大量的内存空间。
基于极限学习机的路口动态O-D反推方法研究

基于极限学习机的路口动态O-D反推方法研究高志波;张姣;韩子雯;周政川【摘要】Real-time traffic data between entries and exits of intersections are important for traffic signal control system but they are difficult to be collected. Existing models are represented by exact optimization methods,which are slow to converge and cannot be usedin practical systems. Without considering the steering constraints and with selecting the dividing parameters as the state variables for the problem,this paper develops a dynamic Origin-Destination Flows Estimation model,then designs an extreme learning machine algorithm,and finally solves the model by a so-called extreme learningmachine(ELM)toolbox function using Matlab. A case study shows that the proposed approaches are efficient to support the design of adaptive traffic control systems.%交叉口各进出口道间的实时转向交通量是信号控制系统重要的输入数据,但难以获得.目前已有的反推模型大都是优化模型,其收敛速度较慢、精度较低,无法满足实际系统应用需要.在不考虑转向限制的条件下,选择划分参数作为问题的状态变量,建立了路口动态O-D反推模型,并设计了基于极限学习机的训练算法,通过Matlab调用ELM工具箱函数来实现了对模型的求解.实例研究可知,模型和算法具有较高的准确性以及效率,能够支持实时自适应信号控制系统的开发.【期刊名称】《交通运输工程与信息学报》【年(卷),期】2017(015)003【总页数】7页(P134-140)【关键词】极限学习机;动态O-D反推;划分参数;激活函数【作者】高志波;张姣;韩子雯;周政川【作者单位】长沙理工大学,交通运输工程学院,长沙 410004;西南交通大学,交通运输与物流学院,成都 610031;长沙理工大学,交通运输工程学院,长沙 410004;长沙理工大学,交通运输工程学院,长沙 410004【正文语种】中文【中图分类】U491.2随着城市交通问题的日趋突出,先进的交通信号控制系统在智能交通系统(Intelligent Transport System,简称ITS)中的应用越来越广泛。
动态目标的Field D*算法及路径的提取计算

出总 体 路 径 消 耗 最 优 的 路 径 。 以 栅 格 法 建 立 的 数 字 海 图 中进 行 仿 真 验 证 , 动 态计 算 和 路径 提 取 算 法 与 D * 法 相 比 , 在 该 算 计算 所 得 的路 径 更 为 平 滑 , 径 的 总体 消耗 也 更 少 , 点 是 所 需 计 算 时 间 略长 。 路 缺
f r t e ce,bu he c s nd t i f c o he v hil t t o ta he tme o ompu a i n,e p ca l t to s e i ly whe he t r e s dy a i n t a g t i n m c,i o st o
关 取 Fe l 动 路
中图 分 类 号 : P 4 T 22 文 献标 识码 : A
T eAlo ih f rt eDy a cOb e tb sd o il * h g rt m o h n mi j c a e n F edD
A l o ihm nd t e ho f Pa h Ex r c i n g rt a he M t d o t t a t o
GAO Bo, XU — n。 de mi ZHANG Fu— n bi ( l g f rn Col eo Ma ie,No twetPoy eh ia iest Xi a 1 0 2 C ia e rh s ltc nc lUnv ri y, ’ n 7 0 7 , h n )
间 无 法 满 足 实 际要 求 。 对 该 缺 陷 , 对 FedD * 算 原 理 分 析 的 基 础 上 , 出 了在 目标 是 动 态 的情 况 下 , 针 在 i 计 l 提 只进 行 前 目标 与 新
基于动态规划算法的路径规划与导航系统设计

基于动态规划算法的路径规划与导航系统设计路径规划是指如何找到从起点到终点的最佳路径,并在导航系统中向用户提供准确的导航指引。
在实际应用中,基于动态规划算法的路径规划与导航系统设计具有广泛的应用价值。
本文将详细介绍基于动态规划算法的路径规划与导航系统的设计原理和实现方法。
首先,介绍一下动态规划算法。
动态规划是一种通过将待求解问题分解成若干个子问题,并且分别求解这些子问题的最优解来得到原问题的解的方法。
在路径规划和导航系统中,动态规划算法可以通过计算每个节点的最优路径来确定整个路径的最佳选择。
路径规划与导航系统的设计可以分为以下几个关键步骤:第一步是地图数据的准备。
在路径规划与导航系统设计中,需要准备好地图数据,包括各个节点之间的距离、道路的通行情况等信息。
这些数据可以通过现有的地图数据源获取,也可以通过实地调查和收集整理而得。
第二步是节点定义和距离矩阵计算。
在路径规划与导航系统设计中,将地图中的每个位置点看作一个节点,通过节点之间的距离和通行情况来构建距离矩阵。
距离矩阵是一个二维数组,其中的元素表示两个节点之间的距离。
第三步是动态规划算法的实现。
在路径规划与导航系统中,根据距离矩阵和节点间的通行情况,可以利用动态规划算法计算每个节点的最短路径和最佳选择。
动态规划算法将整个路径规划问题划分为若干个子问题,并通过递归的方式求解每个子问题的最优解,最终得到整个路径的最佳选择。
第四步是路径选择和导航指引的生成。
在路径规划与导航系统中,根据动态规划算法计算出的最佳选择,可以生成路径选择和导航指引。
路径选择是指在给定起点和终点的情况下,选择一条最佳路径。
导航指引是指根据路径选择和地理位置信息,向用户提供准确的导航指引,包括路线、转弯方向、里程等信息。
最后是系统性能优化和用户体验改进。
在路径规划与导航系统设计中,需要对系统进行性能优化和用户体验改进。
性能优化包括算法优化、数据结构优化、并行计算等技术手段,以提高系统的计算速度和响应能力。
动态规划算法教学PPT
03
动态规划算法的实现步骤
明确问题,建立数学模型
1
确定问题的目标和约束条件,将其转化为数学模 型。
2
理解问题的阶段划分,将问题分解为若干个子问 题。
3
确定状态变量和决策变量,以便描述子问题的状 态和决策。
划分阶段,确定状态变量和决策变量
01
根据问题的阶段划分,将问题分解为若干个子问题。
02
确定状态变量和决策变量,以便描述子问题的状态 和决策。
02
将子问题的最优解组合起来,得到原问题的最优解。
对最优解进行验证和性能评估,确保其满足问题的要求。
03
04
动态规划算法的优化技巧
分支定界法
分支定界法是一种求解优化问题的算 法,它通过不断生成问题的分支并确 定每个分支的界限,来寻找最优解。 在动态规划中,分支定界法可以用来 优化状态转移方程,减少计算量。
详细描述
多目标规划问题在实际生活中应用广泛,如资源分配、项目计划、城市规划等领 域都有涉及。常用的求解多目标规划的方法包括权重和法、帕累托最优解等。
多阶段决策问题
总结词
多阶段决策问题是动态规划中的一类,解决的问题需要在多个阶段做出决策,每个阶段的决策都会影响到后续阶 段的决策。
详细描述
多阶段决策问题在实际生活中应用广泛,如生产计划、库存管理、路径规划等领域都有涉及。常用的求解多阶段 决策问题的方法包括递归法、动态规划等。
特点
动态规划算法具有最优子结构、重叠 子问题和最优解性质等特征。
动态规划算法的应用领域
计算机科学
在计算机科学中,动态规划算法广泛应用于字符 串处理、排序、数据压缩和机器学习等领域。
电子工程
在电子工程中,动态规划算法用于信号处理、通 信和控制系统等领域。
基于动态规划的逆运动学求解研究
基于动态规划的逆运动学求解研究随着机器人技术的发展,机器人在工业生产和日常生活中的应用越来越广泛,逆运动学求解问题也日益受到关注。
逆运动学求解是指根据末端执行器的位置、方向和姿态等参数,计算机自动求解使机器人末端执行器达到目标位置的关节角度和转动方向的过程。
其中,基于动态规划的逆运动学求解方法因为求解速度快,可扩展性好等优点,逐渐成为热门研究领域。
一、逆运动学求解的难点逆运动学求解问题存在着以下难点:1.多解性问题由于机器人关节数目多、柔性度高、各关节受限等因素,使得机器人在执行任务过程中一般存在多个解,这就给逆运动学求解问题增加了一定难度。
2.计算量大逆运动学的求解需要进行复杂的计算,尤其在机器人拥有大量关节和复杂结构时,导致计算量更加巨大。
3.求解时间长由于机器人需要从起始位置调整到目标位置,需要多次迭代求解,而且通常情况下,求解时间往往较长,这给机器人的实时性带来了挑战。
二、基于动态规划的逆运动学求解方法基于以上逆运动学求解难点,研究人员开始探索更加高效、快速的求解方法。
其中,基于动态规划的逆运动学求解方法被认为是一种很有效的解决方法。
动态规划是一种优化算法,将原始问题划分成子问题,通过保存每个子问题的最优解来求解原始问题。
在逆运动学求解中,将求解过程拆分成若干步,求解每一步的最优解,最终得到整个逆运动学的解。
1. 基本思路假设机器人机械臂上各个关节都可以360度旋转,则末端执行器从起始位置到目标位置可以经过若干离散点,将这些离散点视为机器人运动的一个路径。
通过求解在每一离散点时机器人关节的角度,就能求得整个运动过程中机器人关节的角度。
首先,将整个路径分为若干个子路径,计算出每个子路径的连续运动。
对于每个子路径,通过动态规划方法从子路径的出发点到终点逐层求解。
构建动规状态方程:怎么从一个状态转移到另一个状态?通过给出从a到b的运动方式是第i段还是第j段,就可以将问题分解为从子状态(到a处时段的i)出发转移到子状态(从b出发时段的j)的问题了。
基于改进A星算法对自动导引小车路径规划研究
收稿日期:2020-06-10修回日期:2020-08-07基金项目:国家自然科学基金(U1904167);教育部人文社会科学研究规划基金(18YJAZH125);河南省高等学校重点科研项目(19A413012);河南省高校科技创新团队基金资助项目(21IRTSTHN018)作者简介:王永成(1965-),男,河南上蔡人,博士,副教授。
研究方向:最优控制、智能优化算法。
*摘要:路径规划是自动导引小车应用的关键环节和研究热点,为了适应更加复杂多变的环境,提出了一种改进A 星算法的自动导引小车动态路径规划算法。
针对地图建模繁琐复杂的问题,在A 星算法基础上增加了自动识别地图功能,极大减轻了地图建模难度;针对运算速度与精度受地图类型及大小影响较大的问题,增加了固化栅格数的方法,使算法在不影响精确度的前提下,极大地提高了算法运算速度;针对A 星算法本身会出现多余拐点的问题,提出了拉直消除多余拐点的方法;为了提高路径的平滑程度,引入3次样条插值函数和膨胀函数的平滑处理算法,使路径更加平滑;针对A 星算法无法处理动态规划问题,结合了D 星算法搜索路径模式,使算法可以实时规划路径以避免碰撞动态障碍物。
针对上述改进,利用MATLAB GUI 开发工具开发出自动导引小车路径规划仿真平台,并通过对比分析,验证了算法的有效性与优越性,可应用于较复杂环境的自动导引小车动态路径规划问题。
关键词:自动导引小车,动态路径规划,A 星算法,平滑处理算法中图分类号:TP18;TP23文献标识码:ADOI :10.3969/j.issn.1002-0640.2021.08.022引用格式:王永成,杨明漾,张国辉.基于改进A 星算法对自动导引小车路径规划研究[J ].火力与指挥控制,2021,46(8):130-138.基于改进A 星算法对自动导引小车路径规划研究*王永成,杨明漾,张国辉(郑州航空工业管理学院管理工程学院,郑州450046)Research on AGV Path Planning Based on Improved A star AlgorithmWANG Yong-cheng ,YANG Ming-yang ,ZHANG Guo-hui(School of Management Engineering ,Zhengzhou University of Aeronautics ,Zhengzhou 450046,China )Abstract :AGV path planning is the key link and research hotspot of AGV application.In order toadapt to more complex and changeable environment ,this paper proposes an AGV dynamic path planning algorithm which improves A star algorithm.For the complicated problem of map modeling ,the function of automatic map recognition is added on the basis of A star algorithm ,which greatly reduces the difficulty of map modeling ;for the problem that the computing speed and accuracy are greatly affected by map type and size ,the method of solidifying grid number is added ,which greatly improves the algorithm computing speed without affecting the accuracy ;in view of the problem that A star algorithm itself may have redundant inflexion points ,a straightening method to eliminate redundant inflexion points is proposed ;in order to improve the path for the smoothness degree ,the smoothing algorithm of Cubic Spline Interpolation function and Dilation function is introduced to make the path more smooth ;for the A star algorithm that can not deal with the dynamic planning problem ,the D star algorithm is combined to search the path mode ,so that the algorithm can plan the path in real time to avoid collision with dynamic obstacles.In view of the above improvements ,MATLAB GUI development tools are used to develop AGV path planning simulation platform ,and through comparative analysis ,the effectiveness and superiority of the algorithm are proved ,which can be applied to the AGV dynamic文章编号:1002-0640(2021)08-0130-09Vol.46,No.8Aug ,2021火力与指挥控制Fire Control &Command Control 第46卷第8期2021年8月130··(总第46-)0引言自动导引小车(Automatic Guided Vehicle)路径规划是AGV作用在实际生产生活中的重要基础。
航班滑行路径规划和停机位分配联合优化
202丨年3月 第28卷第3期控制工程Control Engineering of ChinaMar. 2021 Vol.28, No.3文章编号:1671-7848(2021)03-0464-07D O I : 10.14107/ki.kzgc.20190105航班滑行路径规划和停机位分配联合优化闰萍,袁媛(沈阳航空航天大学经济与管理学院,辽宁沈阳110136)摘要:针对机场的航班滑行路径规划和停机位分配的联合优化调度问题,构建基于冲突回避的滑行道与停机位联合调度模型,并提出改进的自适应差分进化算法求解问题。
以 最小化航班的滑行时间和旅客转机的行走时间为优化目标,建立非线性混合整数规划联 合调度模型。
设计考虑了滑行冲突的路径规划算法,完成航班的滑行路径分配,并通过自 适应动态调整差分进化算法参数,引入个体位置边界的扰动策略,进一步改善了算法的搜 索性能。
对国内某枢纽机场的仿真结果表明,所提出的算法可以有效避免滑行冲突,缩 短滑行时间,是能够兼顾旅客服务质量和航班场面滑行效率的有效方法。
关键词:停机位分配;路径优化;自适应;差分进化算法 中图分类号:TP 18文献标识码:AJoint Optimization of Flight Taxiing Path Planning and Gate AllocationY A N Ping, Y U A N Yuan(School o f E c o n o m i c s a nd M a n a g e m e n t , Sh e n y a n g Aerospace University, S h e n y a n g 110136, China)Abstract : A joint optimal scheduling problem for flight taxiing path planning and gate allocation is studied .With the objective of minimizing both the flight taxiing time and the passenger transfer travel time , a joint scheduling model of taxiway and gate based on conflict avoidance is constructed , which is a nonlinear mixed integer programming model . An improved adaptive differential evolution algorithm (ADE ) is proposed to solve the problem . The path planning algorithm considering taxiing conflicts is designed to complete the taxiing path assignment of the flights . By adaptively adjusting the parameters of DE algorithm dynamically and introducing the perturbation strategy of individual position boundary , the search performance of the algorithm is further improved . Simulation results of a domestic hub airport show that the proposed algorithm can effectively avoid taxiing conflicts and shorten taxiing time and is an effective method of considering passenger service quality and flight taxiing efficiency .Key words : Gate allocation ; path optimization ; self -adaptation ; differential evolution algorithmi 引言枢纽机场急剧增长的航班量增加了场面资源 的运行负荷,导致场面交通拥堵现象日益凸显。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
的时间' 以所有航班总滑行距 : 1 A表示其通过节点 A 离最短建立优化模型的目标函数
8
7&C /[ "": 1 - (: 1 ## ]
! 1 &
"!#
式" ! # 中 : 在初始节点 # 开始滑行或推 1 # 表示航班 1
?!&
科#学#技#术#与#工#程
!" 卷
出的时刻%: 到达目的节点的时刻%8表 1 - 表示航班 1 示规定时间内的航班数量 !R 2"约束条件 为了保证运行安全$ 航班滑行中需要执行滑行 最低间隔标准 " 表 ! # ' 根据机型和滑行速度$ 可以 K ' 计算出每架航班的最低时间间隔标准 7&# M
表 !"飞机滑行最低间隔标准 $ %& ' ( !"$ 4 (%< E ' %* (, 6 . , ' 0D ( , / , E %5 * 7 * / ( < P%' , / %* . %< .a @
前 重机型 重机型 后 中机型 轻机型 ?%% ?%% ?%% 中机型 $%% $%% $%% 轻机型 !%% !%% !%%
##当某节点或者弧段上两架航班的预计抵达时间 小于最小安全间隔时$ 判定为这两架航班出现滑行 冲突' 冲突可以分为三种情况&对头冲突(超越冲突 以及交叉冲突' 对于任意相邻节点 A和 Y 反向滑行时 $ 航班 1 D 为避免对头冲突应满足的条件为 ": #": # F% $ D A (: 1 A 47 D D Y (: 1 Y (7 1 ## '1 $D $1 "$# )8 (D 对于任意相邻节点 A和 Y 同向滑行时 $ 航班 1 D 为避免超越冲突应满足的条件为 ": #": # F% $ D A (: 1 A (7 C 6 _ D Y (: 1 Y (7 C 6 _ ## '1 $D $1 "?# )8 (D 为了便于计算$ 时间安全间隔直接取两者的最 大值$即 7 6 _ "7 $7 # C 6 _ &C 1 D D 两架航班 1 在节点 A相遇$为避免交叉冲突$应 满足的条件为 Q7 # 67 $D $1 )8 (D C 6 _ 6" : D A (: 1 A C 6 _ $ '1 "*# 可以通过控制航班经过滑行道节点的时间来满 足航班之间的安全间隔标准& 如果冲突发生在停机 位滑行道或穿越跑道的垂直联络道$ 解决方法是使 航班在节点等待%如果是在普通滑行道$冲突的解决 方法是使飞机减速' 飞机的减速避让要遵循优先级 原则&如进场航空器优先级大于离场航空器%计划时 间较早的航班优先级大于计划时间较晚的航班% 负 载航班优先级大于空载航班等'
!"模型建立
!R !"地面滑行系统模型
机场地面滑行系统可以表示成图 -l" W $% #$ 点集 W表示滑行道与滑行道交叉点( 滑行道和跑道 交点以及停机位% 边 %代表跑道( 滑行道( 脱离道和 联络道' 离场航班的起点为停机位$ 终点为跑道入 口等待点%进场航班的起点为跑道与脱离道的交点$ 终点为停机位' 航班沿指定的滑行轨迹匀速滑行$ 其通过每条 "= $> # 都可以用时间表示' 滑行轨迹可 弧的代价 V
$: # $" @ $ 以用由节点和时间组成的链表表示&" @ 1 A 1 A 1 Y : # $" @ $: # $2$" @ $: # '其中 @ 1 Y 1 X 1 X 1 , 1 , 1 A 的值为 ! 时表示 第1 架航班经过节点 A $值为 % 时表示不通过节点 A '
术研究计划" !*= K ` < = K %(!%% # 和中央高校基础 %*$ $?!$$%!*^ %*! $?!$$%!*K %$$ # 资助 科研业务费" ?!$$%!*^ 第一作者简介& 谷润平 " !B'! !# $ 男$ 陕西榆林人$ 副教授' 研究方 向&飞机性能(飞机力学' 8 ) C 6 3 &*$%"I G!&?> , 2 C '
第 !" 卷#第 ! 期#$%!" 年 ! 月 !&'! ! !(!" " $%!" # %!) %?!") %& #
科#学#技#术#与#工#程
+, . /, .0 . , 1/2 3 2 4 56 /7 8 /4 /. . 9 /4
2 3 ; !"#< 2 ; !#= 6 /> $%!" #: ; 0 . , 1; 8 /4 9 4 ; !#$%!"#动态规划研究
谷润平#崔#朋#唐建勋#赵向领
" 中国民航大学空中交通管理学院$天津 ?%%?%% #
摘#要#研究了机场场面滑行路径动态规划问题 基于三种滑行冲突约束 建立了使航班总体滑行时间最短的动态优化模
! 型 改进了传统的 ^ 算法提出了基于时间权值的冲突预测和代价修正函数 案例计算相比 ^ E \L I 9 6 算法得到的结果减少
!期
! 算法的场面滑行动态规划研究 谷润平等基于 ^
?!'
图 !#改进的 ] V ^ W J cQ K V +0函数实现流程 J 4 > !#J 3 2 N , 16 9 I 2 M C H9 2 d . 7] V ^ W J cQ K V +0M D/, I 2 /
! 图 $#^ 算法流程图 ! J 4 > $#J 3 2 N , 16 9 I 2 M ^ A 3 4 2 9 I 1C
有效减少总滑行时间提高场面运行效率 该算法不仅可以用于滑行路径的初始规划 也适用于场面实时滑行引导 了 $%? L 的实施
! 关键词#滑行路径##动态规划##冲突预测##^ 算法
中图法分类号#: ?"!> !! %####文献标志码#A
##随着民航业的快速发展$航班数量激增$机场承 载的航班压力不断增加$ 航班的延误已经从空中逐 渐转移到地面$ 致使航班在推出之后经常会 0 走走 停停1 $出现场面拥挤$ 甚至滑行延误' 航班地面滑 行的延误加大了管制员工作过重的负荷$ 增加了安 全隐患$导致航空公司成本增加' 因此$很多学者开 始专注对地面滑行路径规划方面的研究$ 用于减少 滑行时间' 场面滑行优化的核心是求解最短路径问题$ 图 论算法的思想在解决这类问题上得到了较为广泛的 算法以及文献 E \L I 9 6 应用$例如文献) ! * 中采用的 ^ ! ) $ * 中使用的 A 算法等$能够以较快的搜索速度得 到较优的解' 但这类静态规划算法缺乏解脱冲突的 能力$在研究中往往要结合滑行等待或重规划的思 ! 想$如文献 ) $ * 基于重规划思想分析了 A 算法和 J 3 2 5 7 算法在动态场面下的适用情况' 针对航班之 间的滑行冲突问题$ 另一种较为有效的方法是采用 智能算法求解数学模型' 文献 ) ? $* * 利用遗传算法 及其改进算法进行求解$实现了无冲突的滑行规划% 文献) " * 采用蚁群算法求解$ 同样得到了较好的结 果' 但智能算法求解得到的规划方案严重依赖场面 的精确运行$场面的滑行引导系统要求较高的更新 频率$高频率的全局规划会造成系统资源的浪费$甚 至影响运算效率' 冲突的预测和解脱是进行滑行路径规划的关键
$%!* 年 ' 月 !' 日收到 天津市应用基础与前沿技
部分$一方面在初始规划时要避免冲突$另一方面还
! 算 要保证 在 运 行 中 有 解 决 突 发 事 件 的 能 力' ^
法 ) &$'* 是一 种 最 初 用 于 机 器 人 探 路 的 动 态 规 划 算 法$其思想是在向目标点移动的过程中$检查最短路 径上相邻节点的变化情况$ 通过更新弧的权值来重 新搜寻最优路径$该算法在游戏开发等领域已经有 较为成熟的应用 ) (* ' 现以时间权值定义弧的权重$ 将滑行等待时间转化为相关弧权值的增加量' 这种 将滑行等待时间作为滑行方案评价指标的方法$ 不 但可以确定最优的冲突解脱策略$ 而且在评价时更 加直观'
! 2"3 算法的应用
2R !"3 !算法介绍 ! ^ 算法的主要思想是先利用静态规划算法计 算出各个节点距离目标节点的最短路径$ 再从起始 节点向后追溯$如果下一节点的状态发生变化$则调 整弧的代价函数并重新搜索' 相对于静态规划算
! 算法的特点是可用于仅部分环境已知或环境 法 $^ 不断变化的状况下的路径寻优' 与其他重规划算法 ! 的思想不同$ 动态的 ^ 算法是一种不完全重规划 算法$利用原有的规划信息$在一定的程度上实现最 优性及实时性的结合' ! ^ i V K 8 ++ Q+0 A 0 8和 ] V ^ W J cQ 算法由 e K V +0两个函数组成' e i V K 8 ++ Q+0 A 0 8用来计算 到目标位置的最优路径代价$其主要使用的是 ^ E \) 算法的思想& 首先建立 V L I 9 6 e 8 <表和 K X V +8 ^表$ 用C "$= # 表示地图中 =节点到目的节点 -的最短 路径值$用 B" $= # 表示 =节点到目标节点 -的实 际值' 每次 取 V e 8 < 表 中 C值 最 小 的 节 点 " 记 为 C e 8 <表移到 K X V +8 ^表并将其相邻节点 C / # $从 V e 8 < 表 重 新 比 较$ 并 用 C 加入 V 2 3 7 表示最近移出 V e 8 <表的节点的 C C / 值 ' 经过重复调用最终用回 指指针 5 "= # l>的形式表示出一条最优的路径' 函数的具体实现在文献) ! * 中已经详细介绍' ] V ^ W J c ) K V +0是改变弧的代价函数$用于修改 当前节点到相邻节点的代价函数$ 然后将当前节点 =重新放回 V e 8 <表中' 现对 ] V ^ W J cQK V +0函 数进行了改进$使其具备冲突检测和修改路径代价 的功能$因避免冲突而发生的等待或减速滑行将使 通过相应弧的时间代价增大$ 以确保得到时间最优 的路径' 假设航班 D 按照 , %= % $的节点顺序滑行$ 在 发生轨迹交叉$ 航班 1 具有较高的 节点 =与航班 1 V ^ W J cQK V +0函数的实现流程如图 优先级' 则 ] ! ' 首先检测航班 1 $ 如果 是否占用 D 的后续节点 $ 是只检查交叉冲突$ 否则要检查对头冲突和超越冲 通过节点 =后 突' 在对头冲突中$ 需要检查航班 1 的前驱节点 , 无法 的后续节点是否为 D $如果是则 D 通过等待来避免冲突$ 此时 V "= $$ # lu' 对于已 确认的冲突$首先修改相关弧段的代价$然后更新节 点的 C 值和 B 值$把受影响的节点放回 V e 8 <表$最 作为函数的返回值返回' 后将 C 2R 2"算法的实现 ! ^ 算法的具体实施步骤为" 图 $ # & 值为 < " ! # 初始化$令所有节点的 : 8 a$ 令目标 #l % $把目标节点 -放入 V e 8 <表% 节点 -的 B" " $ # 重复调用 0 e i V K 8 ++ Q+0 A 0 8 1 $ 直到航班 所在的起始节点 =被移出 V e 8 <表$ 生成最短路径 序列% " ? # 航班跟随路径序列的回指指针行进$ 当与 优先级 较 高 的 航 班 的 滑 行 轨 迹 发 生 交 叉 时 利 用 0] V ^ W J cQ K V +0 1 进行冲突检测% " * # 调用0 ] V ^ W J cQ K V +0 1 更新相关弧的代价