[论文解读] Strategic Planning in Air Traffic Control as a Multi-objective Stochastic Optimization Problem

Gaétan Marceau, Pierre Savéant+1 more|arXiv (Cornell University)|Sep 16, 2013

Air Traffic Management and Optimization参考文献 26被引用 5

一句话总结

本文提出了一种用于战略空域交通管制规划的多目标随机优化框架，通过概率传播建模轨迹不确定性，以估算扇区拥堵情况。结合闭式拥堵概率方程与NSGA-II算法，生成在延迟与拥堵成本之间实现帕累托最优的调度方案，并在24架飞机、11个扇区的基准测试中验证了其稳健的权衡解决方案。

ABSTRACT

With the objective of handling the airspace sector congestion subject to continuously growing air traffic, we suggest to create a collaborative working plan during the strategic phase of air traffic control. The plan obtained via a new decision support tool presented in this article consists in a schedule for controllers, which specifies time of overflight on the different waypoints of the flight plans. In order to do it, we believe that the decision-support tool shall model directly the uncertainty at a trajectory level in order to propagate the uncertainty to the sector level. Then, the probability of congestion for any sector in the airspace can be computed. Since air traffic regulations and sector congestion are antagonist, we designed and implemented a multi-objective optimization algorithm for determining the best trade-off between these two criteria. The solution comes up as a set of alternatives for the multi-sector planner where the severity of the congestion cost is adjustable. In this paper, the Non-dominated Sorting Genetic Algorithm (NSGA-II) was used to solve an artificial benchmark problem involving 24 aircraft and 11 sectors, and is able to provide a good approximation of the Pareto front.

研究动机与目标

• 解决在战略空域交通规划中，飞行轨迹不确定性导致的扇区拥堵挑战。
• 在轨迹层面建模飞行计划的不确定性，并将其传播至扇区级拥堵概率。
• 开发一种决策支持工具，提供最小化飞行延误与减少扇区拥堵之间的权衡解决方案集合。
• 通过生成关键点过飞时间调度，实现安全与效率的平衡，支持协同规划。
• 提供一种可扩展的、数据驱动的战略流量优化框架，可考虑风力、天气及空管约束。

提出的方法

• 使用概率论建模飞机在关键点到达时间及轨迹偏差的不确定性。
• 利用飞行管理系统行为推导的条件概率，将不确定性传播至飞行计划。
• 推导出基于单个飞行概率的扇区拥堵概率的闭式方程。
• 制定双目标优化问题，以最小化期望延迟与期望拥堵成本。
• 应用NSGA-II多目标进化算法，近似非支配解的帕累托前沿。
• 在成本函数中整合公平性考量，以确保延误在各航班间公平分配。

实验结果

研究问题

• RQ1 如何以计算高效的方式建模飞机轨迹的不确定性，并将其传播以预测扇区拥堵概率？
• RQ2 不同不确定性表示方式（如三角分布）对最终拥堵与延迟权衡的影响是什么？
• RQ3 扇区拥堵概率的闭式表达式是否可替代战略空域交通规划中昂贵的蒙特卡洛模拟？
• RQ4 NSGA-II在近似具有随机约束的真实空域流量管理问题的帕累托前沿方面效果如何？
• RQ5 所提模型在多大程度上可支持战略与战术空域管制阶段之间的平稳过渡？

主要发现

• 所提出的扇区拥堵概率闭式方程无需依赖蒙特卡洛模拟，即可实现快速且准确的估计。
• NSGA-II算法成功近似了24架飞机、11个扇区基准实例的帕累托前沿，生成了一组非支配解。
• 采用三角分布进行不确定性建模的结果与延迟与拥堵权衡的直观预期一致。
• 该方法在处理延迟最小化与拥堵减少之间的冲突目标时表现出稳健性，提供了可调节的权衡解决方案集合。
• 该框架支持未来集成实际运行数据及战术阶段轨迹预测的不确定性建模。
• 该方法通过将复杂的随机依赖关系转化为可分析的概率约束，实现了可扩展的战略规划。