張兆寧，余洲

(中國(guó)民航大學(xué)空中交通管理學(xué)院，天津 300300)

近年來民航業(yè)蓬勃發(fā)展的同時(shí)也暴露出了許多問題，由于快速增長(zhǎng)的客流量超過了部分機(jī)場(chǎng)的承受能力，而導(dǎo)致許多機(jī)場(chǎng)出現(xiàn)了延誤現(xiàn)象，這不僅嚴(yán)重影響了機(jī)場(chǎng)的運(yùn)行效率，而且降低了旅客的乘坐滿意度。其中滑行道延誤就是一個(gè)關(guān)鍵問題，由于滑行道內(nèi)超負(fù)荷的航班量與突發(fā)事件，在航空器滑行過程中出現(xiàn)延誤的可能性極高，也嚴(yán)重影響了機(jī)場(chǎng)的正常運(yùn)轉(zhuǎn)。

中外學(xué)者對(duì)滑行路徑的優(yōu)化研究從模型建立和算法應(yīng)用方面已經(jīng)取得了較多的研究成果。在建模方面，姜雨等[1]在雙層規(guī)劃算法的基礎(chǔ)之上，將航空器的路徑與滑行開始時(shí)間結(jié)合起來建立了航空器滑行時(shí)空協(xié)同優(yōu)化模型；康瑞等[2]為解決交叉道口沖突范圍定義不完整等問題，以T型交叉口為例，基于實(shí)時(shí)速度、位置變化構(gòu)建了考慮等待位置的航空器交叉滑行沖突概率模型；Tancredi等[3]以滑行耗時(shí)最短、油耗最低、成本最低、滑行效率最高及安全性為目的建立了航空器滑行路徑多目標(biāo)優(yōu)化模型。張兆寧等[4]針對(duì)使用遠(yuǎn)端繞行滑行道優(yōu)化航空器的滑行路徑問題，建立了航空器脫離跑道時(shí)間優(yōu)化模型。

在算法應(yīng)用方面，李楠等[5]針對(duì)多目標(biāo)優(yōu)化算法等難以在短時(shí)間內(nèi)得出結(jié)果的問題，提出了Bellman-Ford算法和A*算法啟發(fā)式搜索方法結(jié)合使用以提高算法效率；馬永杰等[6]針對(duì)現(xiàn)有的動(dòng)態(tài)多目標(biāo)優(yōu)化算法種群收斂速度慢、多樣性難以保持等問題，提出了一種基于Pareto解集分段預(yù)測(cè)策略的動(dòng)態(tài)多目標(biāo)進(jìn)化算法BPDMOP；張兆寧等[7]利用Dijkstra算法，在考慮航空器滑行過程的基礎(chǔ)之上，以滑行時(shí)間和優(yōu)化作為優(yōu)化目標(biāo)進(jìn)行優(yōu)化。

雖然上述的滑行路徑優(yōu)化模型和算法在一定程度上降低了延誤發(fā)生的可能，但由于這些算法大多是只針對(duì)最短路的優(yōu)化，并沒有考慮滑行道的實(shí)際運(yùn)行情況，所以延誤還是會(huì)存在，并且當(dāng)延誤發(fā)生時(shí)需要管制員干預(yù)解決，這進(jìn)而也增加了管制員的工作量。態(tài)勢(shì)感知可以根據(jù)滑行道的運(yùn)行數(shù)據(jù)準(zhǔn)確的評(píng)估判斷滑行道的運(yùn)行情況，使管制員可以快速、準(zhǔn)確地制定方案提升滑行道的運(yùn)行效率以及避免不安全事件地發(fā)生。

目前中外大多數(shù)的研究成果都只考慮使航空器的滑行路徑達(dá)到最優(yōu)，但并未考慮調(diào)整航空器的滑行起始時(shí)間。由于許多機(jī)場(chǎng)受制于滑行道的網(wǎng)絡(luò)空間構(gòu)型及其設(shè)計(jì)容量，只是單純地改變滑行路徑這種方法受限較多，但若是改變了滑行起始時(shí)間便能夠從時(shí)間上避免區(qū)域擁堵和沖突的發(fā)生。基于態(tài)勢(shì)感知的滑行道路徑優(yōu)化算法從滑行道的運(yùn)行負(fù)荷以及航空器滑行效率和安全性的角度出發(fā)，綜合考慮航空器滑行路徑和滑行起始時(shí)間，并將二者協(xié)同優(yōu)化，提出一種在確保航空器滑行過程安全無沖突的前提下，減少航空器總的運(yùn)行時(shí)間，進(jìn)而提高了航空器場(chǎng)面運(yùn)行的效率以及動(dòng)態(tài)容量，為大型繁忙機(jī)場(chǎng)場(chǎng)面資源調(diào)度提供決策依據(jù)。

1 基于態(tài)勢(shì)感知的滑行路徑優(yōu)化模型

1.1 滑行態(tài)勢(shì)感知

滑行態(tài)勢(shì)是對(duì)滑行道總體狀況的數(shù)據(jù)形式的反映，對(duì)管制員評(píng)估滑行道運(yùn)行狀態(tài)有著至關(guān)重要的作用。對(duì)于態(tài)勢(shì)感知的應(yīng)用，最早出現(xiàn)在航空領(lǐng)域，后續(xù)在軍事、工業(yè)生產(chǎn)和交通等領(lǐng)域也有廣泛應(yīng)用[8]?；袘B(tài)勢(shì)感知可被劃分為3個(gè)層級(jí)：感知、理解和投射[9]，如圖1所示。

圖1 滑行道態(tài)勢(shì)感知的閉環(huán)控制過程

1.1.1 運(yùn)行數(shù)據(jù)感知

態(tài)勢(shì)感知的第一層就是感知層，是對(duì)滑行道中的不確定因素和潛在的會(huì)導(dǎo)致延誤的因素的感知。在滑行態(tài)勢(shì)感知中，數(shù)據(jù)的采集、傳輸和儲(chǔ)存是后續(xù)處理的基礎(chǔ)。通過對(duì)航空器滑行過程的分析，以及對(duì)滑行道整體運(yùn)行的分析后，得到了5類主要影響因素，并將其稱為滑行態(tài)勢(shì)指數(shù)。

(1)航空器滑行時(shí)間指數(shù)。航空器滑行時(shí)間指數(shù)是指從跑道到參考航空器的停機(jī)位的滑行時(shí)間。對(duì)于任一進(jìn)場(chǎng)或者離場(chǎng)的航空器，航空器滑行時(shí)間指數(shù)都包含滑行狀態(tài)指數(shù)τd、τa。對(duì)于參考航空器d0，若其為離場(chǎng)狀態(tài)，那么航空器滑行時(shí)間指數(shù)τd為其滑出時(shí)間；若其為進(jìn)場(chǎng)狀態(tài)，那么航空器滑行時(shí)間指數(shù)τa為滑入時(shí)間。

(2)場(chǎng)面瞬時(shí)流量指數(shù)。場(chǎng)面瞬時(shí)流量指數(shù)指的是當(dāng)參考航空器推出時(shí)或者著陸時(shí)，場(chǎng)面正在滑行中的航空器數(shù)量。對(duì)任一進(jìn)場(chǎng)或離場(chǎng)的參考航空器來說，場(chǎng)面瞬時(shí)流量指數(shù)都包含兩個(gè)滑行狀態(tài)指數(shù)?d和?a。對(duì)于參考離場(chǎng)航空器d0，若其正在著陸，?d為滑出航空器數(shù)量，?a為滑入航空器數(shù)量；對(duì)于參考進(jìn)場(chǎng)航空器a0，若其正在被推出，?d為滑出航空器數(shù)量，?a為滑入航空器數(shù)量。

(3)場(chǎng)面累計(jì)流量指數(shù)。場(chǎng)面累計(jì)流量指數(shù)指的是在參考航空器的整個(gè)滑行過程中已經(jīng)滑出或者正處于滑行狀態(tài)的航空器的數(shù)量。對(duì)于任一進(jìn)場(chǎng)或離場(chǎng)的參考航空器來說，場(chǎng)面累計(jì)流量指數(shù)都包含兩個(gè)滑行狀態(tài)指數(shù)σd和σa，其中，σd為滑行期與參考離場(chǎng)航空器d0或者參考進(jìn)場(chǎng)航空器a0的滑行期重合的離場(chǎng)航空器數(shù)量，σa為滑行期與參考離場(chǎng)航空器d0或者參考進(jìn)場(chǎng)航空器a0的滑行期重合的進(jìn)場(chǎng)航空器數(shù)量。

(4)航空器排隊(duì)長(zhǎng)度指數(shù)。航空器排隊(duì)長(zhǎng)度指數(shù)指的是在參考航空器的整個(gè)滑行過程中從跑道上起飛或者降落在跑道上的航空器的數(shù)量。對(duì)于任一進(jìn)場(chǎng)或離場(chǎng)的參考航空器來說，航空器排隊(duì)長(zhǎng)度指數(shù)都包含兩個(gè)滑行狀態(tài)指數(shù)λd和λa，其中，λd為參考離場(chǎng)航空器d0或者參考進(jìn)場(chǎng)航空器a0的滑行過程中離場(chǎng)航空器從跑道上起飛的數(shù)量，λa為參考離場(chǎng)航空器d0或者參考進(jìn)場(chǎng)航空器a0的滑行過程中進(jìn)場(chǎng)航空器在跑道上降落的數(shù)量。

(5)時(shí)隙資源需求指數(shù)。時(shí)隙資源需求指數(shù)指的是在一定的時(shí)間間隔[t0-δ,t0+δ]內(nèi)在登機(jī)口被推回或是降落在跑道上的航空器數(shù)量，其中，t0為參考航空器撤輪檔的時(shí)間或是著陸的時(shí)間，δ為可動(dòng)態(tài)設(shè)定的統(tǒng)計(jì)閾值，在考慮到正常的起降時(shí)間，對(duì)于任一進(jìn)場(chǎng)或離場(chǎng)的參考航空器來說，時(shí)隙資源需求指數(shù)都包含兩個(gè)滑行狀態(tài)指數(shù)μd和μa，其中，μd為參考離場(chǎng)航空器d0或者參考進(jìn)場(chǎng)航空器a0的統(tǒng)計(jì)時(shí)間間隔內(nèi)被推回的離場(chǎng)航空器數(shù)量，μa為參考離場(chǎng)航空器d0或者參考進(jìn)場(chǎng)航空器a0的統(tǒng)計(jì)時(shí)間間隔內(nèi)在跑道上著陸的進(jìn)場(chǎng)航空器數(shù)量。

1.1.2 理解

理解層是指對(duì)感知到的數(shù)據(jù)對(duì)于滑行道實(shí)時(shí)狀態(tài)評(píng)價(jià)的意義和作用。根據(jù)所感知到的數(shù)據(jù)，利用正則化模型將其處理，使其成為標(biāo)準(zhǔn)化的滑行態(tài)勢(shì)指數(shù)。對(duì)于任一滑行態(tài)勢(shì)指數(shù)，都有一個(gè)統(tǒng)一適用的正則化模型，可表示為

i=1,2,…,n

(1)

式(1)中：Tr(xi)為正則化后的值;n為滑行樣本的數(shù)量；xi、xj、xk為參考滑行態(tài)勢(shì)指數(shù)的值。

再應(yīng)用主成分分析法簡(jiǎn)化上述模型，將標(biāo)準(zhǔn)化的滑行態(tài)勢(shì)指數(shù)分解為總方差相同的無關(guān)線性滑行態(tài)勢(shì)指數(shù)組合Fi(i=1,2,…,p)，可表示為

(2)

式(2)中：aki為單位矩陣中的第k行第i列的元素，ξk為航空器滑行態(tài)勢(shì)指數(shù)，ai=(a1i,a2i,…,api)T為單位列向量；ξ=(ξ1,ξ2,…,ξp)T為標(biāo)準(zhǔn)化的航空器滑行態(tài)勢(shì)指數(shù)列向量。

主成分的選取標(biāo)準(zhǔn)是累計(jì)貢獻(xiàn)率達(dá)到了90%，而Fi的貢獻(xiàn)率的計(jì)算公式為

(3)

式(3)中：{γi|i=1,2,…,p}為ξ的協(xié)方差矩陣的特征值，且γ1≥γ2≥…≥γp。

比較矩陣a中的元素，可以得到當(dāng)參考航空器開始滑行時(shí)滑行道的復(fù)雜度。

1.1.3 投射

投射層是態(tài)勢(shì)感知的最后一層，是基于當(dāng)前狀態(tài)、感知信息和預(yù)測(cè)趨勢(shì)對(duì)系統(tǒng)未來行為的預(yù)測(cè)?；趹B(tài)勢(shì)感知的滑行道路徑優(yōu)化算法將投射模塊與傳統(tǒng)的滑行道路徑優(yōu)化模型相結(jié)合，對(duì)整個(gè)滑行道的演進(jìn)進(jìn)行分析。

根據(jù)Yin等[10]的研究，滑行延誤時(shí)間是滑行道復(fù)雜度的主要表現(xiàn)形式，滑行延誤是基于實(shí)際滑行時(shí)間與被稱為“無限制滑行時(shí)間”的構(gòu)造值之間的差。據(jù)此，當(dāng)滑行道復(fù)雜度高，則代表著在其中運(yùn)行的航空器出現(xiàn)滑行延誤的可能會(huì)更大或者是滑行延誤的時(shí)間會(huì)更長(zhǎng)。因此，可以通過調(diào)整航空器滑行起始時(shí)間來推遲航空器進(jìn)入滑行道的時(shí)間，從而可以降低滑行復(fù)雜度，從而達(dá)到減少滑行延誤時(shí)間、提高滑行效率的目的。

1.2 基于態(tài)勢(shì)感知的滑行道路徑優(yōu)化模型

滑行路徑優(yōu)化模型的目標(biāo)函數(shù)為全局的運(yùn)行時(shí)間，可表示為

T=min(Ttaxiing+Thold)

(4)

(5)

式中：T為所有航空器總的運(yùn)行時(shí)間，T值一般在10～30 min；Thold為航空器在停機(jī)位等待的時(shí)間；Ttaxiing為所有航空器總的滑行時(shí)間；Tijk為航空器k在鏈路(i,j)上的無障礙滑行時(shí)間；Tijk_hold為航空器由于沖突的等待時(shí)間。

本文模型主要考慮以下約束條件。

(1)優(yōu)先級(jí)約束：

(6)

(2)節(jié)點(diǎn)沖突探測(cè)可表示為

?i∈Rk1∩Rk2；k1≠k2

(7)

(3)發(fā)生節(jié)點(diǎn)沖突時(shí)航空器的等待時(shí)間為

Tijk_hold=fk1k2(1-Wk1k2)(ts+tvk2-tvk1)，

?v∈Rk1∩Rk2；k1≠k2

(8)

(4)對(duì)頭沖突約束

xijk1tjk1-xijk2tjk2≥0

(9)

(5)超越限制

(xijk1tik1-xijk2tik2)(xijk1tjk1-xijk2tjk2)>0

(10)

(6)滑行時(shí)間安全間隔可表示為

tjk1-tjk2≥ts

(11)

式中：Wk1k2為優(yōu)先級(jí)因子；pki為航空器ki的優(yōu)先級(jí)；fk1k2i=1表示航空器k1與航空器k2在節(jié)點(diǎn)i發(fā)生沖突；Rki為航空器ki的滑行路徑；tvki為航空器ki到達(dá)沖突節(jié)點(diǎn)v的時(shí)刻；xijki=1為航空器ki從節(jié)點(diǎn)i滑行到節(jié)點(diǎn)j，否則xijki=0；tjki為航空器ki滑行到節(jié)點(diǎn)j的時(shí)刻；ts為滑行的安全間隔時(shí)間。

1.3 算法設(shè)計(jì)

根據(jù)對(duì)滑行態(tài)勢(shì)指數(shù)的相關(guān)性分析，航空器滑行時(shí)間指數(shù)是對(duì)航空器滑行時(shí)間影響最大的因素[11]，而根據(jù)偏相關(guān)性分析，場(chǎng)面航空器排隊(duì)長(zhǎng)度指數(shù)是航空器滑行時(shí)間指數(shù)最為關(guān)鍵的影響因素，而進(jìn)場(chǎng)航空器不涉及排隊(duì)，所以Thold指的是離場(chǎng)航空器在停機(jī)位的等待時(shí)間。

算法流程的設(shè)計(jì)借助了迭代法的思路，同時(shí)在算法中加入了一個(gè)判斷步驟，設(shè)定了一個(gè)復(fù)雜度閾值，閾值的設(shè)定是綜合了場(chǎng)面運(yùn)行效率與旅客滿意度的整體考量，對(duì)提升算法的可行性有著至關(guān)重要的作用。

設(shè)計(jì)出的基于態(tài)勢(shì)感知的滑行路徑優(yōu)化算法具體步驟如下。

步驟1初始化，根據(jù)預(yù)先設(shè)定的起始滑行時(shí)間得到一組可行的最優(yōu)滑行路徑，并計(jì)算出單個(gè)航空器以及所有航空器的滑行時(shí)間。

步驟2根據(jù)步驟1的航行路徑數(shù)據(jù)算得滑行態(tài)勢(shì)指數(shù)，并計(jì)算出每個(gè)航空器的滑行復(fù)雜度；

步驟3將求得的滑行復(fù)雜度與預(yù)先設(shè)定的閾值相比較，若所得滑行復(fù)雜度大于所給定的閾值，則選取所有航空器中場(chǎng)面累計(jì)流量最大的航空器[10]，推遲其起始滑行時(shí)間，推遲時(shí)間為1 min，并返回步驟1。

步驟4若所得滑行復(fù)雜度不大于所設(shè)定的閾值，則記錄當(dāng)前的路徑優(yōu)化結(jié)果，并結(jié)束算法。

2 算例分析

以國(guó)內(nèi)某大型機(jī)場(chǎng)的滑行道系統(tǒng)作為驗(yàn)證對(duì)象，其滑行道系統(tǒng)構(gòu)型如圖2所示。

①～為滑行道節(jié)點(diǎn)

航班數(shù)據(jù)選取該機(jī)場(chǎng)某日上午7:30—7:45的高峰期航班數(shù)據(jù)并標(biāo)號(hào)，如表1所示。

表1 航空器滑行時(shí)刻表

2.1 結(jié)果分析

在運(yùn)用Dijkstra算法求得初始最優(yōu)解后，得到航空器的總滑行時(shí)間為4 369 s，離場(chǎng)航空器總的滑行時(shí)間為2 951 s，離場(chǎng)航空器在停機(jī)位的等待時(shí)間為0。根據(jù)前面算法設(shè)計(jì)中提到的，該求解算法主要針對(duì)離場(chǎng)航空器的起始滑行時(shí)間做調(diào)整，所以對(duì)數(shù)據(jù)中的10架次離場(chǎng)航空器再編號(hào)為1～10。所求得的離場(chǎng)航空器的滑行復(fù)雜度如圖3(a)所示?？梢钥闯觯?架離場(chǎng)航空器的滑行復(fù)雜度最高，為0.654，而此時(shí)所設(shè)定的最高復(fù)雜度閾值為0.500，因此需要進(jìn)行迭代調(diào)整。

推遲第8架離場(chǎng)航空器的推出時(shí)間1 min后，得到新的滑行路徑規(guī)劃，此時(shí)總的滑行時(shí)間為2 752 s，此時(shí)離場(chǎng)航空器的滑行復(fù)雜度如圖3(b)所示。可以看出，第9架離場(chǎng)航空器的滑行復(fù)雜度最高，為0.583，而此時(shí)所設(shè)定的最高復(fù)雜度閾值為0.500，因此需要進(jìn)行迭代調(diào)整。

推遲第9架離場(chǎng)航空器的推出時(shí)間1 min后，得到新的滑行路徑規(guī)劃方案，此時(shí)總的滑行時(shí)間為2 648 s，此時(shí)離場(chǎng)航空器的滑行復(fù)雜度如圖3(c)所示。

圖3 離場(chǎng)航空器滑行復(fù)雜度

可以看出，此時(shí)所有離場(chǎng)航空器的滑行復(fù)雜度都小于了閾值0.500，則算法結(jié)束，此時(shí)總的滑行時(shí)間為2 648 s，航空器等待時(shí)間為120 s。初始解中總的滑行時(shí)間為2 951 s，等待時(shí)間為0。

將基于態(tài)勢(shì)感知的滑行路徑優(yōu)化算法仿真結(jié)果與采用相同的數(shù)據(jù)、選擇最短滑行時(shí)間有限的基于FCFS(first come first service，如基于Dijkstra的滑行路徑優(yōu)化算法和基于A*算法)的滑行路徑優(yōu)化的結(jié)果相比較，如表2所示。

從表2可以看出：在基于Dijkstra的滑行路徑優(yōu)化算法和基于A*算法的滑行路徑優(yōu)化的結(jié)果中，各自的總滑行時(shí)間分別為4 369 s和4 237 s；且因?yàn)檫@兩種算法之間是按照計(jì)劃排班運(yùn)行的，所以航空器的總等待時(shí)間為0；基于態(tài)勢(shì)感知的滑行路徑優(yōu)化算法的結(jié)果相較于其他兩種方法，航空器平均滑行時(shí)間降低了13%和4%；航空器總等待時(shí)間為120 s，離場(chǎng)航空器平均等待時(shí)間為12 s，屬于可接受范圍。

表2 優(yōu)化結(jié)果對(duì)比

在基于態(tài)勢(shì)感知的滑行路徑優(yōu)化算法中，離場(chǎng)航空器為減少因避開沖突可能的繞道而選擇在推出時(shí)進(jìn)行等待；而其他兩種目前最常用的算法都是選擇了繞道避開沖突，所以浪費(fèi)的時(shí)間遠(yuǎn)大于前者，且還會(huì)消耗更多的燃油。

通過上述對(duì)比，可以看出基于態(tài)勢(shì)感知的滑行路徑優(yōu)化算法在航空器運(yùn)行時(shí)間上由于當(dāng)前常用的FCFS算法，且基于態(tài)勢(shì)感知的滑行路徑優(yōu)化算法可以不斷優(yōu)化航空器等待時(shí)間和滑行路徑，進(jìn)而使航空器滑行效率有較為明顯的提升。

2.2 參數(shù)分析

而針對(duì)閾值的設(shè)定，如圖4所示，計(jì)算出了最高復(fù)雜度閾值在0.3～0.6范圍的離場(chǎng)航空器總運(yùn)行時(shí)間，從圖中數(shù)據(jù)可得出當(dāng)閾值為0.500和0.550的時(shí)候，離場(chǎng)航空器運(yùn)行時(shí)間最短，算法效果最佳。

圖4 不同復(fù)雜度閾值對(duì)應(yīng)的離場(chǎng)航空器運(yùn)行時(shí)間

當(dāng)閾值為0.500和0.550時(shí)，在第二次迭代后得到的滑行復(fù)雜度均小于0.500，因此算法停止，所以兩次計(jì)算得到的結(jié)果相同；當(dāng)閾值變大后，所得到的離場(chǎng)航空器運(yùn)行時(shí)間也隨之增大，根據(jù)圖5所示，航空器的等待時(shí)間相比較與閾值為0.500和0.550時(shí)減少，但總的滑行時(shí)間較于初始解并無太大變化；當(dāng)閾值小于0.500時(shí)，航空器總的滑行時(shí)間相較于初始解有了較大幅度的減少，卻但大幅度增加了航空器的總共等待時(shí)間，進(jìn)而使總的運(yùn)行時(shí)間延長(zhǎng)，而且由于過長(zhǎng)的等待時(shí)間，還會(huì)對(duì)后續(xù)進(jìn)離場(chǎng)航空器的正常運(yùn)行產(chǎn)生不利影響。

圖5 不同復(fù)雜度閾值對(duì)應(yīng)的離場(chǎng)航空器等待時(shí)間

分析可知，在算法中閾值的設(shè)定并不是越小越好，閾值與航空器的滑行時(shí)間、等待時(shí)間有密切的聯(lián)系，還要考慮在過長(zhǎng)的等待時(shí)間條件下，是否會(huì)對(duì)后續(xù)的航空器正常運(yùn)行產(chǎn)生影響。而且過長(zhǎng)的等待時(shí)間會(huì)影響旅客的情緒，降低他們對(duì)航班服務(wù)的滿意度。

3 結(jié)論

滑行道運(yùn)行效率極大地影響了機(jī)場(chǎng)場(chǎng)面的運(yùn)行效率。為了提高繁忙機(jī)場(chǎng)的滑行道運(yùn)行效率，在傳統(tǒng)的先到先服務(wù)算法基礎(chǔ)之上，加入了滑行道系統(tǒng)運(yùn)行態(tài)勢(shì)。并以國(guó)內(nèi)某大型繁忙機(jī)場(chǎng)的滑行道系統(tǒng)作為算例，得出如下結(jié)論。

(1)在保證航空器正常運(yùn)行的情況下，算法通過調(diào)整離場(chǎng)航空器滑行起始時(shí)間，均衡滑行道內(nèi)流量，減少了航空器運(yùn)行時(shí)間。并針對(duì)算法中的重要影響參數(shù)進(jìn)行了分析驗(yàn)證，結(jié)果表明參數(shù)的選擇合理與否會(huì)對(duì)算法運(yùn)行結(jié)果產(chǎn)生直接影響。

(2)今后的工作是將態(tài)勢(shì)感知的概念推廣到整個(gè)場(chǎng)面運(yùn)行過程中，為場(chǎng)面的高效率、自動(dòng)化運(yùn)行提供支持。