摘要：航班离港始于停机坪推出,经由滑行道滑行并止于跑道离地,因此机坪空间及其与跑滑系统构成的相对位置关系对航班离港滑行具有较大影响,滑行时间的预测精度对ACDM机制下航班推出时刻优化和跑滑系统效率提升具有重要作用。首先提出机位组概念表征机坪空间构型,据此设计场面实时动态航班流量、机位组无阻碍滑行时间和机位组空间影响指数等新特征变量,然后基于分类回归树构建预测模型,验证新特征引入对离港滑行时间的预测效果。以首都机场实际运行数据为例,预测结果表明:在保持较高拟合优度的同时,新引入的表征机坪构型及其与跑滑系统相对位置关系的特征变量提高了离港滑行时间预测模型精度,预测与实际误差值在3 min和5 min内的航班数量分别提高了4.88%和6.46%,每高峰小时可为首都机场减少约2~3个起飞时隙的浪费;新特征变量对离港滑行时间预测精度的整体贡献较大,且场面整体流量特征变量的贡献超过单一跑道流量,进港航班相关特征变量的贡献超过离港航班。

摘要：本文以海澜财富中心工程为例,介绍超高层建筑动臂式塔式起重机的选型的考虑因素、基础设计思路、安装、爬升的准备流程及相关工艺等。

摘要：为了改善不正常航班恢复的实用性和有效性,研究了协同决策机制下航空公司时隙二次指派的问题,提出了航班波运行模式下自主取消航班的非平衡时隙指派模型.通过定理证明分析出模型的特性,由此设计出两阶段交替使用的求解过程:第1阶段进行模型平衡化并运用压缩式算法得出平衡优化解;第2阶段运用深度优先算法通过启发式航班取消获得非平衡模型优化解.分析结果表明,本方法不仅减少了旅客延误时间并可节约时隙资源,同时也提高了方案执行效率,可以满足不正常航班恢复中快速决策和经济有效的要求.

摘要：仿真建模在机场运行中的运用日趋增多,但此类仿真系统大多以旅客和飞机为仿真的实体,行李流程的仿真建模则很少。以行李为仿真对象,以Petri网为建模工具,应用事件调动仿真策略,对行李流程进行了建模,并在Service Model平台上实现了浦东国际机场行李流程仿真系统。最后进行了大量的仿真试验,仿真结果较真实地再现了机场的实际运行情况,得到了进出港行李流程的行为特性,对于行李系统的规划设计以及行李系统的日常运行具有重要参考价值。

摘要：机组任务配对是机组排班问题中主要的一个子问题,发现一组往返飞行航线并且覆盖所有的航班,最重要的是要求运营成本最低。在机组任务选择阶段和机组任务配对阶段采用二次遗传算法,建立了机组任务配对数学模型。根据遗传算法设计,对某航空公司某基地排班的航班信息进行了实例分析,并给出了测试结果。结果说明二次遗传算法在机组任务配对问题中可以寻找到一个更优的解。

摘要：通过对航班进离港流程的分析,拟建立一种基于随机着色Petri网的机场航班进离港流程模型,设置其库所和变迁颜色集合得到航班的复合颜色,并赋予变迁不同的随机时间延迟函数,使模型更符合实际运行特点。在此模型基础上,以航班为仿真对象,在ServiceModel平台上实现了浦东国际机场航班进离港流程仿真系统。最后进行了大量的仿真试验,仿真结果较真实地再现了机场的实际运行情况,得出了航班进离港流程中的实际到达时间、跑道小时容量、停机位利用情况等关键指标,对于机场飞行区的规划设计以及其日常运行有重要参考价值。

摘要：旅客行李提取是影响机场航站楼有效运行的关键环节,对旅客满意度有着重要影响。研究了航站楼旅客行李提取转盘的指派问题,首先分析了行李转盘的指派方式,然后以均衡使用行李转盘为优化目标,建立了机场行李转盘优化指派模型,设计了求解该模型的蚁群算法,并用Matlab编程实现了该算法。最后通过实例分析验证了提出的模型和蚁群算法的正确性,其指派结果与先到先服务的指派结果相比,各行李转盘的使用率更加均衡,从而提高了服务质量和旅客满意度。

摘要：为解决不正常航班恢复对航空公司带来的严重影响,研究了不正常航班恢复模型及其优化算法,对现有不正常航班恢复优化模型提出适当改进,重点设计了一种贪婪模拟退火算法。算法融合了GRASP和模拟退火算法的特点,提高了领域解的选择效率并且降低了陷入局部最优解的概率。实例证明这种算法可以处理大规模的不正常航班恢复问题,并且能够达到时间代价与结果质量的均衡。

摘要：针对航空公司在竞争激烈的航线市场中对未来机票价格走势预测的需求,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆(Long Short-Term Memory,LSTM)网络的混合模型CNN-LSTM.在数据构建与输入部分,以航空公司间的竞争关系为核心,设计用于表征机票价格的通道数据结构;综合考虑影响机票价格波动的多种因素,分别构建表示航空公司属性、航班属性和日期属性的独立通道数据结构,并将这些通道数据进行整合,组成适用于卷积神经网络的多通道数据输入.在模型部分,利用一维卷积神经网络(one-dimensional Convolu⁃tional Neural Network,1D-CNN)对输入的多通道数据进行特征提取;通过长短期记忆网络捕捉数据中的时间依赖关系,实现对航线内不同航班未来机票价格的预测.将提出的CNN-LSTM混合模型与多种基线模型进行对比,并通过消融实验验证所选影响因素的有效性.实验结果表明:CNNLSTM混合模型在预测性能上具有显著优势,与随机森林、支持向量机、单一卷积神经网络、单一长短期记忆网络以及向量自回归模型相比,预测平均绝对误差降低了18.74%~57.02%,平均绝对百分比误差降低了9.31%~22.16%;消融实验结果证实了影响因素的引入可以提升模型的性能.研究成果不仅能够为航空公司在票价制定与调整方面提供决策支持,也为机票价格预测领域的研究提供了新的思路和方法.

摘要：提高国际枢纽机场中转能力是新时代民航强国战略下拓展国际航空市场的基础保障。基于2010-2017年OAG全球旅客流量流向数据,本文采用两阶段面板数据模型,以北京首都、上海浦东和广州白云机场为案例,分析了容量受限导致拥堵和枢纽机场竞争全球化背景下中国三大机场的国际中转客流拥堵溢出效应。研究表明三大机场的溢出效应主要由与其国际市场重叠率较高的国外枢纽机场承接,国内二级机场承接率相对有限。表现为:北京首都溢出旅客量流向厦门、曼谷和迪拜;上海浦东流向吉隆坡、首尔和乌鲁木齐;广州白云流向香港、武汉、西安、首尔、吉隆坡、伊斯坦布尔、新加坡和赫尔辛基。结果讨论了应加强国内二级机场的航线与航班设计,以分别承接三大机场的溢出效应。