以降低航班延误为目标的仿真优化方法研究_朱承元

基于模拟仿真的航空公司运营管理优化研究研究主题：基于模拟仿真的航空公司运营管理优化研究论文题目：基于模拟仿真的航空公司运营管理优化研究摘要：航空公司作为现代物流和交通运输行业的重要组成部分，其运营管理的优化对于提高航空公司的经济效益和服务质量具有重要意义。

本研究基于模拟仿真方法，针对航空公司运营管理中存在的问题，提出了一种全新的优化方案。

首先，研究分析了航空公司运营管理的背景和现状，明确了研究问题和目标。

然后，探讨了研究的方法和步骤，并选择了适当的数据进行模拟仿真实验。

最后，根据实验结果进行深入分析和综合评价，并提出了相关的结论和讨论。

关键词：模拟仿真、航空公司、运营管理、优化研究1. 引言随着全球航空业的迅速发展，航空公司在全球范围内的运营管理面临诸多的挑战和问题。

航空公司的运营管理涉及飞行计划、机组调度、航班时刻表安排、空域管理等诸多方面，如何优化这些运营管理活动成为了航空公司面临的主要问题之一。

本节主要介绍研究背景和目标，以及现有研究的不足之处。

2. 研究问题及目标本节详细阐述了本研究的主要问题和目标，对航空公司运营管理中存在的问题进行了梳理和整理，并明确了研究的具体目标和内容。

3. 研究方案与方法本节介绍了研究的方案与方法，包括模拟仿真方法的原理和步骤、数据采集和处理方法、模型构建和实验设计等内容。

同时，还对模拟仿真方法的适用性和局限性进行了讨论。

4. 数据采集和分析本节详细描述了实验数据的采集和分析方法，包括对航空公司运营数据的收集、整理和处理过程，以及采用的统计方法和模型分析方法。

5. 结果呈现本节将详细呈现实验结果，包括数据分析结果的图表展示和实验结果的解读。

同时，对不同实验方案和参数对实验结果的影响进行了分析和比较。

6. 结论与讨论本节总结了研究的主要发现和结论，并对研究过程中存在的问题和局限性进行了讨论。

此外，还对未来研究方向和进一步优化方案提出了一些建议。

结论：本研究主要基于模拟仿真方法，对航空公司运营管理进行了优化研究。

机场群协调研究综述作者：郑燕琴来源：《现代经济信息》2012年第11期摘要：随着多机场系统的不断发展，机场群如何协调问题也日益突出。

本文主要从三个方面系统阐述目前国内对多机场协调问题所做的研究，归纳已取得的成果，并分析其对我国机场群协调发展的借鉴意义。

关键词：机场群协调；发展模式；布局规划；延误成本中图分类号：F560.81 文献标识码：A 文章编号：1001-828X（2012）06-0-01目前，世界都市群普遍存在机场密度大，核心城市机场资源使用情况紧张，航班延误严重，机场服务质量下降，而周边城市的机场设施限制，资源得不到充分利用的情况。

因此，合理整合资源，确定机场群的发展模式，是达到多机场共赢局面的重要手段。

一、从发展模式角度分析多机场协调问题2007年，张越[1]、胡华清指出机场群的形成是由于都市群强大的经济实力和辐射力而产生的巨大的航空运输需求。

并简单概述了目前世界主要存在的区域多机场系统发展以及所存在运输量分配不平衡的问题。

但并未提出具体的解决方案。

同年，张、胡二人又详细分析美国东北部以及伦敦多机场系统的运营模式，并对英美两国典型的运营模式特点进行了小结，指出美国模式是以设立跨州市管理运营组织机构、实施机场产权与经营权分离、将机场与公共地面交通系统进行一体化整合等方式对多机场系统进行管理；英国BAA则是以产权关系为纽带建立多机场系统，系统内各机场有特定功能划分和服务对象的英国多机场管理模式与美国模式的多机场系统形成鲜明对比。

对我国目前多机场系统的发展很有借鉴意义，但是文章仍是没有涉及具体的解决方案。

同年，二人对珠三角五大机场的发展作了详细分析，指出目前珠三角机场群所面临的三大矛盾，同时结合目前珠三角地区各机场在管理体制、运营模式和发展政策环境等各方面实际情况，提出了三种可供选择的模式：松散协作模式、局部协作模式以及全面协作模式。

2008年，韦薇[2]等人通过对制约长三角航空业发展的因素分析，提出了推进长三角地区机场群协调发展的建议。

机场航班延误优化模型一、本文概述随着全球航空业的快速发展，机场航班延误问题日益凸显，成为影响旅客出行体验和航空公司运营效率的关键因素。

航班延误不仅可能导致旅客的行程被打乱，还可能引发航空公司的一系列连锁反应，如航班调度、旅客赔偿等。

因此，构建一个有效的机场航班延误优化模型，对于提高航空业的服务质量和经济效益具有重要意义。

本文旨在探讨和研究机场航班延误优化模型的构建与应用。

我们将对航班延误的原因进行深入分析，包括天气因素、交通拥堵、机场运营管理等。

我们将介绍现有的航班延误预测和优化模型，评估其优缺点，并在此基础上提出一种基于大数据分析和人工智能技术的优化模型。

该模型将综合考虑多种因素，包括历史延误数据、实时天气信息、机场运行状况等，通过机器学习和优化算法，实现对航班延误的精准预测和有效优化。

本文还将详细介绍该优化模型的设计和实现过程，包括数据采集与处理、模型构建与训练、性能评估与优化等。

我们将通过实际案例分析，展示该模型在实际应用中的效果和潜力。

我们将对机场航班延误优化模型的发展前景进行展望，并提出未来研究的方向和建议。

通过本文的探讨和研究，我们期望能够为解决机场航班延误问题提供新的思路和方法，推动航空业的服务质量和经济效益不断提升。

二、航班延误原因分析航班延误是一个复杂且多元的问题，其背后涉及众多相互关联的因素。

为了更好地理解和优化航班延误问题，我们需要对造成航班延误的主要原因进行深入分析。

天气条件是影响航班延误的主要因素之一。

恶劣的天气，如大风、大雾、暴雨、雪等，都可能对飞机的起飞和降落造成影响，从而导致航班延误。

极端天气还可能引发其他一系列问题，如跑道积水、能见度不足等，进一步加剧航班延误的情况。

航空管制也是航班延误的重要原因之一。

为了保证飞行安全，航空管理部门需要对航班进行严格的调度和控制。

在航班密度大、空中交通繁忙的情况下，航空管制措施可能会导致航班延误。

一些特殊活动或事件，如重要会议、大型活动等，也可能导致航空管制措施的加强，进一步影响航班正点率。

关于改进的航班正点率优化模型1. 引言1.1 研究背景航班正点率对于航空公司和乘客来说都具有重要意义。

准点的航班可以提高乘客的满意度，增加航空公司的信誉度，同时也可以降低航空公司的运营成本。

当前航班延误现象仍然比较普遍，造成了诸多不便和经济损失。

在这样的背景下，研究如何改进航班的正点率成为了重要课题。

通过对航班正点率模型的深入分析，可以帮助航空公司更好地理解航班延误的原因，从而采取相应的措施进行优化。

通过构建有效的优化模型和数据分析，可以有效地提高航班的正点率，进而提升整体运营效率和乘客体验。

本文旨在通过研究航班正点率优化模型，探讨航班延误的原因和解决方法，为航空公司提供有效的决策支持，提高航班的准点率，同时也对航空运输领域的发展具有重要意义。

1.2 研究目的研究目的是为了探讨如何改进航班的正点率，以提高航班的准时性和客户满意度。

通过分析航班正点率模型，深入研究航班延误的原因，探讨模型优化的方法，进行数据分析和模型验证，以及评估模型应用的效果，旨在找出影响航班延误的主要因素，为航空公司制定有效的运营计划和策略提供依据。

通过研究航班正点率优化模型，可以帮助航空公司更好地管理航班延误问题，提高航班的准点率，降低延误率，提升客户体验，减少运营成本，提高运营效率。

通过建立有效的航班正点率优化模型，还可以为未来研究提供参考，拓展研究领域，促进航空运输行业的发展。

1.3 研究意义航班正点率是航空运输领域的一个重要指标，直接关系到航空公司的服务质量和信誉。

提高航班正点率不仅可以提升乘客满意度，还能降低航空公司的运营成本和提高效益。

研究如何改进航班正点率具有重要的实际意义。

提高航班正点率可以减少航班延误对乘客造成的不便和影响，提升乘客出行体验。

对于商务乘客来说，航班延误可能导致会议延误或商务谈判受阻，影响工作效率和商业合作。

对于旅游乘客来说，航班延误可能导致景点游览计划受阻，影响旅行体验。

提高航班正点率可以提升乘客满意度，增强航空公司的竞争力。

航空航班延误预测与调整策略研究随着航空旅行的普及和航班数量的快速增加，航空航班延误已成为一个严重的问题。

这不仅给乘客带来了不便，也对航空公司的经营和形象造成了重大影响。

因此，航空航班延误的准确预测与有效调整策略的研究已成为航空业界和学术界的关注焦点。

航空航班延误的预测是减少乘客不便和提高航空公司运营效率的关键。

传统的预测方法主要依靠统计模型和时间序列分析来进行，这些方法可以通过分析历史数据、天气情况、航司运营情况等因素来预测航班延误的概率。

然而，这些方法存在一些局限性，如数据缺失和不确定性较大，难以准确预测航班延误。

为了克服传统方法的局限性，近年来，一些新的预测方法被引入到航空航班延误预测中。

其中，机器学习和人工智能技术被广泛应用。

例如，支持向量机、神经网络、随机森林等机器学习算法可以通过对大量训练样本的学习来预测航班延误。

此外，文本挖掘和情感分析技术也可以从社交媒体等渠道中获取实时信息，提供更准确的预测结果。

除了航班延误的预测，调整策略的研究也是减少航班延误的重要手段。

航空公司可以通过一系列灵活的措施来应对航班延误，如改变机组人员、调整飞行计划、更换飞机等。

然而，这些调整策略需要兼顾运营成本和服务质量，因此需要制定科学的决策模型。

近年来，航空航班延误的调整策略研究越来越多地采用优化模型和仿真模型。

优化模型可以通过建立数学模型和优化算法，最大化航空公司的整体效益。

例如，可以通过合理安排飞行计划、降低飞机燃油消耗、减少人员安排等方式来降低航班延误的发生率。

而仿真模型可以通过模拟各种情景和决策方案，评估调整策略的效果和风险。

这些模型可以使用实时航班数据和历史航班延误数据，提供决策支持和评估结果。

此外，航空航班延误的预测与调整策略研究也需要综合考虑多个因素。

除了航空公司的运营情况和航班数据，天气状况、机场交通等外部因素也会对航班延误产生影响。

因此，将多源数据集成起来，建立综合模型，并进行数据挖掘和数据分析，可以更全面地预测航班延误和制定相应的调整策略。

机场航班时刻调整优化模型研究摘要：机场航班时刻调整是提高航班运行效率和旅客出行体验的关键环节。

本文通过研究机场航班时刻调整优化模型，探讨了如何通过合理的航班时刻调整来提高机场运行效率和降低延误率。

首先，介绍了机场航班时刻调整的背景和意义，然后详细阐述了机场航班时刻调整的流程和方法，包括数据分析、模型建立、求解和评估等步骤。

最后，结合实际案例，对机场航班时刻调整优化模型进行了验证和评估，并提出了优化的建议和展望。

1.引言机场作为重要的交通枢纽，航班时刻调整对机场的运行效率和旅客出行体验有着重要影响。

合理的航班时刻调整可以减少延误率，提高飞行效率，减少能耗，提高运行效率，提升旅客满意度。

因此，研究机场航班时刻调整优化模型对于改善机场运营具有重要意义。

2.机场航班时刻调整的流程机场航班时刻调整的流程一般包括数据收集和分析、模型建立、求解和评估四个步骤。

2.1 数据收集和分析数据收集是机场航班时刻调整的前提，包括航班计划数据、航班执行数据、机场资源数据等。

通过对这些数据的分析，可以对机场的运行情况和瓶颈进行了解，为后续的模型建立提供依据。

2.2 模型建立机场航班时刻调整的核心是建立合理的优化模型。

常见的模型包括基于规则的模型、基于优化的模型和机器学习模型等。

基于规则的模型通过经验规则和专家知识进行航班时刻调整；基于优化的模型通过数学规划方法，对航班时刻进行优化；机器学习模型通过机器学习算法对航班时刻进行预测和调整。

根据实际情况选择合适的模型进行建立。

2.3 求解在模型建立完成后，需要选择合适的求解方法对模型进行求解。

常见的求解方法包括整数规划、线性规划、遗传算法等。

求解的目标是找到最优的航班时刻调整方案，使得机场运行效率最大化或延误率最小化。

2.4 评估对求解得到的航班时刻调整方案进行评估是非常重要的。

评估可以通过模拟仿真和实际操作进行，分析其对机场运行效率和旅客满意度的影响，并对模型进行优化和改进。

3.机场航班时刻调整优化模型实践案例以某国内主要机场为例，介绍了机场航班时刻调整优化模型的实践应用。

不正常航班恢复的一种改进的列生成算法吴刚;严俊【摘要】分析了由飞机资源短缺造成的航班不正常情况,将该问题视为带有容量约束的多个商品的整数最小费用流问题,建立了多商品网络流数学模型.采用列生成算法框架求解该大规模整数规划问题.一般的列生成算法是每次迭代过程只加入一个列,造成迭代次数过多,因而降低了算法效率低.文中采用每次迭代过程中加入多个列,并对加入的多个列应该满足的条件进行了分析.最后给出的算例验证了该方法的正确性和有效性.【期刊名称】《南京航空航天大学学报》【年(卷),期】2014(046)002【总页数】6页(P329-334)【关键词】不正常航班;多商品网络流;列生成【作者】吴刚;严俊【作者单位】南京航空航天大学民航学院,南京,210016;中国民航科学技术研究院科技处,北京,100028【正文语种】中文【中图分类】U8不正常航班是指不能按照航班计划执行的航班。

造成航班不正常的原因常有航空器故障、恶劣天气、航空管制、机场保障以及旅客自身不能及时登机等。

当航班发生不正常时，航班公司运行调度人员需要对航班计划进行实时调度，使得航班在最短的时间内恢复正常，同时还要确保公司为此付出的代价最小。

随着航班数量的增长，依靠运行调度人员的经验进行航班调整变得越来越困难。

最优化方法与计算机技术相结合的自动化恢复技术能够快速生成调度方案并为航空公司获取巨大的经济效益和社会效应，有关这方面的研究越来越为航空公司所关注。

不正常航班调度是一个非常复杂的实时网络优化问题，属于非确定性多项式时间（Non-deterministic polynomial-time，NP）难问题。

国外在这方面研究较早：文献［1］针对飞机资源短缺提出了以旅客总延误最小化为目标函数的模型，采用分支定界法求解。

文献［2］在不考虑调机情况下以取消的航班数量和旅客总延误时间最小作为目标函数，采用字典序优化技术进行建模求解。

文献［3］研究了暂时短缺飞机的实时扰动问题。

航班延误预测与优化研究随着航空业的不断发展，航班延误问题越发引起人们的关注。

航班延误不仅给航空公司带来经济损失，也给乘客带来不便。

因此，对航班延误进行准确预测和有效优化成为了航空运营管理中的重要课题。

本文将针对航班延误预测与优化进行研究，主要探讨延误原因、预测方法、优化策略以及未来发展方向。

首先，我们需要了解航班延误的主要原因。

航班延误可能由许多因素导致，包括天气状况、机械故障、机场拥堵、航空公司管理等。

其中，天气状况是最常见的延误原因之一。

恶劣天气如大风、暴雨、雷电等不仅会影响航空器起降，还可能导致机场关闭或严重受阻。

其次，机械故障也是航班延误的主要原因之一。

并非所有机械故障都可以立即解决，这将直接影响航班的正常运行。

此外，机场拥堵、航空公司管理不善等也会增加航班延误的风险。

为了准确预测航班延误，研究人员和航空公司已经尝试了许多预测方法。

其中，基于数据挖掘和机器学习的方法在航班延误预测中发挥了重要作用。

例如，通过分析航空数据，可以提取一些关键特征，如出发地、目的地、航空公司、天气等，然后利用这些特征训练模型进行延误预测。

此外，一些新兴技术如深度学习也可以应用于航班延误预测。

这些方法可以通过对大量历史数据的学习，识别出航班延误的模式和规律，并预测未来的延误情况。

在航班延误优化方面，航空公司通常会采取一些策略来尽量减少延误对航班运营的影响。

首先，航空公司可以优化航班调度，合理安排航班起降时间，避免过于紧凑的时间安排。

其次，航空公司可以优化机组人员的安排，确保有足够的员工应对突发情况。

此外，航空公司还可以与机场、空管等相关部门合作，共同制定应对航班延误的应急措施。

这些优化策略的目的是减少延误带来的经济和乘客损失，并提高航空公司的服务质量和竞争力。

然而，航班延误预测与优化仍然存在一些挑战和研究方向。

首先，航班延误的数据量庞大且复杂，如何高效地提取和处理数据仍然是一个难题。

其次，天气状况是航班延误的重要因素之一，但天气预报的准确性仍有待提高，这影响了延误的预测准确性。

基于波及延误的飞机路径随机优化模型
周覃;高强;李伟文
【期刊名称】《交通信息与安全》
【年(卷),期】2017(035)003
【摘要】为了对航班延误进行有效的事前控制,挖掘后继航班独立延误对飞机路径整体延误的影响,建立了更加精确的独立延误和波及延误算法流程,侧重研究与航班计划变更无关的独立延误的统计分布.在拟合出航班独立延误服从对数正态分布的基础上,建立了以波及延误最小为目标函数的飞机路径随机优化模型.求解过程中通过已知分布将随机模型转化为确定性模型,降低了模型的求解难度.最后将该模型应用于国内某一航空公司运行数据,优化后的波及延误降低了28%,成本降低17.37%.结果表明,基于统计分析基础上的飞机路径优化模型可以提高航班计划的先行鲁棒性.
【总页数】7页(P117-123)
【作者】周覃;高强;李伟文
【作者单位】南京航空航天大学民航学院南京 210016;南京航空航天大学民航学院南京 210016;南京航空航天大学民航学院南京 210016
【正文语种】中文
【中图分类】V355
【相关文献】
1.基于延误传播的飞机排班一体化鲁棒优化模型 [J], 朱星辉;吴薇薇;戚彦龙
2.基于修正延误波及树的航班延误传播研究 [J], 吴薇薇;郑松林
3.基于Petri网的航班运行建模和延误波及分析 [J], 吴涛
4.基于波及延误的航班过站松弛时间重分配 [J], 高强; 周覃; 陈欣
5.基于CBAM-CondenseNet的航班延误波及预测模型 [J], 吴仁彪;赵娅倩;屈景怡;高爱国;陈文秀
因版权原因，仅展示原文概要，查看原文内容请购买。

航班延误预测模型的建立与优化摘要：航班延误给旅客带来不便，也给航空公司和机场管理部门带来了巨大的经济损失。

因此，建立一个准确的航班延误预测模型对于航空业来说是至关重要的。

本文将介绍航班延误预测模型的建立和优化的过程，包括数据收集与清洗、特征选择、模型建立、评估与优化等主要步骤。

同时，还将讨论一些常用的预测模型，并对如何进一步优化模型性能提出一些建议。

1. 引言近年来，随着航空业的迅速发展，航班延误问题日益突出。

航班延误不仅影响旅客的出行计划，还导致航空公司和机场管理部门巨大的经济损失。

因此，通过建立一个准确的航班延误预测模型，可以帮助航空公司和机场管理部门更好地进行航班调度、资源分配等工作，从而提高航班的准点率，减少延误现象的发生。

2. 数据收集与清洗航班延误预测模型的建立首先需要收集相关的数据。

这些数据可以包括航班的出发地、目的地、起飞时间、机型、航班时刻表、天气情况、机场状况等信息。

收集数据可以通过机场管理部门、航空公司等渠道获取。

在数据收集之后，还需要对数据进行清洗。

数据清洗是为了去除数据中的噪声、缺失值等错误，并对数据进行格式转换、去重等操作。

只有经过数据清洗之后的数据才能保证模型的准确性和可靠性。

3. 特征选择特征选择是指从收集到的数据中选择与航班延误相关的特征。

在特征选择过程中，需要根据领域知识和专业经验，选取对航班延误预测具有重要影响的特征。

常用的特征包括起飞时间、机型、航班时刻表、天气情况等因素。

特征选择的目的是减少模型的复杂性和计算成本，提高模型的预测准确性。

通过合理选择特征，可以更好地描述航班延误的影响因素和规律。

4. 模型建立模型建立是航班延误预测的核心部分。

在模型建立过程中，可以采用多种机器学习算法，如线性回归、决策树、随机森林、支持向量机等。

对于航班延误预测问题，常用的模型包括支持向量机、神经网络和随机森林。

根据不同的数据集和需求，选择合适的模型进行建立。

5. 模型评估与优化建立模型之后，需要对模型进行评估和优化。

航空航天行业航班延误与取消的应对方法航空航天行业是现代社会中不可或缺的一部分，然而，由于各种原因导致的航班延误和取消问题一直困扰着乘客和运营商。

本文将探讨航空航天行业航班延误和取消的应对方法，并提出一些建议。

一、原因分析1.1 天气因素天气因素是导致航班延误和取消最常见的原因之一。

恶劣的天气条件，如暴风雨、大雾或雷暴，会对飞行安全造成威胁，航空公司为了保障乘客的生命安全会选择取消或延误航班。

1.2 机械故障机械故障是航班延误和取消的另一个常见原因。

在飞机检修期间或飞行中发现的机械问题会导致航班无法按时起飞或被取消。

1.3 航空交通管制航空交通管制是为了确保飞机飞行安全和航空交通有序进行而采取的措施。

当空中交通拥挤，机场跑道关闭或其他紧急情况发生时，航班可能会被延误或取消。

二、应对方法2.1 天气预警系统航空公司可以建立有效的天气预警系统，及时监测天气变化并提前采取措施。

例如，提前调整航班计划、调度备用飞机或调整飞行路径，以减少航班延误和取消的风险。

2.2 加强机械检修航空公司应定期对飞机进行全面维护和检修，确保其状态良好，减少机械故障导致的航班延误和取消。

同时，建立完善的机械故障报告和反馈机制，及时处理和解决问题。

2.3 提高航空交通管制效率航空公司应与民航管理部门和机场合作，共同提高航空交通管制的效率。

通过优化飞行路径、增加机场跑道容量以及引入先进的航空交通管理系统，减少航班延误和取消。

2.4 客户服务提升航空公司可以通过提升客户服务水平来应对航班延误和取消。

及时提供准确的航班信息、组织疏导受影响的乘客、提供免费的餐饮和住宿等服务，以减轻乘客的不便和不满。

2.5 技术创新航空航天行业可以通过引入新技术来应对航班延误和取消问题。

例如，借助人工智能和大数据分析，优化航班调度和飞行路径，提高运力利用率和准点率。

三、建议3.1 加强跨领域合作航空航天行业面临着复杂的挑战和任务，需要与其他相关领域进行跨领域合作。

随着我国各地大型枢纽机场航班不断增多、旅客吞吐量屡创新高,各大机场的航班保障能力也面临着愈加严峻的考验。

机场所拥有的停机位是航空器在地面停靠的场所,也是地面作业正常运转的前提条件。

因此,加大停机位合理分配的研究,对全部民航产业的发展提升有着举足轻重的作用。

1 构建停机位再分配初级模型1.1 初级模型的建立假设该机场有M个廊桥停机位,每个停机位的位置坐标用它相对机场中心的位置坐标表示;一天内所有共有N个过站航班,其中所有延误的过站航班集合为H yw =｛H ywk │k =1,2,...,h ｝(h ≤N ),延误的过站航班的预计延误时间用JYWk =｛JYW k │k =1,2,...,h ｝表示,在发生延误后实际延误时间用JYWyw k =｛JYW ywk │k =1,2,...,h ｝表示,预分配的停机位用dk =｛dk │k =1,2,...,h ｝表示,延误后程序再分配的停机位为dyw k =｛dyw k │k =1,2,...,h ｝。

则构建的停机位再分配的模型为:f =min ∑｛α(JYW ywk －JYW k )＋β(dyw k －d k )｝ (1)α、β分别表示延误的时间成本和距离成本的权重系数,具体系数值的设定要视程序运行情况而定。

1.2 初级模型矩阵参数的确定建立模型参数矩阵:列为停机位编号,且包含其坐标D j ;行共分为48行,每一行代表的时间为30min,第一行开始为8点。

按照进港航班的进港时间进行编号,再把过站航班n 的计划在港时间,占用几个时间单位、预分配停机位m 填到数据矩阵中。

2 基于遗传算法的模型求解算法设计2.1 编码每一航班都有对应的航班编号,从小到大依次排列,对应数字序号上的数字i 则为该编号的计划进港航班在进港时能选择的满足要求的整个停机位集合中的第i 个停机位,把所有航班进行编码,就组成了初始的个体。

染色体的长度为航班的数量。

2.2 初始化种群首先,按照所有过站航班的计划进港时间进行排序,一天时间内共有N 个过站航班。

基于航班延误的飞机和乘客恢复模型
姜茂;韩晓龙
【期刊名称】《华中师范大学学报（自然科学版）》
【年(卷),期】2015(049)006
【摘要】航班发生延误时,需要采取有效恢复措施降低航空公司的经济和信誉损失.本文利用现有飞机资源,对飞机和乘客进行合理的调度安排问题建立了飞机和乘客
恢复混合整数规划模型.模型考虑了乘客的航班取消成本、航班延误成本、座舱降
级成本、飞机的非正常降落位置的惩罚成本及飞机飞行成本等,以使航班恢复成本
最小化为目标.对航班恢复成本进行细分,更接近航空公司在进行航班恢复时的实际
情况.使用法国某航空公司真实航班数据作为算例,以验证模型的有效性和实用性.算例显示优化模型相对于航班取消方案和航班顺延方案分别使恢复成本降低了21.05％和21.46％.因此,模型能有效地解决航班航空公司飞机和乘客恢复问题,提高航空公司竞争力.
【总页数】7页(P876-882)
【作者】姜茂;韩晓龙
【作者单位】上海海事大学科学研究院,上海201306;上海海事大学科学研究院,上
海201306
【正文语种】中文
【中图分类】F560.1
【相关文献】
1.基于Logit模型的航班延误后乘客行为选择研究 [J], 陈玉宝;郭振昌;曾刚;刘素利
2.基于经济损失的航班延误恢复模型研究 [J], 刘艳红;高林;李耀华
3.基于航班延误概率的鲁棒性飞机排班模型 [J], 牟德一;张宗贤
4.基于免疫机制的航班延误快速恢复模型及实现 [J], 丁建立;计金玲;黄剑雄
5.不正常航班恢复的飞机和乘客优化调配模型 [J], 乐美龙;黄文秀
因版权原因，仅展示原文概要，查看原文内容请购买。

收稿日期：2022-03-07*国家自然科学基金项目（U1833103，62173332）、工信部民用飞机专项（MJ-2020-S-03)资助▲第一作者（通信作者）简介：朱承元（1965—），博士，副教授.研究方向：空域规划与仿真.E-mail ：**************.cn基于改进支持向量机的空域交通态势识别方法*朱承元▲张澈管建华（中国民航大学空中交通管理学院天津300300）摘要：为了准确分析空域交通态势，针对当前空域交通态势感知中管制行为因素难以度量的问题，从多种管制员工作负荷的角度进行量化分析。

借助全空域及机场模型软件（Total Airspace and Airport Modeller ，TA-AM ）建立空域仿真模型，研究了栅格化空域场景下基于改进支持向量机（support vector machine ，SVM ）的空域交通态势识别方法。

通过对比不同的栅格化方案，结合管制员实际运行经验确定栅格形状和尺寸，以边长为25km 的六边形为最小单元，对目标空域进行栅格化处理。

在引入多种管制负荷的基础上同时考虑导航设施的分布情况，建立空域交通态势识别指标体系，运用K-means 聚类算法对降维后的仿真样本数据进行聚类分析，获取先验分类数据。

在支持向量机模型的基础上，引入麻雀搜索算法（sparrow search algorithm ，SSA ），构建基于麻雀搜索算法优化支持向量机（SSA-SVM ）的空域交通态势识别模型。

依据适应度对解集进行划分，对模型关键参数核函数参数σ和惩罚系数C 进行优化，确定了1组泛化能力强同时避免过拟合问题的参数组合，并将栅格化空域交通态势划分为4个等级。

以西安区域管制区为对象开展仿真实验，结果表明：与基于遗传算法优化支持向量机（GA-SVM ）的空域交通态势识别模型相比，SSA-SVM 模型克服了GA-SVM 模型确定的的过拟合问题，平均分类识别准确率提高2.50%，最佳分类识别准确率提高1.73%；在176个栅格中，拥堵态、拥挤态和平稳态栅格个数分别为26、18和51，模型识别结果与基于管制员经验划分的复杂空域相比，覆盖率可达95%，验证了提出方法对空域交通态势识别及降低管制员工工作负荷的有效性。

基于进近管制区流量的组合方法研究
朱承元;王洪芳
【期刊名称】《中国民航飞行学院学报》
【年(卷),期】2015(027)002
【摘要】为了提高西安进近空中交通流量预测的准确性,在综合干预分析模型和计量经济法各自优点的基础上,再以预测误差平方和最小为目标,将预测值的加权问题转化为优化问题,求解得到各种方法预测值的权值,然后,将两种方法所得的预测结果用最优加权法进行组合,得到组合预测值.利用西安进近空域实测流量数据进行的对比实验结果表明:组合预测模型的平均拟合误差为3.61％,组合方法总体上具有较高的预测精度和稳定性,即整体上优于干预分析预测模型,也优于计量经济预测模型.【总页数】4页(P42-45)
【作者】朱承元;王洪芳
【作者单位】中国民航大学天津300300;中国民航大学天津300300
【正文语种】中文
【相关文献】
1.基于电网IMS平台架构的组合流量预测方法研究 [J], 李炜;马乐;孙向聚;程效伟;刘超;包正睿;
2.基于遗传算法的航路点流量组合预测方法研究 [J], 徐肖豪;刘卫香;王兴隆;岳仁田
3.进近管制区飞行流量的组合预测 [J], 王洪芳;赵志刚
4.基于电网IMS平台架构的组合流量预测方法研究 [J], 李炜;马乐;孙向聚;程效伟;
刘超;包正睿
5.基于小波多尺度分析的网络流量组合预测方法研究 [J], 李小航;刘渊;刘元珍因版权原因，仅展示原文概要，查看原文内容请购买。

基于旅客计划延误的航班频率优化研究姜思露;朱金福;孔明星;周秦炎【摘要】针对航空公司航班计划编制中航班频率的优化问题,建立了基于旅客计划延误的航班频率优化模型.从旅客计划延误计算入手,介绍航线上旅客计划延误的计算公式,采用建模优化法,以旅客计划延误成本和航班运营成本之和最小为目标函数,建立多机型多航线竞争环境下的航班频率优化模型.利用优化软件LINGO实现模型的求解,通过分析案例验证模型的可行性和实用性.【期刊名称】《武汉理工大学学报（交通科学与工程版）》【年(卷),期】2019(043)001【总页数】5页(P136-140)【关键词】航空运输;航班计划;航班频率;旅客计划延误;建模优化【作者】姜思露;朱金福;孔明星;周秦炎【作者单位】南京航空航天大学民航学院南京 211106;南京航空航天大学民航学院南京 211106;南京航空航天大学民航学院南京 211106;南京航空航天大学民航学院南京 211106【正文语种】中文【中图分类】U80 引言航班计划是航空公司一切生产运营活动的基础和核心，对航空公司的经营状况与市场竞争力起着决定性作用.航班计划的编制步骤环环相扣，紧密联系，航班频率的确定作为其中的关键环节，对航空公司的生产运营有着深刻影响.而旅客计划延误是旅客选择航空公司和航班的重要依据之一，在考虑旅客计划延误的前提下进行航班频率的优化研究对旅客和航空公司都具有重要意义.国外关于旅客计划延误和航班频率的相关研究始于20世纪70年代，Douglas等[1-2]提出了“计划延误(ScD：ScheduleDelay)”和“随机延误(StD：Stochastic Delay)”的概念.Chang[3]以旅客计划延误成本最小，研究了航班时刻待定情况下1 d的航班频率和航班时刻.Hsu等[4]应用模糊逻辑理论研究了航空公司之间航班频率和平均票价的竞争关系.Bao等[5]提出了一种针对多机场系统的航班时刻和航班频率优化模型.Abdelghany等[6]提出了一种竞争环境下的航空公司航班计划建模框架.国内较为代表性的研究有：朱金福[7]建立了利润最大化的航班频率优化模型；朱星辉[8]基于航空运量预测对航班频率进行了研究.国内其他针对航班频率的研究大多只讨论了单机型情况下的优化，数学模型较为简单，难以在实际运用过程中为航空公司提供决策支持.相对于国外在航班计划、航班频率优化和旅客计划延误方面丰富的研究成果，显然国内在这几个方面的研究还不够全面和系统.本文的研究目标是在综合考量旅客计划延误和航班运营成本的基础之上，根据航空公司实际需要引入约束条件，解决航班频率优化建模问题，提出一种航班计划优化方法，旨在为航空公司航班计划编制提供理论支持和决策参考，最终实现降低航空公司运营成本的目的.1 航班频率优化问题概述航班计划是在市场分析和预测的基础之上，对航空公司有限的资源(飞机、航线时刻、人力、资金等)进行科学分配，从而确定正班飞行的航线、频率、时刻、机型和执飞的飞机、机组[9].航班频率，又称航班班次或航班架次，是指航空公司在一定周期内(可能是1 d、1周、1个月乃至1个季度等等)在各条航线市场上的航班量.航班频率的优化和确定是航空公司制定航班计划的核心环节，涉及航线需求，可用机型，运力供给，竞争对手市场占有率等方面，对航空公司的生产运营有着深刻影响.只有确定了各条航线的航班频率，才能进一步对时刻和机型进行分配，从而完成航班计划的编制.为了将航班频率的确定量化考虑，本文假设航班计划周期为1周，在已知航线需求的基础上介绍旅客计划延误计算公式，进而对航班频率进行优化.最小化旅客计划延误时间，等价于最小化旅客计划延误成本，其本质是最大化需求获取.而对于民航运输企业来说，旅客需求的增长意味着运营收入和市场占有率的上升，进而意味着航空公司市场竞争力的提升.因此，以旅客计划延误成本作为目标函数的主要组成部分进行航班频率优化具有重要的研究价值.2 航班频率优化建模在航班频率方面，国内相关研究大多只讨论了单机型情况下的优化，对拥有多机型的航空公司来说实用性不佳.国内最具参考价值的研究是文献[7]以利润最大化为目标函数建立的多机型多航线航班频率优化模型，该模型考虑了旅客需求、运力供给和航班频率整数约束.与该利润最大化模型不同，本文模型以旅客计划延误和航班运营成本之和最小为目标函数，除了旅客需求约束和运力供给约束外，还考虑了飞机最低利用率约束和航线容量约束，并将市场竞争因素纳入其中.2.1 成本分析所谓的旅客计划延误是指旅客计划的(期望的)出行时间与可供旅客选择的最近一班航班的计划离港时间之间的间隔.例如，某旅客计划出行的时间为10:00，而在该航线市场上与这个时间相隔最近的航班是10:30，那么对于该旅客来说，其计划延误时间为30 min.如果假设该旅客计划延误的单位成本为80元/h，那么该旅客的延误成本为40元.为了降低计算难度，假设一个航班计划周期(1周)内，旅客需求在每天的运营时间段平均分布，例如，航空公司每天的运营时间段从06:30—22:30，则在每天的这16 h内旅客需求平均分布，且在1周运营的112 h内旅客需求平均分布.由于本文的研究对象是从总需求角度计算旅客计划延误和确定航班频率，而没有进一步考虑航班时刻的确定，所以在保证总需求等价的情况下，旅客需求在运营时间段内是否均匀分布不影响旅客计划延误计算和航班频率优化结果.为使旅客计划延误计算公式意义明确，进一步作出以下假设：①旅客的计划出行时间是一个确定的时刻；②旅客乘坐航班时，会选择离计划出行时间最近的航班.文献[4]给出了基于Simpson分担率公式的旅客计划延误时间计算公式.取β=1，针对市场分担率公式考虑多种机型，即以本航空公司的航班座位数为标准，根据座位数对航线上其他航空公司的航班频率进行标准化处理，再乘以平均每旅客计划延误时间，可得本航空公司在所有运营航线上的总旅客计划延误时间.(1)式中:l∈{1,2,…,L}为航线市场；a∈{1,2,…,m,…,A}为运营同一航线市场(参与竞争)的所有航空公司；m为本航空公司；Rlm为本航空公司在航线市场l上的旅客需求，平均每位旅客的计划延误时间Sdlm等于航班时间间隔的1/4；T为一个航班计划周期内的总运营时长；Rl为航线市场l上的总旅客需求；Fla为a公司在航线市场l上的航班频率.由式(1)可知，若直接将最小化旅客计划延误作为目标函数优化航班频率，优化所得的航班频率等于航空公司总运力允许的最大值.但这样的结果显然不符合实际需要，因为航空公司不可能只考虑旅客需求来安排航班，为了达到成本最小化的目的，航空公司还需要考虑运营过程中其他的成本因素.为了使建立的航班频率优化模型更具有实用性，本文考虑两种成本：①从旅客角度出发考虑旅客计划延误成本，用平均单位延误成本与计划延误时间相乘后代入模型进行计算；②从航空公司角度出发考虑航班运营成本，根据航空公司历史数据，计算各航线平均每架次航班运营成本代入模型进行计算.2.2 多机型多航线竞争环境下的航班频率优化建模基于前文讨论的旅客计划延误计算公式，建立多机型多航线竞争环境下的航班频率优化模型.本文模型以最小化总成本为目标函数，总成本等于旅客计划延误成本和航班运营成本之和.国内外已有的航班频率模型多以利润最大为目标函数，或以运营成本最小为目标函数，运用线性整数规划法进行优化.也有以旅客计划延误最小为目标函数的相关研究，模型虽然是非线性的，但能使用拉格朗日松弛等方法转化为线性整数规划模型进行求解.目前，还没有同时考虑航班运营成本和旅客计划延误成本的研究，其原因在于同时考虑这两种成本时，模型是非线性的且难以转化为线性模型，进而导致求解的难度大幅度提高.而本文建立的模型为兼顾旅客和航空公司利益，同时考虑了两种成本，在后续的运算过程中讨论了求解方案，所得结果对航空公司来说更具有参考价值.在研究航班频率优化的约束条件时，本文在总结常用约束的基础之上，进一步根据航空公司的实际需要，引入了新的约束.国内外有代表性的航班频率模型通常考虑如下约束：旅客需求、运力供给、飞机流平衡、机场最大出发航班数等.本文在此基础之上，一方面考虑满足所有航线上的旅客需求，即不允许旅客溢出，另一方面考虑优化得到的结果需要迎合航空公司的运力供给能力和对飞机使用经济性的要求，还需针对航线考虑最大容量约束[10].为此，模型考虑如下约束条件：旅客需求约束、运力供给约束、飞机最低日利用率约束、航线最大航班频率约束.由于研究对象是航空公司执飞的各条航线，所以不考虑飞机流平衡约束和机场最大出发航班数约束.新增的飞机最低日利用率和航线最大航班频率约束虽然进一步增加了模型求解的复杂度，但更符合航空公司运营实际情况，使模型更具有实用性.为了将目标函数和约束条件表达为数学公式，首先定义模型的集合、参数和变量为：①集合，L为航线集合，有l∈L；K为机型集合，有k∈K.②参数，cSD为旅客计划延误单位成本；cl为航班运营成本，即在航线l上每增开一个架次的航班所增加的成本；T为航班计划周期，h；Td为航班计划周期，d；Rl为一个航班计划周期内，航线l上的旅客需求；MSl为本公司在航线l上的市场分担率；ul为航线l上的平均客座率；sk为机型k的可供座位数；tlk为机型k执飞航线l的轮挡时间，用航线的轮挡距离除以机型的巡航速度求得；μk为机型k的最大日利用率；ηk为机型k的最小日利用率，若机型的日利用率低于该数值则认为优化所得到的结果是不经济的；nk为一个航班计划周期内，机型k的可用飞机架数；fl为一个航班计划周期内，航线l上允许的最大航班频率.③变量：Flk为航线l上机型k的航班频率；C为总成本，包括旅客计划延误成本和航班运营成本两部分.综上所述，使用式(1)计算总旅客计划延误，则可建立如下数学模型(2)∀l∈L(3)∀k∈K(4)∀k∈K(5)∀l∈L(6)Flk≥0,∀l∈L,∀k∈K(7)式(2)为最小化总成本的目标函数；式(3)为旅客需求约束，保证航空公司提供的运力大于等于航线上的旅客需求；式(4)为运力供给约束，限制航班频率与轮挡时间的乘积不得大于航空公司所能提供的最大运力；式(5)为飞机日利用率约束，保证了各机型飞机的日利用率不小于最低水平，确保飞机使用的经济性；式(6)为航线容量约束，由于每条航线容量有限，不可能在航线上无限增开航班，因此，给出航班计划周期内航线上允许的最大航班频率来加以限制，以保证优化得到的航班频率不超过航线的容量；式(7)为航班频率取值约束，保证优化得到的航班频率不小于零.2.3 模型求解分析由于所建立的航班频率优化模型是非线性的规划模型，需要使用分支定界法求整数解，选用优化软件LINGO进行案例的计算求解.在进行小规模试运算时，发现全局最优求解程序花费的时间过长，程序运行4 h以上仍未得到最优整数解，因此考虑采用启发式算法求解.启发式算法是相对于最优化算法提出的，一个问题的最优算法求得该问题每个实例的最优解，启发式算法则定义为一个基于直观或经验构造的算法，在可接受的花费(指计算时间和空间)下给出待解决组合优化问题每个实例的一个可行解.对于航空公司来说，只有首先确定了各条航线的航班频率，才能进一步对时刻和机型进行分配，从而完成航班计划的编制.因此严格控制运算时间，在较短时间内得到具有参考价值的航班频率优化结果，才能迎合航空公司的实际应用需要.本文在LINGO软件全局最优求解程序运行30 min时人为终止求解，得到实例的可行解.在航空公司利用优化模型制定航班计划的过程中，可能会根据实际运营情况事先确定某条甚至多条航线的航班频率，即模型的部分变量等于固定值；也可能进一步考虑旅客溢出等情况，增加对变量的约束.在这种情况下，由于可行域范围缩小，运行求解花费的时间将会相应缩短，可以考虑选用最优化算法求得模型的最优解.3 案例计算某航空公司经营10条航线，各航线市场的航线长度、旅客需求、航线容量、客座率、市场分担率和平均每架次航班运营成本见表1.表1中，航线长度指航线的轮挡距离，航线容量指航线一周内允许的最大航班频率，航线需求、客座率和市场分担率是根据历史数据预测得出的该航空公司2017年某1周的航线需求、客座率和市场分担率，各航线平均每架次航班运营成本根据航空公司运营历史数据计算得到.该公司使用B737-300、B737-800和B767-300三种机型，分别标号为1，2和3并给出相关参数见表2.用航线的轮挡距离除以机型的最经济巡航速度，保留两位小数，只入不舍，可得各机型执飞各航线的轮挡时间见表3.该航空公司航班计划周期为1周，每天的运营时间段从06:30—22:30共计16 h，则T为112 h，Td 为7 d.根据经验估算，平均每位旅客计划延误时间的单位成本cSD为60元/h.表1 航线参数航线航线长度/km旅客需求/(人次)航线容量/(架次)客座率/%市场分担率/%每架次成本/元A9822 40063504011 940B1 3901 608217210016900C1 6455 35063725020 000D1 1001 68842685313 000E1 2022 87349654914 600F2 0323 73238626024 700G2 54816 380133633331000H2 1816 58491624226 500I1 9356 14091704523 500J1 1604 384140653014 100表2 机型参数机型最经济巡航速度/(km·h-1)座位数/个飞机架数/架最大日利用率/h最小日利用率/h1831144411.582900168212938502641129使用案例中的参数和数据，利用LINGO软件对航班频率优化模型求解，在运行30 min时人为终止求解，得到的结果见表4，总成本C为6 142 621元.此时目标函数的下界值(Objective Bound=6 122 705)与目前得到的最好的可行解的目标函数值(Objective Value=6 142 621)相差的值已经在可接受的范围内，可以认为已经得到了全局较优解.表3 各机型执飞航线的轮挡时间航线以下机型的轮挡时间/h123A1.19 1.10 1.16 B1.68 1.55 1.64 C1.98 1.83 1.94 D1.33 1.23 1.30 E1.45 1.34 1.42 F2.45 2.26 2.40 G3.07 2.84 3.00 H2.63 2.43 2.57 I2.33 2.15 2.28 J1.40 1.29 1.37表4 软件优化结果航线以下机型的航班数/(架次)123A1120B1600C2600D1100E1510F3190G12026H4202I10150J1310总花费/元6 142 621上述案例计算证明，本文建立的航班频率优化模型不仅同时考虑了旅客计划延误和航班运营成本，而且具有较好的可行性和实用性，能在航班频率优化方面为航空公司提供参考.4 结束语合理地编制航班计划能为航空公司节约运营成本，并且在很大程度上提高航空公司的运营管理效率，从而提高收益.本文针对航空公司航班计划的编制与优化，研究了旅客计划延误计算和航班频率优化，建立了多机型多航线竞争环境下的航班频优化模型，提出了一种航班计划优化方法.通过案例计算，运用优化软件LINGO对模型进行了求解，验证了模型的效用.优化结果表明，本文所建立的模型能为航空公司航班计划编制提供理论支持和决策参考，在一定程度上降低航空公司的运营成本. 参考文献【相关文献】[1] DOUGLAS G W, MILLER J C. Economic regulation of domestic air transport: theory and policy[J]. European Conference of ministers of Transport,1974(2):189-194.[2] VITON P A. Air deregulation revisited: choice of aircraft, load factors, and marginal-cost fares for domestic air travel[J]. Transportation Research Part A General,1986,20(5):361-371.[3] CHANG S W. An integrated approach to flight scheduling and fleet assignment[D]. Maryland: The Graduate School of the University of Maryland, 2001.[4] HSU C I, WEN Y H. Airline flight frequency deter mination in response to competitive interactions using fuzzy logic[J]. Mathematical and Computer Modelling, 2005,42(3):1207-1244.[5] BAO D, HUA S. Flight time and frequency-optimization model for multiairport system operation[J]. Mathematical Problems in Engineering, 2017(2):167-172.[6] ABDELGHANY A, ABDELGHANY K, AZADIAN F. Airline flight schedule planning under competition[J]. Computers & Operations Research, 2017(1):55-58.[7] 朱金福.航空运输规划[M].西安：西北工业大学社出版社,2010.[8] 朱星辉.航空公司航班计划优化设计研究[D].南京:南京航空航天大学,2007.[9] 都业富.实用航班计划优化方法[J].系统工程理论与实践,1995,15(2):23-27.[10] TEODOROVIC D. Transportation studies volume 10: airline operations research[J]. Transportation Studies, 1988(4):789-794.。

珠三角地区多机场系统航班时刻的仿真优化朱承元;卫宏;刁琳【期刊名称】《计算机工程与应用》【年(卷),期】2013(049)004【摘要】珠三角地区机场分布稠密、空域紧张、航班延误率高.为降低该地区的航班延误,提出以延误分层模型为优化目标,采用空域机场仿真模型SIMMOD对珠三角地区多机场系统仿真建模和有约束限制的并行扰动随机近似(Simultaneous Perturbation Stochastic Approximation,SPSA)优化算法相结合的方法,对珠三角地区多机场系统的航班时刻进行仿真优化研究.采用非光滑反馈对SPSA算法进行了改进.仿真结果表明采用这种仿真优化方法生成的新航班时刻,可有效降低总延误时间.研究对从整体上减少珠三角地区多机场系统的延误成本具有重要价值.%Pearl River Delta region (PRD) suffers the problem of high-density airports, airspace congestion and a high delay-rate of flights. Based on a delay hierarchical model as the optimized target, combined the SIMMOD simulation model of the PRD region's multi-airport system and restricted SPSA(Simultaneous Perturbation Stochastic Approximation) optimization algorithm, the simulation optimization of flight schedule in the PRD region is discussed to reduce the flight delay of this region. SPSA optimization algorithm is improved using nonsmooth feedback. The simulation indicates that the optimum flight schedule can decrease the total delay effectively. The method proposed has significant importance on reducing the overall delay cost of PRD region's multi-airport system.【总页数】4页(P236-239)【作者】朱承元;卫宏;刁琳【作者单位】中国民航大学空中交通管理学院,天津300300;中国民航大学空中交通管理学院,天津300300;中国民航大学空中交通管理学院,天津300300【正文语种】中文【中图分类】TP391.9【相关文献】1.珠三角机场群航班时刻优化研究 [J], 王倩;翟文鹏2.浅析我国行政发展中存在的问题及解决策略r——以华东地区机场航班时刻审批现状为例 [J], 邹腾飞3.基于飞行程序交叉点的机场群航班时刻优化 [J], 翟文鹏;王玮卿;杨群亭4.基于管制移交的多机场终端区离港航班时刻优化 [J], 向征;张义朋;张文军;李呈祥5.基于容流匹配的机场离场航班时刻优化——以上海浦东国际机场为例 [J], 杨琳;李纯柱;张楠;卢婷婷因版权原因，仅展示原文概要，查看原文内容请购买。