航空文献资源库

按文献类别分组

按栏目分组

按年份分组

按来源分组

关键词

航空器着陆调度问题的一种新型元启发式方法（英文）: 作者： 张军峰赵鹏力杨春苇胡荣 来源： Transactions of Nanjing University of Aeronautics and Astronautics 年份： 2021 文献类型： 期刊 关键词： 空中交通管制局部搜索决策支持元启发 进场调度; 描述： ,MPDS),以此确定航班的着陆次序。然后,提出一种结合MPDS复合分派规则和CPLEX求解器的高效启发式算法:在第一阶段,由复合分派规则确定航班的次序;在第二阶段,使用CPLEX求解器优化着陆时间。接着

航空器着陆调度问题的一种新型元启发式方法（英文）: 作者： 张军峰赵鹏力杨春苇胡荣 来源： Transactions of Nanjing University of Aeronautics and Astronautics 年份： 2021 文献类型： 期刊 关键词： 空中交通管制局部搜索决策支持元启发 进场调度; 描述： ,MPDS),以此确定航班的着陆次序。然后,提出一种结合MPDS复合分派规则和CPLEX求解器的高效启发式算法:在第一阶段,由复合分派规则确定航班的次序;在第二阶段,使用CPLEX求解器优化着陆时间。接着

基于深度学习的离场航空器滑行时间预测（英文）: 作者： 李楠焦庆宇朱新华王少聪 来源： Transactions of Nanjing University of Aeronautics and Astronautics 年份： 2021 文献类型： 期刊 关键词： 卷积神经网络场面运行滑行时间深度学习 航空运输; 描述： 随着航班数量的不断增加,机场协同决策系统(Airport collaborative decision-making,A-CDM)的使用也越来越广泛。滑行时间预测的准确性对A-CDM计算离场航空器起飞排序队列和给出准确的撤轮挡时间具有重要的作用。本文提出一种基于时间-空间-环境数据的深度学习模型(Spatio-temporal-environment deep learning model,STEDL)来提高滑行时间预测的准确性。该模型由时间-流量变量(机场实际容量,场面航空器数量,时间段)、空间变量(滑行距离)、外部环境变量(天气,流控信息,跑道运行模式,机型)3部分组成。使用STEDL模型对香港机场离场航空器滑行时间进行预测验证。实验结果显示,STEDL模型预测准确率为95.4%,预测精度明显优于其他机器学习算法。

基于深度学习的离场航空器滑行时间预测（英文）: 作者： 李楠焦庆宇朱新华王少聪 来源： Transactions of Nanjing University of Aeronautics and Astronautics 年份： 2021 文献类型： 期刊 关键词： 卷积神经网络场面运行滑行时间深度学习 航空运输; 描述： 随着航班数量的不断增加,机场协同决策系统(Airport collaborative decision-making,A-CDM)的使用也越来越广泛。滑行时间预测的准确性对A-CDM计算离场航空器起飞排序队列和给出准确的撤轮挡时间具有重要的作用。本文提出一种基于时间-空间-环境数据的深度学习模型(Spatio-temporal-environment deep learning model,STEDL)来提高滑行时间预测的准确性。该模型由时间-流量变量(机场实际容量,场面航空器数量,时间段)、空间变量(滑行距离)、外部环境变量(天气,流控信息,跑道运行模式,机型)3部分组成。使用STEDL模型对香港机场离场航空器滑行时间进行预测验证。实验结果显示,STEDL模型预测准确率为95.4%,预测精度明显优于其他机器学习算法。

< 1 >