基于蒙特卡洛仿真的多跑道机场热点识别方法

taptap下载安装安卓学报 ›› 2020, Vol. 38 ›› Issue (3): 8-11.

基于蒙特卡洛仿真的多跑道机场热点识别方法

孟令航，田川

（taptap下载安装安卓空中交通管理学院，天津300300）

出版日期:2020-06-26 发布日期:2020-06-22
作者简介:孟令航（1977—），男，河南南阳人，副教授，博士，研究方向为空中交通管理运行决策与支持系统研究.
基金资助:
国家重点基础研究发展计划项目（2016YFB0502401）；中央高校基本科研业务费专项（3122014D038）

Multi-runway airport hot spot recognition method based on Monte Carlo simulation

MENG Linghang, TIAN Chuan

（College of Air Traffic Management, CAUC, Tianjin 300300, China）

Online:2020-06-26 Published:2020-06-22

摘要/Abstract

摘要： 针对多跑道机场滑行热点区域识别问题，提出基于蒙特卡洛仿真的机场冲突热点区域快速识别方法。首先，对机场飞行区地面网络建模，利用Dijskra 算法确定机场地面网络中任意节点到达跑道入口和停机位之间的前Q 条最短路径集；然后，对交通流和基于“先到先服务”的机场管制规则进行建模，利用蒙特卡洛仿真识别多跑道机场的热点区域。以长沙黄花国际机场“西起东降”双跑道运行为例进行实例计算，对比中国民航国内航空资料汇编中公布的滑行热点，验证了该方法的有效性。

关键词: 多跑道机场, 热点识别, 蒙特卡洛仿真, 最短路径, Dijskra 算法

Abstract: The runway and taxiway systems of large airports are becoming more and more complex. For the newly built airport, it is difficult to find the hot spots due to the lack of historical operational data. Aiming at the identification of taxiing hot spots in multi-runway airports, a fast identification method based on Monte Carlo simulation is proposed. Firstly, the ground network model of airport flight area is modeled using Dijskra algorithm to determine the set of Q shortest paths between any current node in the airport ground network and the runway entrance or parking area. Then, the traffic flow and aerodrome control rules are modeled, identifying the hot spots of multirunway airport via Monte Carlo simulation. Taking the double runway “West Takeoff and East Landing”,operation of Changsha Huanghua Airport as an example, the simulation result and published taxiing hotspots in AIP CAAC are compared, verifying the validity of the proposed approach.

Key words: multi-runway airport, hot-spot identification, Monte Carlo simulation, shortest path, Dijskra algorithm

中图分类号:

V352

孟令航, 田川. 基于蒙特卡洛仿真的多跑道机场热点识别方法[J]. taptap下载安装安卓学报, 2020, 38(3): 8-11.

MENG Linghang, TIAN Chuan. Multi-runway airport hot spot recognition method based on Monte Carlo simulation[J]. Journal of Civil Aviation University of China, 2020, 38(3): 8-11.

参考文献 14

[1]	ICAO. Manual on the prevention of runway incursions: Doc9870 AN/463[S]. Montreal: ICAO, 2006: 3-20.
[2]	CHENG W, WASHINGTON S P. Experimental evaluation of hotspot identification methods[J]. Accid Anal Prev, 2005, 37(5): 870-881.
[3]	MIRANDA-MORENO L F, AUR魪LIE LABBE, FU L. Bayesian multiple testing procedures for hotspot identification[J]. Accident Analysis& Prevention, 2007, 39(6): 1192-1201.
[4]	HUANG H L, CHIN H C, HAQUE M M. Hotspot identification: a full bayesian hierarchical modeling approach[J]. Transportation and Traffic Theory, 2009, 18(2): 441-462.
[5]	VENTRESCA M, ALEMAN D. Efficiently identifying critical nodes in large complex networks[J]. Computational Social Networks, 2015, 2(1):6-21.
[6]	霍志勤. 机场热点区域三选法研究[J]. 中国安全科学学报, 2012, 22(3): 92-96.
[7]	王洁宁, 赵晓鹏.机场安全热点本体建模及智能划分研究[J]. 中国安全科学学报, 2016, 26(5): 47-52.
[8]	夏正洪, 潘卫军, 康瑞, 等. 机场冲突热点识别与等级划分方法研究[J]. 科学技术与工程, 2014, 14(21): 297-301.
[9]	夏正洪, 万健, 朱新平.考虑滑行轨迹时空交叠的机场热点识别方法[J]. 中国安全科学学报, 2017, 27(5): 76-80.
[10]	夏正洪, 万健, 朱新平. 机场热点时空分布特征及运行风险评价[J]. 中国安全科学学报, 2018, 28(1): 93-98.
[11]	潘卫军, 熊锋, 邱文彬, 等. 基于航空器滑行特征的机场热点识别算法研究[J]. 自动化技术与应用, 2016, 35(3): 105-109.
[12]	王树西, 李安渝. Dijkstra 算法中的多邻接点与多条最短路径问题[J]. 计算机科学, 2014, 41(6): 217-224.
[13]	童继平, 韩正姝. 蒙特卡罗方法与计算机模拟研究[J]. 农业网络信息, 2000(7): 17-21.
[14]	钟育鸣, 韩松臣, 张旭婧. 机场容量评估中仿真飞机流的设计与实现[J]. 交通信息与安全, 2008, 26(6): 120-123.