.png){kind=icon}
返回
Data-Driven Arrival Trajectory Optimization Model Based on Improved Genetic Algorithm
.png){kind=icon}
PRE
AI
DOI：10.2514/1.I011689.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
轨迹优化对于实现基于轨迹的运行至关重要，并且已成为近年来空中交通管理研究的热点。尽管现有优化模型在应用中取得了显著成功，但大多数模型仍需在高峰时段由控制器进行干预。为进一步提升轨迹优化性能，本文提出了一种基于数据驱动的轨迹优化模型，该模型通过学习历史数据中人类控制器的经验，并将这些知识嵌入轨迹优化模型以增强其性能。在广州白云国际机场进行了案例研究以验证所提出的模型。与传统的基于遗传算法的轨迹优化模型相比，所提出的方法通过整合真实历史轨迹数据，在高峰时段管理到达流方面展现出显著提升的性能，在基于轨迹的运行条件下，使空域容量增加了约30%。此外，嵌入更多实际运行经验的优化轨迹更易于被控制器和飞行员熟悉，因此空域用户的培训成本相对较低。
Keyword:
Genetic Algorithm
Air Traffic Management System
Optimization Algorithm
Standard Terminal Arrival Route
Trajectory Optimization
期刊
IF:
1.5
论文数:
71
被引数:
987
机构
引用论文
.png){kind=icon}
Deep reinforcement learning in service of air traffic controllers to resolve tactical conflicts
PREAI
分享收藏
查看更多内容