不确定性下机器学习增强的飞机着陆调度
人工智能
2023-11-28 v1 机器学习
最优化与控制
摘要
本文探讨飞机延误问题，强调其对安全和经济损失的影响。为缓解这些问题，提出了一种创新的机器学习(ML)增强着陆调度方法，旨在提升自动化与安全性。对航班到达延误场景的分析揭示了到达飞行时长具有强多模态分布和聚类特征。多阶段条件ML预测器基于飞行事件改进间隔时间的预测。随后将ML预测作为安全约束集成到时间约束旅行商问题公式中，并使用混合整数线性规划(MILP)求解。历史飞行记录和模型预测处理了连续航班间的不确定性，确保可靠性。所提方法使用来自亚特兰大航路交通管制中心(ARTCC ZTL)的真实数据进行验证。案例研究表明，与先到先服务(FCFS)规则相比，总着陆时间平均减少17.2%。与FCFS不同，所提方法考虑了不确定性，为调度带来信心。研究以评述作结并概述未来研究方向。
引用
@article{arxiv.2311.16030,
title = {Machine Learning-Enhanced Aircraft Landing Scheduling under Uncertainties},
author = {Yutian Pang and Peng Zhao and Jueming Hu and Yongming Liu},
journal= {arXiv preprint arXiv:2311.16030},
year = {2023}
}