数学建模—航班延误问题

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

航班延误问题

摘要:随着经济的快速发展和人们生活水平的提高,航班出行已成为人们出行的重要交通手段之一,但伴随的就是航班经常延误问题。本文针对航班延误问题,查阅国内外各大航空公司的网页及其相关的统计数据,利用线性回归模型,从航班运行、航班延误因素和延误原因等方面对航班延误问题作了系统的分析。并利用MATLAB编程软件、OriginPro作图软件做出了各种统计指标的散点图,对航班延误的原因进行初步的分析。最后,给出了优化的航班流量分配方案。

问题一分析:通过查阅国内外各大航空公司的网页结合航班航行的详细信息,得到上海浦东、上海虹桥、杭州萧山3个机场是国际上航班延误最严重的10个机场当中的3个,而北京国际、广州白云、深圳宝安、成都双流4个机场则不在其中。但由于以上七个机场在国际上航班排名中延误都很严重,所以问题中结论基本正确。

问题二分析:基于线性回归模型,从航班运行的10个阶段出发,通过分析得到了航班延误的原因:天气原因、航空管制原因、机场管理原因、航空公司原因、旅客原因、其它原因,并运用OriginPro软件做出延误因素饼状分布图。最后,通过介绍航班延误与航班着陆率的关系,分别从线性支持向量机、非线性支持向量机和生成支持向量机三方面分析了支持向量机的航班延误,利用MATLAB软件做出各种统计指标的散点图,对航班延误的原因进行初步的分析,得到了基于SVM的航班运行结果,从而可以根据此结果提前预知航班的延误情况。

问题三分析:利用问题一和二的结果,充分考虑机场容量、需求以及天气等因素的动态特性,制定出优化的流量分配方案,从而提供未来一段时间内的流量分配优化方案。根据方案,对于到达航班,机场可以要求其起飞机场改变计划或者在空域中实施控制。对于出发航班可以实施必要的地面等待,并让旅客和各相关部门做到心中有数。方案还可以为民航部门提供24 h内的航班分配计划。

关键词:航班延误线性回归模型延误因素MATLAB软件OriginPro软件

一、问题重述

香港南华早报网根据 的统计称:中国的航班延误最严重,国际上航班延误最严重的10个机场中,中国占了7个。其中包括上海浦东、上海虹桥、北京国际、杭州萧山、广州白云、深圳宝安、成都双流等机场。

请自行收集数据并研究以下问题:

(1)上述结论是否正确?

(2)我国航班延误的主要原因是什么?

(3)有什么改进措施?

二、符号说明

三、模型假设

1、假设收集到的数据真实可靠;

2、假设各国各国航空公司飞机的航班都是互不影响,相互独立的;

3、假设航班延误不是由机乘人员引起的;

4、假设目前机场(以首都机场为例)有两条跑道,一般情况下一条跑道主要用于起

飞,另外一条跑道主要用于着陆;

5、当出发队列中等待的航班超过一定数目(目前该数目为8架),则两条跑道都用于

起飞;

6、在一般情况下要遵循“到达优先”的调度规则。因为航班在空中等待的损失要比

地面等待的损失大得多。

四、问题分析

随着空中交通流量的增加,机场成了空中交通管制运行的主要瓶颈。机场容量的限制带来的交通阻塞、航班延误等问题已经变得越来越突出。减少航班延误以及在延误出现后将延误的影响降到最低是空中交通流量管理的一项重要目标,也是本文模型的设计思想。本文针对单机场的运行特点,综合考虑了机场的到达和出发过程,并对具有连续航程的航班进行了建模。模型可以提供机场到达和出发航班的最优分配,从而为管制员提供决策支持,减轻管制员的工作负荷。

4.1 问题一:问题中所述结论是否正确?

问题一要求统计国内国际航班延误数据,进行合理处理。首先,我们查阅国内外各大航空公司的网页和一些主要统计部门的相关信息,得到关于年度航班延误的一些统计指标,并在此基础之上,考虑利用MATLAB软件做出各种统计指标的散点图,对航班延误的原因进行初步的分析。

1、查阅国内外各大航空公司的网页和一些主要统计部门的相关信息,得到关于年

度航班延误的一些统计指标(见附件1);

2、从最严重的10个机场中找出中国的机场,并找出问题中其余机场排名;

3、分析数据,并将结果与问题进行对比;

4、利用MATLAB软件做出各种统计指标的散点图,对航班延误的原因进行初步的分

析。

4.2 问题二:我国航班延误的主要原因是什么?

1、航班运行分析

2、确定影响航班延误的因素:天气原因、航空管制、机场管理原因、航空公司原

因、旅客原因、其它原因;

3、为了问题分析的方便,考虑对数据进行更深层次的挖掘和处理,并且,有效结

合实际情况,分析得出航班延误的主要原因。

4.3 问题三:有什么改进措施?

航班的到达和出发为两个密切相关的过程,模型通过考虑到达和出发之间的互相影响并且充分考虑机场容量、需求以及天气等因素的动态特性,提供未来一段时间内的流量分配优化方案,并利用遗传算法对模型进行验证。

五、模型建立与求解

5.1 问题一的回答:

5.1.1 国际上航班延误最严重的10个机场的数据统计

根据附件1(14年6月航班延误数据)资料,列出国际上航班延误最严重的10个机场,如表5.1.1所示:

5.1.2 国内航班延误排名的数据统计

结合表5.1.1,对照国内航班相关数据,我们得到了国内航班延误最严重的10个机场的数据,并对其进行了排名。

On-time

Rank Airport Name City Country On-time 354 Changzhou Airport

Changzhou

China 39.29% 353 Shanghai Hongqiao International Airport Shanghai China 39.79% 352 Hangzhou Xiaoshan International

Airport Hangzhou China 41.11% 351 Nanjing Lukou International Airport

Nanking China 41.64% 350 Wuxi Airport Wuxi China 42.44% 349 Gonggar Airport

Lhasa China 43.26% 348

Shanghai Pudong International Airport

Shanghai

China

43.28%

On-time Rank Airport Name City Country On-time 355 Krasnodar Airport Krasnodar Russian Federation

36.72% 354 Changzhou Airport Changzhou

C hina 39.29% 353 Shanghai Hongqiao International Airport Shanghai

C hina 39.79% 352 Hangzhou Xiaoshan International

Airport Hangzhou C hina 41.11% 351 Nanjing Lukou International Airport

Nanking C hina 41.64% 350 Wuxi Airport Wuxi C hina 42.44% 349 Gonggar Airport

Lhasa C hina 43.26% 348 Shanghai Pudong International Airport

Shanghai C hina 43.28% 347 Lisbon Portela Airport L isbon P ortugal 47.17% 346

Abu Dhabi International Airport

Abu Dhabi

U nited Arab Emirates

47.22%

表5.1.1 全球航班延误相对严重的前10个机场

表5.1.2 中国航班延误相对严重的主要机场统计

相关文档
最新文档