Abstract
Airspace complexity is a paramount safety metric to measure the difficulty and effort required to safely manage air traffic. The continuing growth in air traffic demand results in increasing airspace complexity and unprecedented safety concerns. Most existing methods treat the minimization of airspace complexity as the sole objective, ignoring the path deviation cost induced by the re-scheduled aircraft. In this paper, regarding reduction of airspace complexity and path deviation cost as two conflicting objectives, a multi-objective airspace complexity mitigation model is proposed to simultaneously ensure the safety and efficiency of air transport by optimizing flight trajectories. To effectively solve this multi-objective and non-linear optimization problem, a novel Memetic Algorithm with Adaptive Local Search (called MA-ALS) is developed. Specifically, we design a new crossover and three new local search operators under the flight trajectory representation. MA-ALS conducts exploration by crossover, and exploitation by a hill-climbing local search process. Moreover, we proposed an adaptive local search selection mechanism which facilitates the dynamic collaboration of different local search operators during evolution. A comprehensive comparison with the most recently developed algorithms on Chinese air traffic dataset is conducted. The Pareto front generated by the proposed algorithm dominates that of the compared baselines. Moreover, compared with a real flight schedule, the flight plan obtained by the proposed algorithm can significantly reduce the airspace complexity.
Authors

Li, B; Guo, T; Mei, Y; Li, Y; Chen, J; Zhang, Y; Tang, K; Du, W

摘要
airspace复杂性是衡量安全管理和空中交通管理难度和努力程度的重要安全指标。随着空中交通需求的持续增长， airspace复杂性不断增加，带来了前所未有的安全问题。大多数现有方法将最小化 airspace复杂性作为唯一目标，忽略了重新安排飞机所引起的路径偏差成本。在本文中，将减少 airspace复杂性和路径偏差成本视为两个相互冲突的目标，提出了一种多目标 airspace复杂性缓解模型，通过优化飞行轨迹同时确保航空运输的安全性和效率。为了有效解决这个多目标和非线性优化问题，开发了一种新的自适应局部搜索的 Memetic 算法（称为 MA-ALS）。具体来说，我们设计了一种新的交叉方法和三种新的局部搜索算子，基于飞行轨迹表示。MA-ALS通过交叉进行探索，通过爬山局部搜索过程进行利用。此外，我们提出了一种自适应的局部搜索选择机制，使不同的局部搜索算子在进化过程中能够动态协作。我们在最新的中国空中交通数据集上与最近开发的算法进行了全面比较。所提出的算法生成的帕累托前沿优于比较基准。此外，与实际飞行计划相比，所提出的算法获得的飞行计划可以显著降低空域复杂度。MA-ALS通过交叉进行探索，并通过一种爬山局部搜索过程进行利用。此外，我们提出了一种自适应局部搜索选择机制，该机制在进化过程中促进了不同局部搜索操作的动态协作。在最新的中国空中交通数据集上进行了与最近开发的算法的全面比较。所提出的算法生成的帕累托前沿优于所比较的 baselines。此外，与实际飞行计划相比，所提出的算法获得的飞行计划可以显著降低空域复杂度。MA-ALS通过交叉进行探索，并通过一种爬山局部搜索过程进行利用。此外，我们提出了一种自适应局部搜索选择机制，该机制在进化过程中促进了不同局部搜索操作的动态协作。在最新的中国空中交通数据集上进行了与最近开发的算法的全面比较。所提出的算法生成的帕累托前沿优于所比较的 baselines。此外，与实际飞行计划相比，所提出的算法获得的飞行计划可以显著降低空域复杂度。我们提出了一种自适应局部搜索选择机制，该机制在进化过程中促进了不同局部搜索操作符的动态协作。我们在中文空中交通数据集上与最近开发的算法进行了全面比较。所提出算法生成的帕累托前沿优于所比较的基准算法。此外，与实际航班计划相比，所提出算法获得的航班计划可以显著降低空域复杂度。我们提出了一种自适应局部搜索选择机制，该机制在进化过程中促进了不同局部搜索操作符的动态协作。我们在中文空中交通数据集上与最近开发的算法进行了全面比较。所提出算法生成的帕累托前沿优于所比较的基准算法。此外，与实际航班计划相比，所提出算法获得的航班计划可以显著降低空域复杂度。所提出的算法获得的飞行计划可以显著降低空域复杂度。所提出的算法获得的飞行计划可以显著降低空域复杂度。
作者们
李, B; 郭, T; 梅, Y; 李, Y; 陈, J; 张, Y; 唐, K; 杜, W
统一资源标识符
https://qmro.qmul.ac.uk/xmlui/handle/123456789/92306
收藏
工程与材料科学学院 [3695]