基于智能化技术的机场场面运行效率优化系统及方法

1.基于智能化技术的机场场面运行效率优化系统，其特征在于：所述系统包括以下模块：滑行道数据采集与预测模块：用于采集滑行道的实时使用情况和历史数据，并根据航空器的滑行速度和占用情况，利用机场滑行道动态拥堵预测算法预测未来的滑行道拥堵状态，输出滑行道拥堵预测结果Y t ；航空器状态与调度数据采集模块：用于获取航空器的物理状态、排队状态、起飞和降落的计划信息，提供航空器当前的位置、滑行状态及调度优先级的数据，作为航空器路径规划与调度优化算法的输入；滑行道资源实时监测模块：用于实时监测滑行道的占用情况和资源分配状态，将当前的滑行道使用情况与滑行道拥堵预测结果Y t 相匹配，为路径规划算法提供实时数据支持；路径规划与优化结果生成模块：通过航空器路径规划与调度优化算法，结合滑行道拥堵预测结果Y t 和航空器调度数据，生成航空器的最优滑行路径与调度计划Z t ，确保航空器高效滑行并避免拥堵；全局证据数据采集与处理模块：用于采集全局运行中的其他证据数据，包括天气状况、燃料状态、滑行道资源状况，为机场全局智能决策与优化算法提供支持数据；全局决策与反馈模块：基于机场全局智能决策与优化算法，使用滑行道拥堵预测结果Y t 、最优滑行路径与调度计划Z t 及其他全局证据E，制定机场场面运行的全局优化决策方案，包括滑行道资源的重新分配、航空器调度优先级调整。 2.基于智能化技术的机场场面运行效率优化方法，其特征在于：包括以下步骤：S1、滑行道数据采集与拥堵预测：S11：通过滑行道数据采集与预测模块，获取滑行道的实时使用情况、历史数据和航空器的滑行速度信息；S12：对收集的数据进行预处理，包括数据清洗、去噪和格式化；S13：使用机场滑行道动态拥堵预测算法，基于实时和历史数据预测未来滑行道的拥堵情况，生成滑行道拥堵预测结果Y t ；S2、航空器状态与调度数据采集：S21：从航空器状态与调度数据采集模块中获取航空器的物理状态数据；S22：获取航空器的起飞与降落计划信息，包括预计起飞时间、降落时间和航空器优先级；S23：整合航空器状态和调度数据，生成用于路径规划和调度优化的输入数据；S3：滑行道资源监测与数据处理S31：通过滑行道资源实时监测模块，实时监控滑行道的当前占用情况，获取滑行道的资源使用状态；S32：将滑行道拥堵预测结果Y t 与实时监控数据进行比对和分析，确保预测结果与实际情况一致或及时修正；S33：处理监测数据，生成用于路径规划的实时滑行道资源数据，确保调度算法得到最新的滑行道使用情况；S4：航空器路径规划与调度优化S41：基于滑行道拥堵预测结果Y t 和航空器调度数据，使用航空器路径规划与调度优化算法，计算最优的航空器滑行路径；S42：通过强化学习算法，生成最优滑行路径与调度计划Z t ，确保航空器能够按时起飞或降落，并避免滑行道上的拥堵；S43：根据计算结果生成最优滑行路径与调度计划Z t ，并输出最优路径和调度方案；S5：全局证据采集与分析S51：通过全局证据数据采集与处理模块，获取当前机场场面运行的全局证据数据；S52：对全局证据数据进行分析，评估外部因素对场面运行的潜在影响；S53：生成用于全局决策支持的辅助数据，确保全局决策过程中考虑到所有影响因素；S6：全局运行优化决策生成S61：基于机场全局智能决策与优化算法，结合滑行道拥堵预测结果Y t 、最优滑行路径与调度计划Z t 和全局证据E，计算机场场面运行的全局优化决策；S62：根据全局运行优化决策，重新分配滑行道资源、调整航空器的调度优先级；S63：生成最终的优化运行方案，输出全局调整建议并反馈至机场运行控制系统进行执行。 3.根据权利要求2所述的基于智能化技术的机场场面运行效率优化方法，其特征在于：所述机场滑行道动态拥堵预测算法用于预测未来一段时间内滑行道的拥堵情况，其具体公式如下： 其中Y t 表示在时间t时刻滑行道拥堵的预测结果，即滑行道在未来某时间段的拥堵情况；c：为常数项，表示模型中的截距；φ i ：为自回归系数，用于表示过去时刻的滑行道拥堵情况对当前时刻的影响；θ i ：为移动平均系数，用于表示过去时刻的预测误差对当前时刻的影响；ε t ：为在时间t时刻的预测误差。 4.根据权利要求2所述的基于智能化技术的机场场面运行效率优化方法，其特征在于：所述航空器路径规划与调度优化算法包括：Q值更新公式： 其中Q(s t ,a t ,Y t )：表示在状态s t 下，选择动作a t 时的预期回报值；α：表示学习率，控制Q值的更新速度；r t ：为奖励值，反映路径选择的优劣；γ：为折扣因子，表示未来奖励的影响程度； 表示在下一个状态S t+1 中获得的最大Q值。 5.根据权利要求4所述的基于智能化技术的机场场面运行效率方法，其特征在于：所述航空器路径规划与调度优化算法还包括最优路径生成公式： 其中：Z t ：表示在时间t时生成的最优滑行路径与调度计划； 表示在状态s t 和拥堵预测Y t 下，选择能够最大化Q值的动作a t 。 6.根据权利要求5所述的基于智能化技术的机场场面运行效率优化系统及方法，其特征在于：所述航空器路径规划与调度优化算法的步骤包括以下步骤：S1、状态更新：获取当前时间t时航空器的状态s t ，包括航空器的物理位置、滑行道的拥堵预测Y t 和排队状态S2、动作选择：通过强化学习算法，根据状态s t 和滑行道拥堵预测Y t ，选择当前最优动作a t ，即航空器应该采取的滑行路径；S3、奖励计算：在采取动作a t 后，根据滑行道的实际拥堵情况和滑行时间，计算对应的奖励r t ，用于反馈航空器滑行路径选择的效果；S4、Q值更新：基于奖励r t 和下一个时刻t+1的状态S t+1 ，更新Q值以持续优化路径选择；S5、最优路径生成：通过强化学习，最终得到最优滑行路径与调度计划Z t 。 7.根据权利要求2所述的基于智能化技术的机场场面运行效率优化方法，其特征在于：所述机场全局智能决策与优化算法基于贝叶斯决策网络，结合滑行道的拥堵预测结果Y t 、最优滑行路径与调度计划Z t 和全局证据E，生成全局运行的最优决策，其具体公式如下： 其中：P(X|Y t ,Z t ,E)：在给定滑行道拥堵预测结果Y t 、最优滑行路径与调度计划Z t 、全局证据E的条件下，机场全局运行状态X发生的概率，即全局优化决策的概率；P(Y t ,Z t ,E|X)：在特定全局决策X下，滑行道拥堵预测结果Y t 、最优滑行路径与调度计划Z t 和其他全局证据E的联合概率；P(X)：全局运行状态X的先验概率；P(Y t ,Z t ,E)：滑行道拥堵预测、路径优化结果和全局证据的联合概率，作为归一化常数。