Un método de optimización de dos etapas para la secuenciación de salidas en múltiples pistas basado en cadenas de Markov de tiempo continuo
Autores: Lian, Guan; Wu, Yingzi; Luo, Weizhen; Li, Wenyong; Zhang, Yaping; Zhang, Xiaoyue
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Un método de optimización de dos etapas para la secuenciación de salidas en múltiples pistas basado en cadenas de Markov de tiempo continuo
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Aeroespacial
Palabras clave
Expansión rápida
Industria de la aviación
Método dinámico de programación de salidas
Estrategia de control de tasa de retroceso
Modelo de optimización multiobjetivo
Cadenas de Markov en tiempo continuo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 28
Citaciones: Sin citaciones
Con la rápida expansión de la industria de la aviación, los métodos tradicionales de programación estática se han vuelto inadecuados para satisfacer las demandas cada vez más complejas de operaciones aeroportuarias eficientes. Para mejorar la eficiencia operativa de los aeropuertos con múltiples pistas, este documento introdujo un método de programación dinámica de salidas en dos etapas basado en cadenas de Markov continuas. La estrategia de control de la tasa de retroceso se amplió a escenarios de múltiples pistas para identificar el umbral óptimo de la cola de rodaje en la etapa I. En la etapa II, la estrategia de control de la tasa de retroceso con un umbral de cola conocido se introdujo en un modelo de optimización de múltiples objetivos, con el objetivo de minimizar los retrasos de los vuelos y los costos operativos, incluidos los tiempos de espera de retroceso, el consumo de combustible en el rodaje y el impacto ambiental. Luego, se emplearon cadenas de Markov en tiempo continuo (CTMC) para rastrear las transiciones de estado de las aeronaves en la cola de rodaje, y se propuso un algoritmo de optimización de ballenas anidado para optimizar tanto la secuencia de retroceso como la asignación de recursos de pista. Los resultados indican que el método propuesto redujo el tiempo promedio de cola de rodaje en un 55.58%, con reducciones de retrasos de hasta un 73.06%, ofreciendo ahorros significativos en costos y beneficios ambientales, al tiempo que mejora la puntualidad de los vuelos. Este enfoque innovador destaca el potencial para optimizar la programación de recursos aeroportuarios en entornos complejos y dinámicos.
Descripción
Con la rápida expansión de la industria de la aviación, los métodos tradicionales de programación estática se han vuelto inadecuados para satisfacer las demandas cada vez más complejas de operaciones aeroportuarias eficientes. Para mejorar la eficiencia operativa de los aeropuertos con múltiples pistas, este documento introdujo un método de programación dinámica de salidas en dos etapas basado en cadenas de Markov continuas. La estrategia de control de la tasa de retroceso se amplió a escenarios de múltiples pistas para identificar el umbral óptimo de la cola de rodaje en la etapa I. En la etapa II, la estrategia de control de la tasa de retroceso con un umbral de cola conocido se introdujo en un modelo de optimización de múltiples objetivos, con el objetivo de minimizar los retrasos de los vuelos y los costos operativos, incluidos los tiempos de espera de retroceso, el consumo de combustible en el rodaje y el impacto ambiental. Luego, se emplearon cadenas de Markov en tiempo continuo (CTMC) para rastrear las transiciones de estado de las aeronaves en la cola de rodaje, y se propuso un algoritmo de optimización de ballenas anidado para optimizar tanto la secuencia de retroceso como la asignación de recursos de pista. Los resultados indican que el método propuesto redujo el tiempo promedio de cola de rodaje en un 55.58%, con reducciones de retrasos de hasta un 73.06%, ofreciendo ahorros significativos en costos y beneficios ambientales, al tiempo que mejora la puntualidad de los vuelos. Este enfoque innovador destaca el potencial para optimizar la programación de recursos aeroportuarios en entornos complejos y dinámicos.