面向复杂终端管制区的运行调度综述

夏朝禹; 胡明华; 文轶; 侯昌波; 黄子浣

doi:10.12404/j.issn.1671-1815.2503158

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (15) :6250-6268 DOI: 10.12404/j.issn.1671-1815.2503158

航空、航天

面向复杂终端管制区的运行调度综述

夏朝禹 ¹^,²^,³ ,
胡明华 ² ,
文轶 ¹^,³ ,
侯昌波 ¹^,³^,^* ,
黄子浣 ⁴

作者信息 +

Review of Operation and Dispatch in Complex Terminal Control Areas

XIA Chao-yu ¹^,²^,³ ,
HU Ming-hua ² ,
WEN Yi ¹^,³ ,
HOU Chang-bo ¹^,³^,^* ,
HUANG Zi-huan ⁴

Author information +

文章历史 +

摘要

终端管制区是连接机场与航路的关键过渡空域,其运行具有飞行程序复杂、交通流量密集、航班机动频繁以及进离场交通流高度耦合等特点,已逐渐成为制约空中交通安全性和运行效率提升的重要因素。随着交通需求的持续增长,传统依赖人工经验的调度方式难以适应终端区复杂多变的运行环境。终端管制运行调度技术通过引入运筹学方法和智能算法,在既定空域结构和运行资源约束下,实现进离场交通流的动态管理与有序运行。围绕该主题,系统梳理并分析了近年来中外相关研究成果。从业务运行视角出发,将终端区调度问题划分为以枢纽机场为核心的进近优化调度问题,以及面向多机场的终端区协同优化调度问题;并结合建模侧重点,进一步细分为若干具有代表性的子问题,开展深入综述。此外,还对中外空管科研机构在终端区运行调度领域的工程化应用、系统研制及示范验证情况进行了系统总结。相关研究可为新一代空管技术体系的总体框架设计与实施路径制定提供参考,为智慧空管的科学研究与工程应用提供理论支撑。

Abstract

The terminal control area is a key transitional airspace connecting airports and en-route airways. Its operation is characterized by complex flight procedures, dense traffic flow, frequent maneuvering, and strong coupling between arrival and departure flows. It has gradually become a major bottleneck restricting the improvement of air traffic safety and operational efficiency. With the continuous growth of traffic demand, traditional scheduling methods that rely on human experience are no longer sufficient to cope with the complex and dynamic operating environment of the terminal area. Terminal area operation scheduling techniques introduce operations research methods and intelligent algorithms to achieve dynamic management and orderly operation of arrival and departure traffic flows under given airspace structures and operational resource constraints. In recent years, relevant domestic and international studies have been systematically reviewed and analyzed around this topic. From the perspective of operational practice, terminal area scheduling problems were classified into approach optimization scheduling problems centered on hub airports and collaborative optimization scheduling problems oriented to multi-airport terminal areas. According to different modeling emphases, several representative subproblems were further identified and reviewed in depth. In addition, the engineering applications, system development, and demonstration and validation activities of terminal area operation scheduling conducted by air traffic management research institutions at home and abroad were systematically summarized. These results provide references for the overall framework design and implementation pathway of next-generation air traffic management systems and offer theoretical support for scientific research and engineering applications of intelligent air traffic management.

Graphical abstract

关键词

空中交通管理 / 终端管制区 / 多机场运行 / 协同调度 / 决策支持

Key words

air traffic control / terminal control area / multi-airport operation / collaborative scheduling / decision-making support

引用本文

引用格式 ▾

夏朝禹, 胡明华, 文轶, 侯昌波, 黄子浣. 面向复杂终端管制区的运行调度综述[J]. 科学技术与工程, 2026, 26(15): 6250-6268 DOI:10.12404/j.issn.1671-1815.2503158

XIA Chao-yu, HU Ming-hua, WEN Yi, HOU Chang-bo, HUANG Zi-huan. Review of Operation and Dispatch in Complex Terminal Control Areas[J]. Science Technology and Engineering, 2026, 26(15): 6250-6268 DOI:10.12404/j.issn.1671-1815.2503158

登录浏览全文

4963

注册一个新账户忘记密码

在民航运输业高质量发展过程中,运行调度是确保空中交通安全秩序、维护交通流程顺畅最关键的一环^[1]。其中,终端管制区覆盖机场及其周边空域,贯穿预战术、战术运行等多个时间域,同时涉及常态与异态事件下的交通流管理任务。受航班高度密集和强汇聚运行特性的影响,终端管制区交通流在时空域内呈现出高强度耦合与交织运行的特征,对运行组织与管制指挥提出了极高要求。该区域对管制员业务能力依赖程度显著,任何细微的指挥偏差都可能直接或间接诱发安全事故征候。通过开展终端管制运行调度,对进离场航班的运行顺序与时隙进行统筹优化,可以将安全风险控制由事中处置前移至事前预防,同时有效提升交通流运行效率。因此,终端管制运行调度已成为空中交通管理中的重要技术手段之一。

目前,中外研究人员围绕终端管制运行调度开展了大量综述型研究,积极推进原型系统研制与示范应用验证,已取得丰硕的阶段性成果。目前有少量学者从不同角度总结相关领域的研究进展。杨爱文等^[2]围绕单机场终端区运行,总结和梳理了精确式算法以及启发式算法在排序调度中的应用。江灏等^[3]从航班类别、空间范围和时效性3个角度系统概述了进离场航班优化调度的研究框架。唐鑫磊等^[4]主要从约束条件建立和评价指标提出制约军航飞机进离场优化调度问题的挑战。侯昌波等^[5]基于集成进离场与场面协同调度的局部优化层面和整体优化层面进行详细论述。Ng等^[6]研究元启发式算法在机场空侧运筹优化中的应用,重点探讨了其在终端区调度中的建模和约束条件。

然而,现有研究综述多数仅聚焦于终端调度的单一侧面,研究内容往往局限于特定算法、单一功能或局部优化问题,对于多机场区域、多运行模式以及多程序复合应用情景下的终端调度问题,缺乏系统性和整体性的综合论述。现对近年来中外文献进行梳理,归纳该领域当前理论研究热点,将复杂终端管制区运行调度问题分解为以枢纽机场为核心的进近优化调度问题和以终端统筹协调的多机场终端区优化调度问题,并分别对各自的特色问题和共性问题进行综述,指出现存问题以及下一步研究方向。另一方面,探讨中外空管科研机构在终端管制运行调度工程化进展,描述所开展的新系统工程化应用、示范验证及研制情况。最后,结合理论和工程化研究现状,对该技术发展和革新趋势进行展望。

通过对美国航空航天学会、电气和电子工程师协会、美国国家科学院官网、美国联邦航空局官网、知网等中外权威数据库和网站的广泛检索,全面搜集相关领域的研究成果,累计查阅200余篇相关学术论文和若干份万字研究报告。通过深入分析和筛选,提炼出该领域的前沿精华,确保所引用文献的质量与时效性。在所选引用118篇文献中,北大核心、EI、SCI索引及以上级别的论文占比约90%,且其中近五年内发表的论文占比达到65%,为全面性与系统性综述提供坚实的理论支撑和数据支持。

1 问题阐述与研究框架

终端管制区作为连接机场与航路的重要过渡区域,主要负责为进离场航班提供从机场至走廊口点的空中交通管理服务,承担着进离场交通流汇聚与分流核心任务。终端管制区复杂性特点主要体现在航班经过该区域时,管制员需要通过对终端空域航班运行全流程进行人工干预和计划修正,经验型决策协调,执行平飞、爬升、下降、盘旋等多项指挥操作,导致航空器机动频繁。另一方面,空中交通流需求与空域容量供给之间的矛盾日益突出,终端空域管制间隔已由原来的10 km缩小至5.6 km,并受军航活动等因素影响,该区域内民航可用空域资源十分有限,加剧了运行的复杂性与管控难度。据航空安全网络(aviation safety network, ASN)统计分析,如图1所示,终端管制区飞行事故或事故征候占比高达44.77%,已成为制约空中交通整体运行效率的主要因素。

终端管制区按照该区域范围全年总起降架次超过36 000架次,终端管制区被细分为以枢纽机场为核心的进近管制区和以终端统筹协调的多机场终端区,分别具有以下几点特征。

(1) 从运行层面看,以枢纽机场为核心的进近管制区主要服务于某一枢纽机场为中心所设立的管制空域,空中交通流量主要集中在该机场,周边次级机场的运行通常要协调并服从于枢纽机场的流量调配。与此不同,多机场终端区建立于多个相邻大型枢纽机场或终端管制单元的交通流交汇区域,该空域可同时为多个枢纽机场提供进离场管制服务。由于临近机场间的运行高度耦合,不同机场的进离场程序相互交织,这导致飞行程序设计和空域结构更为复杂。

(2) 从管控层面看,以枢纽机场为核心的进近管制区具备较强的单点指挥权,其交通流组织与管理主要围绕核心机场进行。在这种运行模式下,决策机制相对集中,便于快速响应运行变化并保持运行秩序稳定。相比之下,多机场终端区的管控则更侧重于临近机场之间的协同与联动,管控重心在于协同统筹多个机场之间的空时域资源,解决多机场进离场航班之间冲突,确保各机场之间互不干扰。

(3) 从研究层面看,以枢纽机场为核心的进近运行优化调度模型更侧重于对“微观”运行状态的深度分析,关注如何在航班进近过程中实现精细化的调度优化。例如,考虑航空器速度变化、垂直下降剖面优化调整、跑道运行模式等。而与此相比,终端统筹协调的多机场终端运行调度优化模型则略显“粗放”,重点更倾向于系统级的协调和时空资源配置。其优化目标通常侧重于优化多个机场间的关键节点计量时序、资源占用情况等。

对近年来中外文献进行梳理,得到如图2所示复杂终端管制运行优化调度问题分解的研究现状。针对以枢纽机场为核心的进近优化调度问题,当前研究热点在于引入点融合概念,或充分考虑枢纽机场多跑道运行模式;对于以终端统筹协调的多机场终端区优化调度特色问题,则强调从全局视角出发,综合考虑多机场、多航班进离场及多路径调度的整体模型,尤其要考虑特殊空域资源的有效利用,如盘旋等待、雷达引导截点直飞以及进场路径选择等管制措施。

从共性建模问题的角度出发,上述两类调度问题的数学模型可根据是否考虑时间不确定性因素的影响,分为确定型问题和随机型问题;根据任务调度策略的时效性,又可划分为面向战术级预管制阶段的静态调度问题和面向实时战术管制阶段的动态调度问题。此外,依据建模过程中变量之间的线性关系,调度问题还可进一步细分为线性整数规划形式调度问题和非线性规划形式调度问题。不同的建模方式各有各的优缺点。对于确定性-静态-线性模型,其设计简洁,易于理解和计算,但在面对动态变化时其适应性较差;而随机性-动态-非线性模型则能够更真实地反映现实中复杂、动态和不确定的系统行为,但由于其求解难度较大,通常需要依赖数值解法,且难以获得实时解析解。

2 理论问题研究现状

2.1 以枢纽机场为核心的运行优化调度

在本节中,以枢纽机场为核心的运行优化调度被细分为3大研究子问题:联合进离场航班跑道运行优化调度、单机场进近空域运行优化调度,以及引入新型点融合概念的运行优化调度。每个问题研究侧重点各有不同,如图3所示。其中:①进离场航班跑道运行优化调度仅聚焦于航班在跑道上的时序调度。在建模过程中,忽略空域运行细节,但需要考虑多种跑道运行模式,例如单跑道混合运行、多跑道协同运行以及多跑道独立运行等。②单机场进近空域运行优化调度则针对某一特定机场进场程序进行优化调度的过程,目标是通过合理安排航班的进近时序和空域资源的过点时隙分配,确保进近过程的高效、安全和无缝衔接。③引入点融合概念的运行优化调度则在上述研究的基础上,考虑新型点融合程序,动态调整航路点的位置和航班的进近顺序,以应对交通流量较大时,由于航班密度过高导致的空域拥堵问题。

2.1.1 联合进离场航班跑道运行优化调度

联合进离场跑道调度是枢纽机场运行优化调度的核心内容,其主要任务是结合跑道运行模式,合理安排航班的进场和离场跑道、顺序及时隙。通过这一调度方式,旨在确保机场场面和近地终端空域交通流的平稳衔接,并有效缩短高峰时段航班起飞与降落的等待队列。根据跑道数量和运行模式的不同,联合进离场跑道调度可以细分为以下几种类型:单跑道调度、多跑道独立运行调度和多跑道相关运行调度^[7]。其中,单跑道调度是指仅有一条跑道用于所有航班的起降;多跑道独立运行调度是指每条跑道的起飞与降落活动互不干扰,相对独立运行。多跑道相关运行调度是指不同跑道的起降活动互相影响,不能完全独立运行,需额外设置管制间隔^[8]。

1)研究现状

NASA-Langley研究中心^[9]提出基于混合整数线性规划的单跑道调度模型,以圣迭戈国际机场为测试案例开展仿真,结果显示平均跑道延误减少18.5%。Xu等^[10]引入约束位置偏移约束,通过限制调度序列的偏差程度,改善传统先到先服务(first-come, first-served, FCFS)跑道调度局限性,其中约束位置偏移定义航班进/离场过程相对于 FCFS 的最大可替代偏移量。Malik等^[11]研究了夏洛特-道格拉斯国际机场多跑道进离场调度问题,在模型中考虑离场航班穿越跑道情况,所提出的模型在中等和高密度地面交通场景下进行测试,与先到先服务相比,累计延误平均缩短约30%。另一方面,Ma等^[12]对巴黎戴高乐机场进场航班穿越跑道问题进行建模,并采用模拟退火算法求解。Hancerliogullari等^[13]将多跑道独立运行调度问题描述为并行机床调度问题,分别采用贪婪算法和元启发式算法求解。Ghoniem等^[14]提出用于独立平行跑道飞机调度问题的加速分支定界算法,并证明该算法的性能明显优于其他经典精确方法。王世豪等^[15]基于多跑道独立进近排序提出一种精英存档自适应微分进化算法,该算法能够根据个体的进化停滞代数自适应调整参数值,结果表明其在收敛精度、收敛速度和稳定性方面优于传统算法。尹嘉男等^[16]在兼顾安全、容量、效率和环境等利益需求的条件下,建立多跑道独立运行调度多目标优化模型,提出基于“三重导向个体优选”机制的机场跑道隔离运行调度多目标进化算法,仿真结果显示可将92.4%的航班延误时间控制在15 min以内。在多跑道相关运行调度方面,Ghoniem等^[17]研究紧密相互作用的平行跑道上的静态航班排序问题,同时将多跑道联合进离场调度问题归结为非对称性旅行商问题,利用生成非线性隐含约束的重新表达以及使用变量替代每个不同的非线性项实现更高维更紧致的问题表现形式。Xia等^[18]提出灵活且具有普适性的跑道调度模型,该模型仅需简单改变模型参数即可对不同交通行为模式下的进离场调度进行尾流分离建模,能广泛适用于单跑道、多跑道独立运行和相关运行调度场景。Chandrasekar等^[19]构建具有普适性的模型,用于计算任何数量、布局和跑道配置的联合进离场跑道调度问题,以任何数量和布局跑道上的最小完工时间为优化目标,采用改进式分支定界方法求解,实验仿真表明优化偏差较传统算法降低5.7%。Ng等^[20]研究多条异质混合模式平行跑道在到达和起飞延误不确定性下的航班排序与调度问题。该研究通过建立最大后悔模型,考虑了跑道运行的弹性水平,并评估了航班调度在受不确定性影响下的跑道最大完工时间的鲁棒性。同时,Ng等^[21]以香港国际机场为背景,基于跑道半混合运行模式,提出了动态跑道配置规划与飞机排序调度问题的协调方法,通过仿真发现动态跑道配置规划可使航班延误率降低71.6%。Solak等^[22]将多跑道相关运行过程视为两阶段决策阶段,以此为基础构建并行机器调度两阶段随机型模型。在第一阶段主要确定跑道每个时隙槽航班起降顺序;第二阶段则安排时隙槽具体时间,以最大化跑道吞吐量。

夏朝禹等^[23-24]提出考虑跑道更换成本的联合进离场多跑道调度模型,通过最小化无阻碍滑行时间成本,在保证跑道累计延误量最小的同时尽可能抑制额外产生的滑行时间。马晓萱等^[25]考虑了全向离场运行条件下的放行间隔和港湾区运行间隔,引入滚动时域机制构建复杂多跑道机场离场航班动态协同调度模型。吴维等^[26]考虑相邻跑道干扰的进离场航班调度多目标优化模型,从机场和乘客角度,探讨航班进离场的延误时间、跑道作业分配之间最佳指派耦合关系。孙博等^[27-28]考虑不同类型机场跑道的入侵事件对航空器进离场调度的影响,分析不同跑道类型发生各种情形跑道入侵的最佳调度方案。马霁等^[29]针对模拟退火算法求解跑道排序问题提出两阶段优化策略,第一阶段进行航班降落次序,包括随温度自适应的邻域搜索模块和顺序交换模块;第二阶段进行跑道使用时刻调度,求解降落时间,计算总航班延误成本,同时确保满足时间偏移限制。仿真发现,所提方法相对于传统遗传算法,减少延误成本34%以上,相对于整数规划模型求解结果,求解误差在1%以内。

2)进一步研究方向

目前针对跑道运行调度研究已经相当完善,相关研究在调度算法、建模方法、系统优化等方面取得了丰富成果,某些理论成果已经进行工程化落地。但未来研究有几个方面可进一步拓展与深入。首先,当前的研究大多从空管的“安全”角度或机场的“效率”角度进行建模,较为忽视航空公司“经济”和政府“绿色发展”目标函数和约束条件考量。后序研究可从多方共同利益角度出发,妥协考虑空管(安全)、机场(效率)、航司(经济)、政府(环境)等的共同利益以构建跑道调度模型。其次,当前模型在追求总延误最小化或吞吐量最大化的同时,通常忽视跑道负荷的均衡性,导致部分跑道长期处于高负荷状态,而其他跑道利用率低下。未来研究可侧重于引入实时跑道管制工作负荷量化目标,构建动态的跑道调度优化模型,实现资源的合理分配与使用均衡。

2.1.2 传统单机场进近空域运行优化调度

针对某一特定机场进近空域进行优化调度的决策过程,目标是通过合理安排航班的进近时序和空域资源的过点时隙分配。在此节中,将探讨传统单机场进近空域运行优化调度。这类问题通常将研究范围限定在目标机场所属的终端区或进近空域内,其建模假设忽略来自临近机场的运行干扰和潜在冲突,认为各机场之间的运行互不影响。

1)研究现状

Bae等^[30]基于有向图非线性规划的加权方案,结合先到先服务FCFS策略,逐步确定每架进场航班的运行顺序。该方法优点在于该算法能够实时捕捉运行调度的动态特征,但缺乏对全局最优解的系统性探索,仅能得到可行解。Desai等^[31]针对混合模式、单跑道运行场景下的静态航班排序问题展开研究,将该问题形式化为一个0-1混合整数线性规划调度模型,并提出了高效的预处理与变量固定策略,以增强问题连续松弛的紧性。仿真结果表明,与先到先服务FCFS策略相比,该方法可将进离场的总延误量减少近30%。Huo^[32]在模型中融入“延长进场管理(extend arrival manager,E-AMAN)”的概念,即通过在更早的航路阶段实施速度控制,同时考虑机场近空空域内的运行约束,从而实现更加平稳且高效的进场管理。在后续研究中,Huo等^[33]对传统的确定性模型进行了改进,在轨迹建模中引入了不确定性量化因素。具体而言,通过引入随机变量的概率密度函数来表示航班在航路关键点的时间信息,并结合马尔可夫假设与概率理论,分析了航班之间的冲突概率,并将期望冲突数作为优化目标函数。仿真结果表明,该概率优化模型在存在不确定性的情况下表现出更好的稳定性和冲突吸收能力。并将上述问题进一步扩展至实时动态调度形式^[34]。Khassiba等^[35]提供了若干种商用飞机类型和4个飞行阶段的延误成本,得到分段线性凸增的延误成本函数,并提前45 min为进场航班灵活分配初始进近定位点。Ng等^[36-37]提出两阶段的鲁棒优化方法来解决终端管制空域调度问题,该方法通过最小最大后悔模型,在不确定因素的影响下构建终端空域航班调度模型,并采用 Bender 分解以减少模型的搜索空间。与此同时,Ng 等^[38-39]将进场等待程序视为潜在路径,并基于此假设,采用最小-最大后悔准则提出了不确定型单机场航班优化调度模型。该方法适用于航班备选路径较少的情形,但随着等待程序数量的增加,模型的维度和算法复杂度会呈指数级增长。Cecen等^[40]提出了一种支持两阶段混合整数规划模型。第一阶段通过利用速度和矢量飞行控制来最小化总冲突时间,从而获得无冲突且时间最优的航班轨迹;第二阶段则在第一阶段的基础上进一步优化航班的到达时序,以最大程度地减少延误。Sama等^[41-43]基于广义析取图的终端管制区空中交通流的详细数学模型,以米兰马尔彭萨机场为研究对象,模拟了各类受不同空中交通管理预案限制下的运行案例。

张军峰等^[44]从降低管制负荷和提升终端空域容量的角度出发,提出以最小化跑道完工时间为优化目标,构建了航班调度模型,并采用分支定界法进行求解。仿真结果表明,该方法使航班延误率减少了约21%。张军峰等^[45]引入非支配排序思想,设计多目标帝国竞争算法,进一步将航班延误率降低了约41.2%。同时,张军峰等^[46]针对“一落一起”与“两落一起”两种运行模式下,量化航班从进场点到起始进近定位点的到达时间不确定性分布,建立机会约束的航班随机规划调度方法。张兆宁等^[47]通过引入替代进近航路和时间偏差成本的概念,建立单机场进场排序模型;然后,基于调度窗口和冻结范围概念,提出一种动态优化方法。仿真实验结果表明,先比典型日实际运行情况,平均减少25%的航班延误。杜卓铭等^[48]主要解决了单机场繁忙终端空域连续爬升与下降运行的调度优化问题,其基于多阶段最优控制理论,采用高斯伪谱法,构建了繁忙终端空域连续爬升与下降运行调度优化模型,实现了基于成本指数的连续爬升与下降运行的航迹优化。杜卓铭等^[49]在后序研究将进场排序问题转化为机器学习领域的分类问题^[49],并构建随机森林分类器预测航空器着陆次序,并利用综合得分机制和滑动时间窗实现进场航空器动态在线排序。吴睿等^[50]以最小化航班总延误和终端区总飞行时间的线性组合为目标,对多跑道机场建立改进调度模型,并采用熵权法对航班相关指标进行评价。赵向领等^[51]设计单机场终端管制区航班进场时空离散网络栅格,分别考虑网络栅格规则、航空器转弯特性、航迹连续性等限制条件,建立立柔性进场航迹的混合整数规划模型,仿真结果表明每架航班进场时间平均可减少6.24 min。宋祥波等^[52]建立基于性能的导航程序选择的进场航空器航迹规划模型并仿真。乐美龙等^[53]为解决大规模航班调度计算的实时性问题,提出了多航路点滚动时域控制算法,在大规模航班架次求解时,比未优化调度模型可提前 271 s。康瑞等^[54]研究所需导航性能的平行仪表跑道独立进近与排序策略结合,建立调度模型,并引入基于S形函数的自适应粒子群优化算法求解。仿真表明,所提方法相较于先到先服务减少总延误约15.3%。

2)进一步研究方向

在传统单机场进近空域运行优化调度研究领域,已有大量的研究取得了显著的进展。现有的研究成果涵盖了该领域的主要问题和挑战,但仍然存在亟待进一步探索的新问题和研究方向。具体而言,现有研究多集中于传统二维或水平面的进近调度,而垂直剖面优化尚未充分融入决策模型。未来可将E-AMAN概念与垂直剖面优化结合,实现航路早期阶段的速度控制与进近路径协调,形成从机场近端空域延伸至更远航路的三维优化调度策略。当前多跑道运行模式调度和终端区进近优化调度研究相对割裂,缺乏决策信息的有效整合。未来研究可关注多跑道运行模式与终端区空域调度的协同建模,通过统一优化目标和约束条件,形成一体化的多跑道-终端区空域优化协同调度方法。传统单机场模型忽略临近机场的运行干扰,下一步研究可通过区域空域协同建模,结合跨机场协调策略、共享空域资源和临近机场备降方案,实现单机场优化向区域级优化的扩展。

2.1.3 引入点融合概念的运行优化调度

点融合程序作为欧洲控制实验中心研究的创新方法,旨在对进场交通流进行系统级创新调度。与传统的雷达引导方式不同,点融合技术基于性能导航技术,通过将进场程序与排序空域的应用进行集成,形成了一种新型的进场调度方法。这种方法将雷达的开环引导航向转变为闭环直飞融合点指令,从而实现了对多方向进场交通流的有效排序和间隔管理。点融合程序中主要由融合点、定位点和排序弧组成^[55],其中融合点负责航空器的集成疏导,将不同方向的航班交通流汇集在该点;定位点使航班可以在排序弧上以较小的角度运行,主要是帮助管制员判断航空器之间间隔;排序弧则是以融合点为圆心的近似圆弧航段,设计用于拉伸或缩短航空器的飞行路径,从而增加或减少等待时间。由于在点融合实时过程中,航班需要考虑进入点和融合点处的次序,同时还需满足相同排序弧的安全间隔^[56]。因此,点融合程序的核心仍在于优化调度。

1)研究现状

Hong等^[57]提出基于混合整数线性规划点融合静态调度模型,以最小化所有航班到达最终融合点所需的总时间,在后序研究中使用滑动时间窗口的启发式算法调整静态解决方案以适应动态环境^[58];此外,还创新两阶段随机点融合调度模型^[59],第一阶段针对静态环境利用粒子群优化算法进行随机搜索,获得确定性的鲁棒解;第二阶段则针对不确定环境下可能出现的动态影响,运用所提出的启发式方法对第一阶段的静态解进行调整与优化。该研究团队还提出了考虑等待模式的点融合系统最优调度模型^[60],通过引入虚拟定位点构建点融合系统的航路结构,并在模型中引入相应约束,将等待模式纳入点融合系统的调度框架中。仿真结果发现,该调度模型能显著降低管制员工作负荷。Cecen等^[61]基于历史数据确定了若干高度层的风向分布直方图,以及点融合程序中每个风向在各个高度层的出现概率,以量化风向的不确定性。结合风向的不确定性,考虑不同风向情景下的预期总延误,以构建具有弹性化的随机型调度模型。Liang等^[62-64]为北京首都国际机场设计了多层点融合系统的航路网络结构。该结构在纵向上由多个层级的航段组成,横向形状呈“8”字形特征,有效应对弯曲轨迹及定弧转弯合流过程中可能出现的冲突问题。同时,还提出了相应的调度模型,并结合滑动时间窗机制与模拟退火算法,构建了一套面向实时动态环境的建模与求解策略。

张军峰等^[65]引入“外围航班流”概念,针对长沙黄花国际机场单跑道点融合程序,围绕机场、航司、管制、民众等利益相关方构建多目标函数,采用多目标帝国竞争算法进行引入非支配排序,研究结果显示引入所提调度算法提升终端区内进场容量。王宁等^[66]则以上海浦东机场为研究背景,考虑多跑道运行模式下点融合程序,选取含精英策略的非支配遗传算法进行求解,实验结果显示单小时跑道容量提升7架次。王莉莉等^[67]结合下降进近时间符合高斯分布的特点,设计带有额外缓冲区的点融合鲁棒调度模型,并基于滚动时域控制策略在时间窗内进行合理的重排序。白鹏等^[68]以天津滨海国际机场为背景,从运行环境和绿色可持续发展角度构建目标函数,研究点融合进场过程燃油消耗以及污染物排放最小化的调度模型。夏正洪等^[69]以点融合系统进场程序为场景,构建二维的元胞自动机模型,采用滑动窗口策略对进场航班序列优化调整。张洪海等^[70]提出基于航迹运行模式下截点直飞方式与融合点方式进场交通流优化模型,并基于BlueSKY仿真平台模拟生成实验结果,仿真证明该模型能有效地将部分延误及冲突转移至融合区,从而增加空域资源利用率。

2)进一步研究方向

由于点融合系统中不同定位点之间存在一定的高度差和水平距离差,航班从不同定位点沿不同排序弧进场,往往会导致其预计到达时间出现较大“跳变”,从而引发预调度系统中较为严重的“乒乓”现象,难以满足实际运行需求。然而研究发现,在同一时段内,不同机型与其选择的排序弧之间存在一定关联性。因此,未来研究可聚焦于战术级预管制阶段,探索结合机型特征、管制意图及时段等因素的可解释机器学习方法,以预测航班可能经过的定位点与排序弧,并进一步借助调度算法对预测结果进行微调与优化。此外,基于现有点融合系统,可结合各区域枢纽机场空域特性,引入等待程序和分层式结构对点融合程序进行结构性改进,并研究与之匹配的调度模型,这亦是未来的研究热点之一。

总体而言,对于上述三类子问题,现有研究的重心已逐渐由问题本身的“提出与建模”阶段,转向对现有模型的优化与完善,研究内容更多集中于边界条件的扩展补充、特殊运行场景下的算法适应性分析,以及系统性能的边际提升。整体来看,当前研究主要处于“补缺”和“细化”的发展阶段,具有探索性的前沿问题相对减少,导致在创新深度与研究广度上存在一定的局限性。虽然该领域已经积累了大量理论成果,但其在实际运行系统中的转化效益和影响力亦面临一定挑战。未来研究可考虑从跨多主体运行系统协同、复杂不确定性建模、智能化动态技术融合等新方向寻求新的突破口,以推动该领域实现从“理论创新”向“工程落地”的转变。

2.2 面向终端区统筹的多机场协同优化调度

在本节中,面向终端区统筹的多机场协同优化调度被细分为3大研究子问题:多机场终端区离场航班时隙优化和配置、多机场进离场协同宏观层面运行调度、多机场进离场协同微观层面运行调度。每个问题研究侧重点各有不同,如图4所示。其中:①多机场终端区离场航班时隙优化配置旨在考虑终端区内不同机场的相互依赖性与公共空域资源的容量等限制,在预战术阶段协调优化各个离场航班时刻表配置,有效平衡各机场离场交通流;②多机场进离场协同宏观层面运行调度主要从战术运行阶段协调多机场终端区内进离场过程少量关键或共享资源节点的航班过点时序,该问题模型较为简单,计算实时性较高,但不深入考虑各空域具体的管制限制或特殊运行需求;③多机场进离场协同宏观微观运行调度进一步引入复杂的管制策略和约束条件,涉及多机场空域的等待程序、矢量化飞行程序和多进离场程序等决策因素,从而使调度更加精细化,以适应复杂的管制需求。

2.2.1 多机场终端区离场航班时隙资源配置

多机场终端区离场航班时隙资源配置优化,主要考虑多机场区域离场航班之间交通的相互影响,面向预管制调度阶段,结合受限容量限制和地面等待策略,统筹安排多个机场的航班离场时刻,最大限度地简化放行程序,并将航班在跑道点排队等待转变至停机位等待。在此调度问题中,通常固定或忽视进场航班序列,但可能需要兼顾机场优先级、航司优先级与航班延误等级等因素。

1)研究现状

Ma等^[71]将有限容量下的多机场运行资源建模成一个抽象图网络,通过固定进场航班序列,最小化多机场区域内离场航班飞行计划中链路和节点的冲突数建立全域优化模型,仿真表明离场航班延误量最大减少36%。Chen等^[72]构建多机场区域离场航班机会约束模型用于在不确定性下实施地面等待,并提出基于Bernstein多项式的凸近似方法求解,在纽约多机场区域仿真表明所提模型和算法具有较强鲁棒性。Khadilkar等^[73]将航班离场时隙与场面交通水平和预计航班到达率关联,结合无限期折扣成本思想,创新一种集成调度控制模型,通过求解所有离场航班Bellman状态方程,计算处于激活状态(准备推出的)飞机的最优延误时间和起飞时间。Li等^[74]提出通过多智能体强化学习协调多机场系统离场航班起飞时间和离场程序。Cai等^[75]在上述研究基础上,基于历史调度数据提取离场调度先验知识,提出分解的多智能体强化学习方法用于多机场区域离场航班时隙优化配置,经京津冀多机场区域仿真验证所提出的算法能够有效减少航班延误和出发顺序混乱。Liu等^[76]提出强耦合多机场时隙扩展配置框架,将多机场各管制扇区容量确定为关键资源节点,结合航班历史时隙分配的情况,将优化总扩展时隙作为模型的目标函数,并使用AirTop软件仿真并验证了所提模型有效性。Li等^[77]以最小化航空公司分配离场时隙与航空公司请求离场时隙总偏差,建立峰值需求的机场公平性指数,量化每个机场离场时隙分配的公平性。并基于最小化公平性与绝对公平性之间的最大偏差建立目标函数,约束条件则考虑各航段和机场容量约束。研究发现基于峰值需求的公平性方法相比于非峰值需求方法需要更小的时段偏移量,表现出较好的多机场离场公平协调性。Liu等^[78]针对传统资源有限容量限制引发的不必要延误问题,结合估计航班飞行时间的不确定性,提出适用于多机场系统的时段分配不确定性模型,将上述模型利用机会约束重新表征为确定性问题,使用传统Gurobi求解器进行求解。Liu等^[79]提出多机场离场调度的两阶段无等待混合流水车间模型,独立分析来自不同机场离场航班里程碑事件和时隙资源的利用情况,将各机场的时隙需求整合到统一的调度框架中,考虑各机场之间的潜在冲突与资源竞争,协调分配关键空域节点的过点时隙。Wang等^[80]考虑各航路点容量约束提出面向多机场系统的机会约束时隙分配模型,该模型优化多个机场的时隙分配。为捕捉飞行时间的不确定性,额外提出了随机机会约束,并采用场景生成方法来求解该模型。

王莉莉等^[81]考虑目的机场的容量变化以及不同航班单位延迟费用成本,提出扇区容量限制的多机场地面等待动态调度模型。向征等^[82]结合基于航迹运行理念,提出基于管制移交间隔优化离港航班时刻模型,基于北京多机场区域进行仿真验证,结果显示约98.1%的离场航班在走廊口处符合移交条件管制间隔。王兴隆等^[83]分析数值属性指标和类别属性指标,基于航班延误等级以及机场优先度的概念,建立多机场协同离场放行模型,并采用惯性权重线性递减的粒子群算法进行全局搜索。张菁等^[84]分析京津冀终端空域航空流动态特征,发现航班时刻资源配置与机场空域容量的流时分布具有集中-波动分异特征,提出开启空中廊桥疏解航空流,并通过流量快速释放调节航班时刻资源分配矛盾,还提出可通过机场时间窗口差异协调航班离场时刻资源的观点。张兆宁等^[85]从空管角度考虑管制员总调整量、从机场角度考虑航班累计延误时长、从航司角度考虑航班时刻调整总方差,以建立机场群航班离场时刻优化模型,该模型权衡了机场、航空公司与空管之间的公平性。卓健等^[86]针对中国多机场在运行管控层面尚未形成完善的区域级协同运行体系、缺乏具有普适性的区域协同运行方案这一问题,提出了面向区域运行管控的协同运行机制,涵盖跨机场协同调时、灵活航路使用以及临近机场备降等多种协同运行策略。

2)进一步研究方向

多机场终端区离场航班时隙资源配置的研究正朝着智能化、动态化和多目标协调的方向发展。下一步,可依托中国新成立的区域运管委的协调职能,探索如何通过模型优化空管、机场和航空公司之间的资源分配及离场时隙管理,其重点在于构建公平性和功效性均衡的非劣邻域的跨机场、跨航司的时隙交换模型。同时,可开展多智能体的帕累托最优动态平衡决策,将多机场离场时隙的优化与空中流量、地面服务等多重因素相结合,全面支持从预战术规划到战术调度的全过程决策,实现交通流和运行资源高度适配。另一方面,还应考虑由天气因素引起的空域走廊口通行量、扇区容量及机场容量的变化特点,结合空中交通管理流量预案和航司公平性,避免“以邻为壑”,动态优化离场时隙配置,以提高多机场区域整体运行品质。

2.2.2 多机场进离场协同宏观层面运行调度

多机场进离场协同宏观层面运行调度,通常不对每架进离场航班进行过于精细的安排,而是采取较为“粗放式”调控方式。具体而言,主要包括两类协同方式:第一种从整体空域规划角度出发,主要关注来自不同机场的航班经过部分关键空域资源的时序计划,如走廊口点、初始定位点、跑道计量点等重要计量点。第二种基于航班的预定时间,探索合理的交通流率,通过协同控制不同航班流量,从而维持整体的运行秩序。上述共同特点和目标在于,从宏观大尺度角度对多机场终端区内部分关键资源的交通流进行分析与管理。由于该模型考虑的因素较为简化,计算实时性较高,且具备较强的应用潜力,因而被广泛研究和应用。

1)研究现状

Xue等^[87]引入共享空间和时间资源概念,考虑洛杉矶多机场区域的共享航段、定位点和跑道等时空资源使用情况,通过最小化多机场航班组总延误时间,建立协同进离场航班运行模型,并采用基于非支配排序遗传算法进行求解计算。仿真结果显示测试案例中相比于FCFS策略离场时间在15 min时间窗内累计节省约12.5 min,进场时间累计节省约 10.7 min。此外,Xue等^[88-89]还提出动态型和随机型两种变体模型,以应对实时计算和不确定性因素干扰。McClain^[90]基于4种多机场区域进离场航线配置几何空域结构,将多机场进离场协同调度问题视为链接节点排队过程模型,并设计两阶段调度算法规划航班在跑道点和走廊口点的过点时序。Barea等^[91-92]则围绕走廊口点、初始进近定位点、最终进近定位点和跑道计量点构建混合整数非线性模型,利用Benders将原问题变为新的松弛主问题和若干子问题以进行快速计算。Ma等^[93]通过对多机场终端区网络结构中关键资源进行高层抽象表达,结合预定义的多机场临近空域航线结构建立冲突检测和路线解析模型,结合巴黎多机场终端区典型日24 h数据表明进离场总延误时间从1 425 min降低至897 min。Ma等^[94]则选取多机场终端区内走廊口点、进场程序共享计量点和跑道点作为关键资源节点,同时考虑空域资源容量和不确定性因素建立多目标优化模型。Zhao等^[95]基于流量守恒原理分析了非静态排队的变化关系,并创新性地提出了基于点位静态排队的多机场区域排队网络模型。该模型能够有效分析不同机场之间的到达和离场效率的关联性,并通过仿真计算多机场区域内各机场和航路点的航班延误、交通流量以及航班时隙分配方案。

运行主体通过积极探索适合自身国情的多机场协同调度运行机制,在中小机场群协同运行方面已积累了一定实践经验,如构建了滇西“保腾芒”中小机场群协同一体化运行调度体系。然而,这类以中小机场群为对象形成的运行模式,虽具有一定借鉴意义,但在运行规模、复杂度和协同深度等方面仍难以直接适用于世界级机场群的运行需求。胡明华等^[96]研究综合考虑多机场终端区运行约束,包括进离场定位点约束、航路点运行约束、终端区最大可吸收延误等约束条件等,针对航段延误及场面延误措施的有效实施,建立基于延误分配的多机场终端区进离场协同排序模型。马园园等^[97-98]针对多机场终端区进离场交通流在时空域上强耦合特性,引入多元受限时间窗的创新理念,将其归纳为多元受限的排队问题,综合考虑多机场终端区扇区/航路运行容量限制为航班分配最优时隙。张建平^[99]提出一种集成进离场管理功能于一体的综合化战术级管理体系,同时引入协同决策机制,可兼顾和规划各机场和终端区各走廊口点交通流运行情况。王莉莉等^[100]考虑多机场区域交接点限制,结合进离场航线汇合点容量约束、各定位点容量约束建立优化调度模型,并设计了递归遗传算法,仿真结果显示对于20 min时间窗的航班集总延误时间减少48.2%。同时,该作者还针对多机场区域共用航路点的运行特征,引入惩罚因子并以总延误时间成本最小为优化目标,建立了多机场共用航路点的航班优化调度模型,基于滑动时间窗算法和粒子群优化算法进行求解,在京津冀多机场区域开展仿真验证^[101]。杨新湦等^[102]构建航班运行品质评价体系,以此为理论依据,设多机场区域运行系统扰动最小为优化目标,结合进离场航班运行特性,建立航路点过点时段优化模型并得到临时调整策略。

2)进一步研究方向

随着交通流量的急剧增加和新建机场数量的不断增长,单一多机场终端区运行模式正逐步向多终端区机场群模式过渡。因此,如何从宏观角度协调机场群区域内不同终端区之间交通流是当前亟需解决的重要课题。其次,还需加强应急管理预案条件下部分航班突发改行时的调度响应模型,并通过建立运行风险评估模型提前识别并考虑可能的交通瓶颈和冲突热点,以此为基础构建优先级调度策略,减少突发事件对终端区内航班调度的影响。

2.2.3 多机场进离场协同微观层面运行调度

多机场进离场协同宏观微观运行调度,需结合实际复合辅助管制决策因素,考虑更加细致的交通流精细化控制手段,其主要包含以下几类:基于航班性能控制航班飞行速度,以优化多机场区域内各航路计量点的目标时间;雷达引导截点直飞,缩短或延长飞行路径;利用等待模式使航班在指定空域盘旋等待;选择合适的备用进离场程序,避免标称程序扇区拥塞。通过组合优化上述精细化控制手段,合理规划空-时资源使用,提高交通流“微观”运行状态决策能力,改善传统依赖于人工经验调度的管制指挥方式,以减轻管制员工作负荷。

1)研究现状

Capozzi等^[103-104]将多机场区域内每条进场程序中的每个计量点视为潜在的自由决策点,并利用离散网络模型对航班的到达时间进行建模。在允许可控速度范围内,生成相应的过点速度和时序建议。Ng等^[105]针对跑道选择、速度控制、利用等待模式和矢量化飞行等复合管制措施,提出了终端空域进场航班调度模型,并通过AirTop仿真进行了验证。实验结果表明,所提方法在相同运行场景下生成的调度结果与仿真结果差异较小。Zhang等^[106]构建了终端区交通微观模型及诱导规则,利用节点饱和度、跑道坐标系数等多种引导决策因素来优化飞机的飞行路线和速度,引导航空器选择进场程序。Liu等^[107]从三维高度层调配的角度设计了多机场终端区双层调度模型。其中,上层主要优化航班的进离场时序,下层则采用交错分配交接高度的新方法,通过交替分配确保相邻航班尽可能分配至不同高度层。Xia等^[108]提出精细化终端区运行模型旨在优化多机场终端区管制干预措施,具体包含多重进离场程序规划、速度控制、基于时间的间隔计量、等待程序执行等,并且还将问题表述为一个混合整数线性规划,引入滚动时域控制动态优化框架,将大规模问题分解为可管理的子问题进行迭代求解。

夏朝禹等^[109]考虑航班速度调配、基于相对速度的时域安全间隔演变态势以及等待程序执行情况,将终端空域航班运行复杂逻辑关系以及管制规则精确抽象混合整数线性规划模型。实验表明,在15 min调度时间窗内,当允许速度调控范围为±1%时,测试案例的最大延误可降低47.32%。向征等^[110]研究了多机场系统运行的相关因素,提出了5类空域交互分类的微观表征模型。并假设航班在未实施最终进近程序可在终端计量点实施等待,从航空器延误、管制员负荷以及各机场资源平衡3个角度建立多机场终端区航空器进场协同排序模型。张洪海等^[111]则运用跟驰理论和局域先到先服务原则,建立了符合管制认知的进场交通流模型;利用刺激-反射跟驰理论,分别建立了保障航空器有序进离场的空中交通流局域排序模型、有利于航空器速度解脱调配的跟驰模型以及雷达节点引导解脱的机动模型。朱秀莹等^[112]从时空资源协同利用的视角,提出了一种以进离场联合排序、场面运行管理和空域一体化排序管理为核心的一体化运行系统架构。该架构系统梳理了现有运行子系统之间多维时空约束、层级隶属关系及其时序逻辑,有效解决了在有限计算资源条件下多层域调度策略内在逻辑交叠与耦合难题。

2)进一步研究方向

由于多机场进离场协同的宏观和微观运行调度决策因素较为复杂,相关变量之间呈现出较高的相关性,导致模型通常在算法搜索和求解实时性方面存在一定的挑战,影响了其在实际应用中的效果。另一方面,当前的研究工作还未能充分考虑到所有终端区管制决策措施的综合影响。例如,现有的模型通常假设前后-机航班沿同一高度进行爬升或下降,或者假设进场程序与离场程序互不干扰。然而上述假设未必符合真实管制运行复杂性与动态性,进而制约了多机场协同调度在精确管理中的应用潜力。因此,如何改进这些假设,并更好地构建真实条件下的复合管制决策模型,是未来研究需要重点突破的方向。

总体而言,相比于以枢纽机场为核心的运行优化调度,面向终端区统筹的多机场协同优化调度目前相关的研究和实践仍然较为初步,研究中假设条件过多而导致适用性受限。具体的调度建模、策略优化和算法性能等方面仍需结合实际管制运行加以探索和完善。

3 工程化系统研制现状

基于上述理论研究,中外空管科研机构基于复杂终端管制运行调度开展广泛的工程化实践和探索。表1中列出了部分中外主要研究机构及其在工程化系统研制方面的进展和成果。

在国际上,在新系统工程化应用方面,进场管理系统(arrival manager,AMAN)以空域结构参数和航空器性能约束为基础,通过对航班预计到达时间、尾流间隔要求及运行不确定性进行综合分析,提前计算并生成优化的进场排序队列及对应的时序控制建议,为管制员提供精细化、前瞻性的辅助决策支持^[113]。该系统的研究与应用受到了美国联邦航空航天管理局(Federal Aviation Administration,FAA)及 EUROCONTROL 等国际主流空管研究与管理机构的高度重视,并已在多个繁忙机场和终端区开展长期运行验证。随着研究的不断深入,AMAN 技术体系日趋成熟,并在此基础上衍生形成了扩展型进场管理系统(extended arrival manager,E-AMAN)。E-AMAN 将排序与时序优化的决策范围前移至航路规划与巡航阶段,实现对进场流量的更早干预与主动调控,同时支持跨终端区、跨机场的进场协同排序与容量协调,为多机场协同运行和区域级流量管理提供了决策系统支撑。美国国家航空航天局(National Aeronautics and Space Administration,NASA)研制了精密离场放行系统(precision departure release capability,PDRC),用于单机场运行场景下航班离场时间的精细化预测与管理^[114],并在此基础上对离场飞行程序及跑道资源进行协同规划与分配,从而提升机场离场放行的准确性与整体运行效率。FAA提出并研发了计量与间隔管理系统(merging and spacing,M&S)^[115],该系统通过对多机场终端区及相关空域的航班运行进行仿真推演,结合调度与间隔控制算法,计算航班的预定到达时间,并为单架航班生成对应的引导轨迹和关键过点时间表,实现进近与终端区运行的有序衔接。与此同时,中国民航数据通信有限公司(Aviation Data Communication Corporation,ADCC)通过整合空域资源、机场运行资源以及航班实时运行状态等多源信息,研发了协同决策(collaborative decision making,CDM)系统^[116],重点强化离场流量的协同管理与多方信息共享,通过统筹安排航班离场时隙与放行顺序,提高机场与空域资源配置的整体协调性与运行可预期性。

在新系统示范验证方面,EUROCONTROL 研制了离场管理系统(departure manager,DMAN)^[117],旨在为离场航班提供涵盖跑道分配、走廊口点选择、离场航线规划及放行序列优化等在内的综合决策建议,目前已在多座欧洲枢纽机场陆续开展运行验证,验证结果表明其在提升离场效率和运行可预期性方面具有显著效果。在此基础上,EUROCONTROL进一步研发了先进离场管理器系统(PHARE advanced tools departure manager,PaTs)^[118],通过对进离场程序进行统一规划,生成无冲突的离场跑道序列和飞行轨迹,并在巴黎戴高乐机场开展了应用验证。NASA则依托“NextGen”计划,系统性推进空域技术验证(airspace technology demonstration,ATD)。ATD 计划分为 ATD-1、ATD-2 和 ATD-3 共3个阶段,逐步验证面向机场群及区域空域的一体化运行关键技术。在 ATD-1 阶段,NASA 研制了终端区排序与间隔系统(terminal sequencing and spacing,TSAS)^[119],该系统将传统基于距离的计量控制拓展为基于时间的精细化计量,实现多机场一体化进场排序,并支持点融合(point merge)等先进进场程序。在 ATD-2 阶段,重点开发了机场群进离场与场面一体化管理系统(integrated arrival-departure and surface,IADS)以及轨迹选项集(trajectory option sets,TOS)系统^[120],旨在在常态运行及恶劣天气条件下,对机场群内航班进行协同调度,为区域范围内航班的进场、离场及场面运行提供一体化序列与轨迹决策建议。在 ATD-3 阶段,则进一步研制了基于天气影响的动态路径规划系统(dynamic routes for arrivals in weather,DRAW)^[121],该系统结合雷雨等复杂天气分布特征,为区域航班提供战术层面的动态改航路径规划能力,从而增强复杂气象条件下空域运行的灵活性与鲁棒性。

在原型系统研制方面,法国 EGIS 航空集团正在开展 MAESTRO 系统的研发工作。该系统定位为面向多机场、多跑道运行环境的综合决策支持工具,通过将传统的到达管理与离场管理进行一体化集成,实现跨机场层面的协同优化决策。MAESTRO 系统可在区域尺度上对航班运行进行统筹调配,支持多机场航班的跑道分配、进离场程序选择以及预定义四维轨迹的生成与优化,从而提升机场群整体运行效率与时序协调水平。

在中国,中国民用航空局第二研究所(The Second Research Institute of the Civil Aviation Administration of China,CAACSRI)首研区域协同决策系统(regional collaborative decision making,R-CDM)。该系统面向中国机场群运行实际需求,重点服务于新成立的京津冀、长三角、珠三角和成渝区域运行协调委员会,通过构建跨机场、跨单位的信息共享与协同决策机制,为区域运行提供动态容量—流量管理管控策略、航班计划协同调整提供辅助决策建议。Airnet 空管自动化厂商——成都空管公司,率先研制了机场群一体化运行智能管控系统。该系统具备机场群运行资源动态管理、跨机场信息共享与协同感知、交通流分布预测与冲突预警、交通流控制策略仿真推演以及航班计划动态调整辅助决策等功能,并已在粤港澳大湾区机场群完成整体示范验证。示范验证表明,该系统可为空管、机场及航空公司等运行主体提供统一一致的情景感知能力,支撑高效的协同会商与联合决策,实现运行流程的自动化管理,并提供智能化的航班运行优化辅助决策等综合业务支撑。

目前中外相关系统在工程化应用、示范验证以及系统研制都有一定进展。相比之下,美国和欧洲的空管科研机构在系统工程化应用方面已取得显著进展,并持续推动各类先进系统的研发和示范验证。相反,中国在空管领域虽然业务需求较为明确,且理论研究相对丰富,但在新技术和新方法的实践研究方面仍显薄弱,整体上处于跟跑阶段。从系统集成算法方面,理论与系统之间的衔接具有较大差距。现有大多数系统所集成的模型,针对进离场航班的过点时间和序列安排,通常依赖经验型数据或按照航班优先级顺序排序。尽管这种方法的复杂度较低,但只能提供一组可行的调度策略,容易导致不必要的时隙资源浪费。从系统应用角度,大多数系统应用的效果并不理想,主要原因在于调度过程中未能充分考虑管制人员的工作习惯、意图和行为特征。调度系统通常基于标准化的流程和算法,但忽略了管制人员在实际操作中的个性化需求和决策逻辑。每位管制员的工作风格和应急反应方式可能有所不同,这种差异在传统的调度系统中往往得不到充分体现,导致系统决策建议与管制员的直觉和经验发生冲突,从而影响系统的执行效果和人员的配合度。

4 技术发展和革新趋势展望

在过去几十年中,中外专家学者在终端管制运行调度领域开展了广泛而深入的研究,以及相关工程化系统研制,有利于推动空中交通运行效率提升。随着航空需求的不断增长和空域资源的日益紧张,终端管制运行调度问题仍然面临诸多挑战。从宏观整体研究趋势而言,未来的研究将继续聚焦于一体化、精细化和智能化决策方向发展。在此背景下,本文的研究可归纳为以下几个方面技术发展趋势。

(1) 多机场进离场与场面一体化运行调度决策:复杂终端管制运行调度是一个典型的复杂系统工程,涉及跑道配置、进场管理、离场管理等多个子系统。然而,现阶段的研究通常将各子系统独立化,决策层面呈现“各自为政”的局面。这种现象的根本原因在于当前的理论模型和系统设计未能充分考虑子系统之间的相互影响,导致只能生成局部业务区域的最优调度策略。然而,在子系统运行衔接过程中,跨主体调度计划容易产生冲突,反而依赖人工调配计划。因此,未来的技术发展需要在有限的计算能力下,系统性地解耦终端区多层次调度策略中的内在逻辑重叠问题,并厘清终端区进离场及场面一体化的运行调度逻辑,构建系统性一体化联动调度模型。

(2) 融入管制意图的精细化调度决策:目前的调度模型大多数依赖算法和固定规则,缺乏对管制员实际操作意图的反馈机制,无法完全反映管制员对某些突发状况的应对策略,导致应用的效果并不理想。因此,为了提升系统的应用效果,必须在设计调度系统时更加注重管制员的个体管制习惯差异。具体地,未来的调度模型应当能够更精准地捕捉和整合管制意图,需要深入到演化机理层面破解复杂调度建模问题,可结合管制经验和管制班组历史个性化画像,充分挖掘管制班组调度干预偏好与适岗表现的交互关系,有效实现辅助调度决策方案推荐的个性化需求。另一方面,当前由于终端管制区运行作业范围广,可能涉及数万平方公里的管制空域,传统以飞行计划为中心的空管自动化系统仅对飞行剖面简单推算,导致关键节点到达时间预测平均精度偏低。传统进场估计时间精度不超过80%,过点时间精细化程度不高导致调度性能下降^[122]。因此,未来还需解决管制意图、环境数据、航空器性能数据等^[123],弱化运行动态变更产生的随机扰动以驱动预测更细粒度、更精准过点态势。

(3) 智能化可解释性-高可信调度决策:人工智能系统依托复杂的算法和深度学习模型,具备自主生成调度决策的能力。然而,空中交通管理领域对安全性有着极高的要求。传统人工智能系统往往呈现“飞行事故记录器”特性,其决策过程缺乏可解释性和透明性,导致其给出的调度建议在实际应用中难以获得管制员的充分信任。由于无法深入理解或准确解释这些智能系统的决策依据,管制员在面对人工智能的建议时,常常持谨慎甚至排斥的态度,不敢轻易采纳。这种不确定性带来的潜在风险和不可预见的安全隐患,使得人工智能在空管调度领域的实际应用受到了一定限制。因此,未来调度决策可聚焦于可解释性人工智能技术,并检查模型所提出的调度策略是否能够被直观理解且逻辑上是合理的。通过详细对比模型输出与人类专家决策,可以进一步探讨模型决策背后的原理,增强对模型的信任度,并为持续反馈优化。

(4)模型高灵活性-多场景自适应调度决策:在空中交通管理这一高度动态且复杂的应用环境中,不同机场、空域结构、跑道运行模式及交通流特性对调度策略提出了差异化要求。具备高灵活性的智能调度模型,能够通过参数配置与约束条件的调整,实现对多种运行场景的快速适配,而无需对模型结构或核心算法进行大规模重构^[124]。该类模型在保持统一技术框架的前提下,可根据不同时段的流量水平、天气条件、空域容量或运行规则,对调度目标权重、约束阈值及优化偏好进行灵活设定,从而生成符合特定场景需求的调度方案。这种“参数可调、框架通用”的设计思路,不仅显著提升了模型在复杂多变空管场景中的适用性与扩展性,也降低了系统部署与维护成本,为智能调度技术在不同机场和空域环境中的推广应用奠定了基础。

5 结论

聚焦于终端管制运行调度问题,从业务运行角度出发,将该问题细化为以枢纽机场为核心的进近优化调度问题和以终端区统筹协调为目标的多机场终端区优化调度问题。并且按照研究侧重点归纳出六类具体子问题,从理论研究和工程化实践方面展开较为全面的综述,论述了研究重难点和进一步研究方向,为中国下一代空管自动化核心技术开发提供新路线,为当前多机场终端区/机场群新体制建设提供新思路,并促使形成以数字驱动为核心的终端管制区交通流精细化控制能力。

现有运行模式正向“多机场内部协同”至“多机场空地协同”演变。然而,面向未来势必会从“多机场空地协同”向“机场群区域级协同”演变。作为机场群运行则更加复杂,受多元约束限制更多,内部动态统筹优化能力需求更高。中国率先从业务层面角度实现对机场群运行进行前沿性探索。近期,中国正在积极推进区域运管委/区域运协委建设,目前分别形成京津冀区域运协委、成渝区域运协委、粤港澳大湾区区域运管委,主要负责与多机场终端区或大型机场群内各枢纽机场和重要航司协调,通过周期性协同会商,实现交通流协同控制、空域资源容量动态调整、航班量减调或跨机场调时等业务流程。区域运管委/运协委建设是特别能彰显出中国空管运行特点的重大机制改革,也标志中国从多机场内部协同向机场群区域级协同的演变趋势,这也是中国相比于欧美国家最大的优势。然而,由于中国空管技术发展较为缓慢,导致在此运行模式下仍严重依赖人工经验,该模式下的优势未被充分挖掘。因此,在后续研究中不仅要解决上述理论问题,技术层面要进一步结合中国区域级运管委的特色运行模式,让新调度技术为区域运管委建设提供科技支撑,实现区域大层级协同运行、共同发展,提升区域航班正常管理水平,持续促进中国民航高质量发展。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Kaçar E, Çetek F A, Dönmez K. Analysing complexity in approach control units of metroplex airspaces: insights from air traffic controllers[J]. The Aeronautical Journal, 2025: 1-18.

[2]	杨爱文, 曾维理, 丁聪, 等. 机场终端区航空器进离港排序研究综述[J]. 航空计算技术, 2021, 51(3): 126-130.

[3]	Yang Aiwen, Zeng Weili, Ding Cong, et al. Overview of research on aircraft arrival and departure sequencing[J]. Aeronautical Computing Technique, 2021, 51(3): 126-130.

[4]	江灏, 刘继新. 进离场航班优化调度研究综述[J]. 航空计算技术, 2021, 51(4): 130-134.

[5]	Jiang Hao, Liu Jixin. Survey review of arrival and departure flight optimal scheduling[J]. Aeronautical Computing Technique, 2021, 51(4): 130-134.

[6]	唐鑫磊, 沈堤, 张哲, 等. 飞机进离场优化排序研究进展分析[J]. 航空计算技术, 2022, 52(2): 130-134.

[7]	Tang Xinlei, Shen Di, Zhang Zhe, et al. Analysis on research progress of aircraft arrival and departure optimization sequencing[J]. Aeronautical Computing Technique, 2022, 52(2): 130-134.

[8]	侯昌波, 夏朝禹, 田文, 等. 机场群一体化运行: 集成进离场与场面运行技术研究综述[J]. 科学技术与工程, 2023, 23(12): 4943-4957.

[9]	Hou Changbo, Xia Chaoyu, Tian Wen, et al. Integrated operation of Metroplex: a review of integrated arrival and departure and surface operations technology[J]. Science Technology and Engineering, 2023, 23(12): 4943-4957.

[10]	Ng K K H, Lee C K M, Chan F T S, et al. Review on meta-heuristics approaches for airside operation research[J]. Applied Soft Computing, 2018, 66: 104-133.

[11]	Bennell J A, Mesgarpour M, Potts C N. Airport runway scheduling[J]. Annals of Operations Research, 2013, 204: 249-270.

[12]	张竞予, 桑保华, 田勇. 近距平行跑道尾流间隔研究方法综述[J]. 中国民航飞行学院学报, 2023, 34(1): 5-10.

[13]	Zhang Jingyu, Sang Baohua, Tian Yong. Review of research methods on wake separation of closely spaced parallel runways[J]. Journal of Civil Aviation Flight University of China, 2023, 34(1): 5-10.

[14]

Tyagi A, Wieland F. The design and optimization of a combined arrival-departure scheduler[C] // 12th AIAA Aviation Technology, Integration, and Operations (ATIO) Conference and 14th AIAA/ISSMO Multidisciplinary Analysis and Optimization Conference. Indianapolis: Aerospace Research Central, 2012: 5697.

[15]	Xu B, Ma W, Huang H, et al. Weighted constrained position shift model for aircraft arrival sequencing and scheduling problem[J]. Asia-Pacific Journal of Operational Research, 2016, 33(4): 1650028.

[16]	Malik W, Lee H, Jung Y C. Runway scheduling for Charlotte Douglas international airport[C] // 16th AIAA Aviation Technology, Integration, and Operations Conference. Washington: The American Institute of Aeronautics and Astronautics, 2016: 4073.

[17]	Ma J, Sbihi M, Delahaye D. Optimization of departure runway scheduling incorporating arrival crossings[J]. International Transactions in Operational Research, 2021, 28(2): 615-637.

[18]	Hancerliogullari G, Rabadi G, Al-Salem A H, et al. Greedy algorithms and metaheuristics for a multiple runway combined arrival-departure aircraft sequencing problem[J]. Journal of Air Transport Management, 2013, 32: 39-48.

[19]	Ghoniem A, Farhadi F, Reihaneh M. An accelerated branch-and-price algorithm for multiple-runway aircraft sequencing problems[J]. European Journal of Operational Research, 2015, 246(1): 34-43.

[20]	王世豪, 杨红雨, 李玉贞, 等. 基于精英存档自适应微分进化算法的多跑道独立进近排序[J]. 工程科学与技术, 2017, 49(3): 153-161.

[21]	Wang Shihao, Yang Hongyu, Li Yuzhen, et al. Multi-runways independent approach scheduling using self-adaptive differential evolution algorithm with elite archive[J]. Advanced Engineering Sciences, 2017, 49(3): 153-161.

[22]	尹嘉男, 邓松武, 王鹏, 等. 考虑航空排放的机场跑道隔离运行优化调度[J]. 航空计算技术, 2022, 52(6): 1-5.

[23]	Yin Jianan, Deng Songwu, Wang Peng, et al. Optimized scheduling for segregated operations in airport runway system considering aviation emissions[J]. Aeronautical Computing Technique, 2022, 52(6): 1-5.

[24]	Ghoniem A, Sherali H D, Baik H. Enhanced models for a mixed arrival-departure aircraft sequencing problem[J]. INFORMS Journal on Computing, 2014, 26(3): 514-530.

[25]	Xia C, Wu Z, Yang C, et al. Combining arrival-departure scheduling with runway configuration mode switches[C]// 2023 IEEE 5th International Conference on Civil Aviation Safety and Information Technology (ICCASIT). Dali: Institute of Electrical and Electronics Engineers, 2023: 399-403.

[26]	Chandrasekar S, Hwang I. Algorithm for optimal arrival and departure sequencing and runway assignment[J]. Journal of Guidance, Control, and Dynamics, 2015, 38(4): 601-613.

[27]	Ng K K H, Lee C K M, Chan F T S, et al. Robust aircraft sequencing and scheduling problem with arrival/departure delay using the min-max regret approach[J]. Transportation Research Part E: Logistics and Transportation Review, 2017, 106: 115-136.

[28]	Ng K K H, Lee C K M, Zhang S Z, et al. The impact of heterogeneous arrival and departure rates of flights on runway configuration optimization[J]. Transportation Letters, 2022, 14(3): 215-226.

[29]	Solak S, Solveling G, Clarke J P B, et al. Stochastic runway scheduling[J]. Transportation Science, 2018, 52(4): 917-940.

[30]	夏朝禹, 刘卫东, 胡明华, 等. 飞行区进离场航班跑道和滑行道双层协同优化调度方法[J]. 交通信息与安全, 2024, 42(5): 42-53.

[31]	Xia Chaoyu, Liu Weidong, Hu Minghua, et al. A bi-layer coordinated optimization scheduling method of runway and taxiway for arriving and departing flights in airfield area[J]. Journal of Transport Information and Safety, 2024, 42(5): 42-53.

[32]	Xia C Y, Wen Y, Hu M, et al. Microscopic-level collaborative optimization framework for integrated arrival-departure and surface operations: integrated runway and taxiway aircraft sequencing and scheduling[J]. Aerospace, 2024, 11(12): 1042.

[33]	马晓萱, 张军峰, 朱玲. 复杂多跑道机场离场运行的动态协同调度[J]. 交通运输工程与信息学报, 2024, 22(4): 154-165.

[34]	Ma Xiaoxuan, Zhang Junfeng, Zhu Lin. Dynamic collaborative scheduling of departure operations of complex multi-runway airport[J]. Journal of Transportation Engineering and Information, 2024, 22(4): 154-165.

[35]	吴维, 魏明, 叶志坚, 等. 考虑相邻跑道干扰的多目标进离场航班排序优化模型[J]. 科学技术与工程, 2021, 21(6): 2512-2517.

[36]	Wu Wei, Wei Ming, Ye Zhijian, et al. An optimization model for inbound and outbound flight scheduling with consideration of interference in the adjacent runways[J]. Science Technology and Engineering, 2021, 21(6): 2512-2517.

[37]	孙博, 魏明. 不确定跑道入侵情景下的进离场航班排序优化模型[J]. 运筹与管理, 2024, 33(7): 44-50.

[38]	Sun Bo, Wei Ming. Novel optimization model for inbound and outbound flight sequencing under uncertain runway invasion scenario[J]. Operations Research and Management Science, 2024, 33(7): 44-50.

[39]	孙博, 魏明. 考虑跑道入侵的进离场航班排序优化模型[J]. 工业工程与管理, 2022, 27(4): 16-21.

[40]	Sun Bo, Wei Ming. An optimization model for inbound and outbound flight scheduling with consideration of runway incursions[J]. Industrial Engineering and Management, 2022, 27(4): 16-21.

[41]	马霁, 郭凯旋. 基于改进模拟退火算法的航班进场排序优化[J]. 科学技术与工程, 2025, 25(32): 14045-14052.

[42]	Ma Qi, Guo Kaixuan. Flight approach sequencing optimization based on improved simulated annealing algorithm[J]. Science Technology and Engineering, 2025, 25(32): 14045-14052.

[43]	Bae S, Shin H S, Lee C H, et al. A new multiple flights routing and scheduling algorithm in terminal manoeuvring area[C]// 2018 IEEE/AIAA 37th Digital Avionics Systems Conference (DASC). London: Institute of Electrical and Electronics Engineers, 2018: 1-9.

[44]

Desai J, Prakash R. An optimization framework for terminal sequencing and scheduling: the single runway case[C]// Complex Systems Design & Management Asia: Smart Nations-Sustaining and Designing: Proceedings of the Second Asia-Pacific Conference on Complex Systems Design & Management. Singapore: Springer International Publishing, 2016: 195-207.

[45]	Huo Y. Optimization of arrival air traffic in the terminal area and in the extended airspace[D]. Toulouse: Université Paul Sabatier-Toulouse III, 2022.

[46]	Huo Y, Delahaye D, Sbihi M. A probabilistic model based optimization for aircraft scheduling in terminal area under uncertainty[J]. Transportation Research Part C: Emerging Technologies, 2021, 132: 103374.

[47]	Huo Y, Delahaye D, Sbihi M. A dynamic control method for extended arrival management using enroute speed adjustment and route change strategy[J]. Transportation Research Part C: Emerging Technologies, 2023, 149: 104064.

[48]	Khassiba A, Cafieri S, Bastin F, et al. Two-stage stochastic programming models for the extended aircraft arrival management problem with multiple pre-scheduling points[J]. Transportation Research Part C: Emerging Technologies, 2022, 142: 103769.

[49]	Ng K K H, Lee C K M, Chan F T S, et al. A two-stage robust optimisation for terminal traffic flow problem[J]. Applied Soft Computing, 2020, 89: 106048.

[50]	Ng K K H, Lee C K M, Chan F T S. An alternative path modelling method for air traffic flow problem in near terminal control area[C]// 2019 2nd International Conference on Intelligent Autonomous Systems (ICoIAS). Singapore: Institute of Electrical and Electronics Engineers, 2019: 171-174.

[51]	Ng K H. Robust optimisation approaches to airside operations in terminal manoeuvring areas[D]. Hong Kong: The Hong Kong Polytechnic University, 2019.

[52]	Ng K K H, Chen C H, Lee C K M. Mathematical programming formulations for robust airside terminal traffic flow optimisation problem[J]. Computers & Industrial Engineering, 2021, 154: 107119.

[53]	Çeçen R K, Çetek F A. Optimising aircraft arrivals in terminal airspace by mixed integer linear programming model[J]. The Aeronautical Journal, 2020, 124(1278): 1129-1145.

[54]	Samà M, D’Ariano A, D’Ariano P, et al. Air traffic optimization models for aircraft delay and travel time minimization in terminal control areas[J]. Public Transport, 2015, 7: 321-337.

[55]

Samà M, D’Ariano A, Pacciarelli D, et al. Optimal aircraft scheduling and flight trajectory in terminal control areas[C]// 2017 5th IEEE International Conference on Models and Technologies for Intelligent Transportation Systems (MT-ITS). Naples: Institute of Electrical and Electronics Engineers, 2017: 285-290.

[56]	Sama M, D’Ariano A, Corman F, et al. Metaheuristics for efficient aircraft scheduling and re-routing at busy terminal control areas[J]. Transportation Research Part C: Emerging Technologies, 2017, 80: 485-511.

[57]	张军峰, 王菲, 葛腾腾. 基于分支定界法的进场航空器动态排序与调度[J]. 系统仿真学报, 2016, 28(8): 1909-1914.

[58]	Zhang Junfeng, Wang Fei, Ge Tengteng. Dynamic arrival sequencing & scheduling based on branch & bound algorithm[J]. Journal of System Simulation, 2016, 28(8): 1909-1914.

[59]	张军峰, 游录宝, 杨春苇, 等. 基于多目标帝国竞争算法的进场排序与调度[J]. 航空学报, 2021, 42(6): 475-487.

[60]	Zhang Junfeng, You Lubao, Yang Chunwei, et al. arrival sequencing and scheduling based on multi-objective imperialist competitive algorithm[J]. Acta Aeronautica et Astronautica Sinica, 2021, 42(6): 475-487.

[61]	张军峰, 马曌, 杜卓铭, 等. 多跑道混合运行模式进场航班动态鲁棒调度[J]. 航空学报, 2025, 46(7): 284-297.

[62]	Zhang Junfeng, Ma Zhao, Du Zhuoming, et al. Dynamic robust scheduling of aircraft arrival in multi-runway mixed operation mode[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(7): 284-297.

[63]	张兆宁, 刘珂璇. 基于替代航路的进场航班排序优化方法[J]. 数学的实践与认识, 2019, 49(12): 191-198.

[64]	Zhang Zhaoning, Liu Kexuan. Optimization method for arrival flight sequencing based on alternative routes[J]. Mathematics in Practice and Theory, 2019, 49(12): 191-198.

[65]	杜卓铭, 张军峰, 归旭豪. 繁忙终端空域连续爬升与下降运行的调度优化[J]. 北京航空航天大学学报, 2025, 51(9): 3193-3202.

[66]	Du Zhuoming, Zhang Junfeng, Gui Xuhao. Scheduling optimization for continuous climb and descend operations in the busy terminal area[J]. Journal of Beijing University of Aeronautics and Astronautics, 2025, 51(9): 3193-3202.

[67]	杜卓铭, 张军峰, 杨春苇. 基于分类与优化的进场航空器调度方法[J]. 南京航空航天大学学报, 2023, 55(6): 1065-1071.

[68]	Du Zhuoming, Zhang Junfeng, Yang Chunwei. Arrival scheduling based on classification and optimization[J]. Journal of Nanjing University of Aeronautics & Astronautics, 2023, 55(6): 1065-1071.

[69]	吴睿, 乐美龙. 考虑优先级的终端区进离场航班排序研究[J]. 交通科学与工程, 2025, 41(4): 69-78.

[70]	Wu Rui, Le Meilong. Research on arrival and departure flights sequencing in terminal maneuvering area considering priorities[J]. Journal of Transport Science and Engineering, 2025, 41(4): 69-78.

[71]	赵向领, 周志亮. 基于混合整数规划的终端区柔性进场航迹优化[J]. 北京航空航天大学学报, 2025, 51(4): 1127-1142.

[72]	Zhao Xiangling, Zhou Zhiliang. Flexible arrival trajectory optimization at terminal airspace based on mixed integer programming[J]. Journal of Beijing University of Aeronautics and Astronautics, 2025, 51(4): 1127-1142.

[73]	宋祥波, 牟磊, 杨越. 基于进场程序选择的进场航空器航迹规划[J]. 中国民航大学学报, 2021, 39(1): 6-10.

[74]	Song Xiangbo, Mou Lei, Yang Yue. Arrival aircraft route planning based on arrival procedure selection[J]. Journal of Civil Aviation University of China, 2021, 39(1): 6-10.

[75]	乐美龙, 吴宪晟, 胡钰明. 基于滚动时域控制的多路径进场航班排序优化[J]. 北京航空航天大学学报, 2023, 49(12): 3222-3229.

[76]	Le Meilong, Wu Xiansheng, Hu Yuming. Arrival flights optimal sequencing with multi-path selection based on rolling horizon control[J]. Journal of Beijing University of Aeronautics and Astronautics, 2023, 49(12): 3222-3229.

[77]	康瑞, 杨敏, 林子怡, 等. 基于EoR运行的进场航班排序优化[J]. 科学技术与工程, 2025, 25(19): 8289-8296.

[78]	Kang Rui, Yang Min, Lin Ziyi, et al. Arrival flight sequencing optimization based on eor operation[J]. Science Technology and Engineering, 2025, 25(19): 8289-8296.

[79]	Aydoğan E, Çetek C. Point merge concept for en route air traffic flow management[J]. Journal of Aircraft, 2018, 55(6): 2203-2216.

[80]	田勇, 梁满佳, 徐灿, 等. 点融合程序研究进展[J]. 科学技术与工程, 2023, 23(8): 3141-3152.

[81]	Tian Yong, Liang Manjia, Xu Can, et al. Review of progress in studying the point merge[J]. Science Technology and Engineering, 2023, 23(8): 3141-3152.

[82]

Hong Y, Lee S, Lee K, et al. Optimal scheduling algorithm for air traffic point merge system using milp[C]//Advances in Aerospace Guidance, Navigation and Control:Selected Papers of the Fourth CEAS Specialist Conference on Guidance, Navigation and Control Held in Warsaw. Cham: Springer International Publishing, 2017: 407-420.

[83]	Hong Y, Choi B, Lee K, et al. Dynamic robust sequencing and scheduling under uncertainty for the point merge system in terminal airspace[J]. IEEE Transactions on Intelligent Transportation Systems, 2017, 19(9): 2933-2943.

[84]	Hong Y, Choi B, Kim Y. Two-stage stochastic programming based on particle swarm optimization for aircraft sequencing and scheduling[J]. IEEE Transactions on Intelligent Transportation Systems, 2018, 20(4): 1365-1377.

[85]	Lee S, Hong Y, Kim Y. Optimal scheduling algorithm in point merge system including holding pattern based on mixed-integer linear programming[J]. Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering, 2020, 234(10): 1638-1647.

[86]	Çeçen R K, Cetek C, Kaya O. Aircraft sequencing and scheduling in TMAs under wind direction uncertainties[J]. The Aeronautical Journal, 2020, 124(1282): 1896-1912.

[87]	Liang M, Delahaye D, Maréchal P. A framework of point merge-based autonomous system for optimizing aircraft scheduling in busy TMA[C]// SID 2015, 5th SESAR Innovation Days. Bologna: SESAR, 2015: 1-8.

[88]	Liang M, Delahaye D, Marechal P. Conflict-free arrival and departure trajectory planning for parallel runway with advanced point-merge system[J]. Transportation Research Part C: Emerging Technologies, 2018, 95: 207-227.

[89]	Liang M, Delahaye D, Maréchal P. Integrated sequencing and merging aircraft to parallel runways with automated conflict resolution and advanced avionics capabilities[J]. Transportation Research Part C: Emerging Technologies, 2017, 85: 268-291.

[90]	张军峰, 游录宝, 周铭, 等. 基于点融合系统的多目标进场排序与调度[J]. 北京航空航天大学学报, 2023, 49(1): 66-73.

[91]	Zhang Junfeng, You Lubao, Zhou Ming, et al. Multi-objective arrival sequencing and scheduling based on point merge system[J]. Journal of Beijing University of Aeronautics and Astronautics, 2023, 49(1): 66-73.

[92]	王宁, 翟文鹏. 基于点融合的多跑道进场航班排序[J]. 交通信息与安全, 2021, 39(6): 108-116.

[93]	Wang Ning, Zhai Wenpeng. A method based on point fusion procedure for scheduling arrival flights on multiple runways[J]. Journal of Transport Information and Safety, 2021, 39(6): 108-116.

[94]	王莉莉, 熊子睿, 唐振威. 增强鲁棒性的点融合系统进场排序与调度[J]. 中国民航大学学报, 2024, 42(4): 43-49.

[95]	Wang Lili, Xiong Zirui, Tang Zhenwei. Arrival sequencing and scheduling based on point merge system with enhanced robustness[J]. Journal of Civil Aviation University of China, 2024, 42(4): 43-49.

[96]	白鹏, 陈彦州, 张召悦, 等. 基于优化点融合系统的进场航班排序研究[J]. 计算机仿真, 2024, 41(11): 11-17, 490.

[97]	Bai Peng, Chen Yanzhou, Zhang Zhaoyue, et al. Research on arrival flight sequencing based on optimized point merge system[J]. Computer Simulation, 2024, 41(11): 11-17, 490.

[98]	夏正洪, 方鹏越, 王楚皓, 等. 点融合系统航班进场排序优化元胞自动机模型[J]. 计算机工程与设计, 2024, 45(8): 2555-2561.

[99]	Xia Zhenghong, Fang Pengyue, Wang Chuhao, et al. Cellular automata for optimizing aircraft arrival sequencing in point merge system[J]. Computer Engineering and Design, 2024, 45(8): 2555-2561.

[100]

张洪海, 汤一文, 许炎. TBO模式下终端区进场交通流优化模型与仿真分析[J]. 航空学报, 2020, 41(7): 325-338.

[101]

Zhang Honghai, Tang Yiwen, Xu Yan. Optimizing arrival traffic flow in airport terminal airspace under trajectory-based operations[J]. Acta Aeronautica et Astronautica Sinica, 2020, 41(7): 325-338.

[102]

Ma J, Delahaye D, Sbihi M, et al. Integrated optimization of arrival, departure, and surface operations[C]// ICRAT 2018, 8th International Conference for Research in Air Transportation. Barcelona: EUROCONTROL, 2018: 01823188.

[103]

Chen J, Sun D. Stochastic ground-delay-program planning in a metroplex[J]. Journal of Guidance, Control, and Dynamics, 2018, 41(1): 231-239.

[104]

Khadilkar H, Balakrishnan H. Integrated control of airport and terminal airspace operations[J]. IEEE Transactions on Control Systems Technology, 2015, 24(1): 216-225.

[105]

Li Z, Cai K, Zhao P. Departure scheduling for multi-airport system using multi-agent reinforcement learning[C]// 2023 IEEE/AIAA 42nd Digital Avionics Systems Conference (DASC). Barcelona: Institute of Electrical and Electronics Engineers, 2023: 1-9.

[106]

Cai K, Li Z, Guo T, et al. Multiairport departure scheduling via multiagent reinforcement learning[J]. IEEE Intelligent Transportation Systems Magazine, 2023, 16(2): 102-116.

[107]

Liu S, Wang S, Hu M, et al. Allocating new slots in a multi-airport system based on capacity expansion[J]. Aerospace, 2024, 11(12): 1000.

[108]

Li Y, Liu Y. Multi-airport system flight slot optimization method based on absolute fairness[J]. Mathematical Biosciences and Engineering, 2023, 20(10): 17919-17948.

[109]

Liu C, Liao C, Hang X, et al. Slot allocation in a multi-airport system under flying time uncertainty[J]. Transactions of the Japan Society for Aeronautical and Space Sciences, 2024, 67(3): 127-135.

[110]

Liu M, Sun Z, Zhang X, et al. A two-stage no-wait hybrid flow-shop model for the flight departure scheduling in a multi-airport system[C]// 2017 IEEE 14th International Conference on Networking, Sensing and Control (ICNSC). Calabria: Institute of Electrical and Electronics Engineers, 2017: 495-500.

[111]

Wang Y, Liu C, Wang H, et al. Slot allocation for a multiple-airport system considering airspace capacity and flying time uncertainty[J]. Transportation Research Part C: Emerging Technologies, 2023, 153: 104185.

[112]

王莉莉, 顾秋丽, 张兆宁. 多机场地面等待动态建模及其算法研究[J]. 科学技术与工程, 2013, 13(20): 5878-5882.

[113]

Wang Lili, Gu Qiuli, Zhang Zhaoning. Dynamic modeling of ground waiting at multiple airports and algorithm research[J]. Science Technology and Engineering, 2013, 13(20): 5878-5882.

[114]

向征, 张义朋, 张文军, 等. 基于管制移交的多机场终端区离港航班时刻优化[J]. 科学技术与工程, 2021, 21(22): 9628-9633.

[115]

Xiang Zheng, Zhang Yipeng, Zhang Wenjun, et al. Slot optimization of departure flights in multi-airport terminal area based on air traffic control(ATC) handover regulations[J]. Science Technology and Engineering, 2021, 21(22): 9628-9633.

[116]

王兴隆, 石宗北, 纪君柔. 基于时空特征的终端区多机场航班时刻优化[J]. 计算机仿真, 2022, 39(11): 47-52, 84.

[117]

Wang Xinglong, Shi Zongbei, Ji Junrou. Optimization of multi-airport flight schedule in terminal area based on spatiotemporal characteristics[J]. Computer Simulation, 2022, 39(11): 47-52, 84.

[118]

张菁, 路紫, 董雅晴. 京津石MAS终端空域航空流动态分析及其应用展望[J]. 地理与地理信息科学, 2019, 35(5): 73-79, 117.

[119]

Zhang Jing, Lu Zi, Dong Yaqing. Dynamic analysis of air passenger flow in Jing-Jin-Ji MASTerminal airspace and its application prospects[J]. Geography and Geo-Information Science, 2019, 35(5): 73-79, 117.

[120]

张兆宁, 刘泽铧. 考虑机场、航空公司与空管需求的机场群离场航班时刻优化[J]. 科学技术与工程, 2024, 24(9): 3896-3903.

[121]

Zhang Zhaoning, Liu Zhehua. Airport group departure flight schedule optimization by considering the needs of airports, airlines and air control[J]. Science Technology and Engineering, 2024, 24(9): 3896-3903.

[122]

卓健, 夏朝禹, 文亚淼, 等. 机场群一体化运行—区域协同运行方案研究[J]. 综合运输, 2025, 47(10): 15-24.

[123]

Zhuo Jian, Xia Zhaoyu, Wen Yasen, et al. Integrated operation of metroplex-A review of regional co-operation schemes[J]. Comprehensive Transportation, 2025, 47(10): 15-24.

[124]

Xue M, Zelinski S. Optimal integration of departures and arrivals in terminal airspace[J]. Journal of Guidance, Control, and Dynamics, 2014, 37(1): 207-213.

[125]

Xue M, Zelinski S. Integrated arrival-and departure-schedule optimization under uncertainty[J]. Journal of Aircraft, 2015, 52(5): 1437-1443.

[126]

Xue M, Zelinski S. Dynamic stochastic scheduler for integrated arrivals and departures[C]// 2014 IEEE/AIAA 33rd Digital Avionics Systems Conference (DASC). Colorado: Institute of Electrical and Electronics Engineers, 2014: 1A2-1-1A2-9.

[127]

McClain E J. Metroplex identification, evaluation, and optimization[D]. Atlanta: Georgia Institute of Technology, 2013.

[128]

Barea A, de Celis R, Cadarso L. Integration of airport terminal arrival route selection, runway assignment and aircraft trajectory optimisation[J]. Transportation Research Procedia, 2020, 47: 299-306.

[129]

[130]

Ma J, Delahaye D, Sbihi M, et al. Integrated optimization of terminal maneuvering area and airport at the macroscopic level[J]. Transportation Research Part C: Emerging Technologies, 2019, 98: 338-357.

[131]

Ma Y, Hu Y, Li H, et al. Aircraft rerouting and rescheduling in multi-airport terminal area under disturbed conditions[C]// MATEC Web of Conferences. Lisbon: EDP Sciences, 2020, 309: 03021.

[132]

Zhao X, Wang Y, Li L, et al. A queuing network model of a multi-airport system based on point-wise stationary approximation[J]. Aerospace, 2022, 9(7): 390.

[133]

胡明华, 马园园, 田文, 等. 复杂终端区进场交通流优化排序方法研究[J]. 南京航空航天大学学报, 2015, 47(4): 459-466.

[134]

Hu Minghua, Ma Yuanyuan, Tian Wen, et al. Optimized sequencing and scheduling approach for arrival traffic flow at complex terminal area[J]. Journal of Nanjing University of Aeronautics & Astronautics, 2015, 47(4): 459-466.

[135]

马园园, 胡明华, 张洪海, 等. 多机场终端区进场航班协同排序方法[J]. 航空学报, 2015, 36(7): 2279-2290.

[136]

Ma Yuanyuan, Hu Minghua, Zhang Honghai, et al. Optimized method for collaborative arrival sequencing and scheduling in metropolitan terminal area[J]. Acta Aeronautica et Astronautica Sinica, 2015, 36(7): 2279-2290.

[137]

马园园, 胡明华, 尹嘉男, 等. 多机场终端区进离场交通流协同排序方法[J]. 航空学报, 2017, 38(2): 225-237.

[138]

Ma Yuanyuan, Hu Minghua, Yin Jianan, et al. Collaborative sequencing and scheduling method for arrival and departure traffic flow in multi-airport terminal area[J]. Acta Aeronautica et Astronautica Sinica, 2017, 38(2): 225-237.

[139]

张建平. 基于协同决策的进离场和场面一体化管理系统研究[J/OL]. (2022-01-07)[2025-04-30]. https://att.caacnews.com.cn/mhfzzcgjyxb/mhfzzcgjyxb3th/202201/t20220107_60538.html.

[140]

Zhang Jianping. Research on integrated management system of arrival-departure and airport surface based on collaborative decision making[J/OL].(2022-01-07)[2025-04-30]. https://att.caacnews.com.cn/mhfzzcgjyxb/mhfzzcgjyxb3th/202201/t20220107_60538.html.P309.

[141]

王莉莉, 张潇潇. 多机场协同决策进离场航班排序模型及算法研究[J]. 飞行力学, 2016, 34(1): 90-94.

[142]

Wang Lili, Zhang Xiaoxiao. Modeling and algorithm of arrival and departing aircraft sequencing in multi-airport terminal area collaborative decision[J]. Flight Dynamics, 2016, 34(1): 90-94.

[143]

王莉莉, 林雍雅. 机场群共用航路点的航班排序模型及算法[J]. 交通信息与安全, 2021, 39(5): 93-99, 136.

[144]

Wang Lili, Lin Yongya. Aircraft sequencing modeling and algorithm for shared waypoints in airport group[J]. Journal of Transport Information and Safety, 2021, 39(5): 93-99, 136.

[145]

杨新湦, 王梓旭, 王茜. 基于航班评价的多机场系统流量应急管理策略[J]. 中国科技论文, 2019, 14(6): 675-679.

[146]

Yang Xinsheng, Wang Zhixu, Wang Qian. Traffic emergency management strategy of multi-airports system based on flight evaluation[J]. China Science Paper, 2019, 14(6): 675-679.

[147]

Capozzi B, Atkinsy S, Choi S. Towards optimal routing and scheduling of metroplex operations[C]// 9th AIAA Aviation Technology, Integration, and Operations Conference (ATIO). Hilton: Aerospace Research Central, 2009: 21-23.

[148]

Capozzi B, Atkins S. A hybrid optimization approach to air traffic management for metroplex operations[C]// 10th AIAA Aviation Technology, Integration, and Operations (ATIO) Conference. Texas: Aerospace Research Central, 2010: 9062.

[149]

Ng W, Ribeiro N A, Jorge D. An optimization approach for the terminal airspace scheduling problem[J]. Transportation Research Part C: Emerging Technologies, 2024, 169: 104856.

[150]

Zhang H, Yang X, Fan W, et al. Guidance control strategy for air traffic flow in terminal areas[J]. Advances in Mechanical Engineering, 2016, 8(10): 1687814016674630.

[151]

Liu J, Jiang H, Zeng W, et al. Integrated scheduling model for arrivals and departures in metroplex terminal area[J]. arXiv Preprint, arXiv: 2502. 12196, 2025.

[152]

Xia C, Hu M, Zhu X, et al. Macroscopic-level collaborative optimization framework for IADS: multiple-route terminal maneuvering area scheduling problem[J]. Aerospace, 2025, 12(7): 639.

[153]

夏朝禹, 刘卫东, 胡明华, 等. 考虑速度控制和等待程序利用的终端区空域运行优化[J]. 交通运输工程与信息学报, 2025, 23(2): 171-188.

[154]

Xia Chaoyu, Liu Weidong, Hu Minghua, et al. Terminal area airspace operation optimization with consideration of speed control and utilization of holding[J]. Journal of Transportation Engineering and Information, 2025, 23(2): 171-188.

[155]

向征, 袁博轩, 刘玥琳. 基于多目标融合及改进遗传算法的终端区进场协同排序[J]. 科学技术与工程, 2022, 22(29): 13104-13113.

[156]

Xiang Zheng, Yuan Boxuan, Liu Yuelin. Collaborative sequencing of arrival flights in terminal area based on multi-objective fusion and improved genetic algorithm[J]. Science Technology and Engineering, 2022, 22(29): 13104-13113.

[157]

张洪海, 胡勇, 杨磊, 等. 多机场终端区进场交通流建模与仿真分析[J]. 交通信息与安全, 2015, 33(1): 105-112.

[158]

Zhang Honghai, Hu Yong, Yang Lei, et al. Modeling and simulation analysis of approaching traffic flow of multi-airport airspace[J]. Journal of Transport Information and Safety, 2015, 33(1): 105-112.

[159]

朱秀莹, 夏朝禹, 郭春波, 等. 集成进离场与场面一体化运行系统研究与设计[J]. 民航学报, 2025, 9(4): 42-47.

[160]

Zhu Xiuying, Xia Chaoyu, Guo Chunbo, et al. Research and design of integrated arrival departure and surface operations system[J]. Journal of Civil Aviation, 2025, 9(4): 42-47.

[161]

Sekine K, Tatsukawa T, Fujii K, et al. En route AMAN design toward sustainable arrival traffic operation[C]// Asia-Pacific International Symposium on Aerospace Technology. Singapore: Springer Nature Singapore, 2023: 792-817.

[162]

Coupe W J, Jung Y, Lee H, et al. Scheduling improvements following the phase 1 field evaluation of the ATD-2 integrated arrival, departure, and surface concept[C]// USA/Europe Air Traffic Management Research and Development Seminar (ATM R&D 2019). Prague: ATM Seminar, 2019: ARC-E-DAA-TN68004.

[163]

Santos M, Wieland F, Tang Y. Effects of modeling flight management systems on delays determined for simulated time-based merging and spacing operations[C]// 2012 IEEE/AIAA 31st Digital Avionics Systems Conference (DASC). Williamsburg: Institute of Electrical and Electronics Engineers, 2012: 1-27.

[164]

宋楠. 终端区流量管理引入协同决策的优势探讨[J]. 民航管理, 2022(4): 77-78, 83.

[165]

Song Nan. Discussion on the advantages of CDM in terminal area flow management[J]. Civil Aviation Mangement, 2022(4): 77-78, 83.

[166]

Iwata D, Itoh E. Developing aircraft departure queueing models for a mixed takeoff/landing operational runway[C]// Asia-Pacific International Symposium on Aerospace Technology. Singapore: Springer Nature Singapore, 2023: 555-570.

[167]

Rodríguez-Sanz Á, Claramunt P C, Pérez-Castán J A, et al. Practical implementation of 4D-trajectories in air traffic management: system requirements and time windows monitoring[J]. Aircraft Engineering and Aerospace Technology, 2020, 92(9): 1357-1375.

[168]

Swieringa K A, Wilson S R, Baxley B T, et al. Flight test evaluation of the ATD-1 interval management application[C]// 17th AIAA Aviation Technology, Integration, and Operations Conference. Denver: American Institute of Aeronautics and Astronautics, 2017: 4094.

[169]

Jung Y, Engelland S, Capps R, et al. Airspace technology demonstration 2 (ATD-2) phase 1 concept of use (ConUse)[R]. Washington: National Aeronautics and Space Administration, 2018.

[170]

Isaacson D, Harrison S, Sheth K, et al. ATD-3 dynamic routes for arrivals in weather (DRAW) operational concept, V2.0[R]. Washington: National Aeronautics and Space Administration, 2019.

[171]

文轶, 夏朝禹, 郭春波, 等. 基于误差反馈修正的航班预计到达时刻预测[J]. 科学技术与工程, 2025, 25(6): 2605-2614.

[172]

Wen Yi, Xia Chaoyu, Guo Chunbo, et al. Prediction of estimated time of arrival based on correction with error feedback[J]. Science Technology and Engineering, 2025, 25(6): 2605-2614.

[173]

夏朝禹, 裴锡凯, 钟建华, 等. 压缩感知理论在空管数据处理技术中的应用综述[J]. 电讯技术, 2022, 62(6): 836-844.

[174]

Xia Chaoyu, Pei Xikai, Zhong Jianhua, et al. Application of compressed sensing theory in ATC data processing technology: an overview[J]. Telecommunication Engineering, 2022, 62(6): 836-844.

[175]

Xia C, Hu M, Yan H, et al. Flexible combined arrival-departure aircraft scheduling[J]. Journal of Aerospace Information Systems, 2026, 23(1): 100-118.