ارائه‌‌ی روشی نوین برای کنترل هوشمند فرود هواپیماها در فرودگاه‌های متراکم

امروزه با توجه به مزایای متعدد سفرهای هوایی از جمله راحتی، آسایش، سرعت و امنیت بالا، ترافیک هوایی رشد چشمگیری داشته است و انتظار می رود این نرخ رشد در سال های آینده فزآینده تر شود. تراکم ترافیک هوایی و محدودیت های مختلف در توسعه برخی فرودگاه ها سبب شد که مساله کنترل فرود هواپیماها به عنوان یکی از مهم ترین مسائل مطرح در حوزه حمل و نقل هوایی، توجه بسیاری از پژوهشگران را به خود معطوف سازد. در این مقاله، در قالب یک رویکرد هوشمند نوین با اعمال دانشی غنی و موثر به فرآیند بهینه سازی (برای افزایش سرعت همگرایی و قابلیت حذف پاسخ های غیربهینه بدیهی)، از الگوریتم particle swarm optimization with constriction coefficient (cpso) برای مساله کنترل هوشمند فرود هواپیماها استفاده شده است. نتایج شبیه سازی ها نشان می دهند که در مقایسه با روش های قدرتمند ارایه شده قبلی، از جمله روش های مبتنی بر الگوریتم های ژنتیک، بیونومیک، جستجوی scatter و gls، کمینه سازی مجموع تاخیرهای پروازی (هدف اساسی بهینه سازی) به بهترین نحو ممکن تحقق یافته است. به دست آمدن مجموع تاخیرهای پروازی صفر برای دو مساله با داده های واقعی فرودگاه دالاس فورت ورث تگزاس، بیانگر قابلیت بیشتر رویکرد هوشمند پیشنهادی در مقایسه با سایر روش ها در یافتن پاسخ بهینه برای مساله است.

A New Intelligent Airplane Landing Planning Method in Congested Airports

Nowadays considering many advantages of air traveling, we notice that traffic congestion has significantly increased in airspace of countries, and it is expected that this growth rate, increases even more in the forthcoming years.This growth rate and different limitations posed on developing some airports led to the problem of landing airplanes to become one of the most important issues formed in the field of aviation. In this paper, in the form of a new approach based on CPSO algorithm for intelligent landing planning, determining optimal landing times, optimal allocation of runways, and at last the order of successive landings of planes has been done in a way that appropriately fulfills the main goal of the problem (minimizing the total flights delays) thus helping significantly to controlling air traffic congestion in airports approaches. The simulation results show that compared to the last presented methods, including methods based on genetic algorithms, GLS and Bionomic, has decreased the total amounts of flight delays considerably. Getting zero for total amount of flight delays for the two problems with real data of DFW airport in Texas, United States, confirms the more capability of CPSO algorithm compared to the other intelligent methods for obtaining optimal solutions to the problem.