摘 要：文章针对民航空中交通管理专业中近年来发展迅猛的流量管理辅助决策系统，分析了使用遗传算法进行初始控制方案集合的计算的优点与不足，以及使用前景。

　　关键词：空中交通管制；空域；航路、航线；遗传算法；流量管理

　　近年来，随着民航业的快速发展，航班的迅猛增加，旅客运营量的飞速提升，空域资源与运营需求的矛盾凸显。空中交通管制，是为了保障飞行安全和顺畅而生，因此，当其所负责的管制空域或者终端区飞机数量出现超过管制员指挥和保障能力时，就会出现高风险指数，为了保障安全和顺畅，需要将这种风险控制在可接受范围之内，于是空域流量管理便由此而生。

　　大家都知道，在一个管制空域内，同时存在与该空域内的飞机数量，和一段时间将要进入或退出该空域的飞机数量，决定了该管制空域在一段时间内的压力，当压力超过或者预计超过管制部门的负荷能力时，“流控”便应运而生，但是，如何科学地建立针对空域或者终端区流量管理方法，是近年来迫切需要解决的问题，在民航大力发展SMS系统建设的同时，目前有许多基于风险控制理论的空域流量管理辅助决策系统正在被开发，但是在确定最初的控制方案集合方面，即在求解该优化问题最初的解集时，大部分系统采用了传统的经验数据作为初始解集使用，这对于系统的可扩展性以及全局优化的可兼容性其实非常不利。

　　在这里，我提出利用遗传算法来帮助在空域流量管理决策辅助过程中，代替管制员的经验数据寻找初始流量控制方案的想法。

　　首先，假设某管制空域，由数个终端机场，以及数条航路航线构成。将这个空域的所有进出口统一进行编号，为ADCBE等5个进出口，那么该空域对应的进口点5个，出口点5个，用小编号1表示入口，则入口有A1、B1、C1、D1、E1，同样以小编号2表示出口，则出口有A2、B2、C2、D2、E2等5个，总共为10个进出点。

　　当使用风险评估来对该空域做流量管理决策时，我们通常是依靠管制员的工作经验来判断，换言之，并数据化的规则依据，一般情况下，比如上述空域，管制员是通过经验提出针对上述10个进出口点提出流量管理决策，到单纯的减少飞机数量的目的。

　　利用计算机使用遗传算法可以帮助完成这一工作，并且这项技术在该领域拥有非常宽广的拓展空间。

　　作者将上述10个进出口按照开放等级来划分，以表示其控制程度，类似于开关效应，通过控制所有开关的开放大小来控制整个系统中的压力和流量。那么首先需要使用三位二进制编码来表示开关大小，从000开始，到111结束，代表着6个级别的开关范围，从完全关闭到无限制开放。

　　同样按照ABCDE的顺序，将入口放在前面进行排序，那么该空域的进出口无限制状态可以被二进制码表示为：

　　111 111 111 111 111 111 111 111 111 111

　　那么假设，目前管制空域风险压力为P，可接受风险压力为P0，目前已经打算采取一定的流量控制措施，预计其各个进出口开关的状态为：

　　101 111 001 010 111 110 110 010 111 001

　　这组编码，就是遗传算法中的“数字染色体”。作者目的在于，希望通过这样的控制方法，在一段时间内尽可能的将P控制在P0以下。

　　接下来，需要创建100个（或者更多）随机编码组作为基因组，他们每一个，都代表着一种候选的流量控制方法。

　　这个集合被称作初代基因组，而初代基因组里面，有可能包含着最好的解决方案，但有很大一部分估计是根本不可行的方案，接下来要做的工作就是选择适应度函数来对这个基因组的每一个染色体进行适应度评价，接着使用“轮盘法”来对其进行杂交和变异操作，其流程如下：

　　（1）检查每个染色体，看它的可行性如何，并相应的为它分配一个适应性分数。

　　（2）从当前群体中选出两个成员，选出的概率与适应性分数成正比。

　　（3）选择杂交率，从每个选中的染色体中的一个随机确定的点上进行杂交。

　　（4）按照预定的变异率，通过对被选染色体的位的循环，把相应的位实进行翻转。

　　（5）重复2，3，4，知道100个成员的新群体被创建出来。

　　例如，系统随机选出两组编码：

　　（1）101 111 001 010 111 110 110 010 111 001

　　（2）111 101 001 001 110 111 111 111 110 101

　　这里我们使用单点交叉法，在中间的空格位进行杂交后，得到新的两个编码：

　　（1）101 111 001 010 111 111 111 111 110 101

　　（2）111 101 001 001 110 110 110 010 111 001

　　其中第一个按照变异概率在第4位进行了变异，即翻转（0和1互换）：

　　101 011 001 010 111 111 111 111 110 101

　　如果把这个编码按照前面所述的编码规则翻译过来，就是新的代表10个进出口的控制方法。

　　在遗传算法的应用中，杂交率以及变异率和适应度函数是遗传算法中最为重要，但也最难确定的关键性技术问题，到目前为止世界上还没有快速有效的该值的确定规则，杂交率太小，系统将难以“向前搜索”，也就是说，系统需要经历足够长的“进化”过程才能得到想要的结果，而太大则会破环“适应度”规则，变异率太小的话，难以产生新的基因结构，太大会使遗传算法编程单纯的随机搜索。在本问题中，我们通常应该把杂交率定为0.5-0.7之间，变异率确定在0.001。而适应度函数，如果在系统风险评估中，P函数使用到了包含各个空域进出口的开关作为变量，由于该函数的值本身不可能为负，所以就可以直接使用该目标函数作为适应度函数。时代数应选在100至500之间，当个体的适应度不再上升时，算法的迭代过程收敛，循环结束，否则，用经过选择、交叉、变异的新一代群体取代上一代群体并返回到第1步即继续执行。

　　通常情况下，我们可以使用C++编程或者在MATLAB上进行实验来完成上述计算过程，然后将最后得到一组二进制编码，按照前面所述的编码规则，翻译成为各进出口开关的流量控制等级。

　　但是需要注意的是，这只是满足条件的一个方法，并不是最优的流量管理办法，我们可以得到这样一个符合条件的初始解集，然后再将其用于流量管理辅助决策系统进行后续的优化工作，例如结合其它的优化系统，结合空域和航线气象条件，主干道航路航线与支线的影响权重，起飞、目的地机场权重等等影响因素，对上述初始解集再次优化和选择，这样，可以避免因为使用人为的经验数据作为初始解集的误差，以及局限性，提高系统的智能化程度，以及可扩展性，并达到充分节约人力的目的，帮助流量管理辅助决策系统更加智能化的完成任务，并且，在大范围内使用同系统的辅助决策系统时，用遗传算法得到各个管制空域初始流量管理解集将为大范围内的航班的全局优化提供统一的初始数据平台，更加科学有效地减少航班延误以及避免在某一管制地带出现过分拥堵的情况，也为我们个更好的优化航路和航线结构提供了数据支持。

　　参考文献 论文发表 www.17net.net QQ 8651658

　　[1]徐淑坦，孙亮，孙延风，关于遗传算法模式定理的进一步探讨[J].吉林大学学报（信息科学版），2009.

　　[2]周明，孙树栋。遗传算法原理及应用[J].国防工业出版社，2002.

　　[3]Z.米凯利维茨[美].周家驹，何险峰译。演化程序-遗传算法和数据编码的结合[M].科学出版社，2000.