© Оганезов Роберт, группа э-602, ЭФ МГУ
На сегодняшний день одним из наиболее острых вопросов для национальной аэрокосмической системы (НАС) (National Airspace System, NAS) является улучшение системы воздушного трафика. Тем не менее, существующий подход к оценке и планированию деятельности системы воздушного трафика едва ли соответствует современным запросам воздушного трафика и не сможет полноценно выполнять свою роль в дальнейшем. В связи с этим возникает необходимость внедрения новой системы оценивания и планирования, которая смогла бы соответствовать условиям своего времени. Одна из таких систем – система, основанная на агентах (Agent-Based Model) – предложена Shelia R. Conway в статье “An Agent-Based Model for analyzing control policies and the dynamic service-time performance of a capacity-constrained air traffic management facility”.
Одним из ключевых элементов предлагаемой в статье модели являются агенты. Ссылаясь на (Jennings, “On Agent-based software engineering” Artificial Intelligence, 117, pp. 277-296, 2000) и (Jennings and Wooldridge, “Software Agents”, IEEE Review, pp.17-20, January 1996), автор выделяет такие характерные черты агента:
— лица, которые имеют чётко определённые рамки и границы деятельности;- расположены в определённой среде;- стремятся к реализации специфических задач, которые находятся в их компетенции;- автономны (что является их главным отличием от объекта);- в процессе достижения своих целей могут быть как реактивны, так и проактивны.
Автор указывает, что одна из особенностей системы заключается в том, что она учитывает экономические, механические и информационные факторы, а также их взаимодействие между собой. В модели рассматривается спрос на коммерческие рейсы в загруженном аэропорту с упрощённой системой hub-and-spoke. Он состоит из нескольких «банков» полётов, функционирующих на или вне хаба аэропорта. Агент «заказывает» полёт у «банка» и, если вместимость «банка» не превышена, полёт состоится. В случае, если вместимость «банка» превышена, полт будет перенесён. При этом «банки» размещаются в определённом порядке и полёты второго «банка» не состоятся до тех пор, пока не отправятся все рейсы первого «банка», что объясняется ограниченным количеством персонала, оборудования и так далее. Среди других факторов отмечают задержки в связи с погодными условиями, положение рейсов в расписании.
В процессе симуляции при исключённых неконтролируемых зависимых аэропорт безотказно работал до тех пор, пока не превышалась его вместительность.
Симуляция также изучала эффект зависящих от потребителя переменных и их взаимодействие. Результаты оказались различными. В одних случаях наблюдалось небольшой рост задержек, после чего они фиксировались на одном уровне, в то время как в некоторых случаях они росли беспредельно (рис. 1).
Рис 1. Стабильные задержки, не учитываются взаимосзвяи (no inter-flight dependencies, yet non-linear results)
Стабильность была продемонстрирована в тех случаях, когда вместимость аэропорта превышала спрос приблизительно на 10% и не учитывались взаимозависимости полётов (рис. 2).
Рис. 2. Вместимость аэропорта превышала спрос приблизительно на 10% и не учитывались взаимозависимости полётов
Было обнаружено, что наибольшую «чувствительность» система продемонстрировала в плане способности полётов попадать в свои слоты, что, в свою очередь, зависит от стратегии управления воздушным трафиком в контексте заказа и обслуживания рейсов.
В заключение стоит отметить, что рассматриваемая модель продемонстрировала пригодность в контексте описания воздушного трафика в условиях ограниченной вместительности. При наличии всех необходимых данных и достаточной их интегрированности она способна выявлять взаимосвязи различных уровней в этой динамической системе.
Более подробно: [Conway S. An Agent-Based Model for analyzing control policies and the dynamic service-time performance of a capacity-constrained air traffic management facility / Shelia R. Conway., 2017].
← Все материалы дайджеста