Trajectory-Based Optimization for Air Traffic Control in the Terminal Maneuvering Area
作者: Yutian Pang, Daniel Delahaye, John-Paul Clarke
分类: eess.SY, math.OC, math.PR
发布日期: 2026-04-20
💡 一句话要点
提出基于轨迹优化的终端区空中交通管制方法，优化进场排序和调度。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 空中交通管制 轨迹优化 终端区 进场排序 非线性规划
📋 核心要点
- 现有空中交通管制方法依赖节点-链路模型，无法精细控制飞机轨迹和速度，难以优化终端区交通。
- 提出基于轨迹优化的框架，通过联合优化路径和速度剖面，实现精确的进场排序和间隔控制。
- 实验表明，该方法在减少延迟、路径拉伸和燃料消耗方面优于传统策略，并支持实时决策。
📝 摘要（中文）
本文提出了一种基于轨迹优化的终端区（TMA）进场排序和调度框架。与将轨迹简化为时间延迟变量的节点-链路调度模型不同，该方法计算可实现的单架飞机速度剖面和路径扩展，通过终端空中交通管制措施实现所需的着陆间隔。该框架结合了解析TMA路径模型（包括切线段、定点转弯段和最终进近段）与非线性规划（NLP），在加权目标下联合优化路径拉伸和分段速度。研究了三种着陆顺序策略：先进先服务（FEFS）、先到先服务（FOFFS）以及具有约束位置转移（CPS）的FOFFS（最多k个位置）。CPS通过混合整数线性规划（MILP）与NLP耦合的两阶段方法实现，以在轨迹优化之前选择优化的着陆顺序。飞机群体遵循具有特定于飞机的尾流湍流间隔的实际重量等级混合，并且每个场景都受到投影到每个段上的高斯风样本的扰动，以将指令空速转换为地速。在线滚动时域公式在每次进入时不可撤销地提交每个飞机轨迹，从而实现实时决策。在简化的A80 TMA上的蒙特卡罗实验表明：（i）FOFFS通过利用进场流之间的几何不对称性，在延迟、路径拉伸和燃料消耗方面始终优于FEFS；（ii）CPS进一步减少了间隔违规和路径拉伸，但收益递减且求解器成本迅速增加；（iii）来自BADA 3和OpenAP的燃料估计显示出一致的定性趋势；（iv）每次进入的优化几乎实时完成，支持实际部署。
🔬 方法详解
问题定义：现有空中交通管制系统在终端区进场排序和调度方面存在不足。传统的节点-链路模型将飞机轨迹简化为时间延迟变量，无法充分利用飞机自身的机动能力和终端区的几何结构进行优化，导致效率低下和资源浪费。此外，难以满足日益增长的空中交通需求，并降低了安全性。
核心思路：本文的核心思路是将进场排序和调度问题转化为一个轨迹优化问题。通过精确建模飞机在终端区的飞行轨迹，并结合非线性规划技术，可以同时优化飞机的路径和速度剖面，从而在满足安全间隔要求的前提下，最大限度地提高空域利用率和降低运营成本。这种方法能够更灵活地适应不同的交通状况和飞机性能，实现更高效的空中交通管制。
技术框架：该框架包含以下主要模块：1) 解析TMA路径模型：使用切线段、定点转弯段和最终进近段来描述飞机在终端区的飞行轨迹。2) 非线性规划（NLP）：构建一个非线性规划问题，以优化路径拉伸和分段速度，目标是最小化延迟、路径长度和燃料消耗。3) 着陆顺序策略：研究了三种着陆顺序策略，包括FEFS、FOFFS和CPS。CPS使用MILP和NLP的两阶段方法来优化着陆顺序。4) 滚动时域优化：采用在线滚动时域方法，在每次飞机进入终端区时，不可撤销地确定其轨迹，从而实现实时决策。
关键创新：该论文的关键创新在于将轨迹优化方法应用于终端区空中交通管制。与传统的节点-链路模型相比，该方法能够更精确地控制飞机的飞行轨迹和速度，从而实现更高效的进场排序和调度。此外，该论文还提出了一种基于MILP和NLP的CPS策略，可以进一步优化着陆顺序，减少间隔违规和路径拉伸。
关键设计：在NLP模型中，目标函数是延迟、路径长度和燃料消耗的加权和。权重可以根据不同的优化目标进行调整。约束条件包括飞机的性能限制、安全间隔要求和空域限制。CPS策略使用MILP来选择最优的着陆顺序，然后使用NLP来优化每个飞机的轨迹。滚动时域优化的时间窗口长度需要根据实际的交通状况进行调整。
🖼️ 关键图片
📊 实验亮点
蒙特卡罗实验表明，FOFFS策略在延迟、路径拉伸和燃料消耗方面优于FEFS策略。CPS策略可以进一步减少间隔违规和路径拉伸，但计算成本较高。实验结果还表明，该方法可以在近实时内完成优化，支持实际部署。
🎯 应用场景
该研究成果可应用于实际的空中交通管制系统，提高终端区空域的利用率，减少飞机延误，降低燃油消耗，并提升飞行安全。该方法还可用于评估新的空域设计和管制策略，为未来空中交通管理系统的发展提供支持。
📄 摘要（原文）
We present a trajectory-based optimization framework for arrival sequencing and scheduling in the terminal maneuvering area (TMA). Unlike node-link scheduling models that reduce trajectories to time-delay variables, the proposed method computes implementable per-aircraft speed profiles and path extensions that achieve required landing separation through terminal air traffic control actions. The framework combines an analytic TMA path model, consisting of a tangent leg, a radius-to-fix turn, and a final-approach segment, with a nonlinear program (NLP) that jointly optimizes path stretch and segment speeds under a weighted objective. Three landing-order policies are examined: First-Entry-First-Serve (FEFS), First-on-Final-First-Serve (FOFFS), and FOFFS with Constrained Position Shifting (CPS) up to $k$ positions. CPS is implemented through a two-phase approach coupling mixed-integer linear programming (MILP) with NLP to select an optimized landing order before trajectory optimization. The aircraft population follows a realistic weight-class fleet mix with pair-specific wake-turbulence separation, and each scenario is perturbed by a Gaussian wind sample projected onto each segment to convert commanded airspeeds into ground speeds. An online rolling-horizon formulation commits each aircraft trajectory irrevocably upon entry, enabling real-time decision-making. Monte Carlo experiments on the simplified A80 TMA show that: (i) FOFFS consistently outperforms FEFS in delay, path stretch, and fuel burn by exploiting geometric asymmetries among arrival streams; (ii) CPS further reduces separation violations and path stretch, though with diminishing returns and rapidly increasing solver cost; (iii) fuel estimates from BADA 3 and OpenAP show consistent qualitative trends; and (iv) per-entry optimization completes in near real-time, supporting practical deployment.