論文の概要: Delay Mitigation in Air Traffic Flow Management
- arxiv url: http://arxiv.org/abs/2002.03806v3
- Date: Thu, 23 Mar 2023 11:34:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-24 10:53:41.842725
- Title: Delay Mitigation in Air Traffic Flow Management
- Title（参考訳）: 航空交通管理における遅延緩和
- Authors: Mehran Makhtoumi
- Abstract要約: 本研究では,最適なバッファ時間を生成するために,遅延コストとフライトバッファモデルを提案する。
目的は、ATFMの遅延を軽減し、利害関係者の福祉を増大させる最適な公平かつ効率的なバッファ選択を得ることである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To mitigate ATFM delay, different approaches have been proposed so far which
can be categorized into strategic and tactical domains. The strategical
techniques mainly concern airport slot allocation and for the tactical domain,
the ATFM function has several solutions available that range from the ground
and air holding to rerouting actions, which have not gained significant
efficiency in ATFM delay mitigation due to the fact that delays become apparent
only on the tactical level when the strategic flight plan has been filled
already. To tackle and address this problem there is a need for an algorithm
that can synchronize strategical and tactical schedules. To fill this gap, in
this paper the concept of fair buffer scheduling is proposed which can
potentially contribute to strategical and tactical operations synchronization
that would result in ATFM delay mitigation by increasing the system's
robustness. The objective is to obtain an optimum fair and efficient buffer
choice that mitigates ATFM delay and increases the stakeholders' welfare. Each
appropriate and efficient approach requires a comprehensive understanding of
the strategical buffer scheduling. This study presents a delay cost and flight
buffer model that could be used for generating optimal buffer times to be
considered as the initial population for the optimization problem to
investigate the viability of employing fairness measures to obtain schedules
with different trade-offs between cost, delay, and fairness.
- Abstract（参考訳）: ATFMの遅延を軽減するために、戦略領域と戦術領域に分類できる様々なアプローチが提案されている。
戦略手法は主に空港のスロット割り当てと戦術領域に関するものであり、戦略飛行計画が既に満たされているときのみ遅延が戦術レベルでのみ明らかになるため、ATFMの遅延緩和には大きな効果が得られていない地上と空の保持から再配置行動まで、いくつかのソリューションが利用可能である。
この問題に取り組み、対処するには、戦略的なスケジュールと戦術的なスケジュールを同期できるアルゴリズムが必要である。
このギャップを埋めるために,本論文では,システムのロバスト性を高めることによりATFM遅延軽減につながる戦略的および戦術的操作同期に寄与する可能性のある,公平なバッファスケジューリングの概念を提案する。
目的は、ATFMの遅延を軽減し、利害関係者の福祉を増大させる最適な公平かつ効率的なバッファ選択を得ることである。
それぞれの適切な効率的なアプローチには、戦略的バッファスケジューリングの包括的理解が必要です。
本研究は,コスト,遅延,公正のトレードオフの異なるスケジュールを取得するための公平性対策の適用可能性を検討するため,最適化問題の初期人口として考慮すべき最適バッファ時間を生成するための遅延コストとフライトバッファモデルを提案する。
関連論文リスト
- A Graph-Enhanced Deep-Reinforcement Learning Framework for the Aircraft Landing Problem [0.0]
航空機着陸問題(英: Aircraft Landing Problem、ALP)は、航空機の輸送と管理において難しい問題の一つである。
本稿では,グラフニューラルネットワークとアクター批判アーキテクチャを組み合わせてALPに対処する,新しい深層強化学習フレームワークを提案する。
その結果、学習アルゴリズムは異なる問題集合上でテストでき、その結果は研究アルゴリズムの運用と競合することを示した。
論文 参考訳（メタデータ） (2025-02-18T08:02:17Z) - A Hybrid Tabu Scatter Search Algorithm for Simulation-Based Optimization of Multi-Objective Runway Operations Scheduling [0.0]
Dissertationは、滑走路運用スケジューリングのためのシミュレーションベースの最適化(SbO)アプローチを提案することで、航空交通フロー管理の課題に対処する。
目的は、遅延、燃料消費、環境への影響を最小限に抑えつつ、空港の容量利用を最適化することである。
提案するSbOフレームワークは,滑走路条件を扱う離散イベントシミュレーションモデルと,最適解を特定するためのハイブリッドタブ・散乱探索アルゴリズムを統合した。
論文 参考訳（メタデータ） (2025-02-08T14:42:05Z) - Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。
今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。
タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
論文 参考訳（メタデータ） (2025-01-11T02:32:42Z) - Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks [60.085771314013044]
低高度経済は、コミュニケーションやセンシングなどの分野で発展する大きな可能性を秘めている。
本稿では,SAGINにおけるマルチUAV協調タスクスケジューリング問題に対処するため,クラスタリングに基づく多エージェントDeep Deterministic Policy Gradient (CMADDPG)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-12-14T06:17:33Z) - Dependency-Aware CAV Task Scheduling via Diffusion-Based Reinforcement Learning [12.504232513881828]
動的無人航空機支援型コネクテッド自動運転車(CAV)のための新しい依存性を考慮したタスクスケジューリング手法を提案する。
平均タスク完了時間を最小化することを目的として,共同スケジューリング優先度とサブタスク割り当て最適化問題を定式化する。
本稿では,Synthetic DDQNをベースとしたSubtasks Schedulingという拡散型強化学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-11-27T11:07:31Z) - A Graph-based Adversarial Imitation Learning Framework for Reliable & Realtime Fleet Scheduling in Urban Air Mobility [5.19664437943693]
本稿では,艦隊スケジューリング問題の包括的最適化について述べる。
また、代替ソリューションのアプローチの必要性も認識している。
新しい模倣アプローチは、目に見えない最悪のシナリオにおいて、パフォーマンスと顕著な改善を実現する。
論文 参考訳（メタデータ） (2024-07-16T18:51:24Z) - Airport take-off and landing optimization through genetic algorithms [55.2480439325792]
本研究は, 航空機の運転における汚染問題に対処し, ゲート割り当てと滑走路スケジューリングを同時に最適化することに焦点を当てた。
本研究は,航空機の離陸・着陸時の燃料燃焼による汚染を最小化するための,革新的な遺伝的アルゴリズムに基づく手法を提案する。
論文 参考訳（メタデータ） (2024-02-29T14:53:55Z) - Client Orchestration and Cost-Efficient Joint Optimization for
NOMA-Enabled Hierarchical Federated Learning [55.49099125128281]
半同期クラウドモデルアグリゲーションの下で非直交多重アクセス(NOMA)を実現するHFLシステムを提案する。
提案手法は,HFLの性能改善と総コスト削減に関するベンチマークよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-11-03T13:34:44Z) - Computation Offloading and Resource Allocation in F-RANs: A Federated
Deep Reinforcement Learning Approach [67.06539298956854]
フォグ無線アクセスネットワーク(フォグ無線アクセスネットワーク、F-RAN)は、ユーザのモバイルデバイス(MD)が計算タスクを近くのフォグアクセスポイント(F-AP)にオフロードできる有望な技術である。
論文 参考訳（メタデータ） (2022-06-13T02:19:20Z) - AI-aided Traffic Control Scheme for M2M Communications in the Internet
of Vehicles [61.21359293642559]
交通のダイナミクスと異なるIoVアプリケーションの異種要求は、既存のほとんどの研究では考慮されていない。
本稿では,ハイブリッド交通制御方式とPPO法を併用して検討する。
論文 参考訳（メタデータ） (2022-03-05T10:54:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。