流量拥堵空域内一种基于Q-Learning算法的改航路径规划

摘要：

目前,空中流量激增导致空域资源紧张的问题越发凸显,为了缓解这一现状,基于流量管理层面对航空器进行改航路径的研究.首先采用栅格化的方式对空域环境进行离散化处理,根据航路点流量的拥挤程度把空域划分为3种不同类型的栅格区域.其次通过改进强化学习中马尔科夫决策过程的奖励函数对其进行建模,并基于ε-greedy策略运用Q-Learning算法对该模型进行迭代求解,对相应的参数取值进行探究比较以提高结果的可适用性.最后经过仿真运行,计算出不同参数赋值下的最优路径及相应的性能指标.结果表明:应用该模型和算法可以针对某一时段内的流量拥堵空域搜索出合适的改航路径,使飞机避开流量拥挤的航路点,缩短空中延误时间,有效改善空域拥堵的现况.

关键词：改航路径规划、流量拥堵、强化学习、马尔科夫决策过程、Q-Learning算法、ε-greedy策略

所属期刊栏目：22

分类号：V355(航空港（站）、机场及其技术管理)

资助基金：中国民用航空飞行学院科研面上项目;大学生创新创业训练计划项目

在线出版日期：2023-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：14494-14501