基于数据驱动的多准则决策方法优选飞机排序调度问题最优单目标函数

针对飞机排序调度问题(ASSP)多目标优化带来的计算复杂度挑战，研究人员采用混合整数规划(MIP)建模结合MEREC-MARCOS多准则决策方法，通过伊斯坦布尔萨比哈·格克琴机场(LTFJ)120组交通样本验证，发现最小化平均延迟(AD)是最优单目标函数，为空中交通管理(ATM)多利益方决策提供高效解决方案。

　　

在日益繁忙的航空运输系统中，飞机排序调度问题(ASSP)如同空中交响乐的指挥棒，需要精确协调数百架飞机的起降时序。这个典型的NP难问题面临双重困境：一方面，航空公司、机场、空管等利益相关方各有诉求——航空公司希望减少延误和燃油消耗，空管追求降低工作负荷，环保部门关注排放控制；另一方面，增加优化目标会使混合整数规划(MIP)等精确算法的计算时间呈指数级增长，D?nmez等学者发现，当目标函数从1个增至3个时，可调度的飞机数量从36架锐减至24架。这种"目标越多，效率越低"的悖论，使得多目标优化在实时性要求极高的战术调度中难以实用。

针对这一行业痛点，来自土耳其的研究团队在《Expert Systems with Applications》发表创新研究。他们另辟蹊径，采用数据驱动的多准则决策(MCDM)框架，从8个候选目标函数中筛选出最能平衡各方利益的单一优化目标。研究以伊斯坦布尔萨比哈·格克琴机场(LTFJ)为案例，构建包含到达/离港航班的增强型MIP模型，通过120组不同流量场景的仿真实验，量化评估了最小化平均延迟(AD)、总飞行时间(TFT)等8个目标函数在17项评价准则下的表现。采用MEREC方法确定准则权重，MARCOS方法进行目标函数排序，并通过双重敏感性分析验证结论稳健性。

关键技术方法包括：1) 扩展Cecen(2022)的MIP模型，整合LTFJ空域结构生成120组ETA-D(预计到达时间-离港)样本；2) 建立包含燃油消耗(AFC)、连续下降操作(CDO)等17项准则的评估体系；3) 应用MEREC计算准则权重，消除主观偏差；4) 采用MARCOS对8个目标函数排序；5) 通过权重扰动和TOPSIS/EDAS方法对比进行双重验证。

【Mathematical model results】部分显示：专攻单一目标时，各函数表现差异显著。最小化平均延迟(OBJ2)在9项准则中综合最优，尤其使平均延误降低47.3%；而最小化总飞行时间(OBJ3)虽减少TFT达12.8%，却导致延误增加23.5%。值得注意的是，最小化最大延误(OBJ7)虽将MAXD降低62.1%，却以牺牲其他7项指标为代价。

【Discussion and conclusion】揭示：最小化平均延迟(AD)是最佳折中选择，其MEREC权重得分0.147显著高于次优目标(0.121)。该选择使航空公司关注的延误、燃油成本，与空管重视的跑道吞吐量达到帕累托平衡。敏感性分析证实，即使准则权重波动±50%，AD仍保持排名第一的稳定性。相比传统多目标优化，该方案将36架飞机的调度时间从600秒缩短至210秒，提升效率65%。

这项研究开创性地将MCDM引入ATM领域，其价值体现在三方面：首先，为高密度空域提供"计算友好型"优化方案，破解了多目标优化的效率瓶颈；其次，建立的17维评估体系全面覆盖STAR(标准终端到达路线)、CDO等现代ATM要素；最后，开发的MEREC-MARCOS决策框架可推广至其他交通枢纽。正如作者指出，未来可扩展纳入安全、噪声污染等新准则，并探索该框架在无人机交通管理(UTM)中的应用潜力。