哈希游戏- 哈希游戏平台- 哈希游戏官方网站

　　中国民航大学与华为公司的科研合作始于2022年4月，中国民航大学、深圳机场、华为公司签署三方合作协议。2022年6月，丁水汀做客华为应用场景松鼠会以“民航空管和机场的关键业务场景的高价值难题和技术挑战”为题授课。2023年5月，华为机场与轨道军团团长带队来访中国民航大学。2023年5月至2024年5月，学校与华为2012实验室实质性展开智慧机场领域科研项目合作，目前已完成“机场一体化主动运控及态势推演技术合作研究”“智能机位分配算法合作研究”合作项目，其中，“智能机位分配算法合作研究”项目结题优秀。

　　“机场一体化主动运控及态势推演技术合作研究”项目以一体化运控为总目标，围绕机场运行的核心资源和规则，抽象出机场运行数学模型，并提出适用优化策略。2024年10月，该项目完成结题验收。华为公司表示“项目组积极推动科研合作，开展科学研究，为我司中央研究院相关研究工作提供了创新方案”，对项目组表示感谢。该项目共形成《机场运行业务规则说明书》《机场一体化运控顶层设计》《机场运行态势指标体系》《机场运行态势指标预测方法》《一体化运控评价指标体系设计文档》等多项成果，并衍生出《滑行数据增强算法》《TSAT优化算法》等算法成果。项目研究成果已成功运用于厦门机场主动运控项目。

　　“智能机位分配算法合作研究”项目侧重解决机位分配算法的场景泛化和性能泛化等两个关键问题。场景泛化要求算法能快速适用各机场差异化且动态变化的分配规则；性能泛化要求算法具有较短的运行时间，以及较高的航班近机位靠桥率与机位周转频次。针对上述两个问题，首先从业务视角和技术视角梳理出机位分配通用规则，再进一步构建规则与模型自适应的机位分配求解框架。所提的算法在深圳机场3021条分配规则和328天历史航班计划数据集上的平均运行时间为24.44秒，平均靠桥率为88.56%。相比于存在大量不满足分配约束的现有分配方案（分配算法+人工补录），提出的算法在（0,1000）、[1000,1200），[1200,+∞）等航班规模上的靠桥提升率依次为2.69%、1.54%、0.49%。

　　“智能机位分配算法合作研究”项目突破两项关键技术。一是动态可插拔架构的高效校验方法。采用YAML语法结构和Hydra配置管理架构，建立动态可插拔的规则解析架构，解耦业务规则和校验逻辑，实现规则灵活配置；校验逻辑采用规则字段的向量映射和矩阵哈希映射，显著降低校验的复杂度，形成高效校验机制。二是融合知识驱动和数据驱动的深度学习求解模型。采用同一滑行道相邻机位的分配冲突、同一航班的分配互斥等领域知识，建立数据驱动和知识引导计算的深度学习求解模型。为训练深度学习求解模型参数，构建模仿学习和强化学习的两阶段训练方法，首先利用历史分配结果或启发式算法生成的分配方案作为训练样本，通过最小化模型预测结果与真实分配方案之间的差异，监督学习分配模型，进一步采用REINFORCE强化学习方法，通过环境交互试错以再训练求解模型。