packages (Long et al. 1999, Stamato

packages (Long et al. 1999, Stamatopoulos et al. 2003, EUROCONTROL 2001) that perform both capacity and delay analyses and, in the instance of the last two references, include models of aprons and aircraft stands. After some necessary enhancements and an adequate amount of testing in a variety of airport environments, packages of this type may provide airport planners within a few years with an easy-to-use and very fast set of tools for the study of a host of airside issues.
4.1.2. Airside Simulations. General-purpose simulation models of airside operations first became viable in the early 1980s and have been vested with increasingly sophisticated features since then. Three models currently dominate this field internationally: SIMMOD, The Airport Machine, and the Total Airport and Airspace Modeler (TAAM). A report by Odoni et al. (1997) contains detailed reviews (somewhat out-of-date by now) of these and several other airport and airspace simulation models and assesses the strengths and weaknesses of each. At their current state of development (and in the hands of expert users), they can be powerful tools in studying detailed airside design issues, such as figuring out the best way to remove an airside bottleneck or estimating the amount by which the capacity of an airport is reduced due to the crossing of active runways by taxiing aircraft. Unfortunately, these models are frequently misused in practice, at great cost to the client organization. This happens when they are applied to the study of “macroscopic” issues that can have only approximate answers because of the uncertainty inherent in the input data. An example is a question that often confronts airport operators: When will airside delays reach a level that will require a major expansion of an airport’s capacity (e.g., through the construction of a new runway)? Questions of this type, often requiring a look far into the future, are best answered through the approximate analytical models surveyed earlier, which permit easy exploration of a large number of alternative scenarios and hypotheses. Detailed simulation models, by contrast, cannot cope well with the massive uncertainty involved because they require inputs that are difficult to produce (e.g., a detailed schedule of aircraft movements at the airport for a typical day 10 or 15 years hence) and lack credibility under the circumstances.
4.1.3. Optimizing Airside Operations. The airside models discussed so far are descriptive in nature. Their objective is to help users understand and predict the operational characteristics of the various airside facilities under different operating scenarios. A considerable amount of OR work with an optimization focus also exists, much of it concerned with the effective use of runway systems. The capacity of a runway is largely determined by the separation requirements specified by the providers of ATM services (e.g., the FAA in the United States). For any pair of consecutive runway operations these requirements depend on the type of aircraft involved. For example, in the United States, when an arriving “heavy” (H) aircraft—defined as one with a maximum takeoff weight (MTOW) greater than 255,000 lbs—is immediately followed by an arriving “small” (S) aircraft (MTOW < 41,000 lbs), the required separation between them, at the instant when H is about to touch down on the runway, is 6 nautical miles (∼10.9 km). This is because “heavy” aircraft (wide-body jets) may generate severe wake turbulence, which may be hazardous to other aircraft behind it. By contrast, when an aircraft of type Sis followed by one of type H, the required separation is 2.5 nautical miles (∼4.5 km). Note that given a number n of aircraft, all waiting to land on a runway, the problem of determining the sequence of landings, such that the time when the last aircraft lands is minimized, is a Hamiltonian path problem with n points. However, this is only a static version of a problem which in truth is a dynamic one: Over time the pool of aircraft available to land changes, as some aircraft reach the runway while new aircraft join the arrivals queue. Moreover, minimizing the “latest landing time” (or maximizing “throughput”) should not necessarily be the objective of optimal sequencing. Many alternative objective functions, such as minimizing the average waiting time per passenger, are just as reasonable. A further complication is that the very idea of “sequencing” runs counter to the traditional adherence of ATM systems to a first-come, first-served (FCFS) discipline. Deviations from FCFS raise concerns among some airside users about the
384 Transportation Science/Vol. 37, No. 4, November 2003

ผลลัพธ์ (ไทย) 1:

แพคเกจ (ลอง et al. ปี 1999, Stamatopoulos et al. 2003, EUROCONTROL 2001) ที่ทำการวิเคราะห์ความจุและความล่าช้า และ ในอินสแตนซ์ของการอ้างอิงที่สองล่าสุด รวมแบบยืน aprons และเครื่องบิน หลังจากปรับปรุงบางอย่างจำเป็นและเพียงพอผลการทดสอบในหลากหลายสภาพแวดล้อมสนามบิน แพ็คเกจชนิดนี้อาจมีวางแผนสนามบินภายในไม่กี่ปีมีการตั้งค่าการ ใช้งานง่าย และรวดเร็วมากของเครื่องมือสำหรับการศึกษาของปัญหา airside4.1.2. Airside Simulations. General-purpose simulation models of airside operations first became viable in the early 1980s and have been vested with increasingly sophisticated features since then. Three models currently dominate this field internationally: SIMMOD, The Airport Machine, and the Total Airport and Airspace Modeler (TAAM). A report by Odoni et al. (1997) contains detailed reviews (somewhat out-of-date by now) of these and several other airport and airspace simulation models and assesses the strengths and weaknesses of each. At their current state of development (and in the hands of expert users), they can be powerful tools in studying detailed airside design issues, such as figuring out the best way to remove an airside bottleneck or estimating the amount by which the capacity of an airport is reduced due to the crossing of active runways by taxiing aircraft. Unfortunately, these models are frequently misused in practice, at great cost to the client organization. This happens when they are applied to the study of “macroscopic” issues that can have only approximate answers because of the uncertainty inherent in the input data. An example is a question that often confronts airport operators: When will airside delays reach a level that will require a major expansion of an airport’s capacity (e.g., through the construction of a new runway)? Questions of this type, often requiring a look far into the future, are best answered through the approximate analytical models surveyed earlier, which permit easy exploration of a large number of alternative scenarios and hypotheses. Detailed simulation models, by contrast, cannot cope well with the massive uncertainty involved because they require inputs that are difficult to produce (e.g., a detailed schedule of aircraft movements at the airport for a typical day 10 or 15 years hence) and lack credibility under the circumstances. 4.1.3. Optimizing Airside Operations. The airside models discussed so far are descriptive in nature. Their objective is to help users understand and predict the operational characteristics of the various airside facilities under different operating scenarios. A considerable amount of OR work with an optimization focus also exists, much of it concerned with the effective use of runway systems. The capacity of a runway is largely determined by the separation requirements specified by the providers of ATM services (e.g., the FAA in the United States). For any pair of consecutive runway operations these requirements depend on the type of aircraft involved. For example, in the United States, when an arriving “heavy” (H) aircraft—defined as one with a maximum takeoff weight (MTOW) greater than 255,000 lbs—is immediately followed by an arriving “small” (S) aircraft (MTOW < 41,000 lbs), the required separation between them, at the instant when H is about to touch down on the runway, is 6 nautical miles (∼10.9 km). This is because “heavy” aircraft (wide-body jets) may generate severe wake turbulence, which may be hazardous to other aircraft behind it. By contrast, when an aircraft of type Sis followed by one of type H, the required separation is 2.5 nautical miles (∼4.5 km). Note that given a number n of aircraft, all waiting to land on a runway, the problem of determining the sequence of landings, such that the time when the last aircraft lands is minimized, is a Hamiltonian path problem with n points. However, this is only a static version of a problem which in truth is a dynamic one: Over time the pool of aircraft available to land changes, as some aircraft reach the runway while new aircraft join the arrivals queue. Moreover, minimizing the “latest landing time” (or maximizing “throughput”) should not necessarily be the objective of optimal sequencing. Many alternative objective functions, such as minimizing the average waiting time per passenger, are just as reasonable. A further complication is that the very idea of “sequencing” runs counter to the traditional adherence of ATM systems to a first-come, first-served (FCFS) discipline. Deviations from FCFS raise concerns among some airside users about the384 Transportation Science/Vol. 37, No. 4, November 2003

ผลลัพธ์ (ไทย) 2:

แพคเกจ (Long et al. 1999 Stamatopoulos et al. 2003 EUROCONTROL 2001) ที่ดำเนินการทั้งกำลังการผลิตและการวิเคราะห์ความล่าช้าและในกรณีของสองอ้างอิงรวมถึงรูปแบบของผ้ากันเปื้อนและอากาศยานยืน หลังจากที่มีการปรับปรุงที่จำเป็นและปริมาณที่เพียงพอของการทดสอบในความหลากหลายของสภาพแวดล้อมที่สนามบิน, แพคเกจประเภทนี้อาจให้วางแผนสนามบินภายในเวลาไม่กี่ปีที่ผ่านมากับการที่ง่ายต่อการใช้งานและการตั้งค่าอย่างรวดเร็วของเครื่องมือสำหรับการศึกษาของโฮสต์ของ Airside ปัญหา.
4.1.2 Airside จำลอง จำลองวัตถุประสงค์ทั่วไปรูปแบบของการดำเนินงาน Airside เป็นครั้งแรกที่ทำงานได้ในช่วงต้นปี 1980 และได้รับการตกเป็นที่มีคุณสมบัติที่มีความซับซ้อนมากขึ้นเรื่อย ๆ ตั้งแต่นั้นมา ทั้งสามรุ่นปัจจุบันครองข้อมูลนี้ในต่างประเทศ: SIMMOD, เครื่องสนามบินและสนามบินรวมและน่านฟ้า Modeler (Taam) รายงานโดย Odoni et al, (1997) มีรายละเอียดความคิดเห็น (ค่อนข้างออกจากวันโดยขณะนี้) ของสนามบินเหล่านี้และอื่น ๆ อีกหลายรูปแบบจำลองน่านฟ้าและประเมินจุดแข็งและจุดอ่อนของแต่ละ ในสถานะปัจจุบันของการพัฒนา (และอยู่ในมือของผู้ใช้ผู้เชี่ยวชาญ) พวกเขาสามารถเป็นเครื่องมือที่มีประสิทธิภาพในการศึกษารายละเอียดประเด็นการออกแบบ Airside เช่นการหาวิธีที่ดีที่สุดที่จะเอาคอขวด Airside หรือการประมาณโดยที่ความจุของ สนามบินจะลดลงเนื่องจากการข้ามรันเวย์ที่ใช้งานโดยเครื่องบินแล่น แต่น่าเสียดายที่รูปแบบเหล่านี้จะถูกนำไปใช้ในการปฏิบัติบ่อยครั้งที่ค่าใช้จ่ายที่ดีให้กับองค์กรของลูกค้า เรื่องนี้เกิดขึ้นเมื่อพวกเขาถูกนำไปใช้กับการศึกษาของปัญหา "เปล่า" ที่สามารถมีคำตอบตัวอย่างเท่านั้นเนื่องจากความไม่แน่นอนอยู่ในการป้อนข้อมูล ตัวอย่างคำถามที่มักจะเผชิญผู้ประกอบการสนามบิน: เมื่อจะ Airside ความล่าช้าถึงระดับที่จะต้องมีการขยายตัวที่สำคัญของความจุของสนามบิน (เช่นผ่านการก่อสร้างรันเวย์ใหม่) คำถามประเภทนี้มักจะต้องมองไกลไปในอนาคตมีคำตอบที่ดีที่สุดผ่านรูปแบบการวิเคราะห์ตัวอย่างการสำรวจก่อนหน้านี้ที่อนุญาตให้สำรวจง่ายของจำนวนมากของสถานการณ์ทางเลือกและสมมติฐาน รูปแบบจำลองที่มีรายละเอียดโดยคมชัดไม่สามารถรับมือได้ดีกับความไม่แน่นอนขนาดใหญ่มีส่วนร่วมเพราะพวกเขาต้องการปัจจัยการผลิตที่มีความยากในการผลิต (เช่นตารางเวลารายละเอียดของการเคลื่อนไหวของเครื่องบินที่สนามบินสำหรับวันปกติ 10 หรือ 15 ปีที่ผ่านมาด้วยเหตุนี้) และขาดความน่าเชื่อถือภายใต้ สถานการณ์.
4.1.3 การเพิ่มประสิทธิภาพการดำเนินงาน Airside รุ่น Airside กล่าวถึงเพื่อให้ห่างไกลมีคำอธิบายในธรรมชาติ วัตถุประสงค์ของพวกเขาคือการช่วยให้ผู้ใช้เข้าใจและทำนายลักษณะการดำเนินงานของสิ่งอำนวยความสะดวกต่างๆ Airside ภายใต้สถานการณ์การดำเนินงานที่แตกต่างกัน จำนวนมากหรือการทำงานที่มีความสำคัญในการเพิ่มประสิทธิภาพยังมีอยู่มากของมันที่เกี่ยวข้องกับการใช้งานที่มีประสิทธิภาพของระบบรันเวย์ ความจุของรันเวย์จะถูกกำหนดโดยส่วนใหญ่ต้องการแยกที่กำหนดโดยผู้ให้บริการในการให้บริการตู้เอทีเอ็ม (เช่นจอห์นฟาในประเทศสหรัฐอเมริกา) สำหรับคู่ของการดำเนินงานติดต่อกันรันเวย์ใด ๆ ความต้องการเหล่านี้ขึ้นอยู่กับชนิดของเครื่องบินที่เกี่ยวข้อง ยกตัวอย่างเช่นในประเทศสหรัฐอเมริกาเมื่อเดินทางมาถึง "หนัก" (H) เครื่องบินที่กำหนดไว้เป็นหนึ่งที่มีน้ำหนักบินขึ้นสูงสุด (MTOW) มากกว่า 255,000 £-ตามทันทีโดยเดินทางมาถึง "เล็ก" (S) เครื่องบิน (MTOW <£ 41,000) ต้องแยกระหว่างพวกเขาในทันทีเมื่อ H เป็นเรื่องเกี่ยวกับการสัมผัสลงบนรันเวย์เป็น 6 ไมล์ทะเล (~10.9 กิโลเมตร) เพราะนี่คือ "หนัก" อากาศยาน (เจ็ตส์ทั่วร่างกาย) อาจสร้างความวุ่นวายปลุกรุนแรงซึ่งอาจเป็นอันตรายต่อเครื่องบินลำอื่นที่อยู่เบื้องหลังมัน ในทางตรงกันข้ามเมื่อเครื่องบินประเภท Sis ตามด้วยหนึ่งของ H ชนิดแยกที่จำเป็นคือ 2.5 ไมล์ทะเล (~4.5 กิโลเมตร) ทราบว่าได้รับจำนวน n ของเครื่องบินทั้งหมดรอที่จะลงจอดบนรันเวย์ปัญหาของการกำหนดลำดับของเพลย์เช่นว่าเวลาที่เครื่องบินดินแดนที่ผ่านมาจะลดลงเป็นปัญหาเส้นทางที่มิลมีจุด n แต่นี้เป็นเพียงรุ่นคงที่ของปัญหาซึ่งในความเป็นจริงเป็นหนึ่งในแบบไดนามิก: เมื่อเวลาผ่านไปสระว่ายน้ำของเครื่องบินที่มีอยู่ไปยังดินแดนเปลี่ยนแปลงเป็นเครื่องบินถึงรันเวย์ในขณะที่เครื่องบินใหม่เข้าร่วมคิวเข้ามา นอกจากนี้ยังช่วยลดเวลา "เชื่อมโยงไปถึงล่าสุด" (หรือการเพิ่ม "ผ่าน") ควรไม่จำเป็นต้องเป็นวัตถุประสงค์ของการจัดลำดับที่ดีที่สุด หลายฟังก์ชั่นวัตถุประสงค์ทางเลือกเช่นการลดเวลารอคอยเฉลี่ยต่อผู้โดยสารเป็นเพียงที่เหมาะสม โรคแทรกซ้อนที่เป็นความคิดของ "ลำดับ" วิ่งสวนทางกับการยึดมั่นแบบดั้งเดิมของระบบเอทีเอ็มไปครั้งแรกมาก่อนหลัง (FCFS) มีระเบียบวินัย เบี่ยงเบนไปจาก FCFS เพิ่มความกังวลในหมู่ผู้ใช้ Airside เกี่ยวกับ
การขนส่ง 384 วิทยาศาสตร์ / ฉบับที่ 37 ฉบับที่ 4 พฤศจิกายน 2003

ผลลัพธ์ (ไทย) 3:

แพคเกจ ( ยาว et al . 1999 stamatopoulos et al . 2003 eurocontrol 2001 ) ที่แสดงทั้งความสามารถและการวิเคราะห์ข้อมูลล่าช้าและในอินสแตนซ์ของเมื่อสองอ้างอิง รวมถึงรูปแบบของผ้ากันเปื้อน และอากาศยาน หมายถึง หลังจากการปรับปรุงและที่จำเป็นในปริมาณที่เพียงพอของการทดสอบในสภาพแวดล้อมที่หลากหลายของสนามบินแพคเกจชนิดนี้อาจช่วยให้นักวางแผนสนามบินภายในไม่กี่ปี กับที่ง่ายต่อการใช้งานและรวดเร็วมากชุดของเครื่องมือสำหรับการวิเคราะห์ประเด็น airside .
4.1.2 . จำลอง airside . แบบจำลองทั่วไปเพื่อดำเนินการ airside เป็นครั้งแรกได้ในต้นทศวรรษ 1980 และได้รับสิทธิ์ที่มีคุณสมบัติที่ซับซ้อนมากขึ้นตั้งแต่นั้นมาสามรุ่นปัจจุบันครองด้านนี้ในระดับสากล : simmod สนามบินเครื่องและรวมสนามบินน่านฟ้าและ Modeler ( ถาม ) รายงานโดย odoni et al . ( 1997 ) มีรีวิวละเอียด ( ค่อนข้างล้าสมัยแล้ว ) ของเหล่านี้และหลายสนามบินอื่น ๆและแบบจำลองน่านฟ้าและประเมินจุดแข็งและจุดอ่อนของแต่ละคนในสถานะปัจจุบันของการพัฒนา และในมือของผู้ใช้ผู้เชี่ยวชาญ ) พวกเขาสามารถเป็นเครื่องมือที่มีประสิทธิภาพในการศึกษาปัญหาการออกแบบ airside รายละเอียด เช่น การหาวิธีที่ดีที่สุดที่จะลบ airside คอขวดหรือประมาณการยอดเงินที่ความจุของสนามบินจะลดลงเนื่องจากต้องข้ามสะพาน taxiing ใช้โดยอากาศยาน ขออภัยรุ่นนี้มีการใช้บ่อยในการฝึกในราคาที่ดีในองค์กรของลูกค้า นี้เกิดขึ้นเมื่อพวกเขาจะใช้เพื่อการศึกษา " มีปัญหา " ที่สามารถมีคำตอบโดยประมาณเท่านั้น เพราะความไม่แน่นอนที่มีอยู่ในข้อมูลเริ่มต้น ตัวอย่างคำถามที่มักเจอผู้ประกอบการสนามบินเมื่อจะ airside ความล่าช้าถึงระดับนั้นจะต้องมีการขยายใหญ่ของความจุของสนามบิน ( เช่นโดยการสร้างรันเวย์ใหม่ ) คำถามประเภทนี้มักจะต้องมองไกลไปในอนาคต ที่ดีที่สุดตอบผ่านประมาณแบบจำลองเชิงวิเคราะห์สำรวจก่อนหน้านี้ ซึ่งอนุญาตให้มีการสำรวจที่ง่ายของตัวเลขขนาดใหญ่ของสถานการณ์ทางเลือกและสมมติฐาน