act because of air traffic control

act because of air traffic control separation requirements.
For example, in the case of a pair of intersecting
runways, the location of the intersection relative
to the points where takeoffs are initiated or where
landing aircraft touch down greatly affects the combined
capacity of the two runways. Similarly, in the
case of two parallel runways, the capacity depends on
the distance between the centerlines of the runways.
Approximate capacity analyses for airports with two
parallel or intersecting runways are quite straightforward.
Multirunway analytical capacity models also
provide good approximate estimates of true capacity
in cases involving three or more active runways, as
long as the runway configurations can be “decomposed”
into semi-independent parts, each consisting
of one or two runways. Such models have proved
extremely valuable in airport planning, as well as in
assessing the impacts of proposed procedural or technological
changes on airport capacity.
Another topic of intensive study has been the estimation,
through the use of queueing models, of the
delays caused by the lack of sufficient runway capacity.
This is a problem that poses a serious challenge to
operations researchers: The closed-form results developed
in the voluminous literature of classical steadystate
queueing theory are largely nonapplicable—at
least when it comes to the really interesting cases. The
reason is that airport queues are, in general, strongly
nonstationary. The demand rates and, in changing
weather conditions, the service rates at most major
airports vary strongly over the course of a typical
day. Moreover, the demand rates may exceed capacity
(
> 1), possibly for extended periods of time, most
often when weather conditions are less than optimal.
This has motivated the development of numerical
approaches to the problem of computing airport
delays analytically. In another landmark paper,
Koopman (1972) argued—and showed through examples
drawn from New York’s Kennedy and LaGuardia
Airports, at the time among the world’s busiest—that
the queueing behavior of an airport with k “runway
equivalents” (i.e., k nearly independent servers) can
be bounded by the characteristics of the M(t)/M(t)/k
and the M(t)/D(t)/k queueing models, each providing
“worst-case” and “best-case” estimates, respectively.
Note that this allows for dynamic changes in the service
rates, as well as in the demand rates.
Extending the work of Koopman (1972), the
M t/Ekt/k system was proposed by Kivestu (1976)
as a model that could be used to directly compute
approximate queueing statistics for airports—
rather than separately solving the M(t)/M(t)/k and
M(t)/D(t)/k models and then somehow interpolating
their results. (Note that negative exponential service
times (M  and constant service times (D) are simply
special cases of the Erlang (Ek) family, with k = 1
and k = , respectively.) Kivestu (1976) noted that k
should be determined from the relationship ES
/S = √
k, where ES
and S denote the expected value
and the standard deviation of the service times and
can be estimated from field data. He also developed
a powerful numerical approximation scheme
that computes the (time varying) state probabilities
for the M t/Ekt/k system efficiently. Malone (1995)
has demonstrated the accuracy and practicality of
Kivestu’s (1976) approach and developed additional
efficient approximation methods, well suited to the
analysis of dynamic airfield queues. Fan and Odoni
(2002) provide a description of the application of
Kivestu’s (1976) model to a study of the gridlock conditions
that prevailed at LaGuardia Airport in 2000
and early 2001.
Additional (numerical) analytical models for computing
airport delays have been developed over the
last few years. Peterson et al. (1995) and Daniel
(1995) describe two different models for computing
delays at hub airports, which are characterized by
sharp “banks” or “waves” of arrivals and departures.
Hansen (2002) has used a deterministic model, based
on the notion of cumulative diagrams, to compute
delay externalities at Los Angeles International Airport.
Finally, Long et al. (1999) and Malone (1995)
present two dynamic queueing network models and
their application to the study of congestion in the
National Airspace System. Ingolfsson et al. (2002)
offer a comprehensive survey and comparison of several
alternative approaches to the analysis of nonstationary
queueing systems.
Many of the best features of some of the analytical
capacity and delay models just described have
been integrated recently in a number of new software

ผลลัพธ์ (ไทย) 1:

ทำงานเนื่องจากความต้องการแยกควบคุมจราจรอากาศตัวอย่าง ในกรณีที่คู่ของอินเตอร์เซกกันรันเวย์ ตำแหน่งของญาติสี่แยกจุดที่ใช้เป็นจุดเริ่มต้น หรือที่เชื่อมโยงไปถึงเครื่องบินสัมผัสลงมากมีผลต่อการรวมความจุของรันเวย์ที่สอง ในทำนองเดียวกัน ในการกรณีของรันเวย์ขนาน 2 กำลังการผลิตขึ้นอยู่กับระยะห่างระหว่าง centerlines ของรันเวย์วิเคราะห์กำลังการผลิตโดยประมาณสำหรับสนามบินที่มีสองรันเวย์ที่ขนาน หรืออินเตอร์เซกกันได้ค่อนข้างตรงไปตรงมารุ่น multirunway กำลังการผลิตวิเคราะห์ยังให้ดีประเมินโดยประมาณของกำลังการผลิตจริงในกรณีที่เกี่ยวข้องกับสาม หรือมากกว่าใช้รันเวย์ เป็นยาวเป็นรันเวย์ตั้งค่าคอนฟิกสามารถถูก "แยก"เป็นกึ่งอิสระ แต่ละประกอบด้วยของรันเวย์หนึ่ง หรือสอง แบบจำลองดังกล่าวได้พิสูจน์มีคุณค่ามากในสนามบินการวางแผน เช่นในประเมินผลกระทบ ของการนำเสนอขั้นตอน หรือเทคโนโลยีการเปลี่ยนแปลงบนความจุสนามบินหัวข้ออื่นเรียนแบบเร่งรัดได้รับการประเมินโดยใช้การจัดคิวแบบจำลอง ของความล่าช้าที่เกิดจากการขาดกำลังรันเวย์เพียงพอนี่คือปัญหาที่ส่อเค้ารุนแรงท้าทายการดำเนินงานวิจัย: พัฒนาผลลัพธ์แบบฟอร์มปิดในวรรณคดีของคลาสสิก steadystate voluminousทฤษฎีการจัดคิวเป็นส่วนใหญ่ nonapplicable — ที่น้อยที่สุดเมื่อมันมาถึงกรณีน่าสนใจจริง ๆ ที่เหตุผลคือสนามบินคิว ทั่วไป ขอnonstationary ราคาอุปสงค์และ ในการเปลี่ยนแปลงสภาพ ราคาบริการที่สำคัญที่สุดสนามบินแตกต่างกันอย่างยิ่งในช่วงต่อไปวันที่ นอกจากนี้ ราคาอุปสงค์อาจเกินกำลังการผลิต(> 1), สำหรับเวลานานของเวลา ส่วนใหญ่อาจจะบ่อยครั้งเมื่อสภาพอากาศได้เหมาะสมน้อยกว่ามีแรงจูงใจการพัฒนาของตัวเลขวิธีการใช้งานสนามบินเลื่อน analytically ในกระดาษอื่นของแลนด์มาร์คKoopman (1972) โต้เถียงกัน และแสดงให้เห็นถึงตัวอย่างออกจาก New York เคนเนดี้และลาการ์เดียสนามบิน ในขณะอันดับของโลก — ที่ลักษณะการทำงานของสนามบินด้วย k "รันเวย์การจัดคิวสามารถเทียบเท่า" (เช่น k เกือบอิสระเซิร์ฟเวอร์)ถูกล้อมรอบ ด้วยลักษณะของ /k /M M (t) (t)และจัดคิว /k /D M (t) (t) โมเดล แต่ละให้"worst-case" และ "best-case" ประเมิน ตามลำดับโปรดสังเกตว่า นี้ช่วยให้การเปลี่ยนแปลงแบบไดนามิกในบริการราคา เช่นในอัตราความต้องการขยายการทำงานของ Koopman (1972), การM t /Ek t /k ระบบถูกนำเสนอ โดย Kivestu (1976)เป็นรูปแบบที่สามารถใช้ในการคำนวณโดยตรงประมาณสถิติจัดคิวสำหรับสนามบินซึ่งแทนที่จะแยกกันแก้ /k /M M (t) (t) และรุ่น M (t) (t) /D /k แล้ว อย่างใด interpolatingผลลัพธ์ของการ (หมายเหตุบริการเอ็กซ์โพเนนเชียลบนั้นเวลา (M และบริการคงที่เวลา (D) มีกรณีของภาษาเออร์แลง (เอก) กับ k = 1และ k =, ตามลำดับ.) Kivestu (1976) กล่าวว่า เคควรพิจารณาจากความสัมพันธ์ E S/S = √k ที่ E S และ S แสดงมูลค่าคาดไว้และส่วนเบี่ยงเบนมาตรฐานของเวลาการบริการ และสามารถประเมินจากข้อมูลของเขตข้อมูล นอกจากนี้ยังได้พัฒนาแบบประมาณการตัวเลขที่มีประสิทธิภาพที่ตัวที่ (เวลาที่แตกต่างกัน) ระบุกิจกรรมM t /Ek t /k ระบบได้อย่างมีประสิทธิภาพ โลน (1995)ได้แสดงให้เห็นว่าความถูกต้องและปฏิบัติจริงของของ Kivestu (1976) วิธี และพัฒนาเพิ่มเติมวิธีการประมาณที่มีประสิทธิภาพ ดีเหมาะสมกับการวิเคราะห์ของคิวสนามบินชั่วคราว พัดลมและ Odoni(2002) ให้คำอธิบายของการประยุกต์แบบจำลอง (1976) ของ Kivestu การศึกษาเงื่อนไข gridlockที่แผ่ขยายไปที่เดีย 2000และช่วงปีค.ศ. 2001แบบจำลองวิเคราะห์ (ตัวเลข) เพิ่มเติมสำหรับการคำนวณได้รับการพัฒนาสนามบินล่าช้ากว่าล่าสุดไม่กี่ปี Peterson et al. (1995) และ Daniel(1995) อธิบายสองแบบที่แตกต่างสำหรับการใช้งานความล่าช้าที่ฮับสนามบินคม "ธนาคาร" หรือ "คลื่น" ของขาเข้าและขาออกแฮนเซ่น (2002) ได้ใช้แบบ deterministic จำลองบนแนวคิดของสะสมไดอะแกรม การคำนวณเลื่อน externalities ที่สนามบินลอสแองเจลลิสยาวสุด et al. (1999) และโลน (1995)นำเสนอ 2 รุ่นเครือข่ายการจัดคิวแบบไดนามิก และมาใช้ในการศึกษาของแออัดในระบบ Airspace ชาติ Ingolfsson et al. (2002)การสำรวจครอบคลุมและเปรียบเทียบหลายแนวทางอื่นวิเคราะห์ nonstationaryระบบจัดคิวจุดเด่นของการวิเคราะห์มากมายมีกำลังการผลิตและเลื่อนรุ่นเพียงอธิบายการรวมล่าสุดในซอฟต์แวร์ใหม่

ผลลัพธ์ (ไทย) 2:

เพราะการกระทำของความต้องการแยกการควบคุมการจราจรทางอากาศ.
ยกตัวอย่างเช่นในกรณีของคู่ตัด
รันเวย์ที่ตั้งของญาติทางแยก
ไปยังจุดที่จะเริ่มเหินเวหาหรือที่
เชื่อมโยงไปถึงสัมผัสเครื่องบินลงอย่างมากส่งผลกระทบต่อรวม
กำลังการผลิตของทั้งสองรันเวย์ . ในทำนองเดียวกันใน
กรณีของสองรันเวย์ขนานกำลังการผลิตขึ้นอยู่กับ
ระยะห่างระหว่าง centerlines รันเวย์.
วิเคราะห์ความจุโดยประมาณสำหรับสนามบินที่มีสอง
รันเวย์ขนานหรือตัดตรงไปตรงมาจะค่อนข้าง.
Multirunway รุ่นความจุการวิเคราะห์ยัง
ให้ข้อมูลประมาณการโดยประมาณที่ดีของกำลังการผลิตที่แท้จริง
ในกรณีที่เกี่ยวข้องกับรันเวย์ที่สามหรือใช้งานมากขึ้นเช่น
ตราบเท่าที่การกำหนดค่ารันเวย์ที่สามารถ "สลาย"
เป็นส่วนกึ่งอิสระแต่ละประกอบด้วย
หนึ่งหรือสองรันเวย์ รุ่นดังกล่าวได้พิสูจน์แล้วว่า
มีคุณค่ามากในการวางแผนที่สนามบิน, เช่นเดียวกับใน
การประเมินผลกระทบของการเสนอการดำเนินการหรือเทคโนโลยีที่
เปลี่ยนแปลงกับความจุของสนามบิน.
หัวข้อของการศึกษาอย่างเข้มข้นอีกได้รับการประมาณค่าที่
ผ่านการใช้งานรูปแบบการจัดคิวของ
ความล่าช้าที่เกิดจากการ . ขาดความสามารถเพียงพอที่รันเวย์
ปัญหานี้เป็นปัญหาที่ท้าทายอย่างร้ายแรงต่อ
การดำเนินงานของนักวิจัย: ผลการปิดรูปแบบการพัฒนา
ในวรรณคดีมากมายของ SteadyState คลาสสิก
ทฤษฎีการเข้าคิวเป็นส่วนใหญ่ nonapplicable ที่
น้อยเมื่อมันมาถึงกรณีที่น่าสนใจจริงๆ
เหตุผลก็คือว่าคิวสนามบินโดยทั่วไปอย่างยิ่ง
ไม่คงที่ อัตราความต้องการและในการเปลี่ยนแปลง
สภาพอากาศที่อัตราการบริการที่สำคัญที่สุด
สนามบินแตกต่างกันอย่างมากในช่วงปกติ
วัน นอกจากนี้อัตราความต้องการที่อาจเกินความจุ
(> 1) อาจจะเป็นเพราะการขยายระยะเวลาส่วนใหญ่
มักจะเมื่อสภาพอากาศที่น้อยกว่าที่ดีที่สุด.
นี้ได้แรงบันดาลใจการพัฒนาของตัวเลข
วิธีการแก้ไขปัญหาของการคำนวณที่สนามบิน
เกิดความล่าช้าวิเคราะห์ ในกระดาษสถานที่สำคัญอื่น
คูปแมน (1972) เป็นที่ถกเถียงกันและแสดงให้เห็นผ่านตัวอย่าง
มาจากนิวยอร์กเคนเนดี้และลาการ์เดีย
สนามบินในเวลาหมู่ที่คึกคักที่สุดที่โลก
พฤติกรรมคิวของสนามบินที่มี k "รันเวย์
รายการเทียบเท่า "(กล่าวคือ k เกือบ เซิร์ฟเวอร์อิสระ) จะ
ถูก จำกัด โดยลักษณะของ M (t) / M (t) / K
และ M (t) / D (t) / k รุ่นเข้าคิวแต่ละให้
"เลวร้ายที่สุดกรณี" และ "กรณีที่ดีที่สุด "ประมาณการตามลำดับ.
โปรดทราบว่านี้จะช่วยให้การเปลี่ยนแปลงแบบไดนามิกในการให้บริการ
อัตราเช่นเดียวกับอัตราความต้องการ.
ขยายการทำงานของคูปแมน (1972),
M? t? / เอก? t? / ระบบ k ถูกเสนอโดย Kivestu (1976)
เป็นรูปแบบที่สามารถนำมาใช้ในการคำนวณโดยตรง
สถิติเข้าคิวประมาณสำหรับ airports-
มากกว่าแยกแก้ M (t) / M (t) / K และ
M (t) / D (t) / รุ่น k และ แล้วอย่างใด interpolating
ผลของพวกเขา (โปรดทราบว่าบริการเชิงลบชี้แจง
ครั้ง (M? และเวลาให้บริการอย่างต่อเนื่อง (D) เป็นเพียง
กรณีพิเศษของ Erlang (เอก) ครอบครัวมี k = 1
และ k = ตามลำดับ.) Kivestu (1976) ตั้งข้อสังเกตว่า k
ควรได้รับการพิจารณา จากความสัมพันธ์ E? S
/? S = √
k ที่ E? S
และ? S หมายถึงค่าที่คาดหวัง
และค่าเบี่ยงเบนมาตรฐานของเวลาการให้บริการและ
สามารถประมาณได้จากข้อมูลภาคสนาม. นอกจากนี้เขายังได้รับการพัฒนา
โครงการที่มีประสิทธิภาพใกล้เคียงกับตัวเลข
ที่คำนวณ (เวลาที่แตกต่างกัน) ความน่าจะเป็นของรัฐ
สำหรับ M? t? / เอก? t? / ระบบ k ได้อย่างมีประสิทธิภาพ. มาโลน (1995)
ได้แสดงให้เห็นความถูกต้องและการปฏิบัติจริง
Kivestu ของ (1976) วิธีการและการพัฒนาเพิ่มเติม
วิธีการประมาณที่มีประสิทธิภาพเหมาะกับ
การวิเคราะห์ของคิวที่สนามบินแบบไดนามิก. พัดลมและ Odoni
(2002) ให้รายละเอียดของการประยุกต์ใช้
ของ Kivestu (1976) รูปแบบการศึกษาของภาวะติด
ที่ชนะที่สนามบินลาการ์เดียในปี 2000
และต้นปี 2001
เพิ่มเติม (ตัวเลข) รูปแบบการวิเคราะห์สำหรับคอมพิวเตอร์
ความล่าช้าที่สนามบินได้รับการพัฒนาในช่วง
ไม่กี่ปีที่ผ่านมา ปีเตอร์สันและอัล (1995) และแดเนียล
(1995) อธิบายสองรูปแบบที่แตกต่างกันสำหรับการคำนวณ
ความล่าช้าที่สนามบินฮับที่มีลักษณะ
คม "ธนาคาร" หรือ "คลื่น" ของผู้โดยสารขาเข้าและขาออก.
แฮนเซน (2002) ได้ใช้รูปแบบที่กำหนดขึ้นตาม
ความคิด แผนภาพสะสมในการคำนวณ
ผลกระทบภายนอกล่าช้าที่ท่าอากาศยานนานาชาติลอสแอนเจลิส.
ในที่สุดยาว et al, (1999) และมาโลน (1995)
ปัจจุบันรูปแบบของเครือข่ายการเข้าคิวสองแบบไดนามิกและ
การประยุกต์ใช้ในการศึกษาความแออัดใน
ระบบน่านฟ้าแห่งชาติ Ingolfsson et al, (2002)
มีการสำรวจที่ครอบคลุมและการเปรียบเทียบในหลาย ๆ
วิธีการทางเลือกที่จะไม่คงที่ของการวิเคราะห์
ระบบการเข้าคิว.
หลายคุณสมบัติที่ดีที่สุดของบางส่วนของการวิเคราะห์
ความจุและรูปแบบการอธิบายความล่าช้าเพียงแค่ได้
รับการรวมเมื่อเร็ว ๆ นี้ในจำนวนของซอฟต์แวร์ใหม่

ผลลัพธ์ (ไทย) 3:

ทำเพราะความต้องการแยกการควบคุมการจราจรทางอากาศ
ตัวอย่างเช่น ในกรณีของคู่ตัดกัน
สะพานที่ตั้งแยกสัมพัทธ์
ไปยังจุดที่ takeoffs เริ่มต้นหรือที่
ลงจอดเครื่องบินสัมผัสลงส่งผลกระทบต่อความจุรวม
ของทั้งสองสะพาน ในทำนองเดียวกันใน
กรณีคู่ขนานสะพานความจุขึ้นอยู่กับ
ระยะห่างระหว่างเซนเตอร์ไลน์ของสะพาน
วิเคราะห์ความจุโดยประมาณสำหรับสนามบินที่มีสอง
ขนานหรือตัดสะพานจะค่อนข้างตรงไปตรงมา วิเคราะห์ศักยภาพนางแบบยัง

multirunway ให้ดีประมาณประมาณ
ความจุที่แท้จริงในคดีที่เกี่ยวข้องกับสามหรือมากกว่าใช้งานสะพาน ,
ยาวทางวิ่งการกำหนดค่าสามารถ " ย่อยสลาย "
ลงส่วนกึ่งอิสระละ
หนึ่งหรือสองสะพาน รุ่นดังกล่าวได้พิสูจน์
ที่มีคุณค่ามากในการวางแผนท่าอากาศยาน รวมทั้งใน
ประเมินค่าผลกระทบของกระบวนการหรือเทคโนโลยี เสนอการเปลี่ยนแปลงในสนามบินสุวรรณภูมิ
.
อีกหัวข้อของการศึกษาอย่างเข้มข้น มีการประมาณค่า
ผ่านการใช้ตัวแบบของ
ความล่าช้าเกิดจากการขาดความจุ
รันเวย์ที่เพียงพอปัญหานี้เป็นปัญหาที่ poses ท้าทายอย่างรุนแรง

งานนักวิจัย : ผลลัพธ์ที่ปิดแบบฟอร์มการพัฒนา
ในวรรณคดีมากมายของคลาสสิกคงตัว
ทฤษฎีคิวไป nonapplicable ที่
อย่างน้อยเมื่อมันมาถึงกรณีที่น่าสนใจจริงๆ
เหตุผลก็คือคิวของสนามบินโดยทั่วไปขอ
ติจิ . ความต้องการอัตราและเปลี่ยน
อากาศบริการอัตราที่สนามบินใหญ่
ที่สุดแตกต่างกันอย่างมากผ่านหลักสูตรของวันปกติ

นอกจากนี้ อุปสงค์ ราคาอาจเกินความสามารถ
(
> 1 ) อาจขยายช่วงเวลาที่สุด
บ่อยครั้งเมื่อสภาพอากาศจะน้อยกว่าที่ดีที่สุด .
นี้ได้มีการพัฒนาวิธีการเชิงตัวเลข

ความล่าช้าสนามบินปัญหาการคำนวณการวิเคราะห์ . อีกสถานที่สำคัญในกระดาษ
คุ๊ปมันส์ ( 1972 ) แย้ง และแสดงผ่านตัวอย่าง
วาดจาก New York Kennedy และสนามบินลาการ์เดีย
, ในเวลาของโลกอันดับที่
แถวคอยพฤติกรรมของสนามบินกับ K "
> รันเวย์ " ( เช่น K อิสระเกือบเซิร์ฟเวอร์ ) สามารถ
ถูกล้อมรอบด้วยลักษณะของ M ( t ) m ( T )
/ K และ M ( t ) / D ( t ) k ตัวแบบในการให้
" พลังงาน " และ " กรณี " ประมาณการที่ดีที่สุดตามลำดับ .
ทราบว่านี้ช่วยให้สำหรับการเปลี่ยนแปลงแบบไดนามิกในบริการ
อัตรา รวมทั้งในความต้องการอัตรา .
ขยายการทำงานของคุ๊ปมันส์ ( 1972 ) ,
t M   / เอก   T / K ระบบที่เสนอโดย kivestu ( 1976 )
เป็นรุ่นที่สามารถใช้โดยตรงจากสนามบินประมาณคิวสถิติ
-
มากกว่าต่างหากแก้ไข M ( t ) m ( T )
/ K และM ( t ) / D ( T ) / K รุ่นแล้วบางทีการ ประมาณ
ผลลัพธ์ของพวกเขา ( โปรดทราบว่าลบชี้แจงบริการ
( M  และเวลาบริการคงที่ ( D ) มีเพียง
กรณีพิเศษของภาษาเออร์แลง ( EK ) ครอบครัว กับ k = 1 และ k =
ตามลำดับ ) kivestu ( 1976 ) ตั้งข้อสังเกตว่า K
ควรพิจารณาจากความสัมพันธ์ E  S
/  s = √
k , E และ S ซึ่ง 
 S หมายถึงค่าคาดหมาย
และส่วนเบี่ยงเบนมาตรฐานของการบริการครั้ง
สามารถคำนวณจากข้อมูลภาคสนาม เขายังพัฒนาประสิทธิภาพการประมาณโครงการ

ตัวเลขที่คำนวณเวลาที่แตกต่าง ) รัฐความน่าจะเป็น
สำหรับ M  T  / เอก   T / K ระบบได้อย่างมีประสิทธิภาพ มาโลน ( 1995 )
ได้แสดงให้เห็นความถูกต้องและจริง
kivestu ( 1976 ) และวิธีการพัฒนาเพิ่มเติม
มีประสิทธิภาพประมาณวิธีการเหมาะกับ
การวิเคราะห์คิวสนามบินแบบไดนามิก พัดลมและ odoni
( 2002 ) ให้รายละเอียดของการใช้
kivestu ( 1976 ) รูปแบบการศึกษาของ gridlock เงื่อนไข
ที่เชี่ยวที่สนามบิน LaGuardia ในปี 2000 และ 2001 ก่อน
.
เพิ่มเติม ( เลข ) รูปแบบการวิเคราะห์การคำนวณ
สนามบินล่าช้าได้รับการพัฒนามากกว่า
ไม่กี่ปี Peterson et al . ( 1995 ) และแดเนียล
( 1995 ) อธิบายรูปแบบแตกต่างกันสองสำหรับความล่าช้าการคำนวณ
ที่ฮับสนามบินซึ่งมีลักษณะโดย
คม " ธนาคาร " หรือ " คลื่น " ของขาเข้าและขาออก .
แฮนเซน ( 2545 ) ได้ใช้โมเดลเชิงกำหนดตาม
บนแนวคิดของภาพสะสม คำนวณ
ล่าช้าผลกระทบภายนอกที่สนามบินนานาชาติลอสแองเจลิส
สุดท้ายยาว et al . ( 1999 ) และ มาโลน ( 1995 )
ปัจจุบันสองตัวแบบไดนามิกของเครือข่ายและโปรแกรมเพื่อการศึกษา

ระบบความแออัดในน่านฟ้าแห่งชาติ ingolfsson et al . ( 2002 )
ให้สำรวจอย่างละเอียดและเปรียบเทียบแนวทาง
ทางเลือกหลายเพื่อการวิเคราะห์ระบบแถวคอยติจิ
.
หลายคุณสมบัติที่ดีที่สุดของความสามารถและวิเคราะห์แบบจำลองความล่าช้าก็อธิบายได้

ถูกรวมๆในจํานวน
ซอฟต์แวร์ใหม่