Uma abordagem metaheurística para o sequenciamento de aeronaves para pouso e o aumento de capacidade de pista
Notice bibliographique
Résumé
Problemas de capacidade de pista estão presentes em vários aeroportos ao redor do mundo. A execução eficiente e eficaz do sequenciamento de aeronaves para pouso tornou-se uma alternativa para o aumento de capacidade de pista no nível tático. O problema do sequenciamento busca determinar a melhor ordem de processamento de aeronaves para pouso, a fim de otimizar o uso da pista e mitigar atrasos, entre outros objetivos, sujeito a uma série de restrições operacionais. O presente estudo tem por objetivo desenvolver um método de solução para o problema de sequenciamento que seja capaz de produzir um ganho de capacidade de pista, gerar soluções viáveis em um curto espaço de tempo e manter a equidade entre as empresas aéreas, respeitando o número máximo de mudanças de posição das aeronaves em uma nova sequência. O método é baseado na metaheurística de arrefecimento simulado adaptado ao contexto do problema estudado. O conjunto de dados Airland, disponível na OR-library, e dados reais do Aeroporto Internacional de São Paulo/Guarulhos foram utilizados para avaliar os potenciais benefícios do método proposto. Os resultados mostraram ganhos de capacidade de até 21% para os dados teóricos e de 10% para os dados reais.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».