Simulation as a tool for calculating the airports’ runway capacity

• Autorzy: Jurczyk Krzysztof , Kutyba Agata

Identyfikatory

DOI

10.37055/slw/176017

Warianty tytułu

PL

Symulacja jako narzędzie do obliczania przepustowości pasów lotniczych

• Języki publikacji: EN

Abstrakty

EN

The basic parameter for evaluating the efficiency of airport operations is capacity. Investment planning in the aviation industry is a complex process, requiring consideration of many factors and a combination of different aspects. The aim of the study is to present the possibility of using discrete event simulation as a tool for determining the capacity of runways at airports. The main research problem of the article is: How to build a simulation model for determining the capacity of an airport runway using FlexSim software? The research hypothesis is: Discrete Event Simulation can be a useful calculation tool for determining the capacity of runways at airports. The research niche is operations research and systems engineering and in particular simulation modelling using DEVS paradigm. An attempt was made to build simulation model, the purpose of which is to carry out simulation analyzes of airport capacity, and in particular of the runway. Simulation analyzes were performed using the FlexSim 3D Simulation software. The article discusses in detail the operating principle of the model and presents the results of numerical tests carried out to calculate the capacity of runways and taxiways at airports. The constructed simulation model of the airport capacity in the FlexSim environment enables to determine the airport’s runway capacity, constituting valuable information to support modernization decisions. The model may contribute to the efficient adjustment of the runway capacity. It should be noted that the creation of an effective system dedicated to a given airport will improve the air traffic control carried out by the system based on calculated maximum hourly runway capacity.

PL

Podstawowym parametrem oceny efektywności funkcjonowania portów lotniczych jest przepustowość. Planowanie inwestycji w branży lotniczej to złożony proces, wymagający uwzględnienia wielu czynników i połączenia różnych aspektów. Celem opracowania jest przedstawienie możliwości wykorzystania symulacji zdarzeń dyskretnych jako narzędzia do wyznaczania przepustowości dróg startowych na lotniskach. Głównym problemem badawczym artykułu jest: jak zbudować model symulacyjny do wyznaczania przepustowości pasa startowego lotniska za pomocą oprogramowania FlexSim? Hipoteza badawcza, jaką postawiono brzmi: symulacja zdarzeń dyskretnych może być użytecznym narzędziem służącym do obliczania przepustowości dróg startowych na lotniskach. Jako niszę badawczą wskazano badania operacyjne i inżynierię systemów, a w szczególności badania symulacyjne oparte na paradygmacie DEVS. Podjęto próbę zaproponowania modelu symulacyjnego, którego celem jest przeprowadzenie analiz symulacyjnych przepustowości lotniska, a w szczególności pasa startowego. Analizy symulacyjne przeprowadzono za pomocą oprogramowania FlexSim 3D Simulation. W artykule szczegółowo omówiono zasadę działania modelu oraz przedstawiono wyniki badań numerycznych przeprowadzonych w celu obliczenia przepustowości dróg startowych i dróg kołowania na lotniskach. Zbudowany przykładowy referencyjny model symulacyjny przepustowości lotniska umożliwia wyznaczenie przepustowości pasa startowego lotniska, stanowiąc cenne informacje wspierające decyzje modernizacyjne. Model może przyczynić się do sprawnego dostosowania przepustowości drogi startowej. Należy zauważyć, że stworzenie efektywnego systemu dedykowanego danemu portowi lotniczemu usprawni kontrolę ruchu lotniczego realizowaną przez system w oparciu o obliczoną maksymalną godzinową przepustowość pasa startowego.

Słowa kluczowe

EN

air traffic engineering; airport capacity; modeling and simulation; basic capacity; practical capacity

PL

inżynieria ruchu lotniczego; przepustowość lotniska; modelowanie i symulacja; przepustowość podstawowa; przepustowość praktyczna

• Wydawca: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
• Czasopismo: Systemy Logistyczne Wojsk
• Rocznik: 2023
• Tom: Vol. 58, no. 1
• Strony: 97--110
• Opis fizyczny: Bibliogr. 30 poz., fig., tab.

Twórcy

autor

Jurczyk Krzysztof

• InterMarium Sp. z o.o., Poland

• https://orcid.org/%3A+0000-0001-7569-3161

autor

Kutyba Agata

• Faculty of Management, AGH University of Science and Technology, Poland

• https://orcid.org/0000-0001-5702-4378

Bibliografia

• [1] Aerodrome Design Manual, 1991, ICAO Doc 9157, Third Edition.
• [2] Annex 9 ICAO of the Convention on International Civil Aviation – Facilitation Twelfth Edition, 2005.
• [3] Bazargan, M., Fleming, K., Subramanian, P., 2002. A simulation study to investigate runway capacity using TAAM. In Proceedings of the winter simulation conference, 2, 1235–1243. IEEE. DOI: 10.1109/WSC.2002.1166383.
• [4] Beaverstock, M., Greenwood, A., Nordgren, W., 2018. Applied Simulation: Modeling and Analysis using FlexSim. Orem, Utah, USA.
• [5] Cetek, F. A., Çetek, C., 2014. Simulation modelling of runway capacity for flight training airports. The Aeronautical Journal, 118(1200), 143–154. DOI: 10.1017/S0001924000009039.
• [6] Chao, W., Xinyue, Z., Xiaohao, X., 2008. Simulation study on airfield system capacity analysis using SIMMOD. In 2008 International Symposium on Computational Intelligence and Design, 1, 87–90. DOI: 10.1109/ISCID.2008.70.
• [7] Cheung, W. L., Piplani, R., Alam, S., Bernard-Peyre, L., 2021. Dynamic capacity and variable runway configurations in airport slot allocation. Computers & Industrial Engineering, 159, 107480. DOI: 10.1016/j.cie.2021.107480.
• [8] De Visscher, I., Stempfel, G., Rooseleer, F., Treve, V., 2018. Data mining and Machine Learning techniques supporting Time-Based Separation concept deployment. In 2018 IEEE/AIAA 37th Digital Avionics Systems Conference, 1–10. DOI: 10.1109/DASC.2018.8569325.
• [9] Di Mascio P., Rappoli G., Moretti L., 2020. Analytical Method for Calculating Sustainable Airport Capacity. Sustainability. 12(21):9239. DOI: 10.3390/su12219239
• [10] Di Mascio, P., Cervelli, D., Correra, A. C., Frasacco, L., Luciano, E., Moretti, L., 2021. Effects of departure manager and arrival manager systems on airport capacity. Journal of Airport Management, 15(2), 204–218.
• [11] Di Mascio, P., Cervelli, D., Correra, A. C., Frasacco, L., Luciano, E., Moretti, L., Nichele, S., 2020. A critical comparison of airport capacity studies. Journal of Airport Management, 14(3), 307–321.
• [12] Farhadi, F., Ghoniem, A., Al-Salem, M. (2014). Runway capacity management–an empirical study with application to Doha International Airport. Transportation Research Part E: Logistics and Transportation Review, 68, 53–63. DOI: 10.1016/j.tre.2014.05.004
• [13] Herrema, F., Curran, R., Hartjes, S., Ellejmi, M., Bancroft, S., Schultz, M., 2019. A machine learning model to predict runway exit at Vienna airport. Transportation Research Part E: Logistics and Transportation Review, 131, 329–342. DOI: 10.1016/j.tre.2019.10.002
• [14] Horonjeff, R., McKelvey, F., Sproule, W.J., Young, S.B., 2010. Planning & Design of Airports, 5th ed., McGraw Hill, New York, NY, USA.
• [15] IATA (2020), Word Air Transport Statistics.
• [16] Ivkovic, I., Cokorilo, O., Kaplanović, S., 2018. The estimation of GHG emission costs in road and air transportsector: Case study of Serbia. Transport, 33, 260–267. DOI: 10.3846/16484142.2016.1169557
• [17] Kuzminski, P.C., 2013. An improved runway Simulator – Simulation for runway system capacity estimation. In 2013 Integrated Communications, Navigation and Surveillance Conference (ICNS), 1–11. DOI: 10.1109/ICNSurv.2013.6548575
• [18] Lieder, A., Stolletz, R., 2016. Scheduling aircraft take-offs and landings on interdependent and heterogeneous runways. Transportation research part E: logistics and transportation review, 88, 167–188. DOI: 10.1016/j.tre.2016.01.015
• [19] Malarski M., 2006. Inżynieria ruchu lotniczego. Warszawa, Oficyna Wydawnicza PW.
• [20] Malarski M., Manerowski J., 2007. Przepustowość portu lotniczego. Journal of Aeronautica Integra 1/2007 (2), 51–58.
• [21] Malarski M., Skorupski J., 1994. Modelowanie przestrzeni lotniska dla wyznaczenia jego pojemności dla różnych systemów organizacji ruchu lotniczego. Zeszyty Naukowe Politechniki Śląskiej, Automatyka, z. 115.
• [22] Ng, K.K., Chen, C.H., Lee, C.K., 2021. Mathematical programming formulations for robust airside terminal traffic flow optimisation problem. Computers & Industrial Engineering, 154, 107–119. DOI: 10.1016/j.cie.2021.107119
• [23] Nita P., 2014. Projektowanie lotnisk i portów lotniczych, Wydawnictwa Komunikacji i Łączności WKŁ, Warszawa.
• [24] Peng, Y., Wei, G., Jun-Qing, S., 2013. Capacity analysis for parallel runway through agent-based simulation. Mathematical Problems in Engineering. DOI: 10.1155/2013/505794
• [25] Stanners, D., Bourdeau, P., 1995. Europe’s Environment: The Dobris Assessment; Office for Official Publications of the European Communities: Luxembourg. European Environment Agency: Copenhagen, Denmark.
• [26] Stelmach A., Malarski M., 2006. Model procesu obsługi ruchu lotniczego w rejonie portu lotniczego. Prace naukowe Politechniki Warszawskiej – Transport z. 56, 41–60.
• [27] Stempfel, G., De Visscher, I., Ellejmi, M., Brossard, V., Bonnefoy, A., Treve, V., 2021. Applying machine learning modeling to enhance runway throughput at a big European airport. In IOP Conference Series: Materials Science and Engineering, 012106. IOP Publishing. DOI: 10.1088/1757-899X/1024/1/012106
• [28] Tascón, D. C., & Olariaga, O. D., 2021. Air traffic forecast and its impact on runway capacity. A System Dynamics approach. Journal of Air Transport Management, 90, 101946. DOI: 10.1016/j.jairtraman.2020.101946
• [29] Wang, C.N., Imperial, K.N.C., Huang, C.C., Dang, T.T., 2022. Output targeting and runway utilization of major international airports: A comparative analysis using DEA. Mathematics, 10(4), 551. DOI: 10.3390/math10040551
• [30] Zou, X., Cheng, P., Cheng, N., 2014. A simulation model for airport runway capacity estimation. In 17th International IEEE Conference on Intelligent Transportation Systems (ITSC), 2669–2674. DOI: 10.1109/ITSC.2014.6958117

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).