⚡ electrical engineering

Vertiport Terminal Scheduling and Throughput Analysis for Multiple Surface Directions

Dit artikel stelt een Mixed Integer Linear Program (MILP) voor om de vertiport-planning over meerdere oppervlakterichtingen te optimaliseren en leidt theoretische doorvoerequaties af, waarmee wordt aangetoond dat de aanpak vertragingen met wel 50% vermindert terwijl capaciteitsniveaus worden bereikt die consistent zijn met theoretische maxima.

Oorspronkelijke auteurs: Ravi Raj Saxena, T. V. Prabhakar, Joy Kuri, Manogna Yadav

Gepubliceerd 2026-06-05

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Ravi Raj Saxena, T. V. Prabhakar, Joy Kuri, Manogna Yadav

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een bruisende stad voor waar de wegen vaststaan in een file, en de oplossing is het bouwen van een nieuw netwerk van snelwegen in de lucht. Dit is de belofte van Urban Air Mobility (UAM): het gebruik van elektrische "lucht-taxi's" (VTOL-voertuigen) om mensen en pakketjes rond te vliegen. Maar net zoals auto's benzinestations en parkeerplaatsen nodig hebben, hebben deze vliegende auto's speciale plekken nodig om te landen, passagiers op te halen, op te laden en weer op te stijgen. Deze plekken worden Vertiport Terminals (of "vertiminals") genoemd.

Dit artikel behandelt een groot probleem: Hoe plannen we de vluchten van deze lucht-taxi's zodat ze niet botsen, niet te lang wachten en de lucht efficiënt blijft bewegen?

Hier is een eenvoudige uitsplitsing van wat de auteurs hebben gedaan, met behulp van alledaagse analogieën.

1. Het grote verschil: Helikopters versus lucht-taxi's

Denk aan een traditioneel vliegtuig als een raceauto. Het heeft een lange, rechte landingsbaan nodig. Het kan alleen opstijgen in één specifieke richting (stroomafwaarts over de baan) en moet ook vanuit diezelfde richting landen. Als twee auto's de baan willen gebruiken, moeten ze wachten tot de eerste de hele lengte van de baan heeft vrijgemaakt.

Denk nu aan deze nieuwe VTOL lucht-taxi's als drones of helikopters. Ze kunnen recht omhoog opstijgen en recht naar beneden landen.

De Superkracht: Zodra ze de grond verlaten, kunnen ze direct in elke gewenste richting vliegen.
De Gelegenheid: Als je een landingsplatform hebt, heb je niet slechts één "afrit" nodig. Je kunt meerdere "afritten" (genoemd oppervlakterichtingen) in verschillende richtingen laten uitwaaieren. Als één auto naar het Noorden vertrekt, kan een andere direct daarna naar het Oosten vertrekken, zonder te hoeven wachten tot de eerste de hele lucht heeft vrijgemaakt.

2. Het Probleem: De "File" in de Lucht

De auteurs realiseerden zich dat, hoewel we weten hoe we deze terminals moeten ontwerpen, we geen goede manier hadden om het verkeer te plannen (scheduling).

De Oude Manier (FCFS): Stel je een rij voor bij een koffiebar waar iedereen strikt in de volgorde van aankomst wordt geholpen ("First Come, First Served"). Dit is simpel, maar inefficiënt. Als de persoon vooraan traag is, wacht iedereen achter hen, zelfs als de persoon erachter sneller bediend had kunnen worden als de volgorde was omgedraaid.
De Nieuwe Manier (MILP): De auteurs creëerden een slim computerbrein (een Mixed Integer Linear Program, of MILP). In plaats van alleen te kijken naar wie er het eerst aankwam, kijkt het naar het gehele plaatje. Het vraat: "Als ik deze auto naar het Oosten laat gaan en die andere naar het Noorden, kunnen we dan beide sneller door de terminal krijgen dan wanneer ze allebei naar het Noorden zouden proberen te gaan?"

3. De Oplossing: De Slimme Planner

De auteurs bouwten een wiskundig model dat werkt als een super-verkeersregelaar.

Wat het doet: Het plant wanneer een vliegtuig de gate verlaat, wanneer het over de taxibaan (het pad op de grond) rijdt, wanneer het op het platform landt en welke "afrit" (oppervlakterichting) het neemt om te vertrekken.
Het Resultaat: Door dit slimme planningsysteem te gebruiken en toestellen toe te staan in verschillende richtingen te vertrekken, ontdekten zij dat ze de vertragingen met wel 50% konden verminderen. Het is alsoals het vinden van een kortere route door een doolhof die de rest van de mensen over het hoofd heeft gezien.

4. De "Bottleneck"-controle (Doorvoermanalyse)

De auteurs bouwten niet alleen de planner; ze wilden ook weten: "Wat is het absolute maximum aantal vliegtuigen dat deze terminal kan verwerken?"

Ze braken de terminal af in drie delen, zoals het controleren van de capaciteit van een waterslang-systeem:

De Landingsplatforms (TLOF): De eigenlijke plekken waar de vliegtuigen landen.
De Taxibaan: De wegen op de grond die de platforms verbinden met de gates.
De Gates: De parkeerplekken waar passagiers instappen.

Ze schreven eenvoudige wiskundige vergelijkingen om de "snelheidslimiet" van elk deel te berekenen.

De Bevinding: Ze ontdekten dat de Landingsplatforms en de Gates meestal de bottlenecks zijn (de nauwste delen van de buis). De taxibanen (de wegen op de grond) zijn meestal breed genoeg zodat ze geen verkeersopstoppingen veroorzaken.
Het Bewijs: Wanneer ze hun slimme planner draaiden, kwam het aantal vliegtuigen dat het systeem hanteerde perfect overeen met hun theoretische wiskundige vergelijkingen. Dit bewees dat hun planner zo efficiënt mogelijk werkte binnen de fysieke mogelijkheden.

5. De Praktijktest: De Gimpo Luchthaven Casusstudie

Om te controleren of dit niet slechts een theorie was, testten ze het op een echt ontwerp voor een terminal bij de Gimpo Luchthaven in Korea. Ze probeerden vier verschillende manieren om de terminal te organiseren:

Scenario A: Laat iedereen vrij mengen (Aankomsten en Vertrek delen alles).
Scenario B & C: Scheid de aankomsten en vertrekken in verschillende zones.

De Winnaar: De scenario's die aankomsten en vertrek scheidden (zoals het hebben van een speciale "Drop-off" strook en een speciale "Pick-up" strook) werkten het best. Ze verminderden de chaos en lieten meer vliegtuigen per minuut door de terminal bewegen.

Samenvatting

Kortom, dit artikel zegt:

Lucht-taxi's zijn flexibel: Ze kunnen in elke richting vertrekken, in tegenstelling tot gewone vliegtuigen.
We hebben een slim brein nodig: Een eenvoudige "wie het eerst komt, wordt het eerst bediend"-rij is te traag. We hebben een slim algoritme (MILP) nodig om de planning te beheren.
Het werkt: Deze slimme planning halveert de wachttijden en duwt de terminal naar zijn maximale capaciteit.
Scheiding is de sleutel: Het gescheiden houden van aankomende en vertrekkende vliegtuigen in verschillende zones zorgt ervoor dat het hele systeem soepeler verloopt.

De auteurs hebben een "blauwdruk" en een "verkeersregelaar" geleverd om ervoor te zorgen dat wanneer onze steden volstromen met lucht-taxi's, de lucht niet verandelt in een parkeerplaats.

Technische Samenvatting: Vertiport Terminal Planning met Meerdere Oppervlakte-richtingen en Doorvoermanalyse

Probleemstelling

Urban Air Mobility (UAM)-systemen beogen de grondcongestie te verlichten door gebruik te maken van het stedelijke luchtruim voor Vertical Take-Off and Landing (VTOL) voertuigen. Hoewel vertiport-terminals (vertiminals) cruciale knooppunten zijn voor deze operaties, lopen zij het risico een bottleneck te worden, vergelijkbaar met traditionele luchthavens onder hoge verkeersbelasting. In tegen tegenstelling tot fixed-wing vliegtuigen, die afhankelijk zijn van landingsbanen met vaste naderings- en klimrichtingen, beschikken VTOL-voertuigen over de flexibiliteit om meerdere oppervlakte-richtingen te gebruiken voor opstijgen en landen.

De huidige literatuur richt zich grotendeels op vertiport-ontwerp, luchtverkeerscontrole-regels of geïsoleerde grondoperaties. Er is echter een gebrek aan holistische optimalisatiekaders die de volgende zaken integreren:

Meerdere Oppervlakte-richtingen: Het benutten van het vermogen van VTOL's om in verschillende richtingen te klimmen en te naderen om scheidingsbeperkingen te verminderen.
Geïntegreerde Grondoperaties: Het gelijktijdig plannen van taxiën, gate-turnaround, TLOF (Touchdown and Lift-Off) padbezetting, en klim-/naderingsfasen.
Doorvoermanalyse: Het afleiden van analytische grenzen voor capaciteit zonder uitsluitend te vertrouwen op rekenintensieve simulaties.

De kernuitdaging is het minimaliseren van vertragingen (wachten bij gates, taxiën, OFV-bezetting en klimmen) terwijl aan veiligheidsbeperkingen wordt voldaan, zoals wake vortex-scheiding, minimale afstandseisen op taxibanen en regels voor de bezetting van het obstakelvrije volume (OFV).

Methodologie

1. Mixed Integer Linear Program (MILP) Formulering

De auteurs stellen een nieuwe MILP-formulering voor om vertiminal-operaties te optimaliseren. Het doel is om de gewogen som van vertragingen over alle operationele stadia te minimaliseren:

Vertrek: Wachten bij de gate, taxiën naar de TLOF, klimmen binnen de OFV, en klimmen naar de vertiexit.
Aankomst: Klimmen van de vertiexit naar de OFV, landen op de TLOF, en taxiën naar de gate.
Turnaround: Tijd doorgebracht bij gates voor boarding/deboarding.

Belangrijke kenmerken van de formulering:

Meerdere Richtingen: Het model staat expliciet toe dat VTOL's verschillende oppervlakte-richtingen selecteren voor klimmen en naderen. Als opeenvolgende vliegtuigen verschillende richtingen gebruiken, wordt de scheidingsafstandbeperking versoepeld (gesteld op nul), wat vertragingen vermindert.
Optimalisatieverbeteringen: Voortbouwend op eerder werk, hebben de auteurs de "onmiddellijke voorganger" binaire variabele geëlimineerd en vertrouwen zij enkel op een algemene voorganger-variabele. Dit heeft het aantal beperkingen met meer dan 90% verminderd, wat zowel de formulering als de solver-tijden aanzienlijk heeft verkort.
Beperkingen: Het model handhaaft fysieke beperkingen (snelheidslimieten, padcontinuïteit), scheidingsvereisten (wake vortex op TLOF-pads, afstand op taxibanen/oppervlakte-richtingen) en gate-houdcapaciteiten.

2. Analytische Afleiding van de Doorvoercapaciteit

Om de efficiëntie van de MILP-planning te evalueren, hebben de auteurs analytische vergelijkingen afgeleid om de theoretische bovengrenzen van de vertiminal-doorvoer te berekenen. Het systeem wordt opgedeeld in drie onafhankelijke subsystemen:

TLOF Pad Systeem: Berekent de capaciteit op basis van TLOF-padbezettingstijd, OFV-reistijd en scheidingsvereisten (wake vortex en oppervlakte-richting scheiding). Het houdt rekening met vier bewegingssequenties: Aankomst-Aankomst (AA), Vertrek-Vertrek (DD), Aankomst-Vertrek (AD) en Vertrek-Aankomst (DA).
Taxibaan Systeem: Gemodelleerd als een doorvoernetwerk. Dynamische capaciteit wordt berekend op basis van voertuiglengte, scheidingsafstand en taxi-snelheid met behulp van de max-flow min-cut stelling.
Gate Systeem: Capaciteit wordt bepaald door het statische aantal parkeerplaatsen en de dynamische turnaround tijd (TAT) van de snelste voertuigklasse.

De totale vertiminal-doorvoer wordt gedefinieerd als het minimum van de doorvoeren van deze drie subsystemen ( $\mu_{vertiminal} = \min(\mu_{TLOF}, \mu_{taxi}, \mu_{G})$ ).

Belangrijkste Bijdragen

Nieuwe Operationele Procedure: Het artikel introduceert een planningskader dat de verschillende klim- en naderingsrichtingen exploiteert. Deze flexibiliteit maakt een nauwere sequencing van vliegtuigen mogelijk, waardoor vertragingen met wel 50% worden verminderd vergeleken met single-direction of First-Come-First-Served (FCFS) benaderingen.
Verbeterde MILP Efficiëntie: De herziene formulering vermindert de computationele complexiteit met meer dan 90% ten opzichte van eerdere modellen, waardoor het haalbaar wordt om grotere instanties op te lossen die aankomende vluchten en gate-turnarounds omvatten.
Analytische Doorvoergrenzen: De auteurs bieden vergelijkingen aan om de theoretische doorvoerlimieten te berekenen op basis van specifieke operationele parameters (scheidingstijden, TAT, OFV-bezetting). Deze vergelijkingen maken capaciteitsanalyse mogelijk zonder uitgebreide simulaties uit te voeren.
Validatie via Casestudy: Het kader wordt gevalideerd met de Gimpo Vertiminal topologie (een pier-type ontwerp met 4 TLOF pads en 20 gates). De studie vergelijkt verschillende operationele configuraties (bijv. gesegregeerde versus gemengde aankomst/vertrek pads) om optimale opstellingen te identificeren.

Resultaten

Reductie van Vertraging en Planning

Impact van Oppervlakte-richting: Het verhogen van het aantal beschikbare oppervlakte-richtingen van 1 naar 2 resulteerde in een reductie van ongeveer 50% in de excessieve vertraging voor vertrekkende vluchten.
MILP vs. FCFS: De MILP-benadering presteerde consequent beter dan FCFS-planning. De gemiddelde en mediane vertragingen voor MILP waren aanzienlijk lager. Bij FCFS waren vertragingen uniform verdeeld, terwijl MILP de vertragingen wegstuurde van de maximale waarde, waarbij de algehele systeemefficiëntie werd geprioriteerd.
Gewogen Optimalisatie: Door hogere gewichten toe te kennen aan beperkte middelen (TLOF pads, OFV) en lagere gewichten aan minder beperkte middelen (gates), slaagde de MILP erin de congestie op kritieke bottlenecks te minimaliseren, waardoor onnodige taxi-vertragingen werden voorkomen.

Doorvoermanalyse

Identificatie van Bottlenecks: De analyse bevestigde dat het TLOF-padsysteem en het Gate-systeem de primaire bottlenecks zijn, terwijl het taxibaan-systeem over het algemeen voldoende capaciteit heeft.
Effect van Meerdere Richtingen:
- In scenario's waar de OFV-bezettingstijd de scheidingstijd overschreed, boden meerdere oppervlakte-richtingen geen voordeel voor de doorvoer.
- Daarentegen, wanneer de scheidingstijd de OFV-bezettingstijd overschreed (Set 2 in de studie), verhoogde het gebruik van meerdere oppervlakte-richtingen de doorvoer aanzienlijk (bijv. van ~5,14 naar ~9,41 VTOL's/min voor specifieke configuraties).
Configuratie Optimalisatie: In de Gimpo casestudy bereikten configuraties die aankomsten en vertrekken scheidden naar specifieke TLOF pads (Configuraties 3 en 4) een hogere doorvoer (9,25 en 9,54 VTOL's/min in Set 1) vergeleken met volledig gemengde of gedeeltelijk gesegmenteerde configuraties. Dit onderstreept dat het verminderen van padconflicten cruciaal is voor het maximaliseren van de capaciteit.

Betekenis en Claims

Het artikel claimt dat de tweeledige aanpak — het combineren van een geoptimaliseerde MILP-planner met analytische doorvoervergelijkingen — een uitgebreid instrument biedt voor vertiminal-planning.

Praktisch Nut: De afgeleide vergelijkingen stellen planners in staat om capaciteitslimieten in te schatten en de impact van ontwerpparameters (zoals TLOF-naar-gate ratio's) te begrijpen zonder tijdrovende simulaties te hoeven draaien.
Operationele Efficiëntie: De studie toont aan dat strategische toewijzing van TLOF pads (het scheiden van aankomsten en vertrekken) en het gebruik van meerdere oppervlakte-richtingen de vertiminal-capaciteit aanzienlijk kunnen vergroten en vertragingen kunnen verminderen.
Schaalbaarheid: De reductie in computationele complexiteit maakt de MILP-formulering geschikt voor real-time of bijna real-time planning in toekomstige UAM-netwerken.

De auteurs concluderen dat hoewel de MILP-formulering effectief optimale configuraties en planningen identificeert, toekomstig werk zich zal richten op verdere reductie van de rekentijd via rolling horizon-methoden en het integreren van stochastische elementen om operationele onzekerheden op te vangen.