Aktualny numer
Archiwum
O SLW
O czasopiśmie
Cel i zakres
Redakcja
Międzynarodowa Rada Naukowa
Harmonogram publikacji
Indeksowanie i identyfikatory
Wydawca
Kontakt
Dla autorów
Wytyczne dla autorów
Zgłoś manuskrypt
Opłaty i zwolnienia
Recenzowanie i decyzje redakcyjne
Dla recenzentów
Wytyczne dla recenzentów
Wykaz recenzentów
Podziękowania dla recenzentów
Polityki
Polityka Otwartego Dostępu
Prawa autorskie i licencja
Zasady etyki
Procedura zabezpieczająca oryginalność publikacji
Archiwizacja
RODO – informacje o przetwarzaniu danych osobowych
ARTYKUŁ ORYGINALNY
Simulation as a tool for calculating the airports’ runway capacity
1
InterMarium Sp. z o.o., Poland
2
Faculty of Management, AGH University of Science and Technology, Poland
A - Koncepcja i projekt badania; B - Gromadzenie i/lub zestawianie danych; C - Analiza i interpretacja danych; D - Napisanie artykułu; E - Krytyczne zrecenzowanie artykułu; F - Zatwierdzenie ostatecznej wersji artykułu
Data nadesłania: 25-04-2023
Data ostatniej rewizji: 07-08-2023
Data akceptacji: 28-09-2023
Data publikacji: 30-09-2023
Autor do korespondencji
Krzysztof Jurczyk
Operations Director, InterMarium Sp. z o.o., Aleja Pokoju 1, 31-548, Kraków, Polska
Operations Director, InterMarium Sp. z o.o., Aleja Pokoju 1, 31-548, Kraków, Polska
SLW 2023;58(1):97-110
SŁOWA KLUCZOWE
DZIEDZINY
STRESZCZENIE
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? 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.
REFERENCJE (30)
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.
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.
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.
| eISSN: | 2719-7689 |
| ISSN: | 1508-5430 |
Przetwarzamy dane osobowe zbierane podczas odwiedzania serwisu. Realizacja funkcji pozyskiwania informacji o użytkownikach i ich zachowaniu odbywa się poprzez dobrowolnie wprowadzone w formularzach informacje oraz zapisywanie w urządzeniach końcowych plików cookies (tzw. ciasteczka). Dane, w tym pliki cookies, wykorzystywane są w celu realizacji usług, zapewnienia wygodnego korzystania ze strony oraz w celu monitorowania ruchu zgodnie z Polityką prywatności. Dane są także zbierane i przetwarzane przez narzędzie Google Analytics (więcej).
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
