这篇文档属于类型a，即报告了一项单一原创研究的学术论文。以下是对该研究的详细报告：
本研究的主要作者为Merve Keskin和Konstantinos G. Zografos。Merve Keskin来自英国谢菲尔德大学管理学院（Sheffield University Management School），Konstantinos G. Zografos则来自英国兰卡斯特大学管理学院（Lancaster University Management School）。该研究发表于《Transportation Research Part B》期刊，2023年10月14日在线发布。
该研究的主要科学领域为航空运输管理，特别是机场时刻分配（airport slot allocation）问题。由于全球许多机场面临严重的供需失衡，导致高度拥堵，国际航空运输协会（IATA）通过《世界机场时刻分配指南》（WASG）来控制这些机场的访问。然而，现有的时刻分配模型主要集中在单个机场，未能充分考虑不同机场之间的相互依赖关系。因此，本研究旨在提出一种新的方法，通过考虑机场之间的相互依赖性，优化网络范围内的时刻分配，以确保航班的全网连通性（network-wide connectivity）。
本研究的主要流程包括以下几个步骤：
问题定义与模型构建：
研究者首先定义了网络范围内的机场时刻分配问题（NL-SAP），并提出了双目标数学模型。该模型考虑了时刻表效率（schedule efficiency）和航空公司间的公平性（inter-airline fairness）两个目标，并结合了IATA连通性指数（IATA connectivity index）和介数中心性（betweenness centrality）来衡量不同机场在航空运输网络中的重要性。
研究使用了混合整数线性规划（Mixed Integer Linear Programming, MILP）方法，并通过ε-约束法（ε-constraint method）来求解模型，以研究时刻表效率与公平性之间的权衡。
数据准备与实验设计：
研究使用了巴西国内机场的合成数据集，该数据集基于巴西国家民航局（ANAC）的真实时刻分配数据生成。研究网络包括56个机场，其中16个为协调机场（coordinated airports）或辅助机场（facilitated airports）。
此外，研究还使用了2019年夏季航班数据来计算IATA连通性指数和介数中心性。研究者通过构建有向加权网络来计算介数中心性，其中边的权重为航班数量。
模型求解与结果分析：
研究者提出了两种双目标模型：NL-SAM/MTD（最大位移与总位移权衡）和NL-SAM/FTD（公平性与总位移权衡）。通过ε-约束法，研究者生成了每种模型的帕累托前沿（Pareto frontier），并分析了不同权衡下的结果。
研究者还比较了三种模型变体：使用介数中心性、使用IATA连通性指数以及不使用任何连通性指标的情况，分析了不同模型对位移分配的影响。
最大位移与总位移权衡（NL-SAM/MTD）：
研究发现，使用介数中心性和IATA连通性指数的模型在分配位移时，倾向于将较少的位移分配给具有高中心性或高连通性的机场。例如，使用介数中心性的模型将较少的位移分配给网络中最关键的机场（如a1和a2），而使用IATA连通性指数的模型则保护了具有高连通性的机场（如a1、a2和a5）。
相比之下，不使用任何连通性指标的模型在位移分配上更为均匀，但未能保护关键机场。
公平性与总位移权衡（NL-SAM/FTD）：
在公平性与总位移的权衡中，研究者发现，使用连通性指标的模型在公平性上表现更好，但总位移略有增加。例如，使用介数中心性的模型在公平性上提高了72%，但总位移增加了82.9%。
研究者还发现，使用连通性指标的模型在分配位移时，倾向于将较少的位移分配给关键机场，从而保护了通过这些机场中转的乘客。
本研究提出了一种新的网络范围内机场时刻分配方法，通过考虑机场之间的相互依赖性和机场在网络中的重要性，优化了时刻分配方案。研究结果表明，使用介数中心性和IATA连通性指数的模型能够有效保护关键机场，减少对这些机场的位移分配，从而提高了网络的连通性和公平性。
该研究为航空运输管理提供了重要的理论支持和实践指导，特别是在处理高度拥堵机场的时刻分配问题时，具有显著的应用价值。
研究者还提出了未来研究的方向，包括进一步验证模型在不同网络中的应用、考虑航空公司的偏好以及引入更多的乘客中心性指标。此外，研究者还强调了开发高效启发式算法以处理更大规模网络的重要性。
通过本研究的详细报告，读者可以全面了解该研究的背景、方法、结果及其在航空运输管理中的重要意义。