CN102663262A - 一种基于免疫算法下的航班波特性成本核算方法 - Google Patents
一种基于免疫算法下的航班波特性成本核算方法 Download PDFInfo
- Publication number
- CN102663262A CN102663262A CN2012101290977A CN201210129097A CN102663262A CN 102663262 A CN102663262 A CN 102663262A CN 2012101290977 A CN2012101290977 A CN 2012101290977A CN 201210129097 A CN201210129097 A CN 201210129097A CN 102663262 A CN102663262 A CN 102663262A
- Authority
- CN
- China
- Prior art keywords
- flight
- cost
- sigma
- delay
- accident
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种基于免疫算法下的航班波特性成本核算方法,包括:基于粒子群算法计算突发事件下的航班延误恢复调度所产生的成本F1;计算突发事件下的航班调度所产生的成本F2;计算突发事件下的飞机调度所产生的成本F3;计算突发事件下的飞机调度所产生的成本F4;基于F1、F2、F3和F4之间约束出最小成本值。实施本发明,通过粒子群算法计算出航班延误过程中造成的损失或者成本压力,以及计算航班波过程中造成的调度成本压力,为调整航班波或者调度提供参考性依据,减少因航班波波动下的成本损失。
Description
技术领域
本发明涉及航空航天技术领域,尤其涉及一种基于免疫算法下的航班波特性成本核算方法。
背景技术
航空公司建立中枢辐射航线网络的目的在于通过在枢纽机场为旅客提供更便捷的中转服务,吸引更多的旅客,提高进出枢纽机场航班的旅客数量。其具体的运作是采用航班波的运行方式,即将枢纽机场的进港航班和出港航班分开。航班波的运行基于两个原则:一是为旅客提供尽可能便利的中转,二是尽可能实现飞机和机组利用率的最大化或成本的最小化。随着市场竞争越来越激烈,目前的航班波核算成本模型都建立在航班进港与离港的时间上。一个航空公司能安排的航班波的数量受到诸如机场和空域的容量、航班安全性、飞机及机组安排等一些重要因素的影响。航班波集中会对机场的高峰容量提出很高的要求。而目前基于突发事件下航班波的成本计算模型没有建立起来,而无法核算出相应的核算方法,从而提供相应的应对措施。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种基于免疫算法下的航班波特性成本核算方法,其通过计算模型核算调度过程中产生的成本,从而提供相应的航班波特性下的解决思路。
为了解决上述问题,本发明提出了一种基于免疫算法下的航班波特性成本核算方法,包括:
基于免疫算法计算突发事件下的航班延误恢复调度所产生的成本F1;
计算突发事件下的航班调度所产生的成本F2;
计算突发事件下的飞机调度所产生的成本F3;
计算突发事件下的飞机调度所产生的成本F4;
基于F1、F2、F3和F4之间约束出最小成本值。
所述基于免疫算法计算突发事件下的航班延误恢复调度所产生的成本F1具体为:
其中:
N是航班总架次;
λ是航班达到或者出发的机场所对应的航线因子;
CYY(gi)是航班的运营成本,由飞机的尾流类型决定,
CYY(gi)=αyy×gi,αyy是航班所述机型每小时的延误成本,gi是航班起飞前在地面等待的时间;
CYL(gi)是航班的盈利损失,CYL(gi)=6.2×ri×gi,ri是航班的最大载客人数,gi是航班起飞前在地面等待的时间;
所述粒子算法步骤包括:
步骤1、随着时间的变化,根据机场的实际达到航班和出发航班动态生成抗原;
步骤2、根据事先制定好的航班计划生成T细胞,并对抗原进行识别,若亲和力未超过阈值,转到步骤3;若亲和力超过阈值,转到步骤4;
步骤3、执行先到先服务算法生成延误航班恢复序列;
步骤4,、根据事先制定好的航班计划生成B细胞,B细胞进行克隆选择,根据航班延误恢复调度的目标模型寻找最优的延误航班恢复序列;
步骤5、得到延误恢复成本最小的恢复序列作为抗体;
步骤6、对延误的航班进行恢复;若仍有延误航班,转到步骤2,若延误航班全部恢复,转到步骤7;
步骤7、停止延误恢复。
所述计算突发事件下的航班调度所产生的成本F2;计算突发事件下的飞机调度所产生的成本F3具体为:
所述计算突发事件下的飞机调度所产生的成本F4具体为:
其中:Fc为F4,C″ijm,是组员j被分配到航班i的m岗位上的费用;
xijm,当组员j被分配到航班i的m岗位时为1,否则为0;
C″j,是单位时间内组员j被空置的成本;
在本发明实施例中,通过免疫算法计算出航班延误过程中造成的损失或者成本压力,以及计算航班波过程中造成的调度成本压力,为调整航班波或者调度提供参考性依据,减少因航班波波动下的成本损失。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例中的基于免疫算法下的航班波特性成本核算方法流程图;
图2是本发明实施例中的航班应急调度下的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1示出了本发明实施例中的基于免疫算法下的航班波特性成本核算方法流程图,具体包括:
S101:基于免疫算法计算突发事件下的航班延误恢复调度所产生的成本F1;
S102:计算突发事件下的航班调度所产生的成本F2;
S103:计算突发事件下的飞机调度所产生的成本F3;
S104:计算突发事件下的飞机调度所产生的成本F4;
S105:基于F1、F2、F3和F4之间约束出最小成本值。
需要进一步说明的是,本发明实施粒中的基于免疫算法计算突发事件下的航班延误恢复调度所产生的成本F1具体为:
其中:
N是航班总架次;
λ是航班达到或者出发的机场所对应的航线因子;
CYY(gi)是航班的运营成本,由飞机的尾流类型决定,
CYY(gi)=αyy×gi,αyy是航班所述机型每小时的延误成本,gi是航班起飞前在地面等待的时间;
CYL(gi)是航班的盈利损失,CYL(gi)=6.2×ri×gi,ri是航班的最大载客人数,gi是航班起飞前在地面等待的时间;
所述粒子算法步骤包括:
步骤1、随着时间的变化,根据机场的实际达到航班和出发航班动态生成抗原;
步骤2、根据事先制定好的航班计划生成T细胞,并对抗原进行识别,若亲和力未超过阈值,转到步骤3;若亲和力超过阈值,转到步骤4;
步骤3、执行先到先服务算法生成延误航班恢复序列;
步骤4,、根据事先制定好的航班计划生成B细胞,B细胞进行克隆选择,根据航班延误恢复调度的目标模型寻找最优的延误航班恢复序列;
步骤5、得到延误恢复成本最小的恢复序列作为抗体;
步骤6、对延误的航班进行恢复;若仍有延误航班,转到步骤2,若延误航班全部恢复,转到步骤7;
步骤7、停止延误恢复。
需要进一步说明的是,本发明实施粒中的S102至S104的计算模型和成型过程如下:计算突发事件下的航班调度所产生的成本F2;计算突发事件下的飞机调度所产生的成本F3;计算突发事件下的飞机调度所产生的成本F4;
针对突发事件航空公司的应急调整可以分成三种情况,包括航班调度、飞机调度和机组调度。其中航班的调度将影响所有接下来的所有调度决定并给调度状况带来非常大的影响;按照一般流程顺序,又可以分成三个步骤:航班网络调整、航班频率调整、航班时间调整,具体可以参阅图2。而飞机调度则在完成航班调度完成后针对包括机型和飞行器两个方面的调整。最后,通过机组调度充分调用所有的机组团队以实现上述飞行计划的运作;机组调度包括机组配对和机组团队分配两步骤。整个流程如下图所示。
根据以上步骤分解,整个调整计划的影响可以用以下目标函数表示:
F=Ff+Fa+Fc
其中Ff为航班调整的直接影响,Fa为飞机调整的直接影响,Fc为机组调整的直接影响。那么应急调整方案目的可以用最小化F值来表示,即
minF=min(Ff+Fa+Fc)
并满足以下约束条件:
强制衔接航班:定义哪些航班在某个时间段内必须衔接在一起;
飞机机务维修:定义了飞机的机务维修计划。
最大班次约束:定义了某个时间段从枢纽机场到某个目的机场或地区的最大的航班班次;
最小衔接时间:定义了枢纽机场不同机型不同衔接类型进出港航班衔接的最短时间限制;
最小间隔时间:定义了从枢纽机场出发前往某个地区或机场的航班出发时刻的最小间隔时间;
最大间隔时间:定义了从枢纽机场出发前往某个地区或机场的航班出发时刻的最大间隔时间;
最小航班间隔时间:定义了同一个O&D市场的两个航班之间出发或到达枢纽的时刻间隔;
航班航站衔接限制:规定同一架飞机的两个相邻的航班任务,前一个航班的到达站与后一个航班的出发站必须相同;
航班冲突检查:定义同一架飞机两个相邻航班任务的飞机时间不能重叠,即前一个航班的到达时间必须在后一个航班的起飞时间之前;
航班时刻限制:定义了某天某个时间段内出发航班、到达航班、跑道的最大时刻资源以及它们某个时间段内累加的最大可用时刻数目;
允许超过地面衔接时间的衔接:定义了枢纽机场允许超过地面衔接时间限制的进出港航班衔接;
飞机数目限制:定义了每种机型在册飞机数,以及某个时间每个机型有多少架在枢纽机场、多少架不在枢纽机场,任何时刻使用的飞机数应小于可用飞机数;
航班波内航班可调时刻范围:定义了枢纽机场航班波内的航班可以调整的时刻范围;
航班波外航班可调时刻范围:定义了枢纽机场航班波外的航班可以调整的时刻范围;
最大地面时间:定义了最大的旅客地面中转衔接时间
周末最大地面时间:定义了周末最大的旅客地面中转衔接时间
最小离场时间:如果某个航班有与之衔接的另一个航班,则要进行此项检查,需要满足后一个航班的到达时间 前一个航班的出发时间<这个衔接的最小离场时间,最小离场时间为前一个航班的空中时间+最小地面时间+后一个航班的空中时间;
机场宵禁约束或临时关闭限制:定义了每个机场的宵禁时间限制,航班飞行任务必须在机场宵禁前完成;
机场对机型的限制:机场对不同机型可分为加油机场、临时使用机场、备降机场、正常使用机场等,不同机场对不同机型有不同的限制;
航段的机型限制:对与某些联程航班,其中一个航段有特殊的机型限制;
机场对飞机设备的限制:同一型号的飞机,由于每架飞机的性能状况、选装设备及带有故障保留项目等差异,同一条航线并非所有机型的飞机都能飞,这些限制可参考具体的规定数据;
飞机定检限制:按照飞机定检安排,如果飞机次日安排定检,则不得安排外站过夜;
由于航班调度和飞机调度关系紧密,首先将航班调整的直接影响Ff与飞机调整的直接影响Fa同时列入考虑因素,并勾勒出目标函数的具体数学模型。
令:
n为航空公司飞行计划里有同一架飞行器连续完成的航班序列
N为航空公司所有的航班序列的集合
K为航空公司所有飞行器的集合
Cijk为分配飞行器k到航班(i,j)上的运营成本
CAPk为飞行器k的最大运载人数
Dij为航班(i,j)的消费者需求
fij为在航班(i,j)上的旅客票价
αijn=1,如果航班(i,j)在航线序列n内,否则为0
tij为航班(i,j)的飞行时间
为单位时间内因航班(i,j)在航班波外调整所产生的费用
Vk为飞行器k所需要的各类机组人员(向量)
H为枢纽航空港的集合
TIMEk为飞行器k在下一次检查维修之前的可飞行时间长度
CREWtip为在时间段p内,航空港i拥有针对飞行器类型t的各类机组人员
(向量)
并,定义以下决策变量
Xnk=1,如果飞行器k被分配到航线序列n上,否则为0
Yij=1,如果航班(i,j)被取消,否则为0
则,目标函数定义为
而Cnk在已经售票的假设下可以仅仅计算航班的直接运营费用,而在没有售票的假设下则可以考虑因票务带来的收益,即
目标函数F′需要同时满足上述约束条件,以下罗列了比较典型的约束条件的量化公式:
(1)所有有效航线上都分配了飞行器,即
(2)一条航班序列上最多分配一架飞行器
(3)飞行器的飞行时间受法律和行业规章限制
(4)在某时间段某机场某类型飞行器必须有足够的相应机组配备
此外,该数学模型还将针对枢纽航空港的航班波结构进行科学分析、量化并建立数学模型,以作为目标函数的约束条件之一,从而达到保持航班波的结构的目的。
另外,针对机组调度,机组调度的费用应该为相应的机组组员调配费用与空置费用总和,即:
其中:
C″ijm,是组员j被分配到航班i的m岗位上的费用
xijm,当组员j被分配到航班i的m岗位时为1,否则为0
C″j,是单位时间内组员j被空置的成本
而最终的目标函数为
综上,通过免疫算法计算出航班延误过程中造成的损失或者成本压力,以及计算航班波过程中造成的调度成本压力,为调整航班波或者调度提供参考性依据,减少因航班波波动下的成本损失。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (5)
1.一种基于免疫算法下的航班波特性成本核算方法,其特征在于,包括:
基于免疫算法计算突发事件下的航班延误恢复调度所产生的成本F1;
计算突发事件下的航班调度所产生的成本F2;
计算突发事件下的飞机调度所产生的成本F3;
计算突发事件下的飞机调度所产生的成本F4;
基于F1、F2、F3和F4之间约束出最小成本值。
2.如权利要求1所述的基于免疫算法下的航班波特性成本核算方法,其特征在于,所述基于免疫算法计算突发事件下的航班延误恢复调度所产生的成本F1具体为:
其中:
N是航班总架次;
λ是航班达到或者出发的机场所对应的航线因子;
CYY(gi)是航班的运营成本,由飞机的尾流类型决定,
CYY(gi)=αyy×gi,αyy是航班所述机型每小时的延误成本,gi是航班起飞前在地面等待的时间;
CYL(gi)是航班的盈利损失,CYL(gi)=6.2×ri×gi,ri是航班的最大载客人数,gi是航班起飞前在地面等待的时间;
3.如权利要求2所述的基于免疫算法下的航班波特性成本核算方法,其特征在于,所述粒子算法步骤包括:
步骤1、随着时间的变化,根据机场的实际达到航班和出发航班动态生成抗原;
步骤2、根据事先制定好的航班计划生成T细胞,并对抗原进行识别,若亲和力未超过阈值,转到步骤3;若亲和力超过阈值,转到步骤4;
步骤3、执行先到先服务算法生成延误航班恢复序列;
步骤4,、根据事先制定好的航班计划生成B细胞,B细胞进行克隆选择,根据航班延误恢复调度的目标模型寻找最优的延误航班恢复序列;
步骤5、得到延误恢复成本最小的恢复序列作为抗体;
步骤6、对延误的航班进行恢复;若仍有延误航班,转到步骤2,若延误航班全部恢复,转到步骤7;
步骤7、停止延误恢复。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101290977A CN102663262A (zh) | 2012-04-27 | 2012-04-27 | 一种基于免疫算法下的航班波特性成本核算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101290977A CN102663262A (zh) | 2012-04-27 | 2012-04-27 | 一种基于免疫算法下的航班波特性成本核算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102663262A true CN102663262A (zh) | 2012-09-12 |
Family
ID=46772752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101290977A Pending CN102663262A (zh) | 2012-04-27 | 2012-04-27 | 一种基于免疫算法下的航班波特性成本核算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102663262A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881720A (zh) * | 2015-06-04 | 2015-09-02 | 北京航空航天大学 | 一种航班调度方法和装置 |
CN106295872A (zh) * | 2016-08-05 | 2017-01-04 | 中国民用航空总局第二研究所 | 基于最大中转机会的机场航班波的数据处理方法及装置 |
CN108875128A (zh) * | 2018-05-03 | 2018-11-23 | 西安理工大学 | 一种带决策因子的航班恢复建模方法 |
CN109726917A (zh) * | 2018-12-29 | 2019-05-07 | 北京航空航天大学 | 一种基于四维航迹的货运航班调度方法和装置 |
CN112634664A (zh) * | 2020-12-15 | 2021-04-09 | 沈阳民航东北通信网络有限公司 | 基于空中交通流量管理的航班放行排序方法 |
CN116502776A (zh) * | 2023-06-27 | 2023-07-28 | 中国民航大学 | 一种航班恢复建模方法、电子设备及存储介质 |
-
2012
- 2012-04-27 CN CN2012101290977A patent/CN102663262A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881720A (zh) * | 2015-06-04 | 2015-09-02 | 北京航空航天大学 | 一种航班调度方法和装置 |
CN104881720B (zh) * | 2015-06-04 | 2018-06-01 | 北京航空航天大学 | 一种航班调度方法和装置 |
CN106295872A (zh) * | 2016-08-05 | 2017-01-04 | 中国民用航空总局第二研究所 | 基于最大中转机会的机场航班波的数据处理方法及装置 |
CN106295872B (zh) * | 2016-08-05 | 2020-03-24 | 中国民用航空总局第二研究所 | 基于最大中转机会的机场航班波的数据处理方法及装置 |
CN108875128A (zh) * | 2018-05-03 | 2018-11-23 | 西安理工大学 | 一种带决策因子的航班恢复建模方法 |
CN109726917A (zh) * | 2018-12-29 | 2019-05-07 | 北京航空航天大学 | 一种基于四维航迹的货运航班调度方法和装置 |
CN109726917B (zh) * | 2018-12-29 | 2020-05-19 | 北京航空航天大学 | 一种基于四维航迹的货运航班调度方法和装置 |
CN112634664A (zh) * | 2020-12-15 | 2021-04-09 | 沈阳民航东北通信网络有限公司 | 基于空中交通流量管理的航班放行排序方法 |
CN116502776A (zh) * | 2023-06-27 | 2023-07-28 | 中国民航大学 | 一种航班恢复建模方法、电子设备及存储介质 |
CN116502776B (zh) * | 2023-06-27 | 2023-08-25 | 中国民航大学 | 一种航班恢复建模方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106981221B (zh) | 基于时空间维度分解的机场停机位分配方法及系统 | |
CN102663262A (zh) | 一种基于免疫算法下的航班波特性成本核算方法 | |
Cao et al. | Real‐time decision support for integration of airline flight cancellations and delays part I: mathematical formulation | |
CN107169677A (zh) | 一种民用机场机坪保障车辆集中式调度指挥系统 | |
CN103218681A (zh) | 航空枢纽应急管控方法 | |
CN109726917B (zh) | 一种基于四维航迹的货运航班调度方法和装置 | |
CN104488012A (zh) | 用于管理空中交通的进度管理系统和方法 | |
CN110363361A (zh) | 一种基于大数据预测可变滑动时间的方法及系统 | |
Xue et al. | Cooperative surveillance systems and digital-technology enabler for a real-time standard terminal arrival schedule displacement | |
Park et al. | Optimal assignment for check-in counters based on passenger arrival behaviour at an airport | |
CN104574959A (zh) | 一种机场出租车供需状态预测系统及方法 | |
CN107341620B (zh) | 基于bada燃油消耗率的短期天气下进场航班延误成本计算方法 | |
WO2021004474A1 (zh) | 一种溯原旅客保护方法、装置和值机系统 | |
CN110335506A (zh) | 一种终端区短时空域利用率计算方法 | |
CN105960652A (zh) | 用于设计飞机的方法和系统 | |
CN115081699A (zh) | 一种大型航空器公共航空运输中飞行机组排班方法 | |
Harris | Estimating the required number of Harbour Pilots to support airline operations of a single pilot commercial aircraft at a UK regional airport | |
Ashford et al. | Passenger behavior and design of airport terminals | |
Ji et al. | A novel rescheduling algorithm for the airline recovery with flight priorities and airport capacity constraints | |
Aloulou et al. | Robust aircraft routing and flight retiming | |
Fitouri-Trabelsi et al. | An operational approach for ground handling management at airports with imperfect information | |
Vidović et al. | Development potentials of low cost aviation in the Republic of Croatia | |
Fitouri-Trabelsi et al. | Ground handling management at airports with fuzzy information | |
Grandeau | The processes of airline operational control | |
Fitouri-Trabelsi et al. | Managing uncertainty at airports ground handling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120912 |