CN109544000A - 面向航班正常性的航空公司排班计划优化方法和系统 - Google Patents
面向航班正常性的航空公司排班计划优化方法和系统 Download PDFInfo
- Publication number
- CN109544000A CN109544000A CN201811391339.3A CN201811391339A CN109544000A CN 109544000 A CN109544000 A CN 109544000A CN 201811391339 A CN201811391339 A CN 201811391339A CN 109544000 A CN109544000 A CN 109544000A
- Authority
- CN
- China
- Prior art keywords
- flight
- class
- grade
- order according
- airline
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向航班正常性的航空公司排班计划优化方法和系统,属于航空运输技术领域,其特征在于:包括:步骤1、接收航空公司排班请求;上述排班请求包括:飞机编号、航班号、起飞站、到达站、起飞时间、到达时间;步骤2、获取航空公司排班原始数据;上述排班原始数据包括:已经初步排好的原始飞机编号、原始航班号、原始起飞站、原始到达站、原始起飞时间、原始到达时间;步骤3、利用线性规划方法对原始排版数据进行优化调整;步骤31、可控因素的确定;步骤32、受制条件的确定;步骤33、目标的确定;步骤4、返回新的排班数据。通过采用上述技术方案,本发明能够优化航班计划,使得航班安排更加的合理,提高航空运输的效率。
Description
技术领域
本发明属于航空运输技术领域,尤其涉及一种面向航班正常性的航空公司排班计划优化方法和系统。
背景技术
根据民航局公布的《2017年民航行业发展统计公报》,因航空公司原因导致的延误占全部延误的8.62%;其中大多是计划性延误。计划性延误是指因排班计划不合理导致的在运行过程中经常会发生延误的情况。然而,目前,航空公司普遍进行手工排班,该工作方式存在天然缺陷:1、排班效率低,耗时长;2、根据个人排班风格和偏好进行排班,在排班结果上差异较大,难以量化比较。3、机组增加后,在原有排班中进行小范围的增改,无法突破思维定式。
发明内容
针对现有技术存在的问题,本发明用于优化航班计划,使得航班安排更加的合理,进而提高航班运输的效率,本发明提出了一种面向航班正常性的航空公司排班计划优化方法和系统。
本发明的目的之一在于提供一种面向航班正常性的航空公司排班计划优化方法,包括如下步骤:
步骤1、接收航空公司排班请求;上述排班请求包括:飞机编号、航班号、起飞站、到达站、起飞时间、到达时间;
步骤2、获取航空公司排班原始数据;上述排班原始数据包括:已经初步排好的原始飞机编号、原始航班号、原始起飞站、原始到达站、原始起飞时间、原始到达时间;
步骤3、利用线性规划方法对原始排版数据进行优化调整;具体为:
步骤31、可控因素的确定;
根据航班请求内容,确定可控因素,将第i架飞机执行第j个航班时记录为1,第i架飞机不执行的其他航班记录为0;并记录某一航空公司对其航班内的客流量,以及该航空公司设定的过站时间;
步骤32、受制条件的确定;
其受制条件包括:
A、每一架飞机只能在同一时间执行一个航班;
B、该飞机的载客量大于预估客流量;
C、前序航班的落地时间与过站时间之和大于后续航班的起飞时间;
D、前序航班的落地机场;
步骤33、目标的确定;
即在满足正常性的前提下,实现油耗最少,并优化现有的排班计划;
步骤4、返回新的排班数据。
进一步:在受制条件A具体为:
其中:i表示第i架飞机,j表示第j个航班,n表示飞机总数,xij表示使用第i架飞机执行第j个航班。
进一步:在受制条件B具体为:
其中i表示第i架飞机,j表示第j个航班,M为正无穷,z为飞机载客量,k为飞机的预估客流量,x为是否执行此航班,若x为1则执行,则当x=1时,满足z>k,若x为0则不执行,则当x=0时,M>k,公式恒成立,即不满足受限条件B。
进一步:在受制条件C具体为:
其中,i表示第i架飞机,G为过站时间,q表示前序航班,h表示后续航班,M为正无穷,xiq表示一个飞机执行第q个航班其中q为前序航班,xih表示第i架飞机执行第h个航班,其中h为后续航班,hit表示第i个飞机的前序航班的落地时间,qit表示第i架飞机的后续航班的起飞。
进一步:在受制条件D具体为:
其中xij表示使用第i架飞机执行第j个航班,n表示总飞机数,q为前序航班,h为后续航班,M为正无穷,xiq表示第i个飞机执行第q个航班,其中q为前序航班,xih表示第i个飞机执行第h个航班,其中h为后续航班,Lq前序航班的落地机场,Qh为后续航班的起飞机场;总目标需要实现油耗最少,最节约能源:
n表示总飞机数,i表示第i个飞机,ci表示第i个飞机的油耗。
本发明的目的之二在于提供一种面向航班正常性的航空公司排班计划优化方法的系统,至少包括:
接收模块、接收航空公司排班请求;上述排班请求包括:飞机编号、航班号、起飞站、到达站、起飞时间、到达时间;
获取模块、获取航空公司排班原始数据;上述排班原始数据包括:已经初步排好的原始飞机编号、原始航班号、原始起飞站、原始到达站、原始起飞时间、原始到达时间;
生成模块、利用线性规划方法对原始排版数据进行优化调整;具体为:
第一生成单元、可控因素的确定;
根据航班请求内容,确定可控因素,将第i架飞机执行第j个航班时记录为1,第i架飞机不执行的其他航班记录为0;并记录某一航空公司对其航班内的客流量,以及该航空公司设定的过站时间;
第二生成单元、受制条件的确定;
其受制条件包括:
A、每一架飞机只能在同一时间执行一个航班;
B、该飞机的载客量大于预估客流量;
C、前序航班的落地时间与过站时间之和大于后续航班的起飞时间;
D、前序航班的落地机场;
第三生成单元、目标的确定;
即在满足正常性的前提下,实现油耗最少,并优化现有的排班计划;
返回模块、返回新的排班数据。
本发明的目的之三在于提供一种实现面向航班正常性的航空公司排班计划优化方法的计算机程序。
本发明的目的之四在于提供一种实现面向航班正常性的航空公司排班计划优化方法的信息数据处理终端。
本发明的目的之五在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行面向航班正常性的航空公司排班计划优化方法。
综上所述,本发明的优点及积极效果为:
本发明将历史数据进行分析处理,并结合计算机进行自动排班,避免因排班人员的经验、技能、偏好等因素导致排班结构差异。
本发明的积极进步效果在于:保证排班过程的真实性和完整性,对客流量、过站时间等进行约束,符合民航局对正常性的要求。本发明的整体结果集合度高,可以到排班目标,满足现如今航空公司对航班正常性的排班要求。
附图说明
图1为本发明优选实施例的流程图;
图2为本发明优选实施例中频率计算和数据有效性判断流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,一种面向航班正常性的航空公司排班计划优化方法,包括:
步骤101、接收航空公司排班请求,提交航班信息;
步骤102、获取航空公司排班原始数据;
步骤103、利用线性规划方法对原始排版数据进行优化调整;
步骤104、返回新的排班数据。
其中步骤101中所述的排班数据包括飞机编号、航班号、起飞站、到达站、起飞时间、到达时间;步骤102中所述的原始排班数据包括原始飞机编号、原始航班号、原始起飞站、原始到达站、原始起飞时间、原始到达时间;步骤103包括:
步骤1031、可控因素的确定;
根据航班请求内容,确定可控因素,其中为了方便计算机识别,将第i架飞机执行第j个航班时记录为1,第i架飞机不执行的其他航班记录为0。并记录某一航空公司对其航班内的客流量,以及该航空公司设定的过站时间。
在本实施例的具体实施过程中,例如存在2架飞机执行10次航班,若第1架飞机之行第1次航班则记录为1,若其不执行则记录为0,并生成1架飞机执行10次航班不同情况的单位矩阵:
1 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 1 0 0 0
0 0 0 0 0 0 0 1 0 0
0 0 0 0 0 0 0 0 1 0
0 0 0 0 0 0 0 0 0 1
步骤1032、受制条件的确定:
面向航班正常性航空公司排班计划方法需要满足一下内容,包括:
1.每一架飞机只能在同一时间执行一个航班;
对于2架飞机执行10次航班而言,则要求每一架飞机同时只能执行10次航班中的一次,且2个飞机不能执行同一个航班。
2.该飞机的载客量大于预估客流量;
为了保证安全性,例如预估客流量为500人,则要求该飞机的载客量一定大于500,以此保证飞机安全运输。
3.前序航班的落地时间+过站时间>后续航班的起飞时间;
在本实施例的具体实施过程中,例如过站时间为50分钟,前序航班的落地时间为8:00,若后续航班的起飞时间为8:45则不满足排班要求,需要进行调整,若后续航班的起飞时间为9:00则不需要调整。
4.前序航班的落地机场=后续航班的起飞机场。
在本实施例的具体实施过程中,当第1架飞机之行的第一个航班的落地机场为北京,第二个航班的起飞机场为北京时则说明排班无误,反之若第二个航班的起飞机场为天津,则说明排班有误需要调整。
步骤33、目标的确定:
即在满足正常性的前提下,实现航空公司排班的自动化管理,实现节约能源,并优化现有的排班计划。
在本实施例过程中,将以最节约能源作为优化目标。
根据可控因素、受制条件及目标,本实施例将采用单纯型算法作为解决面向航班正常性的航空公司优化方法。用单纯型算法求解此次航班排版的最优解,并与原始排班计划中的各项数据进行比较分析,得出最终能源优化情况。
实施例2
如图2所示,本实施例面向航班正常性的航空公司排班计划优化系统包括接收模块1,获取模块2,生成模块3,以及返回模块4:
其中,所述的接受模块用于接收航空公司排班请求,提交航班参数信息;
所述的获取模块2用于获取航空公司排班原始数据;
所述的获取模块3利用线性规划方法对原始排版数据进行优化调整;
所述的获取模块4用于返回新的排班数据。
优选地,所述的排班参数包括过站时间、预估客流量,所述的元是排班,、数据包括飞机编号、航班号、航空器型号、航班执行时间、起飞站、到达站、起飞时间、到达时间。
所述的生成模块包括:
第一生成单元,用于生成可控因素
其中,将第i架飞机执行第j个航班时记录为1,第i架飞机不执行的其他航班记录为0。并记录某一航空公司对其航班内的客流量,以及该航空公司设定的过站时间。第二生成单元,用于生成受制条件面向航班正常性航空公司排班计划方法需要满足一下内容,包括:
1.每一架飞机只能在同一时间执行一个航班;
即:
其中j表示航班,n表示飞机数,xij表示使用第i架飞机执行第j个航班
2.该飞机的载客量大于预估客流量;
即:
其中i表示飞机数,j表示航班,M为正无穷,z为飞机i的载客量,k为飞机i的预估客流量,x为是否执行此航班,若为1则执行,则当x=1时,满足z>k,若为0则不执行,则当x=0时,M>k,该等式恒成立。
3.前序航班的落地时间+过站时间>后续航班的起飞时间;
即:
其中i表示飞机数,q表示前序航班,h表示后续航班,M为正无穷,hqt表示后序航班起飞时间,qlt表示前序航班落地时间,G为飞机过站时间。
4.前序航班的落地机场=后续航班的起飞机场
即:
其中xij表示使用第i架飞机执行第j个航班,q为前序航班,h为后续航班,M为正无穷大,Lq前序航班的落地机场,Qh为后续航班的起飞机场。
第一计算单元,用于计算目标为正常性最高的排班计划用于选定线性规划模型,进行符合航班正常性的计算模型,得出最优航班排班计划。
第一比较单元,用于与原始排班计划作对比,将优化后的最优排班计划与原始排班计划进行比较,得出优化后航班的节能情况。
优选实施例三、一种实现面向航班正常性的航空公司排班计划优化方法的计算机程序,
所述面向航班正常性的航空公司排班计划优化方法包括如下步骤:
步骤101、接收航空公司排班请求,提交航班信息;
步骤102、获取航空公司排班原始数据;
步骤103、利用线性规划方法对原始排版数据进行优化调整;
步骤104、返回新的排班数据。
其中步骤101中所述的排班数据包括飞机编号、航班号、起飞站、到达站、起飞时间、到达时间;步骤102中所述的原始排班数据包括原始飞机编号、原始航班号、原始起飞站、原始到达站、原始起飞时间、原始到达时间;步骤103包括:
步骤1031、可控因素的确定;
根据航班请求内容,确定可控因素,其中为了方便计算机识别,将第i架飞机执行第j个航班时记录为1,第i架飞机不执行的其他航班记录为0。并记录某一航空公司对其航班内的客流量,以及该航空公司设定的过站时间。
在本实施例的具体实施过程中,例如存在2架飞机执行10次航班,若第1架飞机之行第1次航班则记录为1,若其不执行则记录为0,并生成1架飞机执行10次航班不同情况的单位矩阵:
1 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 1 0 0 0
0 0 0 0 0 0 0 1 0 0
0 0 0 0 0 0 0 0 1 0
0 0 0 0 0 0 0 0 0 1
步骤1032、受制条件的确定:
面向航班正常性航空公司排班计划方法需要满足一下内容,包括:
4.每一架飞机只能在同一时间执行一个航班;
对于2架飞机执行10次航班而言,则要求每一架飞机同时只能执行10次航班中的一次,且2个飞机不能执行同一个航班。
5.该飞机的载客量大于预估客流量;
为了保证安全性,例如预估客流量为500人,则要求该飞机的载客量一定大于500,以此保证飞机安全运输。
6.前序航班的落地时间+过站时间>后续航班的起飞时间;
在本实施例的具体实施过程中,例如过站时间为50分钟,前序航班的落地时间为8:00,若后续航班的起飞时间为8:45则不满足排班要求,需要进行调整,若后续航班的起飞时间为9:00则不需要调整。
4.前序航班的落地机场=后续航班的起飞机场。
在本实施例的具体实施过程中,当第1架飞机之行的第一个航班的落地机场为北京,第二个航班的起飞机场为北京时则说明排班无误,反之若第二个航班的起飞机场为天津,则说明排班有误需要调整。
步骤33、目标的确定:
即在满足正常性的前提下,实现航空公司排班的自动化管理,实现节约能源,并优化现有的排班计划。
在本实施例过程中,将以最节约能源作为优化目标。
根据可控因素、受制条件及目标,本实施例将采用单纯型算法作为解决面向航班正常性的航空公司优化方法。用单纯型算法求解此次航班排版的最优解,并与原始排班计划中的各项数据进行比较分析,得出最终能源优化情况。
优选实施例四、一种实现面向航班正常性的航空公司排班计划优化方法的信息数据处理终端。所述面向航班正常性的航空公司排班计划优化方法包括如下步骤:
步骤101、接收航空公司排班请求,提交航班信息;
步骤102、获取航空公司排班原始数据;
步骤103、利用线性规划方法对原始排版数据进行优化调整;
步骤104、返回新的排班数据。
其中步骤101中所述的排班数据包括飞机编号、航班号、起飞站、到达站、起飞时间、到达时间;步骤102中所述的原始排班数据包括原始飞机编号、原始航班号、原始起飞站、原始到达站、原始起飞时间、原始到达时间;步骤103包括:
步骤1031、可控因素的确定;
根据航班请求内容,确定可控因素,其中为了方便计算机识别,将第i架飞机执行第j个航班时记录为1,第i架飞机不执行的其他航班记录为0。并记录某一航空公司对其航班内的客流量,以及该航空公司设定的过站时间。
在本实施例的具体实施过程中,例如存在2架飞机执行10次航班,若第1架飞机之行第1次航班则记录为1,若其不执行则记录为0,并生成1架飞机执行10次航班不同情况的单位矩阵:
1 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 1 0 0 0
0 0 0 0 0 0 0 1 0 0
0 0 0 0 0 0 0 0 1 0
0 0 0 0 0 0 0 0 0 1
步骤1032、受制条件的确定:
面向航班正常性航空公司排班计划方法需要满足一下内容,包括:
7.每一架飞机只能在同一时间执行一个航班;
对于2架飞机执行10次航班而言,则要求每一架飞机同时只能执行10次航班中的一次,且2个飞机不能执行同一个航班。
8.该飞机的载客量大于预估客流量;
为了保证安全性,例如预估客流量为500人,则要求该飞机的载客量一定大于500,以此保证飞机安全运输。
9.前序航班的落地时间+过站时间>后续航班的起飞时间;
在本实施例的具体实施过程中,例如过站时间为50分钟,前序航班的落地时间为8:00,若后续航班的起飞时间为8:45则不满足排班要求,需要进行调整,若后续航班的起飞时间为9:00则不需要调整。
4.前序航班的落地机场=后续航班的起飞机场。
在本实施例的具体实施过程中,当第1架飞机之行的第一个航班的落地机场为北京,第二个航班的起飞机场为北京时则说明排班无误,反之若第二个航班的起飞机场为天津,则说明排班有误需要调整。
步骤33、目标的确定:
即在满足正常性的前提下,实现航空公司排班的自动化管理,实现节约能源,并优化现有的排班计划。
在本实施例过程中,将以最节约能源作为优化目标。
根据可控因素、受制条件及目标,本实施例将采用单纯型算法作为解决面向航班正常性的航空公司优化方法。用单纯型算法求解此次航班排版的最优解,并与原始排班计划中的各项数据进行比较分析,得出最终能源优化情况。
优选实施例五、一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行面向航班正常性的航空公司排班计划优化方法,所述面向航班正常性的航空公司排班计划优化方法包括如下步骤:所述面向航班正常性的航空公司排班计划优化方法包括如下步骤:
步骤101、接收航空公司排班请求,提交航班信息;
步骤102、获取航空公司排班原始数据;
步骤103、利用线性规划方法对原始排版数据进行优化调整;
步骤104、返回新的排班数据。
其中步骤101中所述的排班数据包括飞机编号、航班号、起飞站、到达站、起飞时间、到达时间;步骤102中所述的原始排班数据包括原始飞机编号、原始航班号、原始起飞站、原始到达站、原始起飞时间、原始到达时间;步骤103包括:
步骤1031、可控因素的确定;
根据航班请求内容,确定可控因素,其中为了方便计算机识别,将第i架飞机执行第j个航班时记录为1,第i架飞机不执行的其他航班记录为0。并记录某一航空公司对其航班内的客流量,以及该航空公司设定的过站时间。
在本实施例的具体实施过程中,例如存在2架飞机执行10次航班,若第1架飞机之行第1次航班则记录为1,若其不执行则记录为0,并生成1架飞机执行10次航班不同情况的单位矩阵:
1 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 1 0 0 0
0 0 0 0 0 0 0 1 0 0
0 0 0 0 0 0 0 0 1 0
0 0 0 0 0 0 0 0 0 1
步骤1032、受制条件的确定:
面向航班正常性航空公司排班计划方法需要满足一下内容,包括:
10.每一架飞机只能在同一时间执行一个航班;
对于2架飞机执行10次航班而言,则要求每一架飞机同时只能执行10次航班中的一次,且2个飞机不能执行同一个航班。
11.该飞机的载客量大于预估客流量;
为了保证安全性,例如预估客流量为500人,则要求该飞机的载客量一定大于500,以此保证飞机安全运输。
12.前序航班的落地时间+过站时间>后续航班的起飞时间;
在本实施例的具体实施过程中,例如过站时间为50分钟,前序航班的落地时间为8:00,若后续航班的起飞时间为8:45则不满足排班要求,需要进行调整,若后续航班的起飞时间为9:00则不需要调整。
4.前序航班的落地机场=后续航班的起飞机场。
在本实施例的具体实施过程中,当第1架飞机之行的第一个航班的落地机场为北京,第二个航班的起飞机场为北京时则说明排班无误,反之若第二个航班的起飞机场为天津,则说明排班有误需要调整。
步骤33、目标的确定:
即在满足正常性的前提下,实现航空公司排班的自动化管理,实现节约能源,并优化现有的排班计划。
在本实施例过程中,将以最节约能源作为优化目标。
根据可控因素、受制条件及目标,本实施例将采用单纯型算法作为解决面向航班正常性的航空公司优化方法。用单纯型算法求解此次航班排版的最优解,并与原始排班计划中的各项数据进行比较分析,得出最终能源优化情况。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种面向航班正常性的航空公司排班计划优化方法,其特征在于:至少包括如下步骤:
步骤1、接收航空公司排班请求;上述排班请求包括:飞机编号、航班号、起飞站、到达站、起飞时间、到达时间;
步骤2、获取航空公司排班原始数据;上述排班原始数据包括:已经初步排好的原始飞机编号、原始航班号、原始起飞站、原始到达站、原始起飞时间、原始到达时间;
步骤3、利用线性规划方法对原始排版数据进行优化调整;具体为:
步骤31、可控因素的确定;
根据航班请求内容,确定可控因素,将第i架飞机执行第j个航班时记录为1,第i架飞机不执行的其他航班记录为0;并记录某一航空公司对其航班内的客流量,以及该航空公司设定的过站时间;
步骤32、受制条件的确定;
其受制条件包括:
A、每一架飞机只能在同一时间执行一个航班;
B、该飞机的载客量大于预估客流量;
C、前序航班的落地时间与过站时间之和大于后续航班的起飞时间;
D、前序航班的落地机场;
步骤33、目标的确定;
即在满足正常性的前提下,实现油耗最少,并优化现有的排班计划;
步骤4、返回新的排班数据。
2.根据权利要求1所述面向航班正常性的航空公司排班计划优化方法,其特征在于:在受制条件A具体为:
其中:i表示第i架飞机,j表示第j个航班,n表示飞机总数,xij表示使用第i架飞机执行第j个航班。
3.根据权利要求1所述面向航班正常性的航空公司排班计划优化方法,其特征在于:在受制条件B具体为:
其中i表示第i架飞机,j表示第j个航班,M为正无穷,z为飞机载客量,k为飞机的预估客流量,x为是否执行此航班,若x为1则执行,则当x=1时,满足z>k,若x为0则不执行,则当x=0时,M>k,公式恒成立,即不满足受限条件B。
4.根据权利要求1所述面向航班正常性的航空公司排班计划优化方法,其特征在于:在受制条件C具体为:
其中,i表示第i架飞机,G为过站时间,q表示前序航班,h表示后续航班,M为正无穷,xiq表示一个飞机执行第q个航班其中q为前序航班,xih表示第i架飞机执行第h个航班,其中h为后续航班,hit表示第i个飞机的前序航班的落地时间,qit表示第i架飞机的后续航班的起飞。
5.根据权利要求1所述面向航班正常性的航空公司排班计划优化方法,其特征在于:在受制条件D具体为:
其中xij表示使用第i架飞机执行第j个航班,n表示总飞机数,q为前序航班,h为后续航班,M为正无穷,xiq表示第i个飞机执行第q个航班,其中q为前序航班,xih表示第i个飞机执行第h个航班,其中h为后续航班,Lq前序航班的落地机场,Qh为后续航班的起飞机场;总目标需要实现油耗最少,最节约能源:
n表示总飞机数,i表示第i个飞机,ci表示第i个飞机的油耗。
6.一种面向航班的正常性的航空公司排班计划优化系统,其特征在于,包括:
接收模块、接收航空公司排班请求;上述排班请求包括:飞机编号、航班号、起飞站、到达站、起飞时间、到达时间;
获取模块、获取航空公司排班原始数据;上述排班原始数据包括:已经初步排好的原始飞机编号、原始航班号、原始起飞站、原始到达站、原始起飞时间、原始到达时间;
生成模块、利用线性规划方法对原始排版数据进行优化调整;具体为:
第一生成单元、可控因素的确定;
根据航班请求内容,确定可控因素,将第i架飞机执行第j个航班时记录为1,第i架飞机不执行的其他航班记录为0;并记录某一航空公司对其航班内的客流量,以及该航空公司设定的过站时间;
第二生成单元、受制条件的确定;
其受制条件包括:
A、每一架飞机只能在同一时间执行一个航班;
B、该飞机的载客量大于预估客流量;
C、前序航班的落地时间与过站时间之和大于后续航班的起飞时间;
D、前序航班的落地机场;
第三生成单元、目标的确定;
即在满足正常性的前提下,实现油耗最少,并优化现有的排班计划;
返回模块、返回新的排班数据。
7.一种实现权利要求1-5任一项所述面向航班正常性的航空公司排班计划优化方法的计算机程序。
8.一种实现权利要求1-5任一项所述面向航班正常性的航空公司排班计划优化方法的信息数据处理终端。
9.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-5任一项所述的面向航班正常性的航空公司排班计划优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811391339.3A CN109544000A (zh) | 2018-11-21 | 2018-11-21 | 面向航班正常性的航空公司排班计划优化方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811391339.3A CN109544000A (zh) | 2018-11-21 | 2018-11-21 | 面向航班正常性的航空公司排班计划优化方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109544000A true CN109544000A (zh) | 2019-03-29 |
Family
ID=65850341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811391339.3A Pending CN109544000A (zh) | 2018-11-21 | 2018-11-21 | 面向航班正常性的航空公司排班计划优化方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109544000A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680833A (zh) * | 2020-05-28 | 2020-09-18 | 悠桦林信息科技(上海)有限公司 | 航班计划自动编排方法 |
CN112308286A (zh) * | 2020-09-16 | 2021-02-02 | 北京中兵数字科技集团有限公司 | 航班计划调整方法、装置及计算机可读存储介质 |
CN112330983A (zh) * | 2020-10-23 | 2021-02-05 | 杭州优迈科思信息科技有限责任公司 | 不正常航班一体化智能恢复方法 |
CN112465336A (zh) * | 2020-11-24 | 2021-03-09 | 海南太美航空股份有限公司 | 一种航班数据优化方法、系统及电子设备 |
CN112686435A (zh) * | 2020-12-23 | 2021-04-20 | 四川锐明智通科技有限公司 | 排班方法、排班装置及终端设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101714228A (zh) * | 2008-10-01 | 2010-05-26 | 埃森哲环球服务有限公司 | 单步航班时刻表优化 |
CN101714237A (zh) * | 2008-10-01 | 2010-05-26 | 埃森哲环球服务有限公司 | 用于可选航班的航班调度约束 |
CN106295996A (zh) * | 2015-05-15 | 2017-01-04 | 特莱丽思环球有限合伙公司 | 重新安排由中断所影响的航班的方法以及航空公司操作控制系统与控制器 |
US20180101802A1 (en) * | 2016-10-07 | 2018-04-12 | Stellar Labs, Inc. | Fleet optimization across one or more private aircraft fleets |
CN107944625A (zh) * | 2017-11-23 | 2018-04-20 | 南京航空航天大学 | 基于历史运行数据驱动的单机场航班换季时隙优化方法 |
-
2018
- 2018-11-21 CN CN201811391339.3A patent/CN109544000A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101714228A (zh) * | 2008-10-01 | 2010-05-26 | 埃森哲环球服务有限公司 | 单步航班时刻表优化 |
CN101714237A (zh) * | 2008-10-01 | 2010-05-26 | 埃森哲环球服务有限公司 | 用于可选航班的航班调度约束 |
CN106295996A (zh) * | 2015-05-15 | 2017-01-04 | 特莱丽思环球有限合伙公司 | 重新安排由中断所影响的航班的方法以及航空公司操作控制系统与控制器 |
US20180101802A1 (en) * | 2016-10-07 | 2018-04-12 | Stellar Labs, Inc. | Fleet optimization across one or more private aircraft fleets |
CN107944625A (zh) * | 2017-11-23 | 2018-04-20 | 南京航空航天大学 | 基于历史运行数据驱动的单机场航班换季时隙优化方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680833A (zh) * | 2020-05-28 | 2020-09-18 | 悠桦林信息科技(上海)有限公司 | 航班计划自动编排方法 |
CN112308286A (zh) * | 2020-09-16 | 2021-02-02 | 北京中兵数字科技集团有限公司 | 航班计划调整方法、装置及计算机可读存储介质 |
CN112308286B (zh) * | 2020-09-16 | 2021-12-14 | 北京中兵数字科技集团有限公司 | 航班计划调整方法、装置及计算机可读存储介质 |
CN112330983A (zh) * | 2020-10-23 | 2021-02-05 | 杭州优迈科思信息科技有限责任公司 | 不正常航班一体化智能恢复方法 |
CN112330983B (zh) * | 2020-10-23 | 2021-09-28 | 杭州优迈科思信息科技有限责任公司 | 不正常航班一体化智能恢复方法 |
CN112465336A (zh) * | 2020-11-24 | 2021-03-09 | 海南太美航空股份有限公司 | 一种航班数据优化方法、系统及电子设备 |
CN112465336B (zh) * | 2020-11-24 | 2024-04-09 | 海南太美航空股份有限公司 | 一种航班数据优化方法、系统及电子设备 |
CN112686435A (zh) * | 2020-12-23 | 2021-04-20 | 四川锐明智通科技有限公司 | 排班方法、排班装置及终端设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544000A (zh) | 面向航班正常性的航空公司排班计划优化方法和系统 | |
CN109711619B (zh) | 考虑空地运行限制的多机场战略航班时刻协同优化方法 | |
CN104751681B (zh) | 一种基于统计学习模型的停机位分配方法 | |
WO2021004468A1 (zh) | 一种航班舱位资源分配方法及装置 | |
CN107944625B (zh) | 基于历史运行数据驱动的单机场航班换季时隙优化方法 | |
CN109584638B (zh) | 一种面向区域网络的先期航班时刻协同优化方法 | |
CN111401601B (zh) | 一种面向延误传播的航班起降时间预测方法 | |
CN112633562B (zh) | 一种机场停机位智能调度方法 | |
US8615418B1 (en) | System and method for managing transportation transactions | |
CN110363361A (zh) | 一种基于大数据预测可变滑动时间的方法及系统 | |
CN112241405B (zh) | 航班计划自动生成方法及装置、存储介质及电子设备 | |
CN109840610A (zh) | 不正常航班飞机路径与旅客行程自动恢复系统及方法 | |
CN104299454B (zh) | 一种恶劣天气下多机场协同放行系统航班排序方法 | |
CN109726917A (zh) | 一种基于四维航迹的货运航班调度方法和装置 | |
US12094353B2 (en) | System, device and method for sequencing modes of transportation or items and the like | |
CN109871990A (zh) | 考虑中转旅客最短流程时间的停机位分配方法 | |
CN109215400A (zh) | 基于复合分派规则的进场航班快速排序与优化调度方法 | |
CN113112874A (zh) | 一种航路时隙与高度层协同优化分配方法 | |
CN113987406A (zh) | 一种考虑优先级的航班时刻弹性优化方法 | |
CN113205707B (zh) | 一种航班流量时隙全局优化调度方法 | |
CN114239325A (zh) | 机场值机托运柜台配置规划方法、装置、设备和存储介质 | |
CN112651673A (zh) | 一种资源规划方法及相关设备 | |
Chen et al. | A simple process simulation model for strategic planning on the airside of an airport: a case study | |
CN114881405B (zh) | 一种基于高峰需求的机场时刻公平性计算方法 | |
CN108492088B (zh) | 航班登机口最佳发布时刻探寻方法与业务执行方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190329 |