CN109726917A - 一种基于四维航迹的货运航班调度方法和装置 - Google Patents
一种基于四维航迹的货运航班调度方法和装置 Download PDFInfo
- Publication number
- CN109726917A CN109726917A CN201811635111.4A CN201811635111A CN109726917A CN 109726917 A CN109726917 A CN 109726917A CN 201811635111 A CN201811635111 A CN 201811635111A CN 109726917 A CN109726917 A CN 109726917A
- Authority
- CN
- China
- Prior art keywords
- flight
- time
- cargo
- target
- segment
- 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.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于四维航迹的货运航班调度方法和装置,属于航空货运调度领域。装置包括延误判断模块、预到航班信息处理模块、航班调度优化模块和航班时刻表安排模块。针对某目标航班,首先计算该航班能接受的惩罚代价;延误判断模块判断惩罚代价大于最大惩罚阈值时,利用预到航班信息处理模块进行聚类匹配目的地一致的货运航班信息;并通过航班调度优化模块实现航空货运平衡调度:即最小化运输成本的同时最大化运量;最后,采用基于浮点型编码的特定遗传算法在约束条件下进行搜索求最优解,作为目标航班的航班信息,传达至空中交通管制员处,进行信息确认。本发明充分利用实时四维航迹,精确度高、时效性好,能准确判断飞机的运行状态。
Description
技术领域
本发明属于航空货运调度技术领域,具体涉及一种基于四维航迹的货运航班调度方法和装置。
背景技术
随着航空技术的发展和物流业务的剧增,促进了航空货运的业务迅速发展,需求量日益增多,但全货机运输能力的发展却相对滞后。因此,非常有必要高效使用全货机,即合理调度全货机是航空货运公司面临的关键问题。
目前,国内的航空货运公司大多数面临着舱位虚耗问题,特别是在淡季或一些相对“不发达”的航线。再加上由于气象、管制或环境等原因引起飞机不能按时起飞、降落,导致货物中转、调度出现大量非计划作业,产生了高额的非计划成本,这也使得舱位虚耗更加严重,对航空货物的航班运营产生了不利影响。
现有的研究主要是对静态的货运航班时刻进行优化设计,这些研究往往忽略了航班的实际飞行状况,如飞机因管制出现盘旋状态,或因雷雨天气晚点起飞或取消航班等问题,这些因素往往产生了大量的延误成本。还有部分研究利用“超配策略”调整舱位,超配量的预测往往带有较强的主观因素,若超配量过大,就会产生大面积拉货(由于飞机载量问题而无法满足实际货运需求),这将会对航空货运公司产生大量的负面影响和信誉成本。
发明内容
由于气象、管制、环境以及飞行员的个人因素等原因,飞机的实际飞行时间不确定,经常会产生晚到等原因,导致现有的航班调度装置与实际问题产生严重脱节。本发明针对上述问题,提出一种基于四维航迹的货运航班调度方法和装置,相对于已有的调度模型中仅考虑航班地面等待延误,充分考虑航班在飞行过程中产生的延误及延误成本,优化全局货运航班,提高货运航班的运输效率和运输能力。
所述的基于四维航迹的货运航班调度装置,包括延误判断模块、预到航班信息处理模块、航班调度优化模块和航班时刻表安排模块。
延误判断模块通过设定惩罚代价函数T,并与目标航班可接受的最大惩罚阈值Tmax相比,判断该目标航班是按原计划进行航班调度还是重新调整;
预到航班信息处理模块收集在原计划到达时间内的除去目标航班外的所有其他航班信息,根据各航班的实际到达时间,采用聚类分析方法,匹配货物目的地一致的航班并统计各航班上发往同一目的地的货物质量。
航班调度优化模块采用基于节点流控制的货运航班调度求解方法,对航班调度安排进行重新调整,使得目标航班在中转匹配货物时,装载的货物运量最多的同时达到目标航班等待过程产生的成本和固定成本之和最小。
时刻表安排模块根据航班调度优化模块的实时最优解,确定了目标航班的最新运力、运量、起飞时间、航程时间和落地时间等;并汇总整理形成最新的航班飞行方案。
所述的基于四维航迹的货运航班调度方法,具体步骤如下:
步骤一、针对某目标航班,计算非原计划条件下该航班可接受的惩罚代价T;
罚数代价T计算公式为:
其中,是指在航段i-j上航班n的预测到达时间,表示在航段i-j上航班n的原计划到达时间,表示在下一程航段j-k航班n的原计划起飞时间;s是指单位时间延误所需承担的惩罚代价。
步骤二、延误判断模块判断惩罚代价T是否小于该目标航班可接受的最大惩罚阈值Tmax,如果是,则按原计划航班时刻表进行航班调度;否则,进入步骤三;
步骤三、针对航段i-j,利用预到航班信息处理模块,对原计划到达时间内的除去目标航班外的所有航班进行重新聚类,匹配目的地一致的货运航班信息,形成信息树。
首先,收集在原计划到达时间内的除去目标航班外的所有航班信息;
航班信息包括:原计划到达时间,货物目的地,货物质量以及根据实时航迹计算出在航段i-j上每个航班的预测到达时间;
每个航班的原计划到达时间的集合为:
货物目的地的集合为:
为在航段i-j上航班n是否存在发往目的地m的货物;如果存在,取值为1,否则,取值为0;
货物质量集合为:与货物目的地的集合一一对应;表示在航段i-j上航班n中发往目的地m的货物的质量;
每个航班的预测到达时间集合为:
然后,采用聚类分析法剖析货物目的地的分布状况,匹配与目标航班一致的航班与货物质量;
具体工作为:以目标航班的预测到达时间为原点绘制同心圆,每个同心圆间隔固定时间;每一条从原点出发的线段,对应一个货物到达该货物对应目的地的预测到达时间;统计同一时间段内货物目的地相同的航班信息,整理生成面向目的地的货运航班信息树。
步骤四、基于货运航班信息树,通过航班调度优化模块实现航空货运平衡调度的目标函数和约束条件。
航空货运平衡调度的目标函数为:最小化运输成本的同时最大化运量;
(1)目标航班运量达到最大,即
式中:L是指单架次目标航班的运输能力;是指在航段i-j上航班n中发往目的地r的货物质量;δ是0-1变量。
(2)目标航班运输成本最小,即
式中:C是单次目标航班飞行的总运输成本;是指在航段i-j上航班n的实际起飞时间,是指在航段i-j上航班n的实际飞行时间。
模型中的约束条件包括:
(1)单架次目标航班的实际运量:
是指在航段i-j上所有航班中,发往目的地r的航班上的实际货物质量之和。
(2)单架次目标航班的容量限制:
是指目标航班的最大运输能力。
(3)目标航班的总成本由各航段产生的固定成本和可变成本组成,即:
是指目标航班在航段i-j上产生的固定成本,是指目标航班在航段i-j上产生的可变成本。
(4)目标航班在每一航段上的产生固定成本,如下:
f是指在飞行过程中单位距离产生的固定成本,(xo,yo)指目标航班每个航段中起点的坐标,(xd,yd)是指目标航班每个航段中终点的坐标,σ是指在经验数据范围内的随机波动系数,服从N(1,0)。
(5)目标航班在每一航段上产生的可变成本,如下:
式中:θ是指单位时间延误成本,tallow是指允许忽略的延误时间。
步骤五、采用基于浮点型编码的特定遗传算法,在满足约束条件的范围内对航班的目标函数进行搜索求最优解。
具体包括以下步骤:
步骤501、针对航段i-j,根据聚类分析得到的航班信息树,选出与目标航班目的地相同的各航班;设计编码方案将各航班的实际起飞时间以及装载货物的运量分别编码成浮点型表示。
相同目的地的各航班的实际起飞时间和货物运量的组合设为解向量,如下:
步骤502、将不同实际起飞时间和装载货物的运量组合按适应度排列后,根据排名顺序,采用“非线性归一函数”计算各个组合的选择概率。
首先,对m个航班的实际起飞时间和装载货物的运量组合分别计算各自的适应度;
然后,将所有适应度进行从大到小排名,采用“非线性归一函数”计算各个组合的选择概率。
每个组合的选择概率Pin为:
其中,q表示适应度排名第一的航班,对应的实际起飞时间和装载货物的运量组合被选中的概率;r'表示适应度从大到小的排名值;排名第一的r'值取1;排名最后的r'值取0;pop表示航班调度组合情况的规模。
步骤503、根据各个组合的选择概率,进行轮盘选择;
步骤504、将轮盘选择到的组合根据浮点型编码方案,采用改进的启发式交叉操作产生新的组合;
Y′=X
X、Y为上一轮轮盘选择的起飞时间和运量组合;X′、Y′为产生的新的组合,其中表示0-1之间的随机数。
步骤505、判断新的组合的可行性access是否为1,如果是,则新的组合中的起飞时间X′不在给定的范围之内,停止生成新的起飞时间和装载货物的运量组合,将上一次的组合作为满足可行性的组合;否则生成新的起飞时间和装载货物的运量组合作为满足可行性的组合。
xi是指满足可行性的新的起飞时间和运量组合。
步骤506、采用非一致变异算法,对满足可行性的新的起飞时间和运量组合进行局部搜索;
非一致变异算法公式如下:
其中,是0-1之间的随机数;G表示当前的进化代数;Gmax表示最大进化代数;b表示形态参数。
步骤507、当搜索得到的航班的起飞时间超过可接受的最大航班起飞时间时终止,输出最优解。
步骤六、将最优解中的起飞时间和运量组合作为目标航班的航班信息,传达至空中交通管制员处,进行信息确认。
本发明的优点在于:
1)、一种基于四维航迹的货运航班调度装置,在预到航班信息处理模块内,提出基于四维航迹数据的航班信息匹配靶心图,充分展示航班的实时动态,为航班实时调度提供了良好的信息基础。
2)、一种基于四维航迹的货运航班调度方法,充分利用飞机航行产生的实时四维航迹,不仅精确度高、时效性好,能准确判断飞机的运行状态,而且能更精确预测包括航班降落时间在内的航班信息。
3)、一种基于四维航迹的货运航班调度方法,以运输成本最小和运量最大作为目标函数,进行约束优化,并设计一种面向货运航班调度浮点型遗传算法,能找到更加实际的最优解。
附图说明
图1是本发明一种基于四维航迹的货运航班调度装置示意图;
图2是本发明一种基于四维航迹的货运航班调度方法流程图;
图3是本发明采用聚类分析法剖析四维航迹数据的航班信息匹配靶心图;
图4是本发明面向目的地的货运航班信息树;
图5是本发明基于浮点型编码的特定遗传算法搜索求最优解的流程图。
具体实施方案
下面将结合附图和实施例对本发明作进一步的详细说明。
所述的基于四维航迹的货运航班调度装置,如图1所示,包括延误判断模块、预到航班信息处理模块、航班调度优化模块和航班时刻表安排模块。
货运航班起飞后,系统同步接收航空货运公司航班发布的实时航迹信息,根据飞机的实时四维精确航迹预测,推算出飞机实际到达时间,再通过与计划到达时间进行匹配,利用延误判断模块分析航班延误情况。延误判断模块通过设定惩罚代价函数T,并与目标航班可接受的最大惩罚阈值Tmax相比,判断该目标航班是按原计划进行航班调度还是重新调整;
针对超出延误的情况,航班需要进行重新调度安排时,系统进入预到航班信息处理模块;利用预到航班信息处理模块收集在原计划到达时间内的除去目标航班外的所有其他航班信息,根据各航班的实际到达时间采用聚类分析方法,匹配货物目的地一致的航班并统计各航班上发往同一目的地的货物质量。
航班调度优化模块采用基于节点流控制的货运航班调度求解方法,对航班调度安排进行重新调整,使得目标航班在中转匹配货物时,装载的货物运量最多的同时达到目标航班等待过程产生的成本和固定成本之和最小。
时刻表安排模块根据航班调度优化模块的实时最优解,确定了目标航班的最新运力、运量、起飞时间、航程时间和落地时间等;并汇总整理形成最新的航班飞行方案。
所述的基于四维航迹的货运航班调度方法,如图2所示,具体步骤如下:
步骤一、针对某目标航班,计算非原计划条件下该航班可接受的惩罚代价T;
罚数代价T表示在发生非计划条件下该货运航空公司可接受的惩罚代价。
计算公式为:
其中,是指在航段i-j上航班n的预测到达时间,表示在航段i-j上航班n的原计划到达时间,表示在下一程航段j-k航班n的原计划起飞时间。s是指单位时间延误所需承担的惩罚代价。
步骤二、延误判断模块判断惩罚代价T是否小于该目标航班可接受的最大惩罚阈值Tmax,如果是,则按原计划航班时刻表进行航班调度;该目标航班进行等待;否则,进入步骤三;
该罚数T大于阈值Tmax,则表示航班延误造成的损失远远大于航空公司的可接受范围,因此必须对航班进行重新调度安排。
步骤三、针对航段i-j,利用预到航班信息处理模块,对原计划到达时间内的除去目标航班外的所有航班进行重新聚类,匹配目的地一致的货运航班信息,形成信息树。
首先,收集在原计划到达时间内的除去目标航班外的所有航班信息;
航班信息包括:原计划到达时间,货物目的地,货物质量以及根据实时航迹计算出在航段i-j上每个航班的预测到达时间;
每个航班的原计划到达时间的集合为:
货物目的地的集合为:
为在航段i-j上航班n是否存在发往目的地m的货物;如果存在,取值为1,否则,取值为0;
货物质量集合为:与货物目的地的集合一一对应;表示在航段i-j上航班n中发往目的地m的货物的质量;
每个航班的预测到达时间集合为:
然后,对上述航班信息进行深度挖掘,采用聚类分析法剖析货物目的地的分布状况,匹配与目标航班一致的航班与货物质量;
如图3所示,具体工作为:以目标航班的预测到达时间为原点绘制同心圆,每个同心圆间隔固定时间,如0.5h;每一条从原点出发的线段,对应一个货物到达该货物对应目的地的预测到达时间;如图中在0.5h内,同一个航班d1上的两个货物分别对应目的地1和目的地2;航班d2上的两个货物也分别对应目的地1和目的地2;0.5-1h内同一个航班d6上的三个货物分别对应目的地1,目的地2和目的地3;以此类推。
基于系统对数据的处理,匹配同一时间段内相近目的地的货物,整理得到航班货物去向,并生成面向目的地的货运航班信息树,根据图3中的不同目的地得到航班的信息树,如图4所示,为下一模块优化航班调度做好准备。
步骤四、基于货运航班信息树,通过航班调度优化模块实现航空货运平衡调度的目标函数和约束条件。
航空货运平衡和调度的目标是在有限的货机资源和满足各种约束条件的情况下,使得运输能力最大、运输成本最小,同时为调度决策者提供具体货运航班调度的依据,故在优化调度模块采用一种基于节点流控制的货运航班调度求解方法。
节点流控制是指模型以运输中的各个中间枢纽站作为节点,控制各枢纽站的货物流量。模型在执行调度过程中充分利用各枢纽站货物缓冲、目的地组合,达到节点流控制目的,以减小航班舱位虚耗,提高货机的运量并最大限度地减小运输成本,实现航空货运的平衡调度。
航空货运平衡调度的目标函数为:最小化运输成本的同时最大化运量;
(1)目标航班运量达到最大,即
式中:L是指单架次目标航班的运输能力;是指在航段i-j上航班n中发往目的地r的货物质量;δ是0-1变量。
上式所示的目标函数是通过合理平衡与调度,最大化每架航班的运量,从而尽可能较少航班开行造成的运输成本。
(2)目标航班运输成本最小,即
式中:C是单次目标航班飞行的总运输成本,包括固定成本和可变成本(如延误造成的等待成本);是指在航段i-j上航班n的实际起飞时间,即在枢纽站i的计划起飞时间,若ij=OD,则为起点实际起飞时间;是指在航段i-j上航班n的实际飞行时间。
上式所示的目标函数就是最小化包括航班因等待引起的总费用,从而航班的运输效率,降低动态调度造成的时间损失。
模型中的约束条件包括:
(1)单架次目标航班的实际运量:
是指在航段i-j上所有航班中,发往目的地r的航班上的实际货物质量之和。
(2)单架次目标航班的容量限制:
是指目标航班的最大运输能力。
(3)目标航班的总成本由各航段(ij∈od)产生的固定成本和可变成本组成,即:
是指目标航班在航段i-j上产生的固定成本,是指目标航班在航段i-j上产生的可变成本。
(4)目标航班在每一航段上的产生固定成本,如下:
f是指在飞行过程中单位距离产生的固定成本,(xo,yo)指目标航班每个航段中起点的坐标,(xd,yd)是指目标航班每个航段中终点的坐标,σ是指在经验数据范围内的随机波动系数,服从N(1,0)。
本发明充分考虑飞机起飞和降落等过程产生了大量的航行距离,通过加入随机波动系数来得到“成本飞行距离”,使得计算模型可具有合理性和现实意义。
(5)目标航班在每一航段上产生的可变成本,如下:
式中:θ是指单位时间延误成本,tallow是指允许忽略的延误时间。
步骤五、采用基于浮点型编码的特定遗传算法,在满足约束条件的范围内对航班的目标函数进行搜索求最优解。
基于浮点型编码的特定遗传算法,通过设计编码方案、初始化航班调度组合种群、制定解码方案、确定适应度函数、设计遗传算子及确定最优终止条件,对航班上述目标函数进行搜索求解。
如图5所示,具体包括以下步骤:
步骤501、针对航段i-j,根据聚类分析得到的航班信息树,选出与目标航班目的地相同的各航班;设计编码方案将各航班的实际起飞时间以及装载货物的运量分别编码成浮点型表示。
相同目的地的各航班的实际起飞时间和货物运量的组合设为解向量,如下:
步骤502、将不同实际起飞时间和装载货物的运量组合按适应度排列后,根据排名顺序,采用“非线性归一函数”计算各个组合的选择概率。
首先,对m个航班的实际起飞时间和装载货物的运量组合分别计算各自的适应度;
然后,将所有适应度进行从大到小排名,采用“非线性归一函数”计算各个组合的选择概率。
每个组合的选择概率Pin为:
其中,q表示适应度排名第一的航班,对应的实际起飞时间和装载货物的运量组合被选中的概率;r'表示适应度从大到小的排名值;排名第一的r'值取1;排名最后的r'值取0;pop表示航班调度组合情况的规模。
步骤503、根据各个组合的选择概率,进行轮盘选择,防止出现过早收敛和停滞现象;
步骤504、将轮盘选择到的组合根据浮点型编码方案,采用改进的启发式交叉操作产生新的组合;
Y′=X
X、Y为上一轮轮盘选择的起飞时间和运量组合;X′、Y′为产生的新的组合,其中表示0-1之间的随机数,父代的X对应的适应度比Y的适应度好。
步骤505、判断新的组合的可行性access是否为1,如果是,则新的组合中的起飞时间X′不在给定的范围之内,停止生成新的起飞时间和装载货物的运量组合,将上一次的组合作为满足可行性的组合;否则生成新的起飞时间和装载货物的运量组合作为满足可行性的组合。
步骤506、采用非一致变异算法,对满足可行性的新的起飞时间和运量组合进行局部搜索;
由于缺乏局部搜索,传统的遗传算子很难获得收益,而非一致变异能改善此缺点。
非一致变异算法公式如下:
其中,是0-1之间的随机数;G表示当前的进化代数;Gmax表示最大进化代数;b表示形态参数。
步骤507、当搜索得到的航班的起飞时间超过可接受的最大航班起飞时间时终止,输出最优解。
根据航空运输的特性,应该保证货物的时效性,控制最小延误。故应当设定最大航班起飞时间一旦起飞时间超过可接受水平时,立即终止迭代,输出最优解。
步骤六、将最优解中的目标航班的起飞时间和运量组合情况,形成最新的货运航班时刻表传达至空中交通管制员处,进行信息确认。
航班调度的最优解,即飞机的起飞时间和运量组合情况后,将最新调度方案发送至飞行情报局和调度台,进行航班完整信息的匹配、验证、生成,形成最新的货运航班时刻表。此后再将完整的最新时刻表传达至空中交通管制员处,进行信息的最后一步确认、执行,形成完整的航班情报方案,保证航班正常的调度运行。
Claims (5)
1.一种基于四维航迹的货运航班调度装置,其特征在于,包括延误判断模块、预到航班信息处理模块、航班调度优化模块和航班时刻表安排模块;
延误判断模块通过设定惩罚代价函数T,并与目标航班可接受的最大惩罚阈值Tmax相比,判断该目标航班是按原计划进行航班调度还是重新调整;
预到航班信息处理模块收集在原计划到达时间内的除去目标航班外的所有其他航班信息,根据各航班的实际到达时间,采用聚类分析方法,匹配货物目的地一致的航班并统计各航班上发往同一目的地的货物质量;
航班调度优化模块采用基于节点流控制的货运航班调度求解方法,对航班调度安排进行重新调整,使得目标航班在中转匹配货物时,装载的货物运量最多的同时达到目标航班等待过程产生的成本和固定成本之和最小;
航班时刻表安排模块根据航班调度优化模块的实时最优解,确定了目标航班的最新运力、运量、起飞时间、航程时间和落地时间,并汇总整理形成最新的航班飞行方案。
2.应用权利要求1所述的一种基于四维航迹的货运航班调度装置的货运航班调度方法,其特征在于,具体步骤如下:
步骤一、针对某目标航班,计算非原计划条件下该航班能接受的惩罚代价T;
罚数代价T计算公式为:
其中,是指在航段i-j上航班n的预测到达时间,表示在航段i-j上航班n的原计划到达时间,表示在下一程航段j-k航班n的原计划起飞时间;s是指单位时间延误所需承担的惩罚代价;
步骤二、延误判断模块判断惩罚代价T是否小于该目标航班可接受的最大惩罚阈值Tmax,如果是,则按原计划航班时刻表进行航班调度;否则,进入步骤三;
步骤三、针对航段i-j,利用预到航班信息处理模块,对原计划到达时间内的除去目标航班外的所有航班进行重新聚类,匹配目的地一致的货运航班信息,形成信息树;
步骤四、基于货运航班信息树,通过航班调度优化模块实现航空货运平衡调度的目标函数和约束条件;
航空货运平衡调度的目标函数为:最小化运输成本的同时最大化运量;
(1)目标航班运量达到最大,即
式中:L是指单架次目标航班的运输能力;是指在航段i-j上航班n中发往目的地r的货物质量;δ是0-1变量;
(2)目标航班运输成本最小,即
式中:C是单次目标航班飞行的总运输成本;是指在航段i-j上航班n的实际起飞时间,是指在航段i-j上航班n的实际飞行时间;
步骤五、采用基于浮点型编码的特定遗传算法,在满足约束条件的范围内对航班的目标函数进行搜索求最优解;
步骤六、将最优解中的起飞时间和运量组合作为目标航班的航班信息,传达至空中交通管制员处,进行信息确认。
3.如权利要求2所述的一种基于四维航迹的货运航班调度方法,其特征在于,所述的步骤三具体包括:
首先,收集在原计划到达时间内的除去目标航班外的所有航班信息;
航班信息包括:原计划到达时间,货物目的地,货物质量以及根据实时航迹计算出在航段i-j上每个航班的预测到达时间;
每个航班的原计划到达时间的集合为:
货物目的地的集合为:
为在航段i-j上航班n是否存在发往目的地m的货物;如果存在,取值为1,否则,取值为0;
货物质量集合为:与货物目的地的集合一一对应;表示在航段i-j上航班n中发往目的地m的货物的质量;
每个航班的预测到达时间集合为:
然后,采用聚类分析法剖析货物目的地的分布状况,匹配与目标航班一致的航班与货物质量;
具体工作为:以目标航班的预测到达时间为原点绘制同心圆,每个同心圆间隔固定时间;每一条从原点出发的线段,对应一个货物到达该货物对应目的地的预测到达时间;统计同一时间段内货物目的地相同的航班信息,整理生成面向目的地的货运航班信息树。
4.如权利要求2所述的一种基于四维航迹的货运航班调度方法,其特征在于,所述的步骤四种约束条件包括:
(1)单架次目标航班的实际运量:
是指在航段i-j上所有航班中,发往目的地r的航班上的实际货物质量之和;
(2)单架次目标航班的容量限制:
是指目标航班的最大运输能力;
(3)目标航班的总成本由各航段产生的固定成本和可变成本组成,即:
是指目标航班在航段i-j上产生的固定成本,是指目标航班在航段i-j上产生的可变成本;
(4)目标航班在每一航段上的产生固定成本,如下:
f是指在飞行过程中单位距离产生的固定成本,(xo,yo)指目标航班每个航段中起点的坐标,(xd,yd)是指目标航班每个航段中终点的坐标,σ是指在经验数据范围内的随机波动系数,服从N(1,0);
(5)目标航班在每一航段上产生的可变成本,如下:
式中:θ是指单位时间延误成本,tallow是指允许忽略的延误时间。
5.如权利要求1所述的一种基于四维航迹的货运航班调度方法,其特征在于,所述的步骤五具体包括:
步骤501、针对航段i-j,根据聚类分析得到的航班信息树,选出与目标航班目的地相同的各航班;设计编码方案将各航班的实际起飞时间以及装载货物的运量分别编码成浮点型表示;
相同目的地的各航班的实际起飞时间和货物运量的组合设为解向量,如下:
步骤502、将不同实际起飞时间和装载货物的运量组合按适应度排列后,根据排名顺序,采用“非线性归一函数”计算各个组合的选择概率;
首先,对m个航班的实际起飞时间和装载货物的运量组合分别计算各自的适应度;
然后,将所有适应度进行从大到小排名,采用“非线性归一函数”计算各个组合的选择概率;
每个组合的选择概率Pin为:
其中,q表示适应度排名第一的航班,对应的实际起飞时间和装载货物的运量组合被选中的概率;r'表示适应度从大到小的排名值;排名第一的r'值取1;排名最后的r'值取0;pop表示航班调度组合情况的规模;
步骤503、根据各个组合的选择概率,进行轮盘选择;
步骤504、将轮盘选择到的组合根据浮点型编码方案,采用改进的启发式交叉操作产生新的组合;
Y′=X
X、Y为上一轮轮盘选择的起飞时间和运量组合;X′、Y′为产生的新的组合,其中表示0-1之间的随机数;
步骤505、判断新的组合的可行性access是否为1,如果是,则新的组合中的起飞时间X′不在给定的范围之内,停止生成新的起飞时间和装载货物的运量组合,将上一次的组合作为满足可行性的组合;否则生成新的起飞时间和装载货物的运量组合作为满足可行性的组合;
xi是指满足可行性的新的起飞时间和运量组合;
步骤506、采用非一致变异算法,对满足可行性的新的起飞时间和运量组合进行局部搜索;
非一致变异算法公式如下:
其中,是0-1之间的随机数;G表示当前的进化代数;Gmax表示最大进化代数;b表示形态参数;
步骤507、当搜索得到的航班的起飞时间超过可接受的最大航班起飞时间时终止,输出最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811635111.4A CN109726917B (zh) | 2018-12-29 | 2018-12-29 | 一种基于四维航迹的货运航班调度方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811635111.4A CN109726917B (zh) | 2018-12-29 | 2018-12-29 | 一种基于四维航迹的货运航班调度方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109726917A true CN109726917A (zh) | 2019-05-07 |
CN109726917B CN109726917B (zh) | 2020-05-19 |
Family
ID=66297567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811635111.4A Active CN109726917B (zh) | 2018-12-29 | 2018-12-29 | 一种基于四维航迹的货运航班调度方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109726917B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126682A (zh) * | 2019-12-13 | 2020-05-08 | 中国民用航空飞行学院 | 一种基于救援效率的通航救援调度优化方法 |
CN112734315A (zh) * | 2019-10-14 | 2021-04-30 | 顺丰科技有限公司 | 航空网络规划方法、设备及存储介质 |
CN112785097A (zh) * | 2019-11-04 | 2021-05-11 | 顺丰科技有限公司 | 停机位分配方法、装置、存储介质及计算机设备 |
CN112990519A (zh) * | 2019-12-12 | 2021-06-18 | 顺丰科技有限公司 | 货件分流方法、装置、计算机可读存储介质和计算机设备 |
CN114440891A (zh) * | 2022-01-25 | 2022-05-06 | 深圳技术大学 | 用于空中交通管理的四维航迹规划方法及系统、设备 |
CN115293712A (zh) * | 2022-10-08 | 2022-11-04 | 深圳普罗空运有限公司 | 基于物联网的数据信息处理系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070011035A1 (en) * | 2003-08-25 | 2007-01-11 | Ofir Yaffe | System and method for optimizing transportations assignments and mainetenance activities |
CN102663262A (zh) * | 2012-04-27 | 2012-09-12 | 中国南方航空股份有限公司 | 一种基于免疫算法下的航班波特性成本核算方法 |
CN103778481A (zh) * | 2014-01-23 | 2014-05-07 | 南京航空航天大学 | 一种针对多跑道航班进离场的动态调度方法 |
CN106846919A (zh) * | 2017-01-16 | 2017-06-13 | 南京航空航天大学 | 一种基于ads‑b信息更新的四维航迹动态预测方法 |
-
2018
- 2018-12-29 CN CN201811635111.4A patent/CN109726917B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070011035A1 (en) * | 2003-08-25 | 2007-01-11 | Ofir Yaffe | System and method for optimizing transportations assignments and mainetenance activities |
CN102663262A (zh) * | 2012-04-27 | 2012-09-12 | 中国南方航空股份有限公司 | 一种基于免疫算法下的航班波特性成本核算方法 |
CN103778481A (zh) * | 2014-01-23 | 2014-05-07 | 南京航空航天大学 | 一种针对多跑道航班进离场的动态调度方法 |
CN106846919A (zh) * | 2017-01-16 | 2017-06-13 | 南京航空航天大学 | 一种基于ads‑b信息更新的四维航迹动态预测方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112734315A (zh) * | 2019-10-14 | 2021-04-30 | 顺丰科技有限公司 | 航空网络规划方法、设备及存储介质 |
CN112785097A (zh) * | 2019-11-04 | 2021-05-11 | 顺丰科技有限公司 | 停机位分配方法、装置、存储介质及计算机设备 |
CN112990519A (zh) * | 2019-12-12 | 2021-06-18 | 顺丰科技有限公司 | 货件分流方法、装置、计算机可读存储介质和计算机设备 |
CN111126682A (zh) * | 2019-12-13 | 2020-05-08 | 中国民用航空飞行学院 | 一种基于救援效率的通航救援调度优化方法 |
CN111126682B (zh) * | 2019-12-13 | 2022-03-15 | 中国民用航空飞行学院 | 一种基于救援效率的通航救援调度优化方法 |
CN114440891A (zh) * | 2022-01-25 | 2022-05-06 | 深圳技术大学 | 用于空中交通管理的四维航迹规划方法及系统、设备 |
CN114440891B (zh) * | 2022-01-25 | 2023-08-25 | 深圳技术大学 | 用于空中交通管理的四维航迹规划方法及系统、设备 |
CN115293712A (zh) * | 2022-10-08 | 2022-11-04 | 深圳普罗空运有限公司 | 基于物联网的数据信息处理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109726917B (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109726917A (zh) | 一种基于四维航迹的货运航班调度方法和装置 | |
CN104751681B (zh) | 一种基于统计学习模型的停机位分配方法 | |
CN107038496B (zh) | 一种无人机快递自动投送路径规划方法及系统 | |
CN109448445A (zh) | 基于长短期记忆神经网络的航班延误分级预警方法 | |
CN110426039A (zh) | 基于任务完成时间最小化的多无人机路径规划方法 | |
CN103699982A (zh) | 一种带软时间窗口的物流配送控制方法 | |
CN109934532B (zh) | 双向运输的路线规划方法和相关装置 | |
CN112330983B (zh) | 不正常航班一体化智能恢复方法 | |
CN109583627A (zh) | 飞机着陆排队优化方法及装置 | |
Sun et al. | Research on improved genetic algorithm in path optimization of aviation logistics distribution center | |
Zhang et al. | Construction-based optimization approaches to airline crew rostering problem | |
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 | |
CN111047102B (zh) | 基于精英驱动粒子群算法的快递配送路线优化方法 | |
CN110428665A (zh) | 一种航路与机场时隙协同分配的随机双层规划方法 | |
CN100433076C (zh) | 着陆飞行器排序方法 | |
CN111582592B (zh) | 一种区域机场群航线网络优化方法 | |
CN111950859B (zh) | 航空通信数据链动态适配方法、装置和存储介质 | |
CN117291491A (zh) | 一种考虑动态风速风向的城市物流无人机路径规划方法 | |
CN108665091A (zh) | 一种基于机器学习的物资智能调度方法 | |
CN106897836B (zh) | 基于航空公司间公平运行的航班计划分配方法及装置 | |
CN110909946B (zh) | 一种基于公路换乘的航班计划优化方法 | |
Li et al. | Study on fleet assignment problem model and algorithm | |
Hu et al. | Research on Flight Delay Prediction Based on Random Forest | |
CN114819510A (zh) | 一种多目标航班时刻优化方法 | |
CN113487264A (zh) | 一种基于异构多无人机的物流配送方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |