CN109840610A - 不正常航班飞机路径与旅客行程自动恢复系统及方法 - Google Patents
不正常航班飞机路径与旅客行程自动恢复系统及方法 Download PDFInfo
- Publication number
- CN109840610A CN109840610A CN201711216824.2A CN201711216824A CN109840610A CN 109840610 A CN109840610 A CN 109840610A CN 201711216824 A CN201711216824 A CN 201711216824A CN 109840610 A CN109840610 A CN 109840610A
- Authority
- CN
- China
- Prior art keywords
- path
- aircraft
- flight
- passenger
- stroke
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
一种不正常航班飞机路径与旅客行程自动恢复系统及方法,通过计算机和优化技术,自动实现在不正常航班发生时飞机路径与旅客行程的重新调度。所述系统包括客户端的系统数据输入模块、系统参数管理模块、恢复结果输出模块,及服务端的旅客成本估计模块、航班成本估计模块、飞机路径恢复模块、旅客行程恢复模块。本发明还提供了基于优化模型的不正常航班飞机路径与旅客行程的方法。本发明提供的系统及方法避免了传统依靠人工调整飞机路径和旅客行程的低效方式,自动快速实现飞机路径与旅客行程的重新调度,减少航班延误和航班取消,保障旅客的顺利出行。
Description
技术领域
本发明涉及航空运营领域,提供了一种在不正常航班发生时实现飞机路径与旅客行程自动恢复的系统及方法。
背景技术
目前随着民航业务的快速发展,由于恶劣天气、流量控制等原因造成的航班延误和取消日益增多。当不正常航班发生时,航空公司需要及时调整原来的排班计划,重新调度飞机执行航班,改变飞机原定的路径,并安排受影响的旅客改签其他航班,尽量减小不正常航班造成的经济损失和旅客不便。但飞机路径与旅客行程的恢复往往牵涉到大量决策和计算,当前依靠人工调整飞机路径和旅客行程费时费力,恢复效果也无法保证。
发明内容
本发明克服现有技术的不足,所解决的技术问题是:利用计算机和优化技术,自动实现在不正常航班发生时飞机路径与旅客行程的重新调度,控制航空公司的运输生产过程,显著减小不正常航班造成的负面影响。
本发明使用的技术方案是:通过计算机、优化模型和优化求解器建立不正常航班飞机路径与旅客行程的自动恢复系统。
所述系统包括属于客户端的系统数据输入模块(1)、系统参数管理模块(2)、恢复结果输出模块(3),及属于服务端的旅客成本估计模块(4)、航班成本估计模块(5)、飞机路径恢复模块(6)、旅客行程恢复模块(7);
所述系统数据输入模块(1)接收飞机路径与旅客行程恢复需要的信息,包括不正常航班发生前原定的航班计划、飞机路径、旅客行程、机场停机数量,以及预测的机场天气及机场关闭情况;
所述系统参数管理模块(2)接收用户设定的系统参数,包括飞机最小过站时间、航班最大允许延误时间、系统恢复时域长度、最大迭代次数、时间输出格式;
所述恢复结果输出模块(3)用于生成飞机路径与旅客行程的标准输出文件,给出优化结果;
所述旅客成本估计模块(4)根据历史数据估计旅客行程的延误及取消成本;
所述航班成本估计模块(5)根据历史数据估计航班的延误及取消成本;
所述飞机路径恢复模块(6)根据航班成本估计模块(5)提供的成本参数对飞机路径进行优化调整,通过计算机、优化模型和优化求解器,重新计算指派飞机给需要执行的航班;
所述旅客行程恢复模块(7)根据旅客成本估计模块(4)提供的成本参数以及飞机路径恢复模块(6)优化的飞机路径对旅客行程进行优化调整,指派旅客乘坐的航班。
所述飞机路径恢复模块(6)包括飞机路径初始化模块(8)、飞机路径优化选择模块(9)、飞机路径优化生成模块(10);
所述飞机路径初始化模块(8)通过保留原计划可行的飞机路径和随机搜索生成的一系列候选飞机路径初始化所述飞机路径优化选择模块(9);
所述飞机路径优化选择模块(9)为飞机从候选飞机路径中选择优化路径,最小化飞机路径选择成本;
所述飞机路径优化生成模块(10)在现有候选路径的基础上,为飞机生成更优的路径,并将生成的路径输入飞机路径优化选择模块(9)。
所述旅客行程恢复模块(7)包括旅客行程初始化模块(11)及旅客行程优化模块(12);
所述旅客行程初始化模块(11)通过深度优先搜索在航班连接网络上生成一系列候选旅客行程;
所述旅客行程优化模块(12)通过求解优化模型从候选旅客行程中为受不正常航班影响的旅客调整行程。
本发明还提供了不正常航班飞机路径与旅客行程恢复的方法,所述方法包括飞机路径恢复方法和旅客行程恢复方法。
所述飞机路径恢复方法使用列生成框架包括如下步骤:
步骤1:通过飞机路径初始化模块(8)为每架飞机初始化候选路径;
步骤2:求解飞机路径优化选择模块(9)的飞机路径选择模型,目标函数是:
其中参数 是取消航班 的成本,是飞机选择路径的成本;决策变量表示航
班是否取消, 表示飞机 是否选择路径;
模型包括以下两个约束条件:
其中,参数 等于1如果航班 包含在路径中,否则等于0;第一个约束条件表示每
个航班必须被包含在飞机路径中执行,否则被取消;第二个约束条件表示每架飞机最多执
行一条飞机路径;
步骤3:获得飞机路径选择模型求解后的对偶变量,输入飞机路径优化生成模块(10);
步骤4:通过飞机路径优化生成模块(10)为每架飞机生成新的路径;
步骤5:通过差额成本判断新生成的路径是否更优,若是,添加新生成的路径到飞机路径优化选择模块(9)的飞机路径选择模型,转步骤2;否则转步骤6;
步骤6:求解飞机路径选择模型的整数规划,获得调整恢复后的飞机路径。
进一步地,飞机路径优化生成模块(10)的运作流程由两部分组成;第一部分通过多标签最短路径优化可以保证生成差额成本最小的飞机路径,具体包括如下步骤:
步骤1:根据航班原定计划起降时间和起降机场建立航班连接网络;
步骤2:航班连接网络上的航班连接按照拓扑序排列;
步骤3:按拓扑序获得一条航班连接;
步骤4:处理步骤3获得的航班连接并生成航班成本标签;成本标签包括两个部分:路径成本和航班延误;
步骤5:判断新生成的航班成本标签是否被占优;如果是,转步骤7,否则转步骤6;
步骤6:在航班上保存新生成的成本标签;
步骤7:判断是否有未处理航班连接;如果有转步骤3,否则转步骤8;
步骤8:回溯构造差额成本最小路径;
步骤9:输出生成的飞机路径。
进一步地,飞机路径优化生成模块(10)运作流程的第二部分,通过混合遗传禁忌搜索优化生成飞机路径,包括如下步骤:
步骤1:初始化飞机路径集合,将所有候选飞机路径作为遗传搜索的初始种群;
步骤2:判断是否达到最大迭代次数;如果是,转步骤7;否则转步骤3;
步骤3:随机选取两条飞机路径,交换其中的部分航班,生成新路径;
步骤4:随机选取路径,删除其中的部分航班,生成新路径;
步骤5:随机选取路径,向其中添加部分航班,生成新路径;
步骤6:计算新生成路径的差额成本;如果差额成本小于零,则为更优的路径,加入路径种群并更新禁忌列表防止重复产生路径,转步骤2;否则转步骤7;
步骤7:输出生成的飞机路径。
所述旅客行程恢复方法使用列生成框架包括如下步骤:
步骤1:通过旅客行程初始化模块(11)初始化旅客行程;
步骤2:通过旅客行程优化模块(12)求解旅客行程优化模型,目标函数是:
其中参数 是将旅客从航班 改签到时刻起飞的航班 上的改签成本, 是旅
客行程取消的成本;决策变量 表示从航班 改签到时刻起飞的航班 上的乘客的数
量, 表示航班 取消乘客的数量;
模型包括飞机路径优化选择模块(9)的两个约束条件,另外还包括
其中,参数是飞机 的容量,是计划乘坐航班 的旅客数;第一个约束表示
航班上的旅客必须乘坐航班,否则被取消;第二个约束表示航班上的旅客数不超过飞机的
容量;
步骤3:获得求解旅客行程优化模型后的航班对偶变量;
步骤4:通过差额成本判断是否存在更优旅客行程;如果存在,添加飞机路径和旅客行程到旅客行程优化模型,转步骤2;否则转步骤5;
步骤5:获得调整后的旅客恢复行程。
本发明的有益效果是:通过计算机、优化模型和优化求解器,当航空公司的运输生产计划受到不正常航班干扰时,自动快速实现飞机路径与旅客行程的重新调度,减少航班延误和航班取消,保障旅客的顺利出行。
附图说明
图1是不正常航班飞机路径与旅客行程自动恢复系统方框图。
图2是飞机路径恢复模块方框图。
图3是旅客行程恢复模块方框图。
图4是飞机路径恢复方法的流程图。
图5是基于多标签最短路径优化生成飞机路径方法的流程图。
图6是基于混合遗传禁忌搜索生成飞机路径方法的流程图。
图7是旅客行程恢复方法的流程图。
图8是飞机路径与旅客行程标准输出文件的示例图。
具体实施方式
以下结合图示说明本发明的一种具体实施方法:
如图1所示,本发明的不正常航班飞机路径与旅客行程自动恢复系统包括客户端的系统数据输入模块(1)、系统参数管理模块(2)、恢复结果输出模块(3),及服务端的旅客成本估计模块(4)、航班成本估计模块(5)、飞机路径恢复模块(6)、旅客行程恢复模块(7);
系统数据输入模块(1)接收飞机路径与旅客行程恢复需要的信息,包括不正常航班发生前原定的航班计划、飞机路径、旅客行程、机场停机数量,以及预测的机场天气及机场关闭情况;
系统参数管理模块(2)接收用户设定的系统参数,包括飞机最小过站时间、航班最大允许延误时间、系统恢复时域长度、最大迭代次数、时间输出格式;
恢复结果输出模块(3)用于生成飞机路径与旅客行程的标准输出文件,给出优化结果;
旅客成本估计模块(4)根据历史数据估计旅客行程的延误及取消成本;
航班成本估计模块(5)根据历史数据估计航班的延误及取消成本;
飞机路径恢复模块(6)根据航班成本估计模块(5)提供的成本参数对飞机路径进行优化调整,通过计算机、优化模型和优化求解器,重新计算指派飞机给需要执行的航班;
旅客行程恢复模块(7)根据旅客成本估计模块(4)提供的成本参数以及飞机路径恢复模块(6)优化的飞机路径对旅客行程进行优化调整,指派旅客乘坐的航班。
如图2所示,飞机路径恢复模块(6)包括飞机路径初始化模块(8)、飞机路径优化选择模块(9)、飞机路径优化生成模块(10);
飞机路径初始化模块(8)通过保留原计划可行的飞机路径和随机搜索生成的一系列候选飞机路径初始化飞机路径优化选择模块(9);
飞机路径优化选择模块(9)为飞机从候选飞机路径中选择优化路径,最小化飞机路径选择成本;
飞机路径优化生成模块(10)在现有候选路径的基础上,为飞机生成更优的路径,并将生成的路径输入飞机路径优化选择模块(9)。
更具体地,如图4所示,飞机路径恢复模块(6)使用列生成方法,运作流程包括如下步骤:
步骤1:通过飞机路径初始化模块(8)为每架飞机初始化候选路径;
步骤2:通过飞机路径优化选择模块(9)求解飞机路径选择模型,该模型是一个线性规划模型,目标函数是:
其中参数 是取消航班 的成本,是飞机选择路径的成本;决策变量表示航
班是否取消, 表示飞机 是否选择路径;
模型包括以下两个约束条件:
其中,参数 等于1如果航班 包含在路径中,否则等于0;第一个约束条件表示每
个航班必须被包含在飞机路径中执行,否则被取消;第二个约束条件表示每架飞机最多执
行一条飞机路径;
步骤3:求解飞机路径优化选择模块(9)的线性规划模型后,获得每个航班(第一个约束
条件)的对偶变量 和每架飞机(第二个约束条件)的对偶变量 ,输入飞机路径优化生
成模块(10);
步骤4:通过飞机路径优化生成模块(10)为每架飞机生成新的路径;
步骤5:判断新生成路径的差额成本是否小于0,即是否为更优路
径;如果是,则将新生成路径对应的新决策变量 ,即新生成的列添加进飞机路径选择模
型,转步骤2;否则转步骤6;
步骤6:求解飞机路径选择模型的整数规划,获得调整恢复后的飞机路径。
进一步地,飞机路径优化生成模块(10)的运作流程由两部分组成;如图5所示,第一部分通过多标签最短路径优化可以保证生成差额成本最小的飞机路径,具体包括如下步骤:
步骤1:根据航班原定计划起降时间和起降机场建立航班连接网络;
例如,航班AA0001计划7点从北京起飞9点降落上海;航班BB0001计划10点从上海起飞12点降落广州;在航班连接网络上建立从航班AA0001指向航班BB0001的一条连接AA0001→BB0001;
步骤2:航班连接网络上的航班连接按照拓扑序排列;
例如:AA0001→BB0001, AA0001→BB0002, AA0002→BB0001 ...
步骤3:按拓扑序获得一条航班连接;
例如,按拓扑序获得AA0001→BB0001,其中AA0001由于天气原因实际8点30分从北京起飞10点30分降落上海;
步骤4:处理步骤3获得的航班连接并生成航班成本标签;
例如,BB0001计划10点从上海起飞11点降落广州;如果BB0001仍要衔接在AA0001后,加
上30分钟飞机过站时间,BB0001需要延误1小时;BB0001生成航班成本标签 ,标签
的第一项是飞机路径执行到BB0001的累计成本,第二项是BB0001的延误成本;
步骤5:判断新生成的航班成本标签是否被占优;如果是,转步骤7,否则转步骤6;
例如:BB0001已保存有成本标签 ,表示在另一条飞机路径中,飞机执行到
BB0001的累计成本是100且BB0001不需要延误;新生成的航班成本标签 被
占优;
步骤6:在航班上保存新生成的成本标签;
步骤7:判断是否有未处理航班连接;如果有转步骤3,否则转步骤8;
步骤8:回溯构造差额成本最小路径;
步骤9:输出生成的飞机路径。
进一步地,如图6所示,飞机路径优化生成模块(10)运作流程的第二部分,通过混合遗传禁忌搜索优化生成飞机路径,包括如下步骤:
步骤1:初始化飞机路径集合,将所有候选飞机路径作为遗传搜索的初始种群;
步骤2:判断是否达到最大迭代次数;如果是,转步骤7;否则转步骤3;
步骤3:随机选取两条飞机路径,交换其中的部分航班,生成新路径;
例如:第一条路径是AA0001→BB0001→CC0001,第二条路径是AA0001→DD0001→CC0001;交换后生成两条新的路径AA0001→DD0001→CC0001和AA0001→BB0001→CC0001;
步骤4:随机选取路径,删除其中的部分航班,生成新路径;
例如:原路径是AA0001→BB0001→CC0001→DD0001,删除后生成新路径AA0001→DD0001
步骤5:随机选取路径,向其中添加部分航班,生成新路径;
例如:原路径是AA0001→DD0001,添加航班后生成新路径AA0001→BB0002→CC0002→DD0001
步骤6:计算新生成路径的差额成本;如果差额成本小于零,则为更优的路径,加入路径种群并更新禁忌列表防止重复产生路径,转步骤2;否则转步骤7;
步骤7:输出生成的飞机路径。
如图3所示,旅客行程恢复模块(7)包括旅客行程初始化模块(11)和旅客行程优化模块(12)。
具体地,如图7所示,旅客行程恢复模块(7)使用列生成方法,运作流程包括如下步骤:
步骤1:通过旅客行程初始化模块(11)使用深度优先搜索在航班连接网络上生成旅客行程;
步骤2:通过旅客行程优化模块(12)求解旅客行程优化模型,该模型是一个线性规划模型,
目标函数是:
其中参数 是将旅客从航班 改签到时刻起飞的航班 上的改签成本, 是旅
客行程取消的成本;决策变量 表示从航班 改签到时刻起飞的航班 上的乘客的数
量, 表示航班 取消乘客的数量;
模型包括飞机路径优化选择模块(9)的两个约束条件,另外还包括
其中,参数是飞机 的容量,是计划乘坐航班 的旅客数;第一个约束表示
航班上的旅客必须乘坐航班,否则被取消;第二个约束表示航班上的旅客数不超过飞机的
容量;
步骤3:求解旅客行程优化模型后获得航班的对偶变量,计算差额成本 ;
步骤4:如果差额成本小于0,存在更优的飞机路径和旅客行程,添加飞机路径和旅客行程到旅客行程优化模型,转步骤2;否则转步骤5;
步骤5:获得调整恢复后的旅客恢复行程。
如图8所示,不正常航班飞机路径与旅客行程自动恢复系统的输出文件给出每个航班的调整情况,包括取消航班、延误航班、执飞飞机,以及签转旅客的情况。例如2:53&84:44表示签转53名乘客到2号航班,并签转44名乘客到84号航班。
Claims (8)
1.一种不正常航班飞机路径与旅客行程自动恢复系统,其特征是:
所述系统包括属于客户端的系统数据输入模块(1)、系统参数管理模块(2)、恢复结果输出模块(3),及属于服务端的旅客成本估计模块(4)、航班成本估计模块(5)、飞机路径恢复模块(6)、旅客行程恢复模块(7);
所述系统数据输入模块(1)接收飞机路径与旅客行程恢复需要的信息,包括不正常航班发生前原定的航班计划、飞机路径、旅客行程、机场停机数量,以及预测的机场天气及机场关闭情况;
所述系统参数管理模块(2)接收用户设定的系统参数,包括飞机最小过站时间、航班最大允许延误时间、系统恢复时域长度、最大迭代次数、时间输出格式;
所述恢复结果输出模块(3)用于生成飞机路径与旅客行程的标准输出文件,给出优化结果;
所述旅客成本估计模块(4)根据历史数据估计旅客行程的延误及取消成本;
所述航班成本估计模块(5)根据历史数据估计航班的延误及取消成本;
所述飞机路径恢复模块(6)根据航班成本估计模块(5)提供的成本参数对飞机路径进行优化调整,通过计算机、优化模型和优化求解器,重新计算指派飞机给需要执行的航班;
所述旅客行程恢复模块(7)根据旅客成本估计模块(4)提供的成本参数以及飞机路径恢复模块(6)优化的飞机路径对旅客行程进行优化调整,指派旅客乘坐的航班。
2.根据权利要求1所述的不正常航班飞机路径与旅客行程自动恢复系统,其特征是:所述飞机路径恢复模块(6)包括飞机路径初始化模块(8)、飞机路径优化选择模块(9)、飞机路径优化生成模块(10);
所述飞机路径初始化模块(8)通过保留原计划可行的飞机路径和随机搜索生成的一系列候选飞机路径初始化所述飞机路径优化选择模块(9);
所述飞机路径优化选择模块(9)为飞机从候选飞机路径中选择优化路径,最小化飞机路径选择成本;
所述飞机路径优化生成模块(10)在现有候选路径的基础上,为飞机生成更优的路径,并将生成的路径输入飞机路径优化选择模块(9)。
3.根据权利要求1所述的不正常航班飞机路径与旅客行程自动恢复系统,其特征是:所述旅客行程恢复模块(7)包括旅客行程初始化模块(11)及旅客行程优化模块(12);
所述旅客行程初始化模块(11)通过深度优先搜索在航班连接网络上生成一系列候选旅客行程;
所述旅客行程优化模块(12)通过求解优化模型从候选旅客行程中为受不正常航班影响的旅客调整行程。
4.一种不正常航班飞机路径与旅客行程自动恢复方法,其特征是:所述方法包括飞机路径恢复方法和旅客行程恢复方法。
5.根据权利要求4所述的不正常航班飞机路径与旅客行程自动恢复方法,其特征是:所述飞机路径恢复方法使用列生成框架包括如下步骤:
步骤1:通过飞机路径初始化模块(8)为每架飞机初始化候选路径;
步骤2:求解飞机路径优化选择模块(9)的飞机路径选择模型,目标函数是:
其中参数 是取消航班 的成本,是飞机选择路径的成本;决策变量表示航班是否取消, 表示飞机 是否选择路径;
模型包括以下两个约束条件:
其中,参数 等于1如果航班 包含在路径中,否则等于0;第一个约束条件表示每个
航班必须被包含在飞机路径中执行,否则被取消;第二个约束条件表示每架飞机最多执行
一条飞机路径;
步骤3:获得飞机路径选择模型求解后的对偶变量,输入飞机路径优化生成模块(10);
步骤4:通过飞机路径优化生成模块(10)为每架飞机生成新的路径;
步骤5:通过差额成本判断新生成的路径是否更优,若是,添加新生成的路径到飞机路径优化选择模块(9)的飞机路径选择模型,转步骤2;否则转步骤6;
步骤6:求解飞机路径选择模型的整数规划,获得调整恢复后的飞机路径。
6.根据权利要求4所述的不正常航班飞机路径与旅客行程自动恢复方法,其特征是:所述飞机路径恢复方法的飞机路径优化生成模块(10)的运作流程由两部分组成;第一部分通过多标签最短路径优化可以保证生成差额成本最小的飞机路径,具体包括如下步骤:
步骤1:根据航班原定计划起降时间和起降机场建立航班连接网络;
步骤2:航班连接网络上的航班连接按照拓扑序排列;
步骤3:按拓扑序获得一条航班连接;
步骤4:处理步骤3获得的航班连接并生成航班成本标签;成本标签包括两个部分:路径成本和航班延误;
步骤5:判断新生成的航班成本标签是否被占优;如果是,转步骤7,否则转步骤6;
步骤6:在航班上保存新生成的成本标签;
步骤7:判断是否有未处理航班连接;如果有转步骤3,否则转步骤8;
步骤8:回溯构造差额成本最小路径;
步骤9:输出生成的飞机路径。
7.根据权利要求4所述的不正常航班飞机路径与旅客行程自动恢复方法,其特征是:所述飞机路径恢复方法的飞机路径优化生成模块(10)运作流程的第二部分,通过混合遗传禁忌搜索优化生成飞机路径,包括如下步骤:
步骤1:初始化飞机路径集合,将所有候选飞机路径作为遗传搜索的初始种群;
步骤2:判断是否达到最大迭代次数;如果是,转步骤7;否则转步骤3;
步骤3:随机选取两条飞机路径,交换其中的部分航班,生成新路径;
步骤4:随机选取路径,删除其中的部分航班,生成新路径;
步骤5:随机选取路径,向其中添加部分航班,生成新路径;
步骤6:计算新生成路径的差额成本;如果差额成本小于零,则为更优的路径,加入路径种群并更新禁忌列表防止重复产生路径,转步骤2;否则转步骤7;
步骤7:输出生成的飞机路径。
8.根据权利要求4所述的不正常航班飞机路径与旅客行程自动恢复方法,其特征是:所述旅客行程恢复方法使用列生成框架包括如下步骤:
其中参数 是将旅客从航班 改签到时刻起飞的航班 上的改签成本, 是旅
客行程取消的成本;决策变量 表示从航班 改签到时刻起飞的航班 上的乘客的数
量, 表示航班 取消乘客的数量;
模型包括飞机路径优化选择模块(9)的两个约束条件,另外还包括
其中,参数是飞机 的容量,是计划乘坐航班 的旅客数;第一个约束表示
航班上的旅客必须乘坐航班,否则被取消;第二个约束表示航班上的旅客数不超过飞机的
容量;
步骤3:获得求解旅客行程优化模型后的航班对偶变量;
步骤4:通过差额成本判断是否存在更优旅客行程;如果存在,添加飞机路径和旅客行程到旅客行程优化模型,转步骤2;否则转步骤5;
步骤5:获得调整后的旅客恢复行程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711216824.2A CN109840610A (zh) | 2017-11-28 | 2017-11-28 | 不正常航班飞机路径与旅客行程自动恢复系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711216824.2A CN109840610A (zh) | 2017-11-28 | 2017-11-28 | 不正常航班飞机路径与旅客行程自动恢复系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109840610A true CN109840610A (zh) | 2019-06-04 |
Family
ID=66881092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711216824.2A Pending CN109840610A (zh) | 2017-11-28 | 2017-11-28 | 不正常航班飞机路径与旅客行程自动恢复系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109840610A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533228A (zh) * | 2019-08-13 | 2019-12-03 | 哈尔滨工程大学 | 一种考虑旅客意愿的航班恢复方法 |
CN110851933A (zh) * | 2019-11-08 | 2020-02-28 | 四川航空股份有限公司 | 航班智能规划方法、装置、电子设备及存储介质 |
CN110889609A (zh) * | 2019-11-18 | 2020-03-17 | 杉数科技(北京)有限公司 | 一种航班恢复策略生成方法和装置 |
CN111353721A (zh) * | 2020-03-24 | 2020-06-30 | 杭州派迩信息技术有限公司 | 一种基于航班价值评估的航班恢复系统 |
CN112132484A (zh) * | 2020-09-30 | 2020-12-25 | 中国民航信息网络股份有限公司 | 一种航班恢复方法及装置 |
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 |
CN112819317A (zh) * | 2021-01-29 | 2021-05-18 | 同济大学 | 一种不正常航班飞机、旅客及机务一体化恢复系统 |
CN114333430A (zh) * | 2021-12-22 | 2022-04-12 | 悠桦林信息科技(上海)有限公司 | 航班信息生成方法、装置、设备、存储介质和计算机程序产品 |
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 |
CN114973776A (zh) * | 2022-03-28 | 2022-08-30 | 慧之安信息技术股份有限公司 | 基于边缘计算的民用航空飞机调度优化方法和装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160335567A1 (en) * | 2015-05-15 | 2016-11-17 | Taleris Global Llp | Method for rescheduling flights affected by a disruption and an airline operations control system and controller |
-
2017
- 2017-11-28 CN CN201711216824.2A patent/CN109840610A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160335567A1 (en) * | 2015-05-15 | 2016-11-17 | Taleris Global Llp | Method for rescheduling flights affected by a disruption and an airline operations control system and controller |
Non-Patent Citations (1)
Title |
---|
王莹: "不正常航班和旅客行程恢复问题研究", 《硕士论文电子期刊》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533228B (zh) * | 2019-08-13 | 2023-08-04 | 哈尔滨工程大学 | 一种考虑旅客意愿的航班恢复方法 |
CN110533228A (zh) * | 2019-08-13 | 2019-12-03 | 哈尔滨工程大学 | 一种考虑旅客意愿的航班恢复方法 |
CN110851933A (zh) * | 2019-11-08 | 2020-02-28 | 四川航空股份有限公司 | 航班智能规划方法、装置、电子设备及存储介质 |
CN110851933B (zh) * | 2019-11-08 | 2023-11-03 | 四川航空股份有限公司 | 航班智能规划方法、装置、电子设备及存储介质 |
CN110889609A (zh) * | 2019-11-18 | 2020-03-17 | 杉数科技(北京)有限公司 | 一种航班恢复策略生成方法和装置 |
CN111353721A (zh) * | 2020-03-24 | 2020-06-30 | 杭州派迩信息技术有限公司 | 一种基于航班价值评估的航班恢复系统 |
CN111353721B (zh) * | 2020-03-24 | 2023-08-08 | 杭州派迩信息技术有限公司 | 一种基于航班价值评估的航班恢复系统 |
CN112132484A (zh) * | 2020-09-30 | 2020-12-25 | 中国民航信息网络股份有限公司 | 一种航班恢复方法及装置 |
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 |
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 |
CN112819317B (zh) * | 2021-01-29 | 2022-11-18 | 同济大学 | 一种不正常航班飞机、旅客及机务一体化恢复系统 |
CN112819317A (zh) * | 2021-01-29 | 2021-05-18 | 同济大学 | 一种不正常航班飞机、旅客及机务一体化恢复系统 |
CN114333430A (zh) * | 2021-12-22 | 2022-04-12 | 悠桦林信息科技(上海)有限公司 | 航班信息生成方法、装置、设备、存储介质和计算机程序产品 |
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 |
CN114973776A (zh) * | 2022-03-28 | 2022-08-30 | 慧之安信息技术股份有限公司 | 基于边缘计算的民用航空飞机调度优化方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN106529674B (zh) | 多无人机协同多目标分配方法 | |
CN104751681B (zh) | 一种基于统计学习模型的停机位分配方法 | |
CN112330983B (zh) | 不正常航班一体化智能恢复方法 | |
CN111401601B (zh) | 一种面向延误传播的航班起降时间预测方法 | |
EP3043296A1 (en) | Method and system for robust network planning optimization of airline flight operations | |
CN107818396A (zh) | 用于修改飞行计划的决策辅助 | |
CN108038508A (zh) | 中转航班的推送方法、系统、存储介质和电子设备 | |
CN109726917B (zh) | 一种基于四维航迹的货运航班调度方法和装置 | |
CN108304974B (zh) | 一种基于优化C5.0和Apriori的民航NOSHOW预测及强因子分析方法 | |
CN110826754B (zh) | 一种目标参数值的确定、航班调度方法、装置及其设备 | |
CN110533228A (zh) | 一种考虑旅客意愿的航班恢复方法 | |
CN105278400A (zh) | 生成符合噪声消减限制的飞机离场剖面 | |
CN110826757B (zh) | 一种航班调度方法、装置及其设备 | |
CN111798079A (zh) | 航班调整方法、装置、电子设备及存储介质 | |
CN111192090A (zh) | 航班的座位分配方法、装置、存储介质和电子设备 | |
Mokhtarimousavi et al. | Multi-objective mathematical modeling of aircraft landing problem on a runway in static mode, scheduling and sequence determination using NSGA-II | |
CN113643571A (zh) | 一种基于航班正常性目标的空域网络优化方法 | |
CN110826840A (zh) | 一种航班计划恢复方法和系统 | |
US20220147664A1 (en) | Systems and Methods for Multi-Modal Transportation Simulation Verification | |
CN113706931B (zh) | 空域的流控策略推荐方法、装置、电子设备及存储介质 | |
CN112633562B (zh) | 一种机场停机位智能调度方法 | |
CN110033111A (zh) | 机场场面运动规划方法和装置 | |
Lundberg et al. | Human-in-the-loop AI: Requirements on future (unified) air traffic management systems | |
CN110909946B (zh) | 一种基于公路换乘的航班计划优化方法 |
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 |
Application publication date: 20190604 |
|
WD01 | Invention patent application deemed withdrawn after publication |