CN109859532A - 一种多约束条件的停机位分配方法和相关装置 - Google Patents
一种多约束条件的停机位分配方法和相关装置 Download PDFInfo
- Publication number
- CN109859532A CN109859532A CN201910152335.8A CN201910152335A CN109859532A CN 109859532 A CN109859532 A CN 109859532A CN 201910152335 A CN201910152335 A CN 201910152335A CN 109859532 A CN109859532 A CN 109859532A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- constraint
- aircraft gate
- break indices
- flight
- 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
本发明公开了一种多约束条件的停机位分配方法,通过获取航班信息和停机位信息,然后采用蒙特卡洛树搜索方式根据停机位分配的目标函数和现实约束条件得到最优停机位分配方案,在满足多种实际运行中的现实约束条件下,通过蒙特卡洛树搜索方式得到最优化的分配方案,找到停机位和航班之间合理分配关系,为每个到港离港航班的航空器分配合适的停机位,以保证航班正常,减少航班延误,方便旅客上下机,最终提高停机位分配的运行效率、停机位的资源利用率以及旅客的服务体验。
Description
技术领域
本发明涉及航空领域,尤其是一种多约束条件的停机位分配方法和相关装置。
背景技术
随着社会经济的飞速发展,国民收入的不断提高,人们对交通出行的快速性、舒适性以及安全性等方面提出了更高的要求,推动航空运输业迎来了前所未有的发展机遇。但是机场业务量持续增长造成机场愈加繁忙和拥挤,而停机位作为机场最核心的资源之一,是实现航班快速安全的停靠,保证航班之间的有效衔接,提高整个机场容量和服务效率的一个关键因素。
机场停机位分配问题是指为每个到港离港航班的航空器分配合适的停机位,以保证航班正常,减少航班延误,方便旅客上下机,提高停机位资源的利用率。因此停机位分配算法要达到停机位和航班的合理平衡,目前主要是主要靠调度人员凭借经验和简单的信息化手段进行停机位分配,这就导致分配方案操作耗时长、分配方案不合理、不能考虑多种约束条件等问题,因此提出一种考虑多种现实约束条件并自动得出优化后合理的停机位分配方案的方法是很有必要的。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的目的是提供一种考虑多种现实约束条件并自动得出优化后合理的停机位分配方法、装置、设备和存储介质。
本发明所采用的技术方案是:
第一方面,本发明提供一种多约束条件的停机位分配方法,包括:
获取航班信息和停机位信息;
采用蒙特卡洛树搜索方式根据航班信息、停机位信息、停机位分配的目标函数和现实约束条件得到最优停机位分配方案;
所述现实约束条件包括以下一种或多种:机型匹配约束、机位偏好约束、停机位复用约束、停机位阻挡约束、尾流干扰约束和过站时间约束。
进一步地,所述目标函数包括:综合评分函数、停机位优先度得分函数和时间间隔得分函数,所述综合评分函数为停机位分配方案的综合评分函数,表示为:
其中,i表示第i个航空器,k表示第k个停机位,p0表示优先度均衡因子,p1表示时间间隔均衡因子,PF表示停机位优先度得分,IF表示时间间隔得分。
进一步地,所述机位优先度得分函数表示为:
PF=Up*Pik
其中,PF表示停机位优先度得分,Up表示效用激活因子,Pik表示航空器i和停机位k匹配时的效用列表。
进一步地,所述时间间隔得分函数表示为:
其中,IF表示时间间隔得分,dik表示第i架航空器在第k个停机位的占用时间,Δt表示两架航空器使用同一停机位的最小时间间隔,teik表示航空器i预计进入停机位k的时刻,tq(i-1)k表示航空器i-1退出停机位k的时刻。
进一步地,所述航班信息包括以下一种或多种:航空公司名称、航班号、航空器机型、航空器机号、国际国内航班、预计进港时间和预计离港时间。
进一步地,所述停机位信息包括以下一种或多种:停机位编号、允许停靠的航空公司名称、航空器类型、飞行任务类型和国际国内航班属性。
进一步地,还包括根据突发情况,对所述最优停机位分配方案进行动态调整。
另一方面,本发明还提供一种多约束条件的停机位分配装置,包括:
获取信息模块,用于获取航班信息和停机位信息;
输出分配方案模块,用于采用蒙特卡洛树搜索方式根据停机位分配的目标函数和现实约束条件得到最优停机位分配方案;
所述现实约束条件包括以下一种或多种:机型匹配约束、机位偏好约束、停机位复用约束、停机位阻挡约束、尾流干扰约束和过站时间约束。
第三方面,本发明提供一种多约束条件的停机位分配设备,包括:
至少一个处理器,以及与所述至少一个处理器通信连接的存储器;
其中,所述处理器通过调用所述存储器中存储的计算机程序,用于执行如第一方面任一项所述的方法。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如第一方面任一项所述的方法。
本发明的有益效果是:
本发明通过获取航班信息和停机位信息,然后采用蒙特卡洛树搜索方式根据停机位分配的目标函数和现实约束条件得到最优停机位分配方案,在满足多种实际运行中的现实约束条件下,通过蒙特卡洛树搜索方式得到最优化的分配方案,找到停机位和航班之间合理分配关系,为每个到港离港航班的航空器分配合适的停机位,以保证航班正常,减少航班延误,方便旅客上下机,最终提高停机位分配的运行效率、停机位的资源利用率以及旅客的服务体验。
附图说明
图1是本发明中多约束条件的停机位分配方法的一具体实施例的实现流程图;
图2是本发明中多约束条件的停机位分配方法的蒙特卡洛树结构示意图;
图3是本发明中多约束条件的停机位分配方法的通过蒙特卡洛树搜索过程示意图;
图4是本发明中多约束条件的停机位分配装置的结构框图。
具体实施方式
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,下面将对照附图说明本发明的具体实施方式。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他的附图,并获得其他的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
实施例一:
停机位分配问题中,停机位作为资源提供方,航班作为资源需求方,本发明在满足多种实际运行中的现实约束条件下,通过蒙特卡洛树搜索方式得到最优化的分配方案,找到停机位和航班之间合理分配关系。本发明实施例一提供一种多约束条件的停机位分配方法。
下面是本实施例中一些名词解释。
航班:主要分为定期航班和不定期航班其中定期航班指的是公布在航班时刻表上,有固定的时刻、固定的日期、固定的机型和固定航线的定期飞行,其余的为不定期航班。
国际/国内航班:在国际航线上飞行的航班称为国际航班,在国内航线上飞行的航班则称为国内航班。
停机位占用时间:指航班从进入停机位时刻到离开停机位时刻这段时间,航班的停机位占用时间应当大于最低过站保障时间。
停机位:停机位是停机坪上供航空器停放的划定位置,是进港航空器的运行终点和离港航空器的运行起点,是供航空器停放、方便旅客上下航空器、货物行李装卸的场所,是航空运输和地面运输的转接点,机场因规模不同,停机坪的数量也不等,每个机坪由数量不等的停机位组成。
还包括近停机位机坪和远停机位机坪,候机楼附近的机坪称为近停机位机坪,旅客通常通过连接航空器与候机楼的廊道型旅客桥(廊桥)登机或离机。离候机楼比较远的机坪称为远停机位机坪,旅客通过客梯车或航空器上自备梯登机或离机,候机楼与航空器停放停机位之间的连接过程则由机场摆渡车来完成。
廊桥:登机廊桥又称空桥或登机桥,是一种机场航站楼内的设施,从登机门延伸至航空器机舱门,方便乘客进出机舱。靠桥率指一定时间周期内的靠廊桥航班数量占所有航班数量的比例。
图1为本发明实施例提供的一种多约束条件的停机位分配方法的实现流程图,如图1所示,该方法可以包括以下步骤:
S1:获取分配信息,指获取航班信息和停机位信息。
S2:输出分配方案,指采用蒙特卡洛树搜索方式根据航班信息、停机位信息、停机位分配的目标函数和现实约束条件得到最优停机位分配方案,停机位分配方案指机场运行调度人员提前根据获得的航班信息和停机位信息后,根据航班的预计到港时间和预计离港时间制定出停机位分配方案。
因为机场实际运行中,航班时刻会因为恶劣天气、军事活动、地面保障等原因而变动,因此需要在完成停机位分配之后根据突发情况,对最优停机位分配方案进行动态调整。
航班信息包括以下:航空公司名称、航班号、航空器机型、航空器机号、国际国内航班、预计进港时间和预计离港时间。
停机位信息包括停机位编号、允许停靠的航空公司名称、航空器类型、飞行任务类型和国际国内航班属性,其中飞行任务指加油、加水、清洁等各项保障飞行任务,国际国内航班属性指该停机位是否是国际航班专属停机位。
上述现实约束条件是根据实际航班分配情况得出的约束条件,这样生成的方案具有落地性,更贴近现实,节省企业运输成本,可操作性更强。具体的,现实约束条件包括以下几种。
1)机型匹配约束:指根据停机位空间大小、保障设施等硬件条件,确保同一时间每个停机位仅能停放若干给定机型的航空器。
2)机位偏好约束:指将某些航空公司的航空器分配至固定停机位,或优先分配国际航班的航空器等。
3)停机位复用约束:指为适应不同的过站机型特点,停机坪上部分区域可以用作少量可停放大航空器的停机位,也可细分成多个只能停放小航空器的停机位,存在复用关系的停机位上同一时间只能停放同一种类型的航空器。
4)停机位阻挡约束:指为提升机场容量,以适应夜间大量航班滞留但吞吐量低的场景,在滑行道上规划有若干临时停机位,但是如果临时停机位在常设停机位必经的滑行线路上,将阻挡相关停机位的滑入、滑出或推出,因此会出现停机位阻挡约束的情况。
5)尾流干扰约束:指为避免航空器之间尾流互相干扰,分配至位置邻近的停机位上的航班进出港时间应尽量错开一定时间。
6)过站时间约束:包括过站时间间隔约束和航班最小过站时间约束,其中过站时间间隔约束指为避免航空器距离过近产生安全隐患,或者造成滑行道拥堵,分配至同一停机位的相邻两架航空器,前者的离港时间与后者的进港时间至少间隔一定时间,例如首都机场将过站时间间隔设置为25分钟。航班最小过站时间约束指该航班航空器占用停机位的时间应大于该类型航班的最小过站时间。
本实施例进行停机位分配的优化目标包括停机位调整小(即抗风险能力强,需要动态调整时调整内容少)、停机位空闲时间最小化、靠桥率高、无停机位航班数量少和旅客行走距离少等,为了达到优化目标,设置目标函数为:综合评分函数、停机位优先度得分函数和时间间隔得分函数。
具体的:综合评分函数为停机位分配方案的综合评分函数,即分配方案的综合评分,表示为:
其中,i表示第i个航空器,k表示第k个停机位,p0表示优先度均衡因子,p1表示时间间隔均衡因子,PF表示停机位优先度得分,IF表示时间间隔得分。
机位优先度得分函数表示为:
PF=Up*Pik (2)
其中,PF表示停机位优先度得分,Up表示效用激活因子,Pik表示航空器i和停机位k匹配时的效用列表。
本实施例中,均衡因子是一种系数,根据实际业务场景设定。
例如,优先度均衡因子:指相关航空器针对某一停机位的停放优先级别,航空器优先度越高,在机位分配过程中其停靠相应机位的概率越大。
时间间隔均衡因子:指针对某停机位,前后航空器停靠的时间间隔,通过调整时间间隔均衡因子,提高机位的最大利用率。
效用均衡因子:指机位对航空器相关属性的侧重程度,如航空器的所属航空公司、航空器的大小、航空器的其他属性等,通过设置效用均衡因子,能够提高航空器和机位的最大匹配程度。
时间间隔得分函数表示为:
其中,IF表示时间间隔得分,dik表示第i架航空器在第k个停机位的占用时间,Δt表示两架航空器使用同一停机位的最小时间间隔,teik表示航空器i预计进入停机位k的时刻,tq(i-1)k表示航空器i-1退出停机位k的时刻。
上述现实约束条件可以表示为下面几种具体的公式,其中k表示航空器编号中第k个停机位,m表示总的停机位数量,i表示进行分配的航空器编号中第i个航空器。
下式(4)约束分配时每个航空器有且仅有一个停机位,表示为:
下式(5)约束为航空器分配对应类型的停机位,例如大型航空器必须分配至大型停机位,中型航空器可以分配至大型或中型停机位,小型航空器可以分配至大型、中型或小型停机位。
(Cai-Cgk)Xik<0 (5)
其中,Cai表示航空器i的类型,Cai取值为1,2,3,分别代表航空器的小、中、大三种类型,Cgk表示停机位k的类型,Cgk取值为1,2,3,分别表示代表停机位的小、中、大三种类型。
下式(6)约束航空器滑行至停机位所需时间,表示为:
teik=ti+tik (6)
其中,ti表示第i架航空器脱离跑道的时刻,tik表示第i架航空器滑行到第k个停机位所需时间。
下式(7)约束航空器实际进入停机位的时间要求,指航空器实际进入停机位的时间不早于预计进入停机位的时间,表示为:
trik≥teik (7)
其中,trik表示航空器i实际进入停机位k的时刻,teik表示航空器i预计进入停机位k的时刻。
下式(8)约束不同航空器使用同一停机位时,其进入和退出时间必须满足相应的安全间隔条件,表示为:
|trik-trjk|≥max{dik+Δt,djk+Δt} (8)
其中,trik表示航空器i实际进入停机位k的时刻,trjk表示航空器j实际进入停机位k的时刻,dik表示第i架航空器在第k个停机位的占用时间,djk表示第i架航空器在第k个停机位的占用时间,Δt表示两架航空器使用同一停机位的最小时间间隔。
下式(9)约束两架航空器连续使用同一停机位时,两架航空器在时间上不产生冲突的条件,表示为:
((trik+dik+Δt)-trjk)×Sijk>0 (9)
其中,trik表示航空器i实际进入停机位k的时刻,trjk表示航空器j实际进入停机位k的时刻,dik表示第i架航空器在第k个停机位的占用时间,Δt表示两架航空器使用同一停机位的最小时间间隔,表示决策变量,Sijk当航空器j在航空器i离开停机位k后进入停机位k,且时间间隔满足要求时,Sijk=1否则Sijk=0。
下式(10)约束同一时刻,一个停机位只能为一架航空器服务,表示为:
Sijk+Sjik≤1 (10)
下式(11)约束一次分配给航空器的停机位占用时间不小于该机型一次过站作业所需的最低时间要求,表示为:
tqik-trik≥uik (11)
其中,tqik表示航空器i退出停机位k的时刻,trik表示航空器i实际进入停机位k的时刻,uik表示航空器i在停机位k完成一次完整作业需要的最小时间。
得到停机位分配的目标函数和现实约束条件之后,本实施例采用蒙特卡洛树搜索方式得到最优停机位分配方案。
蒙特卡洛树搜索又称随机抽样或统计试验方法,属于计算数学的一个分支,它是在上世纪四十年代中期为了适应当时原子能事业的发展而发展起来的。蒙特卡洛树搜索受到快速关注主要是由计算机围棋程序的成功以及其潜在的在众多难题上的应用所致。超越博弈游戏本身,蒙特卡洛树搜索理论上可以被用在以{状态state,行动action}对定义和用模拟进行预测输出结果的任何领域,可以理解为给定一个状态来选择最佳的下一步行动方式,经过多次模拟,尝试基于模拟结果对最佳下一步行动方式进行预测。
如图2所示,为本实施例中蒙特卡洛树结构示意图,对于机场停机位分配场景的需求,图中每一层代表一个航空器,每一个分叉代表该航空器可选择的停机位,其中每一个节点代表一个分配状态,从一个节点到该节点的一个子节点(如果存在)视为一次行动,这里树是一种递归的数据结构,每次选择完最佳的下一步时,会行动到下一个子节点,而这个子节点又作为它子树的根节点,节点的子节点数目称为分支因子,树的根节点代表初始状态,树的叶子节点是没有子节点的节点,至此停机位分配方案结束,无法再进行行动,此时叶子节点的状态也就是停机位分配的结果。
节点分为访问过的和未访问过的,在初始状态,位于树的根节点,其他的节点都是未访问的,被访问过的节点意味着某个模拟过程是以它为起点的,即它至少被评估过一次,如果一个节点的所有子节点都被访问过了,那这个节点就称为是完全扩展的,否则就是未完全扩展的。
如图3所示,为本实施例中通过蒙特卡洛树搜索过程示意图,包括以下几个步骤:
S21:选择(Selection):指从根节点开始,递归选择下一步最优的子节点直到达到叶子节点,选择下一个节点时,可以采用UCB选择公式,兼顾选择的广度和深度。
S22:扩展(Expansion):指随机选择一个停机位作为起点,并为其创建一个子节点。
S23:模拟(Simulation):模拟是指一个行动的序列,从当前节点开始,到终端节点结束,模拟中行动的选择依据是rollout策略,即根据当前状态产生下一个行动过程,实际应用中,rollout策略是均匀随机分布方式,以便于能够快速进行多次模拟,本实施例中指从新创建的子节点开始一次随机模拟,将尚未分配停机位的航空器随机分配到合适的停机位上,得到一个停机位分配方案。
S24:评估(Evaluation):指使用停机位分配的目标函数对模拟得到的停机位分配方案进行估值,判断其综合评分。
S25:反向传播(Backpropagation):指用模拟的结果输出更新当前行动序列的值,具体是用评估得到的估值,即综合评分更新该路径上所有节点的值。
S26:不断重复S21-S25,直至满足下述终止条件即可。
终止条件包括:
1、策略最优,应满足条件:历史估值比较优和节点被选择的次数比较少。
2、可供随机选择的停机位应满足全部的现实约束条件。
3、合适的停机位是指满足ii中全部条件的停机位
4、搜索完结,具体包括:所有的可能分配方案都搜索完毕、已经达到最大搜素次数或已经达到最长搜索时间。
这里最大搜索次数是指在整个搜索过程中,重复步骤S21-S25的次数,这个次数可以在搜索开始时,作为给定参数,最长搜索时间是指整个程序或者核心搜索过程运行的时间,同样作为给定参数。
S27:从根节点开始,使用贪婪方法输出最优停机位分配方案,这里贪婪方法指不断选择同一父节点下估值最优的子节点,从而得到的停机位分配方案。
以上是本发明实施例一的一种多约束条件的停机位分配方法实现方法,下面是本发明实施例二,实施例二提供了一种多约束条件的停机位分配装置。
实施例二:
如图4所示,为本实施例的一种多约束条件的停机位分配装置结构框图,包括:获取信息模块,用于获取航班信息和停机位信息;输出分配方案模块,用于采用蒙特卡洛树搜索方式根据停机位分配的目标函数和现实约束条件得到最优停机位分配方案;现实约束条件包括:机型匹配约束、机位偏好约束、停机位复用约束、停机位阻挡约束、尾流干扰约束和过站时间约束。
实施例三:
本实施例提供一种多约束条件的停机位分配设备,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器;其中,所述处理器通过调用所述存储器中存储的计算机程序,用于执行如实施例一所述的方法。
实施例四,
本实施例提供一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,其中计算机可执行指令用于使计算机执行如实施例一所述的方法。
本发明通过获取航班信息和停机位信息,然后采用蒙特卡洛树搜索方式根据停机位分配的目标函数和现实约束条件得到最优停机位分配方案,在满足多种实际运行中的现实约束条件下,通过蒙特卡洛树搜索方式得到最优化的分配方案,找到停机位和航班之间合理分配关系,为每个到港离港航班的航空器分配合适的停机位,以保证航班正常,减少航班延误,方便旅客上下机,最终提高停机位分配的运行效率、停机位的资源利用率以及旅客的服务体验。
以上各实施例仅用以说明本发明的技术方案,而非对其限制,尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种多约束条件的停机位分配方法,其特征在于,包括:
获取航班信息和停机位信息;
采用蒙特卡洛树搜索方式根据航班信息、停机位信息、停机位分配的目标函数和现实约束条件得到最优停机位分配方案;
所述现实约束条件包括以下一种或多种:机型匹配约束、机位偏好约束、停机位复用约束、停机位阻挡约束、尾流干扰约束和过站时间约束。
2.根据权利要求1所述的一种多约束条件的停机位分配方法,其特征在于,所述目标函数包括:综合评分函数、停机位优先度得分函数和时间间隔得分函数,所述综合评分函数为停机位分配方案的综合评分函数,表示为:
其中,i表示第i个航空器,k表示第k个停机位,p0表示优先度均衡因子,p1表示时间间隔均衡因子,PF表示停机位优先度得分,IF表示时间间隔得分。
3.根据权利要求2所述的一种多约束条件的停机位分配方法,其特征在于,所述机位优先度得分函数表示为:
PF=Up*Pik
其中,PF表示停机位优先度得分,Up表示效用激活因子,Pik表示航空器i和停机位k匹配时的效用列表。
4.根据权利要求2所述的一种多约束条件的停机位分配方法,其特征在于,所述时间间隔得分函数表示为:
其中,IF表示时间间隔得分,dik表示第i架航空器在第k个停机位的占用时间,Δt表示两架航空器使用同一停机位的最小时间间隔,teik表示航空器i预计进入停机位k的时刻,tq(i-1)k表示航空器i-1退出停机位k的时刻。
5.根据权利要求1任一项所述的一种多约束条件的停机位分配方法,其特征在于,所述航班信息包括以下一种或多种:航空公司名称、航班号、航空器机型、航空器机号、国际国内航班、预计进港时间和预计离港时间。
6.根据权利要求1任一项所述的一种多约束条件的停机位分配方法,其特征在于,所述停机位信息包括以下一种或多种:停机位编号、允许停靠的航空公司名称、航空器类型、飞行任务类型和国际国内航班属性。
7.根据权利要求1至6任一项所述的一种多约束条件的停机位分配方法,其特征在于,还包括根据突发情况,对所述最优停机位分配方案进行动态调整。
8.一种多约束条件的停机位分配装置,其特征在于,包括:
获取信息模块,用于获取航班信息和停机位信息;
输出分配方案模块,用于采用蒙特卡洛树搜索方式根据停机位分配的目标函数和现实约束条件得到最优停机位分配方案;
所述现实约束条件包括以下一种或多种:机型匹配约束、机位偏好约束、停机位复用约束、停机位阻挡约束、尾流干扰约束和过站时间约束。
9.一种多约束条件的停机位分配设备,其特征在于,包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;
其中,所述处理器通过调用所述存储器中存储的计算机程序,用于执行如权利要求1至6任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910152335.8A CN109859532A (zh) | 2019-02-28 | 2019-02-28 | 一种多约束条件的停机位分配方法和相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910152335.8A CN109859532A (zh) | 2019-02-28 | 2019-02-28 | 一种多约束条件的停机位分配方法和相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109859532A true CN109859532A (zh) | 2019-06-07 |
Family
ID=66899463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910152335.8A Pending CN109859532A (zh) | 2019-02-28 | 2019-02-28 | 一种多约束条件的停机位分配方法和相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109859532A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264005A (zh) * | 2019-06-21 | 2019-09-20 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
CN110942193A (zh) * | 2019-11-26 | 2020-03-31 | 深圳市北斗智能科技有限公司 | 车辆调度方法及存储介质 |
CN111047915A (zh) * | 2019-12-13 | 2020-04-21 | 中国科学院深圳先进技术研究院 | 停机位分配方法、装置及终端设备 |
CN111079274A (zh) * | 2019-12-04 | 2020-04-28 | 深圳市机场股份有限公司 | 机位智能分配方法、计算机装置及存储介质 |
CN112419790A (zh) * | 2020-11-05 | 2021-02-26 | 南京莱斯信息技术股份有限公司 | 一种飞机泊位离港状态检测方法 |
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 |
CN113570247A (zh) * | 2021-07-28 | 2021-10-29 | 南京航空航天大学 | 一种基于资源受限条件下的停机位分配多目标优化方法 |
CN116933662A (zh) * | 2023-09-14 | 2023-10-24 | 中国民用航空飞行学院 | 一种机场停机位分配方法、装置、存储介质及电子设备 |
CN117592730A (zh) * | 2023-11-29 | 2024-02-23 | 中国东方航空股份有限公司 | 用于分配机场的停机位的方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106981221A (zh) * | 2017-03-24 | 2017-07-25 | 北京航空航天大学 | 基于时空间维度分解的机场停机位分配方法及系统 |
CN107578159A (zh) * | 2017-08-29 | 2018-01-12 | 飞友科技有限公司 | 一种适应航班行程异常的机位自动分配方法 |
CN107610532A (zh) * | 2017-09-26 | 2018-01-19 | 民航成都信息技术有限公司 | 一种基于偏好排序的航班停机位冲突解决方法 |
CN107886260A (zh) * | 2017-12-28 | 2018-04-06 | 南京航空航天大学 | 一种基于鲁棒性分配模型的停机位分配方法 |
DE102017204440A1 (de) * | 2017-03-16 | 2018-09-20 | Robert Bosch Gmbh | Verfahren zur Dimensionierung eines Aktors |
CN108564234A (zh) * | 2018-05-08 | 2018-09-21 | 北京航空航天大学 | 一种智能网联汽车的交叉口无信号自组织通行控制方法 |
CN108809713A (zh) * | 2018-06-08 | 2018-11-13 | 中国科学技术大学 | 基于最优资源分配算法的蒙特卡罗树搜索方法 |
-
2019
- 2019-02-28 CN CN201910152335.8A patent/CN109859532A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017204440A1 (de) * | 2017-03-16 | 2018-09-20 | Robert Bosch Gmbh | Verfahren zur Dimensionierung eines Aktors |
CN106981221A (zh) * | 2017-03-24 | 2017-07-25 | 北京航空航天大学 | 基于时空间维度分解的机场停机位分配方法及系统 |
CN107578159A (zh) * | 2017-08-29 | 2018-01-12 | 飞友科技有限公司 | 一种适应航班行程异常的机位自动分配方法 |
CN107610532A (zh) * | 2017-09-26 | 2018-01-19 | 民航成都信息技术有限公司 | 一种基于偏好排序的航班停机位冲突解决方法 |
CN107886260A (zh) * | 2017-12-28 | 2018-04-06 | 南京航空航天大学 | 一种基于鲁棒性分配模型的停机位分配方法 |
CN108564234A (zh) * | 2018-05-08 | 2018-09-21 | 北京航空航天大学 | 一种智能网联汽车的交叉口无信号自组织通行控制方法 |
CN108809713A (zh) * | 2018-06-08 | 2018-11-13 | 中国科学技术大学 | 基于最优资源分配算法的蒙特卡罗树搜索方法 |
Non-Patent Citations (1)
Title |
---|
陈杰: "人工智能离我们并不遥远", 《中国科技财富》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264005A (zh) * | 2019-06-21 | 2019-09-20 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
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 |
CN110942193A (zh) * | 2019-11-26 | 2020-03-31 | 深圳市北斗智能科技有限公司 | 车辆调度方法及存储介质 |
CN111079274A (zh) * | 2019-12-04 | 2020-04-28 | 深圳市机场股份有限公司 | 机位智能分配方法、计算机装置及存储介质 |
CN111079274B (zh) * | 2019-12-04 | 2024-04-09 | 深圳市机场股份有限公司 | 机位智能分配方法、计算机装置及存储介质 |
CN111047915B (zh) * | 2019-12-13 | 2020-11-27 | 中国科学院深圳先进技术研究院 | 停机位分配方法、装置及终端设备 |
CN111047915A (zh) * | 2019-12-13 | 2020-04-21 | 中国科学院深圳先进技术研究院 | 停机位分配方法、装置及终端设备 |
CN112419790A (zh) * | 2020-11-05 | 2021-02-26 | 南京莱斯信息技术股份有限公司 | 一种飞机泊位离港状态检测方法 |
CN113570247A (zh) * | 2021-07-28 | 2021-10-29 | 南京航空航天大学 | 一种基于资源受限条件下的停机位分配多目标优化方法 |
CN113570247B (zh) * | 2021-07-28 | 2024-07-23 | 南京航空航天大学 | 一种基于资源受限条件下的停机位分配多目标优化方法 |
CN116933662A (zh) * | 2023-09-14 | 2023-10-24 | 中国民用航空飞行学院 | 一种机场停机位分配方法、装置、存储介质及电子设备 |
CN116933662B (zh) * | 2023-09-14 | 2023-12-15 | 中国民用航空飞行学院 | 一种机场停机位分配方法、装置、存储介质及电子设备 |
CN117592730A (zh) * | 2023-11-29 | 2024-02-23 | 中国东方航空股份有限公司 | 用于分配机场的停机位的方法、装置、设备及存储介质 |
CN117592730B (zh) * | 2023-11-29 | 2024-08-16 | 中国东方航空股份有限公司 | 用于分配机场的停机位的方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109859532A (zh) | 一种多约束条件的停机位分配方法和相关装置 | |
CN106981221B (zh) | 基于时空间维度分解的机场停机位分配方法及系统 | |
CN103426331B (zh) | 多机场协同放行系统航班排序决策方法 | |
CN104751681B (zh) | 一种基于统计学习模型的停机位分配方法 | |
Lettovský et al. | Airline crew recovery | |
Filar et al. | How airlines and airports recover from schedule perturbations: a survey | |
Yan et al. | Multifleet routing and multistop flight scheduling for schedule perturbation | |
CN110378537A (zh) | 一种机场停机位智能分配的方法及系统 | |
Vidosavljevic et al. | Modeling of turnaround process using petri nets | |
CN115081699A (zh) | 一种大型航空器公共航空运输中飞行机组排班方法 | |
CN110428665A (zh) | 一种航路与机场时隙协同分配的随机双层规划方法 | |
Yin et al. | Joint apron-runway assignment for airport surface operations | |
Wu et al. | Modeling flight delay propagation in airport and airspace network | |
Shao et al. | Flight recovery method of regional multiairport based on risk control model | |
Teimoori et al. | A multi-objective grey wolf optimization algorithm for aircraft landing problem | |
Suh et al. | A large neighborhood search heuristic to establish an optimal ad-hoc hubbing strategy in the wake of a large-scale airport outage | |
Su et al. | Integrated Optimization of Aircraft Surface Operation and De-Icing Resources at Multi De-Icing Zones Airport | |
Gao et al. | Research on greedy simulated annealing algorithm for irregular flight schedule recovery model | |
Xiuli et al. | Study on GRAPS-ACO algorithm for irregular flight rescheduling | |
Geng et al. | Research on flight schedule configuration model of branch line based on dynamic programming | |
Li et al. | A probabilistic decision-making model for runway configuration planning under stochastic wind conditions | |
Qiang et al. | Research on greedy simulated annealing algorithm for irregular flight schedule recovery model | |
Wei et al. | Notice of Retraction: A Simulation Study on airport capacity and the factors | |
Marzuoli et al. | Multimodality in a metroplex environment: A case study in the San Francisco Bay area | |
Kyle | Washington dulles international airport passenger conveyance study |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190607 |