CN110826754A - 一种目标参数值的确定、航班调度方法、装置及其设备 - Google Patents
一种目标参数值的确定、航班调度方法、装置及其设备 Download PDFInfo
- Publication number
- CN110826754A CN110826754A CN201810904789.1A CN201810904789A CN110826754A CN 110826754 A CN110826754 A CN 110826754A CN 201810904789 A CN201810904789 A CN 201810904789A CN 110826754 A CN110826754 A CN 110826754A
- Authority
- CN
- China
- Prior art keywords
- data
- flight
- value
- variable
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000010006 flight Effects 0.000 claims abstract description 83
- 238000005457 optimization Methods 0.000 claims abstract description 63
- 238000007418 data mining Methods 0.000 claims description 53
- 238000004422 calculation algorithm Methods 0.000 claims description 42
- 238000012549 training Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 15
- 238000012417 linear regression Methods 0.000 claims description 8
- 238000007637 random forest analysis Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 170
- 238000010586 diagram Methods 0.000 description 20
- 230000008859 change Effects 0.000 description 19
- 230000003111 delayed effect Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012546 transfer Methods 0.000 description 7
- 238000011084 recovery Methods 0.000 description 5
- 238000004378 air conditioning Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种目标参数值的确定、航班调度方法、装置及其设备，该方法包括：获取历史航班数据，所述历史航班数据包括优化目标数据和航班调度数据；根据所述优化目标数据和所述航班调度数据确定目标参数值；其中，所述目标参数值用于生成航班调度计划。通过本申请技术方案，可以自动生成航班调度计划，不用业务人员手工生成航班调度计划，避免业务人员花费大量时间来生成航班调度计划，从而快速生成航班调度计划，及时对航班进行恢复。
Description
技术领域
本申请涉及互联网领域，尤其涉及一种目标参数值的确定、航班调度方法、装置及其设备。
背景技术
随着交通工具的不断升级，飞机已经成为比较普遍的出行方式，但是，航班延误却成为普通存在的问题，台风、暴雨、雾霾或者飞机故障等因素都有可能导致航班延误情况。在出现航班延误情况时，则需要给出合理的航班调度计划，以对航班进行恢复，从而保证用户体验，并降低航空公司的运营成本。
目前，为了给出合理的航班调度计划，需要由业务人员生成航班调度计划，业务人员需要花费大量时间才能够生成航班调度计划，无法及时给出航班调度计划，导致无法及时对航班进行恢复。随着航空公司运力的逐渐递增以及运行环境的日益复杂，航班调度计划的生成难度越来越大，需要花费的时间也越来越长。而且，航班调度计划与业务人员的经验有关，对业务人员的依赖程度高。
发明内容
本申请提供一种目标参数值的确定方法，所述方法包括：
获取历史航班数据，所述历史航班数据包括优化目标数据和航班调度数据；
根据所述优化目标数据和所述航班调度数据确定目标参数值；其中，所述目标参数值用于生成航班调度计划。
本申请提供一种航班调度方法，所述方法包括：
获取变量集合，所述变量集合包括多个待优化变量值；
获取目标函数，并根据所述目标函数和目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据；
根据所述航班调度数据生成航班调度计划；
其中，所述目标参数值是根据历史航班数据确定的。
本申请提供一种航班调度方法，所述方法包括：
数据挖掘模块获取历史航班数据，所述历史航班数据包括优化目标数据和航班调度数据，根据所述优化目标数据和所述航班调度数据确定目标参数值；
所述数据挖掘模块将所述目标参数值输出给核心算法模块；
所述核心算法模块获取变量集合和目标函数，所述变量集合包括多个待优化变量值；根据所述目标函数和所述目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据；
所述核心算法模块将所述航班调度数据输出给接口服务模块；
所述接口服务模块将所述航班调度数据输出给运行控制模块，以使所述运行控制模块根据所述航班调度数据生成航班调度计划。
本申请提供一种目标参数值的确定装置，所述装置包括：
获取模块，用于获取历史航班数据，所述历史航班数据包括优化目标数据和航班调度数据；
确定模块，用于根据所述优化目标数据和航班调度数据确定目标参数值；其中，所述目标参数值用于生成航班调度计划。
本申请提供一种航班调度装置，所述装置包括：
获取模块，用于获取变量集合，所述变量集合包括多个待优化变量值；
确定模块，用于获取目标函数，并根据所述目标函数和目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据；其中，所述目标参数值是根据历史航班数据确定的；
生成模块，用于根据所述航班调度数据生成航班调度计划。
本申请提供一种航班调度装置，所述装置包括：
数据挖掘模块，用于获取历史航班数据，所述历史航班数据包括优化目标数据和航班调度数据，根据所述优化目标数据和所述航班调度数据确定目标参数值，并将所述目标参数值输出给核心算法模块；
核心算法模块，用于获取变量集合和目标函数，所述变量集合包括多个待优化变量值；接收所述目标参数值，并根据所述目标函数和所述目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据，并将所述航班调度数据输出给接口服务模块；
接口服务模块，用于将所述航班调度数据输出给运行控制模块，以使所述运行控制模块根据所述航班调度数据生成航班调度计划。
本申请提供一种目标参数值的确定设备，包括：处理器和机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述处理器执行所述计算机指令时进行如下处理：获取历史航班数据，所述历史航班数据包括优化目标数据和航班调度数据；根据所述优化目标数据和所述航班调度数据确定目标参数值；其中，所述目标参数值用于生成航班调度计划。
本申请提供一种航班调度设备，包括：处理器和机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述处理器执行所述计算机指令时进行如下处理：获取变量集合，所述变量集合包括多个待优化变量值；获取目标函数，并根据所述目标函数和目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据；根据所述航班调度数据生成航班调度计划；其中，所述目标参数值是根据历史航班数据确定的。
基于上述技术方案，本申请实施例中，可以获取历史航班数据，根据历史航班数据确定目标参数值，根据目标参数值生成航班调度计划。上述方式可以自动生成航班调度计划，不用业务人员手工生成航班调度计划，避免业务人员花费大量时间来生成航班调度计划，从而快速生成航班调度计划，及时给出航班调度计划，及时对航班进行恢复，缩短航班延误时间，降低航空公司的运营成本。而且，航班调度计划与业务人员的经验无关，避免对业务人员的依赖。
附图说明
为了更加清楚地说明本申请实施例或者现有技术中的技术方案，下面将对本申请实施例或者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申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据本申请实施例的这些附图获得其它的附图。
图1是本申请一种实施方式中的目标参数值的确定方法的流程图；
图2是本申请另一种实施方式中的航班调度方法的流程图；
图3是本申请另一种实施方式中的航班调度方法的流程图；
图4A是本申请一种实施方式中的应用场景示意图；
图4B是本申请一种实施方式中的数据挖掘模块的训练示意图；
图4C是本申请一种实施方式中的组件实现示意图；
图5是本申请一种实施方式中的目标参数值的确定装置的结构图；
图6是本申请另一种实施方式中的航班调度装置的结构图；
图7是本申请另一种实施方式中的航班调度装置的结构图。
具体实施方式
在本申请实施例使用的术语仅仅是出于描述特定实施例的目的，而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其它含义。还应当理解，本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，此外，所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本申请实施例中提出一种目标参数值的确定方法，参见图1所示，为本申请实施例中提出的目标参数值的确定方法的流程示意图，该方法可以包括：
步骤101，获取历史航班数据，该历史航班数据可以包括优化目标数据和航班调度数据，该历史航班数据可以是过去一段时间内的航班数据。
其中，获取历史航班数据，可以包括但不限于：判断当前时间是否已经到达目标参数值的更新周期；如果是，则可以获取指定时间区间内的历史航班数据；如果否，则继续等待，一直到当前时间已经到达目标参数值的更新周期。
步骤102，根据该优化目标数据和该航班调度数据确定目标参数值。其中，该目标参数值用于生成航班调度计划。
其中，根据该优化目标数据和该航班调度数据确定目标参数值，可以包括但不限于：获取目标函数(可以根据经验配置)，然后，将该优化目标数据确定为该目标函数的输出数据，并将该航班调度数据和目标参数确定为该目标函数的输入数据；然后，可以根据该目标函数确定该目标参数的目标参数值。
进一步的，根据该目标函数确定该目标参数的目标参数值，可以包括但不限于：基于模型训练策略，根据该目标函数确定该目标参数的目标参数值。其中，该模型训练策略可以包括但不限于以下之一或者任意组合：线性回归(LR)策略、随机森林(RF)策略、梯度提升树(GBDT)策略。
在一个例子中，据该优化目标数据和该航班调度数据确定目标参数值，还可以包括但不限于：若该历史航班数据还包括调度模式，则可以根据该优化目标数据和该航班调度数据，确定与该调度模式对应的目标参数值。
在一个例子中，在根据该优化目标数据和该航班调度数据确定目标参数值之后，还可以根据该目标参数值生成航班调度计划，具体的，可以获取变量集合，该变量集合可以包括多个待优化变量值；获取目标函数，并根据该目标函数和该目标参数值，从多个待优化变量值中选择最优变量值，并根据该最优变量值确定航班调度数据；根据该航班调度数据生成航班调度计划。
其中，根据该目标函数和该目标参数值，从多个待优化变量值中选择最优变量值，还可以包括但不限于：根据该变量集合中的每个待优化变量值和目标参数值确定目标函数的函数值，得到该变量集合中的每个待优化变量值对应的函数值；将所有函数值中的最优函数值对应的待优化变量值确定为最优变量值。
其中，根据该目标参数值生成航班调度计划后，还可以确定与该航班调度数据对应的优化目标数据，并将该航班调度数据和该优化目标数据存储为历史航班数据，且该历史航班数据用于训练目标参数值，具体训练方式参见步骤102。
在一个例子中，根据该目标参数值生成航班调度计划，可以包括但不限于：确定航班调度计划的调度模式，并根据与该调度模式对应的目标参数值，生成与该调度模式对应的航班调度计划。具体的，在步骤102中，可以得到多个调度模式对应的目标参数值，在生成航班调度计划时，基于所有调度模式对应的目标参数值，从所有目标参数值中选择与航班调度计划的调度模式对应的目标参数值，并利用选择的目标参数值生成与该调度模式对应的航班调度计划。
在一个例子中，上述执行顺序只是为了方便描述给出的一个示例，在实际应用中，还可以改变步骤之间的执行顺序，对此执行顺序不做限制。而且，在其它实施例中，并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其它实施例中可能被分解为多个步骤进行描述；本说明书中所描述的多个步骤，在其它实施例也可能被合并为单个步骤进行描述。
基于上述技术方案，本申请实施例中，可以获取历史航班数据，根据历史航班数据确定目标参数值，根据目标参数值生成航班调度计划。上述方式可以自动生成航班调度计划，不用业务人员手工生成航班调度计划，避免业务人员花费大量时间来生成航班调度计划，从而快速生成航班调度计划，及时给出航班调度计划，及时对航班进行恢复，缩短航班延误时间，降低航空公司的运营成本。而且，航班调度计划与业务人员的经验无关，避免对业务人员的依赖。
本申请实施例中提出一种航班调度方法，参见图2所示，为本申请实施例中提出的航班调度方法的流程示意图，该方法可以包括以下步骤：
步骤201，获取变量集合，该变量集合可以包括多个待优化变量值。
步骤202，获取目标函数，并根据该目标函数和目标参数值，从多个待优化变量值中选择最优变量值，并根据该最优变量值确定航班调度数据。
其中，该目标参数值是根据历史航班数据确定的，参见图1所示的流程。
其中，根据该目标函数和目标参数值，从多个待优化变量值中选择最优变量值，还可以包括但不限于：根据该变量集合中的每个待优化变量值和目标参数值确定目标函数的函数值，得到该变量集合中的每个待优化变量值对应的函数值；将所有函数值中的最优函数值对应的待优化变量值确定为最优变量值。
其中，根据该目标函数和目标参数值，从多个待优化变量值中选择最优变量值，还可以包括但不限于：确定航班调度计划的调度模式，并获取与该调度模式对应的目标参数值(如可以从所有调度模式对应的目标参数值中，选择与航班调度计划的调度模式对应的目标参数值)；然后，可以根据目标函数和该调度模式对应的目标参数值，从多个待优化变量值中选择最优变量值。
步骤203，根据该航班调度数据生成航班调度计划。
在一个例子中，上述执行顺序只是为了方便描述给出的一个示例，在实际应用中，还可以改变步骤之间的执行顺序，对此执行顺序不做限制。而且，在其它实施例中，并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其它实施例中可能被分解为多个步骤进行描述；本说明书中所描述的多个步骤，在其它实施例也可能被合并为单个步骤进行描述。
基于上述技术方案，本申请实施例中，可以获取历史航班数据，根据历史航班数据确定目标参数值，根据目标参数值生成航班调度计划。上述方式可以自动生成航班调度计划，不用业务人员手工生成航班调度计划，避免业务人员花费大量时间来生成航班调度计划，从而快速生成航班调度计划，及时给出航班调度计划，及时对航班进行恢复，缩短航班延误时间，降低航空公司的运营成本。而且，航班调度计划与业务人员的经验无关，避免对业务人员的依赖。
本申请实施例中提出一种航班调度方法，参见图3所示，为本申请实施例中提出的航班调度方法的流程示意图，该方法可以包括以下步骤：
步骤301，数据挖掘模块获取历史航班数据，该历史航班数据包括优化目标数据和航班调度数据，根据该优化目标数据和该航班调度数据确定目标参数值。
在一个例子中，数据挖掘模块获取历史航班数据，可以包括但不限于：数据挖掘模块判断当前时间是否已经到达目标参数值的更新周期；如果是，则数据挖掘模块可以获取指定时间区间内的历史航班数据。如果否，则数据挖掘模块可以继续等待，一直到当前时间已经到达目标参数值的更新周期。
在一个例子中，数据挖掘模块根据该优化目标数据和该航班调度数据确定目标参数值，可以包括但不限于：数据挖掘模块获取目标函数，将该优化目标数据确定为该目标函数的输出数据，并将该航班调度数据和目标参数确定为目标函数的输入数据；数据挖掘模块根据该目标函数确定目标参数的目标参数值。
数据挖掘模块根据该优化目标数据和该航班调度数据确定目标参数值，还可以包括但不限于：若该历史航班数据还包括调度模式，则数据挖掘模块根据该优化目标数据和该航班调度数据确定与该调度模式对应的目标参数值。
步骤302，数据挖掘模块将该目标参数值输出给核心算法模块。
步骤303，核心算法模块获取变量集合和目标函数，该变量集合可以包括多个待优化变量值；核心算法模块根据该目标函数和该目标参数值，从多个待优化变量值中选择最优变量值，并根据该最优变量值确定航班调度数据。
在一个例子中，核心算法模块根据该目标函数和该目标参数值，从多个待优化变量值中选择最优变量值，可以包括但不限于：核心算法模块根据该变量集合中的每个待优化变量值和该目标参数值确定该目标函数的函数值，得到该变量集合中的每个待优化变量值对应的函数值。然后，核心算法模块可以将所有函数值中的最优函数值对应的待优化变量值确定为最优变量值。
步骤304，核心算法模块将该航班调度数据输出给接口服务模块。
步骤305，接口服务模块将该航班调度数据输出给运行控制模块，以使运行控制模块根据该航班调度数据生成航班调度计划。
在一个例子中，上述执行顺序只是为了方便描述给出的一个示例，在实际应用中，还可以改变步骤之间的执行顺序，对此执行顺序不做限制。而且，在其它实施例中，并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其它实施例中可能被分解为多个步骤进行描述；本说明书中所描述的多个步骤，在其它实施例也可能被合并为单个步骤进行描述。
基于上述技术方案，本申请实施例中，可以获取历史航班数据，根据历史航班数据确定目标参数值，根据目标参数值生成航班调度计划。上述方式可以自动生成航班调度计划，不用业务人员手工生成航班调度计划，避免业务人员花费大量时间来生成航班调度计划，从而快速生成航班调度计划，及时给出航班调度计划，及时对航班进行恢复，缩短航班延误时间，降低航空公司的运营成本。而且，航班调度计划与业务人员的经验无关，避免对业务人员的依赖。
以下结合具体实施例，对本申请实施例的上述技术方案进行详细说明。
假设已知航空公司未来几天的全部航班计划，若由于恶劣天气或飞机故障等原因，导致某些航班不能正常运行，则需要对航班进行调整，使得受影响的航班旅客尽快疏散，未受影响的航班运行受影响最小，且恢复的综合成本低。
其中，对航班进行调整的方式可以包括但不限于：取消航班；换飞机，即改变航班绑定的飞机，可以换成同一机型的其它飞机，或者换成不同机型的其它飞机；调整航班时间，即修改航班的起飞时间，如起飞时间提前或者起飞时间延后；联程航班拉直；调机，即飞机不搭乘旅客空飞到其它机场；旅客签转，即将取消航班的旅客、联程航班拉直损失的旅客、换飞机或者机型变化损失的旅客、中转失败的旅客、超售的旅客，签转到其它航班的空余座位中。
进一步的，从上述航班调整方式中选择哪种调整方式，并使用这种调整方式对航班进行调整，能够使受影响的航班旅客尽快疏散，未受影响的航班运行受影响最小，且恢复的综合成本低，是本实施例中需要解决的问题。为了达到上述目的，本实施例中，可以预先配置目标函数，并通过目标函数的函数值来模拟运营损失值，而最小函数值对应的调整方式就是最终选择的目标调整方式。其中，由于目标函数的函数值用于模拟运营损失值，因此，最小函数值就对应最小的运营损失值，即可以将最小函数值对应的调整方式作为目标调整方式。
在一个例子中，目标函数可以与目标参数和调整方式有关，且可以为上述调整方式设置多个待优化变量值，每个待优化变量值就对应一个调整方式，如待优化变量值1对应调整方式A，待优化变量值2对应调整方式B，以此类推。
基于此，当目标参数的目标参数值确定后，可以将待优化变量值1和该目标参数值代入目标函数，得到该目标函数的函数值1；可以将待优化变量值2和该目标参数值代入目标函数，得到该目标函数的函数值2，以此类推，可以得到每个待优化变量值对应的函数值。进一步的，可以从所有待优化变量值对应的函数值中选择最小函数值，而最小函数值对应的待优化变量值就是最优变量值，并将最优变量值对应的调整方式确定为目标调整方式。例如，最优变量值是待优化变量值1时，则将待优化变量值1对应调整方式A确定为目标调整方式。
在一个例子中，针对目标函数中的目标参数，该目标参数可以包括但不限于以下之一或者任意组合：调机参数；取消航班参数；机型变化参数；换飞机参数；联程拉直参数；航班延误时间参数；航班提前时间参数；旅客行程取消参数；旅客行程延误参数；旅客签转延误参数；旅客行程取消参数；延误航班参数。当然，上述只是目标参数的几个示例，对此目标参数不做限制。
在一个例子中，基于上述目标参数，则目标函数的一个示例可以为：目标函数＝p1*调机空飞航班数+p2*取消航班数+p3*机型发生变化的航班数+p4*换飞机数量+p5*联程拉直航班的个数+p6*航班总延误时间+p7*航班总提前时间+p8*取消旅客人数+p9*延迟旅客人数+p10*签转延误旅客人数。其中，p1为调机参数，p2为取消航班参数，p3为机型变化参数，p4为换飞机参数，p5为联程拉直参数，p6为航班延误时间参数，p7为航班提前时间参数，p8为旅客行程取消参数，p9为旅客行程延误参数，p10为旅客签转延误参数。当然，上述只是目标函数的一个示例，目标函数还可以采用其它形式，对此不做限制。
基于上述目标函数，则待优化变量值1的示例可以为：调机空飞航班数为1，取消航班数为2，机型发生变化的航班数为1，换飞机数量为2，联程拉直航班的个数为1，航班总延误时间为50小时，航班总提前时间为10小时，取消旅客人数为1000人，延迟旅客人数为500人，签转延误旅客人数为2000人。
进一步的，该待优化变量值1对应的调整方式A可以包括：对1个航班进行调机；对2个航班进行取消航班；对2个航班进行换飞机，其中，1个航班换成同一机型的其它飞机，另1个航班换成不同机型的其它飞机；对1个航班进行联程航班拉直；对所有航班进行调整航班时间，以使航班总延误时间为50小时，航班总提前时间为10小时；对所有航班进行旅客签转，以使取消旅客人数为1000人，延迟旅客人数为500人，签转延误旅客人数为2000人。
此外，待优化变量值2的一个示例可以为：调机空飞航班数为2，取消航班数为1，机型发生变化的航班数为2，换飞机数量为3，联程拉直航班的个数为0，航班总延误时间为40小时，航班总提前时间为10小时，取消旅客人数为1000人，延迟旅客人数为1500人，签转延误旅客人数为1000人。进一步的，待优化变量值2对应的调整方式B可以参见调整方式A，在此不再赘述。
当然，上述只是待优化变量值的示例，对此待优化变量值不做限制，只要待优化变量值符合约束条件即可，在实际应用中，可以设置出符合约束条件的所有待优化变量值，针对每个待优化变量值计算目标函数的函数值即可。
例如，约束条件可以是待调整航班数，如一共有6个航班需要调整时，则调机空飞航班数、取消航班数、换飞机数量的和，可以小于或者等于6。
例如，约束条件可以是机型发生变化的航班数小于或等于换飞机数量。
例如，约束条件可以是待调整总人数，如一共有3500人需要调整时，则取消旅客人数、延迟旅客人数、签转延误旅客人数的和，可以小于或者等于3500。
当然，上述只是约束条件的几个示例，在实际应用中，还可以有其它类型的约束条件，对此约束条件不做限制。例如，航站衔接约束条件，即同一飞机的上一航班落地机场和下一航班起飞机场一致；机场关闭约束条件，即机场可以在特定时段关闭，在关闭期间不允许飞机起飞和降落；飞机过站时间约束条件，即飞机在任何机场降落后，至少停留50分钟才能够起飞；旅客中转时间约束条件，即旅客从某一航班中转至另一航班需要满足最小中转时间。
当然，上述通过目标函数的函数值模拟运营损失值，只是目标函数的一个示例，在实际应用中，还可以通过目标函数的函数值模拟其它情况，如模拟用户体验、模拟未来收益等，对此目标函数不做限制，以上述目标函数为例。
从上述目标函数可以看出，目标函数与目标参数和待优化变量值有关，在目标参数的目标参数值确定后，就可以将该目标参数值和每个待优化变量值分别代入目标函数，得到每个待优化变量值对应的函数值，并可以从所有待优化变量值对应的函数值中选择最小函数值，而最小函数值对应的待优化变量值就是最优变量值，然后，将最优变量值对应的调整方式确定为目标调整方式。
显然，目标参数的目标参数值是否合理，直接影响目标函数的函数值，继而影响目标调整方式的准确性，因此，需要设置合理的目标参数值。为了设置合理的目标参数值，则可以安排业务人员到项目现场，通过反复调整目标参数值，一直到目标参数值符合预期为止，但是，上述方式需要花费很长时间，并且目标参数值受限于业务人员的经验，不能适应后期业务的变化与发展。
针对上述问题，本申请实施例中，可以根据历史航班数据更新目标参数值，如每个更新周期(如每天)均更新目标参数值，从而实现目标参数值的自动化调优，能够根据实际业务的变化进行自动调整，具有自适应性优化的能力。
参见图4A所示，为本申请实施例的应用场景示意图，数据挖掘模块、核心算法模块和接口服务模块(如API(Application Programming Interface，应用程序编程接口)服务模块)部署在航班恢复系统，运行控制模块部署在航空运行控制系统，数据管理模块部署在航空大数据平台系统。其中，可以引入微服务架构，解耦各个功能模块，也就是说，数据挖掘模块、核心算法模块、接口服务模块、运行控制模块、数据平台模块可以采用分布式，部署在不同系统。
在上述功能模块中，数据挖掘模块用于根据历史航班数据更新目标参数值，如每个更新周期均更新目标参数值，以下对数据挖掘模块的功能进行说明。
数据平台模块可以从航空大数据平台系统读取历史航班数据，并将历史航班数据输出给数据挖掘模块，例如，航空大数据平台系统可以采用HDFS(Hadoop DistributedFile System，Hadoop分布式文件系统)存储所有历史航班数据，数据平台模块从HDFS中读取历史航班数据，将历史航班数据输出给数据挖掘模块。
其中，历史航班数据可以是过去一段时间内的航班数据，例如，时间A的历史航班数据1、时间B的历史航班数据2、时间C的历史航班数据3等。
其中，历史航班数据可以包括但不限于优化目标数据和航班调度数据。
例如，在时间A采用待优化变量值1对应的调整方式A生成航班调度计划，则待优化变量值1就是航班调度数据，如航班调度数据为：调机空飞航班数为1，取消航班数为2，机型发生变化的航班数为1，换飞机数量为2，联程拉直航班的个数为1，航班总延误时间为50小时，航班总提前时间为10小时，取消旅客人数为1000人，延迟旅客人数为500人，签转延误旅客人数为2000人。
在采用调整方式A生成航班调度计划之后，可以统计运营损失值，这个运营损失值是采用该航班调度计划后的实际运营损失值，而不是通过目标函数的函数值模拟的运营损失值，而且，这个运营损失值就是优化目标数据。
数据挖掘模块获取到历史航班数据后，可以从历史航班数据中获取优化目标数据和航班调度数据，并根据优化目标数据和航班调度数据确定目标参数值。
在一个例子中，数据挖掘模块可以周期性的确定目标参数值，如每隔一天就确定一次目标参数值，且每次确定目标参数值时，可以根据过去30天的优化目标数据和航班调度数据确定目标参数值。基于此，数据挖掘模块可以判断当前时间是否已经到达目标参数值的更新周期，例如，当前时间是每天的指定时间(如中午12点)时，表示当前时间已经到达目标参数值的更新周期，否则，当前时间没有到达目标参数值的更新周期。如果是，则数据挖掘模块可以获取指定时间区间(如当前时间的过去30天)内的历史航班数据，从该历史航班数据中获取优化目标数据和航班调度数据，并根据该优化目标数据和该航班调度数据确定目标参数值。如果否，则数据挖掘模块继续等待，一直到当前时间已经到达目标参数值的更新周期，并获取指定时间区间内的历史航班数据。
在一个例子中，数据挖掘模块根据优化目标数据和航班调度数据确定目标参数值，可以包括但不限于如下方式：获取目标函数，将该优化目标数据确定为该目标函数的输出数据，并将该航班调度数据和目标参数确定为该目标函数的输入数据；然后，可以根据该目标函数确定该目标参数的目标参数值。
进一步的，根据该目标函数确定该目标参数的目标参数值，可以包括但不限于：基于模型训练策略，根据该目标函数确定该目标参数的目标参数值。其中，该模型训练策略可以包括但不限于以下之一或者任意组合：线性回归(LR)策略、随机森林(RF)策略、梯度提升树(GBDT)策略。
例如，目标函数的一个示例可以为：目标函数＝p1*调机空飞航班数+p2*取消航班数+p3*机型发生变化的航班数+p4*换飞机数量+p5*联程拉直航班的个数+p6*航班总延误时间+p7*航班总提前时间+p8*取消旅客人数+p9*延迟旅客人数+p10*签转延误旅客人数。其中，优化目标数据(即运营损失值)是该目标函数的输出数据(即该目标函数的函数值)，而航班调度数据是该目标函数的输入数据，如根据航班调度数据可以确定调机空飞航班数、取消航班数、机型发生变化的航班数、换飞机数量、联程拉直航班的个数、航班总延误时间、航班总提前时间、取消旅客人数、延迟旅客人数、签转延误旅客人数的数值。
显然，在上述的目标函数中，目标参数值(如调机参数p1、取消航班参数p2、机型变化参数p3、换飞机参数p4、联程拉直参数p5、航班延误时间参数p6、航班提前时间参数p7、旅客行程取消参数p8、旅客行程延误参数p9、旅客签转延误参数p10等)是未知值，而优化目标数据(如目标函数的函数值)和航班调度数据(如调机空飞航班数、取消航班数、机型发生变化的航班数、换飞机数量、联程拉直航班的个数、航班总延误时间、航班总提前时间、取消旅客人数、延迟旅客人数、签转延误旅客人数等)均是已知值，因此，基于大量的优化目标数据和航班调度数据，就可以训练出目标参数的目标参数值。
参见图4B所示，数据挖掘模块可以采用训练模型训练目标参数的目标参数值，该训练模型可以是线性回归模型、随机森林模型、梯度提升树模型中的一种或者多种，该训练模型的输入数据是优化目标数据和航班调度数据，该训练模型的输出数据是目标参数的目标参数值。其中，训练模型可以采用目标函数对优化目标数据和航班调度数据进行训练，对此训练过程不做限制，在训练过程结束后，数据挖掘模块就可以得到目标参数的目标参数值。
在上述方式中，数据挖掘模块在每个更新周期(如每天)均更新目标参数值，从而实现目标参数值的自动化调优，实现目标参数值的自动化更新与优化，能够根据历史航班数据的变化自适应地动态调整目标参数值，科学的处理目标参数值，尽量目标参数值与实际相符，为恢复算法的高效运行提供重要依据。
数据挖掘模块获得目标参数值后，将目标参数值输出给核心算法模块。如数据挖掘模块直接将目标参数值输出给核心算法模块，或数据挖掘模块将目标参数值输出给接口服务模块，接口服务模块将目标参数值输出给核心算法模块。
核心算法模块在获得目标参数值后，可以利用目标参数值确定航班调度数据。具体的，可以获取变量集合和目标函数，该变量集合包括多个待优化变量值；根据该目标函数和该目标参数值，从多个待优化变量值中选择最优变量值，并根据该最优变量值确定航班调度数据，即将最优变量值确定为航班调度数据。其中，核心算法模块可以根据变量集合中的每个待优化变量值和该目标参数值确定该目标函数的函数值，得到变量集合中的每个待优化变量值对应的函数值，并将所有函数值中的最优函数值对应的待优化变量值确定为最优变量值。
其中，若由于恶劣天气或飞机故障等原因，导致某些航班不能正常运行，则需要对航班进行调整，而运行控制模块可以获取与待调整航班有关的控制数据，如当前航班信息、待调整航班数、待调整总人数等，对此控制数据不做限制。然后，运行控制模块可以将控制数据输出给核心算法模块，如将数据发送输出给接口服务模块，接口服务模块将控制数据输出给核心算法模块。
其中，核心算法模块可以根据控制数据生成变量集合，该变量集合可以包括多个待优化变量值。而且，核心算法模块根据控制数据生成变量集合时，只要变量集合中的待优化变量值符合约束条件即可，对此待优化变量值不做限制。
例如，约束条件可以是待调整航班数，如一共有6个航班需要调整，则待优化变量值中的调机空飞航班数、取消航班数、换飞机数量的和，可以小于或者等于6。又例如，约束条件可以是机型发生变化的航班数小于或等于换飞机数量，则待优化变量值中的机型发生变化的航班数小于或等于换飞机数量。又例如，约束条件可以是待调整总人数，如一共有3500人需要调整，则待优化变量值中的取消旅客人数、延迟旅客人数、签转延误旅客人数的和，可以小于或者等于3500。当然，上述只是约束条件的几个示例，对此约束条件不做限制。
核心算法模块在获得目标参数值和变量集合后，针对该变量集合中的每个待优化变量值，可以将该待优化变量值和该目标参数值代入目标函数，得到目标函数的函数值。例如，将待优化变量值1和目标参数值代入目标函数，得到目标函数的函数值1；将待优化变量值2和目标参数值代入目标函数，得到目标函数的函数值2，以此类推，可以得到每个待优化变量值对应的函数值。
然后，核心算法模块还可以从所有待优化变量值对应的函数值中选择最小函数值，而最小函数值对应的待优化变量值，也就是最优变量值，并可以根据该最优变量值确定航班调度数据，如将该最优变量值确定为航班调度数据。
例如，当最优变量值是待优化变量值1时，则可以将待优化变量值1确定为航班调度数据，也就是说，该航班调度数据的示例可以为：调机空飞航班数为1，取消航班数为2，机型发生变化的航班数为1，换飞机数量为2，联程拉直航班的个数为1，航班总延误时间为50小时，航班总提前时间为10小时，取消旅客人数为1000人，延迟旅客人数为500人，签转延误旅客人数为2000人。
核心算法模块在获得航班调度数据后，还可以将该航班调度数据输出给接口服务模块，而接口服务模块可以将该航班调度数据输出给运行控制模块，以使运行控制模块根据该航班调度数据生成航班调度计划。在运行控制模块根据该航班调度数据生成航班调度计划时，可以根据该航班调度数据确定调整方式，并在航班调度计划中给出该调整方式，继而采用该调整方式对航班进行调整。
例如，上述航班调度数据的调整方式包括：对1个航班进行调机；对2个航班进行取消航班；对2个航班进行换飞机，其中，1个航班换成同一机型的其它飞机，另1个航班换成不同机型的其它飞机；对1个航班进行联程航班拉直；对所有航班进行调整航班时间，以使航班总延误时间为50小时，航班总提前时间为10小时；对所有航班进行旅客签转，以使取消旅客人数为1000人，延迟旅客人数为500人，签转延误旅客人数为2000人。当然，上述只是调整方式的示例，对此不做限制。然后，就可以采用上述调整方式对航班进行调整。
在一个例子中，运行控制模块采用该调整方式对航班进行调整后，还可以获取运营损失值，这个运营损失值是实际运营损失值，而不是通过目标函数的函数值模拟的运营损失值，并将运营损失值确定为优化目标数据。运行控制模块将该航班调度数据和该优化目标数据存储为历史航班数据，并将该历史航班数据存储到航空大数据平台系统，且航空大数据平台系统可以将该历史航班数据输出给数据挖掘模块，以使数据挖掘模块根据该历史航班数据训练目标参数值，具体训练方式参见上述过程。显然，上述整个流程形成一个闭环，每日根据实际的执行方案自动更新目标参数值，让航班恢复系统自适应优化，以适应复杂的业务发展，输出航班调度数据到航空运行控制系统，供运营人员用于实际运营操作，确保航班调度计划更加贴近实际、更加精准计算收益和损失。
在一个例子中，上述目标函数可以与调度模式(如乘客优先调度模式、效益优先调度模式、运行优先调度模式、平衡优先调度模式等)有关，即不同的调度模式可以对应不同的目标函数。因此，在上述历史航班数据中还可以包括调度模式，表示这个历史航班数据是针对这个调度模式产生的历史航班数据。
在此基础上，数据挖掘模块根据优化目标数据和航班调度数据确定目标参数值时，数据挖掘模块可以先确定与该调度模式对应的目标函数，然后，可以根据该优化目标数据和该航班调度数据，确定与该调度模式对应的目标参数值。
具体的，数据挖掘模块将该优化目标数据确定为该目标函数(即与该调度模式对应的目标函数)的输出数据，并将该航班调度数据和目标参数确定为该目标函数的输入数据；然后，基于模型训练策略，根据该目标函数确定该目标参数的目标参数值，这个目标参数值也就是与该调度模式对应的目标参数值。
在一个例子中，核心算法模块在确定航班调度数据时，先确定航班调度数据对应的调度模式；确定与该调度模式对应的目标参数值、与该调度模式对应的目标函数；针对变量集合中的每个待优化变量值，将该待优化变量值和与该调度模式对应的目标参数值，代入与该调度模式对应的目标函数，得到目标函数的函数值。然后，将所有函数值中的最小函数值的待优化变量值确定为最优变量值，而最优变量值是航班调度数据，即与该调度模式对应的航班调度数据。
进一步的，在核心算法模块将航班调度数据输出给接口服务模块，且接口服务模块将该航班调度数据输出给运行控制模块后，运行控制模块根据该航班调度数据生成的航班调度计划，也就是与该调度模式对应的航班调度计划。
在上述实施例中，参见图4C所示，可以涉及Spring Boot、C++DLL、Spark MLlib等组件。其中，Spring Boot组件可以通过Java语言实现，可以用于实现接口服务模块的功能。C++DLL组件可以通过C++语言实现，可以用于实现核心算法模块的功能。Spark Mllib组件可以用于实现数据挖掘模块的功能，是一个开源的分布式数据挖掘组件，能够提供多种回归算法，例如，线性回归(LR)、随机森林(RF)和梯度提升树(GBDT)等，主要用于训练目标参数值。
参见图4C所示，接口服务模块与核心算法模块之间采用JSON(JavaScript ObjectNotation，JavaScript对象表示法)数据格式进行数据传输，而接口服务模块与运行控制模块之间采用二进制数据格式进行数据传输。进一步的，基于JSON数据格式，能够方便接口服务模块与核心算法模块之间的数据传输；基于二进制数据格式，能够方便接口服务模块与运行控制模块之间的数据传输。
基于上述方案，可以提出一种解决跨平台问题的系统架构，能够支持多种语言实现功能模块，保持每个功能模块的独立性，使得不同模块的实现方式比较灵活，提高系统的可扩展性，不再受限于使用的程序语言或者平台，并且保证较高的性能，将各个功能模块之间充分解耦，解决跨平台的可扩展性问题。
基于与上述方法同样的申请构思，本申请实施例还提供一种目标参数值的确定装置，如图5所示，为所述航班调度装置的结构图，所述航班调度装置包括：获取模块501，用于获取历史航班数据，所述历史航班数据包括优化目标数据和航班调度数据；确定模块502，用于根据所述优化目标数据和航班调度数据确定目标参数值；其中，所述目标参数值用于生成航班调度计划。
所述确定模块502根据所述优化目标数据和航班调度数据确定目标参数值时具体用于：获取目标函数，将所述优化目标数据确定为所述目标函数的输出数据，并将所述航班调度数据和目标参数确定为所述目标函数的输入数据；根据所述目标函数确定所述目标参数的目标参数值。
在一个例子中，所述装置还包括：生成模块503，用于获取变量集合，变量集合包括多个待优化变量值；获取目标函数，根据所述目标函数和所述目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据；根据所述航班调度数据生成航班调度计划。
基于与上述方法同样的申请构思，本申请实施例提出一种目标参数值的确定设备，包括：处理器和机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述处理器执行所述计算机指令时进行如下处理：获取历史航班数据，所述历史航班数据包括优化目标数据和航班调度数据；根据所述优化目标数据和所述航班调度数据确定目标参数值；其中，所述目标参数值用于生成航班调度计划。
基于与上述方法同样的申请构思，本申请实施例中还提供了一种机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被执行时进行如下处理：获取历史航班数据，其中，所述历史航班数据可以包括优化目标数据和航班调度数据；根据所述优化目标数据和所述航班调度数据确定目标参数值；其中，所述目标参数值用于生成航班调度计划。
基于与上述方法同样的申请构思，本申请实施例还提供一种航班调度装置，如图6所示，为所述航班调度装置的结构图，所述航班调度装置包括：
获取模块601，用于获取变量集合，所述变量集合包括多个待优化变量值；
确定模块602，用于获取目标函数，并根据所述目标函数和目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据；其中，所述目标参数值是根据历史航班数据确定的；
生成模块603，用于根据所述航班调度数据生成航班调度计划。
在一个例子中，所述确定模块602根据所述目标函数和目标参数值，从所述多个待优化变量值中选择最优变量值时具体用于：
根据所述变量集合中的待优化变量值和所述目标参数值确定所述目标函数的函数值，得到所述变量集合中的每个待优化变量值对应的函数值；
将所有函数值中的最优函数值对应的待优化变量值确定为最优变量值。
基于与上述方法同样的申请构思，本申请实施例提出一种航班调度设备，包括：处理器和机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述处理器执行所述计算机指令时进行如下处理：获取变量集合，所述变量集合可以包括多个待优化变量值；获取目标函数，并根据所述目标函数和所述目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据；根据所述航班调度数据生成航班调度计划；其中，所述目标参数值是根据历史航班数据确定的。
基于与上述方法同样的申请构思，本申请实施例中还提供了一种机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被执行时进行如下处理：获取变量集合，所述变量集合包括多个待优化变量值；获取目标函数，并根据所述目标函数和目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据；根据所述航班调度数据生成航班调度计划；所述目标参数值是根据历史航班数据确定的。
基于与上述方法同样的申请构思，本申请实施例还提供一种航班调度装置，如图7所示，为所述航班调度装置的结构图，所述航班调度装置包括：
数据挖掘模块701，用于获取历史航班数据，所述历史航班数据包括优化目标数据和航班调度数据，根据所述优化目标数据和所述航班调度数据确定目标参数值，并将所述目标参数值输出给核心算法模块；
核心算法模块702，用于获取变量集合和目标函数，所述变量集合包括多个待优化变量值；接收所述目标参数值，并根据所述目标函数和所述目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据，并将所述航班调度数据输出给接口服务模块；
接口服务模块703，用于将所述航班调度数据输出给运行控制模块，以使所述运行控制模块根据所述航班调度数据生成航班调度计划。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
而且，这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (26)
1.一种目标参数值的确定方法，其特征在于，所述方法包括：
获取历史航班数据，所述历史航班数据包括优化目标数据和航班调度数据；
根据所述优化目标数据和所述航班调度数据确定目标参数值；其中，所述目标参数值用于生成航班调度计划。
2.根据权利要求1所述的方法，其特征在于，
所述获取历史航班数据，还包括：
判断当前时间是否已经到达目标参数值的更新周期；
如果是，则获取指定时间区间内的历史航班数据。
3.根据权利要求1所述的方法，其特征在于，
所述根据所述优化目标数据和所述航班调度数据确定目标参数值，包括：
获取目标函数，将所述优化目标数据确定为所述目标函数的输出数据，并将所述航班调度数据和目标参数确定为所述目标函数的输入数据；
根据所述目标函数确定所述目标参数的目标参数值。
4.根据权利要求3所述的方法，其特征在于，
所述根据所述目标函数确定所述目标参数的目标参数值，包括：
基于模型训练策略，根据所述目标函数确定所述目标参数的目标参数值。
5.根据权利要求4所述的方法，其特征在于，
所述模型训练策略包括以下之一或者任意组合：
线性回归策略、随机森林策略、梯度提升树策略。
6.根据权利要求1-5任一项所述的方法，其特征在于，
所述根据所述优化目标数据和所述航班调度数据确定目标参数值，包括：
若所述历史航班数据还包括调度模式，则根据所述优化目标数据和所述航班调度数据确定与所述调度模式对应的目标参数值。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取变量集合，所述变量集合包括多个待优化变量值；
获取目标函数，并根据所述目标函数和所述目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据；
根据所述航班调度数据生成航班调度计划。
8.根据权利要求7所述的方法，其特征在于，所述根据所述目标函数和所述目标参数值，从所述多个待优化变量值中选择最优变量值，还包括：
根据所述变量集合中的待优化变量值和所述目标参数值确定所述目标函数的函数值，得到所述变量集合中的每个待优化变量值对应的函数值；
将所有函数值中的最优函数值对应的待优化变量值确定为最优变量值。
9.根据权利要求7所述的方法，其特征在于，
所述根据所述航班调度数据生成航班调度计划之后，所述方法还包括：
确定与所述航班调度数据对应的优化目标数据，将所述航班调度数据和所述优化目标数据存储为历史航班数据，所述历史航班数据用于训练目标参数值。
10.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定航班调度计划的调度模式，并根据与所述调度模式对应的目标参数值，生成与所述调度模式对应的航班调度计划。
11.一种航班调度方法，其特征在于，所述方法包括：
获取变量集合，所述变量集合包括多个待优化变量值；
获取目标函数，并根据所述目标函数和目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据；
根据所述航班调度数据生成航班调度计划；
其中，所述目标参数值是根据历史航班数据确定的。
12.根据权利要求11所述的方法，其特征在于，所述根据所述目标函数和目标参数值，从所述多个待优化变量值中选择最优变量值，还包括：
根据所述变量集合中的待优化变量值和所述目标参数值确定所述目标函数的函数值，得到所述变量集合中的每个待优化变量值对应的函数值；
将所有函数值中的最优函数值对应的待优化变量值确定为最优变量值。
13.根据权利要求11所述的方法，其特征在于，所述根据所述目标函数和目标参数值，从所述多个待优化变量值中选择最优变量值，还包括：
确定航班调度计划的调度模式，并获取与所述调度模式对应的目标参数值；
根据所述目标函数和所述调度模式对应的目标参数值，从所述多个待优化变量值中选择最优变量值。
14.一种航班调度方法，其特征在于，所述方法包括：
数据挖掘模块获取历史航班数据，所述历史航班数据包括优化目标数据和航班调度数据，根据所述优化目标数据和所述航班调度数据确定目标参数值；
所述数据挖掘模块将所述目标参数值输出给核心算法模块；
所述核心算法模块获取变量集合和目标函数，所述变量集合包括多个待优化变量值；根据所述目标函数和所述目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据；
所述核心算法模块将所述航班调度数据输出给接口服务模块；
所述接口服务模块将所述航班调度数据输出给运行控制模块，以使所述运行控制模块根据所述航班调度数据生成航班调度计划。
15.根据权利要求14所述的方法，其特征在于，
所述数据挖掘模块获取历史航班数据，还包括：
所述数据挖掘模块判断当前时间是否已经到达目标参数值的更新周期；
如果是，则所述数据挖掘模块获取指定时间区间内的历史航班数据。
16.根据权利要求14所述的方法，其特征在于，所述数据挖掘模块根据所述优化目标数据和所述航班调度数据确定目标参数值，包括：
所述数据挖掘模块获取目标函数，将所述优化目标数据确定为目标函数的输出数据，并将所述航班调度数据和目标参数确定为目标函数的输入数据；
所述数据挖掘模块根据所述目标函数确定所述目标参数的目标参数值。
17.根据权利要求14所述的方法，其特征在于，所述数据挖掘模块根据所述优化目标数据和所述航班调度数据确定目标参数值，还包括：
若所述历史航班数据还包括调度模式，则所述数据挖掘模块根据所述优化目标数据和所述航班调度数据确定与所述调度模式对应的目标参数值。
18.根据权利要求14所述的方法，其特征在于，核心算法模块根据所述目标函数和所述目标参数值，从所述多个待优化变量值中选择最优变量值，包括：
所述核心算法模块根据所述变量集合中的待优化变量值和所述目标参数值确定所述目标函数的函数值，得到所述变量集合中的每个待优化变量值对应的函数值，将所有函数值中的最优函数值对应的待优化变量值确定为最优变量值。
19.一种目标参数值的确定装置，其特征在于，所述装置包括：
获取模块，用于获取历史航班数据，所述历史航班数据包括优化目标数据和航班调度数据；
确定模块，用于根据所述优化目标数据和航班调度数据确定目标参数值；其中，所述目标参数值用于生成航班调度计划。
20.根据权利要求19所述的装置，其特征在于，所述确定模块根据所述优化目标数据和航班调度数据确定目标参数值时具体用于：
获取目标函数，将所述优化目标数据确定为所述目标函数的输出数据，并将所述航班调度数据和目标参数确定为所述目标函数的输入数据；
根据所述目标函数确定所述目标参数的目标参数值。
21.根据权利要求19所述的装置，其特征在于，还包括：
生成模块，用于获取变量集合，所述变量集合包括多个待优化变量值；
获取目标函数，并根据所述目标函数和所述目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据；
根据所述航班调度数据生成航班调度计划。
22.一种航班调度装置，其特征在于，所述装置包括：
获取模块，用于获取变量集合，所述变量集合包括多个待优化变量值；
确定模块，用于获取目标函数，并根据所述目标函数和目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据；其中，所述目标参数值是根据历史航班数据确定的；
生成模块，用于根据所述航班调度数据生成航班调度计划。
23.根据权利要求22所述的装置，其特征在于，所述确定模块根据所述目标函数和目标参数值，从所述多个待优化变量值中选择最优变量值时具体用于：
根据所述变量集合中的待优化变量值和所述目标参数值确定所述目标函数的函数值，得到所述变量集合中的每个待优化变量值对应的函数值；
将所有函数值中的最优函数值对应的待优化变量值确定为最优变量值。
24.一种航班调度装置，其特征在于，所述装置包括：
数据挖掘模块，用于获取历史航班数据，所述历史航班数据包括优化目标数据和航班调度数据，根据所述优化目标数据和所述航班调度数据确定目标参数值，并将所述目标参数值输出给核心算法模块；
核心算法模块，用于获取变量集合和目标函数，所述变量集合包括多个待优化变量值；接收所述目标参数值，并根据所述目标函数和所述目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据，并将所述航班调度数据输出给接口服务模块；
接口服务模块，用于将所述航班调度数据输出给运行控制模块，以使所述运行控制模块根据所述航班调度数据生成航班调度计划。
25.一种目标参数值的确定设备，其特征在于，包括：
处理器和机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述处理器执行所述计算机指令时进行如下处理：
获取历史航班数据，所述历史航班数据包括优化目标数据和航班调度数据；
根据所述优化目标数据和所述航班调度数据确定目标参数值；其中，所述目标参数值用于生成航班调度计划。
26.一种航班调度设备，其特征在于，包括：处理器和机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述处理器执行所述计算机指令时进行如下处理：获取变量集合，所述变量集合包括多个待优化变量值；
获取目标函数，并根据所述目标函数和目标参数值，从所述多个待优化变量值中选择最优变量值，并根据所述最优变量值确定航班调度数据；
根据所述航班调度数据生成航班调度计划；
其中，所述目标参数值是根据历史航班数据确定的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810904789.1A CN110826754B (zh) | 2018-08-09 | 2018-08-09 | 一种目标参数值的确定、航班调度方法、装置及其设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810904789.1A CN110826754B (zh) | 2018-08-09 | 2018-08-09 | 一种目标参数值的确定、航班调度方法、装置及其设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110826754A true CN110826754A (zh) | 2020-02-21 |
| CN110826754B CN110826754B (zh) | 2024-04-05 |
Family
ID=69540988
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810904789.1A Active CN110826754B (zh) | 2018-08-09 | 2018-08-09 | 一种目标参数值的确定、航班调度方法、装置及其设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110826754B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN112447067A (zh) * | 2020-10-09 | 2021-03-05 | 广州市中南民航空管通信网络科技有限公司 | 多机场多跑道进港航班的动态调度方法、终端、存储装置 |
| CN112651530A (zh) * | 2021-01-18 | 2021-04-13 | 中国民航信息网络股份有限公司 | 一种中转旅客的中转决策方法及相关设备 |
| CN113065686A (zh) * | 2021-03-10 | 2021-07-02 | 联想(北京)有限公司 | 排程数据优化处理方法及装置、设备 |
| 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 |
| CN116307634A (zh) * | 2023-05-16 | 2023-06-23 | 中国民用航空总局第二研究所 | 一种机组人员调度方法和系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105469647A (zh) * | 2016-01-29 | 2016-04-06 | 中国电子科技集团公司第二十八研究所 | 一种航路时隙资源协同多目标优化分配方法 |
| 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 |
| CN107704949A (zh) * | 2017-09-12 | 2018-02-16 | 中国船舶重工集团公司第七0九研究所 | 基于历史数据驱动的航班进离场调度优化方法及系统 |
| CN107704950A (zh) * | 2017-09-14 | 2018-02-16 | 北京交通大学 | 一种基于出行需求与系统节能的城轨列车运行图优化方法 |
| 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
- 2018-08-09 CN CN201810904789.1A patent/CN110826754B/zh active Active
Patent Citations (5)
| 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 |
| CN105469647A (zh) * | 2016-01-29 | 2016-04-06 | 中国电子科技集团公司第二十八研究所 | 一种航路时隙资源协同多目标优化分配方法 |
| CN107704949A (zh) * | 2017-09-12 | 2018-02-16 | 中国船舶重工集团公司第七0九研究所 | 基于历史数据驱动的航班进离场调度优化方法及系统 |
| CN107704950A (zh) * | 2017-09-14 | 2018-02-16 | 北京交通大学 | 一种基于出行需求与系统节能的城轨列车运行图优化方法 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| 朱星辉;吴薇薇;戚彦龙;: "基于延误传播的飞机排班一体化鲁棒优化模型", no. 02 * |
| 赵秀丽;朱金福;郭梅;: "不正常航班延误调度模型及算法", no. 04 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112447067A (zh) * | 2020-10-09 | 2021-03-05 | 广州市中南民航空管通信网络科技有限公司 | 多机场多跑道进港航班的动态调度方法、终端、存储装置 |
| 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 |
| 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 |
| CN112651530A (zh) * | 2021-01-18 | 2021-04-13 | 中国民航信息网络股份有限公司 | 一种中转旅客的中转决策方法及相关设备 |
| CN113065686A (zh) * | 2021-03-10 | 2021-07-02 | 联想(北京)有限公司 | 排程数据优化处理方法及装置、设备 |
| 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 |
| CN116307634A (zh) * | 2023-05-16 | 2023-06-23 | 中国民用航空总局第二研究所 | 一种机组人员调度方法和系统 |
| CN116307634B (zh) * | 2023-05-16 | 2023-07-21 | 中国民用航空总局第二研究所 | 一种机组人员调度方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110826754B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110826754B (zh) | 一种目标参数值的确定、航班调度方法、装置及其设备 | |
| US10949775B2 (en) | Method for rescheduling flights affected by a disruption and an airline operations control system and controller | |
| CN110826757B (zh) | 一种航班调度方法、装置及其设备 | |
| CN110826840B (zh) | 一种航班计划恢复方法和系统 | |
| 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 | |
| CN105825304A (zh) | 用于航线航班操作的鲁棒的网络计划优化的方法和系统 | |
| US11176832B2 (en) | Systems and methods to integrate real-time internet-connected aircraft data for cargo planning | |
| CN107818396A (zh) | 用于修改飞行计划的决策辅助 | |
| CN110851933B (zh) | 航班智能规划方法、装置、电子设备及存储介质 | |
| US20200307785A1 (en) | System and method for providing total logistic using drone | |
| US20170011326A1 (en) | Method and system for managing personnel work disruption in safety critical industries | |
| Vos et al. | Aircraft schedule recovery problem–a dynamic modeling framework for daily operations | |
| CN113643571A (zh) | 一种基于航班正常性目标的空域网络优化方法 | |
| JP2020522770A5 (zh) | ||
| EP2993627A1 (en) | Flight schedule optimization | |
| CN114333430A (zh) | 航班信息生成方法、装置、设备、存储介质和计算机程序产品 | |
| US20050116109A1 (en) | Procedure and device for optimizing the quantity of fuel transferred on an aircraft during at least one in-fligh fuel transfer | |
| US11878799B2 (en) | Method and system for configuring an interior of a reconfigurable vehicle | |
| Carlson | Exploiting the opportunities of collaborative decision making: A model and efficient solution algorithm for airline use | |
| CN110889609A (zh) | 一种航班恢复策略生成方法和装置 | |
| US10877952B2 (en) | Flight management system updates | |
| US20200116542A1 (en) | Dynamic Fuel Tankering | |
| Barth et al. | Optimization of transfer baggage handling in a major transit airport | |
| Shafipour-Omrani et al. | A Fuzzy Crew Rostering Model Based on Crew Preferences and Seniorities considering Training Courses: A Robust Optimization Approach | |
| Barth et al. | A model for transfer baggage handling at airports |
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 |