CN110826757A - 一种航班调度方法、装置及其设备 - Google Patents
一种航班调度方法、装置及其设备 Download PDFInfo
- Publication number
- CN110826757A CN110826757A CN201810922795.XA CN201810922795A CN110826757A CN 110826757 A CN110826757 A CN 110826757A CN 201810922795 A CN201810922795 A CN 201810922795A CN 110826757 A CN110826757 A CN 110826757A
- Authority
- CN
- China
- Prior art keywords
- flight
- adjustment
- variable
- target value
- determining
- 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 64
- 230000010006 flight Effects 0.000 claims description 47
- 238000004422 calculation algorithm Methods 0.000 claims description 31
- 238000010845 search algorithm Methods 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 154
- 238000007418 data mining Methods 0.000 description 23
- 238000011084 recovery Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 16
- 238000012546 transfer Methods 0.000 description 16
- 230000003111 delayed effect Effects 0.000 description 13
- 230000008859 change Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000003203 everyday effect Effects 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution 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
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种航班调度方法、装置及其设备,该方法包括:根据航班调度的特征信息获取对象损失值;根据所述对象损失值确定航班调整目标值;根据所述航班调整目标值确定航班调整数据;根据所述航班调整数据生成航班调度计划。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,快速生成航班调度计划。
Description
技术领域
本申请涉及互联网领域,尤其涉及一种航班调度方法、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
本申请提供一种航班调度方法,所述方法包括:
根据航班调度的特征信息获取对象损失值;
根据所述对象损失值确定航班调整目标值;
根据所述航班调整目标值确定航班调整数据;
根据所述航班调整数据生成航班调度计划。
本申请提供一种航班调度方法,所述方法包括:
根据航班调度的特征信息获取对象损失值;
根据所述对象损失值、航班调整参数和航班调整变量确定航班调整目标值;
获取对象调整参数和对象调整变量,并根据所述航班调整参数、所述航班调整目标值、所述对象调整参数和所述对象调整变量,确定对象调整目标值;
根据所述航班调整目标值和所述对象调整目标值确定航班调整数据;
根据所述航班调整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:
获取模块,用于根据航班调度的特征信息获取对象损失值;
确定模块,用于根据所述对象损失值确定航班调整目标值;
根据所述航班调整目标值确定航班调整数据;
生成模块,用于根据所述航班调整数据生成航班调度计划。
本申请提供一种种航班调度设备,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:根据航班调度的特征信息获取对象损失值;
根据所述对象损失值确定航班调整目标值;
根据所述航班调整目标值确定航班调整数据;
根据所述航班调整数据生成航班调度计划。
基于上述技术方案,本申请实施例中,可以根据对象损失值确定航班调整目标值,并根据航班调整目标值确定航班调整数据,根据航班调整数据生成航班调度计划。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。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。此外,在上述方式中,在确定航班调整目标值时已经考虑了对象损失值,从而精确预测航班取消后所带来的对象损失值,将航班和对象的恢复问题巧妙地结合起来,可以全局地优化航班恢复问题,实现了航班和对象的全局优化,提高了航班调度计划的准确性。
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航班调度方法的流程图;
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3A是本申请一种实施方式中的应用场景示意图;
图3B是本申请一种实施方式中的航班调度方法的示意图;
图3C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3D是本申请一种实施方式中的搜索航班调整变量的示意图;
图4是本申请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航班调度方法,参见图1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101,根据航班调度的特征信息获取对象损失值。
其中,根据航班调度的特征信息获取对象损失值,可以包括但不限于:通过航班调度的特征信息查询预估模型,得到与该特征信息对应的对象损失值。
其中,该预估模型也可以称为对象损失预估模型,该预估模型可以包括特征信息与对象损失值的对应关系,基于此,在得到航班调度的特征信息后,就可以通过该特征信息查询所述预估模型,得到与该特征信息对应的对象损失值。
在一个例子中,在通过航班调度的特征信息查询预估模型,得到与该特征信息对应的对象损失值之前,还可以利用历史样本数据训练所述预估模型。具体的,可以获取历史样本数据,该历史样本数据可以包括特征信息和对象损失值;然后,可以根据该历史样本数据中的特征信息和对象损失值训练预估模型。
其中,根据该历史样本数据中的特征信息和对象损失值训练预估模型,可以包括但不限于:可以基于该特征信息和该对象损失值,采用特定训练策略训练预估模型。进一步的,该特定训练策略还可以包括但不限于:XGBoost(eXtreme Gradient Boosting,极值梯度提升)策略。当然,XGBoost策略只是一个示例,对此不做限制,所有能够训练预估模型的策略,均在本实施例的保护范围之内。
步骤102,根据该对象损失值确定航班调整目标值。例如,可以根据该对象损失值、航班调整参数和航班调整变量确定航班调整目标值。
在一个例子中,根据该对象损失值确定航班调整目标值,可以包括但不限于:获取第一变量集合,该第一变量集合可以包括多个航班调整变量;然后,可以获取第一目标函数,并根据该第一目标函数、该对象损失值和航班调整参数,从第一变量集合的多个航班调整变量中选择最优航班调整变量,并将该最优航班调整变量确定为航班调整目标值。
其中,根据该第一目标函数、该对象损失值和航班调整参数,从第一变量集合的多个航班调整变量中选择最优航班调整变量,可以包括但不限于:针对第一变量集合中的每个航班调整变量,可以根据该航班调整参数、该航班调整变量和该对象损失值,确定第一目标函数的函数值,这个函数值也就是该航班调整变量对应的函数值。然后,从第一变量集合对应的所有函数值中选择最优函数值,并将最优函数值对应的航班调整变量确定为最优航班调整变量。
其中,获取第一变量集合,可以包括但不限于:通过搜索算法搜索满足约束条件的航班调整变量,并将搜索的航班调整变量添加到第一变量集合中。
进一步的,通过搜索算法搜索满足约束条件的航班调整变量,可以包括但不限于:可以基于分布式策略,通过搜索算法搜索满足约束条件的航班调整变量;其中,该分布式策略用于并行搜索多个满足约束条件的航班调整变量。
在一个例子中,上述搜索算法可以包括但不限于以下之一或者任意组合:动态规划算法、遗传算法、禁忌搜索算法、大领域搜索算法。
当然,上述只是搜索算法的几个示例,对此不做限制,所有能够搜索满足约束条件的航班调整变量的搜索算法,均在本实施例的保护范围之内。
步骤103,根据该航班调整目标值确定航班调整数据。
在一个例子中,根据该航班调整目标值确定航班调整数据,可以包括但不限于:可以根据该航班调整目标值、对象调整参数和对象调整变量,确定对象调整目标值;具体的,可以根据该航班调整目标值、上述航班调整参数、该对象调整参数和该对象调整变量,确定对象调整目标值。然后,可以根据该航班调整目标值和该对象调整目标值确定航班调整数据;也就是说,可以直接将该航班调整目标值和该对象调整目标值确定为所述航班调整数据。
其中,根据该航班调整目标值、对象调整参数和对象调整变量,确定对象调整目标值,可以包括但不限于:获取第二变量集合,该第二变量集合可以包括多个对象调整变量;然后,获取第二目标函数,并根据该第二目标函数、该航班调整目标值和该对象调整参数,从该第二变量集合的多个对象调整变量中选择最优对象调整变量,并将该最优对象调整变量确定为对象调整目标值。
其中,根据该第二目标函数、该航班调整目标值和该对象调整参数,从该第二变量集合的多个对象调整变量中选择最优对象调整变量,可以包括但不限于:针对第二变量集合中的每个对象调整变量,根据该航班调整目标值、该对象调整参数和该对象调整变量,确定第二目标函数的函数值,该函数值也就是该对象调整变量对应的函数值;从该第二变量集合对应的所有函数值中选择最优函数值,并将该最优函数值对应的对象调整变量确定为最优对象调整变量。
步骤104,根据该航班调整数据生成航班调度计划。
在一个例子中,在根据该航班调整数据生成航班调度计划之后,还可以确定该航班调度计划对应的特征信息和对象损失值,并将该特征信息和该对象损失值存储为历史样本数据;其中,该历史样本数据用于训练预估模型。
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。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。此外,在上述方式中,在确定航班调整目标值时已经考虑了对象损失值,从而精确预测航班取消后所带来的对象损失值,将航班和对象的恢复问题巧妙地结合起来,可以全局地优化航班恢复问题,实现了航班和对象的全局优化,从而提高了航班调度计划的准确性。
基于与上述方法同样的申请构思,本申请实施例中提出另一种航班调度方法,参见图2所示,为该方法的流程示意图,该方法可以包括以下步骤:
步骤201,根据航班调度的特征信息获取对象损失值。
步骤202,根据该对象损失值、航班调整参数和航班调整变量确定航班调整目标值。其中,航班调整目标值可以是多个航班调整变量中的某航班调整变量。
步骤203,获取对象调整参数和对象调整变量,并根据该航班调整参数、该航班调整目标值、该对象调整参数和该对象调整变量,确定对象调整目标值。
步骤204,根据该航班调整目标值和该对象调整目标值确定航班调整数据。
步骤205,根据该航班调整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。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。此外,在上述方式中,在确定航班调整目标值时已经考虑了对象损失值,从而精确预测航班取消后所带来的对象损失值,将航班和对象的恢复问题巧妙地结合起来,可以全局地优化航班恢复问题,实现了航班和对象的全局优化,从而提高了航班调度计划的准确性。
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,是本实施例需要解决的问题。为达到上述目的,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,该目标函数可以包括但不限于:Z=W1*X1+W2*X2,其中,W1是航班调整参数,X1是航班调整变量,W2是对象调整参数,X2是对象调整变量。而且,可以获得多个航班调整变量和多个对象调整变量,而如何从这些航班调整变量中选择一个最优的航班调整变量(将这个最优的航班调整变量称为航班调整目标值),并从这些对象调整变量中选择一个最优的对象调整变量(将这个最优的对象调整变量称为对象调整目标值),以使目标函数Z的函数值最小,从而使得运营损失值最小,正是本实施例中需要解决的问题。
例如,可以获得航班调整变量1-航班调整变量10,获得对象调整变量1-对象调整变量20,实际应用中,航班调整变量的数量、对象调整变量的数量,可以为其它数值,对此不做限制。基于此,在航班调整参数W1和对象调整参数W2确定后,可以将航班调整变量1和对象调整变量1代入到目标函数的X1和X2得到该目标函数的函数值1,将航班调整变量1和对象调整变量2代入到目标函数的X1和X2得到该目标函数的函数值2,以此类推,将航班调整变量1和对象调整变量20代入到目标函数的X1和X2得到该目标函数的函数值20,将航班调整变量2和对象调整变量1代入到目标函数的X1和X2得到该目标函数的函数值21,以此类推,最终可以得到与每个航班调整变量和每个对象调整变量对应的函数值。然后,可以从所有函数值中选择最小函数值,而最小函数值对应的航班调整变量就是航班调整目标值,最小函数值对应的对象调整变量就是对象调整目标值,这样,就可以得到航班调整目标值和对象调整目标值,并将航班调整目标值和对象调整目标值对应调整方式确定为目标调整方式。
在上述实施例中,航班调整参数W1可以包括多个子参数,航班调整变量X1也可以包括多个子变量。例如,航班调整参数W1可以包括但不限于: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;航班提前时间参数等;而航班调整变量X1可以包括但不限于:与调机参数对应的调机空飞航班数(如0、1、2等);与取消航班参数对应的取消航班数;与机型变化参数对应的机型发生变化的航班数;与换飞机参数对应的换飞机数量;与联程拉直参数对应的联程拉直航班的个数;与航班延误时间参数对应的航班总延误时间;与航班提前时间参数对应的航班总提前时间。
当然,上述航班调整参数W1和航班调整变量X1只是示例,对此不做限制,航班调整参数W1的每个子参数就对应航班调整变量X1的一个子变量。
在上述实施例中,对象调整参数W2可以包括多个子参数,对象调整变量X2也可以包括多个子变量。例如,对象调整参数W2可以包括但不限于:旅客行程取消参数;旅客行程延误参数;旅客签转延误参数等;而对象调整变量X2可以包括但不限于:与旅客行程取消参数对应的取消旅客人数;与旅客行程延误参数对应的延迟旅客人数;与旅客签转延误参数对应的签转延误旅客人数。
当然,上述对象调整参数W2和对象调整变量X2只是示例,对此不做限制,对象调整参数W2的每个子参数就对应对象调整变量X2的一个子变量。
综上所述,目标函数Z=W1*X1+W2*X2的一个示例可以包括但不限于:目标函数Z=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。当然,上述也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。
其中,p1-p7是航班调整参数W1的子参数,p8-p10是对象调整参数W2的子参数,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。
其中,航班调整变量X1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。对象调整变量X2的示例可以为: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。航班调整变量X1和对象调整变量X2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,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,上述的航班调整变量X1和对象调整变量X2只是一个示例,只要航班调整变量X1和对象调整变量X2符合约束条件即可,对此航班调整变量X1和对象调整变量X2不做限制。在实际应用中,可以确定符合约束条件的所有航班调整变量X1和所有对象调整变量X2,基于上述目标函数,针对每个航班调整变量X1和对象调整变量X2的组合,计算这个组合对应的函数值即可。
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等。
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。
为方便描述,本实施例中,以目标函数Z=W1*X1+W2*X2为例,对于航班调整参数W1、航班调整变量X1、对象调整参数W2和对象调整变量X2的取值情况,可以参见上述实施例,后续不再赘述。目标函数中的W1*X1,用于模拟航班损失值,目标函数中的W2*X2,用于模拟对象损失值(也可以称为旅客损失值);目标函数Z用于模拟运营损失值,即航班损失值与对象损失值的和。
从上述目标函数可以看出,为了确定航班调整变量X1和对象调整变量X2,可以先确定航班调整参数W1和对象调整参数W2,在航班调整参数W1和对象调整参数W2确定后,可以将航班调整参数W1和对象调整参数W2、每个航班调整变量X1和每个对象调整变量X2分别代入目标函数,得到航班调整变量X1和对象调整变量X2对应的函数值,并从所有函数值中选择最小函数值,而最小函数值对应的航班调整变量X1就是航班调整目标值,最小函数值对应的对象调整变量X2就是对象调整目标值,然后,将航班调整目标值和对象调整目标值对应的调整方式确定为目标调整方式,并根据目标调整方式完成航班调度。
综上所述,可以先确定航班调整参数W1和对象调整参数W2,对此确定方式不做限制。例如,可以安排业务人员到项目现场,通过反复调整航班调整参数W1和对象调整参数W2的参数值,一直到参数值符合预期为止,得到合理的参数值。或者,可以根据历史数据更新航班调整参数W1和对象调整参数W2的参数值,如每个更新周期(如每天)均更新航班调整参数W1和对象调整参数W2的参数值,从而实现参数值的自动化调优,根据实际业务自动调整。
在确定航班调整参数W1和对象调整参数W2后,为了从所有航班调整变量X1中确定航班调整目标值,并从所有对象调整变量X2中确定对象调整目标值,则:先从所有航班调整变量X1中确定航班调整目标值,从而基于航班调整目标值确定航班调整计划(如哪些航班被取消,哪些航班被延误等);在航班调整目标值确定后,可以从所有对象调整变量X2中确定对象调整目标值,从而基于对象调整目标值确定旅客签转计划(如哪些旅客需要签转到哪个航班等)。
由于航班调整和旅客调整是分开的,导致不能从全局的角度去确定航班调整目标值和对象调整目标值,不能达到全局优化。具体的,在从所有航班调整变量X1中确定航班调整目标值时,虽然能够保证航班损失值最小,使得航班调整计划达到最优,但是,在从所有对象调整变量X2中确定对象调整目标值,得到旅客签转计划后,无法保证整体解决方案达到最优,即最终结果不是最优的。
例如,为了从所有航班调整变量X1中确定航班调整目标值,假设目标函数Z1=W1*X1,在航班调整参数W1已知的情况下,每个航班调整变量X1可以对应一个函数值,这样,可以从所有函数值中选择最小函数值,而最小函数值对应的航班调整变量X1就是航班调整目标值。显然,上述方式可以从所有航班调整变量X1中选择一个最优的航班调整变量X1,从而使航班调整计划达到最优。
进一步的,为了从所有对象调整变量X2中确定对象调整目标值,则目标函数Z=W1*X1+W2*X2,在航班调整参数W1、航班调整变量X1、对象调整参数W2均已知的情况下,每个对象调整变量X2对应一个函数值,这样,可以从所有函数值中选择最小函数值,而最小函数值对应的对象调整变量X2就是对象调整目标值。虽然上述方式可以保证目标函数Z的函数值最小,但这个最小函数值是在航班调整目标值已确定的基础上,无法保证整体解决方案达到最优。
例如,目标函数Z1的最小函数值(如100)对应航班调整变量X11,而目标函数Z1的第二小函数值(如120)对应航班调整变量X12,在将航班调整变量X11代入目标函数Z后,目标函数Z的最小函数值可能为200;而在将航班调整变量X12代入目标函数Z后,目标函数Z的最小函数值可能为180。显然,虽然目标函数Z1的最小函数值小于目标函数Z1的第二小函数值,但是,航班调整变量X11对应的目标函数Z的最小函数值200并不是最优的结果。
针对上述发现,本实施例中,可以引入数据挖掘模块,由数据挖掘模块根据历史样本数据建立预估模型(即对象损失预估模型,也可以称为旅客损失预估模型),该预估模型用于预测航班取消后所带来的对象损失值(即旅客损失值)。基于此,在从所有航班调整变量X1中确定航班调整目标值时,综合考虑航班损失值和对象损失值,从而将航班恢复问题和旅客恢复问题巧妙地结合起来,可以全局地优化航班恢复问题,并解决取消航班上的旅客签转问题。
以下结合具体应用场景,对上述过程进行说明。参见图3A所示,为本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(例如API(ApplicationProgramming 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,上述各功能模块可以采用集中式部署,也可以引入微服务架构,解耦各功能模块,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。
参见图3B所示,本实施例中的航班调度方法可以包括如下过程:
1、数据挖掘模块利用历史样本数据训练预估模型。例如,数据挖掘模块每个更新周期(如每天)重新训练预估模型,并使用新预估模型进行后续处理。
数据平台模块可以从航空大数据平台系统读取历史样本数据,并将历史样本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)存储所有历史样本数据,数据平台模块从HDFS中读取历史样本数据,将历史样本数据输出给数据挖掘模块。
其中,历史样本数据可以包括过去一段时间内的数据,例如,时间A的历史样本数据1、时间B的历史样本数据2、时间C的历史样本数据3等。
其中,历史样本数据可以包括但不限于特征信息和对象损失值。例如,在时间A生成航班调度计划后,可以确定该航班调度计划对应的特征信息,并统计该航班调度计划的对象损失值(即旅客损失值),这里是统计对象损失值,而不是运营损失值,且这个对象损失值是采用该航班调度计划后的实际对象损失值,即旅客签转所造成的损失值,可以理解为旅客流失所带来的收益损失。
进一步的,上述特征信息可以包括但不限于:航班维度的特征信息和对象维度的特征信息。其中,该航班维度的特征信息可以包括但不限于:当前航班的航班基础信息(如起飞降落机场、时间段、机型、不同等级座位分布数等);当前航班的航班价值信息;当前航班的特殊标识(如执行率、重点保障、重要政要等);当前航班的旅客信息(如旅客类型、每种类型的旅客数量);其它航班的信息(如航班数、故障期航班数、旅客数、故障期旅客数、同航线航班数、故障期同旅客数等)。此外,该对象维度的特征信息可以包括但不限于:旅客基础信息(如旅客类型和数量等);直达同航线旅客信息(如同航线的直达航班中的座位信息等);联程同航线旅客信息(如同航线的联程航班中的座位信息等);中转同航线旅客信息(如同航线的中转航班中的座位信息等)。
其中,航班取消、中转失败等操作会带来旅客流失,为了减少经济损失和提高用户体验,旅客可以签转到其它航班,而旅客类型可以包括但不限于普通旅客、中转旅客(中转出去)和联程旅客,普通旅客由当地旅客和其它航班中转进来的旅客组成,中转旅客代表当前航班结束后需要中转到其它航班的旅客。
当然,上述只是特征信息的几个示例,对此特征信息不做限制。
数据挖掘模块获取到历史样本数据后,可以从历史样本数据中获取特征信息和对象损失值,并根据特征信息和对象损失值训练预估模型。该预估模型能够记录特征信息和对象损失值的对应关系,用于预测航班取消后的对象损失值。
其中,数据挖掘模块可以周期性的训练预估模型,如每隔一天训练一次预估模型,且每次训练预估模型时,可以根据过去30天的历史样本数据实现。基于此,数据挖掘模块可以判断当前时间是否已经到达预估模型的更新周期,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更新周期,否则,当前时间没有到达更新周期。如果是,则数据挖掘模块获取指定时间区间(如当前时间的过去30天)内的历史样本数据,并根据历史样本数据中的特征信息和对象损失值训练预估模型。如果否,则数据挖掘模块继续等待,直到当前时间已经到达更新周期,则获取指定时间区间内的历史样本数据。
进一步的,基于特征信息和对象损失值,数据挖掘模块可以采用特定训练策略训练预估模型,对此训练过程不做限制。特定训练策略可以包括但不限于XGBoost策略。当然,XGBoost策略只是一个示例,对此不做限制,如可以为线性回归(LR)策略、随机森林(RF)策略、梯度提升树(GBDT)策略等。
参见图3C所示,数据挖掘模块可以采用特定训练策略训练预估模型,特定训练策略可以是XGBoost策略、线性回归策略、随机森林策略、梯度提升树策略中的一种或多种,数据挖掘模块的输入数据是特征信息和对象损失值,数据挖掘模块的输出数据是预估模型,用于记录特征信息和对象损失值的对应关系。
2、数据挖掘模块获得预估模型后,将预估模型输出给核心算法模块。例如,数据挖掘模块直接将预估模型输出给核心算法模块,或数据挖掘模块将预估模型输出给接口服务模块,由接口服务模块将预估模型输出给核心算法模块。
3、核心算法模块根据航班调度的特征信息获取对象损失值。
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,接口服务模块将该控制数据输出给核心算法模块。
核心算法模块在得到该控制数据后,可以根据该控制数据获得航班调度的特征信息,例如,该特征信息可以包括但不限于:航班维度的特征信息和对象维度的特征信息。该航班维度的特征信息可以包括当前航班的航班基础信息、当前航班的航班价值信息、当前航班的特殊标识、当前航班的旅客信息、其它航班的信息;对象维度的特征信息可以包括旅客基础信息、直达同航线旅客信息、联程同航线旅客信息、中转同航线旅客信息。进一步的,核心算法模块通过该特征信息查询上述预估模型,可以得到与该特征信息对应的对象损失值。
4、核心算法模块根据对象损失值获取航班调整目标值。
为了从所有航班调整变量X1中确定航班调整目标值,则核心算法模块可以根据对象损失值、航班调整参数和航班调整变量确定航班调整目标值。
具体的,核心算法模块可以获取第一变量集合,该第一变量集合可以包括多个航班调整变量。然后,获取第一目标函数,并根据第一目标函数、对象损失值和航班调整参数,从该第一变量集合的多个航班调整变量中选择最优航班调整变量;例如,针对该第一变量集合中的每个航班调整变量,可以根据该航班调整参数、该航班调整变量和该对象损失值,确定第一目标函数的函数值,这个函数值也就是该航班调整变量对应的函数值,并从第一变量集合对应的所有函数值中选择最优函数值,并将最优函数值对应的航班调整变量确定为最优航班调整变量。然后,可以将该最优航班调整变量确定为航班调整目标值。
例如,为了从所有航班调整变量X1中确定航班调整目标值,可以假设第一目标函数Z1=W1*X1+(W11+A)*X11,而第一目标函数Z1不是W1*X1。其中,W1可以是航班调整参数,X1可以是第一变量集合中的航班调整变量,W11可以是航班调整参数中与取消航班有关的航班调整参数,X11可以是第一变量集合中与取消航班有关的航班调整变量,A可以是上述对象损失值。当然,上述W1*X1+(W11+A)*X11只是第一目标函数Z1的一个示例,对此不做限制,只要第一目标函数Z1与航班调整参数、航班调整变量和对象损失值有关即可。
在第一目标函数中,可以通过(W11+A)*X11表示对象损失值,由于只有取消航班时,才会导致旅客签转,从而产生对象损失值,因此,在第一目标函数中,是使用与取消航班有关的航班调整参数W11和与取消航班有关的航班调整变量X11,而不是航班调整参数W1和航班调整变量X1,但是,航班调整参数W11是航班调整参数W1中的部分参数,而航班调整参数W11是航班调整变量X1中的部分变量。此外,在第一目标函数中,可以通过W1*X1表示航班损失值。综上所述,在从所有航班调整变量X1中确定航班调整目标值时,第一目标函数综合考虑了航班损失值和对象损失值,从而将航班恢复问题和旅客恢复问题巧妙地结合起来,可以全局地优化航班恢复问题,并解决旅客签转问题。
针对第一目标函数Z1=W1*X1+(W11+A)*X11,由于航班调整参数W1、航班调整参数W11、对象损失值A均为已知,这样,针对第一变量集合中的每个航班调整变量(若该航班调整变量与取消航班无关,则该航班调整变量作为航班调整变量X1,且航班调整变量X11为0;若该航班调整变量与取消航班有关,则该航班调整变量作为航班调整变量X1和航班调整变量X11),在将该航班调整变量代入第一目标函数后,就可以得到该航班调整变量对应的函数值,这样,可以得到第一变量集合中的每个航班调整变量对应的函数值。然后,可以从所有函数值中选择最小函数值,而最小函数值对应的航班调整变量就是航班调整目标值。显然,上述方式可以从所有航班调整变量中选择一个最优的航班调整变量,从而使航班调整计划达到最优。而且,由于第一目标函数综合考虑航班损失值和对象损失值,因此,上述航班调整目标值可以保证航班损失值最优,也可以保证对象损失值最优,从而解决航班恢复问题和旅客恢复问题。
在上述实施例中,核心算法模块还可以根据控制数据获得第一变量集合,该第一变量集合可以包括多个航班调整变量。其中,核心算法模块在获得第一变量集合时,核心算法模块可以通过搜索算法搜索到满足约束条件的航班调整变量,并将搜索的航班调整变量添加到第一变量集合中,对此航班调整变量不做限制,只要该第一变量集合中的航班调整变量符合约束条件即可。
其中,约束条件可以包括但不限于:航班取消、中转失败、航班拉直、换飞机、机型变化、超售导致流失的旅客能够签转;普通旅客能够签转;签转旅客不能提前;签转旅客到某航班时,满足该航班的座位数限制;在恢复窗口限制范围之外超售的旅客不能签转,只能取消;签转旅客只能签转到与原航班起飞机场和降落机场一致的普通航班或联程拉直后的航班;接受签转旅客的航班不再签转旅客到其它航班,如航班A签转部分旅客到航班B,则航班B不再签转旅客到其它航班。当然,上述只是约束条件的示例,对约束条件不做限制。
在一个例子中,参见图3D所示,在通过搜索算法搜索满足约束条件的航班调整变量时,核心算法模块可以基于分布式策略,通过搜索算法搜索满足约束条件的航班调整变量;其中,该分布式策略用于核心算法模块并行搜索多个满足约束条件的航班调整变量。其中,该搜索算法可以包括但不限于以下之一或者任意组合:动态规划算法、遗传算法、禁忌搜索算法、大领域搜索算法。
在本实施例中,可以通过列生成法将航班恢复问题转化为主问题和子问题,子问题用于搜索航班调整变量,并将航班调整变量提供给主问题,主问题利用子问题提供的航班调整变量,从所有航班调整变量中确定航班调整目标值。
具体的,可以将航班恢复问题转化为多个子问题,每个子问题均是一个搜索有效航班调整变量的优化问题,多个子问题可以采用分布式实现的方式来加速,即多个子问题可以并行搜索航班调整变量,从而可以快速搜索到大量航班调整变量,具有并行加速的能力,并可以将这些航班调整变量提供给主问题。
而且,为了保证搜索算法的多样性,可以向子问题提供动态规划、遗传算法、禁忌搜索和大领域搜索算法等多种搜索算法,这样,每个子问题可以随机选择搜索算法,并使用该搜索算法搜索航班调整变量,保证搜索结果的多样性。
主问题在得到航班调整变量后,就可以利用上述第一目标函数Z1,确定航班调整目标值,具体的确定过程可以参见上述实施例,在此不再赘述。
5、核心算法模块根据航班调整目标值获取对象调整目标值。
在航班调整目标值确定后,可以从所有对象调整变量X2中确定对象调整目标值,为了从所有对象调整变量X2中确定对象调整目标值,则核心算法模块可以根据航班调整目标值、对象调整参数和对象调整变量,确定对象调整目标值。
具体的,核心算法模块可以获取第二变量集合,该第二变量集合可以包括多个对象调整变量。然后,获取第二目标函数,并根据该第二目标函数、航班调整目标值和对象调整参数,从该第二变量集合的多个对象调整变量中选择最优对象调整变量;例如,针对该第二变量集合中的每个对象调整变量,可以根据航班调整目标值、对象调整参数和对象调整变量,确定第二目标函数的函数值,该函数值也就是该对象调整变量对应的函数值,并从第二变量集合对应的所有函数值中选择最优函数值,并将最优函数值对应的对象调整变量确定为最优对象调整变量。然后,可以将该最优对象调整变量确定为对象调整目标值。
例如,为了从所有对象调整变量X2中确定对象调整目标值,可以假设第二目标函数Z=W1*X1+W2*X2,W1可以是航班调整参数,X1可以是航班调整目标值,W2可以是对象调整参数,X2可以是第二变量集合中的对象调整变量。当然,上述W1*X1+W2*X2只是第二目标函数的一个示例,对此不做限制,只要第二目标函数与航班调整目标值、对象调整参数和对象调整变量有关即可。
针对第二目标函数Z=W1*X1+W2*X2,由于航班调整参数W1、航班调整目标值X1、对象调整参数W2均为已知,这样,针对第二变量集合中的每个对象调整变量,在将该对象调整变量代入第二目标函数之后,就可以得到该对象调整变量对应的函数值,这样,可以得到第二变量集合中的每个对象调整变量对应的函数值。然后,可以从所有函数值中选择最小函数值,而最小函数值对应的对象调整变量就是对象调整目标值。显然,上述方式可以从所有对象调整变量中选择一个最优的对象调整变量,从而使航班调整计划达到最优。
在上述实施例中,核心算法模块还可以根据控制数据获得第二变量集合,该第二变量集合可以包括多个对象调整变量,对此第二变量集合的获得过程不再赘述,只要该第二变量集合中的对象调整变量符合约束条件即可。
6、核心算法模块根据航班调整目标值和对象调整目标值确定航班调整数据,即可以将航班调整目标值和对象调整目标值确定为所述航班调整数据。
核心算法模块在获得航班调度数据后,还可以将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。
在一个例子中,运行控制模块在根据航班调整数据生成航班调度计划后,还可以获取该航班调度计划对应的特征信息,并统计该航班调度计划的对象损失值,这个对象损失值是实际对象损失值,而不是通过目标函数模拟的损失值,并将该特征信息和该对象损失值存储为历史样本数据。运行控制模块将历史样本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历史样本数据输出给数据挖掘模块,以使数据挖掘模块根据该历史样本数据训练预估模型,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预估模型,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。
基于上述技术方案,本申请实施例中,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。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。此外,在上述方式中,在确定航班调整目标值时已经考虑了对象损失值,从而精确预测航班取消后所带来的对象损失值,将航班和对象的恢复问题巧妙地结合起来,可以全局地优化航班恢复问题,实现了航班和对象的全局优化,提高了航班调度计划的准确性。
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4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401,用于根据航班调度的特征信息获取对象损失值;
确定模块402,用于根据所述对象损失值确定航班调整目标值;
根据所述航班调整目标值确定航班调整数据;
生成模块403,用于根据所述航班调整数据生成航班调度计划。
所述获取模块401根据航班调度的特征信息获取对象损失值时具体用于:
通过所述特征信息查询预估模型,得到所述特征信息对应的对象损失值;
其中,所述预估模型包括特征信息与对象损失值的对应关系。
在一个例子中,所述获取模块401还用于:
获取历史样本数据,所述历史样本数据包括特征信息和对象损失值;
根据所述历史样本数据中的特征信息和对象损失值训练预估模型。
所述确定模块402根据所述对象损失值确定航班调整目标值时具体用于:
获取第一变量集合,所述第一变量集合包括多个航班调整变量;
获取第一目标函数,并根据所述第一目标函数、所述对象损失值和航班调整参数,从所述多个航班调整变量中选择最优航班调整变量;
将所述最优航班调整变量确定为所述航班调整目标值。
所述确定模块402根据所述航班调整目标值确定航班调整数据时具体用于:
根据所述航班调整目标值、对象调整参数和对象调整变量,确定对象调整目标值,根据所述航班调整目标值和所述对象调整目标值确定航班调整数据。
在一个例子中,所述确定模块402根据所述航班调整目标值、对象调整参数和对象调整变量,确定对象调整目标值时用于:
获取第二变量集合,所述第二变量集合包括多个对象调整变量;
获取第二目标函数,并根据所述第二目标函数、所述航班调整目标值和所述对象调整参数,从所述多个对象调整变量中选择最优对象调整变量;
将所述最优对象调整变量确定为所述对象调整目标值。
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:
根据航班调度的特征信息获取对象损失值;
根据所述对象损失值确定航班调整目标值;
根据所述航班调整目标值确定航班调整数据;
根据所述航班调整数据生成航班调度计划。
基于与上述方法同样的申请构思,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:
根据航班调度的特征信息获取对象损失值;
根据所述对象损失值确定航班调整目标值;
根据所述航班调整目标值确定航班调整数据;
根据所述航班调整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 (22)
1.一种航班调度方法,其特征在于,所述方法包括:
根据航班调度的特征信息获取对象损失值;
根据所述对象损失值确定航班调整目标值;
根据所述航班调整目标值确定航班调整数据;
根据所述航班调整数据生成航班调度计划。
2.根据权利要求1所述的方法,其特征在于,
所述根据航班调度的特征信息获取对象损失值,包括:
通过所述特征信息查询预估模型,得到所述特征信息对应的对象损失值;
其中,所述预估模型包括特征信息与对象损失值的对应关系。
3.根据权利要求2所述的方法,其特征在于,所述通过所述特征信息查询预估模型,得到所述特征信息对应的对象损失值之前,所述方法还包括:
获取历史样本数据,所述历史样本数据包括特征信息和对象损失值;
根据所述历史样本数据中的特征信息和对象损失值训练预估模型。
4.根据权利要求3所述的方法,其特征在于,
根据所述历史样本数据中的特征信息和对象损失值训练预估模型,包括:
基于所述特征信息和所述对象损失值,采用特定训练策略训练预估模型。
5.根据权利要求4所述的方法,其特征在于,
所述特定训练策略包括:极值梯度提升XGBoost策略。
6.根据权利要求1所述的方法,其特征在于,
所述根据所述对象损失值确定航班调整目标值,包括:
获取第一变量集合,所述第一变量集合包括多个航班调整变量;
获取第一目标函数,并根据所述第一目标函数、所述对象损失值和航班调整参数,从所述多个航班调整变量中选择最优航班调整变量;
将所述最优航班调整变量确定为所述航班调整目标值。
7.根据权利要求6所述的方法,其特征在于,
所述根据所述第一目标函数、所述对象损失值和航班调整参数,从所述多个航班调整变量中选择最优航班调整变量,包括:
针对所述第一变量集合中的航班调整变量,根据所述航班调整参数、所述航班调整变量和所述对象损失值,确定所述第一目标函数的函数值;
从所述第一变量集合对应的所有函数值中选择最优函数值;
将最优函数值对应的航班调整变量确定为最优航班调整变量。
8.根据权利要求6所述的方法,其特征在于,获取第一变量集合,包括:
通过搜索算法搜索满足约束条件的航班调整变量;
将搜索的航班调整变量添加到所述第一变量集合中。
9.根据权利要求8所述的方法,其特征在于,
所述通过搜索算法搜索满足约束条件的航班调整变量,包括:
基于分布式策略,通过搜索算法搜索满足约束条件的航班调整变量;
其中,所述分布式策略用于并行搜索多个满足约束条件的航班调整变量。
10.根据权利要求8所述的方法,其特征在于,所述搜索算法包括以下之一或者任意组合:动态规划算法、遗传算法、禁忌搜索算法、大领域搜索算法。
11.根据权利要求1所述的方法,其特征在于,
所述根据所述航班调整目标值确定航班调整数据,包括:
根据所述航班调整目标值、对象调整参数和对象调整变量,确定对象调整目标值,根据所述航班调整目标值和所述对象调整目标值确定航班调整数据。
12.根据权利要求11所述的方法,其特征在于,所述根据所述航班调整目标值、对象调整参数和对象调整变量,确定对象调整目标值,包括:
获取第二变量集合,所述第二变量集合包括多个对象调整变量;
获取第二目标函数,并根据所述第二目标函数、所述航班调整目标值和所述对象调整参数,从所述多个对象调整变量中选择最优对象调整变量;
将所述最优对象调整变量确定为所述对象调整目标值。
13.根据权利要求12所述的方法,其特征在于,
所述根据所述第二目标函数、所述航班调整目标值和所述对象调整参数,从所述多个对象调整变量中选择最优对象调整变量,包括:
针对所述第二变量集合中的对象调整变量,根据所述航班调整目标值、所述对象调整参数和所述对象调整变量,确定所述第二目标函数的函数值;
从所述第二变量集合对应的所有函数值中选择最优函数值;
将最优函数值对应的对象调整变量确定为最优对象调整变量。
14.根据权利要求1所述的方法,其特征在于,
所述根据所述航班调整数据生成航班调度计划之后,所述方法还包括:
确定所述航班调度计划对应的特征信息和对象损失值;
将所述特征信息和所述对象损失值存储为历史样本数据;
其中,所述历史样本数据用于训练预估模型。
15.一种航班调度方法,其特征在于,所述方法包括:
根据航班调度的特征信息获取对象损失值;
根据所述对象损失值、航班调整参数和航班调整变量确定航班调整目标值;
获取对象调整参数和对象调整变量,并根据所述航班调整参数、所述航班调整目标值、所述对象调整参数和所述对象调整变量,确定对象调整目标值;
根据所述航班调整目标值和所述对象调整目标值确定航班调整数据;
根据所述航班调整数据生成航班调度计划。
16.一种航班调度装置,其特征在于,所述装置包括:
获取模块,用于根据航班调度的特征信息获取对象损失值;
确定模块,用于根据所述对象损失值确定航班调整目标值;
根据所述航班调整目标值确定航班调整数据;
生成模块,用于根据所述航班调整数据生成航班调度计划。
17.根据权利要求16所述的装置,其特征在于,
所述获取模块根据航班调度的特征信息获取对象损失值时具体用于:
通过所述特征信息查询预估模型,得到所述特征信息对应的对象损失值;
其中,所述预估模型包括特征信息与对象损失值的对应关系。
18.根据权利要求17所述的装置,其特征在于,所述获取模块还用于:
获取历史样本数据,所述历史样本数据包括特征信息和对象损失值;
根据所述历史样本数据中的特征信息和对象损失值训练预估模型。
19.根据权利要求16所述的装置,其特征在于,
所述确定模块根据所述对象损失值确定航班调整目标值时具体用于:
获取第一变量集合,所述第一变量集合包括多个航班调整变量;
获取第一目标函数,并根据所述第一目标函数、所述对象损失值和航班调整参数,从所述多个航班调整变量中选择最优航班调整变量;
将所述最优航班调整变量确定为所述航班调整目标值。
20.根据权利要求16所述的装置,其特征在于,
所述确定模块根据所述航班调整目标值确定航班调整数据时具体用于:
根据所述航班调整目标值、对象调整参数和对象调整变量,确定对象调整目标值,根据所述航班调整目标值和所述对象调整目标值确定航班调整数据。
21.根据权利要求20所述的装置,其特征在于,所述确定模块根据所述航班调整目标值、对象调整参数和对象调整变量,确定对象调整目标值时用于:
获取第二变量集合,所述第二变量集合包括多个对象调整变量;
获取第二目标函数,并根据所述第二目标函数、所述航班调整目标值和所述对象调整参数,从所述多个对象调整变量中选择最优对象调整变量;
将所述最优对象调整变量确定为所述对象调整目标值。
22.一种航班调度设备,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:根据航班调度的特征信息获取对象损失值;
根据所述对象损失值确定航班调整目标值;
根据所述航班调整目标值确定航班调整数据;
根据所述航班调整数据生成航班调度计划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810922795.XA CN110826757B (zh) | 2018-08-14 | 2018-08-14 | 一种航班调度方法、装置及其设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810922795.XA CN110826757B (zh) | 2018-08-14 | 2018-08-14 | 一种航班调度方法、装置及其设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110826757A true CN110826757A (zh) | 2020-02-21 |
CN110826757B CN110826757B (zh) | 2024-04-26 |
Family
ID=69547261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810922795.XA Active CN110826757B (zh) | 2018-08-14 | 2018-08-14 | 一种航班调度方法、装置及其设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826757B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111506818A (zh) * | 2020-04-22 | 2020-08-07 | 中国民航信息网络股份有限公司 | 一种航班数据处理方法及装置 |
WO2021232586A1 (zh) * | 2020-05-21 | 2021-11-25 | 平安国际智慧城市科技股份有限公司 | 基于动态规划的出行组客方法、装置、设备及存储介质 |
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 (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7085726B1 (en) * | 2000-11-01 | 2006-08-01 | Ita Software, Inc. | Robustness and notifications in travel planning system |
CN102930342A (zh) * | 2012-09-10 | 2013-02-13 | 南京航空航天大学 | 一种多跑道进离场航班时隙协同分配的多目标优化方法 |
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 |
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
- 2018-08-14 CN CN201810922795.XA patent/CN110826757B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7085726B1 (en) * | 2000-11-01 | 2006-08-01 | Ita Software, Inc. | Robustness and notifications in travel planning system |
CN102930342A (zh) * | 2012-09-10 | 2013-02-13 | 南京航空航天大学 | 一种多跑道进离场航班时隙协同分配的多目标优化方法 |
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 |
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 |
---|
杨欢;庞明宝;陈静;: "基于航班延误的机场调度调整优化研究", no. 05 * |
王莹: ""不正常航班和旅客行程恢复问题研究"", pages 2 - 4 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111506818A (zh) * | 2020-04-22 | 2020-08-07 | 中国民航信息网络股份有限公司 | 一种航班数据处理方法及装置 |
WO2021232586A1 (zh) * | 2020-05-21 | 2021-11-25 | 平安国际智慧城市科技股份有限公司 | 基于动态规划的出行组客方法、装置、设备及存储介质 |
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 |
---|---|
CN110826757B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6310959B2 (ja) | 混乱によって影響を受けたフライトをリスケジュールするための方法ならびに航空路線運航管制システムおよびコントローラ | |
CN110826757A (zh) | 一种航班调度方法、装置及其设备 | |
CN110826754B (zh) | 一种目标参数值的确定、航班调度方法、装置及其设备 | |
Froyland et al. | The recoverable robust tail assignment problem | |
EP2667366B1 (en) | Conflict detection and resolution using predicted aircraft trajectories | |
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 | |
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 | |
Díaz-Ramírez et al. | Aircraft maintenance, routing, and crew scheduling planning for airlines with a single fleet and a single maintenance and crew base | |
US20200307785A1 (en) | System and method for providing total logistic using drone | |
Ionescu et al. | Increasing flexibility of airline crew schedules | |
WO2002097570A2 (en) | Method and system for generating optimal solutions for open pairings through one-way fixes and matching transformations | |
CN112330983B (zh) | 不正常航班一体化智能恢复方法 | |
Vos et al. | Aircraft schedule recovery problem–a dynamic modeling framework for daily operations | |
US20210192405A1 (en) | Fleet Scheduler | |
US20210374627A1 (en) | Periodic vertiport usage and capacity data exchange | |
EP2993627A1 (en) | Flight schedule optimization | |
US20160071044A1 (en) | Flight schedule optimization | |
Frey et al. | Optimizing inbound baggage handling at airports | |
Lee et al. | The impact of climate change on the recoverability of airline networks | |
US20200192405A1 (en) | Method and device for generating an optimum vertical trajectory intended to be followed by an aircraft | |
van Lieshout et al. | The vehicle rescheduling problem with retiming | |
De Medeiros et al. | Integrated task assignment and maintenance recommendation based on system architecture and PHM information for UAVs | |
Nelson et al. | US Army Aviation air movement operations assignment, utilization and routing | |
US20220396376A1 (en) | Aircraft selection for dispatch optimizer | |
Hadas et al. | Public transit simulation model for optimal synchronized transfers |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40024335 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |