CN110851933A - 航班智能规划方法、装置、电子设备及存储介质 - Google Patents
航班智能规划方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110851933A CN110851933A CN201911085433.0A CN201911085433A CN110851933A CN 110851933 A CN110851933 A CN 110851933A CN 201911085433 A CN201911085433 A CN 201911085433A CN 110851933 A CN110851933 A CN 110851933A
- Authority
- CN
- China
- Prior art keywords
- flight
- information
- time
- flight plan
- planning
- 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 36
- 230000003111 delayed effect Effects 0.000 claims description 29
- 230000010006 flight Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 14
- 238000007906 compression Methods 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001934 delay Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G06Q50/40—
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请提出一种航班智能规划方法、装置、电子设备及存储介质,涉及航空技术领域,通过初始航班计划信息以及当前延误信息,从而得到每一飞机各自对应的多个飞行计划,构建时空网格,利用约束条件对时空网格加以限制,生成航线模型,进而利用Gurobi求解器对航线模型进行求解,得到目标航班规划策略,以使每一飞机根据该目标航班规划策略执行飞行计划,相比于现有技术,能够飞机出现延误时无需人工识别即能够自动制定出每一飞行各自对应的执行飞行计划,提升飞行计划的制定效率,使航班快速恢复正常。
Description
技术领域
本申请涉及航空技术领域,具体而言,涉及一种航班智能规划方法、装置、电子设备及存储介质。
背景技术
当遇到恶劣天气、航空器故障等情况时,空管CDM(Collaborative DecisionMaking,协同决策)一般会向航空公司发送航班延误时间。随后,签派员录入该航班以及此飞机后续航线起飞时间,再判断航班在各基地的过站时间是否符合标准。如果不满足最短过站时间标准时(即后续可能会存在航班延误时),则需人工对当前航班进行一系列调整,以避免后续其他航班延误。
但目前的航班规划方案,高度依赖于签派员的个人经验,规划效率较低。
发明内容
本申请的目的在于提供一种航班智能规划方法、装置、电子设备及存储介质,能够提升飞行计划的制定效率,使航班快速恢复正常。
为了实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供一种航班智能规划方法,所述方法包括:
根据获得的初始航班计划信息以及当前延误信息,构建时空网格;其中,所述初始航班计划信息中包括多架飞机各自对应的航班信息,所述时空网格中包括所述多架飞机中每一飞机各自对应的多个飞行计划;
利用约束条件对所述时空网格加以限制,构建航线模型;
利用Gurobi求解器对所述航线模型进行求解,得到目标航班规划策略;其中,所述目标航班规划策略包括每一飞机各自对应的执行飞行计划。
第二方面,本申请实施例提供一种航班智能规划装置,所述装置包括:
处理模块,用于根据获得的初始航班计划信息以及当前延误信息,构建时空网格;其中,所述初始航班计划信息中包括多架飞机各自对应的航班信息,所述时空网格中包括所述多架飞机中每一飞机各自对应的多个飞行计划;
所述处理模块还用于,利用约束条件对所述时空网格加以限制,构建航线模型;
求解模块,用于利用Gurobi求解器对所述航线模型进行求解,得到目标航班规划策略;其中,所述目标航班规划策略包括每一飞机各自对应的执行飞行计划。
第三方面,本申请实施例提供一种电子设备,所述电子设备包括存储器,用于存储一个或多个程序;处理器;当所述一个或多个程序被所述处理器执行时,实现上述的航班智能规划方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的航班智能规划方法。
本申请实施例提供的一种航班智能规划方法、装置、电子设备及存储介质,通过初始航班计划信息以及当前延误信息,从而得到每一飞机各自对应的多个飞行计划,构建时空网格,利用约束条件对时空网格加以限制,生成航线模型,进而利用Gurobi求解器对航线模型进行求解,得到目标航班规划策略,以使每一飞机根据该目标航班规划策略执行飞行计划,相比于现有技术,能够飞机出现延误时无需人工识别即能够自动制定出每一飞行各自对应的执行飞行计划,提升飞行计划的制定效率,使航班快速恢复正常。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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它相关的附图。
图1示出本申请实施例提供的电子设备的一种示意性结构框图;
图2示出本申请实施例提供的航班智能规划方法的一种示意性流程图;
图3示出时空网格的一种示意图;
图4示出图2中步骤201的子步骤的一种示意性流程图;
图5示出图2中步骤205的子步骤的一种示意性流程图;
图6示出航班规划策略的一种示意图;
图7示出本申请实施例提供的航班智能规划装置的一种示意性结构框图。
图中:100-电子设备;101-存储器;102-处理器;103-通信接口;300-航班智能规划装置;301-处理模块;302-求解模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在例如上述现有遇到恶劣天气、航空器故障等缘由造成的航班延误时,目前的方案一般是由人工识别的方式对航班进行调整。人工调整时:一是要及时筛选出该基地在该时刻空闲运力或不同飞机可调换的航班计划,二是要对机型与航线批复、飞机与航线/机场限制、旅客人数与飞机座位数限制等要素进行检查,在此基础上,人工制定相应的调整计划。
人工识别时,还需要优先考虑重要保障航班、正常率预警航班等延误情况。在综合考虑不满足上述航班调整要求时,则选择推算并录入预计起飞时间,继续顺延航班至下一基地。
然而,人工识别调整的方式,高度依赖于签派员的个人经验,调整结果及效果也因人而异。尤其是遇到多基地大面积延误的情况时,人为调整的方式具有一定的局限性。
为此,基于上述缺陷,本申请实施例提供的一种可能的实现方式为:通过初始航班计划信息以及当前延误信息,从而得到每一飞机各自对应的多个飞行计划,构建时空网格,利用约束条件对时空网格加以限制,生成航线模型,进而利用Gurobi求解器对航线模型进行求解,得到目标航班规划策略,以使每一飞机根据该目标航班规划策略执行飞行计划,从而提升飞行计划的制定效率,使航班快速恢复正常。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参阅图1,图1示出本申请实施例提供的电子设备100的一种示意性结构框图。电子设备100包括存储器101、处理器102和通信接口103,该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
存储器101可用于存储软件程序及模块,如本申请实施例提供的航班智能规划装置300对应的程序指令/模块,处理器102通过执行存储在存储器101内的软件程序及模块,从而执行各种功能应用以及数据处理,以实现本申请实施例提供的航班智能规划方法。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中,存储器101可以是但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除可编程只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器102可以是一种集成电路芯片,具有信号处理能力。该处理器102可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解,图1所示的结构仅为示意,电子设备100还可以包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
下面以图1所示的电子设备100作为示意性执行主体,对本申请实施例提供的航班智能规划方法进行示意性说明。
请参阅图2,图2示出本申请实施例提供的航班智能规划方法的一种示意性流程图,该航班智能规划方法可以包括以下步骤:
步骤201,根据获得的初始航班计划信息以及当前延误信息,构建时空网格;
步骤203,利用约束条件对时空网格加以限制,构建航线模型;
步骤205,利用Gurobi求解器对航线模型进行求解,得到目标航班规划策略。
在本申请实施例中,在对航班进行规划时,首先,可以先根据初始航班计划信息以及当前延误信息,构建时空网格。其中,初始航班计划信息中包括多架飞机各自对应的航班信息,比如以飞机A跟飞机B为例,该初始航班计划信息中可以包括飞机A和飞机B在未来一段时间内的航班信息;以飞机A为例,飞机A的航班信息可以是:从xx年xx月xx日xx时xx分从A机场起飞,于yy年yy月yy日yy时yy分在B机场降落;从mm年mm月mm日mm时mm分从B机场起飞,于nn年nn月nn日nn时nn分在A机场降落。由此,基于该初始航班计划信息,可以以不同机场驻地为空间轴、以出发时间为时间轴,组成如图3所示的时空网格,该时空网格中包括多架飞机中每一飞机各自对应的多个飞行计划。
然后,利用约束条件,比如航线自然约束、流量守恒、汇点平衡与源点平衡,对如图3所示的时空网格加以限制,从而构建航线模型。比如,对于航线自然约束,即要求该航线模型中每条航线某一时刻最多由一架飞行执行飞行任务,且一架飞行在某一时刻最多执行一条航线的飞行任务;又或者,对于流量守恒条件,即要求在某一中间时间点,该航线模型中飞入和飞出的飞机数量相同;又或者,汇点是指每架飞机的驻地节点,源点是指每架飞机的出发地节点,对于汇点平衡和源点平衡条件,即要求该航线模型中的出发点与驻地的飞机数量保持守恒,即出发地的飞机数量跟驻地的飞机数量相等。
最后,利用Gurobi求解器对该航线模型进行求解,从而得到目标航班规划策略,该目标航班规划策略包括每一飞机各自对应的执行飞行计划,即获得了在接收到当前延误信息后当前最优的各个飞机的执行飞机计划,从而自动地完整各个飞机的航班规划。
可见,基于上述设计,本申请实施例提供的一种航班智能规划方法,通过初始航班计划信息以及当前延误信息,从而得到每一飞机各自对应的多个飞行计划,构建时空网格,利用约束条件对时空网格加以限制,生成航线模型,进而利用Gurobi求解器对航线模型进行求解,得到目标航班规划策略,以使每一飞机根据该目标航班规划策略执行飞行计划,相比于现有技术,能够飞机出现延误时无需人工识别即能够自动制定出每一飞行各自对应的执行飞行计划,提升飞行计划的制定效率,使航班快速恢复正常。
其中,为实现步骤201,请参阅图4,图4示出图2中步骤201的子步骤的一种示意性流程图,作为一种可能的实现方式,步骤201可以包括以下子步骤:
步骤201-1,检查初始航班计划信息是否存在错误信息;当不存在时,执行步骤201-2;当存在时,执行步骤201-4;
步骤201-2,基于当前延误信息将初始航班计划信息按照设定的延误间隔时间划分出多个延误飞行计划;
步骤201-3,将多个飞行计划按照时间和机场驻地进行区分,构建时空网格;
步骤201-4,反馈错误提醒信息。
在本申请实施例中,执行步骤201时,电子设备可以通过检查初始航班计划信息中是否存在错误信息,以检查初始航班计划信息是否录入有误;然后,当电子设备确定初始航班计划信息中不存在错误信息时,即初始航班计划信息录入无误时,电子设备基于当前延误信息,按照设定的延误间隔时间,比如按照五分钟的时间间隔,划分出多个延误飞行计划,每一延误飞行计划为对应飞机满足所述当前延误信息的飞行计划;接着,可以以不同机场驻地为空间轴、以出发时间为时间轴,组成如图3所示的时空网格,该时空网格中包括多架飞机中每一飞机各自对应的多个飞行计划;反之,当电子设备而确定初始航班计划信息中存在错误信息时,即初始航班计划信息录入有误时,电子设备判定根据初始航班计划信息无法构建时空网格,电子设备则反馈错误提醒信息,比如反馈“航班计划信息录入有误”等字样,以提醒用户检查该初始航班计划信息。
其中,示例性地,在执行步骤201-1时,可以将初始航班计划信息包括的多架飞机中的任意一架飞机依次作为目标飞机,并将初始航班计划信息中与目标飞机对应的连续两个飞行计划分别作为第一飞行计划和第二飞行计划,从而检查目标飞机在第一飞行计划中的到达地与第二飞行计划中的出发地是否相同,即该目标飞机的飞行计划是否连续;若相同,则初始航班计划信息中不存在错误信息;若不同,则初始航班计划中存在错误信息。
比如,以上述示例的飞机A作为目标飞机为例,假定飞机A连续的两个飞行计划为:从xx年xx月xx日xx时xx分从A机场起飞,于yy年yy月yy日yy时yy分在B机场降落;从mm年mm月mm日mm时mm分从B机场起飞,于nn年nn月nn日nn时nn分在A机场降落,则说明飞机A在连续的两个飞行计划中,到达地与出发地相同,飞机A的航班计划信息无误;若飞机A连续的两个飞行计划为:从xx年xx月xx日xx时xx分从A机场起飞,于yy年yy月yy日yy时yy分在B机场降落;从mm年mm月mm日mm时mm分从C机场起飞,于nn年nn月nn日nn时nn分在A机场降落,则说明飞机A在连续的两个飞行计划中,到达地与出发地不同,飞机A的航班计划信息有误。
另外,为实现步骤205,请参阅图5,图5示出图2中步骤205的子步骤的一种示意性流程图,作为一种可能的实现方式,步骤205可以包括以下子步骤:
步骤205-1,利用Gurobi求解器对航线模型进行求解,获得多个航班规划策略;
步骤205-2,获得多个航班规划策略中每一航班规划策略各自对应的航班规划评分;
步骤205-3,将对应航班规划评分最高的航班规划策略确定为目标航班规划策略。
在本申请实施例中,执行步骤205时,首先利用Gurobi求解器对航线模型进行求解,可以获得多个航班规划策略;然后对获得的多个航班规划策略中的每一航班规划策略进行评分,从而获得每一航班规划策略各自对应的航班规划评分;最后可以将对应航班评分最高的航班规划策略确定为目标航班规划策略,即选择Gurobi求解器求解出的最优航班规划策略确定为目标航班规划策略。
示例性地,如图6所示,在调整前,飞机A与飞机B依次先后到达,且飞机A与飞机B计划依次先后起飞;假定飞机A到达时间延误,而飞机B准时到达,则按照本申请实施例提供的航班智能规划方法进行航班调整后,可以由于飞机B执行飞机A的飞行计划,而由飞机A执行飞机B的飞行计划,从而使航班快速恢复正常。
其中,在执行205-2时,可以根据每一航班规划策略各自对应的航线条件参数,计算每一航班规划策略各自对应的航班规划评分。
比如,示例性地,每一航班规划策略各自对应的航线条件参数可以包括取消航班数、延误航班数、更换驻地数、更换机型数、总延误时间、取消旅客人数、延误旅客人数、总过站时间压缩时长。
由此,航班规划评分的计算公式可以满足如下:
P=A1×B1+A2×B2+A3×B3+A4×B4+A5×B5+A6×B6+A7×B7+A8×B8
式中,P表示航班规划评分,B1、B2、B3、B4、B5、B6、B7、B8分别表示取消航班数、延误航班数、更换驻地数、更换机型数、总延误时间、取消旅客人数、延误旅客人数、总过站时间压缩时长,A1、A2、A3、A4、A5、A6、A7、A8分别表示取消航班数、延误航班数、更换驻地数、更换机型数、总延误时间、取消旅客人数、延误旅客人数、总过站时间压缩时长各自对应的权重系数。
需要说明的是,上述航班规划评分的计算方式仅为示意,在本申请实施例其他一些可能的实现方式中,航班规划评分的计算方式还可以考虑更多或更少维度的航线条件参数,或者是考虑完全不同的航线条件参数,或者是通过其他一些可能的公式进行航班规划评分的计算,本申请实施例对航班规划评分的计算方式不进行限定。
另外,基于与本申请实施例提供的上述航班智能规划方法相同的发明构思,请参阅图7,图7示出本申请实施例提供的航班智能规划装置300的一种示意性结构框图,该航班智能规划装置300包括处理模块301及求解模块302。其中,
处理模块301用于,根据获得的初始航班计划信息以及当前延误信息,构建时空网格;其中,初始航班计划信息中包括多架飞机各自对应的航班信息,时空网格中包括多架飞机中每一飞机各自对应的多个飞行计划;
处理模块301还用于,利用约束条件对时空网格加以限制,构建航线模型
求解模块302用于,利用Gurobi求解器对航线模型进行求解,得到目标航班规划策略;其中,目标航班规划策略包括每一飞机各自对应的执行飞行计划。
可选地,作为一种可能的实现方式,处理模块301在根据获得的初始航班计划信息以及当前延误信息,构建时空网格时,具体用于:
检查初始航班计划信息是否存在错误信息;
当初始航班计划信息不存在错误信息时,基于当前延误信息将初始航班计划信息按照设定的延误间隔时间划分出多个延误飞行计划,其中,每一延误飞行计划为对应飞机满足当前延误信息的飞行计划;
将多个延误飞行计划按照时间和机场驻地进行区分,构建时空网格。
可选地,作为一种可能的实现方式,处理模块301在检查初始航班计划信息是否存在错误信息时,具体用于:
检查目标飞机在第一飞行计划中的到达地与第二飞行计划中的出发地是否相同;其中,目标飞机为多架飞机中的任意一架飞机,第一飞行计划和第二飞行计划为初始航班计划信息中与目标飞机对应的连续两个飞行计划;
若相同,则初始航班计划信息中不存在错误信息;若不同,则初始航班计划中存在错误信息。
可选地,作为一种可能的实现方式,求解模块302在利用Gurobi求解器对航线模型进行求解,得到目标航班规划策略时,具体用于:
利用Gurobi求解器对航线模型进行求解,获得多个航班规划策略;
获得多个航班规划策略中每一航班规划策略各自对应的航班规划评分;
将对应航班规划评分最高的航班规划策略确定为目标航班规划策略。
可选地,作为一种可能的实现方式,求解模块302在获得多个航班规划策略中每一航班规划策略各自对应的航班规划评分时,具体用于:
根据每一航班规划策略各自对应的航线条件参数,计算每一航班规划策略各自对应的航班规划评分。
可选地,作为一种可能的实现方式,每一航班规划策略各自对应的航线条件参数包括取消航班数、延误航班数、更换驻地数、更换机型数、总延误时间、取消旅客人数、延误旅客人数、总过站时间压缩时长;
航班规划评分的计算公式满足如下:
P=A1×B1+A2×B2+A3×B3+A4×B4+A5×B5+A6×B6+A7×B7+A8×B8
式中,P表示航班规划评分,B1、B2、B3、B4、B5、B6、B7、B8分别表示取消航班数、延误航班数、更换驻地数、更换机型数、总延误时间、取消旅客人数、延误旅客人数、总过站时间压缩时长,A1、A2、A3、A4、A5、A6、A7、A8分别表示取消航班数、延误航班数、更换驻地数、更换机型数、总延误时间、取消旅客人数、延误旅客人数、总过站时间压缩时长各自对应的权重系数。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。
也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。
也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本申请实施例提供的一种航班智能规划方法、装置、电子设备及存储介质,通过初始航班计划信息以及当前延误信息,从而得到每一飞机各自对应的多个飞行计划,构建时空网格,利用约束条件对时空网格加以限制,生成航线模型,进而利用Gurobi求解器对航线模型进行求解,得到目标航班规划策略,以使每一飞机根据该目标航班规划策略执行飞行计划,相比于现有技术,能够飞机出现延误时无需人工识别即能够自动制定出每一飞行各自对应的执行飞行计划,提升飞行计划的制定效率,使航班快速恢复正常。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种航班智能规划方法,其特征在于,所述方法包括:
根据获得的初始航班计划信息以及当前延误信息,构建时空网格;其中,所述初始航班计划信息中包括多架飞机各自对应的航班信息,所述时空网格中包括所述多架飞机中每一飞机各自对应的多个飞行计划;
利用约束条件对所述时空网格加以限制,构建航线模型;
利用Gurobi求解器对所述航线模型进行求解,得到目标航班规划策略;其中,所述目标航班规划策略包括每一飞机各自对应的执行飞行计划。
2.如权利要求1所述的方法,其特征在于,根据获得的初始航班计划信息以及当前延误信息,构建时空网格的步骤,包括:
检查所述初始航班计划信息是否存在错误信息;
当所述初始航班计划信息不存在错误信息时,基于所述当前延误信息将所述初始航班计划信息按照设定的延误间隔时间划分出多个延误飞行计划,其中,每一延误飞行计划为对应飞机满足所述当前延误信息的飞行计划;
将所述多个延误飞行计划按照时间和机场驻地进行区分,构建所述时空网格。
3.如权利要求2所述的方法,其特征在于,检查所述初始航班计划信息是否存在错误信息的步骤,包括:
检查目标飞机在第一飞行计划中的到达地与第二飞行计划中的出发地是否相同;其中,所述目标飞机为所述多架飞机中的任意一架飞机,所述第一飞行计划和所述第二飞行计划为所述初始航班计划信息中与所述目标飞机对应的连续两个飞行计划;
若相同,则所述初始航班计划信息中不存在错误信息;若不同,则所述初始航班计划中存在错误信息。
4.如权利要求1所述的方法,其特征在于,利用Gurobi求解器对所述航线模型进行求解,得到目标航班规划策略的步骤,包括:
利用Gurobi求解器对所述航线模型进行求解,获得多个航班规划策略;
获得所述多个航班规划策略中每一所述航班规划策略各自对应的航班规划评分;
将对应航班规划评分最高的航班规划策略确定为所述目标航班规划策略。
5.如权利要求4所述的方法,其特征在于,获得所述多个航班规划策略中每一所述航班规划策略各自对应的航班规划评分的步骤,包括:
根据每一所述航班规划策略各自对应的航线条件参数,计算每一所述航班规划策略各自对应的航班规划评分。
6.如权利要求5所述的方法,其特征在于,每一所述航班规划策略各自对应的航线条件参数包括取消航班数、延误航班数、更换驻地数、更换机型数、总延误时间、取消旅客人数、延误旅客人数、总过站时间压缩时长;
航班规划评分的计算公式满足如下:
P=A1×B1+A2×B2+A3×B3+A4×B4+A5×B5+A6×B6+A7×B7+A8×B8
式中,P表示所述航班规划评分,B1、B2、B3、B4、B5、B6、B7、B8分别表示取消航班数、延误航班数、更换驻地数、更换机型数、总延误时间、取消旅客人数、延误旅客人数、总过站时间压缩时长,A1、A2、A3、A4、A5、A6、A7、A8分别表示取消航班数、延误航班数、更换驻地数、更换机型数、总延误时间、取消旅客人数、延误旅客人数、总过站时间压缩时长各自对应的权重系数。
7.一种航班智能规划装置,其特征在于,所述装置包括:
处理模块,用于根据获得的初始航班计划信息以及当前延误信息,构建时空网格;其中,所述初始航班计划信息中包括多架飞机各自对应的航班信息,所述时空网格中包括所述多架飞机中每一飞机各自对应的多个飞行计划;
所述处理模块还用于,利用约束条件对所述时空网格加以限制,构建航线模型;
求解模块,用于利用Gurobi求解器对所述航线模型进行求解,得到目标航班规划策略;其中,所述目标航班规划策略包括每一飞机各自对应的执行飞行计划。
8.如权利要求7所述的装置,其特征在于,所述处理模块在根据获得的初始航班计划信息以及当前延误信息,构建时空网格时,具体用于:
检查所述初始航班计划信息是否存在错误信息;
当所述初始航班计划信息不存在错误信息时,基于所述当前延误信息将所述初始航班计划信息按照设定的延误间隔时间划分出多个延误飞行计划,其中,每一延误飞行计划为对应飞机满足所述当前延误信息的飞行计划;
将所述多个延误飞行计划按照时间和机场驻地进行区分,构建所述时空网格。
9.一种电子设备,其特征在于,包括:
存储器,用于存储一个或多个程序;
处理器;
当所述一个或多个程序被所述处理器执行时,实现如权利要求1-6中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911085433.0A CN110851933B (zh) | 2019-11-08 | 2019-11-08 | 航班智能规划方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911085433.0A CN110851933B (zh) | 2019-11-08 | 2019-11-08 | 航班智能规划方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110851933A true CN110851933A (zh) | 2020-02-28 |
CN110851933B CN110851933B (zh) | 2023-11-03 |
Family
ID=69599237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911085433.0A Active CN110851933B (zh) | 2019-11-08 | 2019-11-08 | 航班智能规划方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110851933B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112249334A (zh) * | 2020-10-16 | 2021-01-22 | 西京学院 | 一种核动力不落地飞机系统及其摆渡方法 |
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 |
CN112633562A (zh) * | 2020-12-10 | 2021-04-09 | 厦门兆翔智能科技有限公司 | 一种机场停机位智能调度方法 |
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 |
CN112785038A (zh) * | 2020-12-31 | 2021-05-11 | 海丰通航科技有限公司 | 飞行任务用时的计算方法及实时航班路由规划算法及设备 |
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 |
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 (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06301670A (ja) * | 1993-03-22 | 1994-10-28 | American Teleph & Telegr Co <Att> | システムの制約における変数の値の発見方法 |
CN103218681A (zh) * | 2013-03-19 | 2013-07-24 | 天津市市政工程设计研究院 | 航空枢纽应急管控方法 |
CN103538729A (zh) * | 2012-07-12 | 2014-01-29 | 通用电气公司 | 用于飞行管理的系统和方法 |
CN103778481A (zh) * | 2014-01-23 | 2014-05-07 | 南京航空航天大学 | 一种针对多跑道航班进离场的动态调度方法 |
US20160293017A1 (en) * | 2015-04-02 | 2016-10-06 | The Boeing Company | Associative memory system and method for flight plan modification |
CN106651108A (zh) * | 2016-10-25 | 2017-05-10 | 合肥飞友网络科技有限公司 | 一种根据航班动态的机场用车调度方法 |
CN106781708A (zh) * | 2017-02-28 | 2017-05-31 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 一种终端管制区的航线规划方法及装置 |
CN106779496A (zh) * | 2017-01-24 | 2017-05-31 | 湖南晶威科技有限公司 | 一种基于互联网的公务用车管理方法及管理系统 |
CN106909977A (zh) * | 2017-01-18 | 2017-06-30 | 四川航空股份有限公司 | 航空电子票务系统 |
CN106920028A (zh) * | 2017-01-18 | 2017-07-04 | 四川航空股份有限公司 | 飞机航材保障模式经济可行性评价模型 |
CN108875128A (zh) * | 2018-05-03 | 2018-11-23 | 西安理工大学 | 一种带决策因子的航班恢复建模方法 |
CN108985621A (zh) * | 2018-07-13 | 2018-12-11 | 南京航空航天大学 | 基于风险管控的区域多机场不正常航班恢复方法 |
CN109002908A (zh) * | 2018-06-27 | 2018-12-14 | 杭州数梦工场科技有限公司 | 一种排班调度方法、系统以及电子设备 |
CN109840610A (zh) * | 2017-11-28 | 2019-06-04 | 梁哲 | 不正常航班飞机路径与旅客行程自动恢复系统及方法 |
-
2019
- 2019-11-08 CN CN201911085433.0A patent/CN110851933B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06301670A (ja) * | 1993-03-22 | 1994-10-28 | American Teleph & Telegr Co <Att> | システムの制約における変数の値の発見方法 |
CN103538729A (zh) * | 2012-07-12 | 2014-01-29 | 通用电气公司 | 用于飞行管理的系统和方法 |
CN103218681A (zh) * | 2013-03-19 | 2013-07-24 | 天津市市政工程设计研究院 | 航空枢纽应急管控方法 |
CN103778481A (zh) * | 2014-01-23 | 2014-05-07 | 南京航空航天大学 | 一种针对多跑道航班进离场的动态调度方法 |
US20160293017A1 (en) * | 2015-04-02 | 2016-10-06 | The Boeing Company | Associative memory system and method for flight plan modification |
CN106651108A (zh) * | 2016-10-25 | 2017-05-10 | 合肥飞友网络科技有限公司 | 一种根据航班动态的机场用车调度方法 |
CN106920028A (zh) * | 2017-01-18 | 2017-07-04 | 四川航空股份有限公司 | 飞机航材保障模式经济可行性评价模型 |
CN106909977A (zh) * | 2017-01-18 | 2017-06-30 | 四川航空股份有限公司 | 航空电子票务系统 |
CN106779496A (zh) * | 2017-01-24 | 2017-05-31 | 湖南晶威科技有限公司 | 一种基于互联网的公务用车管理方法及管理系统 |
CN106781708A (zh) * | 2017-02-28 | 2017-05-31 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 一种终端管制区的航线规划方法及装置 |
CN109840610A (zh) * | 2017-11-28 | 2019-06-04 | 梁哲 | 不正常航班飞机路径与旅客行程自动恢复系统及方法 |
CN108875128A (zh) * | 2018-05-03 | 2018-11-23 | 西安理工大学 | 一种带决策因子的航班恢复建模方法 |
CN109002908A (zh) * | 2018-06-27 | 2018-12-14 | 杭州数梦工场科技有限公司 | 一种排班调度方法、系统以及电子设备 |
CN108985621A (zh) * | 2018-07-13 | 2018-12-11 | 南京航空航天大学 | 基于风险管控的区域多机场不正常航班恢复方法 |
Non-Patent Citations (2)
Title |
---|
YUJIE LIU: ""Initial Flight Delay Modeling and Estimating Based on an Improved Bayesian Network Structure Learning Algorithm"", 《2009 FIFTH INTERNATIONAL CONFERENCE ON NATURAL COMPUTATION》, pages 72 - 76 * |
潘卫军: ""多机型航班恢复问题研究"", 《数学的实践与认识》, vol. 48, no. 15, pages 186 - 196 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112249334A (zh) * | 2020-10-16 | 2021-01-22 | 西京学院 | 一种核动力不落地飞机系统及其摆渡方法 |
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 |
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 |
CN112633562A (zh) * | 2020-12-10 | 2021-04-09 | 厦门兆翔智能科技有限公司 | 一种机场停机位智能调度方法 |
CN112633562B (zh) * | 2020-12-10 | 2024-04-16 | 厦门兆翔智能科技有限公司 | 一种机场停机位智能调度方法 |
CN112785038A (zh) * | 2020-12-31 | 2021-05-11 | 海丰通航科技有限公司 | 飞行任务用时的计算方法及实时航班路由规划算法及设备 |
CN112785038B (zh) * | 2020-12-31 | 2024-03-22 | 海丰通航科技有限公司 | 飞行任务用时的计算方法及实时航班路由规划算法及设备 |
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 |
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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN110851933B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110851933A (zh) | 航班智能规划方法、装置、电子设备及存储介质 | |
Rebollo et al. | Characterization and prediction of air traffic delays | |
US10580309B2 (en) | Resilient enhancement of trajectory-based operations in aviation | |
Chung et al. | Cascading delay risk of airline workforce deployments with crew pairing and schedule optimization | |
CN112308286B (zh) | 航班计划调整方法、装置及计算机可读存储介质 | |
US20130231852A1 (en) | Methods and systems for determining required interval management performance (rimp) | |
US9218742B2 (en) | System and method for airport noise monitoring | |
CN105741008A (zh) | 用于对于商业航线航班运营的中断管理和鲁棒性的自动评价的方法和系统 | |
BR102016015407A2 (pt) | sistema, método e mídia legível por computador | |
US8615418B1 (en) | System and method for managing transportation transactions | |
BR102014032828A2 (pt) | aparelho, e, sistema e método para administrar um evento de manutenção não programado de uma aeronave | |
CN111798079A (zh) | 航班调整方法、装置、电子设备及存储介质 | |
US20160104114A1 (en) | Supporting the transport of shipments | |
US20180102056A1 (en) | Device, System, and Method for Managing Regional Diversion | |
US20220020281A1 (en) | Improved system, device and method for sequencing modes of transportation or items and the like | |
Rakas et al. | Failures of critical systems at airports: impact on aircraft operations and safety | |
Ayra et al. | To fuel or not to fuel? Is that the question? | |
WO2014091055A1 (es) | Método y sistema para pronosticar la congestión aeroportuaria en una red de tráfico aéreo | |
Long et al. | Improved predictions of flight delays using LMINET2 system-wide simulation model | |
Petersen | Large-scale mixed integer optimization approaches for scheduling airline operations under irregularity | |
Kostiuk et al. | Closed loop forecasting of air traffic demand and delay | |
Henderson | Annualized TASAR Benefit Estimate for Alaska Airlines Operations | |
CN114595863B (zh) | 航班智能恢复的方法及系统 | |
DeLaurentis et al. | A concept for flexible operations and optimized traffic into metroplex regions | |
El Alj | Estimating the true extent of air traffic delays |
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 |