CN110889609B - 一种航班恢复策略生成方法和装置 - Google Patents

一种航班恢复策略生成方法和装置 Download PDF

Info

Publication number
CN110889609B
CN110889609B CN201911127909.2A CN201911127909A CN110889609B CN 110889609 B CN110889609 B CN 110889609B CN 201911127909 A CN201911127909 A CN 201911127909A CN 110889609 B CN110889609 B CN 110889609B
Authority
CN
China
Prior art keywords
flight
time
flights
recovery
aircraft
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.)
Active
Application number
CN201911127909.2A
Other languages
English (en)
Other versions
CN110889609A (zh
Inventor
高季尧
李硕森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Shanshu Network Technology Co ltd
Shanshu Science And Technology Beijing Co ltd
Shenzhen Shanzhi Technology Co Ltd
Original Assignee
Shanghai Shanshu Network Technology Co ltd
Shanshu Science And Technology Beijing Co ltd
Shenzhen Shanzhi Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Shanshu Network Technology Co ltd, Shanshu Science And Technology Beijing Co ltd, Shenzhen Shanzhi Technology Co Ltd filed Critical Shanghai Shanshu Network Technology Co ltd
Priority to CN201911127909.2A priority Critical patent/CN110889609B/zh
Publication of CN110889609A publication Critical patent/CN110889609A/zh
Application granted granted Critical
Publication of CN110889609B publication Critical patent/CN110889609B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (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)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及航班恢复技术领域，具体涉及一种航班恢复策略生成方法和装置。该方法包括：获取参与航班恢复调度的原计划航班集合；从所述原计划航班集合中，筛选出受扰动影响的受扰动航班；生成所述受扰动航班的预恢复策略集合，以恢复所述受扰动航班；以目标恢复策略中各预恢复子策略的惩罚度之和最小作为目标函数，建立混合整数线性规划模型，并将所述预恢复策略集合输入进所述混合整数线性规划模型，获得所述目标恢复策略。本发明以目标恢复策略中各预恢复子策略的惩罚度之和最小作为目标函数，通过目标函数的筛选，高效且全面地获得所述目标恢复策略。

Description

一种航班恢复策略生成方法和装置
技术领域
本发明涉及航班恢复技术领域，具体涉及一种航班恢复策略生成方法和装置。
背景技术
航班任务大多是以航班任务环的形式来进行执行的，一组机组人员跟随一个航班任务环，在一个两到三天的时间内，从基地出发，最后回到基地。当执行航班任务的飞机发生突发故障时，使得之后的航班任务都无法按照原计划进行，而对于一些联程航班，影响更是巨大。另外，机场有时会因为突发状况(例如天气情况等)导致临时关闭甚至执行机场宵禁，这个时间段内，经过该机场的航班和飞机，都会受到影响。这些影响航班按照原计划执行的突发情况，即为扰动，因扰动影响而无法按照原计划执行的航班就是受扰动航班。
上述突发情况的发生会对旅客的出行造成巨大的不良影响，同时造成航空航班调度的拥堵甚至是瘫痪，进而造成航空公司的重大经济损失。因此在发生上述突发情况时，及时恢复受扰动航班是具有重大意义的。
因此，目前亟需一种全面高效的航班恢复策略生成。
发明内容
本发明的目的是提供一种航班恢复策略生成方法和装置，以解决目前航班任务环生成方案效率和准确度不高的问题。
本发明实施例提供了以下方案：
第一方面，本发明实施例提供一种航班恢复策略生成方法，包括：
步骤11：获取参与航班恢复调度的原计划航班集合；
步骤12：从所述原计划航班集合中，筛选出受扰动影响的受扰动航班；
步骤13：生成所述受扰动航班的预恢复策略集合，以恢复所述受扰动航班；
其中，所述受扰动航班的预恢复策略集合中的每个预恢复策略，包括：
更改航班的起飞时间、更改航班的降落时间、合并联程航班中相邻两航班、更换航班的执行飞机和取消航班中的一种或多种预恢复子策略；
步骤14：以目标恢复策略中各预恢复子策略的惩罚度之和最小作为目标函数，建立混合整数线性规划模型，并将所述预恢复策略集合输入进所述混合整数线性规划模型，获得所述目标恢复策略。
在一种可能的实施例中，所述混合整数线性规划模型的目标函数M的表达式为：
Figure GDA0002907212400000021
其中，A为所述预恢复策略集合中某一预恢复策略涉及到的航班的集合；Ai为集合A中的航班；B为集合A中的全部联程航班的集合；Bi为集合B中的联程航班；
Figure GDA0002907212400000022
为联程航班Bi中相邻两航班中的前序航班；
Figure GDA0002907212400000023
为联程航班Bi中相邻两航班中的后序航班；
Figure GDA0002907212400000024
为前序航班
Figure GDA0002907212400000025
和后序航班
Figure GDA0002907212400000026
的合并航班；P为所述预恢复策略集合中涉及到的全部飞机的集合；Ps为集合P中的飞机；Pi为集合P中除去原计划中执行航班Ai的飞机的剩余飞机的集合；
Figure GDA0002907212400000027
为集合Pi中的飞机；
当航班Ai为由飞机Ps执行的第r个航班任务时，
Figure GDA0002907212400000028
取1，否则
Figure GDA0002907212400000029
取0；当航班Ai为由飞机
Figure GDA00029072124000000210
执行的第r个航班任务时，
Figure GDA00029072124000000211
取1，否则
Figure GDA00029072124000000212
取0；当合并航班
Figure GDA00029072124000000213
为由飞机Ps执行的第r个航班任务时，
Figure GDA00029072124000000214
取1，否则
Figure GDA00029072124000000215
取0；
Figure GDA0002907212400000031
为航班Ai的延误时间；
Figure GDA0002907212400000032
为航班Ai对应的单位时间的延误惩罚度；
Figure GDA0002907212400000033
为航班Ai对应的取消惩罚度；
Figure GDA0002907212400000034
为航班Ai由飞机
Figure GDA0002907212400000035
Figure GDA0002907212400000036
为合并航班Ai由飞机Ps执行的合并惩罚度；当前序航班
Figure GDA0002907212400000037
为由飞机Ps执行的第r个航班任务且飞机Ps执行的第r+1个航班任务不是后序航班
Figure GDA0002907212400000038
时，
Figure GDA0002907212400000039
取1，否则
Figure GDA00029072124000000310
取0；pcc为联程航班Bi的更改后序航班执行飞机惩罚度；
所述混合整数线性规划模型的约束条件包括：
Figure GDA00029072124000000311
其中，A1为集合A中的全部的从基地出发的起始航班的集合；
Figure GDA00029072124000000312
为集合A1中的起始航班；
Figure GDA00029072124000000313
为起始航班Ai对应的最大设定延误时间；当前序航班
Figure GDA00029072124000000314
为由飞机Ps执行的第r个航班任务时，
Figure GDA00029072124000000315
取1，否则
Figure GDA00029072124000000316
取0；当后序航班
Figure GDA00029072124000000317
为由飞机Ps执行的第r+1个航班任务时，
Figure GDA00029072124000000318
取1，否则
Figure GDA00029072124000000319
取0；当起始航班
Figure GDA00029072124000000320
为由飞机Ps执行的第r个航班任务时，
Figure GDA00029072124000000321
取1，否则
Figure GDA00029072124000000322
取0。
在一种可能的实施例中，所述混合整数线性规划模型的约束条件还包括：
Figure GDA0002907212400000041
其中，航班Aj为集合A中的航班；
Figure GDA0002907212400000042
为航班Aj的延误时间；Capk,t为机场k在时间段t内起落飞机的最大数量；
Figure GDA0002907212400000043
为航班Ai的原计划起飞时刻；
Figure GDA0002907212400000044
为航班Ai的原计划落地时刻；
Figure GDA0002907212400000045
为航班Aj的原计划起飞时刻；
Figure GDA0002907212400000046
为航班Ai被飞机Ps执行所需的最短转机时间；tilt,k为机场k时间段t的起始时刻；tiut,k为机场k时间段t的终止时刻；
当航班Ai在时间段t内起飞时，
Figure GDA0002907212400000047
取1，否则
Figure GDA0002907212400000048
取0；当航班Ai在时间段t内降落时，
Figure GDA0002907212400000049
取1，否则
Figure GDA00029072124000000410
取0。
在一种可能的实施例中，所述受扰动航班包括第一航班和第二航班；所述第一航班为由发生故障的飞机执行的航班，或起飞时间处于起飞机场关闭时间范围内的航班，或降落时间处于降落机场关闭时间范围内的航班；所述第二航班为联程航班中安排在第一航班之后的航班。
第二方面，本发明实施例提供一种航班恢复策略生成装置，包括：
原计划航班集合获取模块，用于获取参与航班恢复调度的原计划航班集合；
筛选模块，用于从所述原计划航班集合中筛选出受扰动影响的受扰动航班；
预恢复策略集合生成模块，用于生成恢复所述受扰动航班的受扰动航班的预恢复策略集合；
混合整数线性规划模型模块，用于以目标恢复策略中各预恢复子策略的惩罚度之和最小作为目标函数，建立混合整数线性规划模型，并将所述预恢复策略集合输入进所述混合整数线性规划模型，获得所述目标恢复策略；
其中，所述受扰动航班的预恢复策略集合中的每个预恢复策略，包括：
更改航班的起飞时间、更改航班的降落时间、合并联程航班中相邻两航班、更换航班的执行飞机和取消航班中的一种或多种预恢复子策略。
在一种可能的实施例中，所述混合整数线性规划模型的目标函数M的表达式为：
Figure GDA0002907212400000051
其中，A为所述预恢复策略集合中某一预恢复策略涉及到的航班的集合；Ai为集合A中的航班；B为集合A中的全部联程航班的集合；Bi为集合B中的联程航班；
Figure GDA0002907212400000052
为联程航班Bi中相邻两航班中的前序航班；
Figure GDA0002907212400000053
为联程航班Bi中相邻两航班中的后序航班；
Figure GDA0002907212400000054
为前序航班
Figure GDA0002907212400000055
和后序航班
Figure GDA0002907212400000056
的合并航班；P为所述预恢复策略集合中涉及到的全部飞机的集合；Ps为集合P中的飞机；Pi为集合P中除去原计划中执行航班Ai的飞机的剩余飞机的集合；
Figure GDA0002907212400000057
为集合Pi中的飞机；
当航班Ai为由飞机Ps执行的第r个航班任务时，
Figure GDA0002907212400000058
取1，否则
Figure GDA0002907212400000059
取0；当航班Ai为由飞机
Figure GDA00029072124000000510
执行的第r个航班任务时，
Figure GDA00029072124000000511
取1，否则
Figure GDA00029072124000000512
取0；当合并航班
Figure GDA00029072124000000513
为由飞机Ps执行的第r个航班任务时，
Figure GDA00029072124000000514
取1，否则
Figure GDA00029072124000000515
取0；
Figure GDA00029072124000000516
为航班Ai的延误时间；
Figure GDA00029072124000000517
为航班Ai对应的单位时间的延误惩罚度；
Figure GDA00029072124000000518
为航班Ai对应的取消惩罚度；
Figure GDA00029072124000000519
为航班Ai由飞机
Figure GDA00029072124000000520
执行的换机惩罚度；
Figure GDA00029072124000000521
为合并航班Ai由飞机Ps执行的合并惩罚度；当前序航班
Figure GDA0002907212400000061
为由飞机Ps执行的第r个航班任务且飞机Ps执行的第r+1个航班任务不是后序航班
Figure GDA0002907212400000062
时，
Figure GDA0002907212400000063
取1，否则
Figure GDA0002907212400000064
取0；pcc为联程航班Bi的更改后序航班执行飞机惩罚度；
所述混合整数线性规划模型的约束条件包括：
Figure GDA0002907212400000065
其中，A1为集合A中的全部的从基地出发的起始航班的集合；
Figure GDA0002907212400000066
为集合A1中的起始航班；
Figure GDA0002907212400000067
为起始航班Ai对应的最大设定延误时间；当前序航班
Figure GDA0002907212400000068
为由飞机Ps执行的第r个航班任务时，
Figure GDA0002907212400000069
取1，否则
Figure GDA00029072124000000610
取0；当后序航班
Figure GDA00029072124000000611
为由飞机Ps执行的第r+1个航班任务时，
Figure GDA00029072124000000612
取1，否则
Figure GDA00029072124000000613
取0；当起始航班
Figure GDA00029072124000000614
为由飞机Ps执行的第r个航班任务时，
Figure GDA00029072124000000615
取1，否则
Figure GDA00029072124000000616
取0。
在一种可能的实施例中，所述混合整数线性规划模型的约束条件还包括：
Figure GDA00029072124000000617
其中，航班Aj为集合A中的航班；
Figure GDA00029072124000000618
为航班Aj的延误时间；Capk,t为机场k在时间段t内起落飞机的最大数量；
Figure GDA0002907212400000071
为航班Ai的原计划起飞时刻；
Figure GDA0002907212400000072
为航班Ai的原计划落地时刻；
Figure GDA0002907212400000073
为航班Aj的原计划起飞时刻；
Figure GDA0002907212400000074
为航班Ai被飞机Ps执行所需的最短转机时间；tilt,k为机场k时间段t的起始时刻；tiut,k为机场k时间段t的终止时刻；
当航班Ai在时间段t内起飞时，
Figure GDA0002907212400000075
取1，否则
Figure GDA0002907212400000076
取0；当航班Ai在时间段t内降落时，
Figure GDA0002907212400000077
取1，否则
Figure GDA0002907212400000078
取0。
在一种可能的实施例中，所述受扰动航班包括第一航班和第二航班；所述第一航班为由发生故障的飞机执行的航班，或起飞时间处于起飞机场关闭时间范围内的航班，或降落时间处于降落机场关闭时间范围内的航班；所述第二航班为联程航班中安排在第一航班之后的航班。
第三方面，本发明实施例提供一种计算机设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行该计算机程序以实现如上述第一方面任意一项所述的用于机组排班的航班任务环生成方法的步骤。
第四方面，本发明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以实现如上述第一方面任意一项所述的用于机组排班的航班任务环生成方法的步骤。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明通过遍历参与航班恢复调度的原计划航班集合，全面且完整地筛选出了受扰动直接影响以及间接影响的受扰动航班，再通过遍历原计划航班集合，生成包含有所有能在理论上完成航班恢复的预恢复策略集合，其中的预恢复策略虽然能在理论上实现航班恢复，但其中的大多数由于没有考虑到实际中旅客的体验、机场的管理能力和恢复效率等实际问题，不具有实用性。因此，本发明以目标恢复策略中各预恢复子策略的惩罚度之和最小作为目标函数，建立混合整数线性规划模型，并将所述预恢复策略集合输入进所述混合整数线性规划模型，通过目标函数的筛选，高效且全面地获得所述目标恢复策略，另外通过为诸如直接取消航班等严重影响旅客体验的预恢复子策略赋予较高的惩罚度，可以尽量避免在目标恢复策略中出现严重影响旅客体验的策略。
进一步的，本发明通过所述混合整数线性规划模型的约束条件用来筛选可行性较大的预恢复策略，然后计算每一个选出来的预恢复策略的惩罚度之和，惩罚度之和最小的预恢复策略就是目标恢复策略。而本发明提供的约束条件能够快速筛选出合适的预恢复策略，减少整体的计算量，提高最终目标恢复策略的生成效率。
进一步的，本发明进一步增加了约束条件，用起落时间和机场起落飞机容量来模拟出实际业务中通过空管流量限制来逐步恢复机场的正常运转的情况，进一步筛选预恢复策略，使最终获得的目标恢复策略更加符合实际业务的需要。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，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。
图1是本发明实施例提供的一种可能的航班恢复策略生成方法实施例的流程图；
图2是本发明实施例提供的一种可能的航班恢复策略生成装置实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明实施例保护的范围。
请参阅图1，图1为本发明实施例提供的一种航班恢复策略生成方法，包括以下步骤：
步骤11，获取参与航班恢复调度的原计划航班集合；
步骤12，从所述原计划航班集合中，筛选出受扰动影响的受扰动航班；
步骤13，生成所述受扰动航班的预恢复策略集合，以恢复所述受扰动航班；
其中，所述受扰动航班的预恢复策略集合中的每个预恢复策略，包括，
更改航班的起飞时间、更改航班的降落时间、合并联程航班中相邻两航班、更换航班的执行飞机和取消航班中的一种或多种预恢复子策略；
步骤14，以目标恢复策略中各预恢复子策略的惩罚度之和最小作为目标函数，建立混合整数线性规划模型，并将所述预恢复策略集合输入进所述混合整数线性规划模型，获得所述目标恢复策略。
具体的，通过调用各航空公司的飞行数据可以获得参与航班恢复调度的原计划航班集合，该集合中的航班包含有的航班的原计划起降机场、原计划起降时间、原计划飞行时间和原计划执行飞机等信息。
具体的，受扰动影响的受扰动航班包括受扰动直接影响的航班和受扰动间接影响的航班。受扰动直接影响的航班受到了扰动的直接影响，例如由发生故障的飞机执行的航班，或起飞时间处于起飞机场关闭时间范围内的航班，或降落时间处于降落机场关闭时间范围内的航班；而受扰动间接影响的航班没有受到扰动的直接影响，而因为在前的航班受到了扰动的直接影响，而导致不能按原计划执行的航班，例如联程航班中，安排在受扰动直接影响之后的航班。
具体的，实际中常用的航班恢复的策略有航班延误策略、联程航班拉直策略、飞机置换策略和航班取消策略，通过这几个策略的单独或配合实施调度，就可以实现航班的恢复。
具体的，航班延误策略，是指将航班的起飞时间后延设定时间(通常以分钟为单位)，本发明实施例中采用更改航班的起飞时间和更改航班的降落时间来实现航班延误策略；联程航班拉直策略，是指将原本A到B到C的联程航班拉直成由A直接到C的合并航班，本发明实施例中采用合并联程航班中相邻两航班的方式来实现联程航班拉直策略；飞机置换策略，就是将航班安排给不同于原计划执行飞机的其他飞机去执行，本发明实施例中采用更换航班的执行飞机的方式来实现飞机置换策略；航班取消策略，是指直接取消航班的执行，本发明实施例中采用取消航班的方式来实现航班取消策略。
具体的，只要通过调用航班恢复的策略，重新规划受扰动航班的出发时间、执行航班等，使规划后的航班满足民航飞行管理要求(例如两航班最小飞行间隔时长、最大延误时长、机组最大连续工作累计时长等)，实现对受扰动航班的恢复，就将该条策略存入预恢复策略集合，通过遍历原计划航班集合，完成预恢复策略集合的生成工作。
具体的，各预恢复子策略对应的都有相应的惩罚度，通过针对不同情况的惩罚度设置，显现出了对某一预恢复子策略选用态度，以使航班恢复的策略朝着预设方向生成。例如取消航班影响最恶劣，其惩罚度就最大，只能在最坏的情况中出现，而联程航班拉直虽然也会影响一定的旅客的出行，但相对于取消航班来说，其惩罚度就小一点，而如果飞机置换能够通过调整执行飞机使两个航班均在一定的延误时间范围内完成执行，则其惩罚度最小。
具体的，最终获得的目标恢复策略中，包含了对受扰动航班以及参与航班恢复调度的原计划航班集合中虽没有受到扰动影响但涉及到了航班恢复的航班的调度方案。
本发明实施例通过遍历参与航班恢复调度的原计划航班集合，全面且完整地筛选出了受扰动直接影响以及间接影响的受扰动航班，再通过遍历原计划航班集合，生成包含有所有能在理论上完成航班恢复的预恢复策略集合，其中的预恢复策略虽然能在理论上实现航班恢复，但其中的大多数由于没有考虑到实际中旅客的体验、机场的管理能力和恢复效率等实际问题，不具有实用性。因此，本发明实施例以目标恢复策略中各预恢复子策略的惩罚度之和最小作为目标函数，建立混合整数线性规划模型，并将所述预恢复策略集合输入进所述混合整数线性规划模型，通过目标函数的筛选，高效且全面地获得所述目标恢复策略，另外通过为诸如直接取消航班等严重影响旅客体验的预恢复子策略赋予较高的惩罚度，可以尽量避免在目标恢复策略中出现严重影响旅客体验的策略。
在一种可能的实施例中，所述混合整数线性规划模型的目标函数M的表达式为：
Figure GDA0002907212400000111
其中，A为所述预恢复策略集合中某一预恢复策略涉及到的航班的集合；Ai为集合A中的航班；B为集合A中的全部联程航班的集合；Bi为集合B中的联程航班；
Figure GDA0002907212400000121
为联程航班Bi中相邻两航班中的前序航班；
Figure GDA0002907212400000122
为联程航班Bi中相邻两航班中的后序航班；
Figure GDA0002907212400000123
为前序航班
Figure GDA0002907212400000124
和后序航班
Figure GDA0002907212400000125
的合并航班；P为所述预恢复策略集合中涉及到的全部飞机的集合；Ps为集合P中的飞机；Pi为集合P中除去原计划中执行航班Ai的飞机的剩余飞机的集合；
Figure GDA0002907212400000126
为集合Pi中的飞机；
当航班Ai为由飞机Ps执行的第r个航班任务时，
Figure GDA0002907212400000127
取1，否则
Figure GDA0002907212400000128
取0；当航班Ai为由飞机
Figure GDA0002907212400000129
执行的第r个航班任务时，
Figure GDA00029072124000001210
取1，否则
Figure GDA00029072124000001211
取0；当合并航班
Figure GDA00029072124000001212
为由飞机Ps执行的第r个航班任务时，
Figure GDA00029072124000001213
取1，否则
Figure GDA00029072124000001214
取0；
Figure GDA00029072124000001215
为航班Ai的延误时间；
Figure GDA00029072124000001216
为航班Ai对应的单位时间的延误惩罚度；
Figure GDA00029072124000001217
为航班Ai对应的取消惩罚度；
Figure GDA00029072124000001218
为航班Ai由飞机
Figure GDA00029072124000001219
执行的换机惩罚度；
Figure GDA00029072124000001220
为合并航班Ai由飞机Ps执行的合并惩罚度；当前序航班
Figure GDA00029072124000001221
为由飞机Ps执行的第r个航班任务且飞机Ps执行的第r+1个航班任务不是后序航班
Figure GDA00029072124000001222
时，
Figure GDA00029072124000001223
取1，否则
Figure GDA00029072124000001224
取0；pcc为联程航班Bi的更改后序航班执行飞机惩罚度；
所述混合整数线性规划模型的约束条件包括：
Figure GDA00029072124000001225
其中，A1为集合A中的全部的从基地出发的起始航班的集合；
Figure GDA00029072124000001226
为集合A1中的起始航班；
Figure GDA00029072124000001227
为起始航班Ai对应的最大设定延误时间；当前序航班
Figure GDA00029072124000001228
为由飞机Ps执行的第r个航班任务时，
Figure GDA0002907212400000131
取1，否则
Figure GDA0002907212400000132
取0；当后序航班
Figure GDA0002907212400000133
为由飞机Ps执行的第r+1个航班任务时，
Figure GDA0002907212400000134
取1，否则
Figure GDA0002907212400000135
取0；当起始航班
Figure GDA0002907212400000136
为由飞机Ps执行的第r个航班任务时，
Figure GDA0002907212400000137
取1，否则
Figure GDA0002907212400000138
取0。
具体的，集合A为所述预恢复策略集合中某一预恢复策略涉及到的航班的集合，不但包含有受扰动航班，还包含有原计划航班集合中虽没有受到扰动影响但涉及到了航班恢复的航班。
具体的，目标函数M的
Figure GDA0002907212400000139
的代表对集合A中包含的航班采用延误航班策略的总计惩罚度。
具体的，目标函数M的
Figure GDA00029072124000001310
代表对集合A中包含的航班采用取消航班策略的总计惩罚度。
具体的，目标函数M的
Figure GDA00029072124000001311
代表对集合A中包含的航班采飞机置换策略的总计惩罚度。
具体的，目标函数M的
Figure GDA00029072124000001312
代表对集合A中包含的航班采用联程航班拉直策略的总计惩罚度。
具体的，目标函数M的
Figure GDA00029072124000001313
代表对集合A中包含的航班采用更改后序航班执行飞机策略的总计惩罚度，因为联程航班中有一部分旅客的数量是固定的，更改后序航班执行飞机，有可能会出现旅客数量大于飞机最大载客量的情况。
具体的，约束条件
Figure GDA00029072124000001314
的含义是联程航班Bi中，只有前序航班
Figure GDA00029072124000001315
执行完毕后，才能执行后序航班
Figure GDA00029072124000001316
具体的，约束条件
Figure GDA00029072124000001317
的含义是任一航班Ai最多只能由一架飞机执行。
具体的，约束条件
Figure GDA0002907212400000141
的含义是任一飞机Ps在第r次最多只能执行一个航班。
具体的，约束条件
Figure GDA0002907212400000142
的含义是任一起始航班Ai只能作为执行飞机的第一个航班任务来执行。
具体的，约束条件
Figure GDA0002907212400000143
的含义是任一航班Ai的延误时间不大于对应的最大延迟时长。
本发明实施例通过所述混合整数线性规划模型的约束条件用来筛选可行性较大的预恢复策略，然后计算每一个选出来的预恢复策略的惩罚度之和，惩罚度之和最小的预恢复策略就是目标恢复策略。而本发明实施例提供的约束条件能够快速筛选出合适的预恢复策略，减少整体的计算量，提高最终目标恢复策略的生成效率。
在一种可能的实施例中，所述混合整数线性规划模型的约束条件还包括：
Figure GDA0002907212400000144
其中，航班Aj为集合A中的航班；
Figure GDA0002907212400000145
为航班Aj的延误时间；Capk,t为机场k在时间段t内起落飞机的最大数量；
Figure GDA0002907212400000146
为航班Ai的原计划起飞时刻；
Figure GDA0002907212400000147
为航班Ai的原计划落地时刻；
Figure GDA0002907212400000148
为航班Aj的原计划起飞时刻；
Figure GDA0002907212400000149
为航班Ai被飞机Ps执行所需的最短转机时间；tilt,k为机场k时间段t的起始时刻；tiut,k为机场k时间段t的终止时刻；
当航班Ai在时间段t内起飞时，
Figure GDA0002907212400000151
取1，否则
Figure GDA0002907212400000152
取0；当航班Ai在时间段t内降落时，
Figure GDA0002907212400000153
取1，否则
Figure GDA0002907212400000154
取0。
具体的，约束条件
Figure GDA0002907212400000155
的含义是飞机Ps在执行前后航班任务时前一班航班降落时间到后一班航班的起飞时间之间必须有充足的时间来进行转机，即同一飞机执行的前后航班时间窗不能交叉。
具体的，约束条件
Figure GDA0002907212400000156
的含义是任一航班Ai只能在某一时间段起飞。
具体的，约束条件
Figure GDA0002907212400000157
的含义是任一航班Ai只能在某一时间段降落。
具体的，约束条件
Figure GDA0002907212400000158
的含义是机场k在任意时间段起落的飞机数量不能大于该时间段内机场k的起落飞机的最大数量。
具体的，约束条件
Figure GDA0002907212400000159
的含义是任一航班Ai的实际起飞时间满足对应的时间段起始时刻和结束时刻的约束。
具体的，约束条件
Figure GDA00029072124000001510
的含义是任一航班Ai的实际降落时间满足对应的时间段起始时刻和结束时刻的约束。
本发明实施例进一步增加了约束条件，用起落时间和机场起落飞机容量来模拟出实际业务中通过空管流量限制来逐步恢复机场的正常运转的情况，进一步筛选预恢复策略，使最终获得的目标恢复策略更加符合实际业务的需要。
在一种可能的实施例中，所述受扰动航班包括第一航班和第二航班；所述第一航班为由发生故障的飞机执行的航班，或起飞时间处于起飞机场关闭时间范围内的航班，或降落时间处于降落机场关闭时间范围内的航班；所述第二航班为联程航班中安排在第一航班之后的航班。
具体的，第一航班即为前文所述的受扰动直接影响的航班，第二航班即为受扰动间接影响的航班。
基于与方法同样的发明构思，本发明实施例还提供了一种航班恢复策略生成装置。
请参阅图2，图2所示本发明实施例提供的一种航班恢复策略生成装置的结构示意图，包括：
原计划航班集合获取模块21，用于获取参与航班恢复调度的原计划航班集合；
筛选模块22，用于从所述原计划航班集合中筛选出受扰动影响的受扰动航班；
预恢复策略集合生成模块23，用于生成恢复所述受扰动航班的受扰动航班的预恢复策略集合；
混合整数线性规划模型模块24，用于以目标恢复策略中各预恢复子策略的惩罚度之和最小作为目标函数，建立混合整数线性规划模型，并将所述预恢复策略集合输入进所述混合整数线性规划模型，获得所述目标恢复策略；
其中，所述受扰动航班的预恢复策略集合中的每个预恢复策略，包括：
更改航班的起飞时间、更改航班的降落时间、合并联程航班中相邻两航班、更换航班的执行飞机和取消航班中的一种或多种预恢复子策略。
在一种可能的实施例中，所述混合整数线性规划模型的目标函数M的表达式为：
Figure GDA0002907212400000161
其中，A为所述预恢复策略集合中某一预恢复策略涉及到的航班的集合；Ai为集合A中的航班；B为集合A中的全部联程航班的集合；Bi为集合B中的联程航班；
Figure GDA0002907212400000171
为联程航班Bi中相邻两航班中的前序航班；
Figure GDA0002907212400000172
为联程航班Bi中相邻两航班中的后序航班；
Figure GDA0002907212400000173
为前序航班
Figure GDA0002907212400000174
和后序航班
Figure GDA0002907212400000175
的合并航班；P为所述预恢复策略集合中涉及到的全部飞机的集合；Ps为集合P中的飞机；Pi为集合P中除去原计划中执行航班Ai的飞机的剩余飞机的集合；
Figure GDA0002907212400000176
为集合Pi中的飞机；
当航班Ai为由飞机Ps执行的第r个航班任务时，
Figure GDA0002907212400000177
取1，否则
Figure GDA0002907212400000178
取0；当航班Ai为由飞机
Figure GDA0002907212400000179
执行的第r个航班任务时，
Figure GDA00029072124000001710
取1，否则
Figure GDA00029072124000001711
取0；当合并航班
Figure GDA00029072124000001712
为由飞机Ps执行的第r个航班任务时，
Figure GDA00029072124000001713
取1，否则
Figure GDA00029072124000001714
取0；
Figure GDA00029072124000001715
为航班Ai的延误时间；
Figure GDA00029072124000001716
为航班Ai对应的单位时间的延误惩罚度；
Figure GDA00029072124000001717
为航班Ai对应的取消惩罚度；
Figure GDA00029072124000001718
为航班Ai由飞机
Figure GDA00029072124000001719
执行的换机惩罚度；
Figure GDA00029072124000001720
为合并航班Ai由飞机Ps执行的合并惩罚度；当前序航班
Figure GDA00029072124000001721
为由飞机Ps执行的第r个航班任务且飞机Ps执行的第r+1个航班任务不是后序航班
Figure GDA00029072124000001722
时，
Figure GDA00029072124000001723
取1，否则
Figure GDA00029072124000001724
取0；pcc为联程航班Bi的更改后序航班执行飞机惩罚度；
所述混合整数线性规划模型的约束条件包括：
Figure GDA00029072124000001725
其中，A1为集合A中的全部的从基地出发的起始航班的集合；
Figure GDA00029072124000001726
为集合A1中的起始航班；fruAi为起始航班Ai对应的最大设定延误时间；当前序航班
Figure GDA00029072124000001727
为由飞机Ps执行的第r个航班任务时，
Figure GDA0002907212400000181
取1，否则
Figure GDA0002907212400000182
取0；当后序航班
Figure GDA0002907212400000183
为由飞机Ps执行的第r+1个航班任务时，
Figure GDA0002907212400000184
取1，否则
Figure GDA0002907212400000185
取0；当起始航班
Figure GDA0002907212400000186
为由飞机Ps执行的第r个航班任务时，
Figure GDA0002907212400000187
取1，否则
Figure GDA0002907212400000188
取0。
在一种可能的实施例中，所述混合整数线性规划模型的约束条件还包括：
Figure GDA0002907212400000189
其中，航班Aj为集合A中的航班；
Figure GDA00029072124000001810
为航班Aj的延误时间；Capk,t为机场k在时间段t内起落飞机的最大数量；
Figure GDA00029072124000001811
为航班Ai的原计划起飞时刻；
Figure GDA00029072124000001812
为航班Ai的原计划落地时刻；
Figure GDA00029072124000001813
为航班Aj的原计划起飞时刻；
Figure GDA00029072124000001814
为航班Ai被飞机Ps执行所需的最短转机时间；tilt,k为机场k时间段t的起始时刻；tiut,k为机场k时间段t的终止时刻；
当航班Ai在时间段t内起飞时，
Figure GDA00029072124000001815
取1，否则
Figure GDA00029072124000001816
取0；当航班Ai在时间段t内降落时，
Figure GDA00029072124000001817
取1，否则
Figure GDA00029072124000001818
取0。
在一种可能的实施例中，所述受扰动航班包括第一航班和第二航班；所述第一航班为由发生故障的飞机执行的航班，或起飞时间处于起飞机场关闭时间范围内的航班，或降落时间处于降落机场关闭时间范围内的航班；所述第二航班为联程航班中安排在第一航班之后的航班。
基于与前述实施例中同样的发明构思，本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现前文任一所述方法的步骤。
基于与前述实施例中同样的发明构思，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前文任一所述方法的步骤。
本申请实施例中提供的技术方案，至少具有如下技术效果或优点：
本发明实施例通过遍历参与航班恢复调度的原计划航班集合，全面且完整地筛选出了受扰动直接影响以及间接影响的受扰动航班，再通过遍历原计划航班集合，生成包含有所有能在理论上完成航班恢复的预恢复策略集合，其中的预恢复策略虽然能在理论上实现航班恢复，但其中的大多数由于没有考虑到实际中旅客的体验、机场的管理能力和恢复效率等实际问题，不具有实用性。因此，本发明实施例以目标恢复策略中各预恢复子策略的惩罚度之和最小作为目标函数，建立混合整数线性规划模型，并将所述预恢复策略集合输入进所述混合整数线性规划模型，通过目标函数的筛选，高效且全面地获得所述目标恢复策略，另外通过为诸如直接取消航班等严重影响旅客体验的预恢复子策略赋予较高的惩罚度，可以尽量避免在目标恢复策略中出现严重影响旅客体验的策略。
进一步的，本发明实施例通过所述混合整数线性规划模型的约束条件用来筛选可行性较大的预恢复策略，然后计算每一个选出来的预恢复策略的惩罚度之和，惩罚度之和最小的预恢复策略就是目标恢复策略。而本发明实施例提供的约束条件能够快速筛选出合适的预恢复策略，减少整体的计算量，提高最终目标恢复策略的生成效率。
进一步的，本发明实施例进一步增加了约束条件，用起落时间和机场起落飞机容量来模拟出实际业务中通过空管流量限制来逐步恢复机场的正常运转的情况，进一步筛选预恢复策略，使最终获得的目标恢复策略更加符合实际业务的需要。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、装置(模块、系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可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、嵌入式计算机或者其他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他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。
这些计算机程序指令也可存储在能引导计算机或其他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多个流程和/或方框图一个方框或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他可编程数据处理设备上，使得在计算机或其他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，从而在计算机或其他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。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (6)

1.一种航班恢复策略生成方法，其特征在于，包括：
步骤11：获取参与航班恢复调度的原计划航班集合；
步骤12：从所述原计划航班集合中，筛选出受扰动影响的受扰动航班；
步骤13：生成所述受扰动航班的预恢复策略集合，以恢复所述受扰动航班；
其中，所述受扰动航班的预恢复策略集合中的每个预恢复策略，包括：
更改航班的起飞时间、更改航班的降落时间、合并联程航班中相邻两航班、更换航班的执行飞机和取消航班中的一种或多种预恢复子策略；
步骤14：以目标恢复策略中各预恢复子策略的惩罚度之和最小作为目标函数，建立混合整数线性规划模型，并将所述预恢复策略集合输入进所述混合整数线性规划模型，获得所述目标恢复策略；
所述混合整数线性规划模型的目标函数M的表达式为：
Figure FDA0002907212390000011
其中，A为所述预恢复策略集合中某一预恢复策略涉及到的航班的集合；Ai为集合A中的航班；B为集合A中的全部联程航班的集合；Bi为集合B中的联程航班；
Figure FDA0002907212390000012
为联程航班Bi中相邻两航班中的前序航班；
Figure FDA0002907212390000013
为联程航班Bi中相邻两航班中的后序航班；
Figure FDA0002907212390000014
为前序航班
Figure FDA0002907212390000015
和后序航班
Figure FDA0002907212390000016
的合并航班；P为所述预恢复策略集合中涉及到的全部飞机的集合；Ps为集合P中的飞机；Pi为集合P中除去原计划中执行航班Ai的飞机的剩余飞机的集合；
Figure FDA0002907212390000017
为集合Pi中的飞机；集合A不但包含有所述受扰动航班，还包含有所述原计划航班集合中虽没有受到扰动影响但涉及到了航班恢复的航班；
当航班Ai为由飞机Ps执行的第r个航班任务时，
Figure FDA0002907212390000021
取1，否则
Figure FDA0002907212390000022
取0；当航班Ai为由飞机
Figure FDA0002907212390000023
执行的第r个航班任务时，
Figure FDA0002907212390000024
取1，否则
Figure FDA0002907212390000025
取0；当合并航班
Figure FDA0002907212390000026
为由飞机Ps执行的第r个航班任务时，
Figure FDA0002907212390000027
取1，否则
Figure FDA0002907212390000028
取0；
Figure FDA0002907212390000029
为航班Ai的延误时间；
Figure FDA00029072123900000210
为航班Ai对应的单位时间的延误惩罚度；
Figure FDA00029072123900000211
为航班Ai对应的取消惩罚度；
Figure FDA00029072123900000212
为航班Ai由飞机
Figure FDA00029072123900000213
执行的换机惩罚度；
Figure FDA00029072123900000214
为合并航班Ai由飞机Ps执行的合并惩罚度；当前序航班
Figure FDA00029072123900000215
为由飞机Ps执行的第r个航班任务且飞机Ps执行的第r+1个航班任务不是后序航班
Figure FDA00029072123900000216
时，
Figure FDA00029072123900000217
取1，否则
Figure FDA00029072123900000218
取0；pcc为联程航班Bi的更改后序航班执行飞机惩罚度；
所述混合整数线性规划模型的约束条件包括：
Figure FDA00029072123900000219
其中，A1为集合A中的全部的从基地出发的起始航班的集合；
Figure FDA00029072123900000220
为集合A1中的起始航班；
Figure FDA00029072123900000221
为起始航班Ai对应的最大设定延误时间；当前序航班
Figure FDA00029072123900000222
为由飞机Ps执行的第r个航班任务时，
Figure FDA00029072123900000223
取1，否则
Figure FDA00029072123900000224
取0；当后序航班
Figure FDA00029072123900000225
为由飞机Ps执行的第r+1个航班任务时，
Figure FDA00029072123900000226
取1，否则
Figure FDA00029072123900000227
取0；当起始航班
Figure FDA00029072123900000228
为由飞机Ps执行的第r个航班任务时，
Figure FDA00029072123900000229
取1，否则
Figure FDA00029072123900000230
取0；
所述混合整数线性规划模型的约束条件还包括：
Figure FDA0002907212390000031
其中，航班Aj为集合A中的航班；
Figure FDA0002907212390000032
为航班Aj的延误时间；Capk,t为机场k在时间段t内起落飞机的最大数量；
Figure FDA0002907212390000033
为航班Ai的原计划起飞时刻；
Figure FDA0002907212390000034
为航班Ai的原计划落地时刻；
Figure FDA0002907212390000035
为航班Aj的原计划起飞时刻；
Figure FDA0002907212390000036
为航班Ai被飞机Ps执行所需的最短转机时间；tilt,k为机场k时间段t的起始时刻；tiut,k为机场k时间段t的终止时刻；
当航班Ai在时间段t内起飞时，
Figure FDA0002907212390000037
取1，否则
Figure FDA0002907212390000038
取0；当航班Ai在时间段t内降落时，
Figure FDA0002907212390000039
取1，否则
Figure FDA00029072123900000310
取0。
2.根据权利要求1所述的航班恢复策略生成方法，其特征在于，所述受扰动航班包括第一航班和第二航班；所述第一航班为由发生故障的飞机执行的航班，或起飞时间处于起飞机场关闭时间范围内的航班，或降落时间处于降落机场关闭时间范围内的航班；所述第二航班为联程航班中安排在第一航班之后的航班。
3.一种航班恢复策略生成装置，其特征在于，包括：
原计划航班集合获取模块，用于获取参与航班恢复调度的原计划航班集合；
筛选模块，用于从所述原计划航班集合中筛选出受扰动影响的受扰动航班；
预恢复策略集合生成模块，用于生成恢复所述受扰动航班的受扰动航班的预恢复策略集合；
混合整数线性规划模型模块，用于以目标恢复策略中各预恢复子策略的惩罚度之和最小作为目标函数，建立混合整数线性规划模型，并将所述预恢复策略集合输入进所述混合整数线性规划模型，获得所述目标恢复策略；
其中，所述受扰动航班的预恢复策略集合中的每个预恢复策略，包括：
更改航班的起飞时间、更改航班的降落时间、合并联程航班中相邻两航班、更换航班的执行飞机和取消航班中的一种或多种预恢复子策略；
所述混合整数线性规划模型的目标函数M的表达式为：
Figure FDA0002907212390000041
其中，A为所述预恢复策略集合中某一预恢复策略涉及到的航班的集合；Ai为集合A中的航班；B为集合A中的全部联程航班的集合；Bi为集合B中的联程航班；
Figure FDA0002907212390000042
为联程航班Bi中相邻两航班中的前序航班；
Figure FDA0002907212390000043
为联程航班Bi中相邻两航班中的后序航班；
Figure FDA0002907212390000044
为前序航班
Figure FDA0002907212390000045
和后序航班
Figure FDA0002907212390000046
的合并航班；P为所述预恢复策略集合中涉及到的全部飞机的集合；Ps为集合P中的飞机；Pi为集合P中除去原计划中执行航班Ai的飞机的剩余飞机的集合；
Figure FDA0002907212390000047
为集合Pi中的飞机；集合A不但包含有所述受扰动航班，还包含有所述原计划航班集合中虽没有受到扰动影响但涉及到了航班恢复的航班；
当航班Ai为由飞机Ps执行的第r个航班任务时，
Figure FDA0002907212390000048
取1，否则
Figure FDA0002907212390000049
取0；当航班Ai为由飞机
Figure FDA00029072123900000410
执行的第r个航班任务时，
Figure FDA00029072123900000411
取1，否则
Figure FDA00029072123900000412
取0；当合并航班
Figure FDA00029072123900000413
为由飞机Ps执行的第r个航班任务时，
Figure FDA00029072123900000414
取1，否则
Figure FDA00029072123900000415
取0；
Figure FDA00029072123900000416
为航班Ai的延误时间；
Figure FDA00029072123900000417
为航班Ai对应的单位时间的延误惩罚度；
Figure FDA00029072123900000418
为航班Ai对应的取消惩罚度；
Figure FDA0002907212390000051
为航班Ai由飞机
Figure FDA0002907212390000052
执行的换机惩罚度；
Figure FDA0002907212390000053
为合并航班Ai由飞机Ps执行的合并惩罚度；当前序航班
Figure FDA0002907212390000054
为由飞机Ps执行的第r个航班任务且飞机Ps执行的第r+1个航班任务不是后序航班
Figure FDA0002907212390000055
时，
Figure FDA0002907212390000056
取1，否则
Figure FDA0002907212390000057
取0；pcc为联程航班Bi的更改后序航班执行飞机惩罚度；
所述混合整数线性规划模型的约束条件包括：
Figure FDA0002907212390000058
其中，A1为集合A中的全部的从基地出发的起始航班的集合；
Figure FDA0002907212390000059
为集合A1中的起始航班；
Figure FDA00029072123900000510
为起始航班Ai对应的最大设定延误时间；当前序航班
Figure FDA00029072123900000511
为由飞机Ps执行的第r个航班任务时，
Figure FDA00029072123900000512
取1，否则
Figure FDA00029072123900000513
取0；当后序航班
Figure FDA00029072123900000514
为由飞机Ps执行的第r+1个航班任务时，
Figure FDA00029072123900000515
取1，否则
Figure FDA00029072123900000516
取0；当起始航班
Figure FDA00029072123900000517
为由飞机Ps执行的第r个航班任务时，
Figure FDA00029072123900000518
取1，否则
Figure FDA00029072123900000519
取0；
所述混合整数线性规划模型的约束条件还包括：
Figure FDA00029072123900000520
其中，航班Aj为集合A中的航班；
Figure FDA0002907212390000061
为航班Aj的延误时间；Capk,t为机场k在时间段t内起落飞机的最大数量；
Figure FDA0002907212390000062
为航班Ai的原计划起飞时刻；
Figure FDA0002907212390000063
为航班Ai的原计划落地时刻；
Figure FDA0002907212390000064
为航班Aj的原计划起飞时刻；
Figure FDA0002907212390000065
为航班Ai被飞机Ps执行所需的最短转机时间；tilt,k为机场k时间段t的起始时刻；tiut,k为机场k时间段t的终止时刻；
当航班Ai在时间段t内起飞时，
Figure FDA0002907212390000066
取1，否则
Figure FDA0002907212390000067
取0；当航班Ai在时间段t内降落时，
Figure FDA0002907212390000068
取1，否则
Figure FDA0002907212390000069
取0。
4.根据权利要求3所述的航班恢复策略生成装置，其特征在于，所述受扰动航班包括第一航班和第二航班；所述第一航班为由发生故障的飞机执行的航班，或起飞时间处于起飞机场关闭时间范围内的航班，或降落时间处于降落机场关闭时间范围内的航班；所述第二航班为联程航班中安排在第一航班之后的航班。
5.一种计算机设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现权利要求1或2所述的方法的步骤。
6.一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，所述计算机程序被处理器执行时以实现权利要求1或2所述的方法的步骤。
CN201911127909.2A 2019-11-18 2019-11-18 一种航班恢复策略生成方法和装置 Active CN110889609B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911127909.2A CN110889609B (zh) 2019-11-18 2019-11-18 一种航班恢复策略生成方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911127909.2A CN110889609B (zh) 2019-11-18 2019-11-18 一种航班恢复策略生成方法和装置

Publications (2)

Publication Number Publication Date
CN110889609A CN110889609A (zh) 2020-03-17
CN110889609B true CN110889609B (zh) 2021-03-23

Family

ID=69747782

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911127909.2A Active CN110889609B (zh) 2019-11-18 2019-11-18 一种航班恢复策略生成方法和装置

Country Status (1)

Country Link
CN (1) CN110889609B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111950791A (zh) * 2020-08-14 2020-11-17 中国民航信息网络股份有限公司 一种航班延误预测方法、装置、服务器及存储介质
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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Also Published As

Publication number Publication date
CN110889609A (zh) 2020-03-17

Similar Documents

Publication Publication Date Title
Aktürk et al. Aircraft rescheduling with cruise speed control
Saddoune et al. Integrated airline crew pairing and crew assignment by dynamic constraint aggregation
CN110889609B (zh) 一种航班恢复策略生成方法和装置
JP2016219006A (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
CN108615411B (zh) 一种实现航班信息处理的方法及装置
CN111798079A (zh) 航班调整方法、装置、电子设备及存储介质
CN110826754A (zh) 一种目标参数值的确定、航班调度方法、装置及其设备
CN112633562B (zh) 一种机场停机位智能调度方法
KR102063851B1 (ko) 무인 이동체 임무 할당 최적화 방법 및 장치
CN107067822A (zh) 一种终端管制区的进离场航线动态管理方法和装置
CN112132484A (zh) 一种航班恢复方法及装置
CN110751309A (zh) 一种不正常航班的恢复方法、电子设备及存储介质
CN113435051B (zh) 基于运行规则的机场场面分布式运行仿真方法及系统
CN105390030B (zh) 飞行流量调控方法及系统
Bojanowski et al. Multi-runway aircraft sequencing at congested airports
US9251710B2 (en) Air traffic analysis using a linear inequalities solver
Kharchenko et al. Integrated risk picture methodology for air traffic management in Europe
Prince et al. Entry, descent, and landing operations analysis for the Mars Phoenix Lander
CN112396318B (zh) 一种考虑时间鲁棒性的机群保障人员和设备的分配方法
Durand et al. A ground holding model for aircraft deconfliction
Yoo et al. Benefit assessment of the integrated demand management concept for multiple New York metroplex airports
CN114492902A (zh) 航班恢复方法、装置、计算机设备和存储介质
CN111047144B (zh) 一种用于机组排班的航班任务环生成方法和装置
CN110008581B (zh) 一种面向任务仿真的机场地面调度流程建模系统
Birdal et al. Usage of machine learning algorithms in flexible use of airspace concept

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
TA01 Transfer of patent application right

Effective date of registration: 20200819

Address after: 100102 202A-12, 2nd floor, Lize Zhongyuan 106 Building, Chaoyang District, Beijing

Applicant after: SHANSHU SCIENCE AND TECHNOLOGY (BEIJING) Co.,Ltd.

Applicant after: SHANGHAI SHANSHU NETWORK TECHNOLOGY Co.,Ltd.

Applicant after: Shenzhen Shanzhi Technology Co.,Ltd.

Address before: 100102 202A-12, 2nd floor, Lize Zhongyuan 106 Building, Chaoyang District, Beijing

Applicant before: SHANSHU SCIENCE AND TECHNOLOGY (BEIJING) Co.,Ltd.

Applicant before: SHANGHAI SHANSHU NETWORK TECHNOLOGY Co.,Ltd.

Applicant before: SHANSHU SCIENCE AND TECHNOLOGY (SUZHOU) Co.,Ltd.

Applicant before: Shenzhen Shanzhi Technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant