CN111680833A - 航班计划自动编排方法 - Google Patents

航班计划自动编排方法 Download PDF

Info

Publication number
CN111680833A
CN111680833A CN202010470294.XA CN202010470294A CN111680833A CN 111680833 A CN111680833 A CN 111680833A CN 202010470294 A CN202010470294 A CN 202010470294A CN 111680833 A CN111680833 A CN 111680833A
Authority
CN
China
Prior art keywords
flight
model
time
airport
arrangement
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010470294.XA
Other languages
English (en)
Inventor
沈靓
韩冬霞
肖芳芳
丁伟军
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.)
Youhualin Information Technology Shanghai Co Ltd
Original Assignee
Youhualin Information Technology Shanghai 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 Youhualin Information Technology Shanghai Co Ltd filed Critical Youhualin Information Technology Shanghai Co Ltd
Priority to CN202010470294.XA priority Critical patent/CN111680833A/zh
Publication of CN111680833A publication Critical patent/CN111680833A/zh
Pending legal-status Critical Current

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
    • G06Q10/04—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)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明适用于运筹学算法技术领域，提供了航班计划自动编排方法，首先输入数据到编排模型，接着设置编排模型的参数，所述参数包括用于优化模型的求解精度参数，所述编排模型根据所述数据和所述参数优化编排航班计划；最后输出编排结果，所述编排结果包括航班计划、每一个机场的时刻量变动情况、航班变动报表，通过建立大型混合整数规划模型，计算新增航线之后的最优航班计划，主要决策变量为二元变量，表示某航班是否通过某机型在某个时刻起飞，本发明利用运筹学算法帮助航空公司编排出结合收益预测且可执行的航班计划，能够较为长期的发挥应有的作用，产生较高的投入产出回报。

Description

航班计划自动编排方法
技术领域
本发明属于运筹学算法领域，尤其涉及航班计划自动编排方法。
背景技术
航空公司获取新时刻资源/航线改造/新开航线时，需要进行航班编排，但时刻资源并不能完全按照既定的时刻点去安排航班，既有的运力空挡也不能刚好放下新航班，目前都是依赖于人工编排，当航班规模量比较大时，人工无法计算出一个合理且较优的解，从而丧失宝贵的利润空间。
发明内容
本发明提供航班计划自动编排方法，旨在利用运筹学算法帮助航空公司编排出结合收益预测且可执行的航班计划。另外，航班编排这个动作在航空公司内部发生的频率极高，该系统能够较为长期的发挥应有的作用，产生较高的投入产出回报。
本发明是这样实现的，航班计划自动编排方法，包括以下步骤：
S1、输入数据到编排模型，所述数据包括原始航班计划、各个航班在不同时刻和机型下的边际贡献值、各个机场的时刻限制级别、时刻固定航班限制、各个机场对不同机型的过站时间限制、不同航线在不同机型下的标准飞行时长数据、不同标准飞行时长的允许浮动范围、机队数据、新增航线的起飞站点、经停站点、落地站点和班次数、过夜基地限制、优化范围限制、运规限制、换机通道限制；
S2、设置编排模型的参数，所述参数包括用于优化模型的求解精度参数，所述编排模型根据所述数据和所述参数优化编排航班计划；
S3、输出编排结果，所述编排结果包括航班计划、每一个机场的时刻量变动情况、航班变动报表。
优选的，所述编排模型根据所述数据和所述参数优化编排航班计划具体包括以下步骤：
S21、建立时空网络，定义分别对应多个机场的多个水平线，用虚线箭头标注航班，每一个虚线箭头表示一个航班，箭头起点表示起飞的机场和起飞时间，终点表示到达机场和到达时间。
优选的，所述步骤S21之后进一步包括：
S22、定义如下参数：
af,a,s表示航班f是否占用机场a的时刻s；Aa,s表示机场a在时刻s拥有的时刻数；
rf,k表示航班f由机型k执飞时产生的边际贡献值；
bk机型k的飞机架数；
F1(t),F2(t)分别表示起飞或降落时刻等于t的航班的集合；
f0(f)表示航班对应的原始航班，产生航班copy；原始航班的集合用F0表示；
定义决策变量如下：
xf,k表示航班是否由机型k执飞，为二元变量；
ya,t,k,1,ya,t,k,2分别表示机场a处t时刻所在节点之前和之后机型k的飞机数，为整数变量；
设计MILP如下：
Figure BDA0002514075710000031
Figure BDA0002514075710000032
Figure BDA0002514075710000033
Figure BDA0002514075710000034
Figure BDA0002514075710000035
目标函数表示边际贡献之和的最大化；第一类约束表示每个机场各个时刻数不超过限制；第一类约束表示每个机场各个时刻数不超过限制；第二类约束表示时空网络中各个节点的流平衡；第三类约束为在统计时点t0处统计各机型的数目，该数目不能超越对应机型拥有的飞机数；第四类约束表示航班对应f0的所有航班copy中最多只有一个被选中。
优选的，所述步骤S22之后进一步包括：
S23、利用Gurobi求解所述优化模型得到时空网络中哪些会被执飞的航线copy，以及执飞的机型，确定各个机型下每架飞机需要飞的航班，得到飞机的航班及编排结果。
与现有技术相比，本发明的有益效果是：本发明的航班计划自动编排方法，通过建立大型混合整数规划模型，计算新增航线之后的最优航班计划，主要决策变量为二元变量，表示某航班是否通过某机型在某个时刻起飞，本发明利用运筹学算法帮助航空公司编排出结合收益预测且可执行的航班计划，能够较为长期的发挥应有的作用，产生较高的投入产出回报。
附图说明
图1为本发明的航班计划自动编排方法的时空网络示意图。
图2为本发明的航班计划自动编排系统的业务操作流程示意图。
图3为本发明的航班计划自动编排系统的算法优化流程示意图。
图4为本发明的自动编排系统的运行计划优化分析功能的执行流程示意图。
图5为本发明具体实施例的时刻固定航班限制示意图。
图6为本发明具体实施例的航班变更报表视图。
图7为本发明具体实施例的时刻变动报表视图。
图8为本发明的具体实施例的航班连线报表视图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种技术方案：航班计划自动编排方法，包括以下步骤：
S1、输入数据到编排模型，数据包括原始航班计划、各个航班在不同时刻和机型下的边际贡献值、各个机场的时刻限制级别、时刻固定航班限制、各个机场对不同机型的过站时间限制、不同航线在不同机型下的标准飞行时长数据、不同标准飞行时长的允许浮动范围、机队数据、新增航线的起飞站点、经停站点、落地站点和班次数、过夜基地限制、优化范围限制、运规限制、换机通道限制。
其中，原始航班计划包括飞机序号、航班号、班期、航线对应的时刻。
边际贡献值为航班的销售收入减变动成本。
各个机场的时刻限制级别包括机场在某个时段是否可以跨段以及起飞时刻能否换落地时刻等。比如SHA仅能同段调整，且每个时段内起飞不能换落地，意味着加入SHA在8点周1有10个起飞时刻，那么优化后的SHA相关航班在8点仍旧是10个量，且都为起飞航班。
时刻固定航班限制为某航班的时刻在优化前后保持不变。
各个机场对不同机型的过站时间限制，机场对某一机型的过站时长的限制。例如：E145机型，在PEK机场的过站时间为40分钟；CRJ7机型在PEK机场的过站时间为50分钟。
不同航线在不同机型下的标准飞行时长数据为，E145机型在呼和浩特-乌兰巴托航线的标准飞行时长为3h50min。
不同标准飞行时长的允许浮动范围：E145机型在呼和浩特-乌兰巴托航线的标准飞行时长的浮动范围为±20min。
机队数据包括机队内机型种类、机型数量、执管单位、在役有效期等。
过夜基地为航空公司在各个机场设置的放置过夜飞机的基地，而这几个机场就是该航空公司的过夜基地。
运规限制为某机型能否在某航段上执飞的规定。比如A320不能执飞中美航线。
换机通道限制为不同基地之间每天或者每周可直达或者一站中转的最小通航班次数量。
S2、设置编排模型的参数，参数包括用于优化模型的求解精度参数，编排模型根据数据和参数优化编排航班计划。
请参阅图1，建立时空网络，定义分别对应多个机场的多个水平线，用虚线箭头标注航班，每一个虚线箭头表示一个航班，箭头起点表示起飞的机场和起飞时间，终点表示到达机场和到达时间。图1中，对7:20从SHA起飞到PEK的航班提供了另一个备选方案，即7:30起飞9:30降落，即图中第一条航班连线平行的连线。通过调整起飞时间或者飞行时间创建了大量的调整航班，以此增加航班设计中的调整空间，确保在新增航班的同时，取消尽可能少的航班。在时空网络中，同一个机场的不同节点之间能否相连取决于机场对于不同机型的过站时间要求，这一点在时空网络构建的过程中考虑。
定义如下参数：
af,a,s表示航班f是否占用机场a的时刻s。Aa,s表示机场a在时刻s拥有的时刻数。
rf,k表示航班f由机型k执飞时产生的边际贡献值。
bk机型k的飞机架数。
F1(t),F2(t)分别表示起飞或降落时刻等于t的航班的集合。
f0(f)表示航班对应的原始航班，产生航班copy。原始航班的集合用F0表示。
定义决策变量如下：
xf,k表示航班是否由机型k执飞，为二元变量。
ya,t,k,1,ya,t,k,2分别表示机场a处t时刻所在节点之前和之后机型k的飞机数，为整数变量。
设计MILP如下：
Figure BDA0002514075710000061
Figure BDA0002514075710000062
Figure BDA0002514075710000063
Figure BDA0002514075710000064
Figure BDA0002514075710000065
目标函数表示边际贡献之和的最大化。第一类约束表示每个机场各个时刻数不超过限制。第二类约束表示时空网络中各个节点的流平衡；第三类约束为在统计时点t0处统计各机型的数目，该数目不能超越对应机型拥有的飞机数。第四类约束表示航班对应f0的所有航班copy中最多只有一个被选中。
利用Gurobi求解上述优化模型我们得到时空网络中哪些会被执飞的航线copy，以及执飞的机型，确定各个机型下每架飞机需要飞的航班，得到飞机的航班及编排结果。
S3、输出编排结果，编排结果包括航班计划、每一个机场的时刻量变动情况、航班变动报表。
本发明的航班自动编排方法可以应用于一个航班自动编排系统上。航班自动编排系统的操作流程如图2所示，航班计划自动编排系统的算法优化流程如图3所示。航班自动编排系统具有如下功能：
业务人员根据历史经营数据，确定优化范围，进入后续时刻优化。
查询时刻价值评估航班结果功能用于供长期计划编排人员按时刻维度寻找时刻价值较差的航班，引导确定优化范围，进入后续时刻优化。
优化分析界面编辑功能用于供长期计划编排人员优化分析编辑界面，确定参数，触发运行。
运行计划优化分析功能：如图4所示，触发一次计算任务，优化当前分析项目。
各个机场的时刻限制级别配置1：机场分类包括完全不调整、同段调整、跨段调整、任意调整四类，可以新增新的机场，也可以修改当前机场的分类。
各个机场的时刻限制级别配置2：机场分类包括起飞时刻和落地时刻可以互换的开始时间和结束时间，可以新增新的机场，也可以修改已有机场的开始时间和结束时间。
请参阅图5，时刻固定航班限制：筛选需要时刻固定的航班。图中，机场表示机场所在的城市，机场性质分为国内和国外，三字码表示国际航空运输协会机场代码，四字码表示国际民用航空组织机场代码，是否协调表示机场是否为协调机场，调整分类表示机场的调整限制范围。
各个机场对不同机型的过站时间限制：新增、删除、修改，查看不同机型在不同机场的最小过站时间。
不同航线在不同机型下的标准飞行时长数据：新增、删除、修改，查看不同机型在不同航段的标准飞行时间。
不同标准飞行时长的允许浮动范围：新增、删除、修改，查看不同标准飞行时长下的可浮动范围。
机队数据：新增、删除、修改，查看执管单位和子机型的飞机数量信息。
新增航线的起飞站点、经停站点、落地站点和班次数：确定需要新增的航线和航班量。
过夜基地限制：新增、删除、修改，查看过夜基地列表。
优化范围限制：新增、删除、修改，查看本次优化调整的航班范围，可以按执管单位、按机型、按机场等进行范围限制。
运规限制：新增、删除、修改，查看所有航段能够执飞的飞机机型。
换机通道限制：新增、删除、修改，查看主基地和其他基地或者过夜点的换机频率。
如图6所示，航班变更报表视图：列出当次优化分析中，每一个有变化的航班相关信息。图中，上部分栏和下部分栏分别表示新增的航班和被取消的航班，并且每一横栏表示有机型、航班号、起终点航站、起飞时间、到达时间、航班日期及航班的边际贡献。例如，新增航班中，73HTYN的航班号为NEW1，起终点航站分别为PEK和CTU，起飞时间为10:45，到达时间为14:00，班期为每周一～周日，边际贡献为101722元/周。
请参阅图7，时刻变动报表视图：列出当次优化分析中，每一个机场在每一个时段的时刻量变动情况。图中的信息包括有机场的三字码、计划使用的时刻、可以利用的时刻库和差值。
请参阅图8，航班连线报表视图：列出每架飞机的航班连线信息。图中信息包含有航班对应的起终点机场及对应起飞和到达时间。例如，飞机67-73HTYN，经过站点依次为PEK、CTU、PEK、LYI和PEK，每一个站点右侧时间为起飞时间，左侧时间为到达时间。。
本发明的航班计划自动编排方法，针对人工编排航班计划中的缺陷，即传统航班计划编排只能依赖人工经验无法计算全局最优结果，本发明提供了一种分基于运筹学算法的航班计划自动编排系统，其具有大规模数据快速计算、提供定量化全局最优解的航班调整方案，提高了航班编排的效率和经济效益。
本发明的有益效果为：与人工编排航班计划相比，一方面本发明的航班计划编排方法能够避免人工决策无法定量化，无法寻找到航班计划最优解的情况发生，其有利于全局和大规模数据求解，提高了航班计划的精准性和经济性；另一方面本发明的算法模型，具有计算效率高的优点，也大大缩减了航班编排的时间，使得航班计划编排更加快速和高效，快速满足该业务高频多发的情景。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.航班计划自动编排方法，其特征在于：包括以下步骤：
S1、输入数据到编排模型，所述数据包括原始航班计划、各个航班在不同时刻和机型下的边际贡献值、各个机场的时刻限制级别、时刻固定航班限制、各个机场对不同机型的过站时间限制、不同航线在不同机型下的标准飞行时长数据、不同标准飞行时长的允许浮动范围、机队数据、新增航线的起飞站点、经停站点、落地站点和班次数、过夜基地限制、优化范围限制、运规限制、换机通道限制；
S2、设置编排模型的参数，所述参数包括用于优化模型的求解精度参数，所述编排模型根据所述数据和所述参数优化编排航班计划；
S3、输出编排结果，所述编排结果包括航班计划、每一个机场的时刻量变动情况、航班变动报表。
2.如权利要求1所述的航班计划自动编排方法，其特征在于：所述编排模型根据所述数据和所述参数优化编排航班计划具体包括以下步骤：
S21、建立时空网络，定义分别对应多个机场的多个水平线，用虚线箭头标注航班，每一个虚线箭头表示一个航班，箭头起点表示起飞的机场和起飞时间，终点表示到达机场和到达时间。
3.如权利要求2所述的航班计划自动编排方法，其特征在于：所述步骤S21之后进一步包括：
S22、定义如下参数：
af,a,s表示航班f是否占用机场a的时刻s；Aa,s表示机场a在时刻s拥有的时刻数；
rf,k表示航班f由机型k执飞时产生的边际贡献值；
bk机型k的飞机架数；
F1(t),F2(t)分别表示起飞或降落时刻等于t的航班的集合；
f0(f)表示航班对应的原始航班，产生航班copy；原始航班的集合用F0表示；
定义决策变量如下：
xf,k表示航班是否由机型k执飞，为二元变量；
ya,t,k,1,ya,t,k,2分别表示机场a处t时刻所在节点之前和之后机型k的飞机数，为整数变量；
设计MILP如下：
max:
Figure FDA0002514075700000021
s,t:
Figure FDA0002514075700000022
Figure FDA0002514075700000023
Figure FDA0002514075700000024
Figure FDA0002514075700000025
目标函数表示边际贡献之和的最大化；第一类约束表示每个机场各个时刻数不超过限制；第一类约束表示每个机场各个时刻数不超过限制；第二类约束表示时空网络中各个节点的流平衡；第三类约束为在统计时点t0处统计各机型的数目，该数目不能超越对应机型拥有的飞机数；第四类约束表示航班对应f0的所有航班copy中最多只有一个被选中。
4.如权利要求3所述的航班计划自动编排方法，其特征在于：所述步骤S22之后进一步包括：
S23、利用Gurobi求解所述优化模型得到时空网络中哪些会被执飞的航线copy，以及执飞的机型，确定各个机型下每架飞机需要飞的航班，得到飞机的航班及编排结果。
CN202010470294.XA 2020-05-28 2020-05-28 航班计划自动编排方法 Pending CN111680833A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010470294.XA CN111680833A (zh) 2020-05-28 2020-05-28 航班计划自动编排方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010470294.XA CN111680833A (zh) 2020-05-28 2020-05-28 航班计划自动编排方法

Publications (1)

Publication Number Publication Date
CN111680833A true CN111680833A (zh) 2020-09-18

Family

ID=72453292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010470294.XA Pending CN111680833A (zh) 2020-05-28 2020-05-28 航班计划自动编排方法

Country Status (1)

Country Link
CN (1) CN111680833A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112201081A (zh) * 2020-10-12 2021-01-08 中国民航信息网络股份有限公司 一种补班航班计划生成方法及装置
CN112613667A (zh) * 2020-12-26 2021-04-06 悠桦林信息科技(上海)有限公司 客舱人员自动排班方法
CN114462672A (zh) * 2021-12-27 2022-05-10 中国南方航空股份有限公司 一种航班机型调整优化方法
CN116362788A (zh) * 2023-03-27 2023-06-30 中国南方航空股份有限公司 一种新航线开通的预测方法、装置、设备及存储介质
CN117789538A (zh) * 2024-02-28 2024-03-29 南京莱斯信息技术股份有限公司 一种基于规则引擎的航班动态连班方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040083126A1 (en) * 2002-10-23 2004-04-29 Svenson Dale V. Aviation traffic and revenue forecasting system
CA2929757A1 (en) * 2015-05-15 2016-11-15 Taleris Global Llp Method for rescheduling flights affected by a disruption and an airline operations control system and controller
CN106897836A (zh) * 2017-02-28 2017-06-27 中国人民解放军空军装备研究院雷达与电子对抗研究所 基于航空公司间公平运行的航班计划分配方法及装置
CN109544000A (zh) * 2018-11-21 2019-03-29 中国民航大学 面向航班正常性的航空公司排班计划优化方法和系统
CN111126745A (zh) * 2019-10-28 2020-05-08 海南太美航空股份有限公司 一种新开航线收益预测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040083126A1 (en) * 2002-10-23 2004-04-29 Svenson Dale V. Aviation traffic and revenue forecasting system
CA2929757A1 (en) * 2015-05-15 2016-11-15 Taleris Global Llp Method for rescheduling flights affected by a disruption and an airline operations control system and controller
CN106897836A (zh) * 2017-02-28 2017-06-27 中国人民解放军空军装备研究院雷达与电子对抗研究所 基于航空公司间公平运行的航班计划分配方法及装置
CN109544000A (zh) * 2018-11-21 2019-03-29 中国民航大学 面向航班正常性的航空公司排班计划优化方法和系统
CN111126745A (zh) * 2019-10-28 2020-05-08 海南太美航空股份有限公司 一种新开航线收益预测方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
乐美龙;黄文秀;: "基于时空网络的航班机型分配问题研究" *
朱星辉;朱金福;高强;: "基于约束编程的飞机排班问题研究" *
蒋韵尔;张伟;: "从航线频率到航班排班的大规模规划问题初步研究" *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112201081A (zh) * 2020-10-12 2021-01-08 中国民航信息网络股份有限公司 一种补班航班计划生成方法及装置
CN112201081B (zh) * 2020-10-12 2022-07-26 中国民航信息网络股份有限公司 一种补班航班计划生成方法及装置
CN112613667A (zh) * 2020-12-26 2021-04-06 悠桦林信息科技(上海)有限公司 客舱人员自动排班方法
CN114462672A (zh) * 2021-12-27 2022-05-10 中国南方航空股份有限公司 一种航班机型调整优化方法
CN116362788A (zh) * 2023-03-27 2023-06-30 中国南方航空股份有限公司 一种新航线开通的预测方法、装置、设备及存储介质
CN116362788B (zh) * 2023-03-27 2024-01-30 中国南方航空股份有限公司 一种新航线开通的预测方法、装置、设备及存储介质
CN117789538A (zh) * 2024-02-28 2024-03-29 南京莱斯信息技术股份有限公司 一种基于规则引擎的航班动态连班方法
CN117789538B (zh) * 2024-02-28 2024-05-24 南京莱斯信息技术股份有限公司 一种基于规则引擎的航班动态连班方法

Similar Documents

Publication Publication Date Title
CN111680833A (zh) 航班计划自动编排方法
Kasirzadeh et al. Airline crew scheduling: models, algorithms, and data sets
Eltoukhy et al. Airline schedule planning: a review and future directions
Liang et al. Robust weekly aircraft maintenance routing problem and the extension to the tail assignment problem
Grosche et al. Integrated airline scheduling
Liang et al. On a new rotation tour network model for aircraft maintenance routing problem
Cadarso et al. Integrated airline scheduling: Considering competition effects and the entry of the high speed rail
CN112330983B (zh) 不正常航班一体化智能恢复方法
CN111401601B (zh) 一种面向延误传播的航班起降时间预测方法
CN107944625A (zh) 基于历史运行数据驱动的单机场航班换季时隙优化方法
CN111582584B (zh) 基于航空公司公平性的航段运行时间优化方法
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
CN114037346A (zh) 一种智能飞行机组组环的生成方法及设备
CN115081699A (zh) 一种大型航空器公共航空运输中飞行机组排班方法
CN111353625B (zh) 一种网点件量预测方法、装置、计算机设备及存储介质
CN114004541A (zh) 一种智能飞行机组排班的方法及设备
CN110751359A (zh) 一种自动化航线网络评估方法、电子设备及存储介质
Behere A Reduced Order Modeling Methodology for the Parametric Estimation and Optimization of Aviation Noise
CN112418620A (zh) 机组成员自动排班系统
CN110909946B (zh) 一种基于公路换乘的航班计划优化方法
Tian et al. Assessment of flight block time reliability under different delay time windows: A case study
Huang et al. Future flight demand generation tool
Gaol et al. Development of Transportation System and Land Use Interaction Scenario on The Development Of Utilization in West Java International Airport Using System Dynamics Approach
CN113379205A (zh) 一种机组排班方法
Hadjaz et al. Increasing Air Traffic: What is the Problem?

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200918