CN112053033A - 一种机场停机位的分配方法 - Google Patents
一种机场停机位的分配方法 Download PDFInfo
- Publication number
- CN112053033A CN112053033A CN202010795914.7A CN202010795914A CN112053033A CN 112053033 A CN112053033 A CN 112053033A CN 202010795914 A CN202010795914 A CN 202010795914A CN 112053033 A CN112053033 A CN 112053033A
- Authority
- CN
- China
- Prior art keywords
- airplane
- stand
- stop
- aircraft
- scheme
- 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 79
- 238000009826 distribution Methods 0.000 title claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000010276 construction Methods 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 6
- 230000010006 flight Effects 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 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
- G06Q10/06—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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种机场停机位的分配方法,包括:以飞机可停靠方案为机位分配的基本单元,建立飞机可停靠的方案集合;根据飞机可停靠的方案集合建立近机位分配模型;采用分支定价方法对近机位分配模型求解,包括:以近机位分配模型作为主问题,构建列生成的子问题,采用预先指定子问题构建变量类型的方法将构建的子问题线性化,在求解主问题的过程中循环地调用列生成子问题产生的模型变量列,将产生的模型变量列加入到主问题的求解过程中进行循环地求解直到主问题达到最优目标停止循环;循环求解结束后得到最终的近机位的停靠方案集。本方法降低了复杂的运算操作,提高了求解速度,起到了对机场的停机位进行快速精确的分配的作用。
Description
技术领域
本发明涉及机场停机位分配技术领域,尤其涉及一种机场停机位的分配方法。
背景技术
停机位分配是机场地面作业的一项重要的内容,停机位分配的好坏将直接影响到机场的摆渡车调度、地面服务人员排班、飞机滑行油耗以及乘客的满意度等。随着民航规模的不断扩大,飞机频次的不断增加,繁忙机场的停机位分配(FAGP)工作变的越来越复杂。在所有的优化目标中,靠桥率或者靠桥人数最大化对于考核机场的经济效益和服务效能都显得尤为重要,目前在实际的生产实践过程中,大部分机场依据经验丰富的机位分配人员辅助可视化的计算机工具进行人工分配,分配的效率和精确度有待进一步的提升。在短时间内无法大规模扩建航站楼增加近机位数量的情况下,一个快速有效的停机位优化分配算法对于机场资源的整合和服务质量的提升都具有重要的作用,具体的意义如下。
(1)提高机场经济效益。目前机场的主要盈利手段是通过机位出租收取服务费的方式,提高机位的使用率特别是近机位的使用率将直接影响其收益。同时优化建模的方式还能够节省人工成本,降低决策支出,对于提高机场的管理水平和整体形象都有重要的作用。
(2)提高旅客满意度。提高机位靠桥率,或者提高通过廊桥的旅客数量将直接影响旅客的出行体验。较小的靠桥率将直接导致的后果是乘客需要通过乘坐摆渡车等地面设施登机或者从飞机返回航站楼,换乘或者换乘的等待时间过长都会使顾客产生厌烦或者抵触心里。
机场的停机位分配问题,就是根据航班时刻表将接下来到达的一定数量的飞机停靠在相应的停机位上。在分配的过程中需要保证飞机大小与机位的大小要匹配,飞机的属性与机位的属性要匹配,同时,为了考虑安全性,同一个停机位进出的两架飞机在进出事件上要保证安全事件间隔,相邻的停机位飞机在进出的过程中也要保证必要的安全时间间隔。目前对于机位分配的求解算法分为两类:精确求解算法和启发式搜索算法。但是对于启发式算法只能保证获得满意解,求解速度和结果质量不能保证稳定性,对于精确求解算法,目前大部分的停机位分配方法都是将该问题看作一个指派问题,在建模的过程中一般将飞机与机位的对应关系作为变量,在模型求解的过程中该变量为1,则表示该飞机需要停靠在该机位上,如果该变量为0则该飞机不能停靠在对应的机位上。这种建模角度会产生大量的变量,同时在考虑较多的停靠规则时模型的约束数量也会很庞大,最终导致模型无法求解。
因此,亟需一种精确度高和速度快的机场停机位分配方法。
发明内容
本发明提供了一种机场停机位的分配方法,旨在从机场运行者的角度,提供一种能够有效控制问题规模并能够应对大规模停机位分配的精确求解算法,有效地降低问题的约束个数,同时在用列生成求解的过程中,设计了一种子问题线性化方法。
为了实现上述目的,本发明采取了如下技术方案。
一种机场停机位的分配方法,包括:
以飞机可停靠方案为机位分配的基本单元,建立飞机可停靠的方案集合;
根据所述的飞机可停靠的方案集合建立近机位分配模型;
采用分支定价方法对所述近机位分配模型求解,包括:以所述的近机位分配模型作为主问题,构建列生成的子问题,采用预先指定子问题构建变量类型的方法将构建的子问题线性化,在求解主问题的过程中循环地调用列生成子问题产生的模型变量列,将产生的模型变量列加入到主问题的求解过程中进行循环地求解直到主问题达到最优目标停止循环;
循环求解结束后得到最终的近机位的停靠方案集,即机场停机位的分配结果。
优选地,以飞机可停靠方案为机位分配的基本单元,建立飞机可停靠的方案集合,包括:根据航班时刻表,按飞机到达时间排序,根据到达和离开时间上没有冲突的飞机建立飞机可停靠的方案集合。
优选地,近机位分配模型包括:以停机位靠桥率最大为优化目标,以方案组合结果不能超过近机位的数量、同一时间一个停机位仅能停一架飞机、一个飞机仅能停在一个机位、满足大小匹配约束和服务国别匹配约束为约束条件的模型。
优选地,近机位分配模型包括:以靠桥人数百分比最大为优化目标,以方案组合结果不能超过近机位的数量、同一时间一个停机位仅能停一架飞机、一个飞机仅能停在一个机位、满足大小匹配约束和服务国别匹配约束为约束条件的模型。
优选地,满足大小匹配约束为飞机可以停靠在比它大的机位上,但是不能停靠在比它小的机位上;所述服务国别匹配约束为执行国际飞行任务的航班只能停靠在属性为国际的停机位,但是执行国内飞行任务的飞机在国际停机位空闲时也能停放。
优选地,近机位分配模型为:
其中,ri表示是否将方案yi停靠在近机位,yi为飞机可停靠方案ri=1表示yi被选择,ri=0表示yi未被选择;CNi表示方案yi包含的飞机数量;n表示可停靠方案的总数量;ξ表示近机位的数量;hi表示在时间窗口ΔAT内的第i个到达的飞机;ITNk表示国际停机位中属于k型停机位的数量;TNk表示在国内停机位中属于k型机位的数量;INT(yi)表示停靠方案yi是否可以停靠在国际机位,INT(yi)=1则方案yi可以停靠在国际机位上INT(yi)=0则只能停靠在国内停机位上;Λ(τ)表示τ型飞机的可停靠停机位类型。
优选地,近机位分配模型为:
其中,ri表示是否将方案yi停靠在近机位,ri=1表示yi被选择,ri=0表示yi未被选择;pij表示方案yi中第j架飞机的乘客数量;n表示可停靠方案的总数量;ξ表示近机位的数量;hi表示在时间窗口ΔAT内的第i个到达的飞机;ITNk表示国际停机位中属于k型停机位的数量;TNk表示在国内停机位中属于k型机位的数量;INT(yi)表示停靠方案yi是否可以停靠在国际机位,INT(yi)=1则方案yi可以停靠在国际机位上INT(yi)=0则只能停靠在国内停机位上;Λ(τ)表示τ型飞机的可停靠停机位类型。
优选地,采用预先指定子问题构建变量类型的方法将所述的子问题线性化,具体包括:
S81设置列生成子问题全局最优值BL为无穷小并且对应的全局最优解BX为空值;
S82循环体:令生成列的国际国内属性ψ分别取1和0,大小属性τ分别取τ1,τ2,τ3……τm共m种属性,为列生成子问题表达、建模和程序实现,对S83中l的取值与ψ和τ的关系建立映射关系表,对应关系如下表1所示;
表1
S83令列生成子问题的决策变量为X=(x1,x2,x3......xn+2m+1),根据S82中ψ与τ的取值,预先设置列生成子问题求解结果X的向量分量x2x3,x4,……x2m+1值,当x对应的下标属于集合l={Φ(Ψ,τ)|∪-V(τ)}时取1,否则取0;
S84根据主问题的影子价格π,得到主问题的检验系数,即列生成子问题的求解目标L,将S83中x2~x2m+1的取值带入列生成子问题的优化目标并经过化简得到目标如下式(9)所示,得到如下所示的列生成子问题,该问题为0-1整数规划问题,进而得到了本次循环的局部最优解,将所述的的局部最优解转入S85更新全局最优解:
xi+xj≤1 2m+2≤i,j≤n+2m+1,θ(hj-2m-1,hi-2m-1)=1
其中:π是分支定价算法在求解MD1过程中产生的影子价格;θ(hi,hj)=1表示hi与hj进出时间上存在冲突;Tj-2m-1表示飞机hj-2m-1的大小类型;V(τ)表示比机型τ大的停机位;表示飞机hj-2m-1将执行国际飞行任务,否则等于0;
S85最优解更新判断:如果L≥BL,则BL=L,且BX=X,回到S82选取下一组ψ与τ的组合;
S86程序退出:当S82中的循环体执行完毕,输出BX,BX即为列生成子问题的全局最优解,即可以添加到主问题的新的生成列。
优选地,m为6。
由上述本发明的机场停机位的分配方法提供的技术方案可以看出,本发明方法通过建立停机位分配模型,并对停机位分配模型进行求解得到机场分配方案,克服了现有机场停机位分配过程中无法保证靠桥率或者靠桥人数最大化的不足;停机位分配模型在处理机位之间的约束时可以有效的控制控制模型约束数量,多个航班之间的空间约束只产生常数级别的约束个数,从而大大地减小了求解规模;在停机位分配模型求解的过程中采用列生成的方式进行可分配方案的选取,降低了最终结果求解过程中的变量数量,可以避免航班数量较大时无法求解的情形,变量的选取过程之间没有相互的影响,可以很容易的扩展为并行计算,大大提高了求解的效率;同时子问题的线性化方法也加速了模型的求解;将机位之间的相互影响转化为一个图论问题,降低了复杂的运算操作,提高了求解速度;方法具有稳定性,相比启发式算法在保证速度的同时也保证了求解的精度,进而起到了对机场的停机位进行快速精确的分配的作用。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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发明的一些实施例,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为实施例的机场停机位的分配方法流程示意图;
图2为yi的停靠过程示意图;
图3为子问题变量列示意图;
图4为本实施例的数据传输和调度流程示意图;
图5为数据处理过程示意图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤和/或操作,但是并不排除存在或添加一个或多个其他特征、整数、步骤和/或操作的组。应该理解,这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且并不构成对本发明实施例的限定。
实施例
图1为本实施例的机场停机位的分配方法流程示意图,参照图1,该方法包括:
S1以飞机可停靠方案为机位分配的基本单元,建立飞机可停靠的方案集合。
事先指定预分配时间窗ΔAT,以划定需要分配的飞机数量,以飞机可停靠方案yi为机位分配的基本单元,方案集Y即飞机可停靠方案的集合Y={y1,y2,y3......yn}。yi即根据航班时刻表,按飞机到达时间排序并且在到达和离开时间上没有冲突的飞机集合,图2为yi的停靠过程示意图,如图2所示,对于yi具体的解释为:假设预分配时间窗ΔAT内到达6架飞机,分别记为h1,h2,h3,h4,h5,h6。若目标机场在同一机位内进出安全时间间隔为Δst,在Δt16>Δst的情况下可形成停靠方案y1={h1,h6},同理在Δt24>Δst,Δt25>Δst,Δt56>Δst的情况下,还可以形成可停靠方案y2={h2,h4},y3={h2,h5},y4={h5,h6},y5={h2,h5,h6}等可停靠方案。依次类推可以得到整个停靠方案集Y。
S2根据飞机可停靠的方案集合建立近机位分配模型。
为提升机场的停机位利用率以及提升乘客的出行体验,本实施例分别以停机位靠桥率最大(ObjB)和者靠桥人数百分比最大(ObjP)为优化目标(两个不同目标的求解过程约束相同,求解方法一样)。
以停机位靠桥率最大为优化目标,以方案组合结果不能超过近机位的数量、同一时间一个停机位仅能停一架飞机、一个飞机仅能停在一个机位、满足大小匹配约束和服务国别匹配约束为约束条件的模型。近机位分配模型为:
其中,ri表示是否将方案yi停靠在近机位,yi为飞机可停靠方案ri=1表示yi被选择,ri=0表示yi未被选择;CNi表示方案yi包含的飞机数量;n表示可停靠方案的总数量;ξ表示近机位的数量;hi表示在时间窗口ΔAT内的第i个到达的飞机;ITNk表示国际停机位中属于k型停机位的数量;TNk表示在国内停机位中属于k型机位的数量;INT(yi)表示停靠方案yi是否可以停靠在国际机位,INT(yi)=1则方案yi可以停靠在国际机位上INT(yi)=0则只能停靠在国内停机位上;Λ(τ)表示τ型飞机的可停靠停机位类型。
以靠桥人数百分比最大为优化目标,以方案组合结果不能超过近机位的数量、同一时间一个停机位仅能停一架飞机、一个飞机仅能停在一个机位、满足大小匹配约束和服务国别匹配约束为约束条件的模型。近机位分配模型为:
其中,ri表示是否将方案yi停靠在近机位,ri=1表示yi被选择,ri=0表示yi未被选择;pij表示方案yi中第j架飞机的乘客数量;n表示可停靠方案的总数量;ξ表示近机位的数量;hi表示在时间窗口ΔAT内的第i个到达的飞机;ITNk表示国际停机位中属于k型停机位的数量;TNk表示在国内停机位中属于k型机位的数量;INT(yi)表示停靠方案yi是否可以停靠在国际机位,INT(yi)=1则方案yi可以停靠在国际机位上INT(yi)=0则只能停靠在国内停机位上;Λ(τ)表示τ型飞机的可停靠停机位类型。
满足大小匹配约束为飞机可以停靠在比它大的机位上,但是不能停靠在比它小的机位上;所述服务国别匹配约束为执行国际飞行任务的航班只能停靠在属性为国际的停机位,但是执行国内飞行任务的飞机在国际停机位空闲时也能停放。
通过求解上述近机位分配模型中的变量ri可以得出最终可以停靠在近机位上的方案组合集,也就是近机位的停靠方案。
S3采用分支定价方法对所述近机位分配模型求解,包括:以所述的近机位分配模型作为主问题,构建列生成的子问题,采用预先指定子问题构建变量类型的方法将构建的子问题线性化,在求解主问题的过程中循环地调用列生成子问题产生的模型变量列,将产生的模型变量列加入到主问题的求解过程中进行循环地求解直到主问题达到最优目标停止循环。
由于上述近机位分配模型的变量数目巨大,并且属于0-1整数规划问题,本实施例通过分支定价方法求解,通过循环的求解近机位分配模型作为主问题和构建的列生成子问题解出模型中的变量r,通过对分支定价算法中的列生成子问题构建模型进行优化以提高求速度。
图3为通过构建的近机位分配模型的主问题,得到分支定价算法的列生成子问题的变量列示意图,参照图3,第①位置的数对应近机位数量的限制,变量的位置②对应国际F型机位数量的约束,如果该停靠方案为国际F型机型,则该位置对应的数字为1,考虑到向下机型与机位之间的关系为向下兼容,则③④⑤⑥⑦⑧⑨⑩取0,如果该停靠方案为国际E型停靠方案,则既可以停国际F型又可以停国际E型停机位,则②③处取1,④⑤⑥⑦⑧⑨⑩处取0,以此类推可以得到其他变量的取值规则,统筹考虑图3中约束规则,很难构建一个线性化的子问题。
本实施例采用预先指定子问题构建变量类型的方法将所述的子问题线性化,具体包括:
S31设置列生成子问题全局最优值BL为无穷小并且对应的全局最优解BX为空值;
S32循环体:令生成列的国际国内属性ψ分别取1和0,大小属性τ分别取A,B,C,D,E,F,为列生成子问题表达、建模和程序实现,对S33中l的取值与ψ和τ的关系建立映射关系表,对应关系如下表1所示;
表1
S33令列生成子问题的决策变量为X=(x1,x2,x3......xn+9),根据S32中ψ与τ的取值,预先设置列生成子问题求解结果X的向量分量x2x3,x4,x5,x6,x7,x8,x9,x10,x11,x12,x13值,这些值对应目标机场近机位中采用如表1所示的分类依据划分出的各个种类的数量,这些变量产生于主问题约束(8)的相关参数,当x对应的下标属于集合l={Φ(Ψ,τ)|∪-V(τ)}时取1,否则取0;
S34根据主问题的影子价格π,得到主问题的检验系数,即列生成子问题的求解目标L,将S33中x2~x13的取值带入列生成子问题的优化目标并经过化简得到目标如下式(9)所示,考虑列生成子问题产生列的实际意义,不能出现冲突的飞机同时被选,以及新的组合方案大小和类型不能超出S32中的假设,因此可以得到如下所示的列生成子问题,该问题为0-1整数规划问题,通过cplex等软件可以快速的给出(9)的最优解,进而得到了本次循环的局部最优解,将该步的局部最优解转入S35更新全局最优解:
xi+xj≤1 14≤i,j≤n+13,θ(hj-13,hi-13)=1
其中:π是分支定价算法在求解MD1过程中产生的影子价格;θ(hi,hj)=1表示hi与hj进出时间上存在冲突;Tj-13表示飞机hj-13的大小类型;V(τ)表示比机型τ大的停机位;表示飞机hj-13将执行国际飞行任务,否则等于0;
S35最优解更新判断:如果L≥BL,则BL=L,且BX=X;否则回到S32选取下一组ψ与τ的组合;
S36当S32中的循环体执行完毕,输出BX,BX即为列生成子问题的全局最优解,即可以添加到主问题的新的生成列。
需要说明的是,本实施例采取国际民航组织规定的机位机型划分方法将机位机型划分为A,B,C,D,F,F共6种类型,即上述约束中的τ分别取A,B,C,D,E,F。
通过不断的循环调用S3产生新的变量列加入到主问题中,当S3的优化目标BL为负时,表明通过增加新的变量列无法使主问题的目标值更优,退出列生成循环,并进行分支定价法的其他步骤产生整数解,在满足分支定价法的结束条件时退出循环。
S4循环求解结束后得到最终的近机位的停靠方案集,即机场停机位的分配结果。
本实例采用BS(Browser/Server)的模式,通过如图4所示的方式以json格式传递数据,具体数据包括航班时刻表,机场机位基本信息表,以及算法分配过程中的安全时间参数设置,数据内容如下:
表2航班时刻信息数据内容
字段 | 中文解释 | 存储数据类型 |
Flt_Nbr | 航班号 | char(10) |
Estmt_Arrv_Dt | 预计进港时间 | DATE |
Estmt_Dpt_Dt | 预计离港时间 | DATE |
IO | 进港离港属性 | TINYINT(1) |
Flt_Attr | 国内国际属性 | TINYINT(1) |
Air_Crft_Typ_Cd | 机型 | char(10) |
book | 订票人数 | INT |
表3机位基本信息表
表4安全时间参数表
图5为数据处理过程示意图,如图5所示,首先根据表2的航班时刻表根据预计到达时间进行排序,然后在考虑表4同一停机位进出时间最小间隔(本实施例中Time_Gate=20min,Time_Nebor=5min)的前提下将能够放组合形成一个停靠方案集,然后结合表3中提供的机场停机位的属性信息和数量信息构建靠桥率最大或靠桥人数百分比最大化模型,然后利用分支定价算法进行求解,在分支定价算法构建的过程中用本发明中所提到的方法进行设计和求解,挑选出使目标值最大的方案。
这里以昆明长水国际机场2019年11月21号凌晨0点以后到达的50架,80架,100架,120架,150架,180架,200架,250架(时间跨度大概10个小时)的飞机进行停机位分配操作。本文所提算法通过python编写,运行在运行内存为8G,处理器为Intel(R)Xeon(R)Platinum8163CPU@2.5GHz的windows 2012R Datacenter服务器上,这里以求ObjB为求解目标和ObjP为求解目标的求解耗时情况如下表5所示:
表5求解耗时情况
通过上表5可以看出求解时间相较于求解时间窗完全在可以接受的范围内。同时相较于目前计算机辅助人工的方式,求解目标对比结果如下表6所示:
表6分配效果对比
本发明求解结果相较于目前生产过程中的方法在求解效果上有较大的提升,将有效的节省机场空间资源,提高利用率,同时为人工的分配决策提供参考依据。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (9)
1.一种机场停机位的分配方法,其特征在于,包括:
以飞机可停靠方案为机位分配的基本单元,建立飞机可停靠的方案集合;
根据所述的飞机可停靠的方案集合建立近机位分配模型;
采用分支定价方法对所述近机位分配模型求解,包括:以所述的近机位分配模型作为主问题,构建列生成的子问题,采用预先指定子问题构建变量类型的方法将构建的子问题线性化,在求解主问题的过程中循环地调用列生成子问题产生的模型变量列,将产生的模型变量列加入到主问题的求解过程中进行循环地求解直到主问题达到最优目标停止循环;
循环求解结束后得到最终的近机位的停靠方案集,即机场停机位的分配结果。
2.根据权利要求1所述的机场停机位的分配方法,其特征在于,所述的以飞机可停靠方案为机位分配的基本单元,建立飞机可停靠的方案集合,包括:根据航班时刻表,按飞机到达时间排序,根据到达和离开时间上没有冲突的飞机建立飞机可停靠的方案集合。
3.根据权利要求1所述的机场停机位的分配方法,其特征在于,所述的近机位分配模型包括:以停机位靠桥率最大为优化目标,以方案组合结果不能超过近机位的数量、同一时间一个停机位仅能停一架飞机、一个飞机仅能停在一个机位、满足大小匹配约束和服务国别匹配约束为约束条件的模型。
4.根据权利要求1所述的机场停机位的分配方法,其特征在于,所述的近机位分配模型包括:以靠桥人数百分比最大为优化目标,以方案组合结果不能超过近机位的数量、同一时间一个停机位仅能停一架飞机、一个飞机仅能停在一个机位、满足大小匹配约束和服务国别匹配约束为约束条件的模型。
5.根据权利要求3或4所述的机场停机位的分配方法,其特征在于,所述的满足大小匹配约束为飞机可以停靠在比它大的机位上,但是不能停靠在比它小的机位上;所述服务国别匹配约束为执行国际飞行任务的航班只能停靠在属性为国际的停机位,但是执行国内飞行任务的飞机在国际停机位空闲时也能停放。
8.根据权利要求1所述的机场停机位的分配方法,其特征在于,所述的采用预先指定子问题构建变量类型的方法将所述的子问题线性化,具体包括:
S81设置列生成子问题全局最优值BL为无穷小并且对应的全局最优解BX为空值;
S82循环体:令生成列的国际国内属性ψ分别取1和0,大小属性τ分别取τ1,τ2,τ3……τm共m种属性,为列生成子问题表达、建模和程序实现,对S83中l的取值与ψ和τ的关系建立映射关系表,对应关系如下表1所示;
表1
S83令列生成子问题的决策变量为X=(x1,x2,x3......xn+2m+1),根据S82中ψ与τ的取值,预先设置列生成子问题求解结果X的向量分量x2 x3,x4,……x2m+1值,当x对应的下标属于集合l={Φ(Ψ,τ)|∪-V(τ)}时取1,否则取0;
S84根据主问题的影子价格π,得到主问题的检验系数,即列生成子问题的求解目标L,将S83中x2~x2m+1的取值带入列生成子问题的优化目标并经过化简得到目标如下式(9)所示,得到如下所示的列生成子问题,该问题为0-1整数规划问题,进而得到了本次循环的局部最优解,将所述的的局部最优解转入S85更新全局最优解:
xi+xj≤1 2m+2≤i,j≤n+2m+1,θ(hj-2m-1,hi-2m-1)=1
其中:π是分支定价算法在求解MD1过程中产生的影子价格;θ(hi,hj)=1表示hi与hj进出时间上存在冲突;Tj-2m-1表示飞机hj-2m-1的大小类型;V(τ)表示比机型τ大的停机位;表示飞机hj-2m-1将执行国际飞行任务,否则等于0;
S85最优解更新判断:如果L≥BL,则BL=L,且BX=X,回到S82选取下一组ψ与τ的组合;
S86程序退出:当S82中的循环体执行完毕,输出BX,BX即为列生成子问题的全局最优解,即可以添加到主问题的新的生成列。
9.根据权利要求8所述的机场停机位的分配方法,其特征在于,所述的m为6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010795914.7A CN112053033B (zh) | 2020-08-10 | 2020-08-10 | 一种机场停机位的分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010795914.7A CN112053033B (zh) | 2020-08-10 | 2020-08-10 | 一种机场停机位的分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112053033A true CN112053033A (zh) | 2020-12-08 |
CN112053033B CN112053033B (zh) | 2023-08-25 |
Family
ID=73601645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010795914.7A Active CN112053033B (zh) | 2020-08-10 | 2020-08-10 | 一种机场停机位的分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112053033B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114493210A (zh) * | 2022-01-17 | 2022-05-13 | 空地互联网络科技股份有限公司 | 一种基于大数据的航空管理平台数据处理方法及装置 |
CN116029534A (zh) * | 2023-03-24 | 2023-04-28 | 民航成都信息技术有限公司 | 一种机场停机位的分配方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106981221A (zh) * | 2017-03-24 | 2017-07-25 | 北京航空航天大学 | 基于时空间维度分解的机场停机位分配方法及系统 |
US20190057613A1 (en) * | 2017-08-15 | 2019-02-21 | Honeywell International Inc. | Aircraft stand management |
CN109871990A (zh) * | 2019-01-30 | 2019-06-11 | 西南交通大学 | 考虑中转旅客最短流程时间的停机位分配方法 |
CN111178004A (zh) * | 2019-12-30 | 2020-05-19 | 北京富通东方科技有限公司 | 一种面向机场停机位资源分配的规则数字化表示方法 |
-
2020
- 2020-08-10 CN CN202010795914.7A patent/CN112053033B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106981221A (zh) * | 2017-03-24 | 2017-07-25 | 北京航空航天大学 | 基于时空间维度分解的机场停机位分配方法及系统 |
US20190057613A1 (en) * | 2017-08-15 | 2019-02-21 | Honeywell International Inc. | Aircraft stand management |
CN109871990A (zh) * | 2019-01-30 | 2019-06-11 | 西南交通大学 | 考虑中转旅客最短流程时间的停机位分配方法 |
CN111178004A (zh) * | 2019-12-30 | 2020-05-19 | 北京富通东方科技有限公司 | 一种面向机场停机位资源分配的规则数字化表示方法 |
Non-Patent Citations (9)
Title |
---|
RONGFANG HU 等: "Parking space allocation based on multi-objective intelligent optimization algorithm", 《2020 IEEE 4TH INFORMATION TECHNOLOGY, NETWORKING, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (ITNEC)》 * |
丁聪 等: "基于航班延误的机位冲突概率计算方法", 《交通运输研究》, vol. 4, no. 4 * |
卫东选;刘长有;李雄;: "推出冲突避免的机场停机位分配问题", 数学的实践与认识, no. 24 * |
李云鹏;张则强;管超;蒋晋;: "停机位分配问题的整数规划模型及启发式求解方法", 系统工程, no. 01 * |
李倩雯: "机场停机位优化分配模型构建", 《中国优秀硕士学位论文全文数据库》, no. 6 * |
杨越 等: "机场机位分配的一种实用方法", 《中国民航大学学报》, vol. 32, no. 2 * |
沈笑云;于荟文;: "基于分层序列法的多目标停机位分配", 中国民航大学学报, no. 02 * |
袁媛;翟好鑫;吴宏元;闫萍;: "民用机场停机位分配问题研究综述", 沈阳航空航天大学学报, no. 06 * |
陈丰华;: "民用机场停机位分配管理能力建设与评价研究", 民航学报, no. 04 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114493210A (zh) * | 2022-01-17 | 2022-05-13 | 空地互联网络科技股份有限公司 | 一种基于大数据的航空管理平台数据处理方法及装置 |
CN116029534A (zh) * | 2023-03-24 | 2023-04-28 | 民航成都信息技术有限公司 | 一种机场停机位的分配方法、装置、电子设备及存储介质 |
CN116029534B (zh) * | 2023-03-24 | 2023-06-02 | 民航成都信息技术有限公司 | 一种机场停机位的分配方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112053033B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Belobaba et al. | The global airline industry | |
Cadarso et al. | Integrated airline scheduling: Considering competition effects and the entry of the high speed rail | |
Su et al. | Airline disruption management: A review of models and solution methods | |
CN112053033A (zh) | 一种机场停机位的分配方法 | |
Cai et al. | A bi-objective constrained robust gate assignment problem: Formulation, instances and algorithm | |
van der Weide et al. | Robust long-term aircraft heavy maintenance check scheduling optimization under uncertainty | |
Lučić et al. | Metaheuristics approach to the aircrew rostering problem | |
CN112633562A (zh) | 一种机场停机位智能调度方法 | |
CN116009571A (zh) | 飞机机群起飞调度方法、装置、设备和存储介质 | |
Alexandre et al. | An innovative approach for integrated airline network and aircraft family optimization | |
Akyurt et al. | A new mathematical model for determining optimal workforce planning of pilots in an airline company | |
Wang et al. | Research on location selection strategy for airlines spare parts central warehouse based on METRIC | |
Chao et al. | Planned gate and runway assignments considering carbon emissions and costs | |
Govindaraju et al. | Profit motivated airline fleet allocation and concurrent aircraft design for multiple airlines | |
Serrano-Hernandez et al. | A Strategic Multistage Tactical Two-Stage Stochastic Optimization Model for the Airline Fleet Management Problem. | |
Bießlich et al. | A hierarchical metamodeling approach for airline costs | |
Liang et al. | Sequence assignment model for the flight conflict resolution problem | |
CN113222497B (zh) | 基于metric的航材共享中心库选址方法 | |
Zhang et al. | Optimising the flight turnaround schedules: An improved sliding time windows approach based on MILP and CP models | |
Jansen | Robust coupled optimization of aircraft family design and fleet allocation for multiple markets | |
Wu | Computer-aided manufacturing systems design: framework and tools | |
Liu et al. | A scheduling model of civil aircraft maintenance stand based on spatiotemporal constraints | |
Li et al. | Study on coloring method of airport flight-gate allocation problem | |
Pandit et al. | Business model of aircraft fleet planning using ANN | |
Hagspihl et al. | Apron layout planning–Optimal positioning of aircraft stands |
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 |