CN112651578A - 一种机场的地面保障能力需求的预测方法和装置 - Google Patents
一种机场的地面保障能力需求的预测方法和装置 Download PDFInfo
- Publication number
- CN112651578A CN112651578A CN202110062633.5A CN202110062633A CN112651578A CN 112651578 A CN112651578 A CN 112651578A CN 202110062633 A CN202110062633 A CN 202110062633A CN 112651578 A CN112651578 A CN 112651578A
- Authority
- CN
- China
- Prior art keywords
- flight
- list
- historical
- prediction
- guarantee
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000010006 flight Effects 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims description 17
- 238000012729 kappa analysis Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 239000002699 waste material Substances 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000007728 cost analysis Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种机场的地面保障能力需求的预测方法和装置,具体为根据计划航班列表,并已经航班列表中航班的航班属性和基础航班保障任务模板,生成每一航班的基本保障任务列表;获取上一周期中航班的历史数据;根据历史数据和基本保障任务列表计算航班所需的保障能力。鉴于最终预测得到的保障能力是基于历史数据,从而使预测结果与实际需求有很高的切合度,从而不仅能够避免保障能力不足,还可以避免资源浪费。
Description
技术领域
本申请涉及航空运输技术领域,更具体地说,涉及一种机场的地面保障能力需求的预测方法和装置。
背景技术
为了使航班能够正常进出机场,并按时正点地将货物或人员送达目的地,机场必须有足够的保障力量满足所有航班所需。由于航班计划、旅客人数、服务协议、保障标准等客观因素的影响,机场经常无法提供足够的保障能力,如果超标准提供保障能力则又会导致资源的浪费,因此需要对地面保证能力需求进行有效的预测,以避免保障能力不足或者资源浪费。
发明内容
有鉴于此,本申请提供一种机场的地面保障能力需求的预测方法和装置,用于,以避免保证能力不足或者资源浪费。
为了实现上述目的,现提出的方案如下:
一种机场的地面保障能力需求的预测方法,所述预测方法包括步骤:
根据计划航班列表,并依据所述计划航班列表中航班的航班属性和基础航班保障任务模板,生成每一所述航班的基本保障任务列表;
获取上一周期中所述航班的历史数据;
根据所述历史数据和所述基本保障任务列表计算所述航班所需的保障能力。
可选的,所述历史数据包括历史靠桥率、历史靠桥任务数、历史客梯车任务数、历史摆渡车任务数和历史货运车任务数中的部分或全部。
可选的,所述保障能力包括客梯车任务、摆渡车任务和货运车任务中的部分或全部。
可选的,所述预测方法还包括步骤:
采用Kappa统计对预测结果进行评估。
可选的,所述预测方法还包括步骤:
采用贝叶斯优化方式对所述预测结果所需的排班和人员派工进优化处理。
一种机场的地面保障能力需求的预测装置,所述预测装置包括:
列表生成模块,被配置为根据计划航班列表,并依据所述计划航班列表中航班的航班属性和基础航班保障任务模板,生成每一所述航班的基本保障任务列表;
数据获取模块,被配置为获取上一周期中所述航班的历史数据;
预测执行模块,被配置为根据所述历史数据和所述基本保障任务列表计算所述航班所需的保障能力。
可选的,所述历史数据包括历史靠桥率、历史靠桥任务数、历史客梯车任务数、历史摆渡车任务数和历史货运车任务数中的部分或全部。
可选的,所述保障能力包括客梯车任务、摆渡车任务和货运车任务中的部分或全部。
可选的,所述预测装置还包括:
结果评估模块,被配置为采用Kappa统计对预测结果进行评估。
可选的,所述预测装置还包括:
优化处理模块,被配置为采用贝叶斯优化方式对所述预测结果所需的排班和人员派工进优化处理
从上述的技术方案可以看出,本申请公开了一种机场的地面保障能力需求的预测方法和装置,具体为根据计划航班列表,并已经航班列表中航班的航班属性和基础航班保障任务模板,生成每一航班的基本保障任务列表;获取上一周期中航班的历史数据;根据历史数据和基本保障任务列表计算航班所需的保障能力。鉴于最终预测得到的保障能力是基于历史数据,从而使预测结果与实际需求有很高的切合度,从而不仅能够避免保障能力不足,还可以避免资源浪费。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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为本申请实施例的一种机场的地面保障能力需求的预测方法的流程图;
图2为本申请实施例的另一种机场的地面保障能力需求的预测方法的流程图;
图3为本申请实施例的又一种机场的地面保障能力需求的预测方法的流程图;
图4为本申请实施例的又一种机场的地面保障能力需求的预测方法的流程图;
图5为本申请实施例的一种机场的地面保障能力需求的预测装置的框图;
图6为本申请实施例的另一种机场的地面保障能力需求的预测装置的框图;
图7为本申请实施例的又一种机场的地面保障能力需求的预测装置的框图;
图8为本申请实施例的又一种机场的地面保障能力需求的预测装置的框图。
具体实施方式
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,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。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。
实施例一
图1为本申请实施例的一种机场的地面保障能力需求的预测方法的流程图。
如图1所示,本实施例提供的预测方法基于历史数据对机场的地名保障能力进行预测,以便于机场方提供充足的保障能力并避免资源的浪费,该预测方法包括如下步骤:
S1、根据计划航班列表生成基本保障任务列表。
计划航班列表来自于用户提取制作的数据,用户可以.根据航班计划、保障标准、合约配置、服务协议生成包括保障任务及保障任务计划时间的基本保障任务列表,其中的实际任务会随着近远机位及旅客数量等因素持续更新。
下表为一种保障标准:
下表为一种合约配置:
代理服务方 | 航空公司 | 保障环节 | 机型 | 航班进出港 |
山航服务方 | 山东航空 | 机务放行 | -- | -- |
山航服务方 | 青岛航空 | 机务放行 | -- | -- |
在接收到用户输入的计划航班列表后,根据将该计划航班列表,并依据其中相应航班的航班属性和基础航班保障任务模板进行处理,生成计划航班列表中每一航班的基本保障任务列表。
S2、获取上一周期中航班的历史数据。
这里上一周期可以是上一星期、上一个月或者历史上的更长或更久的时间周期,时间选择可以根据航班的实际情况确定。这里的历史数据包括历史靠桥率、历史靠桥任务数、历史客梯车任务数、历史摆渡车任务数和历史货运车任务数中的部分或全部。
S3、根据历史数据和基本保障任务列表进行预测。
即在得到相应航班的历史数据后,根据历史数据和基本保障任务列表对相应航班所需的保障能力进行预测。即预测相应航班所需的客梯车任务、摆渡车任务和货运场任务,也可以从中选取一个予以预测。在实际执行时,通过下面的方案进行预测:
根据历史靠桥率分别获取单出、过站航班的靠桥率,进一步根据靠桥率计算靠桥任务数和客梯车任务数。
根据上一周期如一周、一月的旅客数量,并依据历史数据中每个远机位航班使用的摆渡车次数占比,以此预测摆渡车任务。
根据上一周期如一周、一月旅客货物数量,并依据每个远机位航班使用货运车次数占比,以此预测货运车任务。
从上述技术方案可以看出,本实施例提供了一种机场的地面保障能力需求的预测方法,具体为根据计划航班列表,并已经航班列表中航班的航班属性和基础航班保障任务模板,生成每一航班的基本保障任务列表;获取上一周期中航班的历史数据;根据历史数据和基本保障任务列表计算航班所需的保障能力。鉴于最终预测得到的保障能力是基于历史数据,从而使预测结果与实际需求有很高的切合度,从而不仅能够避免保障能力不足,还可以避免资源浪费。
另外,如图2所示,本实施例的一个具体实施方式还包括如下步骤:
S4、采用Kappa统计对预测结果进行评估。
Kappa系数用于一致性检验,也可以用于衡量分类精度,kappa系数的计算是基于混淆矩阵的。
根据真实值数据和预测值数据可绘制如下混淆矩阵:
Kappa系数公式如下:
Po是每一类正确分类的样本数量之和除以总样本数,就是总体分类精度,也被称为一致性单元的比例。通过下式计算:
Pe被称为偶然性一致或期望的偶然一致的单元的比例。
Kappa系数分析:
Kappa取值在[-1,+1]之间,其值的大小均有不同意义。
Kappa=+1,说明两次判断的结果完全一致;
Kappa=-1,说明两次判断的结果完全不一致;
Kappa=0,说明两次判断的结果是机遇造成;
Kappa<0,说明一致程度比机遇造成的还差,两次检查结果很补一致,在实际应用中无意义。
Kappa>0,此时说明有意义,值越大,说明一致性越好。
Kappa≥0.75,说明已经取得相当满意的一致程度。
Kappa<0.4,说明一致程度不够。
例:(根据上面的混淆矩阵计算Kappa系数)
其中:
因此:
因为k=0.82,所以预测效果已经很好了。
另外,如图3所示,在本实施例的另一具体实施方式中,还可以包括如下步骤:个
S5、对预测结果所需的排班和人员派工进优化处理。
采用贝叶斯优化的方式对多种常用班制及人员派工方法综合模拟运行,并对对数据进行多轮交叉验证调参,选择一组能够使R平方最大的参数,作为算法的超参数。并基于该超参数进行人工成本分析,选择最优结果,从而实现较优的人力资源配置。
本实施例中的步骤S4和步骤S5可以均采用,两者并不冲突,具体如图4所示。
实施例二
图5为本申请实施例的一种机场的地面保障能力需求的预测装置的框图。
如图5所示,本实施例提供的预测装置基于历史数据对机场的地名保障能力进行预测,以便于机场方提供充足的保障能力并避免资源的浪费,该预测装置包括列表生成模块10、数据获取模块20和预测执行模块30。
列表生成模块用于根据计划航班列表生成基本保障任务列表。
计划航班列表来自于用户提取制作的数据,用户可以.根据航班计划、保障标准、合约配置、服务协议生成包括保障任务及保障任务计划时间的基本保障任务列表,其中的实际任务会随着近远机位及旅客数量等因素持续更新。
下表为一种保障标准:
下表为一种合约配置:
代理服务方 | 航空公司 | 保障环节 | 机型 | 航班进出港 |
山航服务方 | 山东航空 | 机务放行 | -- | -- |
山航服务方 | 青岛航空 | 机务放行 | -- | -- |
在接收到用户输入的计划航班列表后,根据将该计划航班列表,并依据其中相应航班的航班属性和基础航班保障任务模板进行处理,生成计划航班列表中每一航班的基本保障任务列表。
数据获取模块用于获取上一周期中航班的历史数据。
这里上一周期可以是上一星期、上一个月或者历史上的更长或更久的时间周期,时间选择可以根据航班的实际情况确定。这里的历史数据包括历史靠桥率、历史靠桥任务数、历史客梯车任务数、历史摆渡车任务数和历史货运车任务数中的部分或全部。
预测执行模块用于根据历史数据和基本保障任务列表进行预测。
即在得到相应航班的历史数据后,根据历史数据和基本保障任务列表对相应航班所需的保障能力进行预测。即预测相应航班所需的客梯车任务、摆渡车任务和货运场任务,也可以从中选取一个予以预测。在实际执行时,通过下面的方案进行预测:
根据历史靠桥率分别获取单出、过站航班的靠桥率,进一步根据靠桥率计算靠桥任务数和客梯车任务数。
根据上一周期如一周、一月的旅客数量,并依据历史数据中每个远机位航班使用的摆渡车次数占比,以此预测摆渡车任务。
根据上一周期如一周、一月旅客货物数量,并依据每个远机位航班使用货运车次数占比,以此预测货运车任务。
从上述技术方案可以看出,本实施例提供了一种机场的地面保障能力需求的预测装置,具体用于根据计划航班列表,并已经航班列表中航班的航班属性和基础航班保障任务模板,生成每一航班的基本保障任务列表;获取上一周期中航班的历史数据;根据历史数据和基本保障任务列表计算航班所需的保障能力。鉴于最终预测得到的保障能力是基于历史数据,从而使预测结果与实际需求有很高的切合度,从而不仅能够避免保障能力不足,还可以避免资源浪费。
另外,如图6所示,本实施例的一个具体实施方式还包括结果评估模块40。
结果评估模块用于采用Kappa统计对预测结果进行评估。
Kappa系数用于一致性检验,也可以用于衡量分类精度,kappa系数的计算是基于混淆矩阵的。
根据真实值数据和预测值数据可绘制如下混淆矩阵:
Kappa系数公式如下:
Po是每一类正确分类的样本数量之和除以总样本数,就是总体分类精度,也被称为一致性单元的比例。通过下式计算:
Pe被称为偶然性一致或期望的偶然一致的单元的比例。
Kappa系数分析:
Kappa取值在[-1,+1]之间,其值的大小均有不同意义。
Kappa=+1,说明两次判断的结果完全一致;
Kappa=-1,说明两次判断的结果完全不一致;
Kappa=0,说明两次判断的结果是机遇造成;
Kappa<0,说明一致程度比机遇造成的还差,两次检查结果很补一致,在实际应用中无意义。
Kappa>0,此时说明有意义,值越大,说明一致性越好。
Kappa≥0.75,说明已经取得相当满意的一致程度。
Kappa<0.4,说明一致程度不够。
例:(根据上面的混淆矩阵计算Kappa系数)
其中:
因此:
因为k=0.82,所以预测效果已经很好了。
另外,如图7所示,在本实施例的另一个具体实施方式中,还可以包括优化处理模块50。
优化处理模块用于对预测结果所需的排班和人员派工进优化处理。
采用贝叶斯优化的方式对多种常用班制及人员派工方法综合模拟运行,并对对数据进行多轮交叉验证调参,选择一组能够使R平方最大的参数,作为算法的超参数。并基于该超参数进行人工成本分析,选择最优结果,从而实现较优的人力资源配置。
本实施例中的结果评估模块和优化处理模块可以均采用,两者并不冲突,具体如图8所示。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例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,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端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终端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终端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终端设备上,使得在计算机或其他可编程终端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终端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实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做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实施例范围的所有变更和修改。
最后,还需要说明的是,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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的技术方案进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种机场的地面保障能力需求的预测方法,其特征在于,所述预测方法包括步骤:
根据计划航班列表,并依据所述计划航班列表中航班的航班属性和基础航班保障任务模板,生成每一所述航班的基本保障任务列表;
获取上一周期中所述航班的历史数据;
根据所述历史数据和所述基本保障任务列表计算所述航班所需的保障能力。
2.如权利要求1所述的预测方法,其特征在于,所述历史数据包括历史靠桥率、历史靠桥任务数、历史客梯车任务数、历史摆渡车任务数和历史货运车任务数中的部分或全部。
3.如权利要求1所述的预测方法,其特征在于,所述保障能力包括客梯车任务、摆渡车任务和货运车任务中的部分或全部。
4.如权利要求1~3任一项所述的预测方法,其特征在于,所述预测方法还包括步骤:
采用Kappa统计对预测结果进行评估。
5.如权利要求1~3任一项所述的预测方法,其特征在于,所述预测方法还包括步骤:
采用贝叶斯优化方式对所述预测结果所需的排班和人员派工进优化处理。
6.一种机场的地面保障能力需求的预测装置,其特征在于,所述预测装置包括:
列表生成模块,被配置为根据计划航班列表,并依据所述计划航班列表中航班的航班属性和基础航班保障任务模板,生成每一所述航班的基本保障任务列表;
数据获取模块,被配置为获取上一周期中所述航班的历史数据;
预测执行模块,被配置为根据所述历史数据和所述基本保障任务列表计算所述航班所需的保障能力。
7.如权利要求6所述的预测装置,其特征在于,所述历史数据包括历史靠桥率、历史靠桥任务数、历史客梯车任务数、历史摆渡车任务数和历史货运车任务数中的部分或全部。
8.如权利要求6所述的预测装置,其特征在于,所述保障能力包括客梯车任务、摆渡车任务和货运车任务中的部分或全部。
9.如权利要求6~8任一项所述的预测装置,其特征在于,所述预测装置还包括:
结果评估模块,被配置为采用Kappa统计对预测结果进行评估。
10.如权利要求6~8任一项所述的预测装置,其特征在于,所述预测装置还包括:
优化处理模块,被配置为采用贝叶斯优化方式对所述预测结果所需的排班和人员派工进优化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110062633.5A CN112651578A (zh) | 2021-01-18 | 2021-01-18 | 一种机场的地面保障能力需求的预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110062633.5A CN112651578A (zh) | 2021-01-18 | 2021-01-18 | 一种机场的地面保障能力需求的预测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112651578A true CN112651578A (zh) | 2021-04-13 |
Family
ID=75368272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110062633.5A Pending CN112651578A (zh) | 2021-01-18 | 2021-01-18 | 一种机场的地面保障能力需求的预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651578A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255970A (zh) * | 2021-05-07 | 2021-08-13 | 哈尔滨工业大学 | 航班延误下的机场地服保障设备需求预测方法及系统 |
CN113706044A (zh) * | 2021-09-02 | 2021-11-26 | 广东工业大学 | 一种机场地面服务人员作业调度方法、系统、计算机设备和存储介质 |
CN114360299A (zh) * | 2022-01-11 | 2022-04-15 | 青岛民航凯亚系统集成有限公司 | 一种机场航空器拖行自动规划方法 |
CN117745085A (zh) * | 2024-02-21 | 2024-03-22 | 中国民用航空总局第二研究所 | 航班保障服务的调整方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090288091A1 (en) * | 2008-05-15 | 2009-11-19 | Nikolaos Papadakos | Method and System Integrating Task Assignment and Resources Scheduling |
CN106022629A (zh) * | 2016-05-27 | 2016-10-12 | 内蒙古自治区民航机场集团有限责任公司 | 一种保障任务自动生成系统及方法 |
CN109389865A (zh) * | 2017-08-12 | 2019-02-26 | 温州云航信息科技有限公司 | 联动航班时刻调换系统航班保障资源调度管理系统及方法 |
CN110942254A (zh) * | 2019-11-29 | 2020-03-31 | 杭州派迩信息技术有限公司 | 一种登机口服务人员排班规划和派遣系统 |
CN111950910A (zh) * | 2020-08-13 | 2020-11-17 | 青岛民航凯亚系统集成有限公司 | 基于dbscan-ga的机场保障车辆任务调度方法 |
-
2021
- 2021-01-18 CN CN202110062633.5A patent/CN112651578A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090288091A1 (en) * | 2008-05-15 | 2009-11-19 | Nikolaos Papadakos | Method and System Integrating Task Assignment and Resources Scheduling |
CN106022629A (zh) * | 2016-05-27 | 2016-10-12 | 内蒙古自治区民航机场集团有限责任公司 | 一种保障任务自动生成系统及方法 |
CN109389865A (zh) * | 2017-08-12 | 2019-02-26 | 温州云航信息科技有限公司 | 联动航班时刻调换系统航班保障资源调度管理系统及方法 |
CN110942254A (zh) * | 2019-11-29 | 2020-03-31 | 杭州派迩信息技术有限公司 | 一种登机口服务人员排班规划和派遣系统 |
CN111950910A (zh) * | 2020-08-13 | 2020-11-17 | 青岛民航凯亚系统集成有限公司 | 基于dbscan-ga的机场保障车辆任务调度方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255970A (zh) * | 2021-05-07 | 2021-08-13 | 哈尔滨工业大学 | 航班延误下的机场地服保障设备需求预测方法及系统 |
CN113706044A (zh) * | 2021-09-02 | 2021-11-26 | 广东工业大学 | 一种机场地面服务人员作业调度方法、系统、计算机设备和存储介质 |
CN114360299A (zh) * | 2022-01-11 | 2022-04-15 | 青岛民航凯亚系统集成有限公司 | 一种机场航空器拖行自动规划方法 |
CN117745085A (zh) * | 2024-02-21 | 2024-03-22 | 中国民用航空总局第二研究所 | 航班保障服务的调整方法、装置、电子设备及存储介质 |
CN117745085B (zh) * | 2024-02-21 | 2024-05-31 | 中国民用航空总局第二研究所 | 航班保障服务的调整方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112651578A (zh) | 一种机场的地面保障能力需求的预测方法和装置 | |
Ghelichi et al. | Logistics for a fleet of drones for medical item delivery: A case study for Louisville, KY | |
US6961682B2 (en) | Yard performance model based on task flow modeling | |
Wan et al. | Dynamic queuing network model for flow contingency management | |
Chun et al. | Intelligent resource simulation for an airport check-in counter allocation system | |
Bischoff et al. | Proactive empty vehicle rebalancing for Demand Responsive Transport services | |
Kölker et al. | From passenger growth to aircraft movements | |
EP2993627A1 (en) | Flight schedule optimization | |
CN114282823A (zh) | 车辆调度方法及装置、存储介质及电子设备 | |
US20160071044A1 (en) | Flight schedule optimization | |
Anwar et al. | Busviz: Big data for bus fleets | |
CN112184092A (zh) | 物流节点确定方法、装置、服务器及存储介质 | |
Barth et al. | Baggage carousel assignment at airports: Model and case study | |
Othman et al. | Simulating congestion dynamics of train rapid transit using smart card data | |
EP3660814A1 (en) | Flight time exchange system and exchange method | |
Rodič et al. | Airport ground crew scheduling using heuristics and simulation | |
CN112651673A (zh) | 一种资源规划方法及相关设备 | |
Bowers et al. | Developing a resource allocation model for the Scottish patient transport service | |
Moolchandani et al. | A Data Analysis Approach for Simulations of Urban Air Mobility Operations | |
JP2017154536A (ja) | 乗務員運用管理システムおよび乗務員運用管理方法 | |
Barth et al. | Optimization of transfer baggage handling in a major transit airport | |
Kalle et al. | Simulation-driven optimization of urban bus transport | |
Onat et al. | Evaluating eVTOL Network Performance and Fleet Dynamics through Simulation-Based Analysis | |
Mota et al. | Model-based methodology for identifying capacity limitations in Airports: Mexico City Airport Case | |
Xie et al. | Simulation based estimation approach for departure passenger flow at airport terminal |
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 |