CN112651673A - 一种资源规划方法及相关设备 - Google Patents
一种资源规划方法及相关设备 Download PDFInfo
- Publication number
- CN112651673A CN112651673A CN202110064337.9A CN202110064337A CN112651673A CN 112651673 A CN112651673 A CN 112651673A CN 202110064337 A CN202110064337 A CN 202110064337A CN 112651673 A CN112651673 A CN 112651673A
- Authority
- CN
- China
- Prior art keywords
- service
- workload
- planning
- resources
- flight
- 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 31
- 238000012549 training Methods 0.000 claims abstract description 55
- 238000004364 calculation method Methods 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 230000002068 genetic effect Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 10
- 230000010006 flight Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 239000004746 geotextile Substances 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/06313—Resource planning in a project environment
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种资源规划方法及相关设备,可以提高服务资源的利用效率,同时提高对服务资源进行规划的精准度,进而提升员工的工时利用率。该方法包括:获取预设时长内的N个航班计划,N为大于或等于1的正整数;确定N个航班计划对应的第一地服任务;确定第一地服任务的服务标准;根据工作量计算模型以及服务标准预测第一地服任务的目标工作量,工作量计算模型为通过遗传算法或整数规划求解算法对训练样本进行训练得到的,训练样本包括历史航班对应的第二地服任务、第二地服任务的服务标准以及第二地服任务对应的工作量;根据目标工作量对预设时长内的服务资源进行规划,得到资源规划结果,第一地服任务与服务资源以及所述服务标准相关联。
Description
技术领域
本申请涉及航空领域,尤其涉及一种资源规划方法及相关设备。
背景技术
随着大型航司航空业务的快速发展,航班数量不断增长,传统地面保障指挥调度模式的不足逐渐显现出来。在现有模式下,保障任务的指挥调度以及人员安排更多地依靠经验完成,缺乏科学的资源规划预测和智能决策支持,人员物资得不到充分有效的利用;职能化的管理使保障流程各工作信息传递层级多,反馈时间长,信息失真,严重制约地面保障业务的有效开展及快速响应。
近年来航空地面服务领域纷纷搭建了或由航空公司主导或由机场服务和保障主导的资源管理体系。
目前大部分一线生产单位针对航空公司的地服仍主要以手工模式进行资源规划与分配,这样就造成了数据的准确性与及时性无法保证,且效率低下,容易造成大量的人力浪费,难以对服务资源的利用效率进行准确评估和可持续性规划预测。
发明内容
本申请提供了一种资源规划方法及相关设备,可以提高服务资源的利用效率,同时提高对服务资源进行规划的精准度,进而提升员工的工时利用率。
本申请实施例第一方面提供了一种资源规划方法,包括:
获取预设时长内的N个航班计划,其中,N为大于或等于1的正整数;
确定所述N个航班计划对应的第一地服任务;
确定所述第一地服任务的服务标准;
根据工作量计算模型以及所述服务标准预测所述第一地服任务的目标工作量,所述工作量计算模型为通过遗传算法或整数规划求解算法对训练样本进行训练得到的,所述训练样本包括历史航班对应的第二地服任务、所述第二地服任务的服务标准以及所述第二地服任务对应的工作量;
根据所述目标工作量对所述预设时长内的服务资源进行规划,得到资源规划结果,其中,所述第一地服任务与所述服务资源以及所述服务标准相关联。
本申请实施例第二方面提供了一种资源规划装置,包括:
获取单元,用于获取预设时长内的N个航班计划,其中,N为大于或等于1的正整数;
确定单元,用于确定所述N个航班计划对应的第一地服任务;
所述确定单元,还用于确定所述第一地服任务的服务标准;
预测单元,用于根据工作量计算模型以及所述服务标准预测所述第一地服任务的目标工作量,所述工作量计算模型为通过遗传算法或整数规划求解算法对训练样本进行训练得到的,所述训练样本包括历史航班对应的第二地服任务、所述第二地服任务的服务标准以及所述第二地服任务对应的工作量;
规划单元,用于根据所述目标工作量对所述预设时长内的服务资源进行规划,得到资源规划结果,其中,所述第一地服任务与所述服务资源以及所述服务标准相关联。
本申请第三方面提供了一种计算机装置,其包括至少一个连接的处理器和存储器,其中,所述存储器用于存储程序代码,所述程序代码由所述处理器加载并执行以实现上述第一方面所述的资源规划方法的步骤。
本申请第四方面提供了一种机器可读介质,其包括指令,当其在机器上运行时,使得机器执行上述第一方面所述的资源规划方法的步骤。
综上所述,可以看出,本申请实施例中,通过配置地服任务的服务标准,以预设时长内的航班计划为基准,根据工作量计算模型准确评估工作量,并根据该工作量对服务资源进行规划,得到规划结果,相对于现有的通过人工进行资源规划,可以提高服务资源的利用效率,同时提高对服务资源进行规划的精准度,进而提升员工的工时利用率。
附图说明
结合附图并参考以下具体实施方式,本申请各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本申请实施例提供的资源规划方法的一个流程示意图;
图2为本申请实施例提供的资源规划装置的结构示意图;
图3为本申请实施例提供的机器可读介质的结构示意图;
图4为本申请实施例提供的服务器的硬件结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例,然而应当理解的是,本申请可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是,本申请的附图及实施例仅用于示例性作用,并非用于限制本申请的保护范围。
本申请中使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本申请中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
下面从资源规划装置的角度本申请提供的资源规划方法进行说明,该资源规划装置可以为服务器,也可以为服务器中的服务单元,具体不做限定。
请参阅图1,图1为本申请实施例提供的资源规划方法的流程示意图,包括:
101、获取预设时长内的N个航班计划。
本实施例中,资源规划装置可以获取预设时长内的N个航班计划,其中,N为大于或等于1的正整数,也就是说,此处资源规划装置可以获取未来一段时间内的N个航班计划,该航班计划可以包括中长期定期航班计划,也可以包括临时增加的航班计划,具体不限定。
需要说明的是,该预设时长为当前时刻之后的一段时长,也即未来的一段时长,例如未来一周,未来15天,该预设时长也可以为当前时刻之后的一个特定时间段,如当前时刻为11月15日,该预设时长可以为11月20日至11月15日,当然也还可以根据实际情况进行设置,具体不做限定。
102、确定N个航班计划对应的第一地服任务。
本实施例中,资源规划装置在获取到未来一段时间内的N个航班计划之后,可以确定该N个航班计划对应的第一地服任务,此处N个航班计划中的每个航班计划均需要确定与之对应的地服任务。也就是说,资源规划装置可以确定与N个航班计划中每个航班计划对应的地服任务,该地服任务可以为包括面向乘客的服务型任务(如安检任务以及值机任务等),也可以为面向飞机的场坪型任务(如清洁任务和维修任务等),不同的地服任务对应不同的服务资源。此处具体不限定第一地服任务的具体内容,可以包括服务型任务以及场坪型任务中的一种,也可以是多种,也可是服务型任务以及场坪型任务中的所有服务,具体可以根据实际情况进行确定。
103、确定第一地服任务的服务标准。
本实施例中,资源规划装置可以确定第一地服任务的服务标准,此处的服务标准与地服任务相对应(可以理解的是,该服务标准可以为航班保障运行标准,也可以为行业规范要求,当然也还可以为其他的标准,只要能与地服任务相对应即可,也即地服任务是什么,该服务标准即为该地服任务对应的服务标准),此处以目标航班为例对地服任务以及地服任务对应的服务标准为例进行说明,该目标航班为N个航班计划中的任意一个航班,如该目标航班对应的地服任务为登机口服务(当然也还可以为其他的地服任务,此处以登机口服务为例进行说明,并不代表对地服任务的限定),那么服务标准可以为该目标航班需要多少个登机口,每个登机口需要配备多少的服务人员,每个服务人员需要具备什么样的技能等等。
104、根据工作量计算模型以及服务标准预测第一地服任务的目标工作量。
本实施例中,资源规划装置可以预先训练好一个工作量计算模型,该工作量计算模型为计算航班对应的地服任务需要多少工作量的计算模型,由此,资源规划装置可以根据该工作量计算模型以及服务标准预测第一地服任务的工作量,其中,该工作量计算模型为通过遗传算法或整数规划求解算法对训练样本进行训练得到的,该训练样本包括包括历史航班对应的运行数据、历史航班对应的第二地服任务、第二地服任务对应的服务标准以及第二地服任务对应的工作量。可以理解的是,该训练样本中还可以包括该历史航班的运行数据,该运行数据为过去一段时间(例如过去一个月或者过去两个月,当然也还可以根据实际情况进行设置,具体不限定)内的航班运行数据,该运行数据包括但不限于历史航班的航班号、飞机型号以及载客量,当然也还可以包括其他的运行数据,例如停机位置、登机口、候机位置等等,具体不做限定。
需要说明的是,该工作量计算模型与地服任务相关联,也就是说,不同的地服任务可以训练不同的工作量计算模型,也可以多个地服任务训练一个工作量计算模型,当然也可以所有的地服任务训练一个工作量计算模型,具体不做限定。
105、根据目标工作量对预设时长内的服务资源进行资源规划,得到资源规划结果。
本实施例中,资源规划装置在预测得到第一地服任务的目标工作量之后,也即在得到未来一段时间内各个航班对应的地服任务需要的目标工作量之后,可以根据该目标工作量对预设时长内的服务资源进行规划,得到资源规划结果,其中,第一地服任务与服务资源以及服务标准相关联,也即不同的地服任务对应不同的服务标准以及不同的服务资源。例如该目标航班对应的目标工作量为40小时,预设时段内所有航班的工作量为400小时,其中该预设时长内的服务资源为100,那么该目标航班对应的资源规划结果即为即为(40/400)*100=10,如果该服务资源为登机口服务,每个登机口对应的服务资源为5,那么在属于该目标航班的时段内为该目标航班服务为10/5=2个登机口。也即对所有的服务资源进行量化,之后根据每个航班的工作量进行分配。
需要说明的是,在地面保障业务也即地服任务上,不同的地服任务对应不同的服务资源,对服务资源的资源规划分成三种类型,第一类航班型资源规划,与航班计划及航班动态直接相关,如登机口服务;第二类为值守型资源规划,如值机业务,与航班计划间接相关同时与机型以及航线等因素相关,具体表现为需要先对固定地理资源进行规划,而后对固定地理资源对应的员工进行再次规划;第三类坐席型资源规划,如配载平衡与枢纽运行中心指挥大厅坐席安排,是基于航班任务的多层规划。
下面分别对航班型资源、值守型资源以及坐席性资源进行说明:
一个实施例中,服务资源包括航班型资源,资源规划装置根据目标工作量对预设时长内的服务资源进行资源规划,得到资源规划结果包括:
获取出勤规则;
基于目标工作量以及出勤规则对预设时长内的航班型资源进行规划,得到资源规划结果。
本实施例中,航班型资源与航班计划及航班动态直接相关,如登机口服务对应的资源,资源规划装置可以获取未来特定时段(预设时长)的航班计划,之后确定该航班计划对应的地服任务,并为地服任务制定的服务标准,之后根据地服任务以及工作量计算模型预测该地服任务对应的工作量,其中该工作量可以为可量化的图形工作量,如可以通过横纵轴来表示,横轴表示时间,纵轴表示工作量的资源需求数;之后资源规划装置可以根据业务部门要求确定出勤规则,例如员工每日的工作时长和休息时长等,并根据已生成的工作量,结合出勤规则进行资源规划,得到资源规划结果,以登机口为例,N个航班计划中每个航班需要多少个登机口,每个登机口需要配置多少员工,在进行人员分配的同时还需要考虑出勤规则。
一个实施例中,服务资源包括值守型资源,资源规划装置根据目标工作量对预设时长内的服务资源进行规划,得到资源规划结果包括:
计算N个航班计划对应的客流量;
确定N个航班计划对应的保障参数以及出勤规则;
基于N个航班计划对应的客流量、N个航班计划对应的保障参数、出勤规则以及目标工作量对预设时长内的值守型资源进行规划,得到资源规划结果。
本实施例中,值守型资源指的是值机或安检业务对应的资源,如值机业务,该值守型资源与航班计划间接相关的同时与机型以及航线等因素相关。资源规划装置获取预设时长内的航班计划,确定航班计划对应的地服任务,通过计算需要办理值机或安检的旅客人数、指定服务旅客的员工技能、柜台和员工休息规则,计算预设时长内的旅客人数分布和柜台或通道开放时间,以柜台或通道开放数量作为工作量进行人员的资源规划。下面以值机柜台为例进行说明:
首先获取预设时长内的航班计划,之后确定航班计划对应的地服任务,并确定地服任务的服务标准,以值机柜台为例,该服务标准可以为服务对象的最长等待时间,如值机业务旅客最长排队时间,之后根据模型以及服务标准预测目标工作量,并计算出N个航班计划对应的客流量,并确定保障参数以及出勤规则(出勤规则指的是工作时段、工作时长、休息时段以及休息时长休息,不同的员工类型对应的工作时段、工作时长、休息时段以及休息时长均不同),并确定N个航班计划的保障参数,该保障参数包括值机柜台/安检通道可用数目和详情、服务速率以及开放时间粒度,如单个柜台单次至少开放两个小时。最后根据N个航班计划的客流量、保障参数、出勤规则以及目标客流量对值守型资源进行规划,得到规划结果,以值机柜台为例,即可以得到N个航班计划中各个航班各需要多少个值机柜台、每个柜台需要配备多少个员工,在进行分配的过程中还需要考虑到员工的出勤规则。
需要说明的是,在计算N个航班计划对应的客流量时,需要指定一组参数,该组参数分为以下3部分:
第一部分是基本信息:即业务范围,包含机场、旅客流量名称、航班计划、开始和结束日期、国内/国际、承运人集合;
第二部分是航班人数:针对不同业务需求,需要的旅客分类信息,包含高端/经济、客座率(实际载客数/可提供座位数)、通程率(过站旅客数/实际载客数)、自助值机率(自助值机旅客数/(实际载客数-过站旅客数))、自助托运行李占比(需托运行李的自助旅客数/自助值机旅客数)、单航班柜台服务人数(可提供座位数*客座率*((1-自助值机率)+自助值机率*自助托运行李占比))。
第三部分是旅客分布包括提前到达时间、到达截止时间以及分布模式;
提前到达时间:旅客开始办理值机的最早时间(也即航班开始前多少分钟);
到达截止时间:旅客停止办理值机的最晚时间(也即航班开始前多少分钟);
分布模式:1、平均分布:在航班开始值机到停止的时间段内(旅客数均等分布);2、二项分布:在航班开始值机到结束的时间段内,存在一个时间段办理值机的旅客数达到峰值。
一个实施例中,服务器资源包括坐席型资源,根据目标工作量对预设时长内的服务资源进行规划,得到资源规划结果包括:
确定N个航班计划对应的坐席参数;
基于坐席参数以及所述目标工作量对预设时长内的坐席型资源进行规划,得到资源规划结果。
本实施例中,坐席型资源包括签派以及航班管控等业务类型的资源,在对坐席型资源进行资源规划时,获取预设时长的N个航班计划,确定N个航班计划对应的地服任务,确定地服任务的服务标准,其中,该服务标准例如可以为作业标准,包括任务时段以及任务权重,该服务标准需要和航班、航线、机型、时段可以动态挂钩,需要保证的是,坐席资源尽可能平均获得地服任务;确定N个航班计划对应的坐席参数,也即需要确定预设时长内在不同时段可以提供的最大服务能力,通常用权重表示,之后基于模型即可得到目标工作量,根据目标工作量以及坐席参数对坐席型资源进行规划,得到资源规划结果,也即得到N个航班计划中的每个航班会分配到几个坐席。
综上所述,可以看出,本申请实施例中,通过配置地服任务的服务标准,以预设时长内的航班计划为基准,根据工作量计算模型准确评估工作量,并根据该工作量对服务资源进行规划,得到规划结果,相对于现有的通过人工进行资源规划,可以提高服务资源的利用效率,同时提高对服务资源进行规划的精准度,进而提升员工的工时利用率。
下面对工作量计算模型的训练流程进行说明:
步骤1、获取历史航班对应第二地服任务、第二地服任务的服务标准以及第二地服任务对应的工作量。
本实施例中,资源规划装置可以获取历史航班对应的运行数据、历史航班对应的第二地服任务、第二地服任务的服务标准以及第二地服任务对应的工作量,由于该历史航班为已经飞行完毕的航班,因此可以以该历史航班的各项数据为基准进行模型训练,此处具体不限定获取历史航班的各项数据的数据量,例如可以获取过去1个月内的历史航班的各项数据,或者获取过去两个月内的历史航班的各项数据进行模型的训练,具体不限定。
步骤2、对历史航班对应的第二地服任务、第二地服任务的服务标准以及第二地服任务对应的工作量进行预处理,得到预处理后的训练样本。
本实施例中,资源规划装置可以对历史航班对应的第二地服任务、第二地服任务的服务标准以及第二地服任务对应的工作量进行预处理,此处的预处理包括数据清洗、处理缺失值、数据标准化等处理,进而得到训练样本。
步骤3、通过遗传算法或整数规划求解算法对训练样本进行迭代训练。
本实施例中,资源规划装置在得到训练样本之后,可以将训练样本划分为训练部分和验证部分,其中划分的比例可以是8:2,训练样本中的80%作为训练模型的样本,20%作为验证模型的样本当然也还可以是其他的比例,例如9:1,之后通过对训练样本中的训练部分的样本进行模型训练,此处具体不限定通过遗传算法或整数规划器对训练样本进行迭代训练的方式。
步骤4、当达到预置的迭代终止条件时,输出工作量计算模型。
本实施例中,资源规划装置在每次迭代训练完成之后,可以判断迭代次数是否达到预置数值,若是,则确定满足预置的迭代终止条件,则输出该工作量计算模型,若否,则继续进行迭代训练,直至训练次数达到预置数值;资源规划装置也可以在每次迭代训练完成之后,判断工作量计算模型的模型参数是否收敛,若是,则确定满足预置的迭代终止条件,则输出该工作量计算模型,若否,则继续进行训练,直至工作量计算模型的模型参数收敛为止。
由此,可以根据历史航班的各项数据训练得到预测工作量的工作量计算模型,进而可以通过该工作量计算模型预测未来一段时间的工作量,并根据该工作量进行资源规划,相对于现有的通过人工进行资源规划,可以提高服务资源的利用效率,同时提高对服务资源进行规划的精准度,进而提升员工的工时利用率。
可以理解的是,附图中的流程图和框图,图示了按照本申请各种实施例的系统、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,该模块、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,两个接连地表示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操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。
本申请实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。
应当理解,本申请的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请的范围在此方面不受限制。
另外,本申请还可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
上面从的资源规划方法的角度对本申请进行说明,下面从资源规划装置的角度对本申请进行说明。
请参阅图2,图2为本申请实施例提供的一种资源规划装置的虚拟结构示意图,该资源规划装置200包括:
获取单元201,用于获取预设时长内的N个航班计划,其中,N为大于或等于1的正整数;
确定单元202,用于确定所述N个航班计划对应的第一地服任务;
所述确定单元202,还用于确定所述第一地服任务的服务标准;
预测单元203,用于根据工作量计算模型以及所述服务标准预测所述第一地服任务的目标工作量,所述工作量计算模型为通过遗传算法或整数规划求解算法对训练样本进行训练得到的,所述训练样本包括历史航班对应的第二地服任务、所述第二地服任务的服务标准以及所述第二地服任务对应的工作量;
规划单元204,用于根据所述目标工作量对所述预设时长内的服务资源进行规划,得到资源规划结果,其中,所述第一地服任务与所述服务资源以及所述服务标准相关联。
一种可能的实现方式中,所述装置还包括:
训练单元205,所述训练单元205用于:
获取所述历史航班对应第二地服任务、所述第二地服任务的服务标准以及所述第二地服任务对应的工作量;
对所述历史航班对应第二地服任务、所述第二地服任务的服务标准以及所述第二地服任务对应的工作量进行预处理,得到预处理后的训练样本;
通过所述遗传算法或所述整数规划求解算法对所述训练样本进行迭代训练;
当达到预置的迭代终止条件时,输出所述工作量计算模型。
一种可能的实现方式中,所述训练单元205还用于:
判断迭代次数是否达到预置数值,若是,则确定满足所述预置的迭代终止条件;
或,
判断所述工作量计算模型的模型参数是否收敛,若是,则确定满足所述预置的迭代终止条件。
一种可能的实现方式中,所述服务资源包括航班型资源,所述规划单元204具体用于:
确定出勤规则;
基于所述目标工作量以及所述出勤规则对所述预设时长内的航班型资源进行规划,得到所述资源规划结果。
一种可能的实现方式中,所述服务资源包括值守型资源,所述规划单元204还具体用于:
计算所述N个航班计划对应的客流量;
确定所述N个航班计划对应的保障参数以及出勤规则;
基于所述所述N个航班计划对应的客流量、所述N个航班计划对应的保障参数、所述出勤规则以及所述目标工作量对所述预设时长内的值守型资源进行规划,得到所述资源规划结果。
一种可能的实现方式中,所述服务器资源包括坐席型资源,所述规划单元204还具体用于:
确定所述N个航班计划对应的坐席参数;
基于所述坐席参数以及所述目标工作量对所述预设时长内的所述坐席型资源进行规划,得到所述资源规划结果。
综上所述,可以看出,本申请实施例中,通过配置地服任务的服务标准,以预设时长内的航班计划为基准,根据工作量计算模型准确评估工作量,并根据该工作量对服务资源进行规划,得到规划结果,相对于现有的通过人工进行资源规划,可以提高服务资源的利用效率,同时提高对服务资源进行规划的精准度,进而提升员工的工时利用率。
需要说明的是,描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取目标用户的证件信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
请参阅图3,图3为本申请实施例提供的一种机器可读介质的实施例示意图。
如图3所示,本实施例提供了一种机器可读介质300,其上存储有计算机程序311,该计算机程序311被处理器执行时实现上述图1所述资源规划方法的步骤。
需要说明的是,本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
需要说明的是,本申请上述的机器可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
请参阅图4,图4是本申请实施例提供的一种服务器的硬件结构示意图,该服务器400可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)422(例如,一个或一个以上处理器)和存储器432,一个或一个以上存储应用程序442或数据444的存储介质430(例如一个或一个以上海量存储设备)。其中,存储器432和存储介质430可以是短暂存储或持久存储。存储在存储介质430的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器422可以设置为与存储介质430通信,在服务器400上执行存储介质430中的一系列指令操作。
服务器400还可以包括一个或一个以上电源426,一个或一个以上有线或无线网络接口450,一个或一个以上输入输出接口458,和/或,一个或一个以上操作系统441,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
上述实施例中由资源规划装置所执行的步骤可以基于该图4所示的服务器结构。
还需要说明的,根据本申请的实施例,上述图1中的流程示意图描述的所述资源规划方法的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行上述图2的流程示意图中所示的方法的程序代码。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种资源规划方法,其特征在于,包括:
获取预设时长内的N个航班计划,其中,N为大于或等于1的正整数;
确定所述N个航班计划对应的第一地服任务;
确定所述第一地服任务的服务标准;
根据工作量计算模型以及所述服务标准预测所述第一地服任务的目标工作量,所述工作量计算模型为通过遗传算法或整数规划求解算法对训练样本进行训练得到的,所述训练样本包括历史航班对应的第二地服任务、所述第二地服任务的服务标准以及所述第二地服任务对应的工作量;
根据所述目标工作量对所述预设时长内的服务资源进行规划,得到资源规划结果,其中,所述第一地服任务与所述服务资源以及所述服务标准相关联。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述历史航班对应第二地服任务、所述第二地服任务的服务标准以及所述第二地服任务对应的工作量;
对所述历史航班对应第二地服任务、所述第二地服任务的服务标准以及所述第二地服任务对应的工作量进行预处理,得到预处理后的训练样本;
通过所述遗传算法或所述整数规划求解算法对所述训练样本进行迭代训练;
当达到预置的迭代终止条件时,输出所述工作量计算模型。
3.根据权利要求1或2所述的方法,其特征在于,所述服务资源包括航班型资源,所述根据所述目标工作量对所述预设时长内的服务资源进行规划,得到资源规划结果包括:
确定出勤规则;
基于所述目标工作量以及所述出勤规则对所述预设时长内的航班型资源进行规划,得到所述资源规划结果。
4.根据权利要求1或2所述的方法,其特征在于,所述服务资源包括值守型资源,所述根据所述目标工作量对所述预设时长内的服务资源进行规划,得到资源规划结果包括:
计算所述N个航班计划对应的客流量;
确定所述N个航班计划对应的保障参数以及出勤规则;
基于所述所述N个航班计划对应的客流量、所述N个航班计划对应的保障参数、所述出勤规则以及所述目标工作量对所述预设时长内的值守型资源进行规划,得到所述资源规划结果。
5.根据权利要求1或2所述的方法,其特征在于,所述服务器资源包括坐席型资源,所述根据所述目标工作量对所述预设时长内的服务资源进行规划,得到资源规划结果包括:
确定所述N个航班计划对应的坐席参数;
基于所述坐席参数以及所述目标工作量对所述预设时长内的所述坐席型资源进行规划,得到所述资源规划结果。
6.一种资源规划装置,其特征在于,包括:
获取单元,用于获取预设时长内的N个航班计划,其中,N为大于或等于1的正整数;
确定单元,用于确定所述N个航班计划对应的第一地服任务;
所述确定单元,还用于确定所述第一地服任务的服务标准;
预测单元,用于根据工作量计算模型以及所述服务标准预测所述第一地服任务的目标工作量,所述工作量计算模型为通过遗传算法或整数规划求解算法对训练样本进行训练得到的,所述训练样本包括历史航班对应的第二地服任务、所述第二地服任务的服务标准以及所述第二地服任务对应的工作量;
规划单元,用于根据所述目标工作量对所述预设时长内的服务资源进行规划,得到资源规划结果,其中,所述第一地服任务与所述服务资源以及所述服务标准相关联。
7.根据权利要求6所述的装置,其特征在于,所述服务资源包括航班型资源,所述规划单元具体用于:
确定出勤规则;
基于所述目标工作量以及所述出勤规则对所述预设时长内的航班型资源进行规划,得到所述资源规划结果。
8.根据权利要求6所述的装置,其特征在于,所述服务资源包括值守型资源,所述规划单元还具体用于:
计算所述N个航班计划对应的客流量;
确定所述N个航班计划对应的保障参数以及出勤规则;
基于所述所述N个航班计划对应的客流量、所述N个航班计划对应的保障参数、所述出勤规则以及所述目标工作量对所述预设时长内的值守型资源进行规划,得到所述资源规划结果。
9.根据权利要求6所述的装置,其特征在于,所述服务器资源包括坐席型资源,所述规划单元还具体用于:
确定所述N个航班计划对应的坐席参数;
基于所述坐席参数以及所述目标工作量对所述预设时长内的所述坐席型资源进行规划,得到所述资源规划结果。
10.一种机器可读介质,其特征在于,包括指令,当所述指令在机器上运行时,使得机器执行上述权利要求1至5中任一项所述的资源规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110064337.9A CN112651673A (zh) | 2021-01-18 | 2021-01-18 | 一种资源规划方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110064337.9A CN112651673A (zh) | 2021-01-18 | 2021-01-18 | 一种资源规划方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112651673A true CN112651673A (zh) | 2021-04-13 |
Family
ID=75368273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110064337.9A Pending CN112651673A (zh) | 2021-01-18 | 2021-01-18 | 一种资源规划方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651673A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115384796A (zh) * | 2022-04-01 | 2022-11-25 | 中国民用航空飞行学院 | 一种能够增加旅客转运效率的机场管理系统 |
CN116545843A (zh) * | 2023-06-25 | 2023-08-04 | 民航成都信息技术有限公司 | 航班地服保障主备系统间切换方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110077994A1 (en) * | 2009-09-30 | 2011-03-31 | International Business Machines Corporation | Optimization of workforce scheduling and capacity planning |
CN110598998A (zh) * | 2019-08-20 | 2019-12-20 | 广东工业大学 | 一种智慧车站乘务人员自动排班方法 |
CN110751358A (zh) * | 2019-08-30 | 2020-02-04 | 中国南方航空股份有限公司 | 一种机场地面服务人员的排班方法、电子设备及存储介质 |
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 |
-
2021
- 2021-01-18 CN CN202110064337.9A patent/CN112651673A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110077994A1 (en) * | 2009-09-30 | 2011-03-31 | International Business Machines Corporation | Optimization of workforce scheduling and capacity planning |
CN110598998A (zh) * | 2019-08-20 | 2019-12-20 | 广东工业大学 | 一种智慧车站乘务人员自动排班方法 |
CN110751358A (zh) * | 2019-08-30 | 2020-02-04 | 中国南方航空股份有限公司 | 一种机场地面服务人员的排班方法、电子设备及存储介质 |
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 |
Non-Patent Citations (1)
Title |
---|
叶萍主编;陈玉莲,邓雪梅副主编: "民航服务心理学 "理论、案例、实训一体化"教程", 31 August 2015, 中国民航出版社, pages: 213 - 219 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115384796A (zh) * | 2022-04-01 | 2022-11-25 | 中国民用航空飞行学院 | 一种能够增加旅客转运效率的机场管理系统 |
CN116545843A (zh) * | 2023-06-25 | 2023-08-04 | 民航成都信息技术有限公司 | 航班地服保障主备系统间切换方法、装置、设备及介质 |
CN116545843B (zh) * | 2023-06-25 | 2023-09-12 | 民航成都信息技术有限公司 | 航班地服保障主备系统间切换方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106981221B (zh) | 基于时空间维度分解的机场停机位分配方法及系统 | |
CN104751681B (zh) | 一种基于统计学习模型的停机位分配方法 | |
Saddoune et al. | Integrated airline crew pairing and crew assignment by dynamic constraint aggregation | |
Araujo et al. | Optimizing the airport check-in counter allocation problem | |
WO2018196700A1 (zh) | 基于候补机制的航班分配系统和方法 | |
CN112651673A (zh) | 一种资源规划方法及相关设备 | |
CN111784398A (zh) | 一种航班数据的划分方法及相关装置 | |
CN109544000A (zh) | 面向航班正常性的航空公司排班计划优化方法和系统 | |
CN112651578A (zh) | 一种机场的地面保障能力需求的预测方法和装置 | |
Andreatta et al. | A set of approximate and compatible models for airport strategic planning on airside and on landside | |
CN115689144A (zh) | 航班运行保障任务智能调整方法、系统、设备和存储介质 | |
CN112633562B (zh) | 一种机场停机位智能调度方法 | |
Pimapunsri et al. | Solving complexity and resource-constrained project scheduling problem in aircraft heavy maintenance | |
EP3660814A1 (en) | Flight time exchange system and exchange method | |
Rodič et al. | Airport ground crew scheduling using heuristics and simulation | |
CN113283938A (zh) | 航段市场需求值的预测方法、装置及机器可读介质 | |
CN112651672A (zh) | 一种人力资源的派工规划方法及相关设备 | |
CN114239325B (zh) | 机场值机托运柜台配置规划方法、装置、设备和存储介质 | |
CN116341868A (zh) | 关于机场地面航空器过站保障任务最优分派的方法及系统 | |
CN113312420B (zh) | 航班数据的处理方法、装置、设备和存储介质 | |
Adeleye et al. | A simulation based approach for contingency planning for aircraft turnaround operation system activities in airline hubs | |
CN112668938A (zh) | 一种排班规划方法及相关设备 | |
Yan et al. | Airport gate reassignment following temporary airport closures | |
Barth et al. | Optimization of transfer baggage handling in a major transit airport | |
CN113627781A (zh) | 任务信息生成方法、装置、设备、存储介质和程序产品 |
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 |