CN112785038A - 飞行任务用时的计算方法及实时航班路由规划算法及设备 - Google Patents
飞行任务用时的计算方法及实时航班路由规划算法及设备 Download PDFInfo
- Publication number
- CN112785038A CN112785038A CN202011620896.5A CN202011620896A CN112785038A CN 112785038 A CN112785038 A CN 112785038A CN 202011620896 A CN202011620896 A CN 202011620896A CN 112785038 A CN112785038 A CN 112785038A
- Authority
- CN
- China
- Prior art keywords
- time
- flight
- aircraft
- airport
- state
- 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
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 30
- 238000004364 calculation method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000009467 reduction Effects 0.000 claims description 4
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 description 7
- 230000010006 flight Effects 0.000 description 6
- 238000012546 transfer Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- Quality & Reliability (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Biodiversity & Conservation Biology (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (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
本申请公开一种飞行任务用时的计算方法及实时航班路由规划算法及设备,在本申请实施例中,根据真实的飞机作业时间,机场的地理信息,机场作业时间给出任务执行过程的模拟时间,贴近实际任务时间,为实时航班路由规划算法提供可靠依据的飞行任务用时的计算方法。在上述计算方法的基础上,本申请的实施例提供了一种实时航班路由规划算法,在固定其余需要执行任务的飞机的路由的前提下,计算飞机k选择不同路径的任务总时间,通过有序的迭代,得到最优的路由方案,在最优的路由方案中每一架飞机都无法通过调整自己的出发时间和路由来使得其任务更快完成。
Description
技术领域
本申请涉及航班路由规划的技术领域,具体而言,涉及一种飞行任务用时的计算方法及实时航班路由规划算法及设备。
背景技术
在由多个机场构成的航空网络上,需要多种不同类型的飞机执行多个运输任务。在任务给定出发机场和目的机场后,首先需要(1)确定是将货物直接送达终点,还是在中途机场将不同货物进行合并和转运;在此基础上,(2)对执行任务的飞机进行分配。然后,需要(3)规划执行任务飞机的飞行路由。通过这三个环节的优化和选择,需要使得任务的执行成本更低,任务执行时间更短。这三个环节互相依赖,每个环节的选择都会影响到其它环节的优化结果。对于这样的复杂运输任务,需要一个综合的优化问题。
对于(1),即运送方式的问题。如果在某些机场只有少数货物需要运输,那么将其运送到中心机场进行合并和转运能够提高飞机运载的效率。然而,频繁的中转合并会导致航班在机场的平均作业时间,增加转运核心机场的负担和平均作业时间。
对于(2),不同机型的执行效率和成本不同。小型飞机的速度慢航程近,但是成本也相对偏低;而大型飞机的速度快航程远,但是成本较高。此外,大型飞机也会占据较多的机场作业容量。
对于(3),在给每一架飞机分配了任务之后,需要考虑飞机的路由选择问题。由于某些机场之间的距离较远,因此需要在中途的机场补充燃料和进行维护。在系统整体负荷较低的情况下,飞机都应选择时间最短的路径。而当系统负载较高时,核心的机场会出现拥塞现象。这时候,执行任务的飞机是否应该选择其它未拥塞但路程较远的机场,则需要进行选择。
现有的航班调度路由规划算法主要包括以下三类:基于弦的方法[1],基于连接的模型[2]和基于时空的模型[3]。然而,这三类算法针对的均为商用航班的路由规划问题。商用航班与本申请所考虑的问题有以下不同:(1)商用航班的航班一般机型都较大,因此基本不会因为运输范围问题而需要中转。(2)不同机场之间的航班数根据客流数而设定,转运也主要为了考虑不同机场间的固定客流,而不需要考虑中转而增加任务执行时间的问题,也不需要考虑中转给机场带来的作业负担。(3)商用航班的执行计划一般事先进行规划,不需要根据实时的临时任务增加或改变而修改飞行计划。因此,已有的方法难以直接运用到本申请所考虑的情景下。
其中:
[1]Barnhart C,Farahat A,Lohatepanont M(2009).Airline fleet assignmentwith enhanced revenue modeling.Operations Research,57(1):231–244。
[2]Haouari M,Shao S,Sherali H D(2013).A lifted compact formulationfor the daily aircraft maintenance routing problem.Transportation Science, 47(4):508–525。
[3]Liang Z,Chaovalitwongse W A,Huang H C,Johnson E L(2011).On a newrotation tour network model for aircraft maintenance routing problem.Transportation Science,45(1):109–120。
发明内容
本申请实施例提供了一种飞行任务用时的计算方法及实时航班路由规划算法及设备,为根据贴近实际任务时间确定用时最短的路由,为复杂的航空运输任务提供最优的路由规划算法。
根据本申请实施例的一个方面,提供了一种飞行任务用时的计算方法,所述飞行任务用时包括空中飞行时间,机场作业等待时间和机场作业时间;
K架飞机需要执行任务,令所有飞机的集合为K={1,2,…,k,…,K},对于每一架飞机k,其出发地和目标地分别为rk∈N,sk∈N,令p代表有效路由网络上的一条路径,一条长度为m的路径用{i1,i2,…,im}表示,其中i1=rk,im=sk,令为(r,s)之间的所有可行路径,令为飞机k从r到s的路径选择函数,如果选择了路由p则否则
对于确定的出发R和目标S,确定的路由选择f,飞行任务用时的计算过程包含:
步骤(1):初始化:令t=0,令所有飞机的作业状态φ(k)=2,作业目标为第一个飞行目的地
空中飞行时间为
所有机场的当前容量ci(t)=0;
步骤(2):寻找最先结束当前状态的飞机,所述状态包含飞行状态和机场作业状态:
根据
判断所述状态发生变化的飞机的状态;如果为飞行状态,进入步骤(3);如果为机场作业状态,进入步骤(4);
步骤(3):飞机的状态从飞行状态变为机场作业状态:
步骤(4):飞机的状态从作业状态变为飞行状态或到达终点:
飞行时间增加
其中,所述步骤(1)中,当仍有飞机未完成任务,φ(k)≠-3,重复执行所述步骤(2);
其中,
K表示所有飞机的集合;
k表示不同飞机的指标;
K表示总执行任务飞机数;
rk表示飞机k的出发节点;
sk表示飞机k的目标节点;
p表示路由的指标;
i表示机场的指标;
vz表示z型飞机的机场作业时间;
wz表示z型飞机占用的机场作业容量;
Ci表示机场i的总作业容量;
ci(t)表示机场i的当前作业负载;
R表示出发节点的集合,即R={r1,r2,...,r K };
S表示目标节点的集合,即S={s1,s2,...,s S };
t表示目前的总时间消耗;
φ(k)表示飞机k的状态;φ(k)>0为飞行中,且正在飞向其路径上的第φ(k)个目标,φ(k)的值为-1代表机场等待作业中,φ(k)的值为-2代表机场作业中,φ(k)的值为-3代表任务结束;
ψ(k)表示飞机k的目标或作业机场;ψ(k)=i∈N,如果飞机状态为φ(k)=0,则代表飞机飞向机场i;否则代表飞机k当前在机场i作业或等待作业中;
ω(k)表示飞机当前作业的剩余时间,如果φ(k)=-1或φ(k)=-3,则设定ω(k)=∞,表示如果飞机在等待作业或任务结束,当前飞机的状态只能够被被动解除;
qi(t)表示机场i的当前排队等待作业队列。
优选地,对于在机场排队等待作业的飞机,按照到达机场的时间顺序确定进入作业状态的顺序。
将满足
优选地,确定所述路由f*的过程包含:
步骤(1.1):对需要执行任务的K架飞机,列出每架飞机完成当前运输任务的路由;
步骤(1.2):初始化路由:确定每架飞机完成任务所需时间最短的路由;
步骤(1.3):对于每一架飞机k,固定其余(k-1)架需要执行任务的飞机的路由,并计算飞机k选择不同路径的任务总时间;然后更新
步骤(1.4):重复步骤(1.3)若干次,选择K架飞机执行任务时间最短的路由作为f*;
其中,Ω(f)表示对于路径选择f,其总任务时间。
优选地,所述步骤(1.3)中固定其余(k-1)架需要执行任务的飞机的路由时从根据步骤(1.2)计算的初始化路由开始;
所述步骤(1.4)中重复步骤(1.3)若干次的顺序根据所述飞行任务用时由短至长确定。
根据本申请实施例的另一个方面,提供了一种设备,所述计算设备用于执行权利要求1-5中任一项所述的方法,和/或,算法。
在本申请实施例中,根据真实的飞机作业时间,机场的地理信息,机场作业时间给出任务执行过程的模拟时间,贴近实际任务时间,为实时航班路由规划算法提供可靠依据。
另一方面,本申请的实施例提供了一种实时航班路由规划算法,在固定其余需要执行任务的飞机的路由的前提下,计算飞机k选择不同路径的任务总时间,通过有序的迭代,得到最优的路由方案,在最优的路由方案中每一架飞机都无法通过调整自己的出发时间和路由来使得其任务更快完成。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的有效路由网络的示意图;
图2是应用本申请实施例提供的算法后在不同任务数量情况下,随着算法迭代任务总时间的变化对比图;
图3是应用本申请实施例提供的算法的在不同任务数量情况下,路由被优化的程度的折线图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在对本申请实施例进行详细说明和解释之前,先对本申请实施例可以应用到的场景的进行描述。
(2)飞机基本信息。假设共有M架飞机。飞机分为K≤5种,每一种的数量为Ma,其中a∈{1,…,K}代表不同类型的飞机。那么飞机数目满足∑aMa=M。对于每种飞机,其运载能力(load)为la≤80t,航程(range)为ra≤8000km,速度(velocity)为 va≤2000km/h。在出发地机场的作业时间(operation time)为τa≤24h,在途中经停作业时间为0.5τa。在初始状态下,机场i目前可用的类型为a的飞机数目为M(i,a)。
(3)机场承载能力和飞机占用空间。每个机场的承载能力上限为
(4)运输支援任务信息。对于一个运输任务,可能有两种情形。(4a)知所有货物的出发地和目的地。这种情况其主要参数可以用N×N的矩阵来表示,其中Wi,j=a表示需要从机场i向机场j运输a单位的货物。
以下实施例1的目的是为了解决上述多个在由多个机场构成的航空网络上,需要多种不同类型的飞机执行多个运输任务的实时优化问题。主要解决的技术问题就是对如上的复杂多阶段优化问题给出一个高效、实时化的优化方案。
实施例1
根据本申请实施例,提供了一种飞行任务用时的计算方法,根据真实的飞机作业时间,机场的地理信息,机场作业时间给出任务执行过程的模拟时间。在上述计算方法的基础上,本实施例提供了一种实时航班路由规划算法,在固定其余需要执行任务的飞机的路由的前提下,计算飞机k选择不同路径的任务总时间,通过有序的迭代,得到最优的路由方案,在最优的路由方案中每一架飞机都无法通过调整自己的出发时间和路由来使得其任务更快完成。
本实施例中所使用的主要的相关变量如表1所示。
表1
对于一种机型t,根据其航程我们可以构造其有效路由网络Gt(N,Lt)。其中N代表机场节点的集合,Lt代表所有的边。边的定义如下,即如果两个机场在机型t的航程之内,则存在一条连边,表示可以直达,否则不存在连边。在图1给出了有效路由网络的示意图。
本实施例提供的飞行任务用时的计算方法,所述飞行任务用时包括空中飞行时间,机场作业等待时间和机场作业时间;
K架飞机需要执行任务,令所有飞机的集合为K={1,2,…,k,…,K},对于每一架飞机k,其出发地和目标地分别为rk∈N,sk∈N,令p代表有效路由网络上的一条路径,一条长度为m的路径用{i1,i2,…,im}表示,其中i1=rk,im=sk,令为(r,s)之间的所有可行路径,令为飞机k从r到s的路径选择函数,如果选择了路由p则否则
对于在机场排队等待作业的飞机,按照到达机场的时间顺序确定进入作业状态的顺序,即采用先来先服务的原则(FIFO)。
对于一架飞机,其从机场r飞行到机场s的时间取决于其距离和机型(飞行速度)。对于机型z,令其在从机场i到j的飞行时间为令其在机场降落后的作业时间为vz,其占用机场容量为wz,令机场i的作业最大单位为数为Ci,当前已被占用容量为ci(t)。
对于确定的出发R和目标S,确定的路由选择f,飞行任务用时的计算过程包含:
步骤(1):初始化:令t=0,令所有飞机的作业状态φ(k)=2,作业目标为第一个飞行目的地
空中飞行时间为
所有机场的当前容量ci(t)=0;
步骤(2):寻找最先结束当前状态的飞机,所述状态包含飞行状态和机场作业状态:
根据
判断所述状态发生变化的飞机的状态;如果为飞行状态,进入步骤(3);如果为机场作业状态,进入步骤(4);
步骤(3):飞机的状态从飞行状态变为机场作业状态:
步骤(4):飞机的状态从作业状态变为飞行状态或到达终点:
飞行时间增加
其中,所述步骤(1)中,当仍有飞机未完成任务,φ(k)≠-3,重复执行所述步骤(2)。
根据飞机执行任务的过程,机场作业排队等待方式等等,我们即可计算出有效的任务时间和效率模拟方法。在此基础上,本实施例对于飞行任务中的不同选择环节,给出任务飞机分配-路由表在整个任务策略中的策略选择方式,并将这种策略的组合称为广义路由。本实施例通过对路由交换算法进行改进,在包含各种路由的策略空间中进行优化。
将满足
其中,确定所述路由f*的过程包含:
步骤(1.1):对需要执行任务的K架飞机,列出每架飞机完成当前运输任务的路由;
步骤(1.2):初始化路由:确定每架飞机完成任务所需时间最短的路由;
步骤(1.3):对于每一架飞机k,固定其余(k-1)架需要执行任务的飞机的路由,并计算飞机k选择不同路径的任务总时间;然后更新
步骤(1.4):重复步骤(1.3)若干次,选择K架飞机执行任务时间最短的路由作为f*。
本实施例中所述步骤(1.3)中固定其余(k-1)架需要执行任务的飞机的路由时从根据步骤(1.2)计算的初始化路由开始。
所述步骤(1.4)中重复步骤(1.3)若干次的顺序根据所述飞行任务用时由短至长确定,以期通过最少的迭代次数快速获得最优的路由。
在本实施例中,将出发时间和路径选择的纳什均衡最优定义为,如果一个路由选择f*满足
下面对本实施例提供的算法进行测试。
首先测试算法随着迭代步数的变化情况。作为比较考虑每架飞机都选择最快路径的贪婪情形。算法初始设置为贪婪选择最快路径,然后进行路由选择。其结果如图2 所示。可以看到,当任务数比较低的时候,显然每架飞机都选择最快路径是最优的。因此在图2的左上角的子图中可以看到,随着迭代的增加总任务时间没有减少。随着任务的增加,需要执行飞行任务的飞机之间会出现拥塞和排队的现象。此时,通过本实施例提供的实时航班路由规划算法可以显著地降低总任务时间,如图2中的右上和下面2个子图所示。
另一方面后,本实施例整体考察随着系统任务数目变化,路由规划被优化的程度。在图3中,给出了优化后的路由时间和所有飞机选择最快的路径对应的任务时间的差值。可以看到,随着任务数的增加,飞行任务用时的缩短时间呈增长趋势。具体的增长情况可后续根据真实的任务情况和机场数据来考察。另外,在图3中我们给出了优化后的时间除以选择最快路径的时间之比,可以看到随着任务数的增加这一比例小于 1。
实施例2
本申请的实施例可以提供一种设备,该设备可以是计算机终端群中的任意一个计算机终端设备。可选地,在本实施例中,上述计算设备也可以替换为移动终端等终端设备。
可选地,在本实施例中,上述计算设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地,在本实施例中,上述计算设备包括一个或多个处理器、存储器、以及传输装置。其中,存储器可用于存储软件程序以及模块,如本申请实施例中的一种飞行任务用时的计算方法及实时航班路由规划算法对应的程序指令/模块。处理器通过运行存储在存储器内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的方法和算法。
可选地,存储器可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至计算设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (6)
1.一种飞行任务用时的计算方法,其特征在于,所述飞行任务用时包括空中飞行时间,机场作业等待时间和机场作业时间;
K架飞机需要执行任务,令所有飞机的集合为K={1,2,…,k,…,K},对于每一架飞机k,其出发地和目标地分别为rk∈N,sk∈N,令p代表有效路由网络上的一条路径,一条长度为m的路径用{i1,i2,…,im}表示,其中i1=rk,im=sk,令为(r,s)之间的所有可行路径,令为飞机k从r到s的路径选择函数,如果选择了路由p则否则
对于确定的出发R和目标S,确定的路由选择f,飞行任务用时的计算过程包含:
步骤(1):初始化:令t=0,令所有飞机的作业状态φ(k)=2,作业目标为第一个飞行目的地
空中飞行时间为
所有机场的当前容量ci(t)=0;
步骤(2):寻找最先结束当前状态的飞机,所述状态包含飞行状态和机场作业状态:
根据
判断所述状态发生变化的飞机的状态;如果为飞行状态,进入步骤(3);如果为机场作业状态,进入步骤(4);
步骤(3):飞机的状态从飞行状态变为机场作业状态:
步骤(4):飞机的状态从作业状态变为飞行状态或到达终点:
飞行时间增加
其中,所述步骤(1)中,当仍有飞机未完成任务,φ(k)≠-3,重复执行所述步骤(2);
其中,
K表示所有飞机的集合;
k表示不同飞机的指标;
K表示总执行任务飞机数;
rk表示飞机k的出发节点;
sk表示飞机k的目标节点;
p表示路由的指标;
i表示机场的指标;
vz表示z型飞机的机场作业时间;
wz表示z型飞机占用的机场作业容量;
Ci表示机场i的总作业容量;
ci(t)表示机场i的当前作业负载;
R表示出发节点的集合,即R={r1,r2,...,rK};
S表示目标节点的集合,即S={s1,s2,...,s S };
t表示目前的总时间消耗;
φ(k)表示飞机k的状态;φ(k)>0为飞行中,且正在飞向其路径上的第φ(k)个目标,φ(k)的值为-1代表机场等待作业中,φ(k)的值为-2代表机场作业中,φ(k)的值为-3代表任务结束;
ψ(k)表示飞机k的目标或作业机场;ψ(k)=i∈N,如果飞机状态为φ(k)=0,则代表飞机飞向机场i;否则代表飞机k当前在机场i作业或等待作业中;
ω(k)表示飞机当前作业的剩余时间,如果φ(k)=-1或φ(k)=-3,则设定ω(k)=∞,表示如果飞机在等待作业或任务结束,当前飞机的状态只能够被被动解除;
qi(t)表示机场i的当前排队等待作业队列。
2.根据权利要求1所述的飞行任务用时的计算方法,其特征在于,对于在机场排队等待作业的飞机,按照到达机场的时间顺序确定进入作业状态的顺序。
5.根据权利要求4所述的飞行任务实时航班路由规划算法,其特征在于,所述步骤(1.3)中固定其余(k-1)架需要执行任务的飞机的路由时从根据步骤(1.2)计算的初始化路由开始;
所述步骤(1.4)中重复步骤(1.3)若干次的顺序根据所述飞行任务用时由短至长确定。
6.一种计算设备,其特征在于,所述计算设备用于执行权利要求1-5中任一项所述的方法,和/或,算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011620896.5A CN112785038B (zh) | 2020-12-31 | 2020-12-31 | 飞行任务用时的计算方法及实时航班路由规划算法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011620896.5A CN112785038B (zh) | 2020-12-31 | 2020-12-31 | 飞行任务用时的计算方法及实时航班路由规划算法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112785038A true CN112785038A (zh) | 2021-05-11 |
CN112785038B CN112785038B (zh) | 2024-03-22 |
Family
ID=75754331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011620896.5A Active CN112785038B (zh) | 2020-12-31 | 2020-12-31 | 飞行任务用时的计算方法及实时航班路由规划算法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785038B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477649A (zh) * | 2008-12-31 | 2009-07-08 | 中山大学 | 基于粒子群算法的飞机航班规划方法 |
CN108573618A (zh) * | 2017-03-09 | 2018-09-25 | 波音公司 | 航空中的基于轨迹的运行的弹性增强 |
CN110417588A (zh) * | 2019-07-19 | 2019-11-05 | 北京科技大学 | 一种基于联盟博弈的航空动态网络路径规划方法 |
CN110851933A (zh) * | 2019-11-08 | 2020-02-28 | 四川航空股份有限公司 | 航班智能规划方法、装置、电子设备及存储介质 |
WO2020240177A1 (en) * | 2019-05-28 | 2020-12-03 | Sita Information Networking Computing Uk Limited | System and method for flight arrival time prediction |
-
2020
- 2020-12-31 CN CN202011620896.5A patent/CN112785038B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477649A (zh) * | 2008-12-31 | 2009-07-08 | 中山大学 | 基于粒子群算法的飞机航班规划方法 |
CN108573618A (zh) * | 2017-03-09 | 2018-09-25 | 波音公司 | 航空中的基于轨迹的运行的弹性增强 |
WO2020240177A1 (en) * | 2019-05-28 | 2020-12-03 | Sita Information Networking Computing Uk Limited | System and method for flight arrival time prediction |
CN110417588A (zh) * | 2019-07-19 | 2019-11-05 | 北京科技大学 | 一种基于联盟博弈的航空动态网络路径规划方法 |
CN110851933A (zh) * | 2019-11-08 | 2020-02-28 | 四川航空股份有限公司 | 航班智能规划方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
胡玉真;张耸;: "基于多目标规划的飞机路径恢复最优化算法研究", 运筹与管理, no. 09, 25 September 2020 (2020-09-25) * |
Also Published As
Publication number | Publication date |
---|---|
CN112785038B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Murray et al. | The multiple flying sidekicks traveling salesman problem: Parcel delivery with multiple drones | |
CN112418497B (zh) | 一种面向制造物联的物料配送路径优化方法 | |
Froyland et al. | The recoverable robust tail assignment problem | |
US11567512B1 (en) | Unmanned aerial vehicle (UAV) task cooperation method based on overlapping coalition formation (OCF) game | |
Khochare et al. | Heuristic algorithms for co-scheduling of edge analytics and routes for UAV fleet missions | |
US20230083423A1 (en) | Satellite Scheduling System | |
CN108307435A (zh) | 一种基于sdsin的多任务路由选择方法 | |
KR102142402B1 (ko) | 드론 네트워크에서 효율적인 배터리 충전을 위한 클라우드 기반 드론 내비게이션 방법 | |
CN113671986A (zh) | 空地协同下无人机与车辆的任务分配方法和系统 | |
Huang et al. | When drones take public transport: Towards low cost and large range parcel delivery | |
CN116893861A (zh) | 基于空地协同边缘计算的多智能体协作依赖任务卸载方法 | |
Grasso et al. | Deep Q-learning for job offloading orchestration in a fleet of MEC UAVs in 5G environments | |
CN114327526B (zh) | 一种移动边缘计算环境中的任务卸载方法及其应用 | |
Alkouz et al. | A reinforcement learning approach for re-allocating drone swarm services | |
Huang et al. | Drone stations-aided beyond-battery-lifetime flight planning for parcel delivery | |
Xiaohuan et al. | An aggregate flow based scheduler in multi-task cooperated UAVs network | |
CN117151422B (zh) | 卡车-无人机多目标协同配送规划方法与系统 | |
CN112785038A (zh) | 飞行任务用时的计算方法及实时航班路由规划算法及设备 | |
CN109215398B (zh) | 一种无人机航路规划方法及装置 | |
CN105577834A (zh) | 具有可预测性能的云数据中心两层带宽分配方法及系统 | |
CN115130787A (zh) | 应急资源调度方案的配置方法、系统、终端设备及介质 | |
CN114024894B (zh) | 软件定义天地一体化网络中的动态传算方法及系统 | |
CN115018399A (zh) | 一种机场通达性的确定方法、装置、电子设备及存储介质 | |
Morim et al. | The drone-assisted vehicle routing problem with robot stations | |
Choi et al. | An extended savings algorithm for UAS-based delivery systems |
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 |