CN112819317B - 一种不正常航班飞机、旅客及机务一体化恢复系统 - Google Patents

一种不正常航班飞机、旅客及机务一体化恢复系统 Download PDF

Info

Publication number
CN112819317B
CN112819317B CN202110124727.0A CN202110124727A CN112819317B CN 112819317 B CN112819317 B CN 112819317B CN 202110124727 A CN202110124727 A CN 202110124727A CN 112819317 B CN112819317 B CN 112819317B
Authority
CN
China
Prior art keywords
path
flight
passenger
airplane
recovery
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.)
Active
Application number
CN202110124727.0A
Other languages
English (en)
Other versions
CN112819317A (zh
Inventor
王洪建
梁哲
徐根焰
吕锦
肖璠
吴明城
林俊松
余胜
蒋杰清
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.)
Tongji University
Xiamen Airlines Co Ltd
Original Assignee
Tongji University
Xiamen Airlines 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 Tongji University, Xiamen Airlines Co Ltd filed Critical Tongji University
Priority to CN202110124727.0A priority Critical patent/CN112819317B/zh
Publication of CN112819317A publication Critical patent/CN112819317A/zh
Application granted granted Critical
Publication of CN112819317B publication Critical patent/CN112819317B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种不正常航班飞机、旅客及机务一体化恢复系统，包括输入模块、核心算法模块和输出模块，其中，所述核心算法模块包括：飞机路径恢复单元，用于找到满足最小过站时间、维护要求和航线—飞机限制的最优飞机路径组合；旅客行程恢复单元，用于生成旅客重新安排的行程组合，决定可进行重安排航班的旅客所分配的航班；机务恢复单元，用于生成包含维护任务的最优飞机路径组合。与现有技术相比，本发明能够通过数据挖掘预测与优化算法引擎，针对恶劣天气、飞机故障、地面延误等不正常情况，整合飞机、航班、机组、机务、旅客等各方面资源，进行智能航班恢复、旅客行程恢复以及机务恢复。

Description

一种不正常航班飞机、旅客及机务一体化恢复系统
技术领域
本发明涉及机场调度控制领域，尤其是涉及一种不正常航班飞机、旅客及机务一体化恢复系统。
背景技术
航空运输业中存在着多种不确定因素，如恶劣天气，空中交通管制，机场保障，旅客及航空公司等，以上因素均会一定程度上造成航班计划的偏离。近年来，随着民航业务的快速发展，航班延误和取消的情况依然存在且不容忽视。2018年民航行业发展统计公报显示，全国客运航空公司共执行航班434.58万班次，其中正常航班348.24万班次，平均航班不正常率达19.87％，平均延误时间为15分钟。从OAG在2019年发布的航司准点率综合报告中也可以看出，目前在全球航司的运营过程中均存在航班延误和取消，欧洲航司准点率最高的波罗的海航空仍有11％的航班不正常情况。
由于不正常航班会影响航班准点率，损害航空公司的经济效益和社会效益，如何采用科学的决策系统在较短的时间内同步协调飞机、航班、机组、机场、空域和旅客，在不影响飞机必要的维护的前提下，对不正常航班计划进行调整恢复，成为航空运营管理中的一大重要问题。
目前，航空公司大多数使用的处理不正常航班的方式比较落后，主要依靠个人经验，根据各航空公司的处置原则和恢复目标调整受影响的航班计划，重新制定各飞机的维护任务，并妥善安排旅客。这个过程中存在大量的决策和计算工作，耗时较长，例如对于台风、军演等大型干扰，航空管制员需要对上千个航班进行计划调整，工作过程甚至长达6-8小时。除此之外，由于人员的专业知识和工作经验存在差异，使得不同人员对类似突发事件的处置结果差异很大，在这种情况下，也就不能保证在飞机得到合理维护的条件下，制定出最优化的不正常航班的恢复方案，进而无法将航空公司的经济损失和旅客行程影响最小化。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种不正常航班飞机、旅客及机务一体化恢复系统。
本发明的目的可以通过以下技术方案来实现：
一种不正常航班飞机、旅客及机务一体化恢复系统，包括输入模块、核心算法模块和输出模块，其中，所述核心算法模块包括：
飞机路径恢复单元，用于通过列生成框架结合多标签最短路算法，找到满足最小过站时间、维护要求和航线—飞机限制的最优飞机路径组合；
旅客行程恢复单元，用于通过列生成框架结合多标签最短路算法，生成旅客重新安排的行程组合，决定可进行重安排航班的旅客所分配的航班，以及标记无法重安排航班需赔偿的旅客；
机务恢复单元，用于通过列生成结合多标签最短路算法，考虑飞机两次维护之间的最大飞行时间、最大起降架次，以及飞机-维护机场限制，生成包含维护任务的最优飞机路径组合。
进一步地，所述飞机路径恢复单元中，执行以下步骤：
A1、得到初始路径集合；
A2、求解飞机路径恢复模型，其目标函数为：
Figure GDA0003837473180000021
其中，参数cf是航班f的取消成本，
Figure GDA0003837473180000022
是飞机a被安排给路径r的成本，决策变量zf表示航班f是否被取消，
Figure GDA0003837473180000023
表示飞机a是否被安排给路径r，A是飞机的集合，Ra是飞机a可选路径的集合，F是航班的集合，
模型包括以下两个约束条件：
Figure GDA0003837473180000024
Figure GDA0003837473180000025
其中，
Figure GDA0003837473180000026
代表某个航班f是否包含在路径r中；
A3、判断当前解是否为整数解，如果不是执行步骤A4；否则退出，
Figure GDA0003837473180000027
所对应的路径r的集合即为飞机路径重排的解；
A4、统计路径取值，如果存在
Figure GDA0003837473180000028
的非固定路径，将其加入固定路径集合Fix(R)；否则将当前取值最大的路径
Figure GDA0003837473180000029
加入固定路径集合Fix(R)，
Figure GDA0003837473180000031
A5、对于
Figure GDA0003837473180000032
设置
Figure GDA0003837473180000033
下界
Figure GDA0003837473180000034
表示该路径被选中，同时路径r中的航班f添加进集合Fix(F)中，表示该航班执行情况已确定，如果存在路径
Figure GDA0003837473180000035
且路径r中的航班f∈Fix(F)，设置该路径对应变量值
Figure GDA0003837473180000036
上界
Figure GDA0003837473180000037
表示路径被淘汰；
A6、求解模型主问题的线性松弛解；
A7、比较固定路径航班对前后两次线性松弛解，判断其目标值是否变大，如果目标值变大，则执行步骤A8，否则返回步骤A3；
A8、列生成算法为每个飞机找到更优的路径r1,r2,...,rn，添加进路径集合中，R＝R∪{r1,r2,...,rn}，转到步骤A2。
进一步地，所述旅客行程恢复单元中，执行以下步骤：
B1、得到初始行程集合；
B2、求解旅客行程恢复模型，其目标函数为：
Figure GDA0003837473180000038
其中，参数
Figure GDA0003837473180000039
是把行程i的旅客安排给行程m的单个旅客的成本，ci是行程i的单个旅客的取消成本，决策变量
Figure GDA00038374731800000310
是行程i被安排去行程m的旅客数量，其中m包含i，λi是行程i最终被退票的旅客数量，模型约束如下：
Figure GDA00038374731800000311
Figure GDA00038374731800000312
其中，ni是原计划中行程i的旅客数量，
Figure GDA00038374731800000313
表示航班f是否包含在行程m内，Capa代表飞机a的座位数，
Figure GDA00038374731800000314
是已知的飞机恢复模型的解，IT是旅客行程的集合，Г(i)是行程i的备选路径的集合，Ra是飞机a可选路径的集合；
B3、获得求解旅客行程恢复模型后的对偶变量，利用多标签最短路算法解决行程子问题；
B4、通过检验数判断是否存在更优的旅客行程，如果存在，添加新的行程变量和对应约束到主模型中，执行步骤B2；否则执行步骤B5；
B5、输出旅客行程调整计划。
进一步地，所述机务恢复单元中，执行以下步骤：
C1、得到初始路径集合；
C2、求解机务恢复模型，其目标函数为：
Figure GDA0003837473180000041
其中，参数Rs是路径s的执行利润，
Figure GDA0003837473180000042
是飞机a被安排给路径s的成本，
Figure GDA0003837473180000043
表示飞机a是否被安排给路径s，S是机务路径的集合，模型包括以下约束条件：
Figure GDA0003837473180000044
Figure GDA0003837473180000045
其中，
Figure GDA0003837473180000046
代表某个航班f是否包含在路径s中；
C3、判断当前解是否为整数解，如果不是执行步骤C4；否则退出，
Figure GDA0003837473180000047
所对应的路径r的集合即为飞机路径重排的解；
C4、统计路径取值，如果存在
Figure GDA0003837473180000048
的非固定路径，将其加入固定路径集合Fix(R)；否则将当前取值最大的路径
Figure GDA0003837473180000049
加入固定路径集合Fix(R)，
Figure GDA00038374731800000410
C5、对于
Figure GDA00038374731800000411
设置
Figure GDA00038374731800000412
下界
Figure GDA00038374731800000413
表示该路径被选中，同时路径s中的航班f添加进集合Fix(F)中，表示该航班执行情况已确定，如果存在路径
Figure GDA00038374731800000414
且路径r中的航班f∈Fix(F)，设置该路径对应变量值
Figure GDA00038374731800000415
上界
Figure GDA00038374731800000416
表示路径被淘汰；
C6、求解模型主问题的线性松弛解；
C7、比较固定路径航班对前后两次线性松弛解，判断其目标值是否变大，如果目标值变大，则执行步骤C8；否则返回步骤C3；
C8、通过列生成算法为每个飞机找到更优的路径s1,s2,...,sn，添加进路径集合中，S＝S∪{s1,s2,...,sn}，转到步骤C2。
进一步地，所述的多标签最短路算法包括以下步骤：
D1、根据需求构建航班连接网络，网络中的每一个点代表一个事件，事件为航班或飞机维护，点集被表示为N；
D2、初始化所有点的标签，将出发点设置为0，将其他点设置为空；
D3、按照拓扑序依次遍历每一个点i∈N，并获得其后续节点的集合S(n)，如果遍历完毕则执行步骤D5，否则执行步骤D4；
D4、遍历点i的后续集合S(n)，针对i里所有标签且根据i和j，j∈S(n)两个事件点之间的关系进行一个占优判断，从而对j的标签进行更新，如果遍历完毕则执行步骤D3；
D5、根据上一轮主问题的对偶变量的值计算出可行的所有路径的检验数，选出检验数最小的一条路径，若检验数小于0，则该条路径被采用。
进一步地，所述输入模块包括：
系统数据输入单元，用于获取核心算法模块所需要的信息数据，包括天气信息、飞机信息、航班信息、机场信息、旅客行程信息、航班运营成本、收益和维修计划；
系统参数配置单元，用于接收用户设置的参数并将其传给核心算法模块，所述参数包括成本类参数和约束类参数。，约束类参数体现在A8、B3、C8的求解过程中，成本类参数体现在A2、B2、C2的成本系数里。
进一步地，所述成本类参数包括取消航班罚分、机型变换罚分、换飞机罚分、调机罚分、航班提前罚分、航班延误罚分、联程拆分罚分、联程拉直罚分、旅客取消罚分、旅客签转罚分、旅客延误罚分和维修延误罚分；所述约束类参数包括恢复窗口设置、最大提前时间、最大延误时间、最大取消航班数、飞机过站时间、旅客中转时间、机场容量限制、过夜停机限制和机库停机限制。
进一步地，所述输出模块用于接收核心算法模块的计算结果进行可视化展示。
与现有技术相比，本发明具有以下有益效果：
1、本发明的一体化系统通过数据挖掘技术可以协助优化算法引擎对不确定的未来场景进行更精确的预判，有利于航空公司未雨绸缪，提前采取预防措施，从而更灵活的应对不正常场景。同时，其中的价值评估技术能够对各类资源的价值进行更准确的测量，帮助优化引擎识别关键资源，提供节约成本的优化方案。
2、本发明能够灵活快速的响应各种复杂的航班突发情况。相对于人工编排，整合恢复方案的生成时间迅速缩短，帮助航空公司在尽可能短的时间内摆脱不正常情况的影响，恢复正常运作，从而避免不正常情况影响的进一步扩散。
3、本发明不囿于人工编排、经验编排的局限性，能够从全局的角度对所涉及的资源进行统筹规划，旨在获得全局最优的恢复方案，以减少异常情况下的航班取消与航班延误，减少异常情况对旅客的影响。除了飞机路径恢复与旅客行程恢复，机务恢复模块同样也是该技术方案的重要部分，机务恢复保障了飞机在异常情况下的维修检护工作，保障航班的安全运行。同时，管理人员可以对优化目标进行定制化，如对航班延误最小化，取消航班最小化，旅客行程丢失最小化等多种目标制定不同的权重，灵活应对不同恢复场景，有的放矢地制定多种管理决策。
综上所述，本发明能够通过数据挖掘预测与优化算法引擎，针对恶劣天气、飞机故障、地面延误等不正常情况，整合飞机、航班、机组、机务、旅客等各方面资源，进行智能航班恢复、旅客行程恢复以及机务恢复。
附图说明
图1为本发明的系统模块示意图。
图2为基于飞机路径的分支定价算法流程图。
图3为旅客行程恢复流程图。
图4为多标签最短路径算法流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本实施例公开了不正常航班飞机、旅客及机务一体化恢复系统，当恶劣天气导致大量不正常航班的产生时，该系统能够在短时间内给出一个最优的航班调整、飞机路径重选和旅客重排计划，很大程度地节省了航空公司的运营成本且有助于树立航空公司良好的危机应对形象，赢得旅客信任从而增强市场竞争力。
本实施例的一体化系统采用计算机技术，通过建立优化模型，设计优化算法等技术手段，自动实现不正常航班情况下的飞机路径和旅客行程的恢复。如图1所示，系统包含三大模块，分别是输入模块、核心算法模块和输出模块。
一、输入模块
输入模块包含系统数据输入单元和系统参数配置单元两部分。
数据输入单元：用于获取数据挖掘及核心算法所需要的信息，包括天气信息、飞机信息、航班信息、机场信息、旅客行程信息、航班运营成本、收益、维修计划以及一系列规则等信息。
系统参数配置单元：用于接收用户设置的参数并将其传给数据挖掘及核心算法模块，参数配置包含取消航班罚分、机型变换罚分、换飞机罚分、调机罚分、航班提前罚分、航班延误罚分、联程拆分罚分、联程拉直罚分、旅客取消罚分、旅客签转罚分、旅客延误罚分、维修延误罚分等成本类参数，以及恢复窗口设置、最大提前时间、最大延误时间、最大取消航班数、飞机过站时间、旅客中转时间、机场容量限制、过夜停机限制、机库停机限制等约束类参数。
二、核心算法模块
核心算法模块包括飞机路径恢复单元、旅客行程恢复单元和机务恢复单元。
飞机路径恢复单元：飞机路径恢复单元通过延误、取消、交换部分路径等恢复方式，生成恢复成本最小化的飞机路径重规划方案，调整。该单元通过列生成框架结合多标签最短路算法，找到满足最小过站时间、维护要求、航线-飞机限制的最优飞机路径组合。对最优飞机路径的评估可采取多个指标，如延误成本评估、取消成本评估、与原路径的偏离程度等都可作为衡量飞机路径恢复方案的标准。该单元用于不正常场景下飞机以及航班计划的快速恢复，避免不利影响的进一步扩散。
旅客行程恢复单元：航班的延误或取消不仅使得航司需要支付一大笔补偿费用，也会影响航司的口碑信誉，降低服务水平。因此，旅客行程恢复单元旨在通过对旅客适当重安排，减少延误和取消对旅客行程的影响。该单元通过列生成框架结合多标签最短路算法，生成旅客重新安排的行程组合，决定可进行重安排的旅客所分配的航班以及无法重安排需赔偿的旅客。该单元有利于航司合理安排由不正常场景导致的旅客行程中断，降低旅客恢复的损失费用，保障航司的服务水平。
机务恢复单元：在恢复期间，飞机路径会因不正常场景影响而发生变化，此时飞机的维护计划恢复则需要建立在飞机路径恢复的基础上。机务恢复单元旨在结合各基地维修资源，合理安排飞机的维护任务，同样采取列生成结合多标签最短路算法，考虑飞机两次维护之间的最大飞行时间、最大起降架次以及飞机-维护机场等限制，生成包含维护任务的最优飞机路径组合。该单元有利于维护不正常场景下飞机的日常维检工作，提高飞机的可靠性，保障航班的安全运行。
三、输出模块
输出模块主要是恢复计划输出，用于接收核心算法模块的计算结果，其结果包括航班调整计划、旅客行程调整计划以及机务调整计划，并将结果进行可视化展示，待业务人员确认后进行发布运行。
核心算法模块的具体展开如下：
(1)飞机路径恢复单元中运用分支定价法，如图2所示，执行以下步骤：
步骤1：得到初始路径集合；
步骤2：求解飞机路径恢复模型，它的目标函数为：
Figure GDA0003837473180000081
其中参数cf是航班f的取消成本，
Figure GDA0003837473180000082
是飞机a被安排给路径r的成本。决策变量zf表示航班f是否被取消，
Figure GDA0003837473180000083
表示飞机a是否被安排给路径r，A是飞机的集合】，Ra是飞机a可选路径的集合，F是航班的集合。
模型包括以下两个约束条件：
Figure GDA0003837473180000084
Figure GDA0003837473180000085
其中，
Figure GDA0003837473180000086
代表某个航段f是否包含在路径r中。第一个约束保证了每一架飞机都被安排给一个路径。第二个约束表示每个航班必须被包含在飞机路径中执行，否则被取消。
步骤3：判断当前解是否为整数解，如果不是执行步骤4，否则退出，
Figure GDA0003837473180000087
所对应的路径r的集合即为飞机路径重排的解；
步骤4：统计路径取值，如果存在
Figure GDA0003837473180000088
的非固定路径，将其加入固定路径集合Fix(R)；否则将当前取值最大的路径
Figure GDA0003837473180000089
加入固定路径集合Fix(R)，
Figure GDA00038374731800000810
步骤5：对于
Figure GDA00038374731800000811
设置
Figure GDA00038374731800000812
下界
Figure GDA00038374731800000813
表示该路径被选中，同时路径r中的航班f添加进集合Fix(F)中，表示该航班执行情况已确定，如果存在路径
Figure GDA00038374731800000814
且路径r中的航班f∈Fix(F)，设置该路径对应变量值
Figure GDA00038374731800000815
上界
Figure GDA00038374731800000816
表示路径被淘汰；
步骤6：求解模型MP(主问题)的线性松弛解；
步骤7：比较固定路径航班对前后两次线性松弛解，判断其目标值是否变大，如果目标值变大，则执行步骤8，否则返回步骤3；
步骤8：列生成算法为每个飞机找到更优的路径r1,r2,...,rn，添加进路径集合中，R＝R∪{r1,r2,...,rn}，转到步骤2。
算法中的列生成通过多标签最短路径实现，详细过程可见(4)列生成。
(2)旅客行程恢复是在飞机路径恢复的基础上进行的，旨在实现旅客重安排，尽可能减少旅客行程延误。旅客行程恢复单元中，如图3所示，执行以下步骤：
步骤1：得到初始行程集合；
步骤2：求解旅客行程恢复模型，它的目标函数为：
Figure GDA0003837473180000091
其中，参数
Figure GDA0003837473180000092
是把行程i的旅客安排给行程m的单个旅客的成本，ci是行程i的单个旅客的取消成本，λi是行程i最终被退票的旅客数量。模型约束如下：
Figure GDA0003837473180000093
Figure GDA0003837473180000094
其中，ni是原计划中行程i的旅客数量，
Figure GDA0003837473180000095
表示航班f是否包含在行程m内，Capa代表飞机a的座位数，
Figure GDA0003837473180000096
是已知的飞机恢复模型的解，IT是旅客行程的集合，Г(i)是行程i的备选路径的集合，Ra是飞机a可选路径的集合。第一个约束保证了每个行程的旅客都能被安排航班到达他的目的地，否则退票。第二个约束保证了每个航班的旅客数量不超过该安排给该航班的飞机的座位数。
步骤3：获得求解旅客行程恢复模型后的对偶变量，利用多标签最短路算法解决行程子问题；
步骤4：通过检验数判断是否存在更优的旅客行程，如果存在，添加新的行程变量和对应约束到主模型中，转步骤2；否则转步骤5；
步骤5：输出旅客行程调整计划。
算法中的列生成通过多标签最短路径实现，详细过程可见(4)列生成。
(3)机务恢复单元旨在为所有飞机安排近期飞机维护任务，如图2所示，执行以下步骤：
步骤1：得到初始路径集合；
步骤2：求解机务恢复模型，它的目标函数为：
Figure GDA0003837473180000097
其中，参数Rs是路径s的执行利润，
Figure GDA0003837473180000098
是飞机a被安排给路径s的成本，相比于2.5，机务恢复的路径历时更长，且每条路径均以维护任务结束。决策变量
Figure GDA0003837473180000099
表示飞机a是否在地面弧g上，
Figure GDA00038374731800000910
表示飞机a是否被安排给路径s，S是机务路径的集合。
模型包括以下两个个约束条件：
Figure GDA00038374731800000911
Figure GDA00038374731800000912
其中，
Figure GDA00038374731800000913
代表某个航班f是否包含在路径s中。第一个约束保证每个航班最多被安排给一架飞机。第二个约束保证了一架飞机a最多只能被安排给一条路径s。
步骤3：判断当前解是否为整数解，如果不是执行步骤4，否则退出，
Figure GDA0003837473180000101
所对应的路径r的集合即为飞机路径重排的解；
步骤4：统计路径取值，如果存在
Figure GDA0003837473180000102
的非固定路径，将其加入固定路径集合Fix(R)；否则将当前取值最大的路径
Figure GDA0003837473180000103
加入固定路径集合Fix(R)，
Figure GDA0003837473180000104
步骤5：对于
Figure GDA0003837473180000105
设置
Figure GDA0003837473180000106
下界
Figure GDA0003837473180000107
表示该路径被选中，同时路径s中的航班f添加进集合Fix(F)中，表示该航班执行情况已确定，如果存在路径
Figure GDA0003837473180000108
且路径r中的航班f∈Fix(F)，设置该路径对应变量值
Figure GDA0003837473180000109
上界
Figure GDA00038374731800001010
表示路径被淘汰；
步骤6：求解模型MP(主问题)的线性松弛解；
步骤7：比较固定路径航班对前后两次线性松弛解，判断其目标值是否变大，如果目标值变大，则执行步骤8，否则返回步骤3；
步骤8：列生成算法为每个飞机找到更优的路径s1,s2,...,sn，添加进路径集合中，S＝S∪{s1,s2,...,sn}，转到步骤2。
算法中的列生成同样通过多标签最短路径实现，详细过程可见(4)列生成。
(4)列生成子问题的求解，采用了多标签最短路算法，如图4所示，具体步骤如下：
步骤1：根据需求构建航班连接网络。该方法被用于飞机路径子问题和旅客行程生成子问题，根据不同的子问题，可以构建不同的网络。网络中的每一个点代表一个事件，可以是航班也可以是飞机维护，点集被表示为N。
步骤2：初始化所有点的标签，将出发点设置为0，将其他点设置为空。
步骤3：按照拓扑序依次遍历每一个点i∈N，并获得其后续节点的集合S(n)，如果遍历完毕则去步骤5，否则步骤4。
步骤4：遍历点i的后续集合S(n)，针对i里所有标签且根据i和j，j∈S(n)两个事件点之间的关系进行一个占优判断(成本等多个元素)，从而对j的标签进行更新。如果遍历完毕则返回步骤3。
步骤5：根据上一轮MP的对偶变量的值计算出可行的所有路径的检验数，选出检验数最小的一条路径，若检验数小于0，则该条路径被采用。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (6)

1.一种不正常航班飞机、旅客及机务一体化恢复系统，其特征在于，包括输入模块、核心算法模块和输出模块，其中，所述核心算法模块包括：
飞机路径恢复单元，用于通过列生成框架结合多标签最短路算法，找到满足最小过站时间、维护要求和航线-飞机限制的最优飞机路径组合；
旅客行程恢复单元，用于通过列生成框架结合多标签最短路算法，生成旅客重新安排的行程组合，决定可进行重安排航班的旅客所分配的航班，以及标记无法重安排航班需赔偿的旅客；
机务恢复单元，用于通过列生成框架结合多标签最短路算法，考虑飞机两次维护之间的最大飞行时间、最大起降架次，以及飞机-维护机场限制，生成包含维护任务的最优飞机路径组合；
其中，所述机务恢复单元中，执行以下步骤：
C1、得到初始路径集合；
C2、求解机务恢复模型，其目标函数为：
Figure FDA0003797056300000011
其中，参数Rs是路径s的执行利润，
Figure FDA0003797056300000012
是飞机a被安排给路径s的成本，
Figure FDA0003797056300000013
表示飞机a是否被安排给路径s，S是机务路径的集合，模型包括以下约束条件：
Figure FDA0003797056300000014
Figure FDA0003797056300000015
其中，
Figure FDA0003797056300000016
代表某个航班f是否包含在路径s中，A为飞机的集合，F为航班的集合；
C3、判断当前解是否为整数解，如果不是执行步骤C4；否则退出，
Figure FDA0003797056300000017
所对应的路径r的集合即为飞机路径重排的解；
C4、统计路径取值，如果存在
Figure FDA0003797056300000018
的非固定路径，将其加入固定路径集合Fix(F)；否则将当前取值最大的路径
Figure FDA0003797056300000019
加入固定路径集合Fix(F),
Figure FDA00037970563000000110
C5、对于
Figure FDA0003797056300000021
设置
Figure FDA0003797056300000022
下界
Figure FDA0003797056300000023
表示该路径被选中，同时路径s中的航班f添加进集合Fix(F)中，表示该航班执行情况已确定，如果存在路径
Figure FDA0003797056300000024
Fix(R)为固定路径集合，且路径r中的航班f∈Fix(F)，设置该路径对应变量值
Figure FDA0003797056300000025
上界
Figure FDA0003797056300000026
表示路径被淘汰；
C6、求解模型主问题的线性松弛解；
C7、比较固定路径航班对前后两次线性松弛解，判断其目标值是否变大，如果目标值变大，则执行步骤C8；否则返回步骤C3；
C8、通过列生成算法为每个飞机找到更优的路径s1,s2,...,sn，添加进路径集合中，S＝S∪{s1,s2,...,sn}，转到步骤C2；
其中，所述输入模块包括：
系统数据输入单元，用于获取数据挖掘及核心算法模块所需要的信息数据，包括天气信息、飞机信息、航班信息、机场信息、旅客行程信息、航班运营成本、收益和维修计划；
系统参数配置单元，用于接收用户设置的参数并将其传给核心算法模块，所述参数包括成本类参数和约束类参数。
2.根据权利要求1所述的一种不正常航班飞机、旅客及机务一体化恢复系统，其特征在于，所述飞机路径恢复单元中，执行以下步骤：
A1、得到初始路径集合；
A2、求解飞机路径恢复模型，其目标函数为：
Figure FDA0003797056300000027
其中，参数cf是航班f的取消成本，
Figure FDA0003797056300000028
是飞机a被安排给路径r的成本，决策变量zf表示航班f是否被取消，
Figure FDA0003797056300000029
表示飞机a是否被安排给路径r，A是飞机的集合，Ra是飞机a可选路径的集合，F是航班的集合，
模型包括以下两个约束条件：
Figure FDA00037970563000000210
Figure FDA00037970563000000211
其中，
Figure FDA00037970563000000212
代表某个航班f是否包含在路径r中；
A3、判断当前解是否为整数解，如果不是执行步骤A4；否则退出，
Figure FDA00037970563000000213
所对应的路径r的集合即为飞机路径重排的解；
A4、统计路径取值，如果存在
Figure FDA0003797056300000031
的非固定路径，将其加入固定路径集合Fix(R)；否则将当前取值最大的路径
Figure FDA0003797056300000032
加入固定路径集合Fix(R)，
Figure FDA0003797056300000033
A5、对于
Figure FDA0003797056300000034
设置
Figure FDA0003797056300000035
下界
Figure FDA0003797056300000036
表示该路径被选中，同时路径r中的航班f添加进集合Fix(F)中，表示该航班执行情况已确定，如果存在路径
Figure FDA0003797056300000037
且路径r中的航班f∈Fix(F)，设置该路径对应变量值
Figure FDA0003797056300000038
上界
Figure FDA0003797056300000039
表示路径被淘汰；
A6、求解模型主问题的线性松弛解；
A7、比较固定路径航班对前后两次线性松弛解，判断其目标值是否变大，如果目标值变大，则执行步骤A8，否则返回步骤A3；
A8、列生成算法为每个飞机找到更优的路径r1,r2,...,rn，添加进路径集合中，R＝R∪{r1,r2,...,rn}，转到步骤A2。
3.根据权利要求1所述的一种不正常航班飞机、旅客及机务一体化恢复系统，其特征在于，所述旅客行程恢复单元中，执行以下步骤：
B1、得到初始行程集合；
B2、求解旅客行程恢复模型，其目标函数为：
Figure FDA00037970563000000310
其中，参数
Figure FDA00037970563000000311
是把行程i的旅客安排给行程m的单个旅客的成本，ci是行程i的单个旅客的取消成本，决策变量
Figure FDA00037970563000000312
是行程i被安排去行程m的旅客数量，其中m包含i，λi是行程i最终被退票的旅客数量，模型约束如下：
Figure FDA00037970563000000313
Figure FDA00037970563000000314
其中，ni是原计划中行程i的旅客数量，
Figure FDA00037970563000000315
表示航班f是否包含在行程m内，Capa代表飞机a的座位数，
Figure FDA00037970563000000316
是已知的飞机恢复模型的解，IT是旅客行程的集合，Г(i)是行程i的备选路径的集合，Ra是飞机a可选路径的集合，
Figure FDA00037970563000000317
为某个航班f是否包含在路径r中；
B3、获得求解旅客行程恢复模型后的对偶变量，利用多标签最短路算法解决行程子问题；
B4、通过检验数判断是否存在更优的旅客行程，如果存在，添加新的行程变量和对应约束到主模型中，执行步骤B2；否则执行步骤B5；
B5、输出旅客行程调整计划。
4.根据权利要求1所述的一种不正常航班飞机、旅客及机务一体化恢复系统，其特征在于，所述的多标签最短路算法包括以下步骤：
D1、根据需求构建航班连接网络，网络中的每一个点代表一个事件，事件为航班或飞机维护，点集被表示为N；
D2、初始化所有点的标签，将出发点设置为0，将其他点设置为空；
D3、按照拓扑序依次遍历每一个点i∈N，并获得其后续节点的集合S(n)，如果遍历完毕则执行步骤D5，否则执行步骤D4；
D4、遍历点i的后续集合S(n)，针对i里所有标签且根据i和j，j∈S(n)两个事件点之间的关系进行一个占优判断，从而对j的标签进行更新，如果遍历完毕则执行步骤D3；
D5、根据主问题的对偶变量的值计算出可行的所有路径的检验数，选出检验数最小的一条路径，若检验数小于0，则该条路径被采用。
5.根据权利要求1所述的一种不正常航班飞机、旅客及机务一体化恢复系统，其特征在于，所述成本类参数包括取消航班罚分、机型变换罚分、换飞机罚分、调机罚分、航班提前罚分、航班延误罚分、联程拆分罚分、联程拉直罚分、旅客取消罚分、旅客签转罚分、旅客延误罚分和维修延误罚分；所述约束类参数包括恢复窗口设置、最大提前时间、最大延误时间、最大取消航班数、飞机过站时间、旅客中转时间、机场容量限制、过夜停机限制和机库停机限制。
6.根据权利要求1所述的一种不正常航班飞机、旅客及机务一体化恢复系统，其特征在于，所述输出模块用于接收核心算法模块的计算结果进行可视化展示。
CN202110124727.0A 2021-01-29 2021-01-29 一种不正常航班飞机、旅客及机务一体化恢复系统 Active CN112819317B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110124727.0A CN112819317B (zh) 2021-01-29 2021-01-29 一种不正常航班飞机、旅客及机务一体化恢复系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110124727.0A CN112819317B (zh) 2021-01-29 2021-01-29 一种不正常航班飞机、旅客及机务一体化恢复系统

Publications (2)

Publication Number Publication Date
CN112819317A CN112819317A (zh) 2021-05-18
CN112819317B true CN112819317B (zh) 2022-11-18

Family

ID=75860106

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110124727.0A Active CN112819317B (zh) 2021-01-29 2021-01-29 一种不正常航班飞机、旅客及机务一体化恢复系统

Country Status (1)

Country Link
CN (1) CN112819317B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114333430A (zh) * 2021-12-22 2022-04-12 悠桦林信息科技(上海)有限公司 航班信息生成方法、装置、设备、存储介质和计算机程序产品
CN114358446B (zh) * 2022-03-21 2022-05-27 北京航空航天大学 一种机场资源调度的鲁棒优化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845809A (zh) * 2017-01-11 2017-06-13 东方航空技术有限公司 一种机务航线派工方法、系统及装置、派工系统
CN109840610A (zh) * 2017-11-28 2019-06-04 梁哲 不正常航班飞机路径与旅客行程自动恢复系统及方法
CN110751309A (zh) * 2019-08-30 2020-02-04 中国南方航空股份有限公司 一种不正常航班的恢复方法、电子设备及存储介质
CN112132484A (zh) * 2020-09-30 2020-12-25 中国民航信息网络股份有限公司 一种航班恢复方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110533228B (zh) * 2019-08-13 2023-08-04 哈尔滨工程大学 一种考虑旅客意愿的航班恢复方法
CN111783357B (zh) * 2020-06-30 2024-05-24 南京航空航天大学 一种基于减少旅客延误的中转行程优化方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845809A (zh) * 2017-01-11 2017-06-13 东方航空技术有限公司 一种机务航线派工方法、系统及装置、派工系统
CN109840610A (zh) * 2017-11-28 2019-06-04 梁哲 不正常航班飞机路径与旅客行程自动恢复系统及方法
CN110751309A (zh) * 2019-08-30 2020-02-04 中国南方航空股份有限公司 一种不正常航班的恢复方法、电子设备及存储介质
CN112132484A (zh) * 2020-09-30 2020-12-25 中国民航信息网络股份有限公司 一种航班恢复方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A column generation-based heuristic for aircraft recovery problem with airport capacity constraints and maintenance flexibility;Zhe Liang et al.;《Transportation Research Part B》;20180526;70-90 *
航班运控中飞机和机组快速整合优化恢复;乐美龙等;《南京航空航天大学学报》;20150815;第47卷(第04期);487-495 *
飞机和旅客流一体化恢复模型;乐美龙等;《工业工程》;20131015;第16卷(第05期);113-119 *

Also Published As

Publication number Publication date
CN112819317A (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
CN112330983B (zh) 不正常航班一体化智能恢复方法
Petersen et al. An optimization approach to airline integrated recovery
Kasirzadeh et al. Airline crew scheduling: models, algorithms, and data sets
Voltes-Dorta et al. Vulnerability of the European air transport network to major airport closures from the perspective of passenger delays: Ranking the most critical airports
Wei et al. Optimization model and algorithm for crew management during airline irregular operations
Zhang et al. Optimization for gate re-assignment
US6408276B1 (en) Crew optimization engine for repair of pairings during irregular airline operations
CN112819317B (zh) 一种不正常航班飞机、旅客及机务一体化恢复系统
CN108573618A (zh) 航空中的基于轨迹的运行的弹性增强
CN107563519A (zh) 飞行器非周期性维护安排系统
US8700440B1 (en) System and method for managing multiple transportation operations
Zhou et al. Airline planning and scheduling: Models and solution methodologies
CN111798079A (zh) 航班调整方法、装置、电子设备及存储介质
CN107301510A (zh) 一种基于遗传算法的加油车和摆渡车协同调度方法
CN110826757A (zh) 一种航班调度方法、装置及其设备
Hu et al. Integrated recovery of aircraft and passengers with passengers’ willingness under various itinerary disruption situations
CN110909946B (zh) 一种基于公路换乘的航班计划优化方法
Bard et al. Improving through-flight schedules
Xu et al. Robust integrated airline scheduling with chance constraints
CN113947296A (zh) 一种基于多智能体系统的航班延误恢复方法
Hong et al. An air-rail inter-modal strategy for aircraft recovery
CN114021817B (zh) 基于情景应对的飞机与旅客一体化干扰恢复的优化决策系统
Shabanpour et al. Integrated linear integer model of a fleet allocation and aircraft routing problem with operational constraints
Sandhu et al. Integrated airline planning
Rakas et al. Deterministic models for degraded airside capacity and delays

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