CN113409619A - 一种基于元胞自动机的航班调度方法、系统及存储介质 - Google Patents
一种基于元胞自动机的航班调度方法、系统及存储介质 Download PDFInfo
- Publication number
- CN113409619A CN113409619A CN202110557633.2A CN202110557633A CN113409619A CN 113409619 A CN113409619 A CN 113409619A CN 202110557633 A CN202110557633 A CN 202110557633A CN 113409619 A CN113409619 A CN 113409619A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- flight
- channel
- time
- sub
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
- G08G5/0039—Modification of a flight plan
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于元胞自动机的航班调度方法、系统及存储介质,方法包括获取所有航道的约束条件集,根据所述约束条件集构建元胞自动机模型;根据预设调度计划获取所有航班的初始进离场数据集,根据所述初始进离场数据集和所述元胞自动机模型得到初始航班调度计划;实时获取所有航班的实时进离场数据集,根据所述初始航班调度计划、所述实时进离场数据集和所述元胞自动机模型,得到优化航班调度计划。本发明实现了航班调度的二次优化,充分考虑了航班在进离场的实时过程中的数据进行后续的调度计划调整,避免人为驾驶和模型误差等原因导致的误差积累现象,有效减小了实际进离场过程与调度计划逐渐扩大的偏差,有效提升了调度优化效果。
Description
技术领域
本发明涉及航空航班优化领域,尤其涉及一种基于元胞自动机的航班调度方法、系统及存储介质。
背景技术
随着民用航空事业的迅速发展,航班飞行量也随之大幅增加。为了最大化利用空域资源、优化空中交通流量及减轻管制员工作负荷,出现了很多对航班进行调度优化的技术。利用元胞自动机模型来实现航班调度就是其中一个重要方面。
然而,目前在航班的进离场采用元胞自动机模型来实现调度优化时,多基于航班在进场前或离场前的数据来进行后续的理论计算,而没有考虑航班在进离场的实时过程中的数据进行后续的调度计划调整,由于人为驾驶和模型误差等原因,会出现误差积累现象,进而导致整个实际进离场过程与调度计划的偏差逐渐扩大,调度优化效果不佳。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种基于元胞自动机的航班调度方法、系统及存储介质,基于元胞自动机模型,利用实时获取的航班的实时进离场数据集来对初始航班调度计划进行优化,能够克服人为驾驶和模型误差等原因,有效减小误差积累,提高航班调度优化效果。
本发明解决上述技术问题的技术方案如下:
一种基于元胞自动机的航班调度方法,包括以下步骤:
获取所有航道的约束条件集,根据所述约束条件集构建元胞自动机模型;
根据预设调度计划获取所有航班的初始进离场数据集,根据所述初始进离场数据集和所述元胞自动机模型得到初始航班调度计划;
实时获取所有航班的实时进离场数据集,根据所述初始航班调度计划、所述实时进离场数据集和所述元胞自动机模型,得到优化航班调度计划。
依据本发明的另一方面,还提供了一种基于元胞自动机的航班调度系统,应用于本发明中的基于元胞自动机的航班调度方法中,包括建模模块、初始调度模块和优化调度模块;
所述建模模块用于获取所有航道的约束条件集,根据所述约束条件集构建元胞自动机模型;
所述初始调度模块用于根据预设调度计划获取所有航班的初始进离场数据集,根据所述初始进离场数据集和所述元胞自动机模型得到初始航班调度计划;
所述优化调度模块用于获取所有航班的实时进离场数据集,根据所述初始进离场数据集、所述实时进离场数据集和所述元胞自动机模型,得到优化航班调度计划。
依据本发明的另一方面,提供了一种基于元胞自动机的航班调度系统,包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序,所述计算机程序运行时实现本发明中的基于元胞自动机的航班调度方法中的步骤。
依据本发明的另一方面,提供了一种计算机存储介质,所述计算机存储介质包括:至少一个指令,在所述指令被执行时实现本发明的基于元胞自动机的航班调度方法中的步骤。
本发明的基于元胞自动机的航班调度方法、系统及存储介质的有益效果是:首先获取构建元胞自动机模型的约束条件集,便于基于约束条件集为机场所有航班进行仿真分析,构建的元胞自动机模型更符合机场航班的实际运营情况;在航班调度时,通常会设置一个符合实际需求的调度计划,即预设调度计划,通过预设调度计划可以获取所有航班在进场前或离场前的数据,即初始进离场数据集,便于后续根据初始进离场数据集和元胞自动机模型,得到符合实际需求和实际运营情况的航班调度计划,即初始航班调度计划,实现对航班调度的初次优化;然后获取所有航班在进离场之后的实时进离场数据集,基于实时进离场数据集和元胞自动机模型对初始航班调度计划进行再次优化,得到的优化航班调度计划实现了航班调度的再次优化;
本发明的基于元胞自动机的航班调度方法、系统及存储介质,实现了航班调度的二次优化,充分考虑了航班在进离场的实时过程中的数据进行后续的调度计划调整,避免人为驾驶和模型误差等原因导致的误差积累现象,有效减小了实际进离场过程与调度计划逐渐扩大的偏差,有效提升了调度优化效果。
附图说明
图1为本发明实施例一中一种基于元胞自动机的航班调度方法的流程示意图;
图2为本发明实施例一中获取约束条件集的流程示意图;
图3为本发明实施例一中划分的子网格航道的模型示意图;
图4为本发明实施例一中构建元胞自动机模型的流程示意图;
图5为本发明实施例一中得到初始航班调度计划的流程示意图;
图6为本发明实施例一中获取实时进离场数据集的流程示意图;
图7为本发明实施例一中得到优化航班调度计划的流程示意图;
图8为本发明实施例二中一种基于元胞自动机的航班调度系统的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
下面结合附图,对本发明进行说明。
实施例一、如图1所示,一种基于元胞自动机的航班调度方法,包括以下步骤:
S1:获取所有航道的约束条件集,根据所述约束条件集构建元胞自动机模型;
S2:根据预设调度计划获取所有航班的初始进离场数据集,根据所述初始进离场数据集和所述元胞自动机模型得到初始航班调度计划;
S3:实时获取所有航班的实时进离场数据集,根据所述初始航班调度计划、所述实时进离场数据集和所述元胞自动机模型,得到优化航班调度计划。
首先获取构建元胞自动机模型的约束条件集,便于基于约束条件集为机场所有航班进行仿真分析,构建的元胞自动机模型更符合机场航班的实际运营情况;在航班调度时,通常会设置一个符合实际需求的调度计划,即预设调度计划,通过预设调度计划可以获取所有航班在进场前或离场前的数据,即初始进离场数据集,便于后续根据初始进离场数据集和元胞自动机模型,得到符合实际需求和实际运营情况的航班调度计划,即初始航班调度计划,实现对航班调度的初次优化;然后获取所有航班在进离场之后的实时进离场数据集,基于实时进离场数据集和元胞自动机模型对初始航班调度计划进行再次优化,得到的优化航班调度计划实现了航班调度的再次优化;
本实施例的基于元胞自动机的航班调度方法,实现了航班调度的二次优化,充分考虑了航班在进离场的实时过程中的数据进行后续的调度计划调整,避免人为驾驶和模型误差等原因导致的误差积累现象,有效减小了实际进离场过程与调度计划逐渐扩大的偏差,有效提升了调度优化效果。
优选地,如图2所示,在S1中,获取所述约束条件集的具体步骤包括:
S11:分别沿机场中每个航道的纵向方向,对每个航道进行航道划分,得到所述机场的多个子网格航道;
S12:获取每个子网格航道的GIS地图数据和天气数据,并分别根据每个子网格航道的GIS地图数据和天气数据,判断每个子网格航道的调度类型;
S13:根据每个子网格航道的调度类型,定义对应的速度约束条件、容量约束条件、距离间隔约束条件和时间间隔约束条件;
第h个航道中第k个子网格航道的速度约束条件:
第h个航道中第k个子网格航道的容量约束条件:
第h个航道中第k个子网格航道的距离间隔约束条件:
第h个航道中第k个子网格航道的时间间隔约束条件:
其中,为第h个航道中第k个子网格航道的第i个航班的航班飞行速度,为第h个航道中第k个子网格航道的第i+1个航班的航班飞行速度,Vmax1为调度类型为I类时的最大飞行速度,Vmax2为调度类型为II类时的最大飞行速度,满足Vmax1>Vmax2;为第h个航道中第k个子网格航道的航班容量,Nmax为机场最大航班容量,Kh为第h个航道的子网格航道总数,H为总航道数;为第h个航道中第k个子网格航道的第i个航班距离机场的距离,为第h个航道中第k个子网格航道的第i+1个航班距离机场的距离,ssafe1为调度类型为I类时的安全飞行间隔,ssafe2为调度类型为II类时的安全飞行间隔,满足ssafe1<ssafe2;Lh为第h个航道的航道长度,Δt为预设调度时间间隔阈值;
S14:根据所有航道的所有子网格航道的速度约束条件、容量约束条件、距离间隔约束条件和时间间隔约束条件得到所述约束条件集。
在传统基于元胞自动机模型来实现调度优化时,约束条件多采用飞行速度和飞行间距,而未考虑天气原因、机场容量等客观因素,进一步导致实际进离场的过程与调度计划的偏差扩大;因此为充分考虑天气原因,本实施例首先分别沿每个航道的纵向方向,对每个航道进行划分,得到多个子网格航道,再基于GIS地图数据和天气数据,可以判断出每个子网格航受天气影响的程度,进而确定每个子网格航道的调度类型;然后基于判断出的调度类型,定义每个子网格航道的速度约束条件、容量约束条件、距离间隔约束条件和时间间隔约束条件,既考虑了传统调度优化技术中对航班调度的影响因素,又充分了考虑了天气因素和机场容量等因素;所有的约束条件即构成了约束条件集,能使得后续构建出的元胞自动机对真实的机场环境进行更精确的仿真模拟,进而有效提高调度优化效果。
具体地,本实施例机场航道划分的子网格航道模型图如图3所示。
需要说明的是,调度类型为I类是指子网格航道处于正常天气情况下的调度类型,整个模型受天气影响较小;而调度类型为II类是指子网格航道处于恶劣天气情况(例如雨雪天气)下的调度类型,整个模型受天气影响较大;调度类型为I类的航班的最大飞行速度比调度类型为II类的航班的最大飞行速度大,前者的安全飞行间隔比后者的安全飞行间隔小。
优选地,如图4所示,在S1中,构建所述元胞自动机模型的具体步骤包括:
S15:选取任一航道,将选取的航道对应的每个子网格航道分别划分为多个元胞,每个元胞为空或被一个航班占据,将每个元胞的格子序号定义为航班距离机场的距离,每个元胞的速度定义为航班飞行速度,基于选取的航道中每个子网格航道的速度约束条件、容量约束条件、距离间隔约束条件和时间间隔约束条件,构建得到选取的航道中每个子网格航道的子元胞自动机模型;
S16:遍历每个航道,构建每个航道中每个子网格航道的子元胞自动机模型;
S17:构建所述机场的调度成本函数,并根据所述调度成本函数以及所有子元胞自动机模型,得到所述元胞自动机模型;
所述调度成本函数的表达式具体为:
其中,Cost(·)为所述调度成本函数,Costh为第h个航道的调度成本值,costl(j1)为第h个航道的第k个子网格航道中第j1个发生延后调度的元胞对应的延后调度代价,coste(j2)为第h个航道的第k个子网格航道中第j2个发生提前调度的元胞对应的提前调度代价,Jh,k为第h个航道的第k个子网格航道的元胞总数。
针对划分的每个子网格航道分别构建子元胞自动机模型,每个元胞为空或被一个航班占据,将每个元胞的格子序号定义为航班距离机场的距离,每个元胞的速度定义为航班飞行速度,构建出的子元胞自动机模型可以对对应的子网格航道进行更真实精确的仿真;然后构建整个机场的调度成本函数,从考虑整个机场的调度成本函数出发来得到最终的元胞自动机模型,与传统技术中考虑单一元胞或单一航班的降落成本或起飞成本相比,更符合机场整体的运营情况。
具体地,本实施例中在基于每个子网格航道的速度约束条件、容量约束条件、距离间隔约束条件和时间间隔约束条件,来构建每个子网格航道的子元胞自动机模型的过程中,需要定义每个子元胞自动机模型的模型参数,包括加速规则、减速规则、最大时间步和随机慢化概率等;且当子网格航道为进场航道时,需要更新各元胞的当前速度和格子序号,直至所有的元胞的格子序号为0;而当子网格航道为离场航道时,需要更新各元胞的当前速度和格子序号,直至所有的元胞的格子序号达到对应的子网格航道的长度为止。本实施例中定义模型参数、根据定义的模型参数和各约束条件来建模的具体操作方法为现有技术,具体细节此处不再赘述。
具体地,当子网格航道为进场航道时,本实施例S17中第j1个发生延后调度的元胞对应的延后调度代价具体为延后降落代价,第j2个发生提前调度的元胞对应的提前调度代价具体为提前降落代价;当子网格航道为进场航道时,本实施例S17中第j1个发生延后调度的元胞对应的延后调度代价具体为延后起飞代价,第j2个发生提前调度的元胞对应的提前调度代价具体为提前起飞代价。
优选地,所述初始进离场数据集包括每个进场航班的初始进场数据和每个离场航班的初始离场数据,则如图5所示,在S2中,得到所述初始航班调度计划的具体步骤包括:
S21:将所有进场航班的初始进场数据和所有离场航班的初始离场数据均输入到所述元胞自动机模型中,得到多个第一候选调度计划以及每个第一候选调度计划一一对应的第一调度成本函数值;
S22:将所有第一调度成本函数值中的最小第一调度成本函数值对应的第一候选调度计划作为初始航班调度计划。
将所有初始进场数据和初始离场数据作为输入数据均输入到元胞自动机模型中,可以得到符合该元胞自动机模型仿真情况的多个第一候选调度计划和每个第一候选调度计划一一对应的第一调度成本函数值,再从整个机场的调度成本出发,即将使得第一调度成本函数值达到最小(即最小第一调度成本函数值)的第一候选调度计划作为初始航班调度计划,与传统基于元胞自动机模型来实现航班调度的方法相比,在一定程度上简化了元胞自动机模型的更新过程,更易于实现,并得到更符合当前机场运营情况的调度计划。
具体地,预设调度计划中包括预设的每个离场航班的起飞时刻、起飞速度、对应的起飞航道和距离机场的距离等初始离场数据,以及预设的每个进场航班的降落时刻、降落速度、对应的降落航道和距离机场的距离等初始离场数据。得到的初始航班调度计划中同样包括各离场航班的起飞时刻、起飞速度、对应的起飞航道和距离机场的距离等初始离场数据,以及各进场航班的降落时刻、降落速度、对应的降落航道和距离机场的距离等初始离场数据。
优选地,如图6所示,在S3中,获取所述实时进离场数据集的具体步骤包括:
S31:为每个子网格航道配置数据互联的动态监测设备,根据所有子网格航道的动态监测设备,得到所述机场的动态数据监测网络;
S32:根据所述动态数据监测网络,实时得到每个进场航班的实时进场数据和每个离场航班的实时离场数据;
S33:根据所有进场航班的实时进场数据和所有离场航班的实时离场数据,得到所述实时进离场数据集。
通过上述方法构建的动态数据监测网络,能准确地实时监测出每个子网格航道内的航班的实时数据,根据所有的实时数据得到实时进离场数据集,便于后续分析每个时刻的实时航班情况与初始航班调度计划之间的偏差,进而便于对初始航班调度计划进行实时优化,有效减小了误差积累现象,提高调度优化效果。
具体地,当子网格航道为进场航道时,则t时刻实时监测出的数据为位于该子网格航道内的进场航班在t时刻距离机场的距离和飞行速度等数据;当子网格航道为离场航道时,则t时刻实时监测出的数据为位于该子网格航道内的离场航班在t时刻距离机场的距离和飞行速度等数据。
优选地,如图7所示,在S3中,得到所述优化航班调度计划的具体步骤包括:
S34:设当前时刻为t时刻,将t时刻的所有进场航班的实时进场数据和所有离场航班的实时离场数据均输入到所述元胞自动机模型中,得到t时刻的多个第二候选调度计划以及每个第二候选调度计划一一对应的第二调度成本函数值;
S35:将t时刻的所有第二调度成本函数值中的最小第二调度成本函数值对应的第二候选调度计划作为t时刻的实时航班调度计划;
S36:计算t时刻的所有第二调度成本函数值的平均值,得到t时刻的实时调度成本均值;并判断所述最小第一调度成本函数值和t时刻的所述实时调度成本均值是否满足预设偏差判据,若是,则将所述初始航班调度计划确定为t时刻的所述优化航班调度计划,否则将t时刻的所述实时航班调度计划作为t时刻的所述优化航班调度计划。
由于初始航班调度计划是在航班的进离场之前,考虑各约束条件和天气原因等客观因素下获得的调度成本最下的调度计划,即为最理想情况下的航班调度计划,因此为判断航班在实际进离场时与初始航班调度计划之间的偏差,将所有进场航班的实时进场数据和所有离场航班的实时离场数据作为初始输入数据输入到元胞自动机模型中,可以得到在当前时刻下的符合各约束条件的多个第二候选调度计划及其对应的第二调度成本函数值,从这些第二候选调度计划中获取当前时刻下最理想的调度计划,即实时航班调度计划;然后还根据这些第二调度成本函数值计算出当前时刻下实时调度成本均值,基于预设偏差判据来比较实时调度成本均值与最小第一调度成本函数值,当符合预设偏差判据,则说明按照初始航班调度计划执行后,当前时刻下的调度成本与初始理论计算下的初始航班调度计划偏差不大,未出现明显的误差积累现象,则将初始航班调度计划作为优化航班调度计划继续执行;而当不符合预设偏差判据,则说明按照初始航班调度计划执行后,当前时刻下的调度成本与初始理论计算下的初始航班调度计划偏差较大,出现了明显的误差积累现象,为避免后续时刻的误差积累,则将前时刻下的实时航班调度计划作为优化航班调度计划继续执行;
本实施例上述计算、判断和优化方法,实现难度低,能有效减小实际进离场过程与调度计划的偏差的逐渐扩大,避免误差积累,有效提高调度优化效果。
优选地,所述预设偏差判据具体为:
通过上述预设偏差判据,能实时地、准确地判断出整个机场航班在实际进离场过程与初始理论计算得到的初始航班调度计划之间的偏差情况,便于对初始航班调度计划进行优化。其中,预设偏差率可根据实际情况自适应设置和调整。
实施例二、如图8所示,一种基于元胞自动机的航班调度系统,采用实施例一中的基于元胞自动机的航班调度方法中,包括建模模块、初始调度模块和优化调度模块;
所述建模模块用于获取所有航道的约束条件集,根据所述约束条件集构建元胞自动机模型;
所述初始调度模块用于根据预设调度计划获取所有航班的初始进离场数据集,根据所述初始进离场数据集和所述元胞自动机模型得到初始航班调度计划;
所述优化调度模块用于获取所有航班的实时进离场数据集,根据所述初始进离场数据集、所述实时进离场数据集和所述元胞自动机模型,得到优化航班调度计划。
首先通过建模模块获取构建元胞自动机模型的约束条件集,便于基于约束条件集为机场所有航班进行仿真分析,构建的元胞自动机模型更符合机场航班的实际运营情况;在航班调度时,通常会设置一个符合实际需求的调度计划,即预设调度计划,利用初始调度模块通过预设调度计划可以获取所有航班在进场前或离场前的数据,即初始进离场数据集,便于后续根据初始进离场数据集和元胞自动机模型,得到符合实际需求和实际运营情况的航班调度计划,即初始航班调度计划,实现对航班调度的初次优化;然后利用优化调度模块获取所有航班在进离场之后的实时进离场数据集,基于实时进离场数据集和元胞自动机模型对初始航班调度计划进行再次优化,得到的优化航班调度计划实现了航班调度的再次优化;
本实施例的基于元胞自动机的航班调度系统,实现了航班调度的二次优化,充分考虑了航班在进离场的实时过程中的数据进行后续的调度计划调整,避免人为驾驶和模型误差等原因导致的误差积累现象,有效减小了实际进离场过程与调度计划逐渐扩大的偏差,有效提升了调度优化效果。
优选地,所述建模模块具体用于:
分别沿机场中每个航道的纵向方向,对每个航道进行航道划分,得到所述机场的多个子网格航道;
获取每个子网格航道的GIS地图数据和天气数据,并分别根据每个子网格航道的GIS地图数据和天气数据,判断每个子网格航道的调度类型;
根据每个子网格航道的调度类型,定义对应的速度约束条件、容量约束条件、距离间隔约束条件和时间间隔约束条件;
第h个航道中第k个子网格航道的速度约束条件:
第h个航道中第k个子网格航道的容量约束条件:
第h个航道中第k个子网格航道的距离间隔约束条件:
第h个航道中第k个子网格航道的时间间隔约束条件:
其中,为第h个航道中第k个子网格航道的第i个航班的航班飞行速度,为第h个航道中第k个子网格航道的第i+1个航班的航班飞行速度,Vmax1为调度类型为I类时的最大飞行速度,Vmax2为调度类型为II类时的最大飞行速度,满足Vmax1>Vmax2;为第h个航道中第k个子网格航道的航班容量,Nmax为机场最大航班容量,Kh为第h个航道的子网格航道总数,H为总航道数;为第h个航道中第k个子网格航道的第i个航班距离机场的距离,为第h个航道中第k个子网格航道的第i+1个航班距离机场的距离,ssafe1为调度类型为I类时的安全飞行间隔,ssafe2为调度类型为II类时的安全飞行间隔,满足ssafe1<ssafe2;Lh为第h个航道的航道长度,Δt为预设调度时间间隔阈值;
根据所有航道的所有子网格航道的速度约束条件、容量约束条件、距离间隔约束条件和时间间隔约束条件得到所述约束条件集。
优选地,所述建模模块还具体用于:
选取任一航道,将选取的航道对应的每个子网格航道分别划分为多个元胞,每个元胞为空或被一个航班占据,将每个元胞的格子序号定义为航班距离机场的距离,每个元胞的速度定义为航班飞行速度,基于选取的航道中每个子网格航道的速度约束条件、容量约束条件、距离间隔约束条件和时间间隔约束条件,构建得到选取的航道中每个子网格航道的子元胞自动机模型;
遍历每个航道,构建每个航道中每个子网格航道的子元胞自动机模型;
构建所述机场的调度成本函数,并根据所述调度成本函数以及所有子元胞自动机模型,得到所述元胞自动机模型;
所述调度成本函数的表达式具体为:
其中,Cost(·)为所述调度成本函数,Costh为第h个航道的调度成本值,costl(j1)为第h个航道的第k个子网格航道中第j1个发生延后调度的元胞对应的延后调度代价,coste(j2)为第h个航道的第k个子网格航道中第j2个发生提前调度的元胞对应的提前调度代价,Jh,k为第h个航道的第k个子网格航道的元胞总数。
优选地,所述初始进离场数据集包括每个进场航班的初始进场数据和每个离场航班的初始离场数据,则所述初始调度模块具体用于:
将所有进场航班的初始进场数据和所有离场航班的初始离场数据均输入到所述元胞自动机模型中,得到多个第一候选调度计划以及每个第一候选调度计划一一对应的第一调度成本函数值;
将所有第一调度成本函数值中的最小第一调度成本函数值对应的第一候选调度计划作为初始航班调度计划。
优选地,所述优化调度模块具体用于:
为每个子网格航道配置数据互联的动态监测设备,根据所有子网格航道的动态监测设备,得到所述机场的动态数据监测网络;
根据所述动态数据监测网络,实时得到每个进场航班的实时进场数据和每个离场航班的实时离场数据;
根据所有进场航班的实时进场数据和所有离场航班的实时离场数据,得到所述实时进离场数据集。
优选地,所述优化调度模块还具体用于:
设当前时刻为t时刻,将t时刻的所有进场航班的实时进场数据和所有离场航班的实时离场数据均输入到所述元胞自动机模型中,得到t时刻的多个第二候选调度计划以及每个第二候选调度计划一一对应的第二调度成本函数值;
将t时刻的所有第二调度成本函数值中的最小第二调度成本函数值对应的第二候选调度计划作为t时刻的实时航班调度计划;
计算t时刻的所有第二调度成本函数值的平均值,得到t时刻的实时调度成本均值;并判断所述最小第一调度成本函数值和t时刻的所述实时调度成本均值是否满足预设偏差判据,若是,则将所述初始航班调度计划确定为t时刻的所述优化航班调度计划,否则将t时刻的所述实时航班调度计划作为t时刻的所述优化航班调度计划。
优选地,所述预设偏差判据具体为:
具体地,本实施例中的地图发布方法的完整流程图如图5所示。
本实施例中的未尽细节,详见实施例一以及图1至图7的具体描述内容,此处不再赘述。
实施例三、基于实施例一和实施例二,本实施例还公开了一种基于元胞自动机的航班调度系统,包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序,所述计算机程序运行时实现所述S1至S3的具体步骤。
通过存储在存储器上的计算机程序,并运行在处理器上,实现了航班调度的二次优化,充分考虑了航班在进离场的实时过程中的数据进行后续的调度计划调整,避免人为驾驶和模型误差等原因导致的误差积累现象,有效减小了实际进离场过程与调度计划逐渐扩大的偏差,有效提升了调度优化效果。
本实施例还提供一种计算机存储介质,所述计算机存储介质上存储有至少一个指令,所述指令被执行时实现所述S1至S3的具体步骤。
通过执行包含至少一个指令的计算机存储介质,实现了航班调度的二次优化,充分考虑了航班在进离场的实时过程中的数据进行后续的调度计划调整,避免人为驾驶和模型误差等原因导致的误差积累现象,有效减小了实际进离场过程与调度计划逐渐扩大的偏差,有效提升了调度优化效果。
本实施例中的未尽细节,详见实施例一以及图1至图7的具体描述内容,此处不再赘述。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于元胞自动机的航班调度方法,其特征在于,包括以下步骤:
获取所有航道的约束条件集,根据所述约束条件集构建元胞自动机模型;
根据预设调度计划获取所有航班的初始进离场数据集,根据所述初始进离场数据集和所述元胞自动机模型得到初始航班调度计划;
实时获取所有航班的实时进离场数据集,根据所述初始航班调度计划、所述实时进离场数据集和所述元胞自动机模型,得到优化航班调度计划。
2.根据权利要求1所述的基于元胞自动机的航班调度方法,其特征在于,获取所述约束条件集的具体步骤包括:
分别沿机场中每个航道的纵向方向,对每个航道进行航道划分,得到所述机场的多个子网格航道;
获取每个子网格航道的GIS地图数据和天气数据,并分别根据每个子网格航道的GIS地图数据和天气数据,判断每个子网格航道的调度类型;
根据每个子网格航道的调度类型,定义对应的速度约束条件、容量约束条件、距离间隔约束条件和时间间隔约束条件;
第h个航道中第k个子网格航道的速度约束条件:
第h个航道中第k个子网格航道的容量约束条件:
第h个航道中第k个子网格航道的距离间隔约束条件:
第h个航道中第k个子网格航道的时间间隔约束条件:
其中,为第h个航道中第k个子网格航道的第i个航班的航班飞行速度,为第h个航道中第k个子网格航道的第i+1个航班的航班飞行速度,Vmax1为调度类型为I类时的最大飞行速度,Vmax2为调度类型为II类时的最大飞行速度,满足Vmax1>Vmax2;为第h个航道中第k个子网格航道的航班容量,Nmax为机场最大航班容量,Kh为第h个航道的子网格航道总数,H为总航道数;为第h个航道中第k个子网格航道的第i个航班距离机场的距离,为第h个航道中第k个子网格航道的第i+1个航班距离机场的距离,ssafe1为调度类型为I类时的安全飞行间隔,ssafe2为调度类型为II类时的安全飞行间隔,满足ssafe1<ssafe2;Lh为第h个航道的航道长度,Δt为预设调度时间间隔阈值;
根据所有航道的所有子网格航道的速度约束条件、容量约束条件、距离间隔约束条件和时间间隔约束条件得到所述约束条件集。
3.根据权利要求2所述的基于元胞自动机的航班调度方法,其特征在于,构建所述元胞自动机模型的具体步骤包括:
选取任一航道,将选取的航道对应的每个子网格航道分别划分为多个元胞,每个元胞为空或被一个航班占据,将每个元胞的格子序号定义为航班距离机场的距离,每个元胞的速度定义为航班飞行速度,基于选取的航道中每个子网格航道的速度约束条件、容量约束条件、距离间隔约束条件和时间间隔约束条件,构建得到选取的航道中每个子网格航道的子元胞自动机模型;
遍历每个航道,构建每个航道中每个子网格航道的子元胞自动机模型;
构建所述机场的调度成本函数,并根据所述调度成本函数以及所有子元胞自动机模型,得到所述元胞自动机模型;
所述调度成本函数的表达式具体为:
其中,Cost(·)为所述调度成本函数,Costh为第h个航道的调度成本值,costl(j1)为第h个航道的第k个子网格航道中第j1个发生延后调度的元胞对应的延后调度代价,coste(j2)为第h个航道的第k个子网格航道中第j2个发生提前调度的元胞对应的提前调度代价,Jh,k为第h个航道的第k个子网格航道的元胞总数。
4.根据权利要求3所述的基于元胞自动机的航班调度方法,其特征在于,所述初始进离场数据集包括每个进场航班的初始进场数据和每个离场航班的初始离场数据,则得到所述初始航班调度计划的具体步骤包括:
将所有进场航班的初始进场数据和所有离场航班的初始离场数据均输入到所述元胞自动机模型中,得到多个第一候选调度计划以及每个第一候选调度计划一一对应的第一调度成本函数值;
将所有第一调度成本函数值中的最小第一调度成本函数值对应的第一候选调度计划作为初始航班调度计划。
5.根据权利要求4所述的基于元胞自动机的航班调度方法,其特征在于,获取所述实时进离场数据集的具体步骤包括:
为每个子网格航道配置数据互联的动态监测设备,根据所有子网格航道的动态监测设备,得到所述机场的动态数据监测网络;
根据所述动态数据监测网络,实时得到每个进场航班的实时进场数据和每个离场航班的实时离场数据;
根据所有进场航班的实时进场数据和所有离场航班的实时离场数据,得到所述实时进离场数据集。
6.根据权利要求5所述的基于元胞自动机的航班调度方法,其特征在于,得到所述优化航班调度计划的具体步骤包括:
设当前时刻为t时刻,将t时刻的所有进场航班的实时进场数据和所有离场航班的实时离场数据均输入到所述元胞自动机模型中,得到t时刻的多个第二候选调度计划以及每个第二候选调度计划一一对应的第二调度成本函数值;
将t时刻的所有第二调度成本函数值中的最小第二调度成本函数值对应的第二候选调度计划作为t时刻的实时航班调度计划;
计算t时刻的所有第二调度成本函数值的平均值,得到t时刻的实时调度成本均值;并判断所述最小第一调度成本函数值和t时刻的所述实时调度成本均值是否满足预设偏差判据,若是,则将所述初始航班调度计划确定为t时刻的所述优化航班调度计划,否则将t时刻的所述实时航班调度计划作为t时刻的所述优化航班调度计划。
8.一种基于元胞自动机的航班调度系统,其特征在于,应用于权利要求1至7任一项所述的基于元胞自动机的航班调度方法中,包括建模模块、初始调度模块和优化调度模块;
所述建模模块用于获取所有航道的约束条件集,根据所述约束条件集构建元胞自动机模型;
所述初始调度模块用于根据预设调度计划获取所有航班的初始进离场数据集,根据所述初始进离场数据集和所述元胞自动机模型得到初始航班调度计划;
所述优化调度模块用于获取所有航班的实时进离场数据集,根据所述初始进离场数据集、所述实时进离场数据集和所述元胞自动机模型,得到优化航班调度计划。
9.一种基于元胞自动机的航班调度系统,其特征在于,包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序,所述计算机程序运行时实现如权利要求1至7任一项权利要求所述的方法步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质包括:至少一个指令,在所述指令被执行时实现如权利要求1至7任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110557633.2A CN113409619B (zh) | 2021-05-21 | 2021-05-21 | 一种基于元胞自动机的航班调度方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110557633.2A CN113409619B (zh) | 2021-05-21 | 2021-05-21 | 一种基于元胞自动机的航班调度方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113409619A true CN113409619A (zh) | 2021-09-17 |
CN113409619B CN113409619B (zh) | 2022-07-19 |
Family
ID=77679243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110557633.2A Active CN113409619B (zh) | 2021-05-21 | 2021-05-21 | 一种基于元胞自动机的航班调度方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113409619B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913716A (zh) * | 2022-05-12 | 2022-08-16 | 智航信息服务(深圳)有限公司 | 一种航班调度综合管理方法以及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090195442A1 (en) * | 2008-02-05 | 2009-08-06 | Jeremy Francis Burri | Method and Apparatus for Creating and Processing Universal Radar Waveforms |
CN101546484A (zh) * | 2009-04-30 | 2009-09-30 | 南京航空航天大学 | 基于soa的航班延误波及分析与预测系统及其运作方法 |
CN103164581A (zh) * | 2013-03-19 | 2013-06-19 | 天津市市政工程设计研究院 | 基于元胞自动机模型的航空枢纽微观仿真框架 |
US20140236449A1 (en) * | 2009-10-21 | 2014-08-21 | Berthold K.P. Horn | Method and apparatus for reducing motor vehicle traffic flow instabilities and increasing vehicle throughput |
CN104183159A (zh) * | 2014-08-27 | 2014-12-03 | 中国民用航空飞行学院 | 一种基于有向元胞自动机空中导航及冲突解脱方法 |
CN105023068A (zh) * | 2015-08-06 | 2015-11-04 | 北京航空航天大学 | 一种基于规则挖掘的航班进离场协同调度方法 |
US10037704B1 (en) * | 2017-02-01 | 2018-07-31 | David Myr | Automatic real-time air traffic control system and method for maximizing landings / takeoffs capacity of the airport and minimizing aircrafts landing times |
CN109191925A (zh) * | 2018-10-17 | 2019-01-11 | 中国电子科技集团公司第二十八研究所 | 一种面向四维航迹运行的多空域轨迹规划与协商方法 |
-
2021
- 2021-05-21 CN CN202110557633.2A patent/CN113409619B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090195442A1 (en) * | 2008-02-05 | 2009-08-06 | Jeremy Francis Burri | Method and Apparatus for Creating and Processing Universal Radar Waveforms |
CN101546484A (zh) * | 2009-04-30 | 2009-09-30 | 南京航空航天大学 | 基于soa的航班延误波及分析与预测系统及其运作方法 |
US20140236449A1 (en) * | 2009-10-21 | 2014-08-21 | Berthold K.P. Horn | Method and apparatus for reducing motor vehicle traffic flow instabilities and increasing vehicle throughput |
CN103164581A (zh) * | 2013-03-19 | 2013-06-19 | 天津市市政工程设计研究院 | 基于元胞自动机模型的航空枢纽微观仿真框架 |
CN104183159A (zh) * | 2014-08-27 | 2014-12-03 | 中国民用航空飞行学院 | 一种基于有向元胞自动机空中导航及冲突解脱方法 |
CN105023068A (zh) * | 2015-08-06 | 2015-11-04 | 北京航空航天大学 | 一种基于规则挖掘的航班进离场协同调度方法 |
US10037704B1 (en) * | 2017-02-01 | 2018-07-31 | David Myr | Automatic real-time air traffic control system and method for maximizing landings / takeoffs capacity of the airport and minimizing aircrafts landing times |
CN109191925A (zh) * | 2018-10-17 | 2019-01-11 | 中国电子科技集团公司第二十八研究所 | 一种面向四维航迹运行的多空域轨迹规划与协商方法 |
Non-Patent Citations (4)
Title |
---|
周天琦等: "多跑道机场起降排序实时优化元胞自动机模型", 《四川大学学报(工程科学版)》 * |
张红颖等: "基于元胞自动机的机场航班流建模与仿真", 《系统仿真学报》 * |
王世锦: "航路网络规划技术研究综述", 《交通信息与安全》 * |
王昱: "虹桥机场航班智能调度问题", 《科技风》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913716A (zh) * | 2022-05-12 | 2022-08-16 | 智航信息服务(深圳)有限公司 | 一种航班调度综合管理方法以及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113409619B (zh) | 2022-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110930770B (zh) | 一种基于管制意图和飞机性能模型的四维航迹预测方法 | |
CN107591034A (zh) | 一种进港航班排序的实现方法 | |
CN109191925B (zh) | 一种面向四维航迹运行的多空域轨迹规划与协商方法 | |
CN103226899B (zh) | 基于空中交通特征的空域扇区动态划分方法 | |
CN107704949B (zh) | 基于历史数据驱动的航班进离场调度优化方法及系统 | |
CN110597286B (zh) | 一种利用智慧机库实现输电线路无人机自主巡检的方法 | |
CN112783195B (zh) | 多无人机的巡检路线规划方法、装置和计算机设备 | |
CN110059863B (zh) | 一种基于所需到达时间的航空器四维航迹优化方法 | |
CN105023068A (zh) | 一种基于规则挖掘的航班进离场协同调度方法 | |
CN113593308A (zh) | 一种民航飞机智能化进场方法 | |
CN114664119B (zh) | 一种航班跑道排序与优化调度方法 | |
CN113409619B (zh) | 一种基于元胞自动机的航班调度方法、系统及存储介质 | |
Ma et al. | Merging flows in terminal moneuvering area using time decomposition approach | |
CN116307542A (zh) | 基于多计量点约束的进港排序方法及电子终端 | |
CN107016880A (zh) | 一种基于模拟退火算法的连续下降进近油耗优化方法 | |
Dhief et al. | Speed control strategies for e-aman using holding detection-delay prediction model | |
CN114781704A (zh) | 一种基于过站航班保障流程的航班延误预测方法 | |
Wu et al. | Traffic signal networks control optimize with PSO algorithm | |
CN110909946B (zh) | 一种基于公路换乘的航班计划优化方法 | |
Liu et al. | Large scale aircraft conflict resolution based on location network | |
CN116129678B (zh) | 基于航迹运行的进港航班时隙自主协商分配系统及方法 | |
CN111476401A (zh) | 航班时刻表优化方法及系统 | |
CN116187021A (zh) | 一种无人机场面运行调度方法及应用 | |
CN115479608A (zh) | 一种基于时间属性的终端区进场航空器四维航迹规划方法 | |
CN114326800B (zh) | 一种面向综合任务的无人机任务规划方法 |
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 |