CN115239026B - 停机位分配优化方法、系统、设备及介质 - Google Patents

停机位分配优化方法、系统、设备及介质 Download PDF

Info

Publication number
CN115239026B
CN115239026B CN202211154494.XA CN202211154494A CN115239026B CN 115239026 B CN115239026 B CN 115239026B CN 202211154494 A CN202211154494 A CN 202211154494A CN 115239026 B CN115239026 B CN 115239026B
Authority
CN
China
Prior art keywords
stand
flight
information
distribution
optimization
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
CN202211154494.XA
Other languages
English (en)
Other versions
CN115239026A (zh
Inventor
曾宇
郑福君
杨磊
李德斌
王兆祎
李剑华
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.)
Zhuhai Xiangyi Aviation Technology Co Ltd
Original Assignee
Zhuhai Xiangyi Aviation Technology 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 Zhuhai Xiangyi Aviation Technology Co Ltd filed Critical Zhuhai Xiangyi Aviation Technology Co Ltd
Priority to CN202211154494.XA priority Critical patent/CN115239026B/zh
Publication of CN115239026A publication Critical patent/CN115239026A/zh
Application granted granted Critical
Publication of CN115239026B publication Critical patent/CN115239026B/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
    • G06Q10/04—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
    • G06Q10/0631—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
    • 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
    • G06Q10/06314—Calendaring for a resource
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (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

本公开提供一种停机位分配优化方法、系统、设备及介质，所述方法包括获取目标机场的停机位信息以及预设时间段航班运行信息；基于所述停机位信息与所述航班运行信息，根据预先获取的航班延误分布规律，通过正态分布评估算法，确定同一停机位航班冲突概率预估值；根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件，根据所述优化目标、所述约束条件以及所述同一停机位航班冲突概率预估值，构建停机位分配模型；通过分配优化算法对所述停机位分配模型求解，确定停机位分配方案。本公开的方法能够提高停机位分配的鲁棒性，减少计算所需的资源并且提高计算结果的准确性。

Description

停机位分配优化方法、系统、设备及介质
技术领域
本公开涉及机场运行优化技术领域，尤其涉及一种停机位分配优化方法、系统、设备及介质。
背景技术
随着民航运输业的快速发展，航班数量逐年增加，机场运行日益繁忙，停机位资源已逐步成为制约机场运行能力的瓶颈。停机位是旅客上下飞机和机场进行地面保障作业的场所，停机位资源紧缺则会造成机场运行效率下降甚至运行混乱，进而导致航班延误等不利后果，因而停机位资源优化已成为机场运行研究的热点和急需解决的问题。
申请号为201910089999.4，发明名称为“考虑中转旅客最短流程时间的停机位分配方法”，公开了：通过获取航班信息和停机位信息；对不同属性的停机位进行分类，对不同航班飞机进行属性匹配，并将航班与停机位的功能属性转换为0/1变量；建立数学优化分配模型，采用结合启发式规则的智能算法进行求解得到可行方案。
但是此种方法中目标优化是以中转旅客最短流程时间为优化目标，而忽略了其他的优化目标，并且实际应用中，中转旅客所占的航班比例较低，该方法不具有普适性。
申请号为201510102718.6，发明名称为“一种基于统计学习模型的停机位分配方法”，公开了：根据航班历史数据计算其他机场航班到本场的起飞时间差值概率分布；根据航班历史数据计算其他机场航班到本场的飞行时间差值概率分布；补全起飞时间和飞行时间误差，使其成为全时刻表，对次日航班按照计划落地时间进行排序，预测航班到站时间概率分布表；根据各个概率分布值，进行停机位分配。
此种方法虽然是用于解决航班延误所导致的停机位调整次数多，且停机位利用率低的问题，但是其所针对的场景是航班延误所带来的停机位重新分配问题，并且其大量依据历史信息进行概率预测，对于实际航班停机位资源调整中所需要的优先级问题，并没有适用性。并且通过历史数据进行预测，模型算法所需要的计算资源占用较多，所预测的结果准确性也不够高。
公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本公开实施例提供一种停机位分配优化方法、系统、设备及介质，能够至少解决现有技术中的部分问题。
本公开实施例的第一方面，
提供一种停机位分配优化方法,包括：
获取目标机场的停机位信息以及预设时间段航班运行信息；其中，
所述停机位信息包括停机位布局、停机位属性信息、停机位编号、航空器推进推出所述停机位所需时间信息以及当前停机位利用情况信息中至少一种；所述航班运行信息包括航班机型、航班起降时间信息、载客容量信息中至少一种；
基于所述停机位信息与所述航班运行信息，根据预先获取的航班延误分布规律，通过正态分布评估算法，确定同一停机位航班冲突概率预估值；
根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件，根据所述优化目标、所述约束条件以及所述同一停机位航班冲突概率预估值，构建停机位分配模型；
通过分配优化算法对所述停机位分配模型求解，确定停机位分配方案。
在一种可选的实施方式中，
所述航班延误分布规律包括到达延误分布规律和起飞延误分布规律，
基于所述停机位信息与所述航班运行信息，根据预先获取的航班延误分布规律，通过正态分布评估算法，确定同一停机位航班冲突概率预估值的方法包括：
基于所述停机位信息与所述航班运行信息，分别通过聚类算法，确定所述停机位信息对应的停机位集合与所述航班运行信息对应的航班运行集合；
对所述航班运行集合中的样本进行正太分布验证，
若符合正太分布验证，则采用极大似然估计算法对所述航班运行集合进行参数评估，分别确定到达延误概率密度函数和出发延误概率密度函数；
基于所述停机位集合、到达延误概率密度函数和出发延误概率密度函数，以及预先获取的停机位停机容量，通过正态分布评估算法，确定同一停机位航班冲突概率预估值。
在一种可选的实施方式中，
按照如下公式所示的方法确定同一停机位航班冲突概率预估值：
Figure 594557DEST_PATH_IMAGE001
其中，
Figure 350023DEST_PATH_IMAGE002
Figure 818045DEST_PATH_IMAGE003
Figure 836816DEST_PATH_IMAGE004
Figure 780502DEST_PATH_IMAGE005
其中，
Figure 728209DEST_PATH_IMAGE006
表示航班运行集合的样本，
Figure 706529DEST_PATH_IMAGE007
表示分配至同一停机位连续两架次航班 的时间间隔,
Figure 302727DEST_PATH_IMAGE008
表示与第
Figure 936970DEST_PATH_IMAGE009
架航班对应的停机位停机容量，
Figure 299819DEST_PATH_IMAGE010
表示停机位平均利用率，
Figure 8012DEST_PATH_IMAGE011
表示 与第
Figure 103006DEST_PATH_IMAGE009
架航班对应的同类型停机位的数量，
Figure 21284DEST_PATH_IMAGE012
表示停机位的类型，
Figure 797610DEST_PATH_IMAGE013
表示第k类停机位的数量 占总停机位数量的比例，
Figure 484943DEST_PATH_IMAGE014
表示第k类停机位的平均停靠时间，
Figure 187058DEST_PATH_IMAGE015
表示第
Figure 530315DEST_PATH_IMAGE009
架航班到达延误，
Figure 234965DEST_PATH_IMAGE016
表示第
Figure 917751DEST_PATH_IMAGE009
架航班出发延误，
Figure 416865DEST_PATH_IMAGE017
表示第
Figure 247418DEST_PATH_IMAGE009
架航班到达延误概率密度函数，
Figure 631126DEST_PATH_IMAGE018
表示第
Figure 27472DEST_PATH_IMAGE009
架航 班出发延误概率密度函数，
Figure 900750DEST_PATH_IMAGE019
、
Figure 890703DEST_PATH_IMAGE020
分别表示到达延误和出发延误的方差，
Figure 937156DEST_PATH_IMAGE021
、
Figure 830419DEST_PATH_IMAGE022
分别表示到达 延误的均值，
Figure 874599DEST_PATH_IMAGE023
表示权重值。
在一种可选的实施方式中，
所述优化目标包括停机位分配鲁棒性、停机位资源利用率、乘客满意度中至少一种，
所述约束条件包括唯一性约束与可选性约束，其中，
所述唯一性约束用于指示航班机型必须且只能匹配一个停机位；所述可选性约束包括时间性约束、匹配性约束、相邻距离约束中至少一种，其中，
所述时间性约束用于指示相邻两架航班进离场的最小安全时间间隔约束；
所述匹配性约束用于指示航班属性与停机位属性的匹配性约束；
所述相邻距离约束用于指示相邻两架航班滑入和推出的最小安全距离约束。
在一种可选的实施方式中，
根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件，根据所述优化目标、所述约束条件以及所述同一停机位航班冲突概率预估值，构建停机位分配模型的方法包括：
根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件；
通过所述优化目标、约束条件，以及所述停机位信息和所述航班运行信息，分别设定所述优化目标对应的第一权重参数矩阵和所述约束条件对应的第二权重参数矩阵；
基于所述优化目标、所述约束条件、所述第一权重参数矩阵、所述第二权重参数矩阵以及所述同一停机位航班冲突概率预估值对待训练的停机位分配模型进行迭代性优化，直至待训练的停机位分配模型符合预设收敛条件。
在一种可选的实施方式中，
通过分配优化算法对所述停机位分配模型求解，确定停机位分配方案的方法包括：
将所述停机位信息与所述航班运行信息转换为第一特征信息，随机产生航班的优先级顺序；
按照所述优先级顺序分别为对应的航班分配停机位，并根据所述优化目标与所述约束条件确定初始分配方案，并将所述初始分配方案转换为第二特征信息；
确定所述初始分配方案与所述停机位分配模型的目标函数的匹配度，将匹配度超过预设阈值的初始分配方案保留，并且按照预设迭代次数迭代计算匹配度，直至达到预设迭代次数，和/或所述匹配度与当前最优解的差值低于预设阈值。
在一种可选的实施方式中，
按照如下公式所示的方法确定停机位分配方案：
Figure 476481DEST_PATH_IMAGE024
其中，
Figure 201992DEST_PATH_IMAGE025
其中，
Figure 572930DEST_PATH_IMAGE026
表示停机位数量，
Figure 788011DEST_PATH_IMAGE027
表示待分配航班数量，
Figure 486977DEST_PATH_IMAGE028
表示第
Figure 140812DEST_PATH_IMAGE009
架航班停靠在第
Figure 241623DEST_PATH_IMAGE029
个 停机位，
Figure 627605DEST_PATH_IMAGE030
表示第
Figure 204080DEST_PATH_IMAGE029
个停机位与廊桥的函数关系，
Figure 769928DEST_PATH_IMAGE031
表示第
Figure 849880DEST_PATH_IMAGE009
架航班的乘客数量，
Figure 672342DEST_PATH_IMAGE032
表示第
Figure 345900DEST_PATH_IMAGE009
架航班与第架航班进离场的最小安全时间间隔，
Figure 341538DEST_PATH_IMAGE033
表示第
Figure 151362DEST_PATH_IMAGE009
架航班与第
Figure 144726DEST_PATH_IMAGE034
架航班滑入和 推出的最小安全距离，
Figure 430214DEST_PATH_IMAGE035
表示停机位分配方案的数量；
其中，
Figure 839329DEST_PATH_IMAGE036
表示所述初始分配方案与所述停机位分配模型的目标函数的匹配 度，
Figure 893873DEST_PATH_IMAGE011
表示迭代次数。
本公开实施例的第二方面，
提供一种停机位分配优化系统，所述系统包括：
第一单元，用于获取目标机场的停机位信息以及预设时间段航班运行信息；其中，
所述停机位信息包括停机位布局、停机位属性信息、停机位编号、航空器推进推出所述停机位所需时间信息以及当前停机位利用情况信息中至少一种；所述航班运行信息包括航班机型、航班起降时间信息、载客容量信息中至少一种；
第二单元，用于基于所述停机位信息与所述航班运行信息，根据预先获取的航班延误分布规律，通过正态分布评估算法，确定同一停机位航班冲突概率预估值；
第三单元，用于根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件，根据所述优化目标、所述约束条件以及所述同一停机位航班冲突概率预估值，构建停机位分配模型；
第四单元，用于通过分配优化算法对所述停机位分配模型求解，确定停机位分配方案。
本公开实施例的第三方面，
提供一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述中任意一项所述的方法。
本公开实施例的第四方面，
提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述中任意一项所述的方法。
本公开提供一种停机位分配优化方法，所述方法包括：
获取目标机场的停机位信息以及预设时间段航班运行信息；基于所述停机位信息与所述航班运行信息，根据预先获取的航班延误分布规律，通过正态分布评估算法，确定同一停机位航班冲突概率预估值；
通过获取停机位信息以及预设时间段航班运行信息，并且分析航班延误分布规律，确定航班随机延误对同一停机位连续航班占用冲突提供数据分析，根据所得到的同一停机位航班冲突概率预估值，能够对容易扩散的延误敏感航班分配停机位间隙，提高停机位利用率；
根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件，根据所述优化目标、所述约束条件以及所述同一停机位航班冲突概率预估值，构建停机位分配模型；
通过分配优化算法对所述停机位分配模型求解，确定停机位分配方案。
通过多种条件所构建的停机位分配模型，能够综合目标机场的多维度信息，使得通过分配优化算法对停机位分配模型求解后得到的停机位分配方案更具有鲁棒性；并且能够通过分配优化算法提高机场资源利用率，增强全局感知能力，避免局部最优解，结合约束条件和优化目标，降低了最优解的搜索次数，有利于提高计算效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1为本公开实施例停机位分配优化方法的流程示意图；
图2为本公开实施例停机位布局示意图；
图3为本公开实施例确定停机位分配方案的流程示意图；
图4为本公开实施例停机位分配优化装置的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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，都属于本公开保护的范围。
本公开的 “第一”、“第二”、“第三”“第四”等（如果存在）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，以便这里描述的本公开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。
应当理解，在本公开的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。
应当理解，在本公开中，“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。
应当理解，在本公开中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本公开中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本公开的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本公开实施例停机位分配优化方法的流程示意图，如图1所示，所述方法包括：
S101、获取目标机场的停机位信息以及预设时间段航班运行信息；
示例性地，本公开实施例停机位信息包括停机位布局、停机位属性信息、停机位编号、航空器推进推出所述停机位所需时间信息以及当前停机位利用情况信息中至少一种；
其中，所述停机位属性信息可以包括可容纳机型信息、国际国内航班属性信息、登机口信息、是否拥有廊桥信息中至少一种；
航班运行信息包括航班机型、航班起降时间信息、载客容量信息中至少一种；具体地，图2为本公开实施例停机位布局示意图。
S102、基于所述停机位信息与所述航班运行信息，根据预先获取的航班延误分布规律，通过正态分布评估算法，确定同一停机位航班冲突概率预估值；
可以理解的是，因为天气、机场流量控制等随机因素造成航班延误，会导致停机位占用冲突，从而在很大程度上影响停机位分配的稳定性；实际应用中，分配同一停机位的前后航班之间会设置一定的时间缓冲，但是这种情况会导致机场停机位资源利用率下降，从而两者造成冲突，不利于停机位分配的鲁棒性。
本公开实施例通过分析航班随机延误对同机位连续航班机位占用冲突，确定机位冲突概率，并且增加停机位冲突概率的鲁棒约束条件，不仅能够提升机场运营效率，还能够提高抗延误。
示例性地，本公开实施例航班延误分布规律包括到达延误分布规律和起飞延误分布规律；其中，到达延误为进港航班实际到港时刻与预计到港时刻的偏差，起飞延误为离港航班实际离港时刻与预计离港时刻的偏差。
基于所述停机位信息与所述航班运行信息，根据预先获取的航班延误分布规律，通过正态分布评估算法，确定同一停机位航班冲突概率预估值的方法包括：
基于所述停机位信息与所述航班运行信息，分别通过聚类算法，确定所述停机位 信息对应的停机位集合与所述航班运行信息对应的航班运行集合；示例性地，本公开实施 例的聚类算法可以采用以后的聚类算法，本公开实施例对此不再赘述。可选地，
Figure 58138DEST_PATH_IMAGE037
表示停机位集合，
Figure 942174DEST_PATH_IMAGE038
表示航班运行集合。
对所述航班运行集合中的样本进行正太分布验证，
若符合正太分布验证，则采用极大似然估计算法对所述航班运行集合进行参数评估，分别确定到达延误概率密度函数和出发延误概率密度函数；
基于所述停机位集合、到达延误概率密度函数和出发延误概率密度函数，以及预先获取的停机位停机容量，通过正态分布评估算法，确定同一停机位航班冲突概率预估值。
示例性地，可以按照如下公式所示的方法分别确定到达延误概率密度函数和出发延误概率密度函数：
Figure 279614DEST_PATH_IMAGE039
Figure 329610DEST_PATH_IMAGE040
其中，
Figure 399197DEST_PATH_IMAGE041
、
Figure 659277DEST_PATH_IMAGE042
分别表示到达延误概率密度函数和出发延误概率密度函数，
Figure 410196DEST_PATH_IMAGE043
、
Figure 439331DEST_PATH_IMAGE029
分别表示停机位集合的样本数量和航班运行集合的样本数量，
Figure 351924DEST_PATH_IMAGE044
表示0-1的实数，
Figure 302562DEST_PATH_IMAGE045
、
Figure 981805DEST_PATH_IMAGE046
分别 表示停机位集合第
Figure 239349DEST_PATH_IMAGE009
个样本对应的概率密度和航班运行集合第
Figure 916318DEST_PATH_IMAGE047
个样本对应的概率密度，
Figure 885411DEST_PATH_IMAGE048
、
Figure 978132DEST_PATH_IMAGE049
分别表示到达延误和出发延误对应的调整参数。
示例性地，可以通过如下公式所示的方法确定同一停机位航班冲突概率预估值：
Figure 981860DEST_PATH_IMAGE001
其中，
Figure 564151DEST_PATH_IMAGE050
Figure 895907DEST_PATH_IMAGE051
Figure 916952DEST_PATH_IMAGE052
Figure 650553DEST_PATH_IMAGE053
其中，
Figure 669325DEST_PATH_IMAGE006
表示航班运行集合的样本，
Figure 613010DEST_PATH_IMAGE007
表示分配至同一停机位连续两架次航班 的时间间隔,
Figure 548998DEST_PATH_IMAGE008
表示与第
Figure 261739DEST_PATH_IMAGE009
架航班对应的停机位停机容量，
Figure 451412DEST_PATH_IMAGE010
表示停机位平均利用率，
Figure 23339DEST_PATH_IMAGE011
表示 与第
Figure 120608DEST_PATH_IMAGE009
架航班对应的同类型停机位的数量，
Figure 891118DEST_PATH_IMAGE012
表示停机位的类型，
Figure 923796DEST_PATH_IMAGE013
表示第k类停机位的数量 占总停机位数量的比例，
Figure 107652DEST_PATH_IMAGE014
表示第k类停机位的平均停靠时间，
Figure 618399DEST_PATH_IMAGE015
表示第
Figure 508995DEST_PATH_IMAGE009
架航班到达延误，
Figure 837208DEST_PATH_IMAGE016
表示第
Figure 616683DEST_PATH_IMAGE009
架航班出发延误，
Figure 321334DEST_PATH_IMAGE017
表示第
Figure 66436DEST_PATH_IMAGE009
架航班到达延误概率密度函数，
Figure 706496DEST_PATH_IMAGE018
表示第
Figure 333786DEST_PATH_IMAGE009
架航 班出发延误概率密度函数，
Figure 514232DEST_PATH_IMAGE019
、
Figure 51524DEST_PATH_IMAGE020
分别表示到达延误和出发延误的方差，
Figure 987119DEST_PATH_IMAGE021
、
Figure 977071DEST_PATH_IMAGE022
分别表示到达 延误的均值，
Figure 961208DEST_PATH_IMAGE023
表示权重值。
本公开实施例在现有确定同一停机位航班冲突概率预估值的基础上，进一步增加了停机位停机容量这一参数，其中，停机位停机容量可以在特定时间段内给定数量的停机位所能容纳的航班最大数量；
通过停机位停机容量，可以在面对复杂的机场地面情况下，更精确地确定同一停机位航班冲突概率预估值，从而有利于更有效地优化停机位分配。
通过获取停机位信息以及预设时间段航班运行信息，并且分析航班延误分布规律，确定航班随机延误对同一停机位连续航班占用冲突提供数据分析，根据所得到的同一停机位航班冲突概率预估值，能够对容易扩散的延误敏感航班分配停机位间隙，提高停机位利用率。
S103、根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件，根据所述优化目标、所述约束条件以及所述同一停机位航班冲突概率预估值，构建停机位分配模型；
在一种可选的实施方式中，
所述优化目标包括停机位分配鲁棒性、停机位资源利用率、乘客满意度中至少一种，示例性地，
停机位分配鲁棒性为因为天气原因或者航班延误等原因，导致停机位分配变动所造成的影响，以及在影响已经发生的情况下，回归原状的灵活度；
停机位资源利用率为保证航班正常运行的情况下，将相同类型的航班集中停放在与之对应的停机位上，能够提高停机位使用效率，节省机位使用成本，还能够使得机场停靠更多的航班；
乘客满意度为乘客从站台走到廊桥的距离、是否有廊桥等多方面影响乘客体验的因素。
所述约束条件包括唯一性约束与可选性约束，其中，
所述唯一性约束用于指示航班机型必须且只能匹配一个停机位；所述可选性约束包括时间性约束、匹配性约束、相邻距离约束中至少一种，其中，
所述时间性约束用于指示相邻两架航班进离场的最小安全时间间隔约束；
所述匹配性约束用于指示航班属性与停机位属性的匹配性约束；
所述相邻距离约束用于指示相邻两架航班滑入和推出的最小安全距离约束。
示例性地，本公开实施例的约束条件还可以包括：
航班优先级约束，例如，旅客人数较多的航班的优先级高于旅客人数较少的航班；
机位优先级约束，例如，距离较近的机位的优先级高于距离较远的机位的优先级，常用机位的优先级高于备用机位的优先级；
本公开实施例只是示例性地给出约束条件，本公开实施例对约束条件并不进行具体限定。
示例性地，本公开实施例的停机位分配模型可以包括神经网络模型，用于对目标机场的停机位，按照优化目标以及约束条件进行停机位分配，本公开实施例对停机位分配模型的类型并不进行限定。
在一种可选的实施方式中，
根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件，根据所述优化目标、所述约束条件以及所述同一停机位航班冲突概率预估值，构建停机位分配模型的方法包括：
根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件；
通过所述优化目标、约束条件，以及所述停机位信息和所述航班运行信息，分别设定所述优化目标对应的第一权重参数矩阵和所述约束条件对应的第二权重参数矩阵；
基于所述优化目标、所述约束条件、所述第一权重参数矩阵、所述第二权重参数矩阵以及所述同一停机位航班冲突概率预估值对待训练的停机位分配模型进行迭代性优化，直至待训练的停机位分配模型符合预设收敛条件。
示例性地，设定所述优化目标对应的第一权重参数矩阵和所述约束条件对应的第二权重参数矩阵；
可选地，本公开实施例优化目标可以表示为
Figure 477640DEST_PATH_IMAGE054
，约束条件可以表 示为
Figure 949248DEST_PATH_IMAGE055
；其中，
Figure 551131DEST_PATH_IMAGE056
表示航班是否可以停靠在停机位，若可以，则
Figure 338959DEST_PATH_IMAGE057
，若不可 以，则
Figure 585263DEST_PATH_IMAGE058
。
示例性地，第一权重参数矩阵可以包括：
Figure 597082DEST_PATH_IMAGE059
其中，
Figure 561626DEST_PATH_IMAGE060
表示与优化目标对应的权重参数。示例性地，本公开实施例的第一权重 参数矩阵的权重参数，根据决策参数的重要程度，其对应的参数值也随着变化，也即，决策 参数越重要，优化目标在实际应用中的关注度越高，则对应的权重参数的值也就越大，反 之，则值越小。
通过设置与优化目标对应的权重矩阵，能够增加决策者或者管理者关注的优化目标的占比，从而在最后输出的停机位分配方案中侧重点有所不同；此外，通过权重矩阵，也可以灵活改变优化目标的重要程度，灵活调整实际的方案，而无需重新更改优化目标，导致整体方案变得复杂，不利于方案的普适性与推广。
示例性地，第二权重参数矩阵可以包括：
Figure 153145DEST_PATH_IMAGE061
其中，
Figure 378590DEST_PATH_IMAGE062
表示与约束条件对应的权重参数，其中，
Figure 702255DEST_PATH_IMAGE062
与
Figure 278730DEST_PATH_IMAGE060
的具体值可以相同 也可以不同，具体取决于优化目标与约束条件对应的值是否相同。
第二权重参数矩阵的有益效果可以参考前述第一权重参数矩阵的有益效果，也即，可以灵活调整约束条件的占比，从而提高整体方案的灵活性，本公开实施例在此不再赘述。
示例性地，本公开实施例的收敛条件可以包括达到迭代次数，也可以包括实际输出值与预设值的差值符合预设阈值，本公开实施例对收敛条件的具体情况并不进行限定。
通过多种条件所构建的停机位分配模型，能够综合目标机场的多维度信息，使得通过分配优化算法对停机位分配模型求解后得到的停机位分配方案更具有鲁棒性；并且能够通过分配优化算法提高机场资源利用率，增强全局感知能力，避免局部最优解，结合约束条件和优化目标，降低了最优解的搜索次数，有利于提高计算效率。
S104、通过分配优化算法对所述停机位分配模型求解，确定停机位分配方案。
图3为本公开实施例确定停机位分配方案的流程示意图，如图3所示，
通过分配优化算法对所述停机位分配模型求解，确定停机位分配方案的方法包括：
S301、将所述停机位信息与所述航班运行信息转换为第一特征信息，随机产生航班的优先级顺序；
S302、按照所述优先级顺序分别为对应的航班分配停机位，并根据所述优化目标与所述约束条件确定初始分配方案，并将所述初始分配方案转换为第二特征信息；
S303、确定所述初始分配方案与所述停机位分配模型的目标函数的匹配度，将匹配度超过预设阈值的初始分配方案保留，并且按照预设迭代次数迭代计算匹配度，直至达到预设迭代次数，和/或所述匹配度与当前最优解的差值低于预设阈值。
示例性地，本公开实施例的分配优化算法可以包括基于蒙特卡洛树的搜索算法、基于深度强化学习算法、禁忌搜索算法以及遗传算法中的一种或者多种，本公开实施例对分配优化算法的具体类型并不进行限定。
需要说明的是，本公开实施例的分配优化算法以改进遗传算法为例进行说明，相比于现有的分配优化算法，本公开实施例的分配优化算法将初始分配方案与目标函数进行匹配，确定匹配度，通过匹配度筛选超过预设阈值的初始分配方案，不仅能够提高局部搜索能力，加快收敛速度，还能够增强算法的整体适应能力，应用于更多的场景中；
此外，本公开实施例将将匹配度超过预设阈值的初始分配方案保留，并且按照预设迭代次数迭代计算匹配度，能够有效防止局部最优解的初始分配方案被破坏，并且将超过预设阈值的初始分配方案保留在下次迭代中，能够为同类问题提供优质初始值，加快整体方案最优解的收敛。
具体地，将所述停机位信息与所述航班运行信息转换为第一特征信息，其中，可以 将停机位信息与所述航班运行信息转换为实数编码值，也即，将航班按照进港的时间排序， 依次分配停机位编号，例如，第一特征信息对应的值可以为
Figure 408360DEST_PATH_IMAGE063
，第一架航班停靠 在10号停机位，第二架航班停靠在5号停机位，第三架航班停靠在2号停机位，依次类推，通 过实数编码，能够直接表示停机位分配问题的解，也便于为管理者提供决策。
进一步地，可以随机产生航班的优先级顺序，通过实数编码后，对其中的值进行随机配对，按照航班优先级为每个航班分配停机位；
判断航班是否分配完毕，若是，根据所述优化目标与所述约束条件确定初始分配方案，并将所述初始分配方案转换为第二特征信息；
其中，第二特征信息包括初始分配方案对应的向量值；
确定所述初始分配方案与所述停机位分配模型的目标函数的匹配度，
在一种可选的实施方式中，
可以按照如下公式所示的方法确定停机位分配方案：
Figure 862213DEST_PATH_IMAGE024
其中，
Figure 481413DEST_PATH_IMAGE064
其中，
Figure 420550DEST_PATH_IMAGE026
表示停机位数量，
Figure 885029DEST_PATH_IMAGE027
表示待分配航班数量，
Figure 288329DEST_PATH_IMAGE028
表示第
Figure 953797DEST_PATH_IMAGE009
架航班停靠在第
Figure 239284DEST_PATH_IMAGE029
个 停机位，
Figure 648400DEST_PATH_IMAGE030
表示第
Figure 906206DEST_PATH_IMAGE029
个停机位与廊桥的函数关系，
Figure 601630DEST_PATH_IMAGE031
表示第
Figure 16824DEST_PATH_IMAGE009
架航班的乘客数量，
Figure 88685DEST_PATH_IMAGE032
表示第
Figure 200998DEST_PATH_IMAGE009
架航班与第
Figure 208268DEST_PATH_IMAGE034
架航班进离场的最小安全时间间隔，
Figure 468348DEST_PATH_IMAGE033
表示第
Figure 219266DEST_PATH_IMAGE009
架航班与第
Figure 451664DEST_PATH_IMAGE034
架航班滑 入和推出的最小安全距离，
Figure 488891DEST_PATH_IMAGE035
表示停机位分配方案的数量；
其中，
Figure 377212DEST_PATH_IMAGE036
表示所述初始分配方案与所述停机位分配模型的目标函数的匹配 度，
Figure 790876DEST_PATH_IMAGE011
表示迭代次数。
如下表所示，本公开实施例的分配优化算法相比于现有的算法在搜索性能上存在明显的提升：
搜索性能结果对比
Figure 877781DEST_PATH_IMAGE066
本公开提供一种停机位分配优化方法，所述方法包括：
获取目标机场的停机位信息以及预设时间段航班运行信息；基于所述停机位信息与所述航班运行信息，根据预先获取的航班延误分布规律，通过正态分布评估算法，确定同一停机位航班冲突概率预估值；
通过获取停机位信息以及预设时间段航班运行信息，并且分析航班延误分布规律，确定航班随机延误对同一停机位连续航班占用冲突提供数据分析，根据所得到的同一停机位航班冲突概率预估值，能够对容易扩散的延误敏感航班分配停机位间隙，提高停机位利用率；
根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件，根据所述优化目标、所述约束条件以及所述同一停机位航班冲突概率预估值，构建停机位分配模型；
通过分配优化算法对所述停机位分配模型求解，确定停机位分配方案。
通过多种条件所构建的停机位分配模型，能够综合目标机场的多维度信息，使得通过分配优化算法对停机位分配模型求解后得到的停机位分配方案更具有鲁棒性；并且能够通过分配优化算法提高机场资源利用率，增强全局感知能力，避免局部最优解，结合约束条件和优化目标，降低了最优解的搜索次数，有利于提高计算效率。
本公开实施例的第二方面，
图4为本公开实施例停机位分配优化装置的结构示意图，如图4所示，提供一种停机位分配优化系统，所述系统包括：
第一单元41，用于获取目标机场的停机位信息以及预设时间段航班运行信息；其中，
所述停机位信息包括停机位布局、停机位属性信息、停机位编号、航空器推进推出所述停机位所需时间信息以及当前停机位利用情况信息中至少一种；所述航班运行信息包括航班机型、航班起降时间信息、载客容量信息中至少一种；
第二单元42，用于基于所述停机位信息与所述航班运行信息，根据预先获取的航班延误分布规律，通过正态分布评估算法，确定同一停机位航班冲突概率预估值；
第三单元43，用于根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件，根据所述优化目标、所述约束条件以及所述同一停机位航班冲突概率预估值，构建停机位分配模型；
第四单元44，用于通过分配优化算法对所述停机位分配模型求解，确定停机位分配方案。
本公开实施例的第三方面，
提供一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述中任意一项所述的方法。
本公开实施例的第四方面，
提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述中任意一项所述的方法。
本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。
注意，除非另有直接说明，否则本公开所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征来替换。因此，除非另有明确说明，否则所公开的每一个特征仅是一组等效或类似特征的一个示例。在使用到的情况下，进一步地、较优地、更进一步地和更优地是在前述实施例基础上进行另一实施例阐述的简单起头，该进一步地、较优地、更进一步地或更优地后带的内容与前述实施例的结合作为另一实施例的完整构成。在同一实施例后带的若干个进一步地、较优地、更进一步地或更优地设置之间可任意组合的组成又一实施例。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。
最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的范围。

Claims (9)

1.一种停机位分配优化方法，其特征在于，所述方法包括：
获取目标机场的停机位信息以及预设时间段航班运行信息；其中，
所述停机位信息包括停机位布局、停机位属性信息、停机位编号、航空器推进推出所述停机位所需时间信息以及当前停机位利用情况信息中至少一种；所述航班运行信息包括航班机型、航班起降时间信息、载客容量信息中至少一种；
基于所述停机位信息与所述航班运行信息，根据预先获取的航班延误分布规律，通过正态分布评估算法，确定同一停机位航班冲突概率预估值；
根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件，根据所述优化目标、所述约束条件以及所述同一停机位航班冲突概率预估值，构建停机位分配模型；
通过分配优化算法对所述停机位分配模型求解，确定停机位分配方案；
所述根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件，根据所述优化目标、所述约束条件以及所述同一停机位航班冲突概率预估值，构建停机位分配模型的方法包括：
根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件；
通过所述优化目标、约束条件，以及所述停机位信息和所述航班运行信息，分别设定所述优化目标对应的第一权重参数矩阵和所述约束条件对应的第二权重参数矩阵；
基于所述优化目标、所述约束条件、所述第一权重参数矩阵、所述第二权重参数矩阵以及所述同一停机位航班冲突概率预估值对待训练的停机位分配模型进行迭代性优化，直至待训练的停机位分配模型符合预设收敛条件。
2.根据权利要求1所述的方法，其特征在于，所述航班延误分布规律包括到达延误分布规律和起飞延误分布规律，
基于所述停机位信息与所述航班运行信息，根据预先获取的航班延误分布规律，通过正态分布评估算法，确定同一停机位航班冲突概率预估值的方法包括：
基于所述停机位信息与所述航班运行信息，分别通过聚类算法，确定所述停机位信息对应的停机位集合与所述航班运行信息对应的航班运行集合；
对所述航班运行集合中的样本进行正太分布验证，
若符合正太分布验证，则采用极大似然估计算法对所述航班运行集合进行参数评估，分别确定到达延误概率密度函数和出发延误概率密度函数；
基于所述停机位集合、到达延误概率密度函数和出发延误概率密度函数，以及预先获取的停机位停机容量，通过正态分布评估算法，确定同一停机位航班冲突概率预估值。
3.根据权利要求2所述的方法，其特征在于，按照如下公式所示的方法确定同一停机位航班冲突概率预估值：
Figure DEST_PATH_IMAGE001
其中，
Figure DEST_PATH_IMAGE002
Figure DEST_PATH_IMAGE003
Figure DEST_PATH_IMAGE004
Figure DEST_PATH_IMAGE005
其中，x表示航班运行集合的样本，T d -T a 表示分配至同一停机位连续两架次航班的时间间隔，C i 表示与第i架航班对应的停机位停机容量，
Figure DEST_PATH_IMAGE006
表示停机位平均利用率，N表示与第i架航班对应的同类型停机位的数量，K表示停机位的类型，
Figure DEST_PATH_IMAGE007
表示第k类停机位的数量占总停机位数量的比例，T k 表示第k类停机位的平均停靠时间，
Figure DEST_PATH_IMAGE008
表示第i架航班到达延误，
Figure DEST_PATH_IMAGE009
表示第i架航班出发延误，
Figure DEST_PATH_IMAGE010
表示第i架航班到达延误概率密度函数，
Figure DEST_PATH_IMAGE011
表示第i架航班出发延误概率密度函数，
Figure DEST_PATH_IMAGE012
、
Figure DEST_PATH_IMAGE013
分别表示到达延误和出发延误的方差，
Figure DEST_PATH_IMAGE014
、
Figure DEST_PATH_IMAGE015
分别表示到达延误的均值，
Figure DEST_PATH_IMAGE016
表示权重值。
4.根据权利要求1所述的方法，其特征在于，
所述优化目标包括停机位分配鲁棒性、停机位资源利用率、乘客满意度中至少一种，
所述约束条件包括唯一性约束与可选性约束，其中，
所述唯一性约束用于指示航班机型必须且只能匹配一个停机位；所述可选性约束包括时间性约束、匹配性约束、相邻距离约束中至少一种，其中，
所述时间性约束用于指示相邻两架航班进离场的最小安全时间间隔约束；
所述匹配性约束用于指示航班属性与停机位属性的匹配性约束；
所述相邻距离约束用于指示相邻两架航班滑入和推出的最小安全距离约束。
5.根据权利要求1所述的方法，其特征在于，通过分配优化算法对所述停机位分配模型求解，确定停机位分配方案的方法包括：
将所述停机位信息与所述航班运行信息转换为第一特征信息，随机产生航班的优先级顺序；
按照所述优先级顺序分别为对应的航班分配停机位，并根据所述优化目标与所述约束条件确定初始分配方案，并将所述初始分配方案转换为第二特征信息；
确定所述初始分配方案与所述停机位分配模型的目标函数的匹配度，将匹配度超过预设阈值的初始分配方案保留，并且按照预设迭代次数迭代计算匹配度，直至达到预设迭代次数，和/或所述匹配度与当前最优解的差值低于预设阈值。
6.根据权利要求5所述的方法，其特征在于，所述方法包括：
按照如下公式所示的方法确定停机位分配方案：
Figure DEST_PATH_IMAGE017
其中，
Figure DEST_PATH_IMAGE018
其中，n g 表示停机位数量，n f 表示待分配航班数量，x ik 表示第i架航班停靠在第k个停机位，
Figure DEST_PATH_IMAGE019
表示第k个停机位与廊桥的函数关系，
Figure DEST_PATH_IMAGE020
表示第i架航班的乘客数量，
Figure DEST_PATH_IMAGE021
表示第i架航班与第i+1架航班进离场的最小安全时间间隔，
Figure DEST_PATH_IMAGE022
表示第i架航班与第i+1架航班滑入和推出的最小安全距离，M表示停机位分配方案的数量；
其中，
Figure DEST_PATH_IMAGE023
表示所述初始分配方案与所述停机位分配模型的目标函数的匹配度，N表示迭代次数。
7.一种停机位分配优化系统，其特征在于，所述系统包括：
第一单元，用于获取目标机场的停机位信息以及预设时间段航班运行信息；其中，
所述停机位信息包括停机位布局、停机位属性信息、停机位编号、航空器推进推出所述停机位所需时间信息以及当前停机位利用情况信息中至少一种；所述航班运行信息包括航班机型、航班起降时间信息、载客容量信息中至少一种；
第二单元，用于基于所述停机位信息与所述航班运行信息，根据预先获取的航班延误分布规律，通过正态分布评估算法，确定同一停机位航班冲突概率预估值；
第三单元，用于根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件，根据所述优化目标、所述约束条件以及所述同一停机位航班冲突概率预估值，构建停机位分配模型；
第四单元，用于通过分配优化算法对所述停机位分配模型求解，确定停机位分配方案；
所述第三单元还用于：
根据所述目标机场设定的决策参数，设定对应的优化目标和约束条件；
通过所述优化目标、约束条件，以及所述停机位信息和所述航班运行信息，分别设定所述优化目标对应的第一权重参数矩阵和所述约束条件对应的第二权重参数矩阵；
基于所述优化目标、所述约束条件、所述第一权重参数矩阵、所述第二权重参数矩阵以及所述同一停机位航班冲突概率预估值对待训练的停机位分配模型进行迭代性优化，直至待训练的停机位分配模型符合预设收敛条件。
8.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至6中任意一项所述的方法。
9.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
CN202211154494.XA 2022-09-22 2022-09-22 停机位分配优化方法、系统、设备及介质 Active CN115239026B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211154494.XA CN115239026B (zh) 2022-09-22 2022-09-22 停机位分配优化方法、系统、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211154494.XA CN115239026B (zh) 2022-09-22 2022-09-22 停机位分配优化方法、系统、设备及介质

Publications (2)

Publication Number Publication Date
CN115239026A CN115239026A (zh) 2022-10-25
CN115239026B true CN115239026B (zh) 2022-12-20

Family

ID=83667200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211154494.XA Active CN115239026B (zh) 2022-09-22 2022-09-22 停机位分配优化方法、系统、设备及介质

Country Status (1)

Country Link
CN (1) CN115239026B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116070800B (zh) * 2023-03-31 2023-06-23 江苏三棱智慧物联发展股份有限公司 一种直升机起落坪动态调节方法及系统
CN116933662B (zh) * 2023-09-14 2023-12-15 中国民用航空飞行学院 一种机场停机位分配方法、装置、存储介质及电子设备
CN116993137B (zh) * 2023-09-28 2023-12-05 民航成都信息技术有限公司 一种停机位的确定方法、装置、电子设备及介质
CN117077981B (zh) * 2023-10-16 2024-02-02 四川大学 融合邻域搜索变异和差分进化的停机位分配方法及装置
CN117592730B (zh) * 2023-11-29 2024-08-16 中国东方航空股份有限公司 用于分配机场的停机位的方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109948844A (zh) * 2019-03-15 2019-06-28 民航成都信息技术有限公司 一种停机位分配鲁棒性的优化方法、装置、设备及介质
CN111047915A (zh) * 2019-12-13 2020-04-21 中国科学院深圳先进技术研究院 停机位分配方法、装置及终端设备
CN111563636A (zh) * 2020-07-13 2020-08-21 北京富通东方科技有限公司 一种三阶段元启发式停机位分配优化方法
CN113570247A (zh) * 2021-07-28 2021-10-29 南京航空航天大学 一种基于资源受限条件下的停机位分配多目标优化方法
CN114912711A (zh) * 2022-06-10 2022-08-16 中国民航管理干部学院 一种机场停机位分配方法及系统
CN114943388A (zh) * 2022-06-24 2022-08-26 中国民航大学 一种机场实时停机位分配方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6789011B2 (en) * 1999-04-16 2004-09-07 R. Michael Baiada Method and system for allocating aircraft arrival/departure slot times
US7333887B2 (en) * 2003-08-08 2008-02-19 Baiada R Michael Method and system for tactical gate management by aviation entities

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109948844A (zh) * 2019-03-15 2019-06-28 民航成都信息技术有限公司 一种停机位分配鲁棒性的优化方法、装置、设备及介质
CN111047915A (zh) * 2019-12-13 2020-04-21 中国科学院深圳先进技术研究院 停机位分配方法、装置及终端设备
CN111563636A (zh) * 2020-07-13 2020-08-21 北京富通东方科技有限公司 一种三阶段元启发式停机位分配优化方法
CN113570247A (zh) * 2021-07-28 2021-10-29 南京航空航天大学 一种基于资源受限条件下的停机位分配多目标优化方法
CN114912711A (zh) * 2022-06-10 2022-08-16 中国民航管理干部学院 一种机场停机位分配方法及系统
CN114943388A (zh) * 2022-06-24 2022-08-26 中国民航大学 一种机场实时停机位分配方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于航班延误的机位冲突概率计算方法;丁聪等;《交通运输研究》;20181127(第04期);第54-60页 *
面向延误情景的机场停机位优化分配研究;陈健等;《长沙航空职业技术学院学报》;20200915(第03期);全文 *
面向航班延误的停机位实时指派优化模型;姜雨等;《交通运输系统工程与信息》;20201015(第05期);第185-190页 *

Also Published As

Publication number Publication date
CN115239026A (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
CN115239026B (zh) 停机位分配优化方法、系统、设备及介质
CN111915046B (zh) 用于输出信息的方法和装置
EP3518212A1 (en) Blockchain airspace management for air taxi services
JP6050591B2 (ja) 航空交通を管理する方法およびシステム
Chung et al. Cascading delay risk of airline workforce deployments with crew pairing and schedule optimization
JP6034130B2 (ja) 航空機パラメータを推定するための方法およびシステム
US20150348068A1 (en) Predicting waiting passenger count and evaluation
Ruiz et al. Strategic de-confliction in the presence of a large number of 4D trajectories using a causal modeling approach
CN105469645A (zh) 飞行目标通信系统
CN110334839A (zh) 航班延误预测方法、装置、设备及存储介质
US12025768B2 (en) Generation of weather analytical scenarios translating likely airport capacity impact from probabilistic weather forecast
CN111968414B (zh) 基于大数据和ai的4d轨迹预测方法、装置及电子设备
US9741253B2 (en) Distributed air traffic flow management
CN115310732B (zh) 航班延误预测方法及系统
CN114254840B (zh) 一种数据处理方法、电子设备及存储介质
CN108876028B (zh) 一种基于生存分析的公共交通周转时间预测方法及装置
US11674837B2 (en) Dynamic fuel tankering
CN109978211B (zh) 航班进离港率的预测方法和装置
US10417651B2 (en) Fuel consumption predictions using associative memories
CN106529835B (zh) 一种终端区日通行能力确定方法及装置
CN113408907A (zh) 空中交通管制系统威胁影响分析方法、系统及设备
CN115049100B (zh) 机场资源分配优化方法、装置、设备及可读存储介质
EP3716248A1 (en) Systems and methods for dynamically detecting moving object trajectory conflict using estimated times of arrival
Simaiakis et al. Probabilistic modeling of runway interdeparture times
US11151491B2 (en) Turn time analytics

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