CN117745085A - 航班保障服务的调整方法、装置、电子设备及存储介质 - Google Patents
航班保障服务的调整方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117745085A CN117745085A CN202410190278.3A CN202410190278A CN117745085A CN 117745085 A CN117745085 A CN 117745085A CN 202410190278 A CN202410190278 A CN 202410190278A CN 117745085 A CN117745085 A CN 117745085A
- Authority
- CN
- China
- Prior art keywords
- flight
- guarantee
- service
- capability information
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012502 risk assessment Methods 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 230000010006 flight Effects 0.000 claims description 45
- 230000002159 abnormal effect Effects 0.000 claims description 27
- 238000007621 cluster analysis Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了航班保障服务的调整方法、装置、电子设备及存储介质，包括：基于回归模型对目标机场的每个航班的航班数据进行处理，确定出每个航班相对应的航班类型；基于航班类型下的航班数据以及目标机场的当前保障资源信息，确定出每个航班的航班保障能力信息以及航班供需能力信息；将每个航班的航班保障能力信息、每个航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，输出每个航班下的每两个保障服务事件之间的风险评估结果；基于航班的每两个保障服务事件之间的风险评估结果对航班保障服务方案进行优化调整，提高了航班保障服务的效率和质量优化，整体降低了航班延误风险和提升了服务质量。
Description
技术领域
本申请涉及航班技术领域，尤其是涉及航班保障服务的调整方法、装置、电子设备及存储介质。
背景技术
目前机场不同航班因基础信息、任务性质、时刻特征、客流特征、载荷特性和服务需求的不同，导致地面服务存在较大差异且无法预先规划；另一方面，航班地面保障服务需求会因为航班排期、短期任务调整、异常情况等原因呈现显著的波峰波谷特征，但地面保障资源无法根据航班保障服务需求变化灵活增加或减少，这导致了在航班保障需求高峰时出现保障资源极度紧张、航班保障需求低谷时保障资源闲置的问题。若在航班保障需求波峰波谷采用完全相同的保障服务，会导致在航班高峰大幅增加航班延误和投诉风险，在航班低谷时服务质量无法进一步提升的问题。
发明内容
有鉴于此，本申请的目的在于提供航班保障服务的调整方法、装置、电子设备及存储介质，在航班保障业务主题存在千航千面的情况下，根据故障树的保障服务柔性调整模型确定出航班相对应的保障服务事件之间的风险评估结果，根据风险评估结果对航班保障服务方案进行优化调整，提高了航班保障服务的效率和质量优化，整体降低了航班延误风险和提升了服务质量。
本申请实施例提供了一种航班保障服务的调整方法，所述航班保障服务的调整方法包括：
基于回归模型对目标机场的每个航班的航班数据进行处理，确定出每个所述航班相对应的航班类型；
基于所述航班类型下的航班数据、所述目标机场的当前保障资源信息以及历史数据，确定出每个所述航班的航班保障能力信息以及航班供需能力信息；
将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，对预设的多个保障服务事件进行概率计算，输出每个所述航班下的每两个保障服务事件之间的风险评估结果；
基于每个所述航班下的每两个保障服务事件之间的风险评估结果对相对应的所述航班的航班保障服务方案进行优化调整。
在一种可能的实施方式之中，所述基于回归模型对目标机场的每个航班的航班数据进行处理，确定出每个所述航班相对应的航班类型，包括：
基于所述回归模型对每个所述航班的航班数据进行特征处理，确定出每个所述航班的目标保障业务特征；
对每个所述航班的目标保障业务特征进行聚类分析，确定出每个所述航班相对应的航班类型；其中，所述航班类型包括常规保障航班、高延误风险航班、高减客航班、高投诉航班以及特殊保障航班。
在一种可能的实施方式之中，所述对每个所述航班的目标保障业务特征进行聚类分析，确定出每个所述航班相对应的航班类型，包括：
基于聚类算法对每个所述航班的目标保障业务特征进行聚类分析，确定出多个聚类结果；
基于多个聚类结果以及每个所述航班的航班数据进行匹配，确定出每个所述航班相对应的航班类型。
在一种可能的实施方式之中，所述基于所述航班类型下的航班数据、所述目标机场的当前保障资源信息以及历史数据，确定出每个所述航班的航班保障能力信息以及航班供需能力信息，包括：
基于每个所述航班类型下的航班数据，确定出每个所述航班的航班供需能力信息；
基于所述目标机场的当前保障资源信息、所述历史数据以及预测系数，预测出每个所述航班的航班保障能力信息。
在一种可能的实施方式之中，所述将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，对预设的多个保障服务事件进行概率计算，输出每个所述航班下的每两个保障服务事件之间的风险评估结果，包括：
将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，基于每个所述航班的航班保障能力信息以及每个所述航班的航班供需能力信息，确定出每个所述航班下的每个保障服务事件的先验概率；
基于每个所述航班的历史航班保障信息确定出每个所述航班下的每两个保障服务事件之间的条件概率；
基于每个所述航班下的每两个保障服务事件之间的条件概率以及每个所述航班下的每个保障服务事件的先验概率，确定出每个所述航班下的每两个保障服务事件之间的不正常概率；
基于每个所述航班下的每两个保障服务事件之间的不正常概率，确定出每个所述航班下的每两个保障服务事件之间的风险评估结果。
在一种可能的实施方式之中，所述基于每个所述航班下的每两个保障服务事件之间的不正常概率，确定出每个所述航班下的每两个保障服务事件之间的风险评估结果，包括：
基于每个所述航班下的每两个保障服务事件之间的不正常概率对相对应的保障服务事件的多个风险代价进行评估，确定出每个所述航班下的每两个保障服务事件之间的风险评估结果；其中，所述风险代价包括业务违规风险、航班延误风险、客户投诉风险以及额外成本。
在一种可能的实施方式之中，所述保障服务事件包括：
摆渡车保障服务事件、引导车保障服务事件、地服人员保障服务事件以及行李保障服务事件。
本申请实施例还提供了一种航班保障服务的调整装置，所述航班保障服务的调整装置包括：
类型确定模块，用于基于回归模型对目标机场的每个航班的航班数据进行处理，确定出每个所述航班相对应的航班类型；
保障供需确定模块，用于基于所述航班类型下的航班数据、所述目标机场的当前保障资源信息以及历史数据，确定出每个所述航班的航班保障能力信息以及航班供需能力信息；
风险评估模块，用于将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，对预设的多个保障服务事件进行概率计算，输出每个所述航班下的每两个保障服务事件之间的风险评估结果；
优化模块，用于基于每个所述航班下的每两个保障服务事件之间的风险评估结果对相对应的所述航班的航班保障服务方案进行优化调整。
本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的航班保障服务的调整方法的步骤。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的航班保障服务的调整方法的步骤。
本申请实施例提供的航班保障服务的调整方法、装置、电子设备及存储介质，基于回归模型对目标机场的每个航班的航班数据进行处理，确定出每个所述航班相对应的航班类型； 基于所述航班类型下的航班数据、所述目标机场的当前保障资源信息以及历史数据，确定出每个所述航班的航班保障能力信息以及航班供需能力信息；将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，对预设的多个保障服务事件进行概率计算，输出每个所述航班下的每两个保障服务事件之间的风险评估结果；基于每个所述航班下的每两个保障服务事件之间的风险评估结果对相对应的所述航班的航班保障服务方案进行优化调整。本发明的有益效果为：在航班保障业务主题存在千航千面的情况下，根据故障树的保障服务柔性调整模型确定出航班相对应的保障服务事件之间的风险评估结果，根据风险评估结果对航班保障服务方案进行优化调整，提高了航班保障服务的效率和质量优化，整体降低了航班延误风险和提升了服务质量。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种航班保障服务的调整方法的流程图；
图2为本申请实施例所提供的一种航班保障服务的调整方法中风险评估结果确定的流程图；
图3为本申请实施例所提供的一种航班保障服务的调整装置的结构示意图；
图4为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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，应当理解，本申请中的附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应当理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例，都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容，结合特定应用场景“对航班保障服务进行调整”，给出以下实施方式，对于本领域技术人员来说，在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。
本申请实施例下述方法、装置、电子设备或计算机可读存储介质可以应用于任何需要对航班保障服务进行调整的场景，本申请实施例并不对具体的应用场景作限制，任何使用本申请实施例提供的航班保障服务的调整方法、装置、电子设备及存储介质。
首先，对本申请可适用的应用场景进行介绍。本申请可应用于航班技术领域。
经研究发现，目前机场不同航班因基础信息、任务性质、时刻特征、客流特征、载荷特性和服务需求的不同，导致地面服务存在较大差异且无法预先规划；另一方面，航班地面保障服务需求会因为航班排期、短期任务调整、异常情况等原因呈现显著的波峰波谷特征，但地面保障资源无法根据航班保障服务需求变化灵活增加或减少，这导致了在航班保障需求高峰时出现保障资源极度紧张、航班保障需求低谷时保障资源闲置的问题。若在航班保障需求波峰波谷采用完全相同的保障服务，会导致在航班高峰大幅增加航班延误和投诉风险，在航班低谷时服务质量无法进一步提升的问题。
基于此，本申请实施例提供了一种航班保障服务的调整方法，在航班保障业务主题存在千航千面的情况下，根据故障树的保障服务柔性调整模型确定出航班相对应的保障服务事件之间的风险评估结果，根据风险评估结果对航班保障服务方案进行优化调整，提高了航班保障服务的效率和质量优化，整体降低了航班延误风险和提升了服务质量。
请参阅图1，图1为本申请实施例所提供的一种航班保障服务的调整方法的流程图。如图1中所示，本申请实施例提供的航班保障服务的调整方法，包括：
S101：基于回归模型对目标机场的每个航班的航班数据进行处理，确定出每个所述航班相对应的航班类型。
该步骤中，根据回归模型对目标机场的每个航班的航班数据进行处理，确定出每个航班相对应的航班类型。
这里，航班类型包括常规保障航班、高延误风险航班、高减客航班、高投诉航班以及特殊保障航班等其他航班。
其中，航班数据包括基本信息（如机型、航线、起降机场等）、任务性质（如国际国内、VIP、重大活动保障、备降等）、时刻特征（如起降时刻、航班延误、地面停留时间等）、客流特征（如载客量、客座率、中转率、减客概率等）、载荷特性（如行李数量、货邮重量等）和服务需求（如登机口数量、用餐人数、特殊服务要求等）。
其中，回归模型可为lasso回归模型。
在一种可能的实施方式之中，所述基于回归模型对目标机场的每个航班的航班数据进行处理，确定出每个所述航班相对应的航班类型，包括：
A：基于所述回归模型对每个所述航班的航班数据进行特征处理，确定出每个所述航班的目标保障业务特征。
这里，根据回归模型对每个航班的航班数据进行特征处理，确定出每个航班的目标保障业务特征。
其中，通过回归模型为：
这里，n是观测值的数量（即样本数量），m是的目标保障业务特征（即预测变量）的数量，是第i个观测值的目标值，/>是第i个观测值的第j个特征值，/>是第j个特征的权重，/>是L2正则化参数，本方案用启发式方式确定/>的值，最终使用值为0.6，/>是为了方便梯度计算而引入的系数。
B：对每个所述航班的目标保障业务特征进行聚类分析，确定出每个所述航班相对应的航班类型；其中，所述航班类型包括常规保障航班、高延误风险航班、高减客航班、高投诉航班以及特殊保障航班。
这里，对每个航班的目标保障业务特征进行聚类分析，确定出每个航班相对应的航班类型。
在一种可能的实施方式之中，所述对每个所述航班的目标保障业务特征进行聚类分析，确定出每个所述航班相对应的航班类型，包括：
基于聚类算法对每个所述航班的目标保障业务特征进行聚类分析，确定出多个聚类结果；基于多个聚类结果以及每个所述航班的航班数据进行匹配，确定出每个所述航班相对应的航班类型。
这里，根据聚类算法对每个航班的目标保障业务特征进行聚类分析，确定出多个聚类结果；根据多个聚类结果以及每个航班的航班数据进行匹配，确定出每个航班相对应的航班类型。
其中，使用DENSTRE聚类算法对目标保障业务特征进行聚类分析，输出聚类结果。DENSTRE算法基于点的密度来划分簇，它通过寻找具有高密度区域的簇对数据点进行分组，本方案中DENSTRE的主要概念及参数为：核心点：在半径Eps内至少有MinPts个点（包括该点本身），则这个点被成为核心点（MinPts为算法参数，本方案取值为6）。直接密度可达：如果数据点p位于数据点q的半径Eps的领域内，并且q是核心点，那么点p直接密度可达于点q。（密度可达：对于核心点序列若/>直接密度可达于/>，/>直接密度可达于/>，…/>直接密度可达于/>,则称/>密度可达于/>。密度相连：对于密度可达点q，若存在核心点p使得点p密度可达于点q，则称点p和点q是密度相连的）。
其中，根据规则或条件将每个航班的航班数据匹配到适合的航班类型，包括常规保障航班、高延误风险航班、高减客航班、高投诉航班、特殊保障航班、饱和保障航班、高峰抢保障航班。
在本方案中，分析航班基础信息、任务性质、时刻特征、客流特征、载荷特性和服务需求等历史和实时数据，结合基地机场地面服务目标、服务能力和服务质量等业务数据，刻画出航班信息和保障服务的业务特征，并根据lasso算法结合专家经验选择最具代表性的业务特征进行DENSTRE聚类分析，实现基于航班保障业务聚类的航班画像技术。
S102：基于所述航班类型下的航班数据、所述目标机场的当前保障资源信息以及历史数据，确定出每个所述航班的航班保障能力信息以及航班供需能力信息。
该步骤中，根据航班类型下的航班数据、目标机场的当前保障资源信息以及历史数据，确定出每个航班的航班保障能力信息以及航班供需能力信息。
这里，当前保障资源信息包括登机口数量、地勤人员数量、行李处理设备等。
其中，航班的航班保障能力信息为航班所需要的保障能力，航班供需能力信息为航班所需要的供需能力。
在一种可能的实施方式之中，所述基于所述航班类型下的航班数据、所述目标机场的当前保障资源信息以及历史数据，确定出每个所述航班的航班保障能力信息以及航班供需能力信息，包括：
a：基于每个所述航班类型下的航班数据，确定出每个所述航班的航班供需能力信息。
这里，根据每个航班类型下的航班数据，确定出每个航班的航班供需能力信息。其中，由于确定出了每个航班对应的航班类型，进而根据航班数据可以确定出来航班的航班供需能力信息。如，航班类型为常规保障航班，则可以确定出来该航班的航班供需能力信息。
b：基于所述目标机场的当前保障资源信息、所述历史数据以及预测系数，预测出每个所述航班的航班保障能力信息。
这里，通过以下公式确定出来航班保障能力信息：
其中，表示时刻t的航班保障能力信息，/>、/>是预测系数用于表示时间t的保障需求和保障能力与前几个时间点的相关性，/>是误差项。公式解释：这个公式表示了保障能力在当前时刻t与过去几个时刻的保障能力之间的线性关系。其中，过去时刻t-2的航班保障能力信息是根据历史数据确定出来的。
在本方案中整合目标机场的当前保障资源信息，包括登机口数量、地勤人员数量、行李处理设备等。然后通过历史数据和现有资源来预测未来的航班保障能力，这里的历史数据选取当天当前时间前的数据（人员使用情况、设备使用情况、其他资源使用情况等），最后通过ARIMA时间序列分析方法进行预测，ARIMA模型的主要目标是通过拟合历史数据来捕捉数据中的趋势和周期性，以便进行未来值的预测。
S103：将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，对预设的多个保障服务事件进行概率计算，输出每个所述航班下的每两个保障服务事件之间的风险评估结果。
该步骤中，将每个航班的航班保障能力信息、每个航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，对预设的多个保障服务事件进行概率计算，输出每个航班下的每两个保障服务事件之间的风险评估结果。
其中，基于故障树的保障服务柔性调整模型为根据航班保障任务的串行或并行环节业务特点构建基于故障树的保障服务柔性调整模型。
其中，保障服务事件包括：摆渡车保障服务事件、引导车保障服务事件、地服人员保障服务事件以及行李保障服务事件。
其中，两个保障服务事件之间的风险评估结果为在事件B发生的情况下事件A发生的概率相对应的风险评估结果，如，在摆渡车资源不足时航班延误发生的概率所对应的风险评估结果。
进一步的，请参阅图2，图2为本申请实施例所提供的一种航班保障服务的调整方法中风险评估结果确定的流程图。如图2所示，所述将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，对预设的多个保障服务事件进行概率计算，输出每个所述航班下的每两个保障服务事件之间的风险评估结果，包括：
S201：将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，基于每个所述航班的航班保障能力信息以及每个所述航班的航班供需能力信息，确定出每个所述航班下的每个保障服务事件的先验概率。
该步骤中，在基于故障树的保障服务柔性调整模型之中根据每个航班的航班保障能力信息以及每个航班的航班供需能力信息，确定出每个航班下的每个保障服务事件的先验概率。
这里，保障服务事件的先验概率可以直接根据航班的航班保障能力信息以及航班的航班供需能力信息确定出来，如，航班延误的先验概率、摆渡车资源不足的先验概率。
S202：基于每个所述航班的历史航班保障信息确定出每个所述航班下的每两个保障服务事件之间的条件概率。
该步骤中，根据每个航班的历史航班保障信息确定出每个航班下的每两个保障服务事件之间的条件概率。
这里，在航班的历史航班保障信息中可以直接确定出来每个航班下的每两个保障服务事件之间的条件概率，如，P(B│A)表示在航班延误时，摆渡车资源不足的条件概率。
S203：基于每个所述航班下的每两个保障服务事件之间的条件概率以及每个所述航班下的每个保障服务事件的先验概率，确定出每个所述航班下的每两个保障服务事件之间的不正常概率。
该步骤中，根据每个航班下的每两个保障服务事件之间的条件概率以及每个航班下的每个保障服务事件的先验概率，确定出每个航班下的每两个保障服务事件之间的不正常概率。
这里，通过以下公式确定出每两个保障服务事件之间的不正常概率：
其中，其中，P(A|B)表示在保障服务事件B发生的情况下保障服务事件A发生的概率，P(B|A)表示在保障服务事件A发生的情况下保障服务事件B发生的概率，P(A)和P(B)分别表示保障服务事件A和保障服务事件B的先验概率，例如：P(A│B)表示在摆渡车资源不足时，航班延误发生的概率，P(A)表示航班延误的概率，P(B)表示摆渡车资源不足的概率，P(B│A)表示在航班延误时，摆渡车资源不足的概率。
S204：基于每个所述航班下的每两个保障服务事件之间的不正常概率，确定出每个所述航班下的每两个保障服务事件之间的风险评估结果。
该步骤中，根据每个航班下的每两个保障服务事件之间的不正常概率，确定出每个航班下的每两个保障服务事件之间的风险评估结果。
在一种可能的实施方式之中，所述基于每个所述航班下的每两个保障服务事件之间的不正常概率，确定出每个所述航班下的每两个保障服务事件之间的风险评估结果，包括：
基于每个所述航班下的每两个保障服务事件之间的不正常概率对相对应的保障服务事件的多个风险代价进行评估，确定出每个所述航班下的每两个保障服务事件之间的风险评估结果；其中，所述风险代价包括业务违规风险、航班延误风险、客户投诉风险以及额外成本。
这里，根据每个所航班下的每两个保障服务事件之间的不正常概率对相对应的保障服务事件的多个风险代价进行评估，确定出每个航班下的每两个保障服务事件之间的风险评估结果。
其中，根据每个具体业务风险的其发生概率和对航班保障服务效率、质量的影响，将其归入风险矩阵中的相应格子。例如：如果航班延误风险的概率较高，且对服务效率和质量的影响较大，那么它将被归入高概率和高影响的格子。如果业务违规风险的概率较低，但一旦发生，对服务效率和质量的影响较大，那么它将被归入低概率和高影响的格子之中。
在本方案中采用基于FTA（Fault Tree Analysis）的航班保障服务环节动态增减和服务质量柔性调整技术，实现航班保障服务的效率和质量优化，整体降低了航班延误风险和提升了服务质量。根据航班保障任务的串行或并行环节业务特点构建基于故障树的保障服务柔性调整模型，模型分别计算每个保障服务事件的发生异常的概率和对整体航班非正常的重要程度及对应的代价和风险，识别导致航班非正常的关键保障服务事件加强保障力度，对非发生异常概率小且对航班非正常影响小的环节可以基于地面保障能力动态调整，以使整体航班保障效率和保障质量提升。
S104：基于每个所述航班下的每两个保障服务事件之间的风险评估结果对相对应的所述航班的航班保障服务方案进行优化调整。
该步骤中，根据每个航班下的每两个保障服务事件之间的风险评估结果对相对应的航班保障服务方案进行优化调整。其中，优化调整方式可为：优化目标为降低航班延误率、减少客户投诉、降低额外成本；约束条件满足航班时间窗口、不能超过保障资源限制。然后采用商业求解器进行求解，得到航班保障服务的调整方式，包括重点保障、一般服务、轻度服务、取消服务。
本申请实施例提供的一种航班保障服务的调整方法，所述航班保障服务的调整方法包括：基于回归模型对目标机场的每个航班的航班数据进行处理，确定出每个所述航班相对应的航班类型；基于所述航班类型下的航班数据、所述目标机场的当前保障资源信息以及历史数据，确定出每个所述航班的航班保障能力信息以及航班供需能力信息；将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，对预设的多个保障服务事件进行概率计算，输出每个所述航班下的每两个保障服务事件之间的风险评估结果；基于每个所述航班下的每两个保障服务事件之间的风险评估结果对相对应的所述航班的航班保障服务方案进行优化调整。在航班保障业务主题存在千航千面的情况下，根据故障树的保障服务柔性调整模型确定出航班相对应的保障服务事件之间的风险评估结果，根据风险评估结果对航班保障服务方案进行优化调整，提高了航班保障服务的效率和质量优化，整体降低了航班延误风险和提升了服务质量。
请参阅图3，图3为本申请实施例所提供的一种航班保障服务的调整装置的结构示意图。如图3中所示，所述航班保障服务的调整装置300包括：
类型确定模块310，用于基于回归模型对目标机场的每个航班的航班数据进行处理，确定出每个所述航班相对应的航班类型；
保障供需确定模块320，用于基于所述航班类型下的航班数据、所述目标机场的当前保障资源信息以及历史数据，确定出每个所述航班的航班保障能力信息以及航班供需能力信息；
风险评估模块330，用于将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，对预设的多个保障服务事件进行概率计算，输出每个所述航班下的每两个保障服务事件之间的风险评估结果；
优化模块340，用于基于每个所述航班下的每两个保障服务事件之间的风险评估结果对相对应的所述航班的航班保障服务方案进行优化调整。
进一步的，类型确定模块310在用于所述基于回归模型对目标机场的每个航班的航班数据进行处理，确定出每个所述航班相对应的航班类型时，类型确定模块310具体用于：
基于所述回归模型对每个所述航班的航班数据进行特征处理，确定出每个所述航班的目标保障业务特征；
对每个所述航班的目标保障业务特征进行聚类分析，确定出每个所述航班相对应的航班类型；其中，所述航班类型包括常规保障航班、高延误风险航班、高减客航班、高投诉航班以及特殊保障航班。
进一步的，类型确定模块310在用于所述对每个所述航班的目标保障业务特征进行聚类分析，确定出每个所述航班相对应的航班类型时，类型确定模块310具体用于：
基于聚类算法对每个所述航班的目标保障业务特征进行聚类分析，确定出多个聚类结果；
基于多个聚类结果以及每个所述航班的航班数据进行匹配，确定出每个所述航班相对应的航班类型。
进一步的，保障供需确定模块320在用于所述基于所述航班类型下的航班数据、所述目标机场的当前保障资源信息以及历史数据，确定出每个所述航班的航班保障能力信息以及航班供需能力信息时，保障供需确定模块320具体用于：
基于每个所述航班类型下的航班数据，确定出每个所述航班的航班供需能力信息；
基于所述目标机场的当前保障资源信息、所述历史数据以及预测系数，预测出每个所述航班的航班保障能力信息。
进一步的，风险评估模块330在用于所述将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，对预设的多个保障服务事件进行概率计算，输出每个所述航班下的每两个保障服务事件之间的风险评估结果时，风险评估模块330具体用于：
将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，基于每个所述航班的航班保障能力信息以及每个所述航班的航班供需能力信息，确定出每个所述航班下的每个保障服务事件的先验概率；
基于每个所述航班的历史航班保障信息确定出每个所述航班下的每两个保障服务事件之间的条件概率；
基于每个所述航班下的每两个保障服务事件之间的条件概率以及每个所述航班下的每个保障服务事件的先验概率，确定出每个所述航班下的每两个保障服务事件之间的不正常概率；
基于每个所述航班下的每两个保障服务事件之间的不正常概率，确定出每个所述航班下的每两个保障服务事件之间的风险评估结果。
进一步的，风险评估模块330在用于所述基于每个所述航班下的每两个保障服务事件之间的不正常概率，确定出每个所述航班下的每两个保障服务事件之间的风险评估结果时，风险评估模块330具体用于：
基于每个所述航班下的每两个保障服务事件之间的不正常概率对相对应的保障服务事件的多个风险代价进行评估，确定出每个所述航班下的每两个保障服务事件之间的风险评估结果；其中，所述风险代价包括业务违规风险、航班延误风险、客户投诉风险以及额外成本。
本申请实施例提供的一种航班保障服务的调整装置，所述航班保障服务的调整装置包括：类型确定模块，用于基于回归模型对目标机场的每个航班的航班数据进行处理，确定出每个所述航班相对应的航班类型；保障供需确定模块，用于基于所述航班类型下的航班数据、所述目标机场的当前保障资源信息以及历史数据，确定出每个所述航班的航班保障能力信息以及航班供需能力信息；风险评估模块，用于将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，对预设的多个保障服务事件进行概率计算，输出每个所述航班下的每两个保障服务事件之间的风险评估结果；优化模块，用于基于每个所述航班下的每两个保障服务事件之间的风险评估结果对相对应的所述航班的航班保障服务方案进行优化调整。在航班保障业务主题存在千航千面的情况下，根据故障树的保障服务柔性调整模型确定出航班相对应的保障服务事件之间的风险评估结果，根据风险评估结果对航班保障服务方案进行优化调整，提高了航班保障服务的效率和质量优化，整体降低了航班延误风险和提升了服务质量。
请参阅图4，图4为本申请实施例所提供的一种电子设备的结构示意图。如图4中所示，所述电子设备400包括处理器410、存储器420和总线430。
所述存储器420存储有所述处理器410可执行的机器可读指令，当电子设备400运行时，所述处理器410与所述存储器420之间通过总线430通信，所述机器可读指令被所述处理器410执行时，可以执行如上述图1以及图2所示方法实施例中的航班保障服务的调整方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1以及图2所示方法实施例中的航班保障服务的调整方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-OnlyMemory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种航班保障服务的调整方法，其特征在于，所述航班保障服务的调整方法包括：
基于回归模型对目标机场的每个航班的航班数据进行处理，确定出每个所述航班相对应的航班类型；
基于所述航班类型下的航班数据、所述目标机场的当前保障资源信息以及历史数据，确定出每个所述航班的航班保障能力信息以及航班供需能力信息；
将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，对预设的多个保障服务事件进行概率计算，输出每个所述航班下的每两个保障服务事件之间的风险评估结果；
基于每个所述航班下的每两个保障服务事件之间的风险评估结果对相对应的所述航班的航班保障服务方案进行优化调整。
2.根据权利要求1所述的航班保障服务的调整方法，其特征在于，所述基于回归模型对目标机场的每个航班的航班数据进行处理，确定出每个所述航班相对应的航班类型，包括：
基于所述回归模型对每个所述航班的航班数据进行特征处理，确定出每个所述航班的目标保障业务特征；
对每个所述航班的目标保障业务特征进行聚类分析，确定出每个所述航班相对应的航班类型；其中，所述航班类型包括常规保障航班、高延误风险航班、高减客航班、高投诉航班以及特殊保障航班。
3.根据权利要求2所述的航班保障服务的调整方法，其特征在于，所述对每个所述航班的目标保障业务特征进行聚类分析，确定出每个所述航班相对应的航班类型，包括：
基于聚类算法对每个所述航班的目标保障业务特征进行聚类分析，确定出多个聚类结果；
基于多个聚类结果以及每个所述航班的航班数据进行匹配，确定出每个所述航班相对应的航班类型。
4.根据权利要求1所述的航班保障服务的调整方法，其特征在于，所述基于所述航班类型下的航班数据、所述目标机场的当前保障资源信息以及历史数据，确定出每个所述航班的航班保障能力信息以及航班供需能力信息，包括：
基于每个所述航班类型下的航班数据，确定出每个所述航班的航班供需能力信息；
基于所述目标机场的当前保障资源信息、所述历史数据以及预测系数，预测出每个所述航班的航班保障能力信息。
5.根据权利要求1所述的航班保障服务的调整方法，其特征在于，所述将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，对预设的多个保障服务事件进行概率计算，输出每个所述航班下的每两个保障服务事件之间的风险评估结果，包括：
将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，基于每个所述航班的航班保障能力信息以及每个所述航班的航班供需能力信息，确定出每个所述航班下的每个保障服务事件的先验概率；
基于每个所述航班的历史航班保障信息确定出每个所述航班下的每两个保障服务事件之间的条件概率；
基于每个所述航班下的每两个保障服务事件之间的条件概率以及每个所述航班下的每个保障服务事件的先验概率，确定出每个所述航班下的每两个保障服务事件之间的不正常概率；
基于每个所述航班下的每两个保障服务事件之间的不正常概率，确定出每个所述航班下的每两个保障服务事件之间的风险评估结果。
6.根据权利要求5所述的航班保障服务的调整方法，其特征在于，所述基于每个所述航班下的每两个保障服务事件之间的不正常概率，确定出每个所述航班下的每两个保障服务事件之间的风险评估结果，包括：
基于每个所述航班下的每两个保障服务事件之间的不正常概率对相对应的保障服务事件的多个风险代价进行评估，确定出每个所述航班下的每两个保障服务事件之间的风险评估结果；其中，所述风险代价包括业务违规风险、航班延误风险、客户投诉风险以及额外成本。
7.根据权利要求1所述的航班保障服务的调整方法，其特征在于，所述保障服务事件包括：
摆渡车保障服务事件、引导车保障服务事件、地服人员保障服务事件以及行李保障服务事件。
8.一种航班保障服务的调整装置，其特征在于，所述航班保障服务的调整装置包括：
类型确定模块，用于基于回归模型对目标机场的每个航班的航班数据进行处理，确定出每个所述航班相对应的航班类型；
保障供需确定模块，用于基于所述航班类型下的航班数据、所述目标机场的当前保障资源信息以及历史数据，确定出每个所述航班的航班保障能力信息以及航班供需能力信息；
风险评估模块，用于将每个所述航班的航班保障能力信息、每个所述航班的航班供需能力信息以及每个航班的历史航班保障信息输入至基于故障树的保障服务柔性调整模型之中，对预设的多个保障服务事件进行概率计算，输出每个所述航班下的每两个保障服务事件之间的风险评估结果；
优化模块，用于基于每个所述航班下的每两个保障服务事件之间的风险评估结果对相对应的所述航班的航班保障服务方案进行优化调整。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至7任一所述的航班保障服务的调整方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一所述的航班保障服务的调整方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410190278.3A CN117745085B (zh) | 2024-02-21 | 2024-02-21 | 航班保障服务的调整方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410190278.3A CN117745085B (zh) | 2024-02-21 | 2024-02-21 | 航班保障服务的调整方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117745085A true CN117745085A (zh) | 2024-03-22 |
| CN117745085B CN117745085B (zh) | 2024-05-31 |
Family
ID=90259553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410190278.3A Active CN117745085B (zh) | 2024-02-21 | 2024-02-21 | 航班保障服务的调整方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117745085B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150294237A1 (en) * | 2002-04-11 | 2015-10-15 | Gavin Stener | System and method for simultaneously displaying non-scheduled and scheduled air travel services for booking flights |
| CN111950791A (zh) * | 2020-08-14 | 2020-11-17 | 中国民航信息网络股份有限公司 | 一种航班延误预测方法、装置、服务器及存储介质 |
| CN111985685A (zh) * | 2020-07-14 | 2020-11-24 | 中国民用航空总局第二研究所 | 基于大数据分析的航班计划优化方法、装置及电子设备 |
| CN112651578A (zh) * | 2021-01-18 | 2021-04-13 | 中国民航信息网络股份有限公司 | 一种机场的地面保障能力需求的预测方法和装置 |
| CN113033945A (zh) * | 2021-01-18 | 2021-06-25 | 中国民航信息网络股份有限公司 | 一种保障标准管理方法、装置及服务器 |
| CN113112167A (zh) * | 2021-04-21 | 2021-07-13 | 中国民航大学 | 一种航班地面保障服务过程的动态控制方法 |
| CN115049100A (zh) * | 2022-04-24 | 2022-09-13 | 四川大学 | 机场资源分配优化方法、装置、设备及可读存储介质 |
| CN116010886A (zh) * | 2022-12-22 | 2023-04-25 | 航安云创科技(北京)有限公司 | 安全监测方法、装置、电子设备和存储介质 |
| CN116189484A (zh) * | 2023-01-28 | 2023-05-30 | 中国民用航空总局第二研究所 | 航班保障节点的确定方法、装置、电子设备及存储介质 |
| CN116341868A (zh) * | 2023-03-31 | 2023-06-27 | 青岛民航凯亚系统集成有限公司 | 关于机场地面航空器过站保障任务最优分派的方法及系统 |
| CN117314201A (zh) * | 2023-11-28 | 2023-12-29 | 中国民用航空总局第二研究所 | 一种航班保障服务的关键环节确定方法及系统 |
-
2024
- 2024-02-21 CN CN202410190278.3A patent/CN117745085B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150294237A1 (en) * | 2002-04-11 | 2015-10-15 | Gavin Stener | System and method for simultaneously displaying non-scheduled and scheduled air travel services for booking flights |
| CN111985685A (zh) * | 2020-07-14 | 2020-11-24 | 中国民用航空总局第二研究所 | 基于大数据分析的航班计划优化方法、装置及电子设备 |
| CN111950791A (zh) * | 2020-08-14 | 2020-11-17 | 中国民航信息网络股份有限公司 | 一种航班延误预测方法、装置、服务器及存储介质 |
| CN112651578A (zh) * | 2021-01-18 | 2021-04-13 | 中国民航信息网络股份有限公司 | 一种机场的地面保障能力需求的预测方法和装置 |
| CN113033945A (zh) * | 2021-01-18 | 2021-06-25 | 中国民航信息网络股份有限公司 | 一种保障标准管理方法、装置及服务器 |
| CN113112167A (zh) * | 2021-04-21 | 2021-07-13 | 中国民航大学 | 一种航班地面保障服务过程的动态控制方法 |
| CN115049100A (zh) * | 2022-04-24 | 2022-09-13 | 四川大学 | 机场资源分配优化方法、装置、设备及可读存储介质 |
| CN116010886A (zh) * | 2022-12-22 | 2023-04-25 | 航安云创科技(北京)有限公司 | 安全监测方法、装置、电子设备和存储介质 |
| CN116189484A (zh) * | 2023-01-28 | 2023-05-30 | 中国民用航空总局第二研究所 | 航班保障节点的确定方法、装置、电子设备及存储介质 |
| CN116341868A (zh) * | 2023-03-31 | 2023-06-27 | 青岛民航凯亚系统集成有限公司 | 关于机场地面航空器过站保障任务最优分派的方法及系统 |
| CN117314201A (zh) * | 2023-11-28 | 2023-12-29 | 中国民用航空总局第二研究所 | 一种航班保障服务的关键环节确定方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 邢志伟;李彪;马浩然;戴铮;: "航班地面保障过程动态控制方法研究", 计算机仿真, no. 07, 15 July 2020 (2020-07-15), pages 84 - 89 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117745085B (zh) | 2024-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10999140B2 (en) | Mitigation of likelihood and impact of a server-reconfiguration failure | |
| US11132908B2 (en) | Using a graph network model to determine a gate pushback time | |
| CN110334839B (zh) | 航班延误预测方法、装置、设备及存储介质 | |
| Yaghini et al. | Railway passenger train delay prediction via neural network model | |
| Guo et al. | A novel hybrid method for flight departure delay prediction using Random Forest Regression and Maximal Information Coefficient | |
| Ghelichi et al. | Drone logistics for uncertain demand of disaster-impacted populations | |
| CN107403325B (zh) | 机票订单可信度评价方法和装置 | |
| Marwaha et al. | System-of-systems approach to air transportation design using nested optimization and direct search | |
| de Smidt-Destombes et al. | A spare parts model with cold-standby redundancy on system level | |
| CN106779222B (zh) | 机场地面等待时间预测方法及装置 | |
| CN112132484A (zh) | 一种航班恢复方法及装置 | |
| US9153138B1 (en) | Agent-based airfield conflict resolution | |
| Mazalov et al. | Queueing system with on-demand number of servers | |
| Antonakis et al. | Optimisation of military aircraft engine maintenance subject to engine part shortages using asynchronous metamodel-assisted particle swarm optimisation and Monte-Carlo simulations | |
| US20220245001A1 (en) | Cloud computing capacity management system using automated fine-grained admission control | |
| CN117745085B (zh) | 航班保障服务的调整方法、装置、电子设备及存储介质 | |
| Tsai et al. | Simulation optimization in security screening systems subject to budget and waiting time constraints | |
| Cesaro et al. | Performance assessment for single echelon airport spare part management | |
| Suhasini et al. | Queueing model with non-homogeneous bulk arrivals having state-dependent service rates | |
| CN110413482B (zh) | 检测方法和装置 | |
| Li et al. | A model on emergency resource dispatch under random demand and unreliable transportation | |
| Yahia et al. | Peak-load pricing and demand management for ridesourcing platforms | |
| Lee et al. | A traffic engineering model for air taxi services | |
| US12025768B2 (en) | Generation of weather analytical scenarios translating likely airport capacity impact from probabilistic weather forecast | |
| Wang et al. | An Improved Whale Algorithm for Setting Standard Scheduled Block Time Based on the Airline Fairness |
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 |