CN117892981B - 一种滑行时间不确定下的机场跑道和滑行道联合调度方法 - Google Patents

Abstract

本发明涉及机场资源调度技术领域，公开了一种滑行时间不确定下的机场跑道和滑行道联合调度方法，包括以下步骤：步骤1：获取机场和进离场航班数据；步骤2：构建跑道调度模型和滑行道调度模型；步骤3：构建滑行时间不确定下的跑道滑行道联合调度模型；对跑道和滑行道进行联合调度；步骤4：采用遗传算法对联合调度模型进行求解；步骤5：根据优先级顺序对跑道上航班穿越顺序进行调整；步骤6：针对航班在滑行过程中的冲突，通过时间转移方法转移高成本路由点的到达时间；步骤7：迭代，满足迭代条件即可得到联合调度方案；本发明采用联合调度方法，实现跑道和滑行道资源的高效使用，提高机场运营效率，减少航班延误。

Description

一种滑行时间不确定下的机场跑道和滑行道联合调度方法

技术领域

本发明涉及机场资源调度技术领域，具体涉及一种滑行时间不确定下的机场跑道和滑行道联合调度方法。

背景技术

联合调度方法是指在复杂场景下，通过对多个任务（或资源）之间的关系和约束进行统一建模和求解，实现系统整体性能优化的方法。其中，跑道和滑行道联合调度方法是一种用于优化机场地面运行效率的技术。在机场地面运行中，航班需要从停机位滑行到起飞跑道或者从着陆跑道滑行到停机位。跑道和滑行道之间的资源共享和冲突可能导致滑行延误和资源浪费，急需一种联合调度方法解决上述问题。

目前，现有多资源系统调度通常分为两个阶段：先进行航班进离场调度，然后再为航空器分配滑行路径。在进离场调度阶段，调度人员根据航班的计划和机场的运行情况，安排航班的起飞和降落时间；在滑行路径分配阶段，调度人员为每架航空器分配适当的滑行路径，确保航班能够顺利在地面上移动。然而，这种传统方法难以体现多跑道机场的滑行系统与跑道系统的相互影响，且每个阶段都只考虑了局部的优化目标，而没有整体地考虑系统的全局最优解，容易导致不一致、重复或冲突的调度决策，从而影响整个系统的效率和安全性。

发明内容

本发明针对现有技术存在的问题提供一种滑行时间不确定下的机场跑道和滑行道联合调度方法。

本发明采用的技术方案是：

一种滑行时间不确定下的机场跑道和滑行道联合调度方法，包括以下步骤：

步骤1：获取机场和进离场航班数据；

步骤2：构建跑道调度模型和滑行道调度模型；跑道调度模型以最小化航班延误为目标函数；滑行道调度模型以最小化航班的总滑行时间为目标函数；

步骤3：以跑道调度模型为上层模型，滑行道模型为下层模型，构建滑行时间不确定下的跑道滑行道联合调度模型；根据联合调度模型对跑道和滑行道进行联合调度；

步骤4：采用遗传算法对联合调度模型进行求解；

步骤5：根据优先级顺序对跑道上航班穿越顺序进行调整；

步骤6：针对航班在滑行过程中的冲突，通过时间转移方法转移高成本路由点的到达时间；

步骤7：对步骤4～步骤6进行迭代，满足迭代条件即可得到联合调度方案。

进一步的，所述步骤1中的进离场航班数据包括航班号、航班计划调度时间、航班的类型和计划载客数。

进一步的，所述步骤2中跑道调度模型的约束条件包括使用同一跑道的航班之间的安全间隔约束、使用不同跑道的航班之间的安全间隔约束。

进一步的，所述步骤2中滑行道调度模型的约束条件包括在同一滑行道上滑行的航班之间，相邻航班之间有足够的时间间隔。

进一步的，所述步骤3中的联合调度方法如下：根据跑道调度系统得到航班着陆起飞计划，将由跑道调度系统得到的航班着陆起飞计划传递给滑行道系统；为开始滑行时间设计统一的滑行缓冲时间；滑行道系统将滑行冲突信息以惩罚函数的形式反馈给跑道调度模型的目标函数。

进一步的，所述步骤5中排序方法如下：为每个航班设计二维优先级表，考虑运行方式和飞机类型两个特征参数；其中运行方式重要性大于飞机类型；遍历每个航班得到所有航班的优先级。

进一步的，所述通过时间转移方法转移高成本路由点的到达时间过程如下：

计算每个滑行航班的时间-路由列表；

当一个航班的路由点与另一个航班的路由点相同且发生交叉冲突或追尾冲突时，判断两架航班的优先级；

优先级高的航班，将其安全时间差转移至优先级低的航班且后续航班已安全时间差向后推迟；

根据修正后的滑行到达时间，更新得到新的时间-路由表。

进一步的，所述步骤4中遗传算法中引入自适应交叉概率调节方法。

进一步的，所述步骤4中求解过程如下：

随机生成初始化种群，设置参数；

通过自适应交叉概率调节，动态调整交叉概率；

对联合调度模型进行求解。

进一步的，所述自适应交叉概率调节方法如下：

式中：p _ci为个体i发生交叉算子的概率，G为进化过程的最大迭代数，g为当前迭代数，p _cmax为交叉算子的概率最大值，p _cmin为交叉算子的概率最小值，f _i为个体i的适应度函数值，f _max为当前所有个体的最大适应度值，为当前种群的平均适应度值。

本发明的有益效果是：

（1）本发明的基于自适应交叉概率调节机制的遗传算法的机场跑道和滑行道的联合调度方法，提高了遗传算法的收敛性、多样性和算法效率，适应不同问题和搜索空间的需求，有效解决了多资源联合调度问题，显著改善了航班延误状况；

（2）本发明将跑道给予滑行道的信息为滑行系统指定滑行约束，滑行系统的冲突信息以惩罚函数的形式反馈给跑道调度模型作为联合点实现滑行道系统和跑道系统的有效联合，以减少航班延误，提高机场运营效率；

（3）本发明采用基于优先级的跑道上航班穿越调整策略以减少跑道使用的冲突和等待时间，提高跑道的使用效率和吞吐量；采用时间转移策略转移高成本路由点的到达时间，减少滑行时间。

附图说明

图1为本发明方法流程示意图。

图2为现有遗传算法流程示意图。

图3为本发明中交叉点冲突的时间转移方法示意图。

图4为本发明中追尾冲突的时间转移方法示意图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步说明。

如图1所示，一种滑行时间不确定下的机场跑道和滑行道联合调度方法，包括以下步骤：

步骤1：获取机场和进离场航班数据；

进离场航班数据包括航班号、航班计划调度时间、航班的类型及计划载客数；以上海虹桥机场为实施对象，该机场拥有两条距离为365米的近距平行跑道。将该机场的滑行道、跑道及停机坪等抽象为包含93节点、118条边、2条跑道、5个候机区的网络结构。

步骤2：构建跑道调度模型和滑行道调度模型；跑道调度模型以最小化航班延误为目标函数；滑行道调度模型以最小化航班的总滑行时间为目标函数；

跑道调度模型包括目标函数和约束条件；滑行道调度模型包括目标函数和约束条件。

其中，跑道调度模型目标函数为：以最小化航班延误为目标函数，以改善航班的准点率和旅客的出行体验，提高机场的服务质量和竞争力：

（1）

式中：为第/>个航班的实际调度时间，Z ₁为航班延误时间，/>为第/>个航班的计划调度时间，F为所有航班的集合。

滑行道调度模型目标函数为：以最小化航班的总滑行时间为目标函数，可以提高跑道和滑行道的利用效率，减少航班的等待和滞留时间。

（2）

式中：Z _taxi为航班的总滑行时间，ε _d为进场航班的优先级系数，η _a为离场航班的优先级系数，为离场航班开始滑行时间，/>为离场航班结束滑行时间，/>为进场航班开始滑行时间，/>为进场航班结束滑行时间，A为进场航班集合，D为离场航班集合，δ为离场航班，/>为进场航班。

跑道调度模型约束条件包括以下内容：

1）使用同一跑道的航班之间的安全间隔约束；对于同一跑道的航班，要确保相邻航班之间有足够的时间间隔，以确保飞机之间的安全；

（3）

式中：为第/>个航班和第/>+1个航班连续使用M跑道的最小间隔时间；/>为第/>+1个航班连续使用M跑道的时间，/>为第/>个航班连续使用M跑道的时间。

2）使用不同跑道的航班之间的安全间隔约束，对于使用相邻跑道的航班，确保航班之间有足够的时间间隔，以避免起飞过程中的冲突和碰撞；

（4）

式中：为近距平行跑道中相邻跑道上连续使用跑道的最小时间间隔，为第δ个航班连续使用M跑道的时间，/>为第/>个航班连续使用N跑道的时间。

滑行道调度模型约束条件包括以下内容：

最小安全间隔约束，在同一滑行道上滑行的航班之间，确保相邻航班之间有足够的时间间隔，以保证机场的正常运行和航班的安全。

（5）

式中：为航班δ滑行至ψ的时刻，S _f为航班滑行需要保持的安全距离，u ^t为航空器在滑行道区域的平均滑行速度，b _ψδξ为0-1的变量，b _ψδξ=1表示航班δ和/>依次经过节点ψ，否则为0。

步骤3：以跑道调度模型为上层模型，滑行道模型为下层模型，构建滑行时间不确定下的跑道滑行道联合调度模型；根据联合调度模型对跑道和滑行道进行联合调度；

使用同一跑道的航班之间的安全间隔约束和使用不同跑道的航班之间的安全间隔约束，以最小化航班延误为优化目标，建立目标函数，构建上层跑道调度数学模型。使用上层模型得到的实际调度时间约束航班的开始滑行时间，并以最小安全间隔约束作为冲突判断的标准，以最小化航班的总滑行时间为优化目标，建立目标函数，构建下层滑行道调度数学模型。

联合调度模型通常指采用数学建模的方法表示上下层模型之间的相互作用关系，以规划出最有利的结果，提高整个系统的效率和性能。具体来说，上层模型需要考虑如何分配资源和限制下层模型的选择，以达到最大化自己的收益；下层模型需要考虑如何利用分配给自己的资源和限制条件，以达到最大化自己的收益。

跑道和滑行道联合调度模型即是一个上下层结构的联合调度模型。具体来说，上层跑道模型需要结合下层滑行道模型反馈信息考虑如何分配跑道资源以及限制下层滑行道模型的选择；下层滑行道模型需要考虑如何在分配好的资源和限制条件下，安排每个飞机的滑行路线和时间，以达到最大化机场整体的效率和准点性。

联合调度模型一般描述如下：

（6）

（7）

其中，y=y(x)是下层优化问题的最优解。

（8）

（9）

联合调度模型是由两个彼此相互联系的子模型P ₁和P ₂组成。其中，P ₁为上层模型，P ₂为下层模型，F为上层规划的目标函数，x为上层规划的决策变量，G为上层模型的约束条件；f为下层规划的目标函数，y为下层规划的决策变量，g是对变量y的约束条件。上层模型优先做出决策，通过控制x的值影响下层模型的决策，下层模型根据其目标函数做出反应，并将其最佳结果反馈给上层模型。

本发明将跑道和滑行道信息互通作为联合点来实现滑行道系统和跑道系统的有效联合，上层跑道模型给予下层滑行道模型的信息体现在影响滑行时间的滑行约束，下层滑行道模型则将滑行冲突信息反馈给上层跑道模型来影响跑道上航班的实际调度和减少整体延误时间。

根据跑道调度系统得到航班着陆起飞计划，将由跑道调度系统得到的航班着陆起飞计划传递给滑行道滑行系统，考虑到滑行时间的不确定性带来的潜在滑行冲突问题，为开始滑行时间设计统一的滑行缓冲时间。滑行缓冲时间即是在航班预计滑行完成时间的基础上额外设置的一段时间。它考虑了滑行过程中可能出现的不可预测因素，如滑行道交通堵塞、滑行速度变化等。滑行缓冲时间的设置旨在提供一种保护机制，以确保航班能够及时到达滑行道入口，并避免与其他航班产生滑行冲突。

进离场航班开始滑行时间窗约束如下：

（10）

（11）

（12）

式中：为，/>为，t _rw为航班在跑道上的运行时间，t _buf为滑行缓冲时间，t _taxi为离场航班无冲突下的平均滑行时间；ψ为第/>个航班滑行路由的所有节点，t _rw和t _buf根据实际情况设置。

滑行道系统应当实时监测滑行进展，及时将滑行冲突信息以惩罚函数的形式反馈给跑道调度系统的目标函数。惩罚函数根据特定时间段内的实际冲突次数和平均冲突次数计算相应的惩罚值，从而在目标函数中引入对滑行冲突的考虑。

（13）

（14）

（15）

（16）

式中：为航班i的实际调度时间，/>为航班i的计划调度时间，P(n)为惩罚函数，与滑行系统反馈给跑道调度模型的冲突信息有关。n为某一特定时间段内的实际冲突次数，a和b是大于0的整数。（控制惩罚函数的影响程度和指数增长的速率），k为平均冲突次数；/>为一次迭代的总冲突次数；/>为所有航班的冲突组合数，由排列组合公式得到。

步骤4：采用遗传算法对联合调度模型进行求解；

过程如下：

随机生成初始化种群，设置参数；包括但不限于确定迭代次数、种群大小、初始化代数以及所求问题维数。

执行自适应交叉概率调节机制，动态调整交叉概率，使种群优良基因得到延续保存，自适应交叉概率调节方法如下：

交叉算子在遗传算法中具有重要的作用。通过交叉操作，父代个体的优良基因片段可以被传递给后代个体，加速优秀特征的传播，有助于在搜索过程中发现并利用更多的潜在解决方案，提高搜索效率。通过重新组合基因片段，交叉操作能够产生新的个体，增加搜索空间的多样性，从而提高找到全局最优解的概率。交叉算子的合理运用可以加速遗传算法的收敛速度。

具体来说，交叉算子通过基因组合的方式对种群进行更新，交叉算子的大小决定了个体进行交叉操作的频率。当交叉算子的值较大时，个体更容易发生交叉，基因组合更多样化，进而扩大搜索范围，但也可能破坏一些优秀的遗传模式。反之，个体发生交叉的概率较低，搜索速度相对较慢。因此，在进化的不同阶段，适当调整交叉算子的值可以平衡搜索广度和保留优良基因结构的需求。增大交叉算子的值可以推动种群快速探索解空间，降低交叉算子的值则可以保护和延续已有的优秀基因结构。另外，对于不同适应度的个体，也应该给予不同的交叉算子值。具体来说，适应度较低的个体可以通过更多的交叉操作参与来促进优化，因此可以给予较高的交叉算子值。与之相反，适应度较高的个体为了保护其优秀基因结构，应降低进行交叉操作的概率。

具体调节方法如下：

（17）

（18）

式中：p _ci为个体i发生交叉算子的概率，G为进化过程的最大迭代数，g为当前迭代数，p _cmax为交叉算子的概率最大值，p _cmax=0.6，p _cmin为交叉算子的概率最小值，f _i为个体i的适应度函数值，f _max为当前所有个体的最大适应度值，为当前种群的平均适应度值。

利用基于自适应交叉概率调节机制的遗传算法对联合调度模型进行求解

遗传算法具有适应性强、并行性好、能够处理复杂问题、具有跳出局部最优解的能力和易于实现和扩展的特点。能够在搜索空间中搜索到最优解或接近最优解的解决方案，加快搜索速度和效率，应对复杂的约束条件和目标函数，同时具备灵活性和可扩展性。这使得遗传算法成为求解联合调度模型的一个合理和有效的选择。

具体来说，遗传算法是一种模拟自然进化过程的优化算法。基于达尔文的进化论和遗传学的启发，遗传算法通过模拟生物进化的过程，寻找问题的最优解。其基本思想是通过模拟自然选择、交叉和变异等操作，从一个初始的种群中逐代地演化出更优秀的个体。现有的遗传算法流程如图2所示。

（1）选择操作

对提出的联合调度模型的目标函数值进行评估，将选择算子作用于现有种群个体，目标函数值越低，被选中进入下一代的概率越大，将携带有优良基因的个体保留至下一代，同时对其展开遗传变异操作，得到新的种群个体。

（2）交叉操作

在种群交叉过程中需要根据每个个体的适应度取值，如果随机概率小于S7中的自适应交叉概率，在两个组中任意选择一个群体展开交叉遗传操作，这样可以增加较优个体和较差个体之间的差异性，同时也确保种群可以朝着最优方向前进。

（3）变异操作

在经典遗传算法中，使用次数比较多的变异操作为随机变异，但是使用随机变异过程中会导致不可行滑行路径的出现。在展开随机变异前期，部分路径是可行的，但是在完成随机变异操作后，由于新变异点的出现导致滑行路径不可行。为了有效解决上述问题，需要对比滑行起点和终点，在航班滑行方向上 选择“自由点”作为变异点，“自由点”表示可行解中未被选到的点。

步骤5：根据优先级顺序对跑道上航班穿越顺序进行调整；

步骤5操作过程可以减少等待时间，解脱航班冲突。

基于优先级的调度方法主要应用于实时调度系统中。通过对任务进行优先级排序，确保重要性较高的任务能够尽早得到调度和执行。这种方法考虑了任务的紧急程度和重要性，以最大程度地满足系统的实时性需求。通过合理分配资源和调度顺序，可以提高系统的效率和响应能力。

跑道上的航班穿越调整是指在飞机起降过程中，当有多个航班需要使用同一条跑道时，为确保安全和有效的运行，对航班的起飞和降落时间进行调整。跑道上的航班穿越调整是确保航班安全的关键措施之一。通过调整航班起降时间，可以避免航班之间的冲突和干扰，减少潜在的碰撞风险。这种调整有助于保障飞行操作的安全性，确保航班能够按照正确的顺序进行起降，对于机场运营的正常进行和乘客航班体验的顺畅至关重要。

具体过程如下：

为每个航班设计二维优先级表，考虑运行方式和飞机类型两个特征参数。其中运行方式重要性大于飞机类型。

对于航班i，其对应的特征参数，即运行方式（起飞或降落）以及航班类型分别表示为J _i和R _i，其中：

（19）

（20）

航班i的优先级prior _i可以计算如下：

（21）

其中，。

例如，若航班1为H型降落航班，即J ₁=1，R ₁=1。则航班1的优先级；若飞机4为S型起飞航班，则有，同理，可以得到各架航班的优先级，如表1所示：

表1.各航班的优先级

步骤6：针对航班在滑行过程中的冲突，通过时间转移方法转移高成本路由点的到达时间；如图3和图4所示。

（22）

（23）

式中：为第/>个航班的起始点，/>为第g次迭代第/>个航班的开始滑行时间，/>为第g次迭代的第/>个航班滑行到节点ψ的到达时间，/>为第g次迭代的第/>个航班滑行到节点ψ-1的到达时间，/>为第g次迭代的第/>个航班的第ψ个路由，/>为第g次迭代的第/>个航班的第ψ-1个路由，由蚁群算法得到，/>为第/>个航班的滑行速度，为第g次迭代的第ξ个航班的滑行时间列表，/>为包含第/>个航班的起始点的滑行时间列表，由跑道调度模型计算得到。/>为同一路由相邻两个路由节点的欧式距离。

航班之间的冲突是由于两个航班在相同时间或标准时间安全间隔内出现在同一航路点。针对航班在滑行过程中发生的冲突。本发明通过时间转移策略来转移高成本路由点的到达时间，这是出于对航司和机场利益的综合考虑以减轻路由冲突的负担，减少滑行成本。

给定一个解，其中/>为第g次迭代的第/>个蚂蚁的时间-路径列表，/>为第/>个蚂蚁的滑行路径对应的时间，/>为第/>个蚂蚁的滑行路径。

首先计算每个滑行航班的时间-路由列表：

，其中，/>表示第/>个航班包含ψ个路由节点及其相应到达时间，由跑道调度模型和公式（23）计算得到。第/>个航班第ψ个路由节点与第/>-1个航班第φ个路由节点相同且发生交叉冲突或者追尾冲突的情况下，通过判断两架航班优先级，对于优先级高或者速度大的航班/>，将其安全时间差转移至优先级低的航空器且后续航班以安全时间差/>向后推迟，以确保安全间隔。其中χ表示安全间隔，/>。其中l _ξ-l _ξ-1为第/>个航班和第/>-1个航班的曼哈顿距离。

最后，根据修正后的滑行到达时间，更新得到新的时间-路由列表。下述为时间转换方法的代码：

Algorithm1:

Input：

Output: A modified individual

1For g = 1num_iterations do

2Calculateby Eq.(23)

3Forξ= 1num_flifgts do

4Ifand/>

5

6

7Record modified

8Let

9Let

10Return

步骤7：对步骤4～步骤6进行迭代，满足迭代条件（即满足迭代次数）即可得到联合调度方案。

本发明采用联合调度方法，将滑行系统和跑道系统之间的关系用上下层之间的变量传递表达出来，在航班进离场调度时综合考虑滑行系统的负荷情况和可用的滑行道资源，同时对多个系统进行调度，具有整体最优、实时性和灵活性以及可扩展性等诸多优点，是未来多资源系统调度的重要发展方向。将跑道给予滑行道的信息为滑行系统制定滑行约束，滑行系统的冲突信息以惩罚函数的形式反馈给跑道调度模型作为联合点来实现滑行道系统和跑道系统的有效联合以减少航班延误，提高机场运营效率。采用自适应交叉概率调节机制使优良基因结构得以延续保存，提高种群的整体适应度，进而提高遗传算法的收敛性、多样性和算法效率，以适应不同问题和搜索空间的需求。基于优先级的跑道上航班穿越调整策略以减少跑道使用的冲突和等待时间，提高跑道的使用效率和吞吐量。时间转移策略转移高成本路由点的到达时间，减少滑行时间。

本发明将跑道和滑行道信息互通作为联合点来实现滑行道系统和跑道系统的有效联合，实现跑道和滑行道资源的高效使用，提高机场运营效率，减少航班延误。

Claims (7)

1.一种滑行时间不确定下的机场跑道和滑行道联合调度方法，其特征在于，包括以下步骤：

步骤1：获取机场和进离场航班数据；

步骤2：构建跑道调度模型和滑行道调度模型；跑道调度模型以最小化航班延误为目标函数；滑行道调度模型以最小化航班的总滑行时间为目标函数；

步骤3：以跑道调度模型为上层模型，滑行道模型为下层模型，构建滑行时间不确定下的跑道滑行道联合调度模型；根据联合调度模型对跑道和滑行道进行联合调度；根据跑道调度系统得到航班着陆起飞计划，将由跑道调度系统得到的航班着陆起飞计划传递给滑行道系统；为开始滑行时间设计统一的滑行缓冲时间；滑行道系统将滑行冲突信息以惩罚函数的形式反馈给跑道调度模型的目标函数；

惩罚函数如下：

式中：P(n)为惩罚函数，a和b均为大于0的整数，k为平均冲突次数，n为特定时间段内的实际冲突次数；

步骤4：采用遗传算法对联合调度模型进行求解；

步骤5：根据优先级顺序对跑道上航班穿越顺序进行调整；排序方法如下：为每个航班设计二维优先级表，考虑运行方式和飞机类型两个特征参数；其中运行方式重要性大于飞机类型；遍历每个航班得到所有航班的优先级；

步骤6：针对航班在滑行过程中的冲突，通过时间转移方法转移高成本路由点的到达时间；通过时间转移方法转移高成本路由点的到达时间过程如下：

计算每个滑行航班的时间-路由列表；

当一个航班的路由点与另一个航班的路由点相同且发生交叉冲突或追尾冲突时，判断两架航班的优先级；

优先级高的航班，将其安全时间差转移至优先级低的航班且后续航班已安全时间差向后推迟；

根据修正后的滑行到达时间，更新得到新的时间-路由表；

步骤7：对步骤4～步骤6进行迭代，满足迭代条件即可得到联合调度方案。

2.根据权利要求1所述的一种滑行时间不确定下的机场跑道和滑行道联合调度方法，其特征在于，所述步骤1中的进离场航班数据包括航班号、航班计划调度时间、航班的类型和计划载客数。

3.根据权利要求1所述的一种滑行时间不确定下的机场跑道和滑行道联合调度方法，其特征在于，所述步骤2中跑道调度模型的约束条件包括使用同一跑道的航班之间的安全间隔约束、使用不同跑道的航班之间的安全间隔约束。

4.根据权利要求1所述的一种滑行时间不确定下的机场跑道和滑行道联合调度方法，其特征在于，所述步骤2中滑行道调度模型的约束条件包括在同一滑行道上滑行的航班之间，相邻航班之间有足够的时间间隔。

5.根据权利要求1所述的一种滑行时间不确定下的机场跑道和滑行道联合调度方法，其特征在于，所述步骤4中遗传算法中引入自适应交叉概率调节方法。

6.根据权利要求5所述的一种滑行时间不确定下的机场跑道和滑行道联合调度方法，其特征在于，所述步骤4中求解过程如下：

随机生成初始化种群，设置参数；

通过自适应交叉概率调节，动态调整交叉概率；

对联合调度模型进行求解。

7.根据权利要求6所述的一种滑行时间不确定下的机场跑道和滑行道联合调度方法，其特征在于，所述自适应交叉概率调节方法如下：

式中：p _ci为个体i发生交叉算子的概率，G为进化过程的最大迭代数，g为当前迭代数，p _cmax为交叉算子的概率最大值，p _cmin为交叉算子的概率最小值，f _i为个体i的适应度函数值，f _max为当前所有个体的最大适应度值，为当前种群的平均适应度值。