CN117975770A - 一种航班恢复方法、航班恢复系统、设备及介质 - Google Patents
一种航班恢复方法、航班恢复系统、设备及介质 Download PDFInfo
- Publication number
- CN117975770A CN117975770A CN202410055372.8A CN202410055372A CN117975770A CN 117975770 A CN117975770 A CN 117975770A CN 202410055372 A CN202410055372 A CN 202410055372A CN 117975770 A CN117975770 A CN 117975770A
- Authority
- CN
- China
- Prior art keywords
- flight
- recovery
- recovered
- alarm
- scheme
- 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.)
- Pending
Links
- 238000011084 recovery Methods 0.000 title claims abstract description 273
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003066 decision tree Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 9
- 230000003111 delayed effect Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000010006 flight Effects 0.000 abstract description 8
- 238000009472 formulation Methods 0.000 abstract description 4
- 239000000203 mixture Substances 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种航班恢复方法、航班恢复系统、设备及介质，所述方法首先根据待恢复航班的航班计划运行情况生成待处理告警队列；接着，通过分析告警类型和信息生成航班的恢复参数；然后，利用决策树模型识别恢复类型，并获取航班的决策偏好数据；最后，根据所得的恢复参数、恢复类型以及决策偏好数据生成触发航班恢复程序的文件，并利用自适应调整步骤生成最终的恢复方案。本发明能够自动生成恢复方案，提高了航班恢复方案的制定效率，从而提高了航空公司调度人员的工作效率。
Description
技术领域
本发明涉及航班数据处理技术领域，尤其涉及一种航班恢复方法、航班恢复系统、设备及介质。
背景技术
随着航班量的不断增长，不正常航班现象日益严重。诸如恶劣天气、流量控制和机务故障等各种因素导致的不正常航班情况对航空公司的经济效益和社会声誉产生了较大影响。目前，主流航空公司仍然以手工决策为主，依赖调度人员的主观经验对受扰的航班计划进行恢复。部分航空公司研发或采购了不正常航班恢复系统，虽然现有的航班恢复系统能自动生成恢复方案，但需要手动触发恢复程序且参数配置相对复杂，航班调度人员使用较为困难。此外，参数对模型结果影响较大，如果参数设置不当，系统将无法生成满足用户需求的方案，从而需要手动修改参数并重复提交恢复请求。
发明内容
本发明旨在解决的技术问题是提供一种航班恢复方法、航班恢复系统、设备及介质，所述方法能够自动生成恢复参数并提交航班恢复请求，自动生成恢复方案，简化参数设置流程，提高航班恢复方案的制定效率，从而进一步提升航班运行效率。
为了解决以上技术问题，第一方面，本发明提供一种航班恢复方法，包括：
根据待恢复航班的航班计划运行情况生成待处理告警队列；
当所述待处理告警队列中存在需要自动处理的告警时，根据所述告警的告警类型和告警信息生成所述待恢复航班的恢复参数；
将所述告警类型、所述告警信息、在所述待恢复航班的起飞时间相邻时段内与所述告警类型相同的告警信息以及所述待恢复航班的起飞机场和降落机场输入到决策树模型中，获得所述待恢复航班的恢复类型；
获取所述待恢复航班的决策偏好数据；
根据所述恢复参数、所述恢复类型以及所述决策偏好数据生成文件，触发所述待恢复航班的恢复程序，并根据自适应调整步骤生成所述待恢复航班的恢复方案。
进一步地，所述恢复类型包括大规模航班恢复和小规模航班恢复。
进一步地，所述决策偏好数据包括：是否可延误所述待恢复航班、是否可取消所述待恢复航班、是否可跨分子公司调配、所述待恢复航班的最大延误时间、所述待恢复航班是否使用可放松规则、可放松规则列表以及各类惩罚值权重设置。
优选地，所述根据自适应调整步骤生成所述待恢复航班的恢复方案，包括：
根据所述恢复类型选择模型算法，生成所述待恢复航班的同机型内恢复方案；
当所述同机型内恢复方案无法满足预设标准时，对所述同机型内恢复方案进行调整，生成同机型组内恢复方案；
当所述同机型组内恢复方案仍然无法满足预设标准时，对所述同机型组内恢复方案进行调整，生成跨机型恢复方案；
当有满足所述预设标准的恢复方案时，则提交所述恢复方案至指定部门进行会签。
进一步地，所述根据所述恢复类型选择模型算法，包括：
当所述恢复类型为大规模航班恢复时，选择整数规划模型列生成算法；
当所述恢复类型为小规模航班恢复时，选择启发式算法。
优选地，所述方法还包括：
当所述跨机型恢复方案仍然无法满足所述预设标准时，则根据所述可放松规则对所述跨机型恢复方案进行调整，生成可放松规则恢复方案；
判断所述可放松规则恢复方案是否满足所述预设标准，若是，则提交所述可放松规则恢复方案至指定部门进行会签，否则选取所有生成的恢复方案中最佳的恢复方案进行推送并生成提示信息。
进一步地，所述最佳的恢复方案满足以下目标函数：
s.t.
其中，F为航班集合；A为飞机集合；R为可分配给集合A中飞机的飞机路线集合；T为飞机出港时段的集合；P为机场的集合；表示飞机路线r是否包含航班f，若是则为1，否则为0；/>表示飞机路线r是否属于飞机a，若是则为1，否则为0；/>表示飞机路线r上的航班f的起飞机场是否为p机场且起飞时间是否在时段t内，若是则为1，否则为0；/>表示机场p在时段t内的流量上限；xr表示飞机路线r是否被选中，若是则为1，否则为0；yf表示航班f是否被取消，若是则为1，否则为0；cr表示将飞机分配给路线r的成本；cf为航班f被取消的成本。
第二方面，本发明提供了一种航班恢复系统，用于实现如第一方面任意一项所述的航班恢复方法，包括：
告警监控单元，用于根据待恢复航班的航班计划运行情况生成待处理告警队列；
恢复参数生成单元，用于当所述待处理告警队列中存在需要自动处理的告警时，根据所述告警的告警类型和告警信息生成所述待恢复航班的恢复参数；
恢复类型获取单元，用于将所述告警类型、所述告警信息、在所述待恢复航班的起飞时间相邻时段内与所述告警类型相同的告警信息以及所述待恢复航班的起飞机场和降落机场输入到决策树模型中，获得所述待恢复航班的恢复类型；
决策偏好数据获取单元，用于获取所述待恢复航班的决策偏好数据；
恢复方案生成单元，用于根据所述恢复参数、所述恢复类型以及所述决策偏好数据生成文件，触发所述待恢复航班的恢复程序，并根据自适应调整步骤生成所述待恢复航班的恢复方案。
第三方面，本发明还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述中任意一项所述的航班恢复方法。
第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述中任意一项所述的航班恢复方法。
相比于现有技术，本发明具有如下有益效果：
本发明提供了一种航班恢复方法、航班恢复系统、设备及介质，所述方法首先根据待恢复航班的航班计划运行情况生成待处理告警队列；接着，通过分析告警类型和信息生成航班的恢复参数；然后，利用决策树模型识别恢复类型，并获取航班的决策偏好数据；最后，根据所得的恢复参数、恢复类型以及决策偏好数据生成触发航班恢复程序的文件，并利用自适应调整步骤生成最终的恢复方案。本发明能够自动监测告警信息并能根据告警类型和内容自动生成恢复参数并提交航班恢复请求，自动生成恢复方案并推送到相关部门进行会签，简化参数设置的同时能尽量减少对航班计划的影响，提高了航班恢复方案的制定效率，从而进一步提升航班运行效率；并可以通过可放松规则调整恢复方案，使得航班恢复模型的规则更为灵活，提高了恢复方案的可用性，提高航空公司调度人员的工作效率。
附图说明
图1是本发明提供的一种航班恢复方法的一个优选实施例的流程图；
图2是本发明提供的一种航班恢复方法的另一优选实施例的流程图；
图3是本发明提供的一种航班恢复系统的一个优选实施例的结构框图；
图4是本发明提供的一种终端设备的一个优选实施例的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本技术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，都属于本发明保护的范围。
参见图1，图1是本发明提供的一种航班恢复方法的一个优选实施例的流程图，所述方法包括S1至S5：
S1、根据待恢复航班的航班计划运行情况生成待处理告警队列；
可以理解的是，首先需要对待恢复航班的航班计划进行详细分析，包括起飞时间、降落时间、航线信息、机场情况等，然后根据这些信息，结合历史数据和实时情况，生成待处理告警队列。这一过程中可能涉及到航班延误、取消、机械故障、天气风险等各种因素，需要充分考虑航班运行的各种可能性，以确保待处理告警队列中包含了所有需要关注和处理的告警信息。这样一来，在后续的恢复过程中就可以有针对性地处理各种可能的问题，提高航班的恢复效率。
S2、当所述待处理告警队列中存在需要自动处理的告警时，根据所述告警的告警类型和告警信息生成所述待恢复航班的恢复参数；
需要说明的是，需自动处理的告警类型包括以下5种：“过站不足”、“与维修事件重叠”、“航班不衔接”、“机场关闭”和“宵禁”。在根据所述告警的告警类型和告警信息生成所述待恢复航班的恢复参数中，所述恢复参数包括：恢复开始时间，恢复结束时间。
示例性地，当告警类型为“过站不足”、“与维修事件重叠”以及“航班不衔接”时，则获取对应航班的起飞时间dep_tm并设置恢复开始时间rcvrStr为dep_tm-2，恢复结束时间rcvrEnd为次日2点；当告警类型为“机场关闭”和“宵禁”时，则获取对应机场关闭时间，并将恢复开始时间rcvrStr设置为机场开始关闭或宵禁时间前2小时，恢复结束时间rcvrEnd为机场结束关闭或宵禁后2小时。因此，本发明可以根据告警类型和告警信息自动生成航班恢复参数，从而能够有效地提高航班的恢复效率，减少人工干预的需求，同时提高决策的准确性。
S3、将所述告警类型、所述告警信息、在所述待恢复航班的起飞时间相邻时段内与所述告警类型相同的告警信息以及所述待恢复航班的起飞机场和降落机场输入到决策树模型中，获得所述待恢复航班的恢复类型；
需要说明的是，所述起飞时间相邻时段内与所述告警类型相同的告警信息是指航班起飞时间dep_tm前后两小时，即dep_tm-2至dep_tm+2内时间段内的相同类型告警的告警信息。
进一步地，所述恢复类型包括大规模航班恢复和小规模航班恢复。
值得说明的是，将所述告警类型、所述告警信息、在所述待恢复航班的起飞时间相邻时段内与所述告警类型相同的告警信息以及所述待恢复航班的起飞机场和降落机场作为输入参数，输入到决策树模型中进行分析和处理。通过对这些输入参数的综合考量，决策树模型将根据预先设定的规则和条件，为待恢复航班确定恢复类型。这样的决策树模型能够基于多个因素快速而准确地为航班恢复提供决策支持，提高处理效率，从而提高决策的精确性和灵活性。
S4、获取所述待恢复航班的决策偏好数据；
优选地，所述决策偏好数据包括：是否可延误所述待恢复航班、是否可取消所述待恢复航班、是否可跨分子公司调配、所述待恢复航班的最大延误时间、所述待恢复航班是否使用可放松规则、可放松规则列表以及各类惩罚值权重设置等。
值得说明的是，通过对这些数据的分析，系统能够了解航班管理人员、机组成员等相关人员在处理待恢复航班时的偏好和习惯，从而更好地为其提供恢复方案和决策支持。这种获取决策偏好数据的方式可以使系统更贴近实际运营需求，提高航班恢复决策的准确性和实效性。
S5、根据所述恢复参数、所述恢复类型以及所述决策偏好数据生成文件，触发所述待恢复航班的恢复程序，并根据自适应调整步骤生成所述待恢复航班的恢复方案。
具体地，可以根据所述恢复参数、所述恢复类型以及所述决策偏好数据生成相应的XML文件，并自动触发所述待恢复航班的恢复程序。示例性地，生成的XML文件可以为：
<sourceInd>minor</sourceInd>
<rcvrStr>20230227T1410</rcvrStr>
<rcvrEnd>20230228T0600</rcvrEnd>
<allowDly>false</allowDly>
<allowCnl>true</allowCnl>
<allowDiffBrchExch>true</allowDiffBrchExch>
<maxDelay>120</maxDelay>
<adaptiveSteps>sameEqp,sameFle,SimillarFle</adaptiveSteps>
<allowRelaxRule>true</allowRelaxRule>
<RelaxRules>to</RelaxRules>
其中，sourceInd为航班恢复类型，minor为小规模航班恢复，major为大规模航班恢复；rcvrStr和rcvrEnd分别为恢复开始、结束时间；allowDly和allowCnl分别为是否可延误、取消航班；allowDiffBrchExch为是否可跨分子公司调配；maxDelay为航班最大可延误时间、adaptiveSteps为自适应调整步骤(sameEqp为同机型、sameFle为同机型组、SimillarFle为类似机型组，可选填其中的几种)、allowRelaxRule为是否可放松规则、RelaxRule为可放松的规则列表(例如to为过站时间、mnt为可与机务维修地面事件重叠等)。
值得说明的是，在本发明的具体实施例中，根据所述恢复参数、所述恢复类型以及所述决策偏好数据生成XML文件，触发所述待恢复航班的恢复程序。恢复程序将根据所述XML文件中的信息，根据自适应调整步骤，生成所述待恢复航班的恢复方案。其中，自适应调整步骤的方式可以根据实际情况对恢复方案进行细致调整，提高适用性和实用性。同时，也使得航班恢复方案的生成也更加符合相关航班管理人员的决策偏好，进一步提高了方案的实施效果。整个流程大大简化了决策与执行，提高了航班恢复的效率和准确性。
参见图2，图2是本发明提供的一种航班恢复方法的另一优选实施例流程图。所述方法包括：
首先获取恢复参数、恢复类型以及决策偏好数据，并设置恢复参数；其具体过程已在上一实施例中详细说明，在此不再赘述。
然后根据自适应调整步骤生成所述待恢复航班的恢复方案；其中，根据自适应调整步骤生成所述待恢复航班的恢复方案，具体包括：
根据所述恢复类型选择模型算法，生成所述待恢复航班的同机型内恢复方案；
当所述同机型内恢复方案无法满足预设标准时，对所述同机型内恢复方案进行调整，生成同机型组内恢复方案；
当所述同机型组内恢复方案仍然无法满足预设标准时，对所述同机型组内恢复方案进行调整，生成跨机型恢复方案；
当有满足所述预设标准的恢复方案时，则提交所述恢复方案至指定部门进行会签。
需要说明的是，所述预设标准通常可设置为允许取消航班的个数。
值得说明的是，本发明的实施例能够根据自适应调整步骤，选择适当的模型算法，生成符合恢复类型的同机型内恢复方案。如果该方案符合预设标准，将会提交至指定部门会签；如果不符合预设标准，则逐渐放松求解范围，如果小范围内找不到解就继续放松到更大范围，自适应地调整所生成的恢复方案。从而确保最终的恢复方案能够在实际操作中得到有效执行，整个流程提高了方案的实用性和适应性，进一步提高了航班恢复的效率和准确性。
进一步地，所述根据所述恢复类型选择模型算法，包括：
当所述恢复类型为大规模航班恢复时，选择整数规划模型列生成算法；
当所述恢复类型为小规模航班恢复时，选择启发式算法。
值得说明的是，当所述恢复类型为大规模航班恢复时，选择整数规划模型列生成算法，以能够高效地处理大量数据和航班恢复需求，确保方案的优化和高效性；当所述恢复类型为小规模航班恢复时，选择启发式算法，以提供快速、灵活的解决方案，适用于小规模的航班恢复任务，能够在短时间内生成合理的恢复方案。本发明实施例在根据不同的恢复类型选择模型算法时，能够根据实际情况选择最适合的算法类型，从而确保对不同规模的航班恢复任务都能够提供高效、合理的恢复方案，并实现对航班恢复的更加准确和可靠的支持。
可以理解的是，整数规划模型列生成算法是一种用于解决优化问题的算法。在这种算法中，问题被建模为整数规划问题，即优化目标函数在某些整数约束条件下的最优化问题。列生成算法的基本思想是将问题分解为主问题和子问题，通过逐步生成新的决策变量(列)，并将其纳入到主问题中以获得更好的解。这种算法通常用于解决大规模的优化问题，因为它能够在迭代过程中动态地增加变量，只考虑与当前最优解相关的变量，从而降低问题的复杂度，提高求解效率。在航班恢复领域，整数规划模型列生成算法可以用于解决航班恢复的优化问题，例如在有限的时间内确定最佳的航班恢复方案，以最大程度地满足航班运营需求和资源利用效率。通过列生成算法，可以灵活地动态生成决策变量，以逐步改进航班恢复方案，并最终获得最优解。这种算法的应用可以提高航班恢复规划的效率和质量，有助于应对复杂的航班恢复挑战。
启发式算法是一种基于经验和规则的搜索方法，用于解决优化问题。它不保证找到全局最优解，但通常能够在合理的时间内找到较好的解决方案。启发式算法通常基于一些启发规则或者经验知识，帮助算法在搜索空间中找到可能的解。这种算法往往对问题的结构有一定的先验知识，并利用这些知识来引导搜索过程，以便更快地找到解决方案。在航班恢复领域，启发式算法可以用于解决小规模的航班恢复优化问题。例如，对于少量的受影响航班，启发式算法可以通过一些规则或经验知识来快速生成恢复方案，以便在紧迫的时间内提供可行的解决方案。
因此，当所述恢复类型为大规模航班恢复时，即选择整数规划模型列生成算法时，根据所述自适应调整步骤生成恢复方案就是生成同机型组内或跨机型调整的列；当所述恢复类型为小规模航班恢复时，即选择启发式算法时，根据所述自适应调整步骤生成恢复方案就是生成同机型组内或跨机型调整的解；最后生成同机型组内或跨机型调整的恢复方案。
优选地，所述方法还包括：
当所述跨机型恢复方案仍然无法满足所述预设标准时，则根据所述可放松规则对所述跨机型恢复方案进行调整，生成可放松规则恢复方案；
判断所述可放松规则恢复方案是否满足所述预设标准，若是，则提交所述可放松规则恢复方案至指定部门进行会签，否则选取所有生成的恢复方案中最佳的恢复方案进行推送并生成提示信息。
需要说明的是，在具体实施时，在航班恢复运筹模型中存在硬规则和软规则两种规则。必须满足的规则称为硬规则，此类规则在运筹模型处理时必须被满足。另一方面，需要尽量满足的规则被归类为软规则，软规则在模型中通常通过打分实现。然而，在航班调度的实际业务中，有些硬规则在确实无法满足时可以转化为软规则，例如宵禁规则。即当没有合适的调整方案时，可以通过与机场协调的方式，在宵禁时段进行飞机的起降。因此，本发明实施例设计了可放松规则，在无法生成满足可放松类型的硬规则的方案时，自动将该类规则转化为软规则处理。本发明实施例不使用常规的打分规则来处理此类规则的原因在于，航班恢复运筹模型中打分因素众多，无法控制是否是在无法满足此类规则的情况下才生成违反规则的方案。
值得说明的是，若有满足预设标准的恢复方案，则将恢复方案提交给调度部门、营销部门、机务部门、机组管理等部门进行会签。否则，将上述步骤中生成的最佳方案推送给调度部门并提示无满足预设标准的恢复方案。
进一步地，所述最佳的恢复方案满足以下目标函数：
s.t.
其中，F为航班集合；A为飞机集合；R为可分配给集合A中飞机的飞机路线集合；T为飞机出港时段的集合；P为机场的集合；表示飞机路线r是否包含航班f，若是则为1，否则为0；/>表示飞机路线r是否属于飞机a，若是则为1，否则为0；/>表示飞机路线r上的航班f的起飞机场是否为p机场且起飞时间是否在时段t内，若是则为1，否则为0；/>表示机场p在时段t内的流量上限；xr表示飞机路线r是否被选中，若是则为1，否则为0；yf表示航班f是否被取消，若是则为1，否则为0；cr表示将飞机分配给路线r的成本；cf为航班f被取消的成本。
需要说明的是，公式(1)为目标函数，即总成本最小，其中第一项为被执行航班的总成本，包括延误航班、换飞机、违反软规则的成本，第二项为被取消航班的总成本。公式(2)保证一个航班要么被执行，要么被取消。公式(3)保证一架飞机至多只执行一条飞机路线。公式(5)和(6)保证变量的取值为0或者1。
在上述方法项实施例的基础上，本发明实施例提供了对应的系统项实施例。
参见图3，图3是本发明提供的一种航班恢复系统的一个优选实施例的结构框图，包括：
告警监控单元21，用于根据待恢复航班的航班计划运行情况生成待处理告警队列；
恢复参数生成单元22，用于当所述待处理告警队列中存在需要自动处理的告警时，根据所述告警的告警类型和告警信息生成所述待恢复航班的恢复参数；
恢复类型获取单元23，用于将所述告警类型、所述告警信息、在所述待恢复航班的起飞时间相邻时段内与所述告警类型相同的告警信息以及所述待恢复航班的起飞机场和降落机场输入到决策树模型中，获得所述待恢复航班的恢复类型；
决策偏好数据获取单元24，用于获取所述待恢复航班的决策偏好数据；
恢复方案生成单元25，用于根据所述恢复参数、所述恢复类型以及所述决策偏好数据生成文件，触发所述待恢复航班的恢复程序，并根据自适应调整步骤生成所述待恢复航班的恢复方案。
需要说明的是，本发明实施例提供的一种航班恢复系统用于执行上述实施例中的一种航班恢复方法的所有流程步骤，两者的工作原理和有益效果一一对应，因而不再赘述。
本发明实施例还提供了一种终端设备，如图4所示，是本发明提供的一种终端设备的一个优选实施例的结构框图。所述终端设备包括处理器31、存储器32以及存储在所述存储器32中且被配置为由所述处理器31执行的计算机程序，所述处理器31执行所述计算机程序时实现如上任一实施例所述的航班恢复方法。
另外，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任一实施例所述的航班恢复方法。
所述处理器31执行所述计算机程序时实现上述航班恢复方法实施例中的步骤，例如图1所示的航班恢复方法的所有步骤。或者，所述处理器31执行所述计算机程序时实现上述航班恢复系统实施例中各模块的功能，例如图3所示的航班恢复系统的各单元的功能。
优选地，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器32中，并由所述处理器31执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述处理器31可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器31也可以是任何常规的处理器，所述处理器31是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
所述存储器32主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器32可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡和闪存卡(Flash Card)等，或所述存储器32也可以是其他易失性固态存储器件。
需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，图3所示的结构框图仅仅是上述终端设备的结构示例，并不构成对上述终端设备的结构限定，上述终端设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。
综上，本发明实施例提供了一种航班恢复方法、航班恢复系统、设备及介质，所述方法首先根据待恢复航班的航班计划运行情况生成待处理告警队列；接着，通过分析告警类型和信息生成航班的恢复参数；然后，利用决策树模型识别恢复类型，并获取航班的决策偏好数据；最后，根据所得的恢复参数、恢复类型以及决策偏好数据生成触发航班恢复程序的文件，并利用自适应调整步骤生成最终的恢复方案。本发明实施例能够自动监测告警信息并能根据告警类型和内容自动生成恢复参数并提交航班恢复请求，自动生成恢复方案并推送到相关部门进行会签，简化参数设置的同时能尽量减少对航班计划的影响，提高了航班恢复方案的制定效率，从而进一步提升航班运行效率；并可以通过可放松规则调整恢复方案，使得航班恢复模型的规则更为灵活，提高了恢复方案的可用性，提高航空公司调度人员的工作效率。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种航班恢复方法，其特征在于，包括：
根据待恢复航班的航班计划运行情况生成待处理告警队列；
当所述待处理告警队列中存在需要自动处理的告警时，根据所述告警的告警类型和告警信息生成所述待恢复航班的恢复参数；
将所述告警类型、所述告警信息、在所述待恢复航班的起飞时间相邻时段内与所述告警类型相同的告警信息以及所述待恢复航班的起飞机场和降落机场输入到决策树模型中，获得所述待恢复航班的恢复类型；
获取所述待恢复航班的决策偏好数据；
根据所述恢复参数、所述恢复类型以及所述决策偏好数据生成文件，触发所述待恢复航班的恢复程序，并根据自适应调整步骤生成所述待恢复航班的恢复方案。
2.如权利要求1所述的航班恢复方法，其特征在于，所述恢复类型包括大规模航班恢复和小规模航班恢复。
3.如权利要求2所述的航班恢复方法，其特征在于，所述决策偏好数据包括：是否可延误所述待恢复航班、是否可取消所述待恢复航班、是否可跨分子公司调配、所述待恢复航班的最大延误时间、所述待恢复航班是否使用可放松规则、可放松规则列表以及各类惩罚值权重设置。
4.如权利要求3所述的航班恢复方法，其特征在于，所述根据自适应调整步骤生成所述待恢复航班的恢复方案，包括：
根据所述恢复类型选择模型算法，生成所述待恢复航班的同机型内恢复方案；
当所述同机型内恢复方案无法满足预设标准时，对所述同机型内恢复方案进行调整，生成同机型组内恢复方案；
当所述同机型组内恢复方案仍然无法满足预设标准时，对所述同机型组内恢复方案进行调整，生成跨机型恢复方案；
当有满足所述预设标准的恢复方案时，则提交所述恢复方案至指定部门进行会签。
5.如权利要求4所述的航班恢复方法，其特征在于，所述根据所述恢复类型选择模型算法，包括：
当所述恢复类型为大规模航班恢复时，选择整数规划模型列生成算法；当所述恢复类型为小规模航班恢复时，选择启发式算法。
6.如权利要求5所述的航班恢复方法，其特征在于，还包括：当所述跨机型恢复方案仍然无法满足所述预设标准时，则根据所述可放松规则对所述跨机型恢复方案进行调整，生成可放松规则恢复方案；判断所述可放松规则恢复方案是否满足所述预设标准，若是，则提交所述可放松规则恢复方案至指定部门进行会签，否则选取所有生成的恢复方案中最佳的恢复方案进行推送并生成提示信息。
7.如权利要求6所述的航班恢复方法，其特征在于，所述最佳的恢复方案满足以下目标函数：
s.t.
其中，F为航班集合；A为飞机集合；R为可分配给集合A中飞机的飞机路线集合；T为飞机出港时段的集合；P为机场的集合；表示飞机路线r是否包含航班f，若是则为1，否则为0；表示飞机路线r是否属于飞机a，若是则为1，否则为0；/>表示飞机路线r上的航班f的起飞机场是否为p机场且起飞时间是否在时段t内，若是则为1，否则为0；/>表示机场p在时段t内的流量上限；xr表示飞机路线r是否被选中，若是则为1，否则为0；yf表示航班f是否被取消，若是则为1，否则为0；cr表示将飞机分配给路线r的成本；cf为航班f被取消的成本。
8.一种航班恢复系统，其特征在于，用于实现如权利要求1-7任意一项所述的航班恢复方法，包括：
告警监控单元，用于根据待恢复航班的航班计划运行情况生成待处理告警队列；
恢复参数生成单元，用于当所述待处理告警队列中存在需要自动处理的告警时，根据所述告警的告警类型和告警信息生成所述待恢复航班的恢复参数；
恢复类型获取单元，用于将所述告警类型、所述告警信息、在所述待恢复航班的起飞时间相邻时段内与所述告警类型相同的告警信息以及所述待恢复航班的起飞机场和降落机场输入到决策树模型中，获得所述待恢复航班的恢复类型；
决策偏好数据获取单元，用于获取所述待恢复航班的决策偏好数据；
恢复方案生成单元，用于根据所述恢复参数、所述恢复类型以及所述决策偏好数据生成文件，触发所述待恢复航班的恢复程序，并根据自适应调整步骤生成所述待恢复航班的恢复方案。
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的航班恢复方法。
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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的航班恢复方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410055372.8A CN117975770A (zh) | 2024-01-12 | 2024-01-12 | 一种航班恢复方法、航班恢复系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410055372.8A CN117975770A (zh) | 2024-01-12 | 2024-01-12 | 一种航班恢复方法、航班恢复系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117975770A true CN117975770A (zh) | 2024-05-03 |
Family
ID=90855724
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410055372.8A Pending CN117975770A (zh) | 2024-01-12 | 2024-01-12 | 一种航班恢复方法、航班恢复系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117975770A (zh) |
-
2024
- 2024-01-12 CN CN202410055372.8A patent/CN117975770A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hassan et al. | Airline disruption management: A literature review and practical challenges | |
| Yu et al. | An adaptive large neighborhood search heuristic for solving a robust gate assignment problem | |
| CN112308286B (zh) | 航班计划调整方法、装置及计算机可读存储介质 | |
| CN111798079A (zh) | 航班调整方法、装置、电子设备及存储介质 | |
| CN103136967A (zh) | 用于控制航运系统运行的系统和方法 | |
| CN105278400A (zh) | 生成符合噪声消减限制的飞机离场剖面 | |
| CN117642737A (zh) | 用于主动数据管理和分析的交叉训练和协作人工智能的系统、装置、制品和方法 | |
| Zhang et al. | Dynamic decision-making for reliability and maintenance analysis of manufacturing systems based on failure effects | |
| van der Weide et al. | Robust long-term aircraft heavy maintenance check scheduling optimization under uncertainty | |
| Kuhn | Ground delay program planning: Delay, equity, and computational complexity | |
| CN112132484A (zh) | 一种航班恢复方法及装置 | |
| US9153138B1 (en) | Agent-based airfield conflict resolution | |
| CN110826757A (zh) | 一种航班调度方法、装置及其设备 | |
| Ahmadian et al. | Heuristics for flights arrival scheduling at airports | |
| Nayeri et al. | A fuzzy robust planning model in the disaster management response phase under precedence constraints | |
| US11893523B2 (en) | Methods and systems for generating holistic airline schedule recovery solutions accounting for operations, crew, and passengers | |
| Rashedi et al. | A machine learning approach for solution space reduction in aircraft disruption recovery | |
| CN109359829A (zh) | 基于历史大数据的电力突发事件辅助决策方法及系统 | |
| CN112651673A (zh) | 一种资源规划方法及相关设备 | |
| CN117975770A (zh) | 一种航班恢复方法、航班恢复系统、设备及介质 | |
| Chen et al. | A Multi-Agent Reinforcement Learning approach for bus holding control strategies. | |
| Kharchenko et al. | Integrated risk picture methodology for air traffic management in Europe | |
| JP6917288B2 (ja) | 保守計画生成システム | |
| He et al. | Maximizing robustness of aircraft routing with heterogeneous maintenance tasks | |
| Chen et al. | An experimental reactive scheduling framework for the multi-mode resource constrained project scheduling problem |
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 |