CN111310383B - 基于htcpn的机场牵引车动态优化调度方法 - Google Patents
基于htcpn的机场牵引车动态优化调度方法 Download PDFInfo
- Publication number
- CN111310383B CN111310383B CN202010054401.0A CN202010054401A CN111310383B CN 111310383 B CN111310383 B CN 111310383B CN 202010054401 A CN202010054401 A CN 202010054401A CN 111310383 B CN111310383 B CN 111310383B
- Authority
- CN
- China
- Prior art keywords
- aircraft
- tractor
- push
- dynamic optimization
- time
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000005457 optimization Methods 0.000 title claims abstract description 57
- 230000008569 process Effects 0.000 claims abstract description 27
- 238000004088 simulation Methods 0.000 claims abstract description 25
- 238000004040 coloring Methods 0.000 claims abstract description 6
- 230000007704 transition Effects 0.000 claims description 32
- 238000013178 mathematical model Methods 0.000 claims description 14
- 238000011065 in-situ storage Methods 0.000 claims description 5
- 238000007670 refining Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 238000001125 extrusion Methods 0.000 claims 1
- 238000000342 Monte Carlo simulation Methods 0.000 abstract description 3
- 230000010006 flight Effects 0.000 description 13
- 238000006467 substitution reaction Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000001934 delay Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 241000135164 Timea Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/06—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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
一种基于HTCPN的机场牵引车动态优化调度方法。针对机场牵引车动态调度问题,本发明基于层次赋时着色Petri网设计了牵引车动态调度仿真***。在考虑运行过程中各个环节的随机性以及可能发生的推出冲突后,根据航空器实时发送的推出申请完成牵引车的动态分配。在保障航班延误最少的基础上依次实现不同车辆间工作负荷均衡度最高和车辆行驶总距离最短的优化目标,通过蒙特卡洛实验验证了优化的有效性。最后利用该***完成对目标机场牵引车保障能力的评估,预测在不同航班密度下必要的牵引车配置数量。
Description
技术领域
本发明属于机场地勤车辆调度技术领域,特别是涉及一种基于HTCPN的机场牵引车动态优化调度方法。
背景技术
快速增长的航空运输量极大地增加了机场场面的运行压力。在大型枢纽机场,保障车辆调度引起的延误占所有延误的15.45%。目前我国大部分机场的牵引车依靠人工完成调度,工作人员通过目视、语音对讲等方式对符合条件的车辆进行调度,落后的信息获取方式及决策过程导致航班高峰时段调度效率低下,进而影响航班的准点率。地勤保障车辆调度问题持续受到国内外学者的广泛关注,研究方法主要集中在运筹学方法和***仿真方法两个方面。
运筹学方法是将车辆调度问题简化为多目标优化模型,再利用启发式算法进行求解。启发式算法主要是对静态调度问题进行优化。静态调度问题是假设在航班计划、航班需求时间窗以及作业时间等信息已知并始终不变的前提下,根据航班的需求规划车辆的行驶路径。实际情况下影响航班运行的随机因素较多。当随机因素造成航班离港延误时,航班计划也需相应调整。因此车辆资源需要重新分配。虽然启发式算法可以得到优化解,但其不能很好地模拟资源的动态分配过程,也无法对调度过程中的随机因素实时响应。
***仿真方法利用离散仿真模型模拟调度流程,十分适用于机场车辆调度这种存在诸多不确定因素的离散动态随机过程的分析。采用仿真方法可以很好地模拟调度过程中的突发事件,设计出针对不同随机问题的解决方案,也有利于不同功能模块的整合。许多大型机场已将仿真软件应用于实际运行中,芝加哥奥黑尔国际机场和日本民航局采用TAAM(total airspace&airport modeler)对空域和飞行区进行仿真研究,分析机场的运行方式和空域构型。丹佛国际机场利用SIMMOD分析现有飞行区的运行状况以及新的改造措施对延误的影响。上述仿真方法虽然功能强大,但价格昂贵,且仿真的主要对象是航空器,仅有少部分功能涉及到车辆调度过程,因此难以实现牵引车动态优化调度这一研究目标。
发明内容
为了解决上述问题,本发明的目的在于提供一种基于HTCPN的机场牵引车动态优化调度方法。
为了达到上述目的,本发明提供的基于HTCPN的机场牵引车动态优化调度方法方法包括按顺序进行的下列步骤:
(1)分析当前调度模式存在的问题,根据设定的动态优化调度目标,设计动态优化调度流程,建立动态优化调度数学模型的S1阶段;
(2)根据步骤(1)得到的动态优化调度流程建立相应的HTCPN动态调度仿真***中的顶层模型的S2阶段;
(3)对步骤(2)搭建的顶层模型进一步细化,在航空器推出申请子页中仿真航空器在其预计离港时刻前TRequest分钟自动发出推出申请的S3阶段;
(4)按照步骤(1)中设定的动态优化调度目标并结合动态优化调度数学模型,逐一为步骤(3)得到的航空器推出申请分配满足条件的牵引车并前往服务的S4阶段;
(5)仿真步骤(4)中分配的牵引车在开始推出前可能发生的推出冲突及规避方案的S5阶段;
(6)牵引车将航空器推出到指定位置,并完成牵引车属性及航空器信息更新的S6阶段。
在步骤(1)中,所述的分析当前调度模式存在的问题,根据设定的动态优化调度目标,设计动态优化调度流程,建立动态优化调度数学模型的方法是:针对牵引车调度特点,将调度流程简化为如下四个步骤:航空器推出申请、航空器牵引车实时匹配、航空器推出冲突、航空器推出过程;为解决当前调度模式下存在的问题,从车辆到达时间、车辆工作负荷均衡度和车辆行驶距离三个角度进行优化,建立动态优化调度数学模型。
在步骤(2)中,所述的根据步骤(1)得到的动态优化调度流程建立相应的HTCPN动态调度仿真***中的顶层模型的方法是:基于层次赋时着色Petri网,采用自顶向下的分解原则。确定调度流程的整体功能模型图,在子页中实现子流程功能,形成分层模型,每个子页对应于调度流程中一个关键的子流程,依次为航空器推出申请、航空器牵引车实时匹配、航空器推出冲突、航空器推出过程。
在步骤(3)中,所述的对步骤(2)搭建的顶层模型进一步细化,在航空器推出申请子页中仿真航空器在其预计离港时刻前TRequest分钟自动发出推出申请的方法是:将顶层模型中表示航空器推出申请的替代变迁展开得到对应的子页模型,在子页中实现随机生成离港航班信息,根据每架航空器的预计离港时刻非降序排列所有航班信息形成航空器等待队列,航空器在其预计离港时刻前TRequest分钟发出推出申请。
在步骤(4)中,所述的按照步骤(1)中设定的动态优化调度目标并结合动态优化调度数学模型,逐一为步骤(3)得到的航空器推出申请分配满足条件的牵引车并前往服务的方法是:***读取待服务航空器发出的推出申请后,依次以车辆到达时间、车辆工作负荷均衡度以及车辆行驶距离为判据筛选出满足条件的牵引车集合。
在步骤(5)中,所述的仿真步骤(4)中分配的牵引车在开始推出前可能发生的推出冲突及规避方案的方法是:通过随机数模拟推出冲突发生的概率,当产生推出冲突后,后机在原地等待,只有当前机推出并滑行通过推出安全点后,后机再开始推出,在赋时Petri网模型中仿真推出冲突,并分析推出冲突对牵引车使用时间以及实际推出时间延迟的影响。
7、根据权利要求1所述的基于HTCPN的机场牵引车动态优化调度方法,其特征在于,在步骤(6)中,所述的牵引车将航空器推出到指定位置,并完成牵引车属性及航空器信息更新的方法是:待推出完成后,牵引车服务过航班序列、当前时刻位置、可为下一航班开始服务时刻、行驶总距离在内的属性随之更新;之后完成航空器信息的更新,***记录航空器被服务后的最终状态,包括匹配的牵引车编号、牵引车到达时刻、开始推出时刻、完成推出时刻在内的属性。
本发明运用层次赋时着色Petri网(hierarchical timed colored Petri net,HTCPN)对牵引车调度过程进行仿真。牵引车调度问题规模较大,利用层次Petri网(hierarchical Petri net,HPN)对***进行模块划分,增加模型的可视性;利用着色Petri网(colored Petri net,CPN)对不同资源进行标记区分;利用赋时Petri网(timed Petrinet,TPN)模拟牵引车资源占用和释放的实时情况。搭建动态调度仿真***,根据航空器发送的推出申请完成航空器与牵引车的动态匹配。提出调度优化方案,实现不同车辆间工作负荷均衡度最高和车辆行驶总距离最短的优化目标,通过仿真实验证明了优化的有效性。最后完成对目标机场牵引车保障能力的评估,预测在不同航班密度下的牵引车配置数量。
附图说明
图1为本发明提供的基于HTCPN的机场牵引车动态优化调度方法流程图。
图2为牵引车调度顶层模型。
图3为航空器推出申请子页模型。
图4为航空器牵引车实时匹配算法。
图5为航空器牵引车实时匹配模型。
图6为航空器推出冲突模型。
图7为航空器推出过程模型。
图8天津机场停机位布局图。
图9为车辆间工作负荷差累积和。
图10为牵引车平均行驶总距离。
图11为牵引车优化调度结果。
图12为牵引车晚点率变化曲线。
具体实施方式
下面结合附图和具体实施例对本发明提供的基于HTCPN的机场牵引车动态优化调度方法进行详细说明。
如图1所示,本发明提供的基于HTCPN的机场牵引车动态优化调度方法包括按顺序进行的下列步骤:
(1)分析当前调度模式存在的问题,根据设定的动态优化调度目标,设计动态优化调度流程,建立动态优化调度数学模型的S1阶段;
针对牵引车调度特点,将调度流程简化为如下步骤:首先按照一定规则随机生成离港航班信息,***根据离港航班信息中每架航空器的预计离港时刻非降序排列所有离港航班信息形成航空器等待队列,每架航空器在其预计离港时刻前TRequest分钟发出推出申请;***按照设定的动态优化调度目标逐一为待服务航空器分配满足条件的牵引车前往服务;牵引车在开始推出任务前判断与邻近机位是否存在推出冲突,如存在冲突则在原地等待;待冲突解脱后牵引车将航空器推出到指定位置,并完成信息的记录与更新。
机场场面运行过程中包含诸多随机因素,在不影响牵引车和航空器正常运行的前提下对动态优化调度数学模型做如下假设:
1)单位时间内离港航空器数目服从参数为λ的泊松分布;
2)正常情况下,每架航空器在其预计离港时刻前TRequest=15min发出推出申请;
3)牵引车推出航空器时与邻近机位发生推出冲突的概率为PConflict,若存在推出冲突,牵引车和航空器在原地等待的时间满足均值为TConflict的指数分布;
4)牵引车推出航空器的作业时间服从高斯分布N(μ,σ2)。作业时间的均值μ由被服务航空器的机型决定。标准差σ的取值与航空器机型无关,与推出时地服人员和飞行员配合的熟练度有关。
在现有运行模式下,调度人员收到推出申请后,会按照车辆序号顺序分配可用牵引车。如果存在可用牵引车,立刻分配该牵引车从当前位置驶向指定机位进行服务。若所有牵引车当前时刻均处于工作状态,调度人员会通过对讲机与牵引车驾驶员联系,根据反馈信息指派最先完成服务的牵引车执行该任务。现行调度规则存在以下问题:
1)每辆牵引车航班任务分配不均衡;
2)为航空器分配牵引车时没有考虑候选牵引车与服务需求点间的距离。
为解决当前调度模式下存在的问题,需要从车辆到达时间、车辆工作负荷均衡度和车辆行驶距离三个方面进行优化,因此建立动态优化调度数学模型如下:
车辆到达时间:在实际运行中时间因素最为重要,要求车辆延误到达的时间最少;
式中,ti表示第i架航空器因牵引车晚点造成的延误时间,
是表示延误与否的符号函数。
车辆工作负荷均衡度:为保证牵引车的安全使用和驾驶人员的合理分配,调度车辆时应尽量提高不同车辆间工作负荷的均衡度,本发明采用车辆间工作负荷差的累积和作为表征均衡度的目标函数:
C2=min∑i,j∈V|Ni-Nj| (3)
式中,V表示牵引车的集合,Ni和Nj分别表示编号为i和j的牵引车服务过的航班数量。
车辆行驶距离:牵引车在不同机位间往返的距离不可忽略,减少行驶距离可进一步保证牵引车的准时到达,同时降低机场或航空公司的燃油成本;
C3=min∑i∈VDi (4)
式中,Di表示编号为i的牵引车行驶过的总距离。
(2)根据步骤(1)得到的动态优化调度流程建立相应的HTCPN动态调度仿真***中的顶层模型的S2阶段;
建立顶层模型采用自顶向下的分解原则。首先确定调度流程的整体功能模型图,然后再对顶层模型进一步细化,在子页中实现子流程功能,形成分层模型。牵引车动态调度仿真***的层次赋时着色Petri网模型可简化为以下多元组:
HTCPN=(S,SN,SA,PN,PT) (5)
HTCPN中各参数的含义分别为:
1)S代表子页的有限集合,每个子页对应于调度流程中一个关键的子流程,依次为航空器推出申请、航空器牵引车实时匹配、航空器推出冲突、航空器推出过程。子页的有限集合S中的任意子页s均是一个非层次的赋时着色Petri网:
s=(CPN,R,r0) (6)
式中,R是时间值的集合,称为时间戳;r0是时间戳R中的元素,对应于调度过程的起始时刻。
3)SA是页分配函数,SA:SN→S,表示子页和替代变迁间的对应关系。
5)PT是端口类型函数,是从端口节点的集合PN定义到{In,Out,In/Out,General}的函数。
式(6)中的参数CPN表示一个非层次的着色Petri网,可用如下9元组表示
CPN=(P,T,A,Σ,V,C,G,E,I) (7)
式中,P表示库所集合,以椭圆形表示,可以表示动态调度仿真***各资源的实时状态;T表示变迁集合,以矩形表示,代表调度中每个具体事件的发生,以实现不同库所间的信息传递;A为有向弧集合,是联系库所和变迁之间的流关系;Σ为颜色集的非空有限集合;V为变量集合;C为颜色集函数,定义库所的数据类型;G为变迁上的守卫表达式,E为有向弧表达式,守卫表达式和弧表达式共同定义了变迁的使能条件;I为初始化函数,定义库所的初始标记。航空器与牵引车的颜色集如表1所示:
表1航空器与牵引车的颜色集
托肯(token)表示分配给库所的资源,在Petri网模型的执行过程中会发生个数和位置的变化。牵引车和航空器是Petri模型中两种不同类型的资源,用两种托肯进行表示。变迁触发后会从其输入库所移出托肯,同时向输出库所增加托肯,从而引起模型状态的改变。
动态调度仿真***的顶层模型如图2所示。替代变迁用双框矩形表示,各替代变迁的含义如表2所示。
表2顶层模型中替代变迁及其对应子过程
库所右下方的标识代表颜色集,根据容纳的资源类型分为四类:航空器状态库所(PInfor)、航空器队列状态库所、牵引车集合状态库所(LCInfor)和约束类库所(LDistance,Cap)。
库所Plane存储***随机生成的航班信息,库所Tug存储机场内初始时刻所有牵引车的信息,库所Airport对应于机坪不同位置点距离的录入,以上三个库所是模型中初始信息的输入窗口。所有航空器会依次通过四个替代变迁,最终回到Finish PlaneList库所中,Finish PlaneList的作用是记录每架航空器被推出后的最终状态。此外,库所Capacity对航空器等待队列起到容量约束的作用。在库所和替代变迁的共同作用下,调度过程的HTCPN模型形成一个闭环反馈结构。
(3)对步骤(2)搭建的顶层模型进一步细化,在航空器推出申请子页中仿真航空器在其预计离港时刻前TRequest分钟自动发出推出申请的S3阶段;
将步骤(2)搭建好的顶层模型中表示航空器推出申请的替代变迁(Request)展开后可得到如图3所示的航空器推出申请子页模型。
***首先通过Timetable变迁在一定规则下随机生成航班数据。Timetable守卫表达式中的density用于模拟服从泊松分布的航班流。库所Apron中存储***自动生成的离港航空器所在停机位编号,分配时采取随机原则,同时确保同一机位在2小时内不会被再次分配。生成的航班信息在List中以列表的形式存储。List中的航班列表再通过Sort变迁完成按预计离港时刻的非降序排列,在Queue中形成航空器等待队列。最后通过Request变迁逐一发出推出申请。通过Capacity库所可以使***逐一地接收航空器队列发出的推出申请,从而实现对航空器等待队列的容量约束。端点为空心圆的弧为抑制弧,作用是设置变迁发生的优先权。当库所Plane中存在托肯时,变迁Sort无法发生,通过抑制弧使排队过程在航班信息生成后进行,从而可以自主控制仿真实验中的航空器数目。Request变迁输出弧上的applytime是航空器发出推出申请的时刻,作为每架航空器初始状态下携带的时间戳。
(4)按照步骤(1)中设定的动态优化调度目标并结合动态优化调度数学模型,逐一为步骤(3)得到的航空器推出申请分配满足条件的牵引车并前往服务的S4阶段;
基于贪婪算法设计了航空器牵引车实时匹配算法。贪婪算法是以当前情况为基础追求局部最优解,可以针对航空器等待队列发出的推出申请逐一完成牵引车的分配,对动态调度问题有一定的解决能力,航空器牵引车实时匹配算法如图3所示。、
***读取待服务航空器发出的推出申请后,依次以步骤(1)确定的车辆到达时间、车辆工作负荷均衡度以及车辆行驶距离为判据筛选出满足条件的牵引车集合。
首先实现车辆到达时间的匹配,筛选出当前时刻处于空闲状态的牵引车集合,如若没有空闲车辆,则选定完成当前任务时刻最早的牵引车。车辆工作负荷均衡度匹配是对每辆牵引车服务过的航班数进行非降序排列并筛选出服务航班数最少的牵引车集合。最后再对每辆牵引车行驶总距离完成非降序排列,筛选出行驶总距离最少的牵引车,从而实现车辆行驶距离的匹配。若此时满足条件的牵引车仍多于一辆,则按照车辆序号顺序随机指派一辆牵引车前往服务。
基于上述算法建立了如图5所示的航空器牵引车实时匹配模型。模型中从上至下的3个替代变迁分别对应于流程图中的车辆到达时间匹配、车辆工作负荷均衡度匹配和车辆行驶距离匹配。每个替代变迁后的节点库所分别表示航空器的最新状态和经过筛选后的牵引车集合状态。
发出推出申请后的航空器首先与牵引车集合Tug同时绑定于Arrival Time替代变迁,目的是筛选出满足时间要求的牵引车集合。经过第一步筛选后的牵引车集合和航空器同时绑定于Load Balance替代变迁,筛选出服务航班数辆最少的牵引车集合。Airport以邻接矩阵的格式存储目标机场内不同位置点间的距离,通过Distance替代变迁搜索出每辆牵引车当前位置与待服务航空器间的距离并计算出行驶到目的点的时间。经过三个替代变迁筛选后产生唯一满足条件的牵引车,***安排该牵引车前往相应的停机位进行服务。
(5)仿真步骤(4)中分配的牵引车在开始推出前可能发生的推出冲突及规避方案的S5阶段;
在机场运行高峰时段,邻近停机位航班常会因离港时间过近而引发冲突。当航空器侧向推出时与同侧邻近停机位上另一正要推出的航空器由于安全间隔而产生冲突,发生推出冲突后的解决方案是后机在原地等待,只有当前机推出并滑行通过推出安全点后,后机才能开始推出,推出冲突会导致牵引车使用时间的增加以及实际推出时间的延迟,推出冲突的模型如图6所示。
待服务航空器与上一步筛选出的牵引车同时绑定于变迁Ran,通过Ran在库所Conflict中产生随机数ran,根据Normal和Wait上的守卫函数判断冲突事件是否发生。当ran≤P时,航空器正常推出;当ran>P时,冲突产生,变迁Wait使能。P表示发生推出冲突的概率。时间延迟delay表示产生推出冲突后航空器和牵引车需要在原地等待的时间。
(6)牵引车将航空器推出到指定位置,并完成牵引车属性及航空器信息更新的S6阶段;
航空器推出后伴随着牵引车和航空器信息的更新,航空器推出过程模型如图7所示。首先通过替代变迁UpdateTug,代表牵引车的托肯重新回到牵引车资源库所(Tug),此时牵引车服务过航班序列、当前时刻位置、可为下一航班开始服务时刻、行驶总距离等属性随之更新。下一步再通过替代变迁UpdatePlane完成航空器信息的更新,代表航空器的托肯进入已被推出航空器队列库所(Finish PlaneList),记录航空器被服务后的最终状态,包括匹配的牵引车编号、牵引车到达时刻、开始推出时刻、完成推出时刻等属性。推出任务完成后容量库所中的托肯也完成更新,服务对象转变为下一架发出推出申请的航空器。
实验结果
本发明提供的基于HTCPN的机场牵引车动态优化调度方法可以通过以下实验进一步说明。选定某国际机场作为研究对象,验证HTCPN动态调度仿真***解决实际问题的有效性。机场停机位布局如图8所示,特种车辆需严格按指定路线行驶,即图中各停机位之间的连接线,牵引车的停车场位于118号和201号停机位之间。根据地理位置可以得出不同地面点间的邻接关系,运用Dijkstra算法计算出任意两个地面点之间的最短距离。根据相关文献中的通用配置方法可估算出该机场牵引车理论配置数量为12辆。推出作业的时间均值与机型的关系如表3所示。
表3作业时间均值
基于蒙特卡洛方法对高峰时段的牵引车动态调度进行仿真分析,仿真***中初始设定航班密度λ=25架次/小时,牵引车行驶速度v=20km/h,作业时间的标准差σ=0.5min,推出冲突发生概率PConflict=20%,原地等待时间均值TConflict=5min。在不同的服务航班数量下分别进行100次独立实验,图9和图10显示出牵引车工作负荷均衡度和牵引车平均行驶总距离优化前后结果的对比。
图9的纵轴是表征不同车辆工作负荷均衡度的负荷差累积和∑i,j∈V|Ni-Nj|,优化前车辆负荷差累计和与服务航班数量呈现正相关的趋势。优化后的结果大幅降低,负荷差累计和随航班数量的增加近似周期性变化,在服务航班数量为60时达到最低点,由于实验中12辆牵引车被分配的任务数几乎相等,所以车辆间工作负荷差累积和趋近于0。由图10可见场面内所有牵引车平均行驶总距离与服务航班数量的关系。随着服务航班数量的累加,行驶总距离的优化结果会更为显著。
结合每个航空器托肯最终状态下的牵引车到达时刻、开始推出时刻和完成推出时刻绘制了优化调度结果的甘特图,如图11所示。
根据民航局相关文件规定,牵引车应在待服务航空器预计离港时刻前5min到位,否则将被视作晚点到达。由图11可见,每个航班任务的牵引车等待时间均大于5分钟,表明没有延误发生,且优化后每辆牵引车的任务量得到了合理的分配。
调整航班密度λ和牵引车数量N进一步评估该机场牵引车的保障能力。在每组参数下进行100次蒙特卡洛实验,牵引车晚点率随航班密度λ和牵引车数量N的变化关系如图12所示。
选择以晚点率10%作为评估保障能力合格与否的临界值。从图中可以发现,当λ≤32时,机场当前配置的12辆牵引车是冗余的,可适当减少牵引车的使用数量。当33≤λ≤38时,当前机场配置满足要求。当λ继续增大时,则需在现有配置的基础上再增加一辆牵引车可使得晚点率降低到10%以下。
Claims (6)
1.一种基于HTCPN的机场牵引车动态优化调度方法,其特征在于,所述的基于HTCPN的机场牵引车动态优化调度方法方法包括按顺序进行的下列步骤:
(1)分析当前调度模式存在的问题,根据设定的动态优化调度目标,设计动态优化调度流程,建立动态优化调度数学模型的S1阶段;
(2)根据步骤(1)得到的动态优化调度流程建立相应的HTCPN动态调度仿真***中的顶层模型的S2阶段;
(3)对步骤(2)搭建的顶层模型进一步细化,在航空器推出申请子页中仿真航空器在其预计离港时刻前TRequest分钟自动发出推出申请的S3阶段;
(4)按照步骤(1)中设定的动态优化调度目标并结合动态优化调度数学模型,逐一为步骤(3)得到的航空器推出申请分配满足条件的牵引车并前往服务的S4阶段;
(5)仿真步骤(4)中分配的牵引车在开始推出前可能发生的推出冲突及规避方案的S5阶段;
(6)牵引车将航空器推出到指定位置,并完成牵引车属性及航空器信息更新的S6阶段;
在步骤(1)中,所述的分析当前调度模式存在的问题,根据设定的动态优化调度目标,设计动态优化调度流程,建立动态优化调度数学模型的方法是:针对牵引车调度特点,将调度流程简化为如下四个步骤:航空器推出申请、航空器牵引车实时匹配、航空器推出冲突、航空器推出过程;为解决当前调度模式下存在的问题,从车辆到达时间、车辆工作负荷均衡度和车辆行驶距离三个角度进行优化,建立动态优化调度数学模型。
2.根据权利要求1所述的基于HTCPN的机场牵引车动态优化调度方法,其特征在于,在步骤(2)中,所述的根据步骤(1)得到的动态优化调度流程建立相应的HTCPN动态调度仿真***中的顶层模型的方法是:基于层次赋时着色Petri网,采用自顶向下的分解原则;确定调度流程的整体功能模型图,在子页中实现子流程功能,形成分层模型,每个子页对应于调度流程中一个关键的子流程,依次为航空器推出申请、航空器牵引车实时匹配、航空器推出冲突、航空器推出过程。
3.根据权利要求1所述的基于HTCPN的机场牵引车动态优化调度方法,其特征在于,在步骤(3)中,所述的对步骤(2)搭建的顶层模型进一步细化,在航空器推出申请子页中仿真航空器在其预计离港时刻前TRequest分钟自动发出推出申请的方法是:将顶层模型中表示航空器推出申请的替代变迁展开得到对应的子页模型,在子页中实现随机生成离港航班信息,根据每架航空器的预计离港时刻非降序排列所有航班信息形成航空器等待队列,航空器在其预计离港时刻前TRequest分钟发出推出申请。
4.根据权利要求1所述的基于HTCPN的机场牵引车动态优化调度方法,其特征在于,在步骤(4)中,所述的按照步骤(1)中设定的动态优化调度目标并结合动态优化调度数学模型,逐一为步骤(3)得到的航空器推出申请分配满足条件的牵引车并前往服务的方法是:***读取待服务航空器发出的推出申请后,依次以车辆到达时间、车辆工作负荷均衡度以及车辆行驶距离为判据筛选出满足条件的牵引车集合。
5.根据权利要求1所述的基于HTCPN的机场牵引车动态优化调度方法,其特征在于,在步骤(5)中,所述的仿真步骤(4)中分配的牵引车在开始推出前可能发生的推出冲突及规避方案的方法是:通过随机数模拟推出冲突发生的概率,当产生推出冲突后,后机在原地等待,只有当前机推出并滑行通过推出安全点后,后机再开始推出,在赋时Petri网模型中仿真推出冲突,并分析推出冲突对牵引车使用时间以及实际推出时间延迟的影响。
6.根据权利要求1所述的基于HTCPN的机场牵引车动态优化调度方法,其特征在于,在步骤(6)中,所述的牵引车将航空器推出到指定位置,并完成牵引车属性及航空器信息更新的方法是:待推出完成后,牵引车服务过航班序列、当前时刻位置、可为下一航班开始服务时刻、行驶总距离在内的属性随之更新;之后完成航空器信息的更新,***记录航空器被服务后的最终状态,包括匹配的牵引车编号、牵引车到达时刻、开始推出时刻、完成推出时刻在内的属性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010054401.0A CN111310383B (zh) | 2020-01-17 | 2020-01-17 | 基于htcpn的机场牵引车动态优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010054401.0A CN111310383B (zh) | 2020-01-17 | 2020-01-17 | 基于htcpn的机场牵引车动态优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111310383A CN111310383A (zh) | 2020-06-19 |
CN111310383B true CN111310383B (zh) | 2023-06-27 |
Family
ID=71154627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010054401.0A Active CN111310383B (zh) | 2020-01-17 | 2020-01-17 | 基于htcpn的机场牵引车动态优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111310383B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832929B (zh) * | 2020-07-09 | 2023-12-12 | 民航成都信息技术有限公司 | 一种机场值机的动态调度方法及*** |
CN112036053B (zh) * | 2020-09-04 | 2024-05-03 | 中国航空无线电电子研究所 | 一种基于Petri网的机场场面滑行仿真及优化方法 |
CN112036768B (zh) * | 2020-09-14 | 2024-06-14 | 民航数据通信有限责任公司 | 一种机场场面车辆智能调度***及方法 |
CN112185175B (zh) * | 2020-09-17 | 2022-02-18 | 北京中兵智航软件技术有限公司 | 电子进程单的处理方法及装置 |
CN112707110B (zh) * | 2020-11-27 | 2023-02-03 | 中船重工海为郑州高科技有限公司 | 一种基于任务驱动的车辆分配方法 |
CN113791619B (zh) * | 2021-09-14 | 2024-04-12 | 北京航空航天大学 | 一种机场自动驾驶牵引车调度导航***及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101465067A (zh) * | 2009-01-15 | 2009-06-24 | 北京航空航天大学 | 机场场面航班调度辅助决策方法和*** |
CN102799733A (zh) * | 2012-07-19 | 2012-11-28 | 上海海事大学 | 集装箱牵引车资源整合仿真***及其仿真方法 |
CN103778481A (zh) * | 2014-01-23 | 2014-05-07 | 南京航空航天大学 | 一种针对多跑道航班进离场的动态调度方法 |
CN107169677A (zh) * | 2017-06-16 | 2017-09-15 | 成都佰行航空技术服务有限公司 | 一种民用机场机坪保障车辆集中式调度指挥*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6584400B2 (en) * | 2001-04-09 | 2003-06-24 | Louis J C Beardsworth | Schedule activated management system for optimizing aircraft arrivals at congested airports |
-
2020
- 2020-01-17 CN CN202010054401.0A patent/CN111310383B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101465067A (zh) * | 2009-01-15 | 2009-06-24 | 北京航空航天大学 | 机场场面航班调度辅助决策方法和*** |
CN102799733A (zh) * | 2012-07-19 | 2012-11-28 | 上海海事大学 | 集装箱牵引车资源整合仿真***及其仿真方法 |
CN103778481A (zh) * | 2014-01-23 | 2014-05-07 | 南京航空航天大学 | 一种针对多跑道航班进离场的动态调度方法 |
CN107169677A (zh) * | 2017-06-16 | 2017-09-15 | 成都佰行航空技术服务有限公司 | 一种民用机场机坪保障车辆集中式调度指挥*** |
Non-Patent Citations (1)
Title |
---|
考虑工业大用户负荷转移的安全约束机组组合;舒隽;孙浩男;韩冰;;现代电力(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111310383A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111310383B (zh) | 基于htcpn的机场牵引车动态优化调度方法 | |
Maciejewski et al. | An assignment-based approach to efficient real-time city-scale taxi dispatching | |
Bennell et al. | Airport runway scheduling | |
Ma et al. | Integrated optimization of terminal maneuvering area and airport at the macroscopic level | |
Atkin et al. | Hybrid metaheuristics to aid runway scheduling at London Heathrow airport | |
Pujet et al. | Input-output modeling and control of the departure process of congested airports | |
Bennell et al. | Airport runway scheduling | |
Hu et al. | Receding horizon control for aircraft arrival sequencing and scheduling | |
CN103426331B (zh) | 多机场协同放行***航班排序决策方法 | |
US8886446B1 (en) | Method and system for allocating aircraft arrival/departure slot times, with preferred movement | |
Rodríguez-Díaz et al. | Minimizing deviation from scheduled times in a single mixed-operation runway | |
Malik et al. | Managing departure aircraft release for efficient airport surface operations | |
Yu et al. | A heuristic approach for solving an integrated gate reassignment and taxi scheduling problem | |
Lee et al. | A comparison of aircraft trajectory-based and aggregate queue-based control of airport taxi processes | |
Anagnostakis et al. | A conceptual design of a departure planner decision aid | |
WO2018196700A1 (zh) | 基于候补机制的航班分配***和方法 | |
Lee et al. | A comparison of two optimization approaches for airport taxiway and runway scheduling | |
Lee et al. | Fuel cost, delay and throughput tradeoffs in runway scheduling | |
Messaoud | A thorough review of aircraft landing operation from practical and theoretical standpoints at an airport which may include a single or multiple runways | |
CN113919169A (zh) | 一种基于模拟感知的航空器场面滑行冲突探测*** | |
Guclu et al. | Analysis of aircraft ground traffic flow and gate utilisation using a hybrid dynamic gate and taxiway assignment algorithm | |
Jiang et al. | A priority-based conflict resolution strategy for airport surface traffic considering suboptimal alternative paths | |
Gerdes et al. | Management of time based taxi trajectories coupling departure and surface management systems | |
CN114330842A (zh) | 一种基于两阶段优化的机场摆渡车调度方法 | |
Chen et al. | Estimating airspace resource capacity for advanced air mobility operations |
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 |