應(yīng)急情況下航班動(dòng)態(tài)管理策略研究

楊 志 超

(天津市市政工程設(shè)計(jì)研究院，天津 300051)

。

。

。

s.t. ti≥DTi

ti-DTi≤TDmax

ti+1-ti≥Δmin

Vt≤Ds(t)

Et≤As(t)

?

應(yīng)急情況下航班動(dòng)態(tài)管理策略研究

楊 志 超

(天津市市政工程設(shè)計(jì)研究院，天津 300051)

建立了包括航空公司、機(jī)場(chǎng)、乘客三方利益最小化的應(yīng)急狀態(tài)下航班動(dòng)態(tài)調(diào)整模型，通過模型對(duì)航班延誤進(jìn)行了評(píng)估，并采用遺傳算法進(jìn)行優(yōu)化，為航空樞紐中心具體調(diào)度、應(yīng)急管理提供基礎(chǔ)支持與方法。

應(yīng)急管理，航班，動(dòng)態(tài)調(diào)整，遺傳算法

0 引言

航空樞紐在出現(xiàn)航班延誤情況時(shí)，如何快速地實(shí)時(shí)調(diào)整航班時(shí)刻表并及時(shí)調(diào)整航空樞紐的各個(gè)部分運(yùn)營(yíng)管理工作，是航空應(yīng)急管理的核心內(nèi)容。航班延誤是一個(gè)復(fù)雜的綜合調(diào)度過程，在實(shí)際工作中機(jī)場(chǎng)調(diào)度人員僅憑經(jīng)驗(yàn)對(duì)航班進(jìn)行調(diào)度往往是不實(shí)際的。

本文通過建立應(yīng)急管理預(yù)案模塊，建立包括航空公司、機(jī)場(chǎng)、乘客三方損失成本最小化的應(yīng)急狀態(tài)下航班動(dòng)態(tài)調(diào)整模型。

1 航班應(yīng)急管理原理

具體原理為:首先由于受到天氣，交通管制，飛機(jī)與乘客可能的不正常狀態(tài)等實(shí)時(shí)信息影響的航班時(shí)刻表做一個(gè)航空樞紐綜合服務(wù)水平的預(yù)評(píng)價(jià)，若服務(wù)水平變化不大則不用優(yōu)化，按照時(shí)刻表執(zhí)行。否則依據(jù)航空樞紐的航班時(shí)刻表、實(shí)時(shí)信息以及本航空樞紐具體特點(diǎn)、各種約束，優(yōu)化調(diào)整應(yīng)急管理預(yù)案，迅速制定出優(yōu)化調(diào)整后的時(shí)刻表。對(duì)此時(shí)刻表同樣做一個(gè)航空樞紐綜合服務(wù)水平的預(yù)評(píng)價(jià)，若服務(wù)水平?jīng)]有提高則繼續(xù)優(yōu)化，否則執(zhí)行優(yōu)化調(diào)整后的時(shí)刻表。

2 航班動(dòng)態(tài)調(diào)整模塊

本文建立在航空樞紐服務(wù)水平綜合評(píng)價(jià)以及機(jī)場(chǎng)仿真模型基礎(chǔ)上，通過遺傳算法尋求最優(yōu)解。本模型變量定義：

F為航班的集合；J為管制區(qū)集合；T為可行的起飛時(shí)間段集合。 角標(biāo)中i為航班下標(biāo)；j為管制區(qū)下標(biāo)；t為時(shí)間下標(biāo)；本模型中1 min為一個(gè)離散化步長(zhǎng)；k為飛機(jī)下標(biāo)。

參數(shù)中DTi為航班i預(yù)計(jì)起飛時(shí)間；TDmax為最大延誤時(shí)間；Sj(t)為t時(shí)刻管制區(qū)j的容量；Ds(t)為t時(shí)刻機(jī)場(chǎng)的起飛容量；As(t)為t時(shí)刻機(jī)場(chǎng)的降落容量；V為載客量；vi為航班i的實(shí)際載客人數(shù)；pi為航班i的票價(jià)；Et為等待在機(jī)場(chǎng)上空準(zhǔn)備降落的飛機(jī)數(shù)；Vt為等待在機(jī)場(chǎng)起飛的飛機(jī)數(shù)；M為航班總數(shù)；g(k)為飛機(jī)k單位時(shí)間的延誤成本；S為每位旅客單位時(shí)間的損失成本；Ci為取消航班i的成本(按照延誤8 h的延誤成本計(jì)算取消成本)；Hi為一位旅客的恢復(fù)成本(包括賠償費(fèi)、安置費(fèi)、轉(zhuǎn)簽費(fèi))等[2,]3〗。

決策變量：

該模型表示為：

(1)

s.t.ti≥DTi

(2)

ti-DTi≤TDmax

(3)

ti+1-ti≥Δmin

(4)

Vt≤Ds(t)

(5)

Et≤As(t)

(6)

(7)

(8)

(9)

其中目標(biāo)函數(shù)即式(1)表示追求加權(quán)總成本費(fèi)用最小化，第1項(xiàng)、第2項(xiàng)為乘客費(fèi)用，分別表示旅客失望溢出成本和旅客延誤損失；第3項(xiàng)表示機(jī)場(chǎng)負(fù)擔(dān)的恢復(fù)成本；第4項(xiàng)、第5項(xiàng)表示航空公司的延誤成本和取消成本。w1，w2，w3分別為航班動(dòng)態(tài)調(diào)整時(shí)決策者對(duì)旅客，機(jī)場(chǎng)，航空公司的權(quán)重，即偏重程度。

約束中式(2)表示航班i實(shí)際起降時(shí)間不能早于計(jì)劃起降時(shí)間；式(3)表示航班延誤時(shí)間不能超過飛機(jī)最長(zhǎng)延誤時(shí)間；式(4)為對(duì)相鄰兩架飛機(jī)起(降)時(shí)間間隔的約束；式(5)是t時(shí)刻等待起飛的飛機(jī)數(shù)量不能超過t時(shí)刻機(jī)場(chǎng)跑道的起飛容量；式(6)是t時(shí)刻 等待降落的飛機(jī)數(shù)量不能超過t時(shí)刻機(jī)場(chǎng)跑道的降落容量；式(7)是t時(shí)刻起飛的飛機(jī)數(shù)量不能超過管制區(qū)的容量；式(8)為變量約束。

考慮到本模型具體決策變量為0～1變量、仿真模型的復(fù)雜性，本文采用遺傳算法對(duì)航班動(dòng)態(tài)調(diào)整模型進(jìn)行優(yōu)化求解，具體步驟見圖1。

3 實(shí)驗(yàn)案例及其分析

以天津機(jī)場(chǎng)某一天7：00～21：00的航班應(yīng)急管理為例。假設(shè)7:30天津機(jī)場(chǎng)下霧，航班延誤，預(yù)計(jì)在9:00恢復(fù)正常，可以重新安排起飛；8:00接到臨時(shí)通知，當(dāng)天11:02的飛機(jī)由于故障延誤40 min起飛；12:00～15:30進(jìn)行空中管制，不允許飛機(jī)進(jìn)行起降。對(duì)于航班延誤，機(jī)場(chǎng)規(guī)定最遲在當(dāng)天24:00之前將延誤航班起飛，不取消航班，不影響明天的航班運(yùn)行。

假定機(jī)場(chǎng)在收到航班延誤信息后，機(jī)場(chǎng)調(diào)度人員根據(jù)經(jīng)驗(yàn)排出一個(gè)新航班時(shí)刻表。新時(shí)刻表是對(duì)延誤的航班進(jìn)行插空安排，不影響其他正常航班的起降。但是由于許多航班一直找不到合適的時(shí)間起飛，造成大量乘客長(zhǎng)時(shí)間延誤。 經(jīng)過評(píng)價(jià)，新航班時(shí)刻表航空樞紐服務(wù)水平屬于E級(jí)。不符合現(xiàn)實(shí)要求，需要進(jìn)行優(yōu)化。

假定航空樞紐在具體調(diào)整航班的時(shí)候?qū)C(jī)場(chǎng)、航空公司、乘客平等看待，即w1∶w2∶w3=1∶1∶1，并且建立模型，其中S=1.5，Hi=2。采用遺傳算法對(duì)其進(jìn)行求解，其中群體規(guī)模MM=240，代溝GGAP=0.8，交叉概率JPc=70%，變異概率JPm=70%，最大迭代次數(shù)S=500。

具體目標(biāo)函數(shù)每代最優(yōu)值變化見圖2，顯然到第500代時(shí)，目標(biāo)函數(shù)值即達(dá)到最優(yōu)。

對(duì)優(yōu)化調(diào)整后的航班時(shí)刻表進(jìn)行航空樞紐綜合服務(wù)水平預(yù)評(píng)價(jià)屬于B級(jí)，明顯優(yōu)于調(diào)整前的E級(jí),說明此方案可行。

對(duì)優(yōu)化前后的部分航班延誤時(shí)間做對(duì)比，對(duì)比結(jié)果如表1所示。

表1 改進(jìn)后預(yù)測(cè)結(jié)果

從表1可以明顯看出，優(yōu)化后的航班總延誤時(shí)間遠(yuǎn)遠(yuǎn)小于優(yōu)化調(diào)整前的航班總延誤時(shí)間。優(yōu)化前的航班時(shí)刻表大大延長(zhǎng)了延誤航班旅客的等待時(shí)間，增加了機(jī)場(chǎng)的客流。優(yōu)化后的時(shí)刻表雖然影響了部分正常航班的起降時(shí)間，但是大大降低了延誤航班旅客的等待時(shí)間，減少了機(jī)場(chǎng)、航空公司的延誤成本。

根據(jù)航班時(shí)刻表和各航班人數(shù)，繪制天津機(jī)場(chǎng)正常狀態(tài)下、突發(fā)事件優(yōu)化前以及優(yōu)化后的乘客流仿真圖，如圖3～圖5所示。

比較圖3～圖5可以看出，優(yōu)化調(diào)整后的客流疏散速度明顯高于優(yōu)化前的。優(yōu)化結(jié)果不僅降低了旅客的延誤時(shí)間，緩解了機(jī)場(chǎng)內(nèi)客流的擁堵現(xiàn)象，提高了航空樞紐的綜合服務(wù)水平，同時(shí)追求旅客，機(jī)場(chǎng)和航空公司損失成本的最小化。

4 結(jié)語

本文通過模型，得出了較經(jīng)驗(yàn)安排更優(yōu)的應(yīng)急狀況下航班動(dòng)態(tài)調(diào)整策略。經(jīng)驗(yàn)證，該策略全面系統(tǒng)地考慮了航空公司、機(jī)場(chǎng)、旅客三方的利益，值得進(jìn)一步的研究與推廣。

[1]高 凱.民航機(jī)場(chǎng)災(zāi)害預(yù)警管理方法研究.武漢：武漢理工大學(xué)，2006.

[2]蘇道明.機(jī)場(chǎng)競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系的構(gòu)建.中國(guó)民航飛行學(xué)院學(xué)報(bào)，2011(1)：29-30.

[3]Alumur S,Kara B Y.Network hub location problems:the state of the art.European Journal of Operational Research，2008(5)：61-62.

[4]趙振勇,王 力,王保華,等.遺傳算法改進(jìn)策略的研究.計(jì)算機(jī)應(yīng)用，2006(S2)：35-36.

Study on dynamic flight management strategies under emergent conditions

Yang Zhichao

(TianjinAcademyofMunicipalEngineeringDesign,Tianjin300051,China)

The paper establishes emergent dynamic flight adjustment model under minimum benefit of airline company, airport and passenger, assesses its flight delay with models, makes an optimization by applying genetic algorithm, which has provided some support and methods for specific adjustment and emergent management of airline hub center.

emergent management, flight, dynamic adjustment, genetic algorithm

1009-6825(2015)01-0247-03

2014-10-31

楊志超(1986- )，男，碩士，助理工程師

V355

A