應急情況下航班動態管理策略研究

楊 志 超

(天津市市政工程設計研究院，天津 300051)

。

。

。

s.t. ti≥DTi

ti-DTi≤TDmax

ti+1-ti≥Δmin

Vt≤Ds(t)

Et≤As(t)

?

應急情況下航班動態管理策略研究

楊 志 超

(天津市市政工程設計研究院，天津 300051)

建立了包括航空公司、機場、乘客三方利益最小化的應急狀態下航班動態調整模型，通過模型對航班延誤進行了評估，并采用遺傳算法進行優化，為航空樞紐中心具體調度、應急管理提供基礎支持與方法。

應急管理，航班，動態調整，遺傳算法

0 引言

航空樞紐在出現航班延誤情況時，如何快速地實時調整航班時刻表并及時調整航空樞紐的各個部分運營管理工作，是航空應急管理的核心內容。航班延誤是一個復雜的綜合調度過程，在實際工作中機場調度人員僅憑經驗對航班進行調度往往是不實際的。

本文通過建立應急管理預案模塊，建立包括航空公司、機場、乘客三方損失成本最小化的應急狀態下航班動態調整模型。

1 航班應急管理原理

具體原理為:首先由于受到天氣，交通管制，飛機與乘客可能的不正常狀態等實時信息影響的航班時刻表做一個航空樞紐綜合服務水平的預評價，若服務水平變化不大則不用優化，按照時刻表執行。否則依據航空樞紐的航班時刻表、實時信息以及本航空樞紐具體特點、各種約束，優化調整應急管理預案，迅速制定出優化調整后的時刻表。對此時刻表同樣做一個航空樞紐綜合服務水平的預評價，若服務水平沒有提高則繼續優化，否則執行優化調整后的時刻表。

2 航班動態調整模塊

本文建立在航空樞紐服務水平綜合評價以及機場仿真模型基礎上，通過遺傳算法尋求最優解。本模型變量定義：

F為航班的集合；J為管制區集合；T為可行的起飛時間段集合。 角標中i為航班下標；j為管制區下標；t為時間下標；本模型中1 min為一個離散化步長；k為飛機下標。

參數中DTi為航班i預計起飛時間；TDmax為最大延誤時間；Sj(t)為t時刻管制區j的容量；Ds(t)為t時刻機場的起飛容量；As(t)為t時刻機場的降落容量；V為載客量；vi為航班i的實際載客人數；pi為航班i的票價；Et為等待在機場上空準備降落的飛機數；Vt為等待在機場起飛的飛機數；M為航班總數；g(k)為飛機k單位時間的延誤成本；S為每位旅客單位時間的損失成本；Ci為取消航班i的成本(按照延誤8 h的延誤成本計算取消成本)；Hi為一位旅客的恢復成本(包括賠償費、安置費、轉簽費)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)

其中目標函數即式(1)表示追求加權總成本費用最小化，第1項、第2項為乘客費用，分別表示旅客失望溢出成本和旅客延誤損失；第3項表示機場負擔的恢復成本；第4項、第5項表示航空公司的延誤成本和取消成本。w1，w2，w3分別為航班動態調整時決策者對旅客，機場，航空公司的權重，即偏重程度。

約束中式(2)表示航班i實際起降時間不能早于計劃起降時間；式(3)表示航班延誤時間不能超過飛機最長延誤時間；式(4)為對相鄰兩架飛機起(降)時間間隔的約束；式(5)是t時刻等待起飛的飛機數量不能超過t時刻機場跑道的起飛容量；式(6)是t時刻 等待降落的飛機數量不能超過t時刻機場跑道的降落容量；式(7)是t時刻起飛的飛機數量不能超過管制區的容量；式(8)為變量約束。

考慮到本模型具體決策變量為0～1變量、仿真模型的復雜性，本文采用遺傳算法對航班動態調整模型進行優化求解，具體步驟見圖1。

3 實驗案例及其分析

以天津機場某一天7：00～21：00的航班應急管理為例。假設7:30天津機場下霧，航班延誤，預計在9:00恢復正常，可以重新安排起飛；8:00接到臨時通知，當天11:02的飛機由于故障延誤40 min起飛；12:00～15:30進行空中管制，不允許飛機進行起降。對于航班延誤，機場規定最遲在當天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行。

假定機場在收到航班延誤信息后，機場調度人員根據經驗排出一個新航班時刻表。新時刻表是對延誤的航班進行插空安排，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間起飛，造成大量乘客長時間延誤。 經過評價，新航班時刻表航空樞紐服務水平屬于E級。不符合現實要求，需要進行優化。

假定航空樞紐在具體調整航班的時候對機場、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。采用遺傳算法對其進行求解，其中群體規模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S=500。

具體目標函數每代最優值變化見圖2，顯然到第500代時，目標函數值即達到最優。

對優化調整后的航班時刻表進行航空樞紐綜合服務水平預評價屬于B級，明顯優于調整前的E級,說明此方案可行。

對優化前后的部分航班延誤時間做對比，對比結果如表1所示。

表1 改進后預測結果

從表1可以明顯看出，優化后的航班總延誤時間遠遠小于優化調整前的航班總延誤時間。優化前的航班時刻表大大延長了延誤航班旅客的等待時間，增加了機場的客流。優化后的時刻表雖然影響了部分正常航班的起降時間，但是大大降低了延誤航班旅客的等待時間，減少了機場、航空公司的延誤成本。

根據航班時刻表和各航班人數，繪制天津機場正常狀態下、突發事件優化前以及優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，優化調整后的客流疏散速度明顯高于優化前的。優化結果不僅降低了旅客的延誤時間，緩解了機場內客流的擁堵現象，提高了航空樞紐的綜合服務水平，同時追求旅客，機場和航空公司損失成本的最小化。

4 結語

本文通過模型，得出了較經驗安排更優的應急狀況下航班動態調整策略。經驗證，該策略全面系統地考慮了航空公司、機場、旅客三方的利益，值得進一步的研究與推廣。

[1]高 凱.民航機場災害預警管理方法研究.武漢：武漢理工大學，2006.

[2]蘇道明.機場競爭力評價指標體系的構建.中國民航飛行學院學報，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.遺傳算法改進策略的研究.計算機應用，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