[发明专利]飞机着陆排队优化方法及装置

说明书

本发明实施例提供一种飞机着陆排队优化方法及装置，所述方法包括：基于空中盘旋等待时间最短，并结合飞机剩余油量、故障安全系数和着陆优先级信息，构建飞机着陆排队优化的目标模型；确定所述飞机着陆排队优化的目标模型的约束条件；基于所述约束条件，利用改进的蚁群算法对所述飞机着陆排队优化的目标模型进行求解，获得含有跑道号的最优航班序列。本发明实施例在空中盘旋等待时间最短的基础上同时考虑飞机剩余油量、故障、优先级等信息，提出了综合的优化目标；在约束条件中加入了跑道占用时间约束；利用改进的蚁群算法对目标函数进行优化，收敛速度快，不易限于局部最优，获得的结果也更符合实际航班调度的情况。

技术领域

本发明实施例涉及航班调度技术领域，更具体地，涉及一种飞机着陆排队优化方法及装置。

背景技术

随着民航运输量的快速增长，机场终端区拥堵频发，从而带来了延误时间和运营成本的大幅增长，同时影响了飞行安全。空中交通流量的激增，导致短时间内会有大量的飞机需要着陆，由于航空资源短缺、机场和空域容量不足，例如跑道数目有限，使飞机着陆产生延误，造成机场进出场效率下降、航空公司经济损失、乘客不能准点到达等不利影响。但是单纯地扩大机场跑道容量受到各种因素的制约，所以需要对要着陆的飞机进行合理管理、调度，减少终端拥堵和延误，从而减少上述不利影响。

在设计求解飞机着陆排队问题的算法时，若运用暴力搜索方法，列出其排序的所有可能，必可以选出满足要求的最优排序。但是随着飞机数量的增加，计算量呈指数上升，不适合实际使用。于是，一些人工智能方法被运用到该问题中。人工智能方法中，蚁群算法由于具有较强鲁棒性、分布式计算等优点，被广泛使用在各类优化问题中。

蚁群算法是基于真实环境下蚂蚁群体觅食的合作提出的，包括通信机制即信息素遗留、当前路径记录、节点随机选择的特性。同时，人工蚁群还可以具有一些真实蚂蚁不具备的特性，包括处于离散空间、记录过去行为、信息量更新时机可根据问题进行选择等，甚至可以具有包括简单预测、局部优化等功能。

但是利用基本蚁群算法解决多跑道排队问题时，由于解的可能组合大幅增长，基本蚁群算法搜索时间较长、容易出现停滞、陷入局部最优的问题。

发明内容

本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的飞机着陆排队优化方法及装置。

第一个方面，本发明实施例提供一种飞机着陆排队优化方法，包括：

基于空中盘旋等待时间最短，并结合飞机剩余油量、故障安全系数和着陆优先级信息，构建飞机着陆排队优化的目标模型；

确定所述飞机着陆排队优化的目标模型的约束条件；

基于所述约束条件，利用改进的蚁群算法对所述飞机着陆排队优化的目标模型进行求解，获得含有跑道号的航班序列。

第二个方面，本发明实施例提供一种飞机着陆排队优化装置，包括：

目标构建模块，用于基于空中盘旋等待时间最短，并结合飞机剩余油量、故障安全系数和着陆优先级信息，构建飞机着陆排队优化的目标模型；

约束确定模块，用于确定所述飞机着陆排队优化的目标模型的约束条件；

求解模块，用于基于所述约束条件，利用改进的蚁群算法对所述飞机着陆排队优化的目标模型进行求解，获得含有跑道号的航班序列。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的飞机着陆排队优化方法的步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的飞机着陆排队优化方法的步骤。