[发明专利]基于DBSCAN-GA的机场保障车辆任务调度方法

说明书

本发明属于民航业地面保障数据挖掘技术领域，具体涉及一种基于DBSCAN‑GA的机场保障车辆任务调度方法，通过DBSCAN聚类算法对历史数据进行分析，将数据分为若干个簇，并分别统计各个簇中的员工信息以及机位信息；通过遗传算法对要派工的新数据进行派工，派工时根据每个簇中的机位信息是否包含当前要分配任务的机位，当该簇存在该机位的历史任务时，则将该簇中的员工作为此任务的备选分配对象；该方法通过对海量的历史数据进行大数据分析，优化员工的调度，提高了保障任务的效率，解放了机场派工调度的人力资源，降低了机场成本；同时解决了手动调度派工操作存在的错误情况，进一步提高了机场保障车辆调度的准确性。

技术领域

本发明属于民航业地面保障数据挖掘技术领域，具体涉及一种基于DBSCAN-GA的机场保障车辆任务调度方法。

背景技术

近年来，随着我国经济的高速发展，我国民航业也发生了令人瞩目的成绩，各项指标都保持着较高速度的增长，伴随着我国机场吞吐量的不断增加，航运流量的持续增高，给机场的运营以及航空服务质量的提升带来了巨大的挑战。评价航空服务质量的指标主要包括航班正点率、航班客座率、耗油率等，在这些指标中航班正点率在航空服务质量的评价中显得尤为重要。目前，航班延误是国内外大型机场普遍存在的一个问题，引起航班延误的主要因素包括：机场地面服务保障调度失误、天气因素、航空公司管理失误等，机场方面导致延误的主要因素是天气因素以及机场地面服务保障调度。

机场内部的组织结构较为复杂，保障任务繁多，根据保障职责的不同，需要调度不同车辆进行保障，如何更好的完成车辆的调度问题，成为了机场地面服务保障的关键因素。传统的任务调度派工主要是根据机场管理人员的经验进行调度，存在效率低下，步骤繁琐，管理成本高的问题，目前机场亟需一种高效的保障车辆任务调度方法，以配合日益繁重的机场保障工作。

发明内容

本发明的目的在于解决现有技术中存在的上述问题，提出了一种基于DBSCAN-GA的机场保障车辆任务调度方法，是基于机器学习与启发式算法相结合的调度方法，通过对历史数据的聚类分析，可以根据簇中的员工、机位进行区域优化派工，从而实现按区域派工的准则，优化员工的调度，提高调度效率。

本发明的技术方案是：

基于DBSCAN-GA的机场保障车辆任务调度方法，通过DBSCAN聚类算法对历史数据进行分析，将数据分为若干个簇，并分别统计各个簇中的员工信息以及机位信息；通过遗传算法对要派工的新数据进行派工，派工时根据每个簇中的机位信息是否包含当前要分配任务的机位，当该簇存在该机位的历史任务时，则将该簇中的员工作为此任务的备选分配对象；

所述方法具体步骤如下：

步骤一：对机场保障车辆任务调度的历史数据进行预处理和特征工程，清除掉历史数据中丢失数据较多的部分，对不重要的特征进行删除，对数据做向量化处理；历史数据包括人员信息、服务航班信息、机位、任务时长等数据，人员信息包括人员的部门、资质、工龄等信息；

步骤二：利用DBSCAN对历史数据进行聚类分析，通过自动调节计算出合适的参数(ε，MinPts)，以此作为DBSCAN的参数，将数据分为若干个簇；

步骤三：分别统计各个簇中存在的员工以及机位，生成每个簇员工列表以及机位列表；

步骤四：根据机场规则，将文本规则转化成程序能够认知的数字规则，将待派工的人员数据以及任务数据，根据机场规则进行匹配；

步骤五：根据员工信息生成初始遗传算法个体基因以及群体，生成任务列表，基因列表中的数据代表任务列表的下标，设置变异概率、迭代数；此处的员工信息选择当天到岗的人员数量进行处理。

步骤六：根据保障车辆任务调度派工的目标设计遗传算法适应度函数；根据不同项目的需求不同，比如机场侧重于总行驶距离最短，或机场侧重于每个员工的工时利用率最大，相应的其适应度函数不同。