一种航空器场面联合调度方法、装置、设备及存储介质

1.本发明涉及一种航空器场面联合调度方法、装置、设备及存储介质，属于航空器场面运行规划技术领域。


背景技术：

2.随着信息技术和计算机技术的发展，多个航空运输大国和民用航空组织均对民航运输的规划与管理提出了数字化、智能化、一体化的未来发展要求，针对这一发展趋势，探究航空器场面运行的调度优化，能够有效提升航空运输的高效性、安全性、经济性和环保性，实现旅客、机场、航空公司、空管人员等各方利益的最大化。
3.目前，针对航空器场面优化的研究，多是将整体划分为多个子问题的集合，如跑道调度问题、停机位分配问题和滑行调度问题等，忽略了子问题之间的联系。同时，研究者们为了探索优化方法、验证优化策略和简化计算过程，均设定了众多假设条件，与实际运行情况相差甚远。近几年有学者开展场面多资源的调度优化，考虑了多个过程的相互影响，更加贴近实际运行，其仿真实验能更真实地反映实际运行态势。但是由于场面资源众多，这些研究仍不可避免地忽略了部分要素，如滑行速度、滑行推力以及其他过程对场面运行的影响。另外，在关注航空排放时仅仅通过监测或计算各种尾气的排放量来衡量航空排放的环境影响。
4.因此，现有成果的不足体现在：缺少能够实现航空器场面多资源、多阶段运行的联合调度优化模型，对影响航空器场面运行的要素考虑得不够充分，对航空排放的环境影响评价方式比较单一。


技术实现要素：

5.本发明的目的在于克服现有技术中的不足，提供一种航空器场面联合调度方法、装置、设备及存储介质，本发明能够解决现有场面运行优化中缺少多资源、多阶段运行的联合调度方法、缺乏对运行要素的考虑以及对环境影响评价方式单一的问题。为达到上述目的，本发明是采用下述技术方案实现的：
6.第一方面，本发明提供了一种航空器场面联合调度方法，包括：
7.获取航班运行计划和航班运行数据，进行航班对匹配；
8.将航班对输入预设的双层优化模型，求解得到多组双层优化解集；其中，所述预设的双层优化模型以停机位分配优化为上层模型，以滑行调度优化和推出延迟优化为下层模型；
9.将多组双层优化解集输入预设的速度控制模型，以最小化滑行时间和最小化环境影响为优化目标，求解得到环境影响最小时停机位分配、滑行调度、推出延迟控制和滑行速度方案，即为最优的航空器场面运行调度方案。
10.结合第一方面，进一步地，所述航班对匹配，包括：
11.前序航班和后序航班的航空器注册号相同，前序航班的着陆机场应与后序航班的
起飞机场相同，前序航班和后序航班的航空公司相同，后序航班的起飞时间应在前序航班落地后，至少增加一个标准的过站时间。
12.结合第一方面，进一步地，所述上层模型，通过下式表示：
[0013][0014][0015]
式(1)中，match为所有航班对与停机位匹配度，p为航班对集合，p为航班对序号，j为停机位序号，表示是否将航班对p分配给停机位j，表示将航班对p分配给停机位j，表示未将航班对p分配给停机位j，表示航班对p是否选择了与自身机型相匹配的停机位，表示航班对p是否选择了与自身航空公司相匹配的停机位，表示航班对p是否选择了近机位；
[0016]
式(2)中，td为将所有航空器实际结束滑行时刻与规划结束滑行时刻之差，i为航空器序号，a为航空器集合，t
real
_
end
为航空器i实际结束滑行时刻，
[0017]
i t
ischedule
_
end
为航空器i规划结束滑行时刻；
[0018]
式(1)、(2)中，停机位分配优化的决策变量为每个航班对的停机位分配方案。
[0019]
结合第一方面，进一步地，所述下层模型，通过下式表示：
[0020][0021][0022]
式(3)中，tt为所有航空器滑行时间，为航空器i滑行时间窗中最后一个节点的时刻，t
ischedule
_
start
为航空器i的规划开始滑行时刻；式(3)中，滑行调度优化的决策变量为航空器滑行节点；
[0023]
式(4)中，tc为所有航空器的冲突次数，conflicti为航空器i的冲突次数；式(4)中，推出延迟优化的决策变量为离场航空器推出开车后开始滑行时刻。
[0024]
结合第一方面，进一步地，航空器的冲突次数通过冲突探测与解脱步骤获取，所述冲突探测与解脱步骤包括：
[0025]
步骤a：为离场航空器生成推出延迟时间并按开始滑行时刻排序；
[0026]
步骤b：使用dijkstra算法为航空器生成3条备选路径，计算3条备选路径上的转弯次数和到达每个节点的时刻，若离场航空器没有前序航空器，则进入步骤f；若存在则进入步骤c；
[0027]
步骤c：按滑行时间和转弯次数从小到大将3条备选路径排序，判断该航空器是否与前序航空器有相同的路径节点，若3条备选路径都有相同节点，则进入步骤d；若存在备选路径与前序航空器没有相同节点，则进入步骤f；
[0028]
步骤d：计算前序航空器和该航空器在相同节点处的到达时刻，若航空器在相同节点的不可用时间段内到达，则进入步骤e，否则进入步骤f；
[0029]
步骤e：对航空器采取两种策略，一是假设其停止等待，直至相同节点可用；二是将
相同节点设为不可用，重新规划1条最短的可用路径；比较两种策略的滑行时间和转弯次数；
[0030]
步骤f：确定总滑行时间最短的路径为该航空器的最优路径，若滑行时间相同，则以转弯次数最少的路径为最优路径，保存该路径。
[0031]
结合第一方面，进一步地，所述求解得到多组双层优化解集，包括：
[0032]
将网络邻接矩阵、航空器各项参数输入所述预设的双层优化模型；
[0033]
初始化求解算法的初始参数，生成上层模型中停机位分配优化的初始解，将上层模型结果传递到下层，生成推出延迟优化的初始解，使用dijkstra算法为航空器规划路径并进行冲突探测解脱，计算航空器的滑行时间窗；
[0034]
对下层模型的初始解进行遗传进化操作产生新解，迭代求得下层优化帕累托解，以所有航空器滑行时间最少为目标，得到在当前上层模型求解结果下的下层模型的最优解；
[0035]
将下层模型得到的最优所有航空器滑行时间窗反馈到上层模型，进行上层模型中停机位分配优化计算，对上层模型中的初始解进行遗传进化操作产生新解，直到上层迭代达到最大迭代次数，以所有航班对与停机位匹配度最大为主要目标，得到多组停机位分配、滑行调度和推出延迟控制方案，即为多组双层优化解集。
[0036]
结合第一方面，进一步地，所述预设的速度控制模型，通过下式表示：
[0037][0038][0039]
式(5)中，tt为所有航空器滑行时间，i为航空器序号，a为航空器集合，s为航空器i路径上的直线段序号，s为航空器i路径上的直线段集合，路径上的直线段序号，s为航空器i路径上的直线段集合，分别为将航空器i路径上的直线段s划分为加速、均速和减速三阶段后各阶段的滑行时间；w为航空器i路径上的转弯段序号，w为航空器i路径上的转弯段集合，为将航空器i在转弯段w上的滑行时间；
[0040]
式(6)中，ti为航空器排放的总环境影响，f为环境影响指标序号，k为航空尾气序号，为航空器i的k类尾气排放量，为k类尾气是否对f类环境指标产生影响，为k类尾气对f类环境指标产生影响，为k类尾气未对f类环境指标产生影响，为k类尾气对f类环境指标的特征化因子，nf为f类环境指标的标准化因子，wf为f类环境指标的权重；
[0041]
式(5)、(6)中，速度控制模型的决策变量为加速度和最大滑行速度。
[0042]
第二方面，本发明提供了一种航空器场面联合调度装置，包括：
[0043]
获取模块：用于获取航班运行计划和航班运行数据，进行航班对匹配；
[0044]
第一优化模块：用于将航班对输入预设的双层优化模型，求解得到多组双层优化解集；其中，所述预设的双层优化模型以停机位分配优化为上层模型，以滑行调度优化和推出延迟优化为下层模型；
[0045]
第二优化模块：用于将多组双层优化解集输入预设的速度控制模型，以最小化滑行时间和最小化环境影响为优化目标，求解得到环境影响最小时停机位分配、滑行调度、推出延迟控制和滑行速度方案，即为最优的航空器场面运行调度方案。
[0046]
第三方面，本发明提供了一种电子设备，包括：
[0047]
存储器，以及与所述存储器通信连接的一个或多个处理器；
[0048]
所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行，以使所述一个或多个处理器实现如第一方面所述的方法。
[0049]
第四方面，本发明提供了一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法。
[0050]
与现有技术相比，本发明实施例所提供的一种航空器场面联合调度方法、装置、设备及存储介质所达到的有益效果包括：
[0051]
本发明获取航班运行计划和航班运行数据，进行航班对匹配；将航班对输入预设的双层优化模型，求解得到多组双层优化解集；其中，所述预设的双层优化模型以停机位分配优化为上层模型，以滑行调度优化和推出延迟优化为下层模型；本发明将双层规划思想引入航空器场面运行规划中，针对停机位分配、滑行调度和推出延迟控制问题预设双层优化模型，解决了现有场面运行优化中缺少多资源、多阶段运行的联合调度优化模型的问题，体现出更强的实用性；
[0052]
本发明将多组双层优化解集输入预设的速度控制模型，以最小化滑行时间和最小化环境影响为优化目标，求解得到环境影响最小时停机位分配、滑行调度、推出延迟控制和滑行速度方案，即为最优的航空器场面运行调度方案；本发明综合考虑场面运行过程中速度、推力变化对场面运行态势的影响，解决现有技术中对航空排放的环境影响评价方式比较单一的问题，为实际应用中的航空器场面运行联合调度优化提供更科学、更有效的工具。
附图说明
[0053]
图1是本发明实施例1提供的一种航空器场面联合调度方法的流程图。
具体实施方式
[0054]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0055]
实施例一：
[0056]
本实施例提供一种航空器场面联合调度方法，包括：
[0057]
获取航班运行计划和航班运行数据，进行航班对匹配；
[0058]
将航班对输入预设的双层优化模型，求解得到多组双层优化解集；其中，所述预设的双层优化模型以停机位分配优化为上层模型，以滑行调度优化和推出延迟优化为下层模型；
[0059]
将多组双层优化解集输入预设的速度控制模型，以最小化滑行时间和最小化环境影响为优化目标，求解得到环境影响最小时停机位分配、滑行调度、推出延迟控制和滑行速度方案，即为最优的航空器场面运行调度方案。
[0060]
具体步骤如下：
[0061]
步骤1：获取航班运行计划和航班运行数据，进行航班对匹配。
[0062]
步骤1.1：获取航班运行计划。
[0063]
步骤1.2：获取航班运行数据。
[0064]
航班运行数据包括航班号、起降机场、停机位和跑道、实际和预计的落地/起飞/挡轮挡/撤轮挡时间、航空器机型、航空器注册号和航空公司等重要字段。
[0065]
步骤1.3：数据预处理。
[0066]
对获取到的数据进行预处理，清洗缺失字段过多的数据，补充或修改具有明显异常的数据。
[0067]
步骤1.4：航班对匹配。
[0068]
按照如下原则进行航班对匹配：
[0069]
①
前序航班和后序航班的航空器注册号应相同，
[0070]
②
前序航班的着陆机场应与后序航班的起飞机场相同，
[0071]
③
前序航班和后序航班的航空公司相同，
[0072]
④
后序航班的起飞时间应在前序航班落地后，至少增加一个标准的过站时间。
[0073]
步骤2：将航班对输入预设的双层优化模型，求解得到多组双层优化解集。
[0074]
步骤2.1：设计停机位分配优化策略。
[0075]
根据机场航空资料汇编的信息，设置各停机位所属的停机坪和远/近机位信息，并通过其对于航空器的翼展限制划分其等级。根据实际停机位使用记录统计分析得到各停机坪的航空公司所属信息，综合以上信息建立航空器和停机位的匹配度计算方法，停机位分配优化的优化目标为最大化航班对与停机位匹配度和最大化实际结束滑行时刻与规划结束滑行时刻之差。
[0076]
航班对与停机位匹配度通过以下公式计算：
[0077][0078]
式(1)中，match为所有航班对与停机位匹配度，p为航班对集合，p为航班对序号，j为停机位序号，表示是否将航班对p分配给停机位j，表示将航班对p分配给停机位j，表示未将航班对p分配给停机位j，表示航班对p是否选择了与自身机型相匹配的停机位，表示航班对p是否选择了与自身航空公司相匹配的停机位，表示航班对p是否选择了近机位。
[0079]
实际结束滑行时刻与规划结束滑行时刻之差通过以下公式计算：
[0080][0081]
式(2)中，td为将所有航空器实际结束滑行时刻与规划结束滑行时刻之差，i为航空器序号，a为航空器集合，为航空器i实际结束滑行时刻，t
ischedule_end
为航空器i规划结束滑行时刻。
[0082]
基于遗传算法的迭代思想为停机位分配优化设计启发式优化算法，决策变量为每个航班对的停机位分配方案。
[0083]
步骤2.2：设计滑行调度优化策略。
[0084]
根据机场飞行区平面图将机场场面抽象为点-线二维网络，测量重要节点(转弯点、脱离点、等待点、停机坪出/入点灯)之间的距离。
[0085]
滑行调度优化方法为dijkstra算法，优化目标为最小化滑行时间和转弯次数，决
策变量为航空器滑行节点。
[0086]
滑行时间通过以下公式计算：
[0087][0088]
式(3)中，tt为所有航空器滑行时间，为航空器i滑行时间窗中最后一个节点的时刻，t
ischedule_start
为航空器i的规划开始滑行时刻。
[0089]
滑行调度优化的决策变量为航空器滑行节点。
[0090]
步骤2.3：设计推出延迟优化策略。
[0091]
基于遗传算法的迭代思想为推出延迟控制优化设计启发式优化算法，优化目标为最小化滑行时间和最少预计冲突次数，决策变量为离场航空器推出开车后开始滑行时刻。
[0092]
航空器的冲突次数通过以下公式计算：
[0093][0094]
式(4)中，tc为所有航空器的冲突次数，conflicti为航空器i的冲突次数。
[0095]
推出延迟优化的决策变量为离场航空器推出开车后开始滑行时刻。
[0096]
其中，航空器的冲突次数通过冲突探测与解脱步骤获取，冲突探测与解脱步骤包括：
[0097]
步骤a：为离场航空器生成推出延迟时间并按开始滑行时刻排序；
[0098]
步骤b：使用dijkstra算法为航空器生成3条备选路径，计算3条备选路径上的转弯次数和到达每个节点的时刻，若离场航空器没有前序航空器，则进入步骤f；若存在则进入步骤c；
[0099]
步骤c：按滑行时间和转弯次数从小到大将3条备选路径排序，判断该航空器是否与前序航空器有相同的路径节点，若3条备选路径都有相同节点，则进入步骤d；若存在备选路径与前序航空器没有相同节点，则进入步骤f；
[0100]
步骤d：计算前序航空器和该航空器在相同节点处的到达时刻，若航空器在相同节点的不可用时间段内到达，则进入步骤e，否则进入步骤f；
[0101]
步骤e：对航空器采取两种策略，一是假设其停止等待，直至相同节点可用；二是将相同节点设为不可用，重新规划1条最短的可用路径；比较两种策略的滑行时间和转弯次数；
[0102]
步骤f：确定总滑行时间最短的路径为该航空器的最优路径，若滑行时间相同，则以转弯次数最少的路径为最优路径，保存该路径。
[0103]
步骤2.4：预设的双层优化模型，以停机位分配优化为上层模型，以滑行调度优化和推出延迟优化为下层模型。
[0104]
上层模型，通过下式表示：
[0105][0106][0107]
下层模型，通过下式表示：
[0108][0109][0110]
步骤2.5：求解双层优化模型。
[0111]
将网络邻接矩阵、航空器各项参数输入所述预设的双层优化模型。
[0112]
初始化求解算法的初始参数，生成上层模型中停机位分配优化的初始解，将上层模型结果传递到下层，生成推出延迟优化的初始解，使用dijkstra算法为航空器规划路径并进行冲突探测解脱，计算航空器的滑行时间窗。
[0113]
对下层模型的初始解进行遗传进化操作产生新解，迭代求得下层优化帕累托解，以所有航空器滑行时间最少为目标，得到在当前上层模型求解结果下的下层模型的最优解。
[0114]
将下层模型得到的最优所有航空器滑行时间窗反馈到上层模型，进行上层模型中停机位分配优化计算，对上层模型中的初始解进行遗传进化操作产生新解，直到上层迭代达到最大迭代次数，以所有航班对与停机位匹配度最大为主要目标，得到多组停机位分配、滑行调度和推出延迟控制方案，即为多组双层优化解集。
[0115]
步骤3：将多组双层优化解集输入预设的速度控制模型，以最小化滑行时间和最小化环境影响为优化目标，求解得到环境影响最小时停机位分配、滑行调度、推出延迟控制和滑行速度方案，即为最优的航空器场面运行调度方案。
[0116]
步骤3.1：设计离散的速度剖面，把滑行路段划分为直线段和转弯段，将所有直线段离散为三个过程，即加速、匀速和减速阶段，各阶段滑行时间。滑行时间的计算方法为：
[0117][0118]
式(9)中，tt为所有航空器滑行时间，i为航空器序号，a为航空器集合，s为航空器i路径上的直线段序号，s为航空器i路径上的直线段集合，路径上的直线段序号，s为航空器i路径上的直线段集合，分别为将航空器i路径上的直线段s划分为加速、均速和减速三阶段后各阶段的滑行时间；w为航空器i路径上的转弯段序号，w为航空器i路径上的转弯段集合，为将航空器i在转弯段w上的滑行时间。
[0119]
步骤3.2：引入lca评价体系评估航空排放的环境影响，航空排放环境影响是通过lca评价体系计算的，计算方法为：
[0120][0121]
式(10)中，ti为航空器排放的总环境影响，f为环境影响指标序号，k为航空尾气序号，为航空器i的k类尾气排放量，为k类尾气是否对f类环境指标产生影响，为k类尾气对f类环境指标产生影响，为k类尾气未对f类环境指标产生影响，为k类尾气对f类环境指标的特征化因子，nf为f类环境指标的标准化因子，wf为f类环境指标的权重。
[0122]
步骤3.3：以最小化滑行时间和最小化环境影响为优化目标，加速度和最大滑行速度为决策变量，设计双目标优化求解算法，构建预设的速度控制模型。通过算法求解，得到最优的速度控制方案。
[0123]
预设的速度控制模型，通过下式表示：
[0124][0125][0126]
将多组双层优化解集按等距离取5个值，将5个值分别输入预设的速度控制模型进行优化计算。从5个值中求解得到环境影响最小时停机位分配、滑行调度、推出延迟控制和滑行速度方案作为最优的场面运行调度方案。
[0127]
本实施例将双层规划思想引入航空器场面运行规划中，针对停机位分配、滑行调度和推出延迟控制问题预设双层优化模型，解决了现有场面运行优化中缺少多资源、多阶段运行的联合调度优化模型的问题，体现出更强的实用性。
[0128]
本实施例综合考虑场面运行过程中速度、推力变化对场面运行态势的影响，解决现有技术中对航空排放的环境影响评价方式比较单一的问题，为实际应用中的航空器场面运行联合调度优化提供更科学、更有效的工具。
[0129]
实施例二：
[0130]
本实施例采用实施例1所述的方法在具体场景中进行测试。
[0131]
本实施例中，以上海浦东机场以及浦东机场2019年1月1日至2019年6月30日的历史运行数据为基础进行实例验证。
[0132]
将机场场面结构数字化、统计分析航班运行数据、设置停机位属性并代入优化模型。以一小时76架次为典型航班量进行仿真运行，生成优化后的航班推出时间方案、滑行路径方案和停机位分配方案。根据优化后的方案计算停机位匹配度、滑行时间、冲突次数、燃油消耗和尾气排放等指标，并与根据历史数据计算的实际运行指标作对比。
[0133]
结果显示，优化后的预计滑行冲突次数从一小时5次减少为2次，平均进场滑行时间减少2分钟，平均离场滑行时间减少3分钟，靠桥率由57％提升至97％，燃油消耗减少20.49％，二氧化碳排放量减少20.49％，一氧化碳排放量减少21.59％，碳氢化合物排放量减少21.95％，氮氧化物排放量减少20.34％。
[0134]
从结果中能够看出，通过实施例一提供的航空器场面联合调度方法能够在同时实现停机位、滑行道和推出时间调度方案的同时，减少预计冲突，提升场面运行的效率，助理绿色航空的实现，具有一定的实际意义。
[0135]
实施例三：
[0136]
本发明实施例提供提供了一种航空器场面联合调度装置，包括：
[0137]
获取模块：用于获取航班运行计划和航班运行数据，进行航班对匹配；
[0138]
第一优化模块：用于将航班对输入预设的双层优化模型，求解得到多组双层优化解集；其中，所述预设的双层优化模型以停机位分配优化为上层模型，以滑行调度优化和推出延迟优化为下层模型；
[0139]
第二优化模块：用于将多组双层优化解集输入预设的速度控制模型，以最小化滑行时间和最小化环境影响为优化目标，求解得到环境影响最小时停机位分配、滑行调度、推出延迟控制和滑行速度方案，即为最优的航空器场面运行调度方案。
[0140]
实施例四：
[0141]
本发明实施例提供一种电子设备，包括：
[0142]
存储器，以及与所述存储器通信连接的一个或多个处理器；
[0143]
所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行，以使所述一个或多个处理器实现如实施例一所述的方法。
[0144]
实施例五：
[0145]
本发明实施例还提供一种计算机可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现实施例一所述的方法。
[0146]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0147]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0148]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0149]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0150]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

技术特征：
1.一种航空器场面联合调度方法，其特征在于，包括：获取航班运行计划和航班运行数据，进行航班对匹配；将航班对输入预设的双层优化模型，求解得到多组双层优化解集；其中，所述预设的双层优化模型以停机位分配优化为上层模型，以滑行调度优化和推出延迟优化为下层模型；将多组双层优化解集输入预设的速度控制模型，以最小化滑行时间和最小化环境影响为优化目标，求解得到环境影响最小时停机位分配、滑行调度、推出延迟控制和滑行速度方案，即为最优的航空器场面运行调度方案。2.根据权利要求1所述的航空器场面联合调度方法，其特征在于，所述航班对匹配，包括：前序航班和后序航班的航空器注册号相同，前序航班的着陆机场应与后序航班的起飞机场相同，前序航班和后序航班的航空公司相同，后序航班的起飞时间应在前序航班落地后，至少增加一个标准的过站时间。3.根据权利要求1所述的航空器场面联合调度方法，其特征在于，所述上层模型，通过下式表示：下式表示：式(1)中，match为所有航班对与停机位匹配度，p为航班对集合，p为航班对序号，j为停机位序号，表示是否将航班对p分配给停机位j，表示将航班对p分配给停机位j，表示未将航班对p分配给停机位j，表示航班对p是否选择了与自身机型相匹配的停机位，表示航班对p是否选择了与自身航空公司相匹配的停机位，表示航班对p是否选择了近机位；式(2)中，td为将所有航空器实际结束滑行时刻与规划结束滑行时刻之差，i为航空器序号，a为航空器集合，t
ireal_end
为航空器i实际结束滑行时刻，t
ischedule_end
为航空器i规划结束滑行时刻；式(1)、(2)中，停机位分配优化的决策变量为每个航班对的停机位分配方案。4.根据权利要求3所述的航空器场面联合调度方法，其特征在于，所述下层模型，通过下式表示：下式表示：式(3)中，tt为所有航空器滑行时间，为航空器i滑行时间窗中最后一个节点的时刻，t
ischedule_start
为航空器i的规划开始滑行时刻；式(3)中，滑行调度优化的决策变量为航空器滑行节点；式(4)中，tc为所有航空器的冲突次数，conflict
i
为航空器i的冲突次数；式(4)中，推出延迟优化的决策变量为离场航空器推出开车后开始滑行时刻。
5.根据权利要求4所述的航空器场面联合调度方法，其特征在于，航空器的冲突次数通过冲突探测与解脱步骤获取，所述冲突探测与解脱步骤包括：步骤a：为离场航空器生成推出延迟时间并按开始滑行时刻排序；步骤b：使用dijkstra算法为航空器生成3条备选路径，计算3条备选路径上的转弯次数和到达每个节点的时刻，若离场航空器没有前序航空器，则进入步骤f；若存在则进入步骤c；步骤c：按滑行时间和转弯次数从小到大将3条备选路径排序，判断该航空器是否与前序航空器有相同的路径节点，若3条备选路径都有相同节点，则进入步骤d；若存在备选路径与前序航空器没有相同节点，则进入步骤f；步骤d：计算前序航空器和该航空器在相同节点处的到达时刻，若航空器在相同节点的不可用时间段内到达，则进入步骤e，否则进入步骤f；步骤e：对航空器采取两种策略，一是假设其停止等待，直至相同节点可用；二是将相同节点设为不可用，重新规划1条最短的可用路径；比较两种策略的滑行时间和转弯次数；步骤f：确定总滑行时间最短的路径为该航空器的最优路径，若滑行时间相同，则以转弯次数最少的路径为最优路径，保存该路径。6.根据权利要求4所述的航空器场面联合调度方法，其特征在于，所述求解得到多组双层优化解集，包括：将网络邻接矩阵、航空器各项参数输入所述预设的双层优化模型；初始化求解算法的初始参数，生成上层模型中停机位分配优化的初始解，将上层模型结果传递到下层，生成推出延迟优化的初始解，使用dijkstra算法为航空器规划路径并进行冲突探测解脱，计算航空器的滑行时间窗；对下层模型的初始解进行遗传进化操作产生新解，迭代求得下层优化帕累托解，以所有航空器滑行时间最少为目标，得到在当前上层模型求解结果下的下层模型的最优解；将下层模型得到的最优所有航空器滑行时间窗反馈到上层模型，进行上层模型中停机位分配优化计算，对上层模型中的初始解进行遗传进化操作产生新解，直到上层迭代达到最大迭代次数，以所有航班对与停机位匹配度最大为主要目标，得到多组停机位分配、滑行调度和推出延迟控制方案，即为多组双层优化解集。7.根据权利要求1所述的航空器场面联合调度方法，其特征在于，所述预设的速度控制模型，通过下式表示：模型，通过下式表示：式(5)中，tt为所有航空器滑行时间，i为航空器序号，a为航空器集合，s为航空器i路径上的直线段序号，s为航空器i路径上的直线段集合，上的直线段序号，s为航空器i路径上的直线段集合，分别为将航空器i路径上的直线段s划分为加速、均速和减速三阶段后各阶段的滑行时间；w为航空器i路径上的转弯段序号，w为航空器i路径上的转弯段集合，为将航空器i在转弯段w上的滑行时间；式(6)中，ti为航空器排放的总环境影响，f为环境影响指标序号，k为航空尾气序号，
为航空器i的k类尾气排放量，为k类尾气是否对f类环境指标产生影响，为k类尾气对f类环境指标产生影响，为k类尾气未对f类环境指标产生影响，为k类尾气对f类环境指标的特征化因子，n
f
为f类环境指标的标准化因子，w
f
为f类环境指标的权重；式(5)、(6)中，速度控制模型的决策变量为加速度和最大滑行速度。8.一种航空器场面联合调度装置，其特征在于，包括：获取模块：用于获取航班运行计划和航班运行数据，进行航班对匹配；第一优化模块：用于将航班对输入预设的双层优化模型，求解得到多组双层优化解集；其中，所述预设的双层优化模型以停机位分配优化为上层模型，以滑行调度优化和推出延迟优化为下层模型；第二优化模块：用于将多组双层优化解集输入预设的速度控制模型，以最小化滑行时间和最小化环境影响为优化目标，求解得到环境影响最小时停机位分配、滑行调度、推出延迟控制和滑行速度方案，即为最优的航空器场面运行调度方案。9.一种电子设备，其特征在于，包括：存储器，以及与所述存储器通信连接的一个或多个处理器；所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行，以使所述一个或多个处理器实现如权利要求1至7中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。

技术总结
本发明公开了一种航空器场面联合调度方法、装置、设备及存储介质，所述方法包括：获取航班运行计划和航班运行数据，进行航班对匹配；将航班对输入预设的双层优化模型，求解得到多组双层优化解集；其中，所述预设的双层优化模型以停机位分配优化为上层模型，以滑行调度优化和推出延迟优化为下层模型；将多组双层优化解集输入预设的速度控制模型，以最小化滑行时间和最小化环境影响为优化目标，求解得到环境影响最小时停机位分配、滑行调度、推出延迟控制和滑行速度方案，即为最优的航空器场面运行调度方案。本发明能够解决现有场面运行优化中缺少多资源、多阶段运行的联合调度方法、缺乏对运行要素的考虑以及对环境影响评价方式单一的问题。式单一的问题。式单一的问题。


技术研发人员：万莉莉 叶文婧 孙若飞 田勇 单展鹏 吕洋洋
受保护的技术使用者：南京航空航天大学
技术研发日：2023.02.15
技术公布日：2023/5/26