基于Danzig-Wolfe算法的不正常航班旅客流恢复问题

合集下载

【国家自然科学基金】_不正常航班_基金支持热词逐年推荐_【万方软件创新助手】_20140802

【国家自然科学基金】_不正常航班_基金支持热词逐年推荐_【万方软件创新助手】_20140802
2010年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14
2010年 科研热词 不正常航班 grasp 飞机恢复 领域解 贪婪随机模拟退火算法 禁忌搜索算法 流平衡约束 模拟退火算法 机组恢复 时空网络 多商品网络流 列生成法 不正常航班恢复 ilog 推荐指数 3 2 1 1 1 1 1 1 1 1 1 1 1 1
科研热词 遗传算法 不正常航班 飞机计划恢复 贪婪模拟退火 计划恢复 航空运输 航班波 航班排序 航班 自然约束语言 混合集合规划 染色体编码 时隙分配 数学模型 启发式算法 协同决策 匈牙利算法 交通流量管理 rhc策略
推荐指数 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12
科研热词 不正常航班 航空运输 航班波 航班恢复 模拟退火算法 机组重调度 时隙分配 旅客流恢复 参数启发式算法 协同决策 优化建模 ilog solver
推荐指数 2 1 1 1 1 1 1 1 1 1 1 1
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
2013年 科研热词 航班波 启发式算法 协同决策 航空扰动管理 航班指派 航班取消 消息传递接口(mpi) 时隙缺乏 时隙二次指派 旅客流恢复 整数规划 字典序 多商品流模型 分布式计算 不正常调度 不正常航班 openmp danzig-wolfe分解算法 推荐指数 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

飞机结冰神经网识别

飞机结冰神经网识别

飞机结冰神经网识别
钟长生
【期刊名称】《中国民航飞行学院学报》
【年(卷),期】2004(015)005
【摘要】概述飞机结冰神经网构建思路、参量识别方法、新近发展的传感器综合神经网系统及识别系统仿真结果.
【总页数】4页(P25-28)
【作者】钟长生
【作者单位】中国民航飞行学院
【正文语种】中文
【中图分类】V21
【相关文献】
1.基于支持向量机的飞机空中结冰严重程度识别 [J], 邹杰;葛俊锋;叶林;郑英;张洪
2.飞机结冰时不变参数识别技术 [J], 应思斌;葛彤;艾剑良
3.基于特征提取的飞机结冰严重程度识别 [J], 郑定富;周灿;叶林;葛俊锋;邹建红;黄昌尧
4.基于深度神经网络的飞机结冰冰形预测模型 [J], 易贤;王强;柴聪聪;郭磊
5.基于改进卷积神经网络的飞机桁架焊缝缺陷识别与测试 [J], 刘霞;金忠庆
因版权原因,仅展示原文概要,查看原文内容请购买。

随机扰动下的飞机路径恢复问题研究

随机扰动下的飞机路径恢复问题研究
周靖 为 , 杨 文 东, 何 洋
( 南京航 空航 天大 学 民航 学 院 , 江 苏 南京 2 1 1 1 0 6 )
摘 要: 针对 引起航班 不正 常的代表性原发 因素之 一—— 机械故 障进行 分析 , 基 于大量数据 构建 以最 小化延误 恢
复总成本 为 目标函数 , 以飞机 、 航 班和机场的 时空衔接 、 流平衡等 为约束 条件 , 建立 了航 班 时刻与 飞机路 径共 同恢 复 的约束规 划模 型。针 对恢复问题的特点和模型结构 , 利 用基 于 B e n d e m 分解 算法进行 了实例验 证 。计 算结果表 明, 提 出的飞机路径恢复模型在 考虑将 飞机故 障恢复时间作为随机 因素的情况下 , 具有 良好的 实用性与有效性 。
关键词 : 随机扰动 ; 飞机路径 恢复 ; 不 正常航班 ; 机会约束 中图分类号 : V 3 5 5 ; F 5 6 2 文献标识码 : A 文章 编号 : 1 6 7 1 . 6 5 4 X ( 2 0 1 7 ) 0 6 . 0 0 6 9 . 0 6
St ud y o n Ai r c r a f t Pa t h Re c o v e r y un de r S t o c ha s t i c Di s t ur b i n g
Ab s t r a c t : An a n a l y s i s o f t h e Me c h a n i c a l f a i l u r e, a s o n e o f t h e r e p r e s e n t a t i v e p r i ma r y f a c t o r s t h a t c a u s e t h e l f i g h t t o b e a b n o r ma l i s a n ly a s e d i n t h i s p a p e r . T h e c o n s t r a i n t p l a n n i n g mo d e l o f l f i g h t t i me a n d a i r c r a f t

【研究生数模竞赛优秀论文】航班恢复问题_CK0723

【研究生数模竞赛优秀论文】航班恢复问题_CK0723
六、问题 4:考虑联程旅客的多机型航班恢复问题 ..............................................48 (一)基本假设 ......................................................................................................48 (二)相关定义 ......................................................................................................48 (三)航班恢复模型 .............................................................................................. 48 (四)算例分析 ......................................................................................................49
五、问题 3:考虑商务约束的多机型航班恢复问题 ..............................................38 (一)基本假设 ......................................................................................................38 (二)相关定义 ......................................................................................................38 (三)航班恢复模型 .............................................................................................. 38 (四)算例分析 ......................................................................................................39

Frank-Wolfe算法求解交通分配问题:比较不同流量更新策略和线搜索技术

Frank-Wolfe算法求解交通分配问题:比较不同流量更新策略和线搜索技术

Frank-Wolfe算法求解交通分配问题:比较不同流量更新策略和线搜索技术徐猛;屈云超;高自友【期刊名称】《交通运输系统工程与信息》【年(卷),期】2008(008)003【摘要】Frank-Wolfe(FW)算法是一类广泛应用于求解交通分配问题的算法.它具有容易编程实现,所需内存少的特点.但是该算法收敛速度较慢,不能得到路径信息.为了提高算法的效率,本文研究三种流量更新策略(all-at-once,one-origin-at-a-time,one-OD-at-a-time)以及不同的步长搜索策略下的FW算法,其中步长搜索策略包括精确线性搜索方法(包括二分法、黄金分割法、成功失败法)和不精确的线性搜索方法(包括基于Wolfe-Powell收敛准则的搜索方法和Gao等提出的非单调线性搜索方法).最后,本文将上述策略应用于四种不同规模的交通网络中,并给出较适合求解的组合.【总页数】9页(P14-22)【作者】徐猛;屈云超;高自友【作者单位】北京交通大学交通运输学院系统科学所,北京,100044;北京交通大学交通运输学院系统科学所,北京,100044;北京交通大学轨道交通控制与安全国家重点实验室,北京,100044【正文语种】中文【中图分类】U491【相关文献】1.求解二级线性价格控制问题的Frank-Wolfe算法 [J], 徐裕生;陈诚;史向平2.求解二级线性价格控制问题的Frank-Wolfe算法 [J], 徐裕生;陈诚;史向平3.用于求解路径交通流量的改进Frank-Wolfe算法 [J], 柴获;何瑞春;马昌喜;代存杰4.基于Frank-Wolfe算法的交通分配研究 [J], 郑晏群;张鹍鹏5.一类求解非线性约束优化问题的线搜索渐缩滤子算法 [J], 裴永刚;孔维悦;董兰婷因版权原因,仅展示原文概要,查看原文内容请购买。

考虑旅客满意度的鲁棒性航班恢复模型

考虑旅客满意度的鲁棒性航班恢复模型

考虑旅客满意度的鲁棒性航班恢复模型郝强;樊玮【摘要】不正常航班给航空公司造成了一定损失,但很少有人从旅客的角度考虑由此带来的巨大潜在损失.一旦发生不正常航班,如何在可接受的时间内减少受影响的航班以使航空公司的损失最小是航班恢复问题的难点.针对此问题,建立离散时空网络,设计旅客满意度多级模糊综合评价体系并给出了计算过程,提出总损失最小和鲁棒性最大的双目标航班恢复优化模型.通过求解模型能够得到合适的航班恢复方案,进而验证了所提模型的实用性和有效性.【期刊名称】《现代电子技术》【年(卷),期】2018(041)018【总页数】5页(P135-138,142)【关键词】不正常航班;旅客满意度;鲁棒性;恢复模型;离散时空网络;总损失【作者】郝强;樊玮【作者单位】中国民航大学计算机科学与技术学院,天津 300300;中国民航大学计算机科学与技术学院,天津 300300【正文语种】中文【中图分类】TN926-34;N945由于恶劣天气、机械故障等原因而无法按原计划执的航班称为航班计划扰动或不正常航班[1]。

学术界对航班计划的优化研究分为两类:一类是“事前研究”,即从航班制定的角度出发,通过增加飞机交换机会或航班过站时间,提高航班计划的鲁棒性。

Smith等定义了机场纯度,通过限制其机型数量进而增加飞机交换机会,从而提高航班计划的灵活性[2]。

另一类是“事后研究”,即从航班恢复的角度出发,对受影响的航班重新调整,在一定时间内使航班恢复到正常状态。

Rosenberger等建立了飞机路线恢复模型并用启发式算法求解[3]。

尽管相关研究较多,但仍存在一定的不足。

本文结合我国民航的实际情况,在国内外已有研究成果基础上,同时考虑航班延误、取消、摆渡飞机等航班恢复策略,综合分析机场关闭、旅客满意度偏低带来的潜在损失等影响因素,建立了离散时空网络[4],设计了不正常航班旅客满意度评价指标体系并给出了计算步骤,构建了双目标航班恢复优化模型。

航空公司不正常航班恢复模型及算法研究

航空公司不正常航班恢复模型及算法研究
iii
航空公司不正常航班计划恢复模型及算法研究 3) The crew recovery. Crew is the second important resources in airlines. Even the aircraft route is restored perfectly, if a crew is not in the right place, flights still delay. The problem of crew recovery is to assign appropriate crew to flight duties after that duties have been allocated right aircraft already. This thesis introduce a mathematical model to solve this problem. The objective function is to minimize the crew loss in the disrupted flight schedule recovery, the requistite constraints have been taken into account in the model to describe the crew recovery problem. Ant colony algorithm is developed for solving the model, and a new concept of ant species is proposed to fit the crew type in ant colony algorithm. Computational experiment has shown that the designed algorithm can meet the practical requirements for crew recovery. 4) Integrated flight recovery. Recovery models today solve flight recovery problem in a phased approach. First, the aircraft routing is restored, then crew pairings are restored. Finally affected passengers are reassigned accordingly. Integrated flight recovery has been the focus of a number of studies, yet it has never been solved computationally. Integrated flight recovery is an instance of a large-scale mathematical program. In this thesis, mathematical model is presented to describe the integrated flight recovery problem. Given the large-scale nature, and variables and constraints are complex, it is extremely difficult to solve the model integrating all components in a suitable runtime. By a Benders’ decomposition method, the model is decomposed into one restricted main problem and three sub-problems: schedule recovery, aircraft route recovery, crew recovery, and passenger itinerary recovery. The sub-problems and its dual problem produce feasible cut or optimal cut, and fed the cut back to the main issues, the progressive loops until the main problem get its optimal solution. The detail of algorithm is presented step by step and run it in computer. Cases show that the algorithms can provide a satisfied solution in a suitable runtime. Keywords: Airline, Irregular flight, Schedule recovery, Modeling, Algorithm

不正常航班恢复的一种改进的列生成算法

不正常航班恢复的一种改进的列生成算法

不正常航班恢复的一种改进的列生成算法吴刚;严俊【摘要】分析了由飞机资源短缺造成的航班不正常情况,将该问题视为带有容量约束的多个商品的整数最小费用流问题,建立了多商品网络流数学模型.采用列生成算法框架求解该大规模整数规划问题.一般的列生成算法是每次迭代过程只加入一个列,造成迭代次数过多,因而降低了算法效率低.文中采用每次迭代过程中加入多个列,并对加入的多个列应该满足的条件进行了分析.最后给出的算例验证了该方法的正确性和有效性.【期刊名称】《南京航空航天大学学报》【年(卷),期】2014(046)002【总页数】6页(P329-334)【关键词】不正常航班;多商品网络流;列生成【作者】吴刚;严俊【作者单位】南京航空航天大学民航学院,南京,210016;中国民航科学技术研究院科技处,北京,100028【正文语种】中文【中图分类】U8不正常航班是指不能按照航班计划执行的航班。

造成航班不正常的原因常有航空器故障、恶劣天气、航空管制、机场保障以及旅客自身不能及时登机等。

当航班发生不正常时,航班公司运行调度人员需要对航班计划进行实时调度,使得航班在最短的时间内恢复正常,同时还要确保公司为此付出的代价最小。

随着航班数量的增长,依靠运行调度人员的经验进行航班调整变得越来越困难。

最优化方法与计算机技术相结合的自动化恢复技术能够快速生成调度方案并为航空公司获取巨大的经济效益和社会效应,有关这方面的研究越来越为航空公司所关注。

不正常航班调度是一个非常复杂的实时网络优化问题,属于非确定性多项式时间(Non-deterministic polynomial-time,NP)难问题。

国外在这方面研究较早:文献[1]针对飞机资源短缺提出了以旅客总延误最小化为目标函数的模型,采用分支定界法求解。

文献[2]在不考虑调机情况下以取消的航班数量和旅客总延误时间最小作为目标函数,采用字典序优化技术进行建模求解。

文献[3]研究了暂时短缺飞机的实时扰动问题。

基于决策树算法的航空客户流失预测

基于决策树算法的航空客户流失预测

基于决策树算法的航空客户流失预测在航空公司的业务中,客户的连续性与忠诚度至关重要。

航空客户流失预测是通过客户历史、行为、偏好等多个维度数据开展分析,预测客户是否会流失。

对于航空公司而言,客户流失可导致重要收入流失、品牌口碑下降等问题。

为了避免以上问题的发生,航空公司需要了解客户行为,早期预测客户流失,并及时作出应对,提高客户满意度和关注度。

而决策树算法则是一种适用于数据挖掘的经典算法,可见于许多数据科学和机器学习问题中。

本文就基于决策树算法对举个例子,探讨航空客户流失的预测。

一、数据收集客户流失预测仓库的数据来源可能包括:1. 游客数据,如邮寄资料、登机数据、退票数据、活动信息等记录客户行为的数据;2. 航空公司的区域经销商和代理店提供的渠道数据、广告投放数据以及各种途径渠道的评测数据;3. 航空公司的社交媒体账号或者各类预订网站的在线用户反馈数据和公共主题热度数据等。

二、特征选择对于航空客户流失预测问题,应收集尽可能多的客户数据以支持模型设计。

但是,由于算法的可解释性,在选择特征时需要考虑以下几个方面。

3.1 数据质量收集到的数据需要进行处理,去除缺失和异常值。

3.2 数据的特定性需要了解到所挖掘的数据是针对哪个区域、舱位等进行分类。

3.3 特征或属性必须具有代表性,且可解释性强对于理处结果造成有力影响的必要属性需着重考虑,因为这会影响到机器学习的结果。

三、算法分析基于算法优选结果,进行航空客户流失预测。

3.4 决策树算法基于决策树算法,可以定义决策树的分支、叶子节点和叶子节点上的决策条件,逐步建立模型。

决策树越宽,代表一个分支的决策条件越多,这样的模型越准确且稳定性较低。

在创建决策树时,首先需要选择一个指标用以进行节点的划分,可以是信息增益、信息增益比或Gini系数等指标。

在对每个节点进行分裂操作时,选择该节点上所有候选动作(就是该节点的所有决策)中导致环境反掌分布相对均衡的动作中,对被预测的分类结果作用最大的那个动作来进行分裂。

航空公司不正常航班机组恢复模型和算法研究

航空公司不正常航班机组恢复模型和算法研究
第2 6卷 第 4期 2 1年 1月 00 2







Vo . 6 1 2 No 4 .
De . 20 0 c 1
J OURNAL OF TRANsP) 】 RT CI CE ND . S EN A ENGl NEE NG RI
文 章 编 号 :64 59 2 1 )4 0 7 -0 17 - 9 X(00 0 - 0 6 4
t p i ie a d u e cv la ito e o r e , s we l sr d c p r tn O t f i i a i o o t z n s i i va i n r s u c s a l a e u e o e a i g c S So v l v — m c a i n e t r rs s a d i r v h u l y o a s n e s e v c .U sn n ta n o to n e p ie n mp o et e q a i fp s e g r ’s r ie t i g Co s r i t Pr — ga r mm i g M o ei g,at b e r h a g rt m e i n d b s d o r m e r r v d d n dl n a u s a c l o i h i d sg e a e n af a wo k p o i e s b p i zn o o e t f I y o tmii g c mp n n s o L0G o v r t o v h r b e a o t c e r c v r . S l e o s l e t e p o l m b u r w e o e y Th s a g rt m ,c m p r d wih t e C EX p i z t n c mp n n s a mp o e t e i l o ih o a e t h PL o tmia i o o o e t ,c n i r v h e f in y o h eg b r o d s a c fi e c ft e n i h o h o e r h,a d c n me t h e u r m e t far i e c n a e e r q ie n so il .Ex m — t n a p e r lo g v n t e tt e a g rt m n C l s a e a s i e o t s h l o ih o PU i e a d s l to fe t t n o u in ef c. m Ke r s r e u a l h ;c e r c v r y wo d :ir g lr fi t r w e o e y;I g L0G ;t b e r h a g rt m a u s a c l o ih

基于机器学习的航空航班延误预测与优化

基于机器学习的航空航班延误预测与优化

基于机器学习的航空航班延误预测与优化航空航班延误是造成旅客不便和航空公司经济损失的重要问题。

随着航空业的快速发展和旅客需求的增加,航空航班延误对整个航空系统的影响愈发显著。

因此,基于机器学习的航空航班延误预测与优化成为航空公司和相关机构关注的热点问题。

一、航空航班延误预测航空航班延误预测是根据历史航班数据、天气数据、航空公司数据等因素,运用机器学习模型预测航班是否有延误发生,以提前做好调度和安排。

在这个过程中,可以利用以下几种机器学习算法:1.1. 逻辑回归逻辑回归模型是一种经典的机器学习方法,适用于二分类问题。

针对航班延误预测问题,可以将航班延误与不延误分别作为两个类别,通过训练逻辑回归模型,得到航班延误的概率预测结果。

该模型基于历史航班数据和相关特征,可以较好地捕捉影响航班延误的因素。

1.2. 随机森林随机森林是一种集成学习方法,通过构建多个决策树进行预测,并通过投票或平均获得最终结果。

对于航班延误预测问题,可以利用随机森林模型进行训练和预测。

该模型能够处理复杂的非线性关系,并能够自动筛选和组合特征,提高预测准确性。

1.3. 深度学习模型近年来,深度学习模型在许多领域取得了显著的成果。

对于航空航班延误预测问题,深度学习模型如多层感知机(MLP)、长短期记忆网络(LSTM)等可以被应用。

这些模型具有较强的能力来学习数据中的复杂模式和时序关系,从而提高航班延误预测的准确性。

二、航空航班延误优化除了预测延误,航空公司还需要在延误发生后采取相应的优化措施,以减少延误对旅客和公司造成的影响。

2.1. 调整航班计划航空公司可以根据航班延误预测结果,提前调整航班计划。

例如,在预测到某个航班延误的概率较高时,可以安排备用飞机和备用机组人员,以应对可能的延误情况。

这种灵活的航班调整策略可以减少延误对其他航班的连锁影响,最大程度地降低延误的程度和持续时间。

2.2. 优化航班排班和资源调度通过机器学习模型对航班延误进行预测,航空公司可以根据预测结果进行航班排班和资源调度的优化。

考虑多因素的不正常航班飞机计划恢复模型

考虑多因素的不正常航班飞机计划恢复模型

考虑多因素的不正常航班飞机计划恢复模型
赵小梅;毕军;王永兴;张俊
【期刊名称】《交通标准化》
【年(卷),期】2017(003)002
【摘要】为降低不正常航班给航空公司带来的负面影响,提出了一个以加权成本最小为目标的考虑多个影响因素的不正常航班飞机计划恢复模型.模型目标函数考虑的因素包括航班延误与取消、飞机维护以及航班运行过程中与飞机和机场相关的各项改变,并且在约束条件中考虑了过站时间等因素.针对所提出的模型设计遗传算法进行求解.基于大规模航班数据设计算例对模型和算法进行验证,研究结果表明:遗传算法适用于求解所提出的模型;通过对模型求解可以得到合理的飞机计划恢复方案;除机场关闭之外,飞机维护任务、过站时间等因素对于航班的执行具有重要影响,因此在飞机计划恢复问题中应该考虑多方面的因素.算例结果证明了模型和算法的正确性和有效性.
【总页数】9页(P52-60)
【作者】赵小梅;毕军;王永兴;张俊
【作者单位】北京交通大学交通运输学院,北京 100044;北京交通大学交通运输学院,北京 100044;北京交通大学交通运输学院,北京 100044;云南航信空港网络有限公司,云南昆明 650051
【正文语种】中文
【中图分类】U8
【相关文献】
1.考虑期望恢复成本的鲁棒性飞机排班模型 [J], 陶蕾;彭怡
2.不正常航班恢复的飞机和乘客优化调配模型 [J], 乐美龙;黄文秀
3.不正常航班飞机恢复决策的随机规划方法 [J], 孙成豪;王婉贞;周润
4.考虑乘客旅程扰动的不正常航班恢复研究 [J], 乐美龙;洪乃君
5.考虑多因素的不正常航班飞机计划恢复模型 [J], 赵小梅;毕军;王永兴;张俊;;;;因版权原因,仅展示原文概要,查看原文内容请购买。

基于旅客画像分析的机场特殊旅客服务流程再造研究

基于旅客画像分析的机场特殊旅客服务流程再造研究

基于旅客画像分析的机场特殊旅客服务流程再造研究作者:陈浩菲来源:《经济研究导刊》2019年第16期摘要:民航业是我国经济社会发展重要的战略产业,改革开放以来,我国民航业快速发展。

机场是民航业的窗口,是民航与旅客联系紧密的场所。

优化机场的服务水平,确保每一个旅客都能够获得优质的服务,直接关系着我国民航业的发展水平。

特殊旅客是机场运营过程中经常面对的群体,他们在接受航空运输的过程中,机场或航空公司也会给予特别礼遇,或给予特殊照顾。

基于旅客画像分析来优化机场特殊旅客服务流程再造,结合大数据来分析特殊旅客的行为习惯等,有助于整体优化机场的服务水平。

关键词:旅客画像;机场服务;特殊旅客;服务流程再造中图分类号:F560 ; ; ; ;文献标志码:A ; ; ;文章编号:1673-291X(2019)16-0165-02作为民航服务的主要窗口,机场在为旅客提供服务的过程中,需要充分结合旅客的合理化需求,有效提升自身的服务水平,综合性地提升自身的服务质量。

特殊旅客的群体基数比较大,他们可能因身体残疾或者其他方面的因素,与普通旅客明显不同。

在接受机场服务的过程中,可能服务需求、服务方向、服务流程等也存在明显的差异。

若机场盲目为特殊旅客提供服务,往往很难满足他们的实际需求。

在信息技术全面快速发展的今天,基于大数据技术来进行特殊旅客的画像分析,全面了解与探究他们的出行习惯等自身特点,有助于提升机场服务的精准性,也有助于服务流程的优化和再造。

因此,机场在特殊旅客的服务过程中,需要积极采用旅客画像分析来再造服务流程,综合性提升机场的服务水平。

一、旅客画像的内涵用户画像(User Profile),作为大数据的根基,它完美地抽象出一个用户的信息全貌,为进一步精准、快速地分析用户行为习惯、消费习惯等重要信息,提供了足够的数据基础,奠定了大数据时代的基石。

相对于机场服务而言,旅客就是用户。

旅客画像是用户画像的一个分支,旅客在于民航业发生关系时都会留下数据或者记录。

不正常航班服务

不正常航班服务

不正常航班服务篇一:不正常航班下的旅客服务探究不正常航班下的旅客服务探究摘要本文综述了不同致因引发下不正常航班的旅客服务,着重论述该类旅客服务的重要性、有效性及相对应的措施,以及该类旅客服务对不正常航班恢复的影响。

关键词:致因、旅客服务、重要性、有效性、措施、恢复THE SERVICE OF PASSENGERS FOR IRREGULAR FLIGHT(Nanjing University of Aeronautics and Astronautics)Abstract:This paper briefly reviewed the service of passengers for irregular flight under different causes.It focuses on the significance of the service,as well as the effectiveness and according solutions.Moreover,the influences of the irregular flight recovery by passenger service.Key words:causes,passenger service,significance,effectiveness,solutions,recovery不正常航班是困扰当今航空运输业的世界性问题。

我国 2022 年出台的《民航航班正常统计方法》中对于航班延误评判指标有两个,一个是航班正常率,另一个是机场放行正常率。

近些年我国的航班平均正常率在 80%上下波动.1.我国不正常航班的现状及国外不正常航班处置的经验随着人们生活水平的不断提高,航空运输以其快捷、舒适成为人们外出旅行的首选交通方式。

但是,在航空运输业的迅速发展和近年来旅客对航班需求大幅提高的情况下,航班不正常的情况时有发生,由于航班延误,直接影响旅客的行程和目的,旅客被迫延迟出行,造成不良社会影响。

基于离散时空网络的不正常航班恢复问题研究

基于离散时空网络的不正常航班恢复问题研究

基于离散时空网络的不正常航班恢复问题研究近几年来,航空运输以其方便、快捷、舒适的特点越来越为广大人民群众所青睐,但由于民航运输系统的复杂性,许多原因会导致航班计划无法正常执行,产生不正常航班。

不正常航班问题一直是困扰世界各大航空公司的一大难题,航班扰动导致的出行不确定性不仅给出行者带来极大的不便,影响民航服务的整体形象,同时会给航空公司以致整个社会带来巨大的经济损失。

目前国内还没有一套成型的应对不正常航班的恢复系统,当发生不正常航班时,如何快速实时的生成新的航班计划成为当前研究的热点。

本文以不正常航班恢复问题为研究对象。

首先根据航空公司的实际运营情况,总结了不正常航班产生的原因、调整策略及恢复流程,分析了不正常航班在恢复过程中需满足的约束条件及建模时存在的主要难点;其次设计了针对飞机故障和机场关闭的不正常航班离散时空网络的构建算法,基于构建好的离散时空网络设计了可行路径的生成算法,以此为每架可用飞机生成可行路径集合,并以延误和取消成本最小为目标建立基于路径流的不正常航班恢复模型;随后首次提出采用引进惯性权重的粒子群算法对模型进行求解,根据不正常航班离散时空网络图的特点进行应用编码和初始解生成策略的选择;最后对厦门航空公司一天的实际数据进行案例分析,结果表明本文设计的模型和算法对于解决不正常航班问题具有较好的效果。

基于物元模型的不正常航班恢复策略评估

基于物元模型的不正常航班恢复策略评估

基于物元模型的不正常航班恢复策略评估万俊强;赵嶷飞;张敏;任新惠【期刊名称】《中国科技论文》【年(卷),期】2017(012)019【摘要】为在协同决策(collaborative decision making,CDM)环境下对不正常航班恢复策略的可行性进行有效评估,从航空公司运控人员的角度出发,结合实际运行控制环境,利用物元模型分析方法,选取5个指标(机场安全程度、机组疲劳程度、成本、服务保障能力、延误时间)构建不正常航班的恢复策略评估特征指标体系。

采用可拓关联函数及可拓评价方法确定模型中的指标权重,并以定量结果来确定恢复策略的可行性。

通过实例仿真表明,该方法可以在CDM环境下对不正常航班恢复策略进行有效的评估,为运控人员提供科学高效的建议,保障航班安全高效的运行。

【总页数】5页(P2193-2197)【作者】万俊强;赵嶷飞;张敏;任新惠【作者单位】中国民航大学天津市空管运行规划与安全技术重点实验室,天津300300;中国民航大学天津市空管运行规划与安全技术重点实验室,天津300300;中国民航大学天津市空管运行规划与安全技术重点实验室,天津300300;中国民航大学天津市空管运行规划与安全技术重点实验室,天津300300【正文语种】中文【中图分类】F560【相关文献】1.考虑多因素的不正常航班飞机计划恢复模型 [J], 赵小梅;毕军;王永兴;张俊2.不正常航班恢复策略评估体系研究 [J], 岳谭谭;雷瑞德3.CDM机制下不正常航班恢复的多目标规划模型 [J], 罗凤娥;任栋;张成伟4.基于物元模型的不正常航班恢复策略评估 [J], 万俊强;赵嶷飞;张敏;任新惠5.考虑多因素的不正常航班飞机计划恢复模型 [J], 赵小梅;毕军;王永兴;张俊;;;;因版权原因,仅展示原文概要,查看原文内容请购买。

混合遗传算法求解航班延误恢复调度

混合遗传算法求解航班延误恢复调度
如下 :
中型机

7 1 3 6
中型尾流 2 9 1 6
轻 型机

≤7
轻型尾流 2 0 8
则飞机延误运 营成本 c 为 : c = a p t 式中t 为延 误时 间。 个航 班的—个 全排列 , 然后重复生成 需要 的种群 数 目。 延误航班 的盈 利损失 ( 2 ) K 4 t  ̄ j f度函数 中国目 前航 空公 司的平 均净 利润率 r 约为 2 . 9 8 %, 假设航班 客座率 在遗传算法里面,适应度函数是用来度量群体中各个个体的适应 s 为8 0 %, 平均 票价 b 为8 0 0 元, 平 均飞行 时 间 f 为1 . 5 h , m表示最 大载 能力的, 在群体 中适应度大的个体遗传到下一代的概率较大, 否则容易 客人数, 则飞机每小时赚取的利润 a 为 被淘汰。 遗传算法的适应值必须是非负数, 因此本文适应度函数的计算 a  ̄ - ms b f f f 2 ) 公式 如下 : 延误航班的赢利损失 c 为 F ( x ) = C f ( x ) f 7 )
国外 就延误 对旅 客造成 的经 济损失做 过系统的分析如 表 2 , 旅 客的 引言 航班 延误 恢复调 度 ( R e c o v e r y S c h e d u l i n g o f F l i g h t D e l a y s , R S F D ) 平均时间价值为 2 8 . 6 5 . h 一 1 , 其中最低时间价值为 2 3 . 8 5 . h ~, 最高时 5 6 ¥ . h ~。 是 指 由于某 些原 因造成 了大面积 的航班延误 , 当恢 复起飞 时 , 需要 重新 间价 值为 3 调度延误航 班 。航 班恢复调 度 问题 是—个 多 目标 的优化 问题 ,目前 国 表 2国外旅客 延误 时间价 值 ¥ h 际、 国 内在理 论与实际应用 上都没有很好 的解决方法 。国内机场 的普 遍 旅 客 类 型 平 均 时 间价 值 最 低 时 间 价 值 最 高 时 间价 值
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
进 行旅 客流恢 复 的优化 研究 。 笔 者在航 班 恢 复方 案 的基 础 之上 , 根据 航 班
少 的部分 。如果 在获取旅 客订座信息 、 航班延 误信 息 以及不正 常航 班恢复方 案的基础上 , 站在 全局 的 角 度为行程受 扰动 的旅客 重新安排航 班 , 减少 旅客
退 票和延误 时间 , 就能实现航 空收入 和旅客 满意度 的大幅提高 , 实 现航空公 司和旅 客 的双赢 。
第3 5 卷 第4 期
2 0 1 3 管理工程 版 )
J O U R N A L O F WU T ( I N F O R M A T I O N&M A N A G E M E N T E N G I N E E R I N G )
的旅客 需求 已知 , 且不 再变化 。 1 . 2 构 造 时空 网络
影 响 了求解 效率 。谢 云双分 析 了航班 延误 补偿 的 经 济效 益 问题 , 讨 论 了造 成 航 班延 误 的原 因 以及
笔 者采用 时空 网络 建立 旅客 流恢 复问题 的多
收 稿 日期 : 2 0 1 3—0 1 —2 4 .
中 图分 类 号 : F 5 6 0 . 8 3 D O I : 1 0 . 3 9 6 3 / j . i s s n . 2 0 9 5— 3 8 5 2 . 2 0 1 3 . 4. 0 0 2 2
旅 客流恢复 是不 正 常航班 恢 复 问题 中必 不可
影 响赔 偿金 额 的 因素 J 。李 雄 等 研 究 了 航 班 延 误 引发 的航 空公 司及 旅 客经 济 损 失 问题 , 详 细分 析 了不正 常航班成 本构成 、 旅 客 赔 偿 和 隐 性 损 失_ 。文 献 [ l 6 ] 和文 献 [ 7 ] 只进行 了定 性 分析 , 未
求 解 大规模 线性 规 划 问 题 , 其 重新 定 义 了恢 复 期 的概 念 , 并 采 用路线 恢 复而非 航班 恢复 的概 念 , 减 小 了问题 的规 模 , 但 由于 问题 规模 仍太 大 , 求 解
效 率不 高 。B I S A I L L O N等通 过构 建 、 修复 、 改进 3 个 阶段 解决 飞机 路 线 恢 复 、 机 型 指 派 和旅 客 流 恢 复 的 问题 _ 2 j , 其 在 构 建 完 可行 的 飞 机 路 线 之 后 ,
J A F A R I 和Z E G O R D I 研究 了不 正常 航班 中飞
订 座信 息 , 对 行程 受到 扰动 的旅 客进行 行程 调整 ,
将 旅 客流恢 复 问题 处 理 成 经典 的多 商 品 流模 型 ,
机 路 线 和 旅 客 流 同 步恢 复 问题 , 采用 L i n g o软 件
采用 D a n z i g— Wo l f e 算 法进行 求解 , 并通 过一个 实 际规模 的算 例验 证 了该 算法 的可 行性 和效率 。
1 旅 客流 恢 复模 型
1 . 1 模 型假 设
采 用最 短路 算法 进 行 旅 客 路 线 的初 始 构 建 , 为 实 现 运送 旅客 人数 的最 大 化 , 进 行 了放 松延 误 时 间
( 南 京 航 空 航 天 大 学 民航 学 院 , 江苏 南 京 2 1 0 0 1 6 )

要: 旅客流恢 复问题是不正常航班恢复 中必不可少 的部 分 , 针 对在飞机路 线和机组路线恢 复方案 中
忽略 了旅客行程衔接 的问题 , 在飞机路线恢复方案的基础上 , 通过构建 时空网络 , 建立 了不正常航班旅客流恢
作者简介 : 王莹( 1 9 8 8一) , 女, 江苏镇 江人 , 南京航空航天大学 民航学院硕士研究生. 基金项 目: 国家 自然科学基金 委员会 与中国民用航空局联合科研基金资助项 目( 6 1 0 7 9 0 1 4 )
方案 , 调整旅 客 行程 的过 程 中不对 航 班 计 划进 行
调整。
复模型, 将 问题转 化 为运输 匹配 问题 , 使 用单 纯形 法 进行 了 问题 的精确 求解 J 。他们 虽 然 优化 了 存储 方 法 和搜 索策 略 , 但 由于要 生成 所 有 O D ( o r i g i n—d e s t i n a t i o n ) 对 的可 行 路 径 , 并 要 对 所 有
Vo 1 _ 3 5 No. 4 Aug . 2 01 3
文章编 号 : 2 0 9 5— 3 8 5 2 ( 2 0 1 3 ) 0 4— 0 5 5 1 —0 4
文献 标 志 码 : A
基于 D a n z i g— Wo l f e 算法的不正常航班旅客流恢复问题
王 莹 , 朱金 福
复 的多商 品流模型 , 设计了 D a n z i g —wo l f e 分解算法进行求解 , 给 出旅 客流恢复方 案 。通过 实例证 明, 该算 法
可 以在符合运行控制实 时决策要求下更有 效地 求得 最优 解 , 减少航空公 司损失 , 提高旅客满意度。 关键词 : 旅客流恢复 ;多商 品流模 型 ; D a n z i g —Wo l f e分解算法
O D对进 行路 径重 排 , 未 能 充分 利 用 原 方 案 , 因此
( 2 ) 只针 对受 扰动旅 客 进 行 行 程调 整 。受 扰 动 旅 客通过签 转 方 式 获得 新 的行 程 ; 无 法 签转 的 旅 客进 行取 消行 程操作 。
( 3 ) 航班 容量 限制 为航 班 剩余 座 位 数 ; O D对
的枚举 尝试 。其 虽 然 考 虑 了旅 客行 程 的衔 接 性 , 但 枚举 算法 效 率 较 低 , 且 无 法保 证 最 优 性 。陆 宏 兰、 高强、 严 俊等 构建 了延 误成 本最 小 的旅客 流恢
为简化模型和算法 , 对航空公司不正常航班 恢 复 的实 际操作 规 范 和 原则 进 行 适 当 抽象 , 做 以 下 假设 : ( 1 ) 航班不正常发生后 , 已获 得 了航 班 恢 复
相关文档
最新文档