机场飞行区无人驾驶清水车优化调度方法

张凤; 汤晓鹏; 刘兵飞

doi:10.3963/j.jssn.1674-4861.2022.02.010

机场飞行区无人驾驶清水车优化调度方法

doi: 10.3963/j.jssn.1674-4861.2022.02.010

张凤^1,,
汤晓鹏²,
刘兵飞^3, ,

1.
中国民航管理干部学院机场管理系北京 100102
2.
中国民航大学航空工程学院天津 300300
3.
中国民航大学科技创新研究院天津 300300

基金项目:

国家自然科学基金项目 11502284

民航安全能力建设资金项目 14000900100018J016

民航安全能力建设资金项目 14000900100019J009

详细信息

作者简介:
张凤（1978—），博士，教授. 研究方向：机场运行安全管理. E-mail: Dylan_T@163.com

通讯作者:
刘兵飞（1985—），博士，副教授. 研究方向：机场工程. E-mail: bingfeiliu2@126.com

中图分类号: TP301
计量
- 文章访问数: 1183
- HTML全文浏览量: 492
- PDF下载量: 56
- 被引次数: 0
出版历程
- 收稿日期: 2021-12-23
- 网络出版日期: 2022-05-18

An Optimization Method for Scheduling Autonomous Potable Water Service Vehicles at Airfields

1.
Airport Management Department, Civil Aviation Management Institute of China, Beijing 100102, China
2.
School of Aeronautical Engineering, Civil Aviation University of China, Tianjin 300300, China
3.
Institute of Science and Technology Innovation, Civil Aviation University of China, Tianjin 300300, China

摘要

摘要: 针对机场航班延误和拥堵现象日益严重以及地面特种车辆服务航班效率低且存在较高安全隐患的问题，研究了面向机场飞行区无人驾驶清水车的优化调度方法。通过将无人驾驶清水车服务航班硬时间窗与梯形模糊隶属度函数相结合构建航班服务水平函数，结合传统C-W节约算法，考虑无人驾驶清水车服务机场航班的时间规则，实现了无人驾驶清水车总行驶路程最短以及航班服务水平最高的目标。考虑服务航班数量总和，衡量每辆无人驾驶清水车的服务航班阈值，并提出了服务航班任务量的差异评价值。新算法在C-W节约算法路径优化结果的基础上对未达到服务航班容量极限的子路径进一步优化，实现了所需服务航班的无人驾驶清水车数量最少、服务航班数量差异化最小的目标。以国内某机场航班信息为例，结果表明：与单车单服务模式相比，服务总路程节省59.36%，车辆使用减少84车次，航班服务水平为93.78%，航班任务量的差异评价值由93.32%降低至43.96%；与基准算法相比，新算法在实现任务量均衡的同时并不会增加总行驶路程，且将服务航班任务量的差异评价值由2.72降低至0.44，显著提高了车辆服务航班任务量的均衡性。
- 机场车辆调度 /
- 无人驾驶清水车 /
- 多目标路径优化 /
- C-W节约算法
Abstract: Due to increasingly serious flight delay and congestion and the issues of a low level of service and potential role of safety hazards of special vehicles at airports, an optimization method for scheduling autonomous potable water service (APWS) vehicles at airfields is studied. The level of service function for flights is developed by combining the hard time window of flights with a trapezoidal fuzzy membership function. Combined with the traditional C-W saving algorithm, the level of service function considers the time required for APWS vehicles serving flight, and with an objective to achieve the shortest total driving distance and the highest level of service to flights. Then, the total number of the flights to be served is used to measure the amount of work of each APWS vehicles, and an evaluation score for the amount of service work is proposed. Based on optimization results of C-W saving algorithm, the proposed algorithm further optimizes the sub-paths that do not reach the capacity limit of service flights, so as to achieve the minimum number of APWS vehicles and minimizing the difference in the number of flights served. A case study is carried out at a domestic airport, the results show that compared with the scenario with a single vehicle and uncoordinated service to flights, the total traveling distance of APWS vehicles is saved by 59.36%, 84 vehicle trips are saved, the level of service to flights reaches to 93.78%, and the difference of evaluation scores for the amount of service work is reduced from 93.32% to 43.96%. In contrast to the baseline algorithm, the workload of APWS vehicles can be balanced without increasing the total traveling distance, and the difference of evaluation scores for the amount of service work is reduced from 2.72 to 0.44, which significantly improves the workload balance of APWS vehicles.
- vehicle scheduling /
- autonomous potable water service vehicles /
- multi-objective route optimization /
- C-W saving algorithm

HTML全文

图 1 机场无人驾驶特种车辆智能调度保障体系

Figure 1. Intelligent dispatching guarantee system for airport driverless special vehicles

下载: 全尺寸图片幻灯片

表 1 飞机分类及服务参数

Table 1. Aircraft classification and service parameters

飞机类型	座位数/座	清水需求量/m³	服务时间/min
C	61~150	1	5
D	151~250	2	5
E	251~500	3	8

下载: 导出CSV

表 2 部分始发航班时间窗

Table 2. Departure flight time window

航班停机位	预计离港时刻	e_i（时刻）	f_i（时刻）
418	08：05	06：45	07：40
113	08：15	06：55	07：50
110	08：30	07：10	08：05
116	08：35	07：15	08：10
201	09：00	07：40	08：35
207	09：15	07：55	08：50
217	10：35	09：15	10：10
417	10：50	09：30	10：25
221	11：15	09：55	10：50

下载: 导出CSV

表 3 部分过站航班时间窗

Table 3. Partial transit flight time window

航班停机位	预计到港时刻	预计离港时刻	e_i（时刻）	f_i（时刻）
226	08：30	09：30	08：44	09：05
224	09：15	10：25	09：29	10：00
218	09：35	10：35	09：49	10：10
228	09：45	11：05	09：59	10：40
220	09：55	11：20	10：09	10：55
118	10：40	11：40	10：54	11：15
214	10：55	12：00	11：09	11：35
202	11：10	12：15	11：24	11：50
205	11：30	12：50	11：44	12：25

下载: 导出CSV

表 4 无人驾驶清水车的服务子路径结果

Table 4. Service sub-path results of driverless potable water vehicles

子路径序号	服务航班序号	清水量/m³	子路径节约值/m	航班开始服务时间	航班结束服务时间
R₁	0-1-3-5-11-13-0	5	8 240	06：40	07：15
R₂	0-30-35-38-40-0	5	7 120	09：44	10：10
R₃	0-41-32-0	5	2 640	10：09	10：23
⋮	⋮	⋮	⋮	⋮	⋮
R₁₂	0-2-4-10-9-0	4	1 920	06：40	07：05
R₁₃	0-6-7-0	4	400	06：50	07：01
R₁₄	0-28-34-31-0	4	5 280	09：29	09：54
⋮	⋮	⋮	⋮	⋮	⋮
R₁₉	0-15-33-0	3	2 400	09：04	09：20
R₂₀	0-16-17-18-0	3	1 760	07：40	08：00
R₂₁	0-83-84-0	3	1 520	14：24	14：39
⋮	⋮	⋮	⋮	⋮	⋮
R₂₆	0-85-87-0	2	1 360	15：04	15：17
R₃₀	0-98-0	2	0	15：49	15：54
R₃₁	0-106-0	2	0	17：14	17：19
⋮	⋮	⋮	⋮	⋮	⋮
R₅₂	0-78-0	1	0	13：59	14：04
R₅₃	0-39-0	1	0	09：50	09：55
R₅₄	0-112-0	1	0	18：14	18：19

下载: 导出CSV

表 5 任务量调整后的无人驾驶清水车服务子路径结果

Table 5. Service sub-path results of driverless potable water vehicles after task volume adjustment

子路径序号	航班服务序号	清水量/m³	路径节约值/m	航班开始服务时间	航班结束服务时间
R₁	0-1-3-5-11-13-0	5	8 240	06：40	07：15
R₂	0-30-35-38-40-0	5	7 120	09：44	10：10
R₃	0-41-32-0	5	2 640	10：09	10：23
R₄	0-42-43-46-64-0	5	3 760	10：44	11：09
R₅	0-44-61-48-47-68-0	5	8 240	10：54	11：25
R₆	0-49-50-51-55-57-0	5	4 880	11：24	11：55
R₇	0-58-56-60-62-59-0	5	4 560	12：04	12：33
R₈	0-76-80-79-81-0	5	5 920	13：54	14：22
R₉	0-95-82-99-0	5	5 280	13：39	13：55
R₁₀	0-96-97-104-102-0	5	6 960	16：29	16：59
R₁₁	0-108-109-110-111-0	5	8 720	17：54	18：15
R₁₂	0-15-33-24-25-0	5	5 120	09：04	09：27
R₁₃	0-21-26-27-29-0	5	3 360	08：44	09：13
R₁₄	0-28-34-31-67-0	5	6 400	09：29	10：09
R₁₅	0-52-65-53-54-0	5	1 280	11：05	11：44
R₁₆	0-66-70-69-0	5	3 210	12.34	12：55
R₁₇	0-83-84-85-87-0	4	7 080	14：24	15：17
R₁₈	0-86-88-91-92-0	4	5 760	15：19	15：46
R₁₉	0-100-105-103-106-0	4	4 120	16：44	17：29
R₂₀	0-72-107-73-71-0	4	6 880	12：49	13：20
R₂₁	0-2-4-10-9-0	4	1 920	06：40	07：05
R₂₂	0-6-7-0	4	400	06：50	07：01
R₂₃	0-8-12-14-45-0	4	1 720	06：55	07：29
R₂₄	0-16-17-18-22-0	4	2 560	07：40	08：15
R₂₅	0-77-101-74-78-0	4	4 120	13：09	14：04
R₂₆	0-36-39-37-0	4	840	09：30	10：14
R₂₇	0-90-89-93-0	4	960	15：24	15：46
R₂₈	0-113-112-0	2	0	18：09	18：25
R₂₉	0-63-94-0	2	1 280	12：19	12：39

下载: 导出CSV

参考文献(21)

[1]	余清. 民航云南安监局参与完善长水国际机场航班延误应急管理案例研究[D]. 成都: 电子科技大学, 2016. YU Q. Yunnan bureau of work safety of CAAC participated in the case study of improving the emergency management of flight delay in Changshui international airport[D]. Chengdu: University of Electronic Science and Technology of China, 2016. (in Chinese)
[2]	汤新民, 吴淼, 高尚峰, 等. 机场场面多传感器多轴向感知信号的融合方法[J]. 交通信息与安全, 2016, 34(2): 17-24. https://www.cnki.com.cn/Article/CJFDTOTAL-JTJS201602003.htm TANG X M, WU M, GAO S F, et al. A muti- axis signal fusion approach using multiple sensors of the aerodrome surface[J]. Journal of Transport Information and Safety, 2016, 34(2): 17-24. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JTJS201602003.htm
[3]	樊琳琳. 大型机场地勤服务中的车辆调度问题的初步研究[D]. 沈阳: 东北大学, 2009. FAN L L. A preliminary study on vehicle scheduling in ground service of large airports[D]. Shenyang: Northeastern University, 2009. (in Chinese)
[4]	黄鹂诗. 基于SIMIO的机坪车辆调度仿真研究[D]. 南京: 南京航空航天大学, 2013. HUANG L S. SIMIO-based vehicle scheduling simulation research[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2013. (in Chinese)
[5]	何丹妮. 大型进场航班过站地面服务车辆调度问题研究-以摆渡车为例[D]. 北京: 北京交通大学, 2018. HE D N. Research on the dispatching of ground service vehicles for large inbound flights: A case study of ferries[D]. Beijing: Beijing Jiaotong University, 2018. (in Chinese)
[6]	李猷. 基于多策略的机场地面保障车辆调度问题研究[D]. 西安: 西安理工大学, 2019. LI Y. Research on airport ground service vehicles scheduling problem based on multi-strategy[D]. Xi'an: Xi'an University of Technology, 2019. (in Chinese)
[7]	吴建波. 基于多Agent的机场地面服务车辆调度方法研究[D]. 天津: 中国民航大学, 2015. WU J B. Research on airport ground service vehicle scheduling method based on multi-agent[D]. Tianjin: Civil Aviation University of China, 2015. (in Chinese)
[8]	冯霞, 任子云. 基于遗传算法的加油车和摆渡车协同调度研究[J]. 交通运输系统工程与信息, 2016, 16(2): 155-163. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT201602024.htm FENG X, REN Z Y. Collaborative scheduling of fuelling vehicle and ferry vehicle based on genetic algorithm[J]. Transportation System Engineering and Information, 2016, 16(2): 155-163. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT201602024.htm
[9]	殷龙, 衡红军. 基于最邻近算法的几场特种车辆调度应用研究[J]. 计算机技术与发展, 2016, 26(7): 151-155. https://www.cnki.com.cn/Article/CJFDTOTAL-WJFZ201607034.htm YIN L, HENG H J. Application research of special vehicle scheduling based on the nearest neighbor algorithm[J]. Computer Technology and Development, 2016, 26(7): 151-155. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-WJFZ201607034.htm
[10]	XING Z, LIAN G. Cooperative game theoretical research for aircraft deicing operation scheduling[C]. Intelligent Control and Automation, Beijing, China: IEEE, 2012.
[11]	DU J Y, BRUNNER J O, KOLISCH R. Planning towing processes at airports more efficiently[J]. Transportation Research Part E: Logistics and Transportation Review, 2014, 70(10): 293-304.
[12]	NORIN A, VARBRAND P. Scheduling de-icing vehicles within airport logistics: A heuristic algorithm and performance evaluation[J]. Social Science Electronic Publishing, 2012, 63(8): 1116-1125.
[13]	HESS M, SASKA M, SCHILLING K. Autonomous multi-vehicle formations for cooperative airfield snow shoveling[C]. European Conference on Mobile Robots. Barcelona, Spain: IEEE, 2013.
[14]	ZHAO P, HAN X, WAN D. Evaluation of the airport ferry vehicle scheduling based on network maximum flow model[J]. Omega, 2021, 99(6): 1-11.
[15]	PADRON S, GUIMARANS D, JOSE R, et al. A bi-objective approach for scheduling ground-handling vehicles in airports[J]. Computers and Operations Research, 2016, 71(7): 34-53.
[16]	SIGLER D, WANG Q, LIU Z, et al. Route optimization for energy efficient airport shuttle operations: A case study from Dallas Fort worth international airport[J]. Journal of Air Transport Management, 2021, 94(9): 67-79.
[17]	BIJJAHALLI S, RAMASAMY S, SABATINI R. A novel vehicle-based GNSS integrity augmentation system for autonomous airport surface operations[J]. Journal of Intelligent & Robotic Systems, 2017, 87(2): 379-403.
[18]	李霞, 汪一戈, 崔洪军, 等. 智能网联环境下复杂异质交通流稳定性解析[J]. 交通运输系统工程与信息, 2020, 20(6): 114-120. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT202006015.htm LI X, WANG Y G, CUI H J, et al. Stability analysis of complex heterogeneous traffic flow under connected and autonomous environment[J]. Transportation System Engineering and Information, 2020, 20(6): 114-120. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT202006015.htm
[19]	陈壮壮, 罗莉华. 网联自动驾驶车辆通过信号交叉口的速度轨迹优化[J]. 交通信息与安全, 2021, 39(4): 92-98. https://www.cnki.com.cn/Article/CJFDTOTAL-JTJS202104013.htm CHENZZ, LUOLH. Speed trajectory optimization of connected autonomous vehicles at signalized intersections[J]. Journal of Transport Information and Safety, 2021, 39(4): 92-98. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JTJS202104013.htm
[20]	但正刚, 蔡临宁, 杜丽丽, 等. 车辆路径优化问题的均衡性[J]. 清华大学学报(自然科学版), 2006, 46(11): 1945-1948. https://www.cnki.com.cn/Article/CJFDTOTAL-QHXB200611038.htm DAN Z G, CAI L N, DU L L, et al. Load balancing of the vehicle routing problem[J]. Journal of Tsinghua University (Natural Science Edition), 2006, 46(11): 1945-1948. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QHXB200611038.htm
[21]	中国民用航空局. 航班安全运行保障标准[S]. 北京: 民航局综合司, 2020. Civil Aviation Administration of China. Flight safety operation guarantee standard[S]. Beijing: General Affairs Department of CAAC, 2020. (in Chinese)