一种基于航班大数据的停机位资源编排方法及系统

1.一种基于航班大数据的停机位资源编排方法，其特征在于，包括：
建立机场内每个进港航班预计上轮档时间的概率分布预测模型；
建立机场内每个出港航班预计撤轮挡时间的概率分布预测模型；
将进港航班与出港航班进行组合，基于该进、出港航班的概率分布预测模型计算每个进港‑出港航班组合的运行冲突概率；
基于运行冲突概率和预设的容忍度阈值，筛选满足容忍度阈值要求的进港‑出港航班组合；
基于满足容忍度阈值要求的进港‑出港航班组合，编排机场内所有航班可行的衔接组合方案；
从所述衔接组合方案中筛选靠桥率最大的一组或多组第一衔接组合方案；
从所述第一衔接组合方案中筛选超过旅客体验临界值最低的一组或多组第二衔接组合方案；具体包括：在每个所述第一衔接组合方案中：判断每个进港航班滑行时间是否大于第一临界阈值P1，若大于，则记为“1”；否则，记为“0”；判断每个出港航班滑行时间是否大于第一临界阈值P1，若大于，则记为“1”；否则，记为“0”；判断每个进港航班摆渡时间是否大于第二临界阈值P2，若大于，则记为“1”；否则，记为“0”；判断每个出港航班摆渡时间是否大于第二临界阈值P2，若大于，则记为“1”；否则，记为“0”；将“得分”之和作为该第一衔接组合方案的“得分”；从所有所述第一衔接组合方案中筛选“得分”最低的一组或多组组合方案，作为第二衔接组合方案；
从所述第二衔接组合方案中筛选滑行时间最短的一组或多组第三衔接组合方案；
将唯一的第一衔接组合方案、唯一的第二衔接组合方案、唯一的第三衔接组合方案或最先计算出的第三衔接组合方案，作为最终的编排组合。
2.如权利要求1所述的停机位资源编排方法，其特征在于，所述建立机场内每个进港航班预计上轮档时间的概率分布预测模型，包括：
收集每个进港航班过去预设时间内的航班实际上轮档时间，作为样本集合；
基于所述样本集合，按序计算每个实际发生点的航班数占比；
以时间为横坐标、各发生点的航班数占比为纵坐标，建立进港航班预计上轮档时间的概率分布模型。
3.如权利要求1所述的停机位资源编排方法，其特征在于，所述建立机场内每个出港航班预计撤轮挡时间的概率分布预测模型，包括：
收集每个出港航班过去预设时间内的航班实际撤轮档时间，作为样本集合；
基于所述样本集合，按序计算每个实际发生点的航班数占比；
以时间为横坐标、各发生点的航班数占比为纵坐标，出港航班预计撤轮挡时间的概率分布预测模型。
4.如权利要求1所述的停机位资源编排方法，其特征在于，计算所述进港‑出港航班组合的运行冲突概率，包括：
计算某一时刻点的运行冲突概率为：出港航班撤轮挡占比乘以该时间点之前所有进港航班上轮档占比的总和；
所有时刻点运行冲突概率的总和为该进港‑出港航班组合运行冲突概率。
5.如权利要求1所述的停机位资源编排方法，其特征在于，所述预设的容忍度阈值为X％，筛选运行冲突概率在X％以内的进港‑出港航班组合，作为后续编排衔接组合方案的样本。
6.如权利要求1所述的停机位资源编排方法，其特征在于，所述衔接组合方案包含该机场所有的进港航班和出港航班，且每组对应的进港航班和出港航班组合满足容忍度阈值要求。
7.如权利要求1所述的停机位资源编排方法，其特征在于，所述从所述第二衔接组合方案中筛选滑行时间最短的一组或多组第三衔接组合方案，包括：
在每个所述第二衔接组合方案中，计算所有进港、出港航班滑行时间之和，作为第二衔接组合方案的滑行时间；
比较所述第二衔接组合方案的滑行时间，筛选滑行时间最短的一组或多组组合方案，作为第三衔接组合方案。
8.一种用于实现如权利要求1～7中任一项所述的停机位资源编排方法的系统，其特征在于，包括：
第一建立模块，用于建立机场内每个进港航班预计上轮档时间的概率分布预测模型；
第二建立模块，用于建立机场内每个出港航班预计撤轮挡时间的概率分布预测模型；
计算模块，用于将进港航班与出港航班进行组合，基于该进、出港航班的概率分布预测模型计算每个进港‑出港航班组合的运行冲突概率；
第一筛选模块，用于基于运行冲突概率和预设的容忍度阈值，筛选满足容忍度阈值要求的进港‑出港航班组合；
编排模块，用于基于满足容忍度阈值要求的进港‑出港航班组合，编排机场内所有航班可行的衔接组合方案；
第二筛选模块，用于从所述衔接组合方案中筛选靠桥率最大的一组或多组第一衔接组合方案；
第三筛选模块，用于从所述第一衔接组合方案中筛选超过旅客体验临界值最低的一组或多组第二衔接组合方案；具体包括：在每个所述第一衔接组合方案中：判断每个进港航班滑行时间是否大于第一临界阈值P1，若大于，则记为“1”；否则，记为“0”；判断每个出港航班滑行时间是否大于第一临界阈值P1，若大于，则记为“1”；否则，记为“0”；判断每个进港航班摆渡时间是否大于第二临界阈值P2，若大于，则记为“1”；否则，记为“0”；判断每个出港航班摆渡时间是否大于第二临界阈值P2，若大于，则记为“1”；否则，记为“0”；将“得分”之和作为该第一衔接组合方案的“得分”；从所有所述第一衔接组合方案中筛选“得分”最低的一组或多组组合方案，作为第二衔接组合方案；
第四筛选模块，用于从所述第二衔接组合方案中筛选滑行时间最短的一组或多组第三衔接组合方案；
输出模块，用于将唯一的第一衔接组合方案、唯一的第二衔接组合方案、唯一的第三衔接组合方案或最先计算出的第三衔接组合方案，作为最终的编排组合。

一种基于航班大数据的停机位资源编排方法及系统\n技术领域\n[0001] 本发明涉及航班运行控制技术领域，具体涉及一种基于航班大数据的停机位资源编排方法及系统。\n背景技术\n[0002] 航班运行控制，是民航单位对航班运行实施起始、延迟、更改、终止的所有决策；停机位资源编排是民航机场运行指挥部门根据停机位资源使用情况，确定航班的停机位安排计划。\n[0003] 目前民航机场航班地面保障通常以航班计划起飞/计划落地的时间作为参考，计划编排不可出现时间上的运行冲突并保留一定时间间隔作为余度。一方面，航班保障作业以及机坪资源占用的起止点往往是航班到达/离开停机位；另一方面，航班实际运行往往并不会严格按照计划时间如期执行。受飞行计划，地面滑行路径、航班延误、计划编排等因素影响，造成两者在时间上存在较大差异。\n[0004] 例如：\n[0005] 图1左侧的两组航班，看似安排了足够的时间间隔，但是实际运行中，前面的一组航班的出港频繁发生延误，后面的一组航班总是会提前到达，这就造成了实际运行中两组航班的冲突和被动调整。\n[0006] 图1右侧的两组航班，看似时间上有重叠，不可能组合衔接；但是实际运行中，前面一组航班总是会提前起飞，后面一组航班总是延误到达，这就造成两组航班在实际运行中错失了正常衔接的机会。\n[0007] 造成以上问题的原因在于，现行停机位资源编排通常都采用计划时间作为参考，这个参考值对于实际运行来说存在较大误差；其无论设置多大的间隔或保护余度，采用多先进的组合算法，都无法与实际运行相适应。\n发明内容\n[0008] 针对现有技术中存在的上述问题，本发明提供一种基于航班大数据的停机位资源编排方法及系统。\n[0009] 本发明公开了一种基于航班大数据的停机位资源编排方法，包括：\n[0010] 建立机场内每个进港航班预计上轮档时间的概率分布预测模型；\n[0011] 建立机场内每个出港航班预计撤轮挡时间的概率分布预测模型；\n[0012] 将进港航班与出港航班进行组合，基于该进、出港航班的概率分布预测模型计算每个进港‑出港航班组合的运行冲突概率；\n[0013] 基于运行冲突概率和预设的容忍度阈值，筛选满足容忍度阈值要求的进港‑出港航班组合；\n[0014] 基于满足容忍度阈值要求的进港‑出港航班组合，编排机场内所有航班可行的衔接组合方案；\n[0015] 从所述衔接组合方案中筛选靠桥率最大的一组或多组第一衔接组合方案；\n[0016] 从所述第一衔接组合方案中筛选超过旅客体验临界值最低的一组或多组第二衔接组合方案；\n[0017] 从所述第二衔接组合方案中筛选滑行时间最短的一组或多组第三衔接组合方案；\n[0018] 将唯一的第一衔接组合方案、唯一的第二衔接组合方案、唯一的第三衔接组合方案或最先计算出的第三衔接组合方案，作为最终的编排组合。\n[0019] 作为本发明的进一步改进，所述建立机场内每个进港航班预计上轮档时间的概率分布预测模型，包括：\n[0020] 收集每个进港航班过去预设时间内的航班实际上轮档时间，作为样本集合；\n[0021] 基于所述样本集合，按序计算每个实际发生点的航班数占比；\n[0022] 以时间为横坐标、各发生点的航班数占比为纵坐标，建立进港航班预计上轮档时间的概率分布模型。\n[0023] 作为本发明的进一步改进，所述建立机场内每个出港航班预计撤轮挡时间的概率分布预测模型，包括：\n[0024] 收集每个出港航班过去预设时间内的航班实际撤轮档时间，作为样本集合；\n[0025] 基于所述样本集合，按序计算每个实际发生点的航班数占比；\n[0026] 以时间为横坐标、各发生点的航班数占比为纵坐标，出港航班预计撤轮挡时间的概率分布预测模型。\n[0027] 作为本发明的进一步改进，计算所述进港‑出港航班组合的运行冲突概率，包括：\n[0028] 计算某一时刻点的运行冲突概率为：出港航班撤轮挡占比乘以该时间点之前所有进港航班上轮档占比的总和；\n[0029] 所有时刻点运行冲突概率的总和为该进港‑出港航班组合运行冲突概率。\n[0030] 作为本发明的进一步改进，所述预设的容忍度阈值为X％，筛选运行冲突概率在X％以内的进港‑出港航班组合，作为后续编排衔接组合方案的样本。\n[0031] 作为本发明的进一步改进，所述衔接组合方案包含该机场所有的进港航班和出港航班，且每组对应的进港航班和出港航班组合满足容忍度阈值要求。\n[0032] 作为本发明的进一步改进，所述从所述第一衔接组合方案中筛选超过旅客体验临界值最低的一组或多组第二衔接组合方案，包括：\n[0033] 在每个所述第一衔接组合方案中：\n[0034] 判断每个进港航班滑行时间是否大于第一临界阈值，若大于，则记为“1”；否则，记为“0”；\n[0035] 判断每个出港航班滑行时间是否大于第一临界阈值，若大于，则记为“1”；否则，记为“0”；\n[0036] 判断每个进港航班摆渡时间是否大于第二临界阈值，若大于，则记为“1”；否则，记为“0”；\n[0037] 判断每个出港航班摆渡时间是否大于第二临界阈值，若大于，则记为“1”；否则，记为“0”；\n[0038] 将“得分”之和作为该第一衔接组合方案的“得分”；\n[0039] 从所有所述第一衔接组合方案中筛选“得分”最低的一组或多组组合方案，作为第二衔接组合方案。\n[0040] 作为本发明的进一步改进，所述从所述第二衔接组合方案中筛选滑行时间最短的一组或多组第三衔接组合方案，包括：\n[0041] 在每个所述第二衔接组合方案中，计算所有进港、出港航班滑行时间之和，作为第二衔接组合方案的滑行时间；\n[0042] 比较所述第二衔接组合方案的滑行时间，筛选滑行时间最短的一组或多组组合方案，作为第三衔接组合方案。\n[0043] 本发明公开了一种基于航班大数据的停机位资源编排系统，包括：\n[0044] 第一建立模块，用于建立机场内每个进港航班预计上轮档时间的概率分布预测模型；\n[0045] 第二建立模块，用于建立机场内每个出港航班预计撤轮挡时间的概率分布预测模型；\n[0046] 计算模块，用于将进港航班与出港航班进行组合，基于该进、出港航班的概率分布预测模型计算每个进港‑出港航班组合的运行冲突概率；\n[0047] 第一筛选模块，用于基于运行冲突概率和预设的容忍度阈值，筛选满足容忍度阈值要求的进港‑出港航班组合；\n[0048] 编排模块，用于基于满足容忍度阈值要求的进港‑出港航班组合，编排机场内所有航班可行的衔接组合方案；\n[0049] 第二筛选模块，用于从所述衔接组合方案中筛选靠桥率最大的一组或多组第一衔接组合方案；\n[0050] 第三筛选模块，用于从所述第一衔接组合方案中筛选超过旅客体验临界值最低的一组或多组第二衔接组合方案；\n[0051] 第四筛选模块，用于从所述第二衔接组合方案中筛选滑行时间最短的一组或多组第三衔接组合方案；\n[0052] 输出模块，用于将唯一的第一衔接组合方案、唯一的第二衔接组合方案、唯一的第三衔接组合方案或最先计算出的第三衔接组合方案，作为最终的编排组合。\n[0053] 与现有技术相比，本发明的有益效果为：\n[0054] 本发明计算航班衔接组合冲突发生概率，设定用户可以接收的冲突概率范围，并将实施结果控制在设定范围之内，从全局上对航班计划做最优安排；同时，追求最高的廊桥资源使用效率，最短的地面滑行时间以及最低的机位变更率，是一种更加精确的机位资源管控方法；本发明与航班历史运行情况较好吻合度，精确的机位排班时间序列，可达到廊桥周转率上升和机位变更率下降的双重效果，并可有效提升旅客满意度，缩短飞机地面滑行时间。\n附图说明\n[0055] 图1为现有停机位安排运行冲突相关性示意图；\n[0056] 图2为本发明一种实施例公开的基于航班大数据的停机位资源编排方法的流程图；\n[0057] 图3为本发明一种实施例公开的旅客体验不适感与飞机滑行、摆渡时间分析图；\n[0058] 图4为本发明一种实施例公开的基于航班大数据的停机位资源编排系统的框架图。\n具体实施方式\n[0059] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。\n[0060] 下面结合附图对本发明做进一步的详细描述：\n[0061] 为解决背景技术中因采用计划时间作为参考，而无法与实际运行相适应的技术问题，本发明通过航班大数据，建立每一个航班号历史运行状况的概率分布模型，计算航班组合发生运行冲突的概率，将系统整体计划编排的运行冲突概率控制在容忍范围内，并结合靠桥率、旅客体验、滑行时间等，制定可以预测和仿真航班运行情况的停机位资源计划编排方法。\n[0062] 具体的：\n[0063] 如图2所示，本发明提供一种基于航班大数据的停机位资源编排方法，包括：\n[0064] 步骤1、建立机场内每个进港航班预计上轮档时间的概率分布预测模型；\n[0065] 具体建立方法为：\n[0066] 收集每个进港航班过去预设时间内的航班实际上轮档时间，作为样本集合；基于样本集合，按序计算每个实际发生点的航班数占比；以时间为横坐标、各发生点的航班数占比为纵坐标，建立进港航班预计上轮档时间的概率分布模型。\n[0067] 实施例：\n[0068] 机场内包含100个进港航班，记为A1、A2、···、A100，获取进港航班A1过去100次航线的实际上轮档时间，T1、T2、···、T100，例如：T1为8:30、T2为8:32、T3为8:40、T4为8:\n35、···、T100为8:35，作为样本集合；按序计算每个实际发生点的航班数占比，例如，8:\n35的航班数为5，则其航班数占比为5％；并以时间为横坐标、各发生点的航班数占比为纵坐标，建立该预计上轮档时间的概率分布模型。\n[0069] 步骤2、建立机场内每个出港航班预计撤轮挡时间的概率分布预测模型；\n[0070] 具体建立方法为：\n[0071] 收集每个出港航班过去预设时间内的航班实际撤轮档时间，作为样本集合；基于样本集合，按序计算每个实际发生点的航班数占比；以时间为横坐标、各发生点的航班数占比为纵坐标，出港航班预计撤轮挡时间的概率分布预测模型。\n[0072] 实施例：\n[0073] 机场内包含100个出港航班，记为B1、B2、···、B100，获取出港航班B1过去100次航线的实际撤轮档时间，T1、T2、···、T100，例如：T1为8:40、T2为8:42、T3为8:50、T4为8:\n45、···、T100为8:45，作为样本集合；按序计算每个实际发生点的航班数占比，例如，8:\n45的航班数为5，则其航班数占比为5％；并以时间为横坐标、各发生点的航班数占比为纵坐标，建立该预计撤轮档时间的概率分布模型。\n[0074] 步骤3、将进港航班与出港航班进行组合，基于该进、出港航班的概率分布预测模型计算每个进港‑出港航班组合的运行冲突概率；\n[0075] 其中，\n[0076] 实施例：进港航班与出港航班的组合为：进港航班A1可与100个出港航班B1、B2、···、B100构成100个组合，···，进港航班A100可与100个出港航班B1、B2、···、B100构成100个组合，因此，可共构成10000个组合方案。\n[0077] 计算进港‑出港航班组合的运行冲突概率，包括：\n[0078] 计算某一时刻点的运行冲突概率为：出港航班撤轮挡占比乘以该时间点之前所有进港航班上轮档占比的总和；将所有时刻点运行冲突概率的总和为该进港‑出港航班组合运行冲突概率。例如，在10000个组合中，按上述计算公式计算出运行冲突概率小于10％的有100组。\n[0079] 步骤4、基于运行冲突概率和预设的容忍度阈值，筛选满足容忍度阈值要求的进港‑出港航班组合；\n[0080] 具体的：\n[0081] 根据实际工作经验，停机位运行冲突概率的风险等级大致可划分为：\n[0082] 安全，10％以内；\n[0083] 低风险，10％‑30％；\n[0084] 中风险，30％‑70％；\n[0085] 高风险，70％以上。\n[0086] 本发明可将安全等级所对应的阈值(10％以内)作为预设的容忍度阈值，因此，筛选运行冲突概率在10％以内的进港‑出港航班组合1000组，作为后续编排衔接组合方案的样本；而剩余不满足容忍度阈值的9000组样本直接舍弃。\n[0087] 步骤5、基于满足容忍度阈值要求的进港‑出港航班组合，编排机场内所有航班可行的衔接组合方案；\n[0088] 其中，编排组合方案的编排条件为：衔接组合方案包含该机场所有的进港航班和出港航班，且每组对应的进港航班和出港航班组合满足容忍度阈值要求。\n[0089] 例如：A1对应的B1、B2为满足要求的组合，A2对应的B3、B4、B5为满足要求的组合，···，A100对应的B1、B5为满足要求的组合；那么在进行编排时，当A1对应B1后，A100则不能对应B1；经过编排后，在满足一一对应，且将所有航班均考虑在内的前提，本实施例得到100组衔接组合方案。\n[0090] 衔接组合方案1：\n[0091] A1—B1、A2—B4、A3—B10、A4—B100、A5—B50、···、A100—B5；\n[0092] ···\n[0093] 衔接组合方案100：\n[0094] A1—B2、A2—B3、A3—B6、A4—B100、A5—B40、···、A100—B1。\n[0095] 步骤6、从衔接组合方案中筛选靠桥率最大的一组或多组第一衔接组合方案；\n[0096] 其中，由于每个衔接组合方案中的航班均有各自的停机位，因此，基于所有航班的停机位，计算该衔接组合方案的靠桥率；并从中选择靠桥率最大的一组或多组衔接组合方案，作为第一衔接组合方案；\n[0097] 例如：本发明在100组衔接组合方案中筛选靠桥率最大(70％)的组合方案为20组，因此筛选此20组组合方案作为第一衔接组合方案，进行后续的再次筛选。\n[0098] 步骤7、从第一衔接组合方案中筛选超过旅客体验临界值最低的一组或多组第二衔接组合方案；\n[0099] 具体包括：\n[0100] 在每个第一衔接组合方案中：判断每个进港航班滑行时间是否大于第一临界阈值，若大于，则记为“1”；否则，记为“0”；判断每个出港航班滑行时间是否大于第一临界阈值，若大于，则记为“1”；否则，记为“0”；判断每个进港航班摆渡时间是否大于第二临界阈值，若大于，则记为“1”；否则，记为“0”；判断每个出港航班摆渡时间是否大于第二临界阈值，若大于，则记为“1”；否则，记为“0”；\n[0101] 将“得分”之和作为该第一衔接组合方案的“得分”；\n[0102] 从所有第一衔接组合方案中筛选“得分”最低的一组或多组组合方案，作为第二衔接组合方案。\n[0103] 进一步，如图3所示，本发明的第一临界阈值为15min，第一临界阈值为11min。\n[0104] 例如：\n[0105] 本发明在20组组合方案筛选出10组方案的“得分”最低且得分为“10”，因此筛选此\n10组组合方案作为第二衔接组合方案，进行后续的再次筛选。\n[0106] 步骤8、从第二衔接组合方案中筛选滑行时间最短的一组或多组第三衔接组合方案；\n[0107] 具体包括：\n[0108] 在每个第二衔接组合方案中，计算所有进港、出港航班滑行时间之和，作为第二衔接组合方案的滑行时间；比较第二衔接组合方案的滑行时间，筛选滑行时间最短的一组或多组组合方案，作为第三衔接组合方案。\n[0109] 例如：本发明在10组组合方案筛选出滑行时间最短的方案有一组，那么将该组作为第三衔接组合方案。\n[0110] 步骤9、将唯一的第一衔接组合方案、唯一的第二衔接组合方案、唯一的第三衔接组合方案或最先计算出的第三衔接组合方案，作为最终的编排组合。\n[0111] 例如，本发明将步骤8中的唯一第三衔接组合方案作为最终的编排组合。\n[0112] 如图4所示，本发明提供一种基于航班大数据的停机位资源编排系统，包括：\n[0113] 第一建立模块，用于实现上述步骤1；\n[0114] 第二建立模块，用于实现上述步骤2；\n[0115] 计算模块，用于实现上述步骤3；\n[0116] 第一筛选模块，用于实现上述步骤4；\n[0117] 编排模块，用于实现上述步骤5；\n[0118] 第二筛选模块，用于实现上述步骤6；\n[0119] 第三筛选模块，用于实现上述步骤7；\n[0120] 第四筛选模块，用于实现上述步骤8；\n[0121] 输出模块，用于实现上述步骤9。\n[0122] 本发明的优点为：\n[0123] 本发明计算航班衔接组合冲突发生概率，设定用户可以接收的冲突概率范围，并将实施结果控制在设定范围之内，从全局上对航班计划做最优安排；同时，追求最高的廊桥资源使用效率，最短的地面滑行时间以及最低的机位变更率，是一种更加精确的机位资源管控方法；本发明与航班历史运行情况较好吻合度，精确的机位排班时间序列，可达到廊桥周转率上升和机位变更率下降的双重效果，并可有效提升旅客满意度，缩短飞机地面滑行时间。\n[0124] 以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。