一种融合航班时序、输送负载与路径规划的行李防滞留调度方法及系统与流程
本发明涉及行李防滞留调度,尤其是涉及一种融合航班时序、输送负载与路径规划的行李防滞留调度方法及系统。
背景技术:
1、随着民航客运量持续增长,机场行李托运、输送、分拣及转运业务规模不断扩大,传统人工调度与固定路径输送模式弊端日益凸显。
2、当前机场行李输送系统普遍采用预设路径运行,缺乏对行李批次、航班动态、设备负载的实时感知与预判能力。一方面,不同时段行李流入量波动较大,低峰、高峰及航班异常(延误、取消)场景下,输送节点与路径易出现局部拥堵、负载失衡,进而引发行李滞留、转运超时等问题;另一方面,现有调度方案大多仅做单次静态路径规划,未考虑路径速度时变特性、节点处理时延、批次间路径冲突等实际工况,模型输入特征定义模糊、核心计算规则缺失,算法落地性差。
3、同时,常规调度方法缺少分层风险评价与分级应急处置机制,面对高滞留风险行李仅依靠人工干预,响应滞后、处置效率低;各类预测模型、优化算法、调度规则相互独立,未形成数据闭环与参数自优化体系,系统整体自适应能力弱,难以适配复杂多变的机场运行场景。
技术实现思路
1、本发明提供一种融合航班时序、输送负载与路径规划的行李防滞留调度方法及系统,通过构建航班-行李时空关联模型实现异常识别,结合空间统计模型完成全域负载动态预测,依托智能优化算法完成路径预规划与冲突消解,搭配动态重调度、风险评价及强化学习应急调度模块,并引入贝叶斯优化实现全局参数迭代更新。整体实现行李输送全流程自动化、精细化管控,有效规避行李滞留问题,提升输送系统运行稳定性、负载均衡性与调度智能化水平。
2、为实现上述目的,本发明采用了如下技术方案:
3、一种融合航班时序、输送负载与路径规划的行李防滞留调度方法,包括以下步骤:
4、s1.获取航班运行数据及行李托运数据,划分后得到行李批次信息表,构建航班时序-行李批次时空耦合矩阵,采用层次狄利克雷过程隐马尔可夫模型对航班时序-行李批次时空耦合矩阵进行异常波动检测,得到异常程度值;
5、s2.获取行李输送系统静态拓扑数据,结合行李批次信息表构建空间自回归地理加权泊松模型,预测各输送节点的负载及对应路径的输送能力和输送速度,生成动态负载拓扑图;
6、s3.基于异常程度值和动态负载拓扑图筛选可行路径,采用logistic混沌映射增强果蝇优化算法求解多目标优化模型,得到最优路径方案,再生成预规划时间表;
7、s4.实时采集输送系统运行数据,增量更新空间自回归地理加权泊松模型并同步更新动态负载拓扑图,结合最优路径方案和预规划时间表计算路径偏差指数以触发动态重规划,对不可行的行李批次重新规划路径,得到重规划路径信息;
8、s5.基于重规划路径信息,计算各行李批次的滞留风险评价指标实际值,采用批次动态λ-模糊测度与choquet积分计算每个行李批次的综合滞留风险值,根据综合滞留风险值确定滞留风险等级;
9、s6.对滞留风险等级判定为极高风险的行李批次,获取应急输送资源信息,采用深度q网络进行自动化应急调度,构建仿真环境,采用贝叶斯优化算法对全局参数进行每日迭代更新。
10、本说明书中,s1中层次狄利克雷过程隐马尔可夫模型进行异常波动检测的具体过程为:以历史无重大异常事件的航班时序-行李批次数据作为训练数据集训练模型,模型自动学习历史数据中存在的所有正常托运模式及其参数分布;将当日构建的航班时序-行李批次时空耦合矩阵输入训练好的模型,计算每个观测值在所有正常状态下的最大对数似然值,当最大对数似然值小于预设阈值时判定为异常波动点;计算所有正常状态的全局混合分布参数,基于全局混合分布参数计算每个异常波动点的异常程度值。
11、本说明书中,s2中构建空间自回归地理加权泊松模型时,采用差异化的特征构造规则:对于托运柜台节点,特征向量包含当前节点前一时段的平均负载、对应托运柜台未来时段的预计行李流入量和对应航班的剩余托运时间;对于分拣节点、中转节点、转盘节点和缓存节点,特征向量包含当前节点前一时段的平均负载和对应托运柜台未来时段的预计行李流入量,对应航班的剩余托运时间特征值设为零;模型训练完成后,输出未来时段内每个输送节点每分钟的预测负载值。
12、本说明书中,s3中logistic混沌映射增强果蝇优化算法的求解过程为:以整数向量表示每个行李批次选择的路径索引,利用logistic混沌映射生成种群的初始位置;优化时以各批次托运时间区间的起始时刻作为初始出发时间,以所有行李批次的总输送时间最短、所有输送节点的负载方差最小和所有输送路径的总能耗最低为优化目标,其中总输送时间包含路段行驶时间和途经分拣节点、中转节点的处理时间,总能耗依据路径长度和通行时段内输送速度平方的时间平均进行计算;每次迭代使果蝇向当前最优位置移动并通过混沌映射施加扰动,达到最大迭代次数或适应度收敛后输出所述最优路径方案。对于每个行李批次,其初始出发时间统一取该批次托运时间区间的起始时刻。批次内所有行李视为一个整体进行路径规划与输送时间计算。若需模拟行李分散到达的效果,可在负载预测阶段(s2)将行李件数按托运时间区间均匀分配到每分钟的流入量中,但路径规划仍以批次为单位。
13、本说明书中,s3还包括对预规划路径进行冲突预消解:构建冲突检测矩阵,计算任意两个行李批次在同一节点的时间重叠度,当时间重叠度大于预设的冲突判定阈值时判定存在路径冲突;采用节点等待时间调整法进行冲突消解,调整冲突行李批次中优先级低的批次在冲突节点的等待时间,优先级从高到低依次为优先行李批次、易碎行李批次、超大行李批次、普通行李批次。
14、本说明书中,s4中采用指数加权递归最小二乘算法对空间自回归地理加权泊松模型的参数进行增量式更新,其中局部回归系数针对每个节点单独更新,全局空间自回归系数采用所有节点预测误差的平均值进行统一更新;更新完成后重新预测未来时段各输送节点的负载及对应路径的输送能力和输送速度,并同步更新动态负载拓扑图的节点属性和边属性。
15、本说明书中,s4中路径偏差指数由当前所在节点的实际负载与最近一次路径规划时使用的原预测负载的偏差率,以及预规划路径上后续所有节点的更新后预测负载与原预测负载的平均偏差率加权求和得到;当路径偏差指数超过预设阈值时,触发以该批次当前所在节点为新起点的增量式路径重规划,采用改进a*算法搜索可行路径集,并再次调用logistic混沌映射增强果蝇优化算法进行优化,得到所述重规划路径信息。
16、本说明书中,s5中计算综合滞留风险值的过程为:通过层次分析法确定时间裕度、当前节点负载率、后续节点平均负载率、剩余路径节点数和剩余路径高负载边数这五个指标的全局重要性权重;根据各批次预规划输送时间与平均预规划输送时间的偏差,动态上调时间裕度指标权重并下调其余指标权重,经归一化后,求解保证模糊测度归一化的批次专属λ值;再利用该λ值和调整后的权重计算所有指标子集的模糊测度;最后将各指标的隶属度按从小到大排序后,通过choquet积分聚合得到综合滞留风险值;根据综合滞留风险值将滞留风险划分为低风险、中风险、高风险和极高风险四个等级。
17、本说明书中,s6中深度q网络的输入为包含多个特征字段的系统状态向量,所有连续特征均归一化到指定区间,特征字段包括极高风险行李批次的时间裕度、当前节点负载率、剩余路径平均负载率、各应急输送通道可用性、各人工搬运队伍可用性、各应急缓存区剩余容量、各人工搬运队伍与当前节点的距离、输送系统整体负载率;应急调度包括选择应急输送通道、调度人工搬运队伍、转移至应急缓存区;设计基于事件触发的奖励函数,在每日调度结束后将当日的应急调度样本存入经验回放池,对深度q网络进行在线更新。
18、一种融合航班时序、输送负载与路径规划的行李防滞留调度系统,应用上述中任一项所述的融合航班时序、输送负载与路径规划的行李防滞留调度方法,所述融合航班时序、输送负载与路径规划的行李防滞留调度系统包括:
19、数据采集与异常检测模块,用于获取航班运行数据及行李托运数据,划分后得到行李批次信息表,构建航班时序-行李批次时空耦合矩阵,采用层次狄利克雷过程隐马尔可夫模型对航班时序-行李批次时空耦合矩阵进行异常波动检测,得到异常程度值;
20、动态负载预测与拓扑生成模块,用于获取行李输送系统静态拓扑数据,结合行李批次信息表构建空间自回归地理加权泊松模型,预测各输送节点的负载及对应路径的输送能力和输送速度,生成动态负载拓扑图;
21、路径预规划与冲突消解模块,用于基于异常程度值和动态负载拓扑图筛选可行路径,采用logistic混沌映射增强果蝇优化算法求解多目标优化模型,得到最优路径方案,再生成预规划时间表;
22、动态重规划模块,用于实时采集输送系统运行数据,增量更新空间自回归地理加权泊松模型并同步更新动态负载拓扑图,结合最优路径方案和预规划时间表计算路径偏差指数以触发动态重规划,对不可行的行李批次重新规划路径,得到重规划路径信息;
23、滞留风险评价模块,用于基于重规划路径信息,计算各行李批次的滞留风险评价指标实际值,采用批次动态λ-模糊测度与choquet积分计算每个行李批次的综合滞留风险值,根据综合滞留风险值确定滞留风险等级;
24、应急调度与全局优化模块,用于对滞留风险等级判定为极高风险的行李批次,获取应急输送资源信息,采用深度q网络进行自动化应急调度,构建仿真环境,采用贝叶斯优化算法对全局参数进行每日迭代更新。
25、综上所述,本发明至少具有以下有益效果:
26、规则标准化,落地性强:统一行李初始出发时间、节点特征、时变速度能耗、输送时长等核心计算与定义规则,消除逻辑歧义与计算漏洞,整套调度方法可直接部署应用于实际行李输送系统;
27、预测精度高,预判能力强:融合时序自相关与空间关联特性开展负载预测,结合航班异常识别提前感知运行风险,从源头减少拥堵与滞留诱因;
28、调度策略优,运行效率佳:基于多目标智能优化算法完成路径规划,兼顾输送时效、负载均衡与运行能耗,同时实现静态预规划与动态重规划结合,灵活化解路径冲突与工况突变问题;
29、风险管控分层,应急处置智能:建立量化滞留风险评价体系与分级预警机制,依托强化学习实现高风险行李自动化应急调度,替代传统人工处置,提升应急响应速度;
30、系统自适应,长效运行稳定:依托仿真环境与贝叶斯优化形成参数闭环迭代机制,系统可根据每日实际运行数据自主优化模型参数,持续适配不同运行场景,长期保持优良调度效果;
31、整体架构闭环,智能化程度高:各功能模块数据互通、前后联动,实现行李从托运、输送、分拣到装机的全流程智能管控,全面提升机场行李输送系统的自动化与智能化水平。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com