本篇论文主要探讨了大数据与算法在解决飞机调度问题中的应用,特别是针对航空公司有限资源(飞机、航线、跑道、燃料、机组人员等)合理分配的问题。通过对国内航空运营规划系统现状的分析,确定研究主题为飞机调度,并具体分为三个领域进行深入研究。
首先,在终端区域,航空交通管理的一个重要目标是提高跑道系统的容量。论文关注的是在多跑道系统中,如何在预设时间窗口内减少飞机延误时间的飞机降落问题。这个问题涉及到为每架飞机分配合适的跑道,计算每个跑道的降落顺序以及安排每架飞机的降落时间。论文提出了一种遗传算法来解决这个问题。通过使用OR-Library的标准数据集作为测试实例,计算结果显示该算法是有效的,能够显著减少延误时间并提高跑道的利用率。
其次,论文受到实际经验的启发,研究了基于机队平衡应用的飞机编排问题。研究内容涉及飞机与飞行配对之间的分配问题,必须满足飞机调度指令和飞机维护计划。目标是最小化飞机实际飞行时间和预期飞行时间之间的相对偏差。为此,设计了一种结合遗传算法和模拟退火算法的混合算法来解决此问题。实验结果显示,该混合遗传算法优于模拟退火算法。
最后,论文提出了一种数学模型,从减少乘客延误的角度优化航班频率和出发时间。这个模型旨在最小化乘客的整体延误,从而提供更高效的航班调度方案。通过优化航班的频率和时间安排,可以更好地平衡航空公司资源的使用和乘客满意度。
总的来说,这篇研究论文通过大数据和高级算法,如遗传算法和混合算法,为飞机调度提供了创新的解决方案,旨在提高航空运营效率,降低延误,优化资源分配,以及提升乘客体验。这些方法和模型对于现代航空公司的运营管理具有重要的理论和实践价值。