民用机场基于A-CDM的停机位资源分配研究

【摘要】机场协同决策(Airport-Collaborative Decision Making,简称A-CDM)是由机场为主导，航空公司、空管以及其他驻场保障单位共同参与的，以信息共享为基础的协同决策系统，通过对航空器地面运行保障节点的有效管控，优化机坪资源配置，实现机场地面运行效率的全面提高。为了提高机坪运行管理水平，提升机场综合服务保障能力，本文对基于机场A-CDM的停机位资源分配进行了研究，通过建立停机位分配管理模型，运用遗传算法对停机位资源的优化分配方案进行了探讨。 

关键词: 协同决策; 停机位分配; 遗传算法

0、引言

2024年，我国民用运输机场完成旅客吞吐量14.6亿人次，较上年增长15.9%；国际航线完成旅客吞吐量接近1亿人次，较上年增长109.8%；其中，年旅客吞吐量超过6000万人次的运输机场有4个。随着我国民航业的快速发展，同时给民用机场的运营管理和机坪资源综合调度带来了巨大的机遇和挑战。机场协同决策机制已经成为提高我国民航运输网络和机场运行管理效率的重要因素。国内机场推进A-CDM建设，是实现民航高质量发展的重要途径之一。合理的停机位设置和资源分配能够有效提高机场的容量、降低航班延误率、减少事故的发生，是影响民航机场的系统容量和机场服务运行效率的一个关键因素。

1、机场协同决策机制

机场协同支持决策机制是欧洲民航在空中交通管理战略中提出的新决策概念之一。各机场协同决策是以减少航班延误率、提高正点率、优化机场资源配置和利用为主要目的，提高一定机场范围内的空中交通流管理能力和机场总容量。各机场通过协同决策，使各机场参与者(包括机场运营经理、飞机运营商、地勤人员和空中交通管制员)了解其他机场参与者的局限性、现状和预期状态，做出正确的空中交通决策，并与其他机场参与者合作。为了确保机场继续做出高质量的决策，所有机场参与者都应正确设定共同目标。机场的目标是在完成运营计划的同时最大限度地提高吞吐量和效率。地面服务的目标是最大限度地提高资源管理效率，并签署协议以确保机场的服务质量水平。现有机场设施的最佳合理利用，取决于进出机场的航班预测的准确性。空中交通管制的主要目标之一是确保安全，并实现现有基本机场设施(跑道和滑行道)的最佳合理利用。为保证机场设施评价指标的正确实施和效果，引入机场设施性能评价方法，对现有机场设施的安全性和完整性进行评价。

2、停机位资源分配的现状

停机位分配问题是指综合考虑机场运行的规则、飞机的机型、停机位的类型、航班时刻等各种影响因素，为机场入港和离港的国际航班分配合适的跑道和停机位。机位自动分配管理是机场信息运行管理系统的一个重要组成部分，机位自动分配的准确性直接影响到整个机场的实际运行管理效率和旅客服务满意度。国内机场信息运行管理系统对于停机位的分配做不到全自动，只发展到半自动化程度，即先自动给出机位分配的方案，再用自动或者人工的程序进行更改和调整，经常造成部分航班无机位可分配，或分配到远机位，采用摆渡车等方式对旅客进行接送，影响了旅客满意度，还会造成资源的浪费和额外费用的增加。

研究停机位分配的优化模型，应用最为广泛的当属以最小机位旅客行走的距离和等待的时间为主要优化的目标。将国际机场最小化远机位数的利用率问题作为主要的考虑目标对象时，主要是以旅客利益最小化机位旅客空闲的时间和旅客最小化远机位数的利用率做为主要优化的目标。在实际的机场停机位分配问题中，优化的目标应该都是多目标的，若只以旅客最小行走的距离作为其优化的目标，往往会造成部分虚拟停机位相对繁忙，而其他虚拟停机位相对空闲；若只考虑其他机位相对空闲的时间，又往往会导致部分旅客对航班满意度的明显下降。

3、停机位分配的优化模型

停机位优化配置的基本目标之一，是将给定的虚拟航班合理分配到多个不同的虚拟停机位，使航班之间不发生运行冲突，旅客从机场步行的时间和距离最短。由于飞机进出口到其他虚拟停机坪的时间和距离远大于其他虚拟机位的时间和距离，应合理分配进出口到其他机位的航班。所有虚拟机位在分配后只能同时为机场分配一架虚拟航班。由于不同的机位分配问题可以直接划分为若干个相同的虚拟机位分配问题，本文假提出一个虚拟机位分配的数学模型。该模型定义了如下变量:N为飞机(到达或离开)集合; M为机场可用的机位数目;n为飞机的总数目; m为机位的总数; Ai为飞机i的到达时间;di为飞机i的离开时间; Wkj 为旅客从机位k到机位j的距离; fij为从航班i到j的旅客人数;gi为飞机i分配到的机位；加入两个虚拟机位: 0 为机场的入口或出口; m + 1 为无机位可用时飞机分配到停机坪; Yik=1为航班i分配到入口 k，否则为O（i．j) =yik=1(k≠m+1)；当且仅当(ai － dj) * (ai － di) ＜ 0时，优化目标公式（1）为:

4、停机位分配的遗传算法设计

4.1 适应度函数设计

直接选取目标函数作为适应度函数，不同的目标函数值相差不大，会导致适应度算法收敛速度慢，影响计算时间。因此，本文引入了模拟退火的思想，设计的适应度函数公式(2) 为:fitness = evalue( －a) × 10n。value 表示的是一个目标适应度函数的值，N调整适应度函数值的范围，系数a决定了算法复制的强迫性，A越小，适应值的强制函数微分越大。

4.2 交叉算子设计

在进化的不同阶段，根据适应度函数值的比例进行选择。在同一遗传过程的早期进化阶段，通常会出现一些超常量的初始个体。这些个体由于具有突出的群体竞争力，严重地控制了算法选择的速度和过程，影响了算法朝着全局最优解的方向搜索。在种群遗传进化的后期，由于种群算法适应度的收敛性和种群中个体间的差异较小，使得全局优化算法的持续性大大降低。该算法处理了种群中数量随速度变化的情况。如果一条染色体中的停止码数量减少或增加，从后一条染色体交叉点的停止到前一条染色体交叉点的停止，寻找一个包含 0 个代码的位置。在某个地区有这样的十字路口。这个位置的停止码为 0，另一条染色体上的停止码不为 0，交换这个交叉位置的两个亚染色体的停止码的数目; 如果停止码的数目增加或减少，必须再次增加另一个亚染色体的停止码的数目，并且这个亚染色体的停止码可以被处理。重复这一过程，直到亚染色体数目没有及时改变。

4.3 变异算子

从飞行染色体中随机选择两个分配基因进行选择交换，将分配给每个导航台的所有飞行按进入该导航台一段时间的顺序随机排序，并根据满足约束条件调整每个系统的飞行台，将不能满足机位约束协同决策条件的机位分配给相应的停机坪。对上述算法设计过程进行了分析，结合机场协同决策模型系统中的停机位航班实时分配，确定了停机位航班分配的数据集，最后得到了机位航班的分配方案。

5、结束语

本文进一步研究了目前机场协同决策机制条件下，基于旅客最小停机位行走距离的基础，进行停机位航班实时分配，通过遗传算法建立以旅客最小行走的距离为基础进行优化的目标，建立了机场协同约束条件下的停机位航班实时分配的模型，通过分析结合遗传算法的特性以及目前机场协同决策机制在部分民用机场已经实现的停机位信息资源共享的基础上，对该协同决策模型的停机位进行了合理的遗传算法结构设计。停机位实时分配是一个复杂的动态管理过程，可能受到空管、机场、航空公司以及机组等可控因素的控制和影响，还可能受到恶劣天气等自然条件的影响和限制，对于延误航班停机位的分配有待进一步的研究。

参考文献

[1]卢敏,冯霞.机场协同决策研究综述[J].安全与环境学报,2023(8)

[2]李小将,户航.数字化协同在机场运行保障的应用研究［J］．民航学报，2024,8(02)