本发明涉及场面优化、停机位指派、地面保障车辆调度，具体设计一种基于双层规划的停机坪资源联合调度方法。
背景技术：
1、停机坪资源包括停机位资源和地面保障车辆资源，停机位指派方案是地面保障车辆调度的先决条件，车辆的调度效率又会影响航空器占用停机位时长，二者相互制约，共同影响航班的地面服务质量和准点率。在实际机场的运行情况中，为实现整体的调度最优，需要考虑多种机场场面资源的联合调度问题。
2、在研究内容方面，目前停机坪资源联合调度研究大多针对停机位和滑行道资源，少数关于地面保障车辆和其他资源联合调度的研究也只考虑了单种车型；并且研究的总体流程是为航班分配了停机位后，再调度地面保障车辆，并未考虑停机位对于地面保障车辆路径安排的反向影响。在研究方法方面，多采用集合划分模型、混合整数线性规划模型等，通过精确算法和启发式算法求解，其中精确算法处理大规模问题时效率低下，且难以解决多目标优化问题；而启发式算法在鲁棒性和优化精度上仍有提升空间。因此，有必要对停机位与多种地面保障车辆进行整体联合调度，进一步提高机场运行的效率。
技术实现思路
1、本发明公开了一种基于双层规划的停机坪资源联合调度方法，旨在对停机位和地面保障车辆进行整体联合调度，在满足停机位和车辆资源限制的情况下，完成高峰时段保障任务，提高停机坪运行效率。
2、为实现上述目的，本发明提供的技术方案是：
3、一种基于双层规划的停机坪资源联合调度方法，其特征在于，包括以下主要步骤：
4、步骤1：将停机坪资源调度成本分为停机位指派成本和地面保障车辆调度成本，并提出包含燃油、污染物、碳排放和时间四种因素的成本量化方法；
5、步骤2：建立基于双层规划的停机坪资源联合调度模型，上层模型为停机位指派模型，下层模型为地面保障车辆调度模型，在满足停机坪资源容量限制的同时最小化停机坪资源调度总成本；
6、步骤3：停机坪资源联合调度求解，上层使用改进的遗传算法，下层使用头脑风暴算法，构建一种改进的混合遗传头脑风暴算法(ahgba)进行求解。
7、为优化上述技术方案，采取的具体措施/限定还包括：
8、在步骤1中，将停机位指派成本分为航空器燃油成本、航空器污染物成本、航空器碳排放成本和航空器时间成本四部分。
9、航班i产生的航空器燃油成本fiaircraft计算公式如下。其中，为航班i的进离港滑行时间总和，指单位质量航空燃油成本，ri指航班i的一个发动机在7％推力时的燃油消耗速率，ni指航班i的发动机个数。
10、
11、航班i在场面滑行阶段的总污染物成本piaircraft计算公式如下。其中，pico为航班i的一氧化碳环境污染成本，pihc为航班i的碳氢化合物环境污染成本，为航班i的氮氧化合物环境污染成本。
12、
13、航班i的碳排放成本计算公式如下。其中，ce为单位质量co2排放成本，为航空燃油co2排放指数。
14、
15、航班i的总时间成本tiaircraft计算公式如下。其中，为航班i在停机位旁的等待时间，为航班的单位时间成本，为航班i的延误时间成本。
16、
17、将地面保障车辆调度成本分为车辆燃油成本、车辆污染物成本、车辆碳排放成本和车辆时间成本四部分。
18、车辆l的燃油消耗成本flvehicle计算公式如下。其中，tdl为车辆l的行驶总距离，vvehicle为车辆行驶速度，为单位时间车辆燃油成本，u为车辆燃油消耗量。
19、
20、车辆l的总污染物成本plvehicle计算公式如下。其中，分别为车辆l的一氧化碳、碳氢化合物、氮氧化合物排放量，cco、chc、分别为单位质量一氧化碳、碳氢化合物、氮氧化合物排放成本。
21、
22、车辆l的碳排放成本计算公式如下。其中，ce为单位质量co2排放成本，为车辆燃油的二氧化碳排放指数。
23、
24、车辆l的时间成本tlvehicle计算公式如下。其中，为地面保障车辆单位时间成本，rptl为车辆l返回车场时间，dptl为车辆l离开车场时间。
25、
26、在步骤2中，为航空器指派合适停机位，目标函数为最小化停机位指派成本，具体包括航空器燃油成本、污染物成本、碳排放成本和时间成本，构建面向停机位指派的上层规划模型。公式如下。其中决策变量xik表示航班i是否被指派至停机位k。
27、
28、为地面保障车辆安排合理服务路径以完成四种车型的服务，目标函数为最小化车辆调度成本，具体包括车辆燃油成本、污染物成本、碳排放成本和时间成本，构建面向地面保障车辆调度的下层规划模型。公式如下。其中决策变量表示车型q中的车辆l是否服务航班i。
29、
30、将上层模型求得的停机位指派方案作为输入传递给下层模型，将下层模型求得的地面保障车辆调度方案和调度成本返回至上层模型，两者通过不断迭代优化最终达到整体最优。
31、在步骤3中，针对上层停机位指派问题，设计改进的遗传算法，使用自适应交叉和变异概率，增加记忆库操作，提高算法效率。
32、在遗传算法中，交叉算子影响全局搜索能力，变异算子影响局部搜索能力。在迭代初始阶段，为保证种群有序向全局收敛，需要设置较大的交叉概率和较小的变异概率；在迭代的中后期，种群优化转向局部搜索，为保持种群多样性，需要设置较小的交叉概率和较大的变异概率。
33、针对下层地面保障车辆调度问题，设计头脑风暴算法，使用局部搜索操作提高算法效率。
34、局部搜索操作借鉴了邻域搜索算法中“破坏”和“修复”的思想，先从当前方案中移除若干航班完成破坏操作，再将被移除的航班重新插入到被破坏的方案中完成修复操作
35、基于进化迭代的思想，构建一种改进的混合遗传头脑风暴算法(ahgba)对双层规划模型进行求解，基本步骤如下。
36、step1：首先初始化上层规划决策变量，生成随机初始解，即各航空器停机位指派方案；
37、step2：下层规划针对上层规划种群中每个个体生成最优车辆和路线调度安排，并将最优调度方案反馈给上层规划；
38、step3：上层规划利用适应度函数计算每个个体的最优目标函数值；
39、step4：对种群进行改进的遗传操作，使用迭代逼近模型最优解。
40、与现有技术相比，本发明的有益效果是：
41、本发明从全局的角度建立停机坪资源联合调度模型：目前机场场面大多针对单种类型资源进行调度研究，调度过程独立性较高，本发明考虑了停机位对于地面保障车辆路径安排的反向影响，同时考虑了多种主要车型，对这两种资源进行联合调度，打破资源调度间的壁垒，有效降低航空公司和机场成本，为大型机场高峰期停机坪调度提供决策依据。此外，设计改进的混合智能优化算法求解双层规划模型：本发明使用改进的遗传算法求解上层模型，使用头脑风暴算法求解下层模型，并使用增加记忆库、引入局部搜索和设置自适应参数等方法改进传统算法，构建一种改进的混合遗传头脑风暴算法，提高算法求解效率。
1.一种基于双层规划的停机坪资源联合调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于双层规划的停机坪资源联合调度方法，其特征在于，所述步骤1具体过程如下：
3.根据权利要求2所述的一种基于双层规划的停机坪资源联合调度方法，其特征在于，所述停机位指派成本分中，
4.根据权利要求3所述的一种基于双层规划的停机坪资源联合调度方法，其特征在于，所述步骤2具体过程如下：
5.根据权利要求4所述的一种基于双层规划的停机坪资源联合调度方法，其特征在于，所述上层规划模型的公式如下：
6.根据权利要求1所述的一种基于双层规划的停机坪资源联合调度方法，其特征在于，所述步骤3具体过程如下：
7.根据权利要求6所述的一种基于双层规划的停机坪资源联合调度方法，其特征在于，所述步骤3.1中，
8.根据权利要求6所述的一种基于双层规划的停机坪资源联合调度方法，其特征在于，所述步骤3.2的具体过程如下：
9.根据权利要求6所述的一种基于双层规划的停机坪资源联合调度方法，其特征在于，所述步骤3.3具体过程如下：
