基于三維風險分析模型的車輛調度研究*

馮 君 鄒沛林 劉彥君 路曉梅

（中國民用航空飛行學院 廣漢 618000）

1 引言

隨著國家在新時期積極推進大數據，行業信息化、自動化程度不斷提高，數據驅動安全勢在必行。從我國民航業的發展趨勢來看，機場吞吐量的快速增長暴露了其長期存在的弊端，已成為影響航空運輸效率的重要因素。為航班提供地面車輛調度服務是機場運營和管理的重要組成部分。對于進離港航班，它表現出高密度和短時間的特點。因此，航班的地面支持服務往往過于集中。優化機場地面特種車輛的保障能力是減少航班延誤、節約調度成本的關鍵因素之一。

三維風險分析的方法的研究重點偏向于物流與安全管理方面。Jin J 等［1］（2012）基于優化的三維風險矩陣，研究了公共安全監測系統的安全完整性水平。Juan Y 等［2］（2016）考慮傳統二維風險評價的能力和嚴重性，引入風險受體脆弱性的概念，提出了三維風險矩陣，可以更好地表征消費者行為對食品安全事故的影響。潘丹等［3］（2018）鑒于機場風險管控能力差異對風險的影響，對停機坪安全三維風險預警模型進行了研究。Gray G 等［4］（2019）將風險評估作為過程的一個組成部分。通過建立風險矩陣，將分析的結果進行不同顏色的預警編碼，反應預警等級。

對于機場地面調度的相關研究，羅宇驍［5］（2016）通過對機場滑行與停車泊車的協同調度進行了研究，提出了一個基于滑行道的雙層次優化調度模式，以改善空港的運營效能，并將地面控制和空港調度有機的有機結合起來。殷龍等［6］（2016）針對民航機場單車和單程航班調度效率低下的問題，提出了基于時間窗限制的特種車輛的優化調度問題。最后，利用實測資料進行模擬，得到了燃料作業的最優分配，從而證明了該方法的正確性。王湛等［7］（2017）基于模糊自修正多粒子群算法，對離散化最優模式進行了模擬，其效果較好。邢志偉等［8］（2017）既考慮到了航班流程為零工型與定位性的混合流程，又考慮到了資源需求量的差異和時間窗約束等特點，并針對此建立了基于帶有時間窗車輛路徑問（VRPTW）的航班保障服務流程模型。許晨晨等［9］（2018）基于機場地面保障設備工作時間的不確定性，研究了機場地面服務設備的調度優化問題。綜上所述，本文所用方法遺傳算法作為現代智能啟發式算法，所采用的方法具有不易陷入局部解、且算法性能穩定，在解決多類組合優化問題上取得良好效果。

2 問題描述與建模

2.1 問題描述與分析指標選取

在航空運輸生產中，在準備飛行之前或完成飛行之后，飛機需要完成停機坪一系列生產和地面準備工作。這個過程被稱為地面車輛調度服務。地面車輛調度服務涉及多種特種車輛的調度。

本文主要考慮五種主要車輛的調度流程：擺渡車、加油車、清水車、行李車和食品車。在過去，相關研究方向的重點是考慮時間約束在車輛調度過程中的關鍵作用。本文引入風險因素，通過比較五種車輛，造成航班不正常到發的風險警度，改進時間約束的范圍取值，優化特種車輛調度排班次序，提高機場運行的效率［10］。在保障過程中，由于人為操作造成潛在隱患的幾率高于70%。因此我們采取總結以往專家經驗，對不同參數劃分并歸納。針對專家采用的問卷調查，根據結果利用AHP 層次分析從而得出不同車輛在調度過程中的風險權重，進行數據統計。

風險分析流程分為以下幾點：

1）計算風險權重

采用yaahp軟件可以直觀明了的判斷矩陣的一致性。

2）構建分析模型

風險（r）=f（可能性（rp），嚴重性（rs），脆弱性（rv））

為了更好地確定指標類型，可以將目標分為三個層面，分別為目標層、準則層和指標層。參照二維風險矩陣的分級，將風險的可能性和嚴重性劃分為三個等級。

3）求得隸屬矩陣

參考三維風險評價維度的占據權重，分別求出隸屬向量，得到可能性隸屬向量，嚴重性隸屬向量，脆弱性隸屬向量為

求得隸屬值：

代入以下公式，可以求得隸屬值矩陣：

其中r是評判結果。

4）得出風險警度

（1）單指標風險警度計算

（2）綜合風險警度計算

2.2 車輛調度模型

2.2.1 模型假設

本文結合傳統的VRP 模型，通過增加時間窗懲罰約束，并遵循先后次序規則，得到了一種改進的車輛調度模型［11～12］。模型條件如下所示：

1）每架飛機只能被同種類型的車服務一次；

2）車輛數不允許超過最大限制車輛數；

3）每輛車都得從配送中心0點出發；

4）第k輛車服務j點后必須離開；

5）任何車輛開始服務時間在規定的時間窗范圍內；

6）任何車輛承載容量必須大于指定停機位需求量；

7）第k 輛車在i 點結束服務時間早于后續j 點開始服務時間；

8）車輛進行地面調度作業時有一定懲罰成本，懲罰時間為前后15min；

9）配送車輛一旦完成線路配送任務后便從外圍返回配送中心，即只考慮單程配送問題；

10）配送過程中車輛勻速行駛，速度為20km/h，且道路交通和天氣狀況良好。

2.2.2 參數和變量

i，j表示機場停機位節點，i=0 表示配送中心，i，j=1，2，3，…，n表示停機位編號；ck表示k 車輛的承載容量；aik表示該航班允許k 車輛服務的時間窗開始時間；bik表示該航班允許k 車輛服務的時間窗結束時間；mk表示不同種類車輛行駛費用；pk表示不同種類車輛派車費用；Tik為第k 輛車在i 點服務開始時間；Tjk為第k 輛車在后續j 點服務開始時間；Uik為第k 輛車在i 點服務結束時間；Ujk為第k輛車在后續j點服務結束時間；Dik為對于k 車輛的i 點資源需求量；Cijk為第k 輛車在i點或j 點時間超過時間窗懲罰成本；dij為停機位i至停機位j的距離。

2.2.3 模型建立

載運工具確定行駛路線及時間，有效地運送各站點間的旅客和貨物。運籌學界將此類問題統稱為車輛路徑問題（Vehicle Routing Problem，VRP）［13］。

結合傳統的VRP 模型，通過增加時間窗懲罰約束，并遵循先后次序規則，得到了一種改進的車輛調度模型［14］。

本文研究的模型重點考慮時間窗約束。時間窗系數越高，時間要求越高，但是懲罰成本也隨之增高。通過多次測驗，保證數據最佳擬合的系數為70，系數的改變值選取5，因此四種懲罰系數為70，75，80，85。這四種懲罰系數分別對應警度由低到高四個等級。而懲罰成本則通過懲罰系數與各自車輛對應的行駛費用和距離乘積。懲罰系數的范圍是綜合考慮懲罰成本的變化與懲罰時長的變化在相對穩定的范圍內，進行最合適的篩選。

總目標同時考慮車輛使用數目最少，車輛的行駛時間最短，時間窗懲罰度最小，容量懲罰度最小。將時間變化與資源變化轉化為經濟成本，以此來表示調度效率的高低。本文研究的調度能力，便是車輛使用數目，使用成本以及調度時間的統稱。

3 遺傳算法設計

本文以遺傳算法為例，對優化模型進行求解。遺傳算法是一個模擬生物進化理論生成的自適應全局優化算法。

由于遺傳算法是一種隨機搜索算法，因此不可能獲得準確的測量解。為了防止其無限循環，還需要設置相應的終止條件來停止其往復循環迭代。這里，選擇設置200 次迭代，當迭代次數達到200，算法便會終止迭代。

4 實例驗證

4.1 風險分析實例

本文通過采取訪問西安咸陽國際機場工作人員，以調查問卷的方式進行調查，以此來獲取五種特種車輛的權重。為了細化每種車輛對不正常航班到發的影響程度，以進港服務時間、出港服務時間、調度時間、延誤時間、平均服務時間、平均延誤時間六種設定為指標層因素，隨后將六種指標層的單指標警度作出均值，便能得到更為準確的該車輛針對于航班不正常到發的風險警度。

1）編碼處理

將獲取的分數統計，采用AHP 層次分析進行數據編碼處理。得到的數據結果如圖1 所示。經檢驗，所有數據權重分析，都滿足一致性要求。

圖1 AHP指標層分析結果圖

2）求出隸屬矩陣

參照二維風險矩陣的分級，將風險的可能性和嚴重性劃分為三個等級。各自維度的矩陣Mp=(0.5，1.5，2.5)，Ms=(0.5，1.5，2.5)，Mv=(0.5，1.5，2.5)。分別代表可能性，嚴重性和脆弱性。計算車輛的可能性隸屬值矩陣，嚴重性隸屬值矩陣和脆弱性隸屬值矩陣。

3）警度計算

通過計算各自維度地面車輛風險等級占據總數的比值，得出三種風險評價維度的權重為

wp=ws=wv=1/3

所有指標層因素的單指標警度見表1。

表1 警度分析表

根據指標層因素的單指標警度，對它求均值，擺渡車的警度為1.8939，加油車的警度為1.7048，清水車的警度為1.9317，行李車的警度為1.7048，食品車的警度為2.083。警度的等級劃分采用四分位數，四分位數（Quartile）是統計學中分位數的一種，即把所有數據由小到大排列并分成四等份，處于三個分割點位置的數據就是四分位數。對五種車輛警度進行四分位數劃分，得出加油車和行李車為第一等級，擺渡車為第二等級，清水車為第三等級，食品車為第四等級。時間窗懲罰系數定位，70，75，80，85，這四種懲罰系數分別對應警度由低到高四個等級。

4.2 車輛調度實例

根據實地調研，調查了同一家航空公司某一天到達西安咸陽機場的航班情況，找尋了西安咸陽機場在2021年高峰日航班進港數據，共有26 個航班為實驗對象。數據見表2。

表2 航班數據表

根據調研西安咸陽機場的車輛數據，可以得到以下數據，見表3。

表3 車輛數據表

將每種車輛調度需要的最大車輛數，派車費，行駛費帶入到模型計算，以每個航班進港時間前后5min為時間窗范圍，設定迭代次數200。

運算結果見表4。可以看出在同樣的航班車輛調度環境下，考慮了不同種類車輛對航班不正常到發的影響程度，能更好地縮減車輛的使用數目，從而最大效益地控制成本開銷。

表4 車輛調度分析結果表

5 結語

結合驗證和地面調度的基本要求，提出以下幾點建議：

1）對于調度環節資源消耗成本高的車輛，在合理范圍內減少車輛數量，并根據調度需求適當增加資源消耗成本低的車輛數量。

2）行李車是本文驗證的資源消耗成本最高的車輛，低速度、低地板、大容量是行李車的基本運行條件。由于貨物量大，作業時間長，批量小，價格高。當出現故障時，司機應熟悉各種車輛的路線，并能盡快完成操作。若有需要，需加派地面調度人手，減少在擺渡過程中搬運行李時間，從而減小調度成本。

然而，本文在以下兩個方面仍需改進：一是時間窗的約束與多種車輛調度配合的限制；二是車輛調度之間，指標層因素的關聯性分析。