基于Any Logic的機場加油車調度能力評估*

馮 君 鄒沛林 路曉梅 劉彥君

（中國民用航空飛行學院 廣漢 618000）

1 引言

機場地面車輛調度是在航班進港時，為了保障航班過站或停放時狀態的良好，對飛行所需資源進行補給和對機身維修檢查的一系列工作。國內機場針對機場地面車輛調度的相關研究還不夠全面，大部分國內機場根據車輛先到先服務的排班方式進行調度工作，這種模式優點在于工作安排較便捷，能夠第一時間派出車輛進行調度工作，但缺點很明顯，所有車輛統一從加油站出發，遠機位的航班不能及時得到加油服務，從而增大航班延誤的可能性。

有關機場調度的國內相關研究重點偏向于帶有時間約束的協同調度方面［1～5］。后續學者考慮到了資源需求量的差異和時間窗約束等特點，建立了基于帶有時間窗車輛路徑問題（VRPTW）的航班保障服務流程模型［6～8］。國內外運用Any Logic軟件進行機場方面研究的側重于有關時間延誤分析以及調度優化方面。國外學者重點以優先次序的調整來考慮仿真優化效果［9～12］。國內學者袁悅［13］使用Any Logic 建立仿真模型，得出在機坪進行保障服務的行李車的最優數量并提高機坪服務行李車的利用率，從而減少因行李車調度問題所引起的航班延誤。

本文選擇引入時間窗概念，結合容量約束建立多目標調度優化模型，以仿真軟件Any Logic 為實驗平臺，代入西安咸陽機場航班數據，得出最優車輛調度方案。

2 機場加油車調度概念

機場地面服務調度旨在利用不同種類的機場特種車輛補充過站航班和停站航班的消耗資源。以加油車為例，車輛統一停靠在航空加油站，當飛機即將進港時，加油車收到指令，提前準備工作，在指定機位等待飛機停靠穩定，執行加油任務。

加油車調度仿真需要在規定的路徑上，對移動的目標采取時間約束等措施。而Any Logic 軟件可以根據目標需求制訂移動路線，在起始點采取時間約束，制訂好地面服務計劃。因此，本文采用Any Logic 軟件將加油車具體工作流程統一以時間長度進行描述，并以西安咸陽機場2021年高峰日的三家航空公司的航班數據為研究樣本，進行仿真實驗。

3 基于Any Logic 的多目標調度優化模型構建

3.1 多目標調度優化模型建模

首先需要針對模型所需要的數據進行采集。數據主要有加油車的具體參數（包括型號、運輸能力、馬力）、機場的平面布局、航空加油站的位置分布、研究機位的具體位置坐標以及航班的具體進港時間。在軟件中，利用流程建模庫中的Source元件連接到航空加油站的坐標，不同機位的坐標用點節點進行連接，加油車的服務時間采用delay 元件表示，運用queue 連接提前排號的車輛服務路徑，最后以sink元件表示流程終止，結束調度作業。

模型條件：

總目標同時考慮車輛使用數目最少、車輛的行駛時間最短、時間窗懲罰度最小和容量懲罰度最小。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。

每輛車都得從加油站出發，并且每輛車都得裝滿航空煤油。

第k輛車服務j點后必須離開，防止車輛堆積。

任何車輛承載容量必須大于指定停機位需求量，防止車輛多次服務同一航班，造成調度時間浪費。

任何車輛開始服務時間在規定的時間窗范圍內，時間窗懲罰成本是當配送車輛超出時間窗范圍時需要接受的懲罰，用懲罰成本來反映。

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。

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；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。

公式參數含義如下。

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表示第k輛車在i點服務開始時間；Tjk表示第k輛車在后續j點服務開始時間；Uik表示第k 輛車在i點服務結束時間；Dik表示對于k 車輛的i 點資源需求量；Cijk表示第k 輛車在i 點或j 點時間超過時間窗懲罰成本；dij表示停機位i至停機位j的距離。

3.2 加油車編號

通過調研發現，西安咸陽機場每天可執行任務的加油車車輛為30 輛，所有車輛搭載航空煤油總量200000L，服務時間為4min。將30 輛車從1、2、3……30進行編號，便于進行后續流程研究。

3.3 航班數據分析

本文選取西安咸陽機場三亞航班、寧波航班、溫州航班在2021年9月高峰日的航班進港時間數據。將航班進港數據帶入模型，航班編號從1 開始。并將delay 元件的參數設為triangular（2，3，4），由于航班機型不一致，因此取平均服務時間最長為4min。結合實地調研，可以得到該機場加油車派車費45元，行駛費6元/km。

4 實例分析與結果

4.1 仿真分析

截取西安咸陽機場T2、T3 航站樓、機坪以及航空加油站等局部區域平面布局圖，確定好仿真區域。如圖1所示。

圖1 機場仿真布局圖

通過軟件編寫模型代碼，將每個機位坐標代入，運算模型，得出配送路徑與調度總成本。根據得出的最優配送路線再進行時間延誤分析。如圖1所示，T2 航站樓涉及到的機位由7 至17，T3 航站樓涉及到的機位由F13 至F19。流程建模的順序，按照航空加油站、路徑、機位的順序進行連接即可。調度流程以航班編號為例，三亞航班配送路徑為8 條，航班編號為1～26，寧波航班配送路徑有5條，航班編號為1～18，溫州航班配送路徑有兩條，航班編號為1～8，航班數據示例見表1，具體配送路線見表2。

表1 航班編號數據表

表2 航班配送路線表

以三亞航班為例，根據路徑中的航班編號順序，連接仿真系統中的模塊，航班之間的通過路徑以queue元件鎖定位置，運用delay元件控制服務開始時間與服務進程時間。連接流程見圖2。

圖2 機場仿真流程圖

運行程序，通過查看time measure end 得出最終完成時間。

為了體現該模型的現實效果，這里采用對比方式。現實工作中機場一般采用先到先服務的排班方式，運用這種方式的優點在于快捷。將先到先服務模式劃分為兩種狀態進行分析，在保證航班數據一致情況下，一種是以調度模型結果同樣的車輛編號，進行先到先服務計算；另一種是不固定編號，直接運用先到先服務計算。

4.2 結果評估

從車輛數目來看，考慮資源分配與時間窗的調度方案的三亞航班成本總額423.22元，寧波航班成本總額262.15 元，溫州航班成本總額99.28 元。在保證車輛編號數目一致情況下，考慮先到先服務算法的調度方案的三亞航班成本總額428.32元，寧波航班成本總額281.35 元，溫州航班成本總額108.88元。當不考慮車輛編號一致情況下，先到先服務算法的調度方案的三亞航班成本總額474.81元，寧波航班成本總額566.59 元，溫州航班成本總額208.76元。由此可見，比較三家公司調度成本總額來看，多目標調度優化成本消耗更低。對于時間延誤的分析，以固定編號與不固定編號兩種情況進行對比。具體時間延誤結果，固定編號見表3。

表3 固定編號時間延誤分析表

將兩種表格結果進行對比，可以更好地看出時間延誤數值大小，以3 家航空公司航班總數設為任務總量，多目標調度優化時間延誤總和為35.69min，固定編號的先到先服務時間延誤總和為41.72min，不固定編號的先到先服務時間延誤總和為37.01min。綜上所述，本文研究的多目標調度優化模型，通過時間延誤與調度成本兩個結果分析來看，都要小于先到先服務算法，證明模型現實運用是可行的。

通過分析圖3，三種調度方式的每種車輛編號的服務數目，以多目標調度優化方式進行運算，每輛車服務數目均在3架～5架航班，保證了每輛車工作量均衡，避免對車輛造成過度損耗。

圖3 車輛服務數目圖

5 結語

結合仿真驗證和地面車輛調度的基本要求，有以下幾點結論。

1）對于調度環節，平衡車輛服務對象數目，可以有效減少因航班進港數量過多造成的調度延誤以及調度成本。

2）通過仿真建模和仿真結論分析，使Any Logic 軟件技術在地面車輛調度流程中得到了有效利用，仿真結果實時給出機場現場調度加油車的運行時間、運行路徑，并通過西安咸陽機場實時數據進行驗證，將實驗結果與先到先服務作對比，證明仿真的可行性。

然而，本文仍有不足之處，有關車輛多目標調度優化模型還不夠全面，可進一步考慮在調度仿真過程中不同編號車輛之間的影響程度，減小調度路徑之間產生沖突，造成時間延誤。該模型可進一步改進時間窗的大小數值，優化車輛調度的先后次序。