基于三維風(fēng)險(xiǎn)分析模型的車輛調(diào)度研究*

馮 君 鄒沛林 劉彥君 路曉梅

（中國民用航空飛行學(xué)院 廣漢 618000）

1 引言

隨著國家在新時(shí)期積極推進(jìn)大數(shù)據(jù)，行業(yè)信息化、自動(dòng)化程度不斷提高，數(shù)據(jù)驅(qū)動(dòng)安全勢(shì)在必行。從我國民航業(yè)的發(fā)展趨勢(shì)來看，機(jī)場(chǎng)吞吐量的快速增長(zhǎng)暴露了其長(zhǎng)期存在的弊端，已成為影響航空運(yùn)輸效率的重要因素。為航班提供地面車輛調(diào)度服務(wù)是機(jī)場(chǎng)運(yùn)營和管理的重要組成部分。對(duì)于進(jìn)離港航班，它表現(xiàn)出高密度和短時(shí)間的特點(diǎn)。因此，航班的地面支持服務(wù)往往過于集中。優(yōu)化機(jī)場(chǎng)地面特種車輛的保障能力是減少航班延誤、節(jié)約調(diào)度成本的關(guān)鍵因素之一。

三維風(fēng)險(xiǎn)分析的方法的研究重點(diǎn)偏向于物流與安全管理方面。Jin J 等［1］（2012）基于優(yōu)化的三維風(fēng)險(xiǎn)矩陣，研究了公共安全監(jiān)測(cè)系統(tǒng)的安全完整性水平。Juan Y 等［2］（2016）考慮傳統(tǒng)二維風(fēng)險(xiǎn)評(píng)價(jià)的能力和嚴(yán)重性，引入風(fēng)險(xiǎn)受體脆弱性的概念，提出了三維風(fēng)險(xiǎn)矩陣，可以更好地表征消費(fèi)者行為對(duì)食品安全事故的影響。潘丹等［3］（2018）鑒于機(jī)場(chǎng)風(fēng)險(xiǎn)管控能力差異對(duì)風(fēng)險(xiǎn)的影響，對(duì)停機(jī)坪安全三維風(fēng)險(xiǎn)預(yù)警模型進(jìn)行了研究。Gray G 等［4］（2019）將風(fēng)險(xiǎn)評(píng)估作為過程的一個(gè)組成部分。通過建立風(fēng)險(xiǎn)矩陣，將分析的結(jié)果進(jìn)行不同顏色的預(yù)警編碼，反應(yīng)預(yù)警等級(jí)。

對(duì)于機(jī)場(chǎng)地面調(diào)度的相關(guān)研究，羅宇驍［5］（2016）通過對(duì)機(jī)場(chǎng)滑行與停車泊車的協(xié)同調(diào)度進(jìn)行了研究，提出了一個(gè)基于滑行道的雙層次優(yōu)化調(diào)度模式，以改善空港的運(yùn)營效能，并將地面控制和空港調(diào)度有機(jī)的有機(jī)結(jié)合起來。殷龍等［6］（2016）針對(duì)民航機(jī)場(chǎng)單車和單程航班調(diào)度效率低下的問題，提出了基于時(shí)間窗限制的特種車輛的優(yōu)化調(diào)度問題。最后，利用實(shí)測(cè)資料進(jìn)行模擬，得到了燃料作業(yè)的最優(yōu)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(duì)離散化最優(yōu)模式進(jìn)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(shí)間窗約束等特點(diǎn)，并針對(duì)此建立了基于帶有時(shí)間窗車輛路徑問（VRPTW）的航班保障服務(wù)流程模型。許晨晨等［9］（2018）基于機(jī)場(chǎng)地面保障設(shè)備工作時(shí)間的不確定性，研究了機(jī)場(chǎng)地面服務(wù)設(shè)備的調(diào)度優(yōu)化問題。綜上所述，本文所用方法遺傳算法作為現(xiàn)代智能啟發(fā)式算法，所采用的方法具有不易陷入局部解、且算法性能穩(wěn)定，在解決多類組合優(yōu)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(biāo)選取

在航空運(yùn)輸生產(chǎn)中，在準(zhǔn)備飛行之前或完成飛行之后，飛機(jī)需要完成停機(jī)坪一系列生產(chǎn)和地面準(zhǔn)備工作。這個(gè)過程被稱為地面車輛調(diào)度服務(wù)。地面車輛調(diào)度服務(wù)涉及多種特種車輛的調(diào)度。

本文主要考慮五種主要車輛的調(diào)度流程：擺渡車、加油車、清水車、行李車和食品車。在過去，相關(guān)研究方向的重點(diǎn)是考慮時(shí)間約束在車輛調(diào)度過程中的關(guān)鍵作用。本文引入風(fēng)險(xiǎn)因素，通過比較五種車輛，造成航班不正常到發(fā)的風(fēng)險(xiǎn)警度，改進(jìn)時(shí)間約束的范圍取值，優(yōu)化特種車輛調(diào)度排班次序，提高機(jī)場(chǎng)運(yùn)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(jié)以往專家經(jīng)驗(yàn)，對(duì)不同參數(shù)劃分并歸納。針對(duì)專家采用的問卷調(diào)查，根據(jù)結(jié)果利用AHP 層次分析從而得出不同車輛在調(diào)度過程中的風(fēng)險(xiǎn)權(quán)重，進(jìn)行數(shù)據(jù)統(tǒng)計(jì)。

風(fēng)險(xiǎn)分析流程分為以下幾點(diǎn)：

1）計(jì)算風(fēng)險(xiǎn)權(quán)重

采用yaahp軟件可以直觀明了的判斷矩陣的一致性。

2）構(gòu)建分析模型

風(fēng)險(xiǎn)（r）=f（可能性（rp），嚴(yán)重性（rs），脆弱性（rv））

為了更好地確定指標(biāo)類型，可以將目標(biāo)分為三個(gè)層面，分別為目標(biāo)層、準(zhǔn)則層和指標(biāo)層。參照二維風(fēng)險(xiǎn)矩陣的分級(jí)，將風(fēng)險(xiǎn)的可能性和嚴(yán)重性劃分為三個(gè)等級(jí)。

3）求得隸屬矩陣

參考三維風(fēng)險(xiǎn)評(píng)價(jià)維度的占據(jù)權(quán)重，分別求出隸屬向量，得到可能性隸屬向量，嚴(yán)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(píng)判結(jié)果。

4）得出風(fēng)險(xiǎn)警度

（1）單指標(biāo)風(fēng)險(xiǎn)警度計(jì)算

（2）綜合風(fēng)險(xiǎn)警度計(jì)算

2.2 車輛調(diào)度模型

2.2.1 模型假設(shè)

本文結(jié)合傳統(tǒng)的VRP 模型，通過增加時(shí)間窗懲罰約束，并遵循先后次序規(guī)則，得到了一種改進(jìn)的車輛調(diào)度模型［11～12］。模型條件如下所示：

1）每架飛機(jī)只能被同種類型的車服務(wù)一次；

2）車輛數(shù)不允許超過最大限制車輛數(shù)；

3）每輛車都得從配送中心0點(diǎn)出發(fā)；

4）第k輛車服務(wù)j點(diǎn)后必須離開；

5）任何車輛開始服務(wù)時(shí)間在規(guī)定的時(shí)間窗范圍內(nèi)；

6）任何車輛承載容量必須大于指定停機(jī)位需求量；

7）第k 輛車在i 點(diǎn)結(jié)束服務(wù)時(shí)間早于后續(xù)j 點(diǎn)開始服務(wù)時(shí)間；

8）車輛進(jìn)行地面調(diào)度作業(yè)時(shí)有一定懲罰成本，懲罰時(shí)間為前后15min；

9）配送車輛一旦完成線路配送任務(wù)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(shù)和變量

i，j表示機(jī)場(chǎng)停機(jī)位節(jié)點(diǎn)，i=0 表示配送中心，i，j=1，2，3，…，n表示停機(jī)位編號(hào)；ck表示k 車輛的承載容量；aik表示該航班允許k 車輛服務(wù)的時(shí)間窗開始時(shí)間；bik表示該航班允許k 車輛服務(wù)的時(shí)間窗結(jié)束時(shí)間；mk表示不同種類車輛行駛費(fèi)用；pk表示不同種類車輛派車費(fèi)用；Tik為第k 輛車在i 點(diǎn)服務(wù)開始時(shí)間；Tjk為第k 輛車在后續(xù)j 點(diǎn)服務(wù)開始時(shí)間；Uik為第k 輛車在i 點(diǎn)服務(wù)結(jié)束時(shí)間；Ujk為第k輛車在后續(xù)j點(diǎn)服務(wù)結(jié)束時(shí)間；Dik為對(duì)于k 車輛的i 點(diǎn)資源需求量；Cijk為第k 輛車在i點(diǎn)或j 點(diǎn)時(shí)間超過時(shí)間窗懲罰成本；dij為停機(jī)位i至停機(jī)位j的距離。

2.2.3 模型建立

載運(yùn)工具確定行駛路線及時(shí)間，有效地運(yùn)送各站點(diǎn)間的旅客和貨物。運(yùn)籌學(xué)界將此類問題統(tǒng)稱為車輛路徑問題（Vehicle Routing Problem，VRP）［13］。

結(jié)合傳統(tǒng)的VRP 模型，通過增加時(shí)間窗懲罰約束，并遵循先后次序規(guī)則，得到了一種改進(jìn)的車輛調(diào)度模型［14］。

本文研究的模型重點(diǎn)考慮時(shí)間窗約束。時(shí)間窗系數(shù)越高，時(shí)間要求越高，但是懲罰成本也隨之增高。通過多次測(cè)驗(yàn)，保證數(shù)據(jù)最佳擬合的系數(shù)為70，系數(shù)的改變值選取5，因此四種懲罰系數(shù)為70，75，80，85。這四種懲罰系數(shù)分別對(duì)應(yīng)警度由低到高四個(gè)等級(jí)。而懲罰成本則通過懲罰系數(shù)與各自車輛對(duì)應(yīng)的行駛費(fèi)用和距離乘積。懲罰系數(shù)的范圍是綜合考慮懲罰成本的變化與懲罰時(shí)長(zhǎng)的變化在相對(duì)穩(wěn)定的范圍內(nèi)，進(jìn)行最合適的篩選。

總目標(biāo)同時(shí)考慮車輛使用數(shù)目最少，車輛的行駛時(shí)間最短，時(shí)間窗懲罰度最小，容量懲罰度最小。將時(shí)間變化與資源變化轉(zhuǎn)化為經(jīng)濟(jì)成本，以此來表示調(diào)度效率的高低。本文研究的調(diào)度能力，便是車輛使用數(shù)目，使用成本以及調(diào)度時(shí)間的統(tǒng)稱。

3 遺傳算法設(shè)計(jì)

本文以遺傳算法為例，對(duì)優(yōu)化模型進(jìn)行求解。遺傳算法是一個(gè)模擬生物進(jìn)化理論生成的自適應(yīng)全局優(yōu)化算法。

由于遺傳算法是一種隨機(jī)搜索算法，因此不可能獲得準(zhǔn)確的測(cè)量解。為了防止其無限循環(huán)，還需要設(shè)置相應(yīng)的終止條件來停止其往復(fù)循環(huán)迭代。這里，選擇設(shè)置200 次迭代，當(dāng)?shù)螖?shù)達(dá)到200，算法便會(huì)終止迭代。

4 實(shí)例驗(yàn)證

4.1 風(fēng)險(xiǎn)分析實(shí)例

本文通過采取訪問西安咸陽國際機(jī)場(chǎng)工作人員，以調(diào)查問卷的方式進(jìn)行調(diào)查，以此來獲取五種特種車輛的權(quán)重。為了細(xì)化每種車輛對(duì)不正常航班到發(fā)的影響程度，以進(jìn)港服務(wù)時(shí)間、出港服務(wù)時(shí)間、調(diào)度時(shí)間、延誤時(shí)間、平均服務(wù)時(shí)間、平均延誤時(shí)間六種設(shè)定為指標(biāo)層因素，隨后將六種指標(biāo)層的單指標(biāo)警度作出均值，便能得到更為準(zhǔn)確的該車輛針對(duì)于航班不正常到發(fā)的風(fēng)險(xiǎn)警度。

1）編碼處理

將獲取的分?jǐn)?shù)統(tǒng)計(jì)，采用AHP 層次分析進(jìn)行數(shù)據(jù)編碼處理。得到的數(shù)據(jù)結(jié)果如圖1 所示。經(jīng)檢驗(yàn)，所有數(shù)據(jù)權(quán)重分析，都滿足一致性要求。

圖1 AHP指標(biāo)層分析結(jié)果圖

2）求出隸屬矩陣

參照二維風(fēng)險(xiǎn)矩陣的分級(jí)，將風(fēng)險(xiǎn)的可能性和嚴(yán)重性劃分為三個(gè)等級(jí)。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(yán)重性和脆弱性。計(jì)算車輛的可能性隸屬值矩陣，嚴(yán)重性隸屬值矩陣和脆弱性隸屬值矩陣。

3）警度計(jì)算

通過計(jì)算各自維度地面車輛風(fēng)險(xiǎn)等級(jí)占據(jù)總數(shù)的比值，得出三種風(fēng)險(xiǎn)評(píng)價(jià)維度的權(quán)重為

wp=ws=wv=1/3

所有指標(biāo)層因素的單指標(biāo)警度見表1。

表1 警度分析表

根據(jù)指標(biāo)層因素的單指標(biāo)警度，對(duì)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(jí)劃分采用四分位數(shù)，四分位數(shù)（Quartile）是統(tǒng)計(jì)學(xué)中分位數(shù)的一種，即把所有數(shù)據(jù)由小到大排列并分成四等份，處于三個(gè)分割點(diǎn)位置的數(shù)據(jù)就是四分位數(shù)。對(duì)五種車輛警度進(jìn)行四分位數(shù)劃分，得出加油車和行李車為第一等級(jí)，擺渡車為第二等級(jí)，清水車為第三等級(jí)，食品車為第四等級(jí)。時(shí)間窗懲罰系數(shù)定位，70，75，80，85，這四種懲罰系數(shù)分別對(duì)應(yīng)警度由低到高四個(gè)等級(jí)。

4.2 車輛調(diào)度實(shí)例

根據(jù)實(shí)地調(diào)研，調(diào)查了同一家航空公司某一天到達(dá)西安咸陽機(jī)場(chǎng)的航班情況，找尋了西安咸陽機(jī)場(chǎng)在2021年高峰日航班進(jìn)港數(shù)據(jù)，共有26 個(gè)航班為實(shí)驗(yàn)對(duì)象。數(shù)據(jù)見表2。

表2 航班數(shù)據(jù)表

根據(jù)調(diào)研西安咸陽機(jī)場(chǎng)的車輛數(shù)據(jù)，可以得到以下數(shù)據(jù)，見表3。

表3 車輛數(shù)據(jù)表

將每種車輛調(diào)度需要的最大車輛數(shù)，派車費(fèi)，行駛費(fèi)帶入到模型計(jì)算，以每個(gè)航班進(jìn)港時(shí)間前后5min為時(shí)間窗范圍，設(shè)定迭代次數(shù)200。

運(yùn)算結(jié)果見表4?？梢钥闯鲈谕瑯拥暮桨嘬囕v調(diào)度環(huán)境下，考慮了不同種類車輛對(duì)航班不正常到發(fā)的影響程度，能更好地縮減車輛的使用數(shù)目，從而最大效益地控制成本開銷。

表4 車輛調(diào)度分析結(jié)果表

5 結(jié)語

結(jié)合驗(yàn)證和地面調(diào)度的基本要求，提出以下幾點(diǎn)建議：

1）對(duì)于調(diào)度環(huán)節(jié)資源消耗成本高的車輛，在合理范圍內(nèi)減少車輛數(shù)量，并根據(jù)調(diào)度需求適當(dāng)增加資源消耗成本低的車輛數(shù)量。

2）行李車是本文驗(yàn)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(yùn)行條件。由于貨物量大，作業(yè)時(shí)間長(zhǎng)，批量小，價(jià)格高。當(dāng)出現(xiàn)故障時(shí)，司機(jī)應(yīng)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(diào)度人手，減少在擺渡過程中搬運(yùn)行李時(shí)間，從而減小調(diào)度成本。

然而，本文在以下兩個(gè)方面仍需改進(jìn)：一是時(shí)間窗的約束與多種車輛調(diào)度配合的限制；二是車輛調(diào)度之間，指標(biāo)層因素的關(guān)聯(lián)性分析。