基于Any Logic的机场加油车调度能力评估*

冯 君 邹沛林 路晓梅 刘彦君

（中国民用航空飞行学院 广汉 618000）

1 引言

机场地面车辆调度是在航班进港时，为了保障航班过站或停放时状态的良好，对飞行所需资源进行补给和对机身维修检查的一系列工作。国内机场针对机场地面车辆调度的相关研究还不够全面，大部分国内机场根据车辆先到先服务的排班方式进行调度工作，这种模式优点在于工作安排较便捷，能够第一时间派出车辆进行调度工作，但缺点很明显，所有车辆统一从加油站出发，远机位的航班不能及时得到加油服务，从而增大航班延误的可能性。

有关机场调度的国内相关研究重点偏向于带有时间约束的协同调度方面［1～5］。后续学者考虑到了资源需求量的差异和时间窗约束等特点，建立了基于带有时间窗车辆路径问题（VRPTW）的航班保障服务流程模型［6～8］。国内外运用Any Logic软件进行机场方面研究的侧重于有关时间延误分析以及调度优化方面。国外学者重点以优先次序的调整来考虑仿真优化效果［9～12］。国内学者袁悦［13］使用Any Logic 建立仿真模型，得出在机坪进行保障服务的行李车的最优数量并提高机坪服务行李车的利用率，从而减少因行李车调度问题所引起的航班延误。

本文选择引入时间窗概念，结合容量约束建立多目标调度优化模型，以仿真软件Any Logic 为实验平台，代入西安咸阳机场航班数据，得出最优车辆调度方案。

2 机场加油车调度概念

机场地面服务调度旨在利用不同种类的机场特种车辆补充过站航班和停站航班的消耗资源。以加油车为例，车辆统一停靠在航空加油站，当飞机即将进港时，加油车收到指令，提前准备工作，在指定机位等待飞机停靠稳定，执行加油任务。

加油车调度仿真需要在规定的路径上，对移动的目标采取时间约束等措施。而Any Logic 软件可以根据目标需求制订移动路线，在起始点采取时间约束，制订好地面服务计划。因此，本文采用Any Logic 软件将加油车具体工作流程统一以时间长度进行描述，并以西安咸阳机场2021年高峰日的三家航空公司的航班数据为研究样本，进行仿真实验。

3 基于Any Logic 的多目标调度优化模型构建

3.1 多目标调度优化模型建模

首先需要针对模型所需要的数据进行采集。数据主要有加油车的具体参数（包括型号、运输能力、马力）、机场的平面布局、航空加油站的位置分布、研究机位的具体位置坐标以及航班的具体进港时间。在软件中，利用流程建模库中的Source元件连接到航空加油站的坐标，不同机位的坐标用点节点进行连接，加油车的服务时间采用delay 元件表示，运用queue 连接提前排号的车辆服务路径，最后以sink元件表示流程终止，结束调度作业。

模型条件：

总目标同时考虑车辆使用数目最少、车辆的行驶时间最短、时间窗惩罚度最小和容量惩罚度最小。将时间变化与资源变化转化为经济成本，以此来表示调度效率的高低。

每辆车都得从加油站出发，并且每辆车都得装满航空煤油。

第k辆车服务j点后必须离开，防止车辆堆积。

任何车辆承载容量必须大于指定停机位需求量，防止车辆多次服务同一航班，造成调度时间浪费。

任何车辆开始服务时间在规定的时间窗范围内，时间窗惩罚成本是当配送车辆超出时间窗范围时需要接受的惩罚，用惩罚成本来反映。

第k 辆车在i 点结束服务时间早于后续j 点开始服务时间。

配送车辆一旦完成线路配送任务后便从外围返回配送中心，即只考虑单程配送问题；配送过程中车辆匀速行驶，速度为20km/h，且道路交通和天气状况良好。

公式参数含义如下。

i，j表示机场停机位节点，i=0 表示配送中心，i，j=1，2，3，，，，，，n表示停机位编号；ck表示k 车辆的承载容量；aik表示该航班允许k 车辆服务的时间窗开始时间；bik表示该航班允许k 车辆服务的时间窗结束时间；mk表示不同种类车辆行驶费用；pk表示不同种类车辆派车费用；Tik表示第k辆车在i点服务开始时间；Tjk表示第k辆车在后续j点服务开始时间；Uik表示第k 辆车在i点服务结束时间；Dik表示对于k 车辆的i 点资源需求量；Cijk表示第k 辆车在i 点或j 点时间超过时间窗惩罚成本；dij表示停机位i至停机位j的距离。

3.2 加油车编号

通过调研发现，西安咸阳机场每天可执行任务的加油车车辆为30 辆，所有车辆搭载航空煤油总量200000L，服务时间为4min。将30 辆车从1、2、3……30进行编号，便于进行后续流程研究。

3.3 航班数据分析

本文选取西安咸阳机场三亚航班、宁波航班、温州航班在2021年9月高峰日的航班进港时间数据。将航班进港数据带入模型，航班编号从1 开始。并将delay 元件的参数设为triangular（2，3，4），由于航班机型不一致，因此取平均服务时间最长为4min。结合实地调研，可以得到该机场加油车派车费45元，行驶费6元/km。

4 实例分析与结果

4.1 仿真分析

截取西安咸阳机场T2、T3 航站楼、机坪以及航空加油站等局部区域平面布局图，确定好仿真区域。如图1所示。

图1 机场仿真布局图

通过软件编写模型代码，将每个机位坐标代入，运算模型，得出配送路径与调度总成本。根据得出的最优配送路线再进行时间延误分析。如图1所示，T2 航站楼涉及到的机位由7 至17，T3 航站楼涉及到的机位由F13 至F19。流程建模的顺序，按照航空加油站、路径、机位的顺序进行连接即可。调度流程以航班编号为例，三亚航班配送路径为8 条，航班编号为1～26，宁波航班配送路径有5条，航班编号为1～18，温州航班配送路径有两条，航班编号为1～8，航班数据示例见表1，具体配送路线见表2。

表1 航班编号数据表

表2 航班配送路线表

以三亚航班为例，根据路径中的航班编号顺序，连接仿真系统中的模块，航班之间的通过路径以queue元件锁定位置，运用delay元件控制服务开始时间与服务进程时间。连接流程见图2。

图2 机场仿真流程图

运行程序，通过查看time measure end 得出最终完成时间。

为了体现该模型的现实效果，这里采用对比方式。现实工作中机场一般采用先到先服务的排班方式，运用这种方式的优点在于快捷。将先到先服务模式划分为两种状态进行分析，在保证航班数据一致情况下，一种是以调度模型结果同样的车辆编号，进行先到先服务计算；另一种是不固定编号，直接运用先到先服务计算。

4.2 结果评估

从车辆数目来看，考虑资源分配与时间窗的调度方案的三亚航班成本总额423.22元，宁波航班成本总额262.15 元，温州航班成本总额99.28 元。在保证车辆编号数目一致情况下，考虑先到先服务算法的调度方案的三亚航班成本总额428.32元，宁波航班成本总额281.35 元，温州航班成本总额108.88元。当不考虑车辆编号一致情况下，先到先服务算法的调度方案的三亚航班成本总额474.81元，宁波航班成本总额566.59 元，温州航班成本总额208.76元。由此可见，比较三家公司调度成本总额来看，多目标调度优化成本消耗更低。对于时间延误的分析，以固定编号与不固定编号两种情况进行对比。具体时间延误结果，固定编号见表3。

表3 固定编号时间延误分析表

将两种表格结果进行对比，可以更好地看出时间延误数值大小，以3 家航空公司航班总数设为任务总量，多目标调度优化时间延误总和为35.69min，固定编号的先到先服务时间延误总和为41.72min，不固定编号的先到先服务时间延误总和为37.01min。综上所述，本文研究的多目标调度优化模型，通过时间延误与调度成本两个结果分析来看，都要小于先到先服务算法，证明模型现实运用是可行的。

通过分析图3，三种调度方式的每种车辆编号的服务数目，以多目标调度优化方式进行运算，每辆车服务数目均在3架～5架航班，保证了每辆车工作量均衡，避免对车辆造成过度损耗。

图3 车辆服务数目图

5 结语

结合仿真验证和地面车辆调度的基本要求，有以下几点结论。

1）对于调度环节，平衡车辆服务对象数目，可以有效减少因航班进港数量过多造成的调度延误以及调度成本。

2）通过仿真建模和仿真结论分析，使Any Logic 软件技术在地面车辆调度流程中得到了有效利用，仿真结果实时给出机场现场调度加油车的运行时间、运行路径，并通过西安咸阳机场实时数据进行验证，将实验结果与先到先服务作对比，证明仿真的可行性。

然而，本文仍有不足之处，有关车辆多目标调度优化模型还不够全面，可进一步考虑在调度仿真过程中不同编号车辆之间的影响程度，减小调度路径之间产生冲突，造成时间延误。该模型可进一步改进时间窗的大小数值，优化车辆调度的先后次序。