文摘
本文考虑如何分配附加的机场航站楼内物理资源。开发出相应的优化模型,确定额外的资源应该减少乘客等待时间。目标函数是随机,只能使用离散事件仿真评估。这个模型是随机和非线性,模拟退火(SA) metaheuristic实施和测试。SA算法多次扰乱资源分配的解决方案使用两种方法之一。第一种方法是创建新的解决方案随机在每个迭代中,第二种方法是模仿的本地搜索当前解决方案的任何举动x解决方案选择随机的社区。数值试验表明,随机方法是最好的,和12.11%可获得更好的解决方案。
1。介绍
乘客数量的高速增长近年来机场创造了相当大的压力。机场航站楼预计过程有效地增加乘客数量和最小延迟。同时,所需的机场容量的扩张可能是有限的可用资源(例如,有限的可用土地),环境影响,冗长的审批流程1]。此外,扩展的主要机场基础设施通常耗时和昂贵的,它提出了智能系统的发展的必要性和方法来提高机场内性能可用的基础设施。
机场航站楼是复杂的系统,在本质上是随机的。每天乘客数量不断变化,这取决于传入或传出航班的状态。它是一个集成的系统,并在其内部流程操作问题可以危及其他元素的性能,建立重大瓶颈,长期旅客排队,拥挤,和整体延误(2- - - - - -4]。例如,中断、拥塞和不均匀的乘客流入到终端处理点,造成滑坡前后元素的操作(包括相关的基础设施和设备的乘客去机场),可以对终端的性能产生重大影响(如乘客登机,起飞过程)。它涉及多个利益相关者,每个负责执行特定的终端过程如签到、安全、和移民(5]。
是传统的细分机场操作这些到达相关手续的乘客和离职手续即将离任的乘客。到达过程和设施包括登陆、移民、行李认领,检疫程序6]。离职流程和设施包括值机、安检、移民和海关、登机,起飞过程。这些离职流过程,产生最大的影响在整个经营客运码头和其他元素的机场。根据Neufville Odoni [7),出发的过程需要更多时间比到达过程,因为它有时涉及提供公交乘客服务。由于机场航站楼的复杂结构,分析优化框架的开发研究乘客流在机场未来需求的不确定性是一个艰巨的任务。这些困难和挑战导致整体终端容量规划问题的研究。先前的研究通常集中在一个元素的终端或没有可扩展性(占8]。本文提出的总体目标产能扩张计划的数学方法。这个模型将确定额外的资源应该放置在机场航站楼的过程。因此,该模型的目标函数是最小化资源使用成本和总等待时间。很多技术约束存在。
这个工作的主要贡献是提供一个产能扩张计划模型(CEPM)机场。因此,本文有助于知识的身体通过启用两个级别的规划、运营和战略。与现有方法相比,新方法更准确,因为真正的等待时间可以被识别并可以包含不确定性的影响。例如,太阳和联系(9用数学函数,更近似。
2。相关工作
本节分析了现有研究在机场解决乘客流的问题。不规则的流动发生在机场区域代表一个重要的管理挑战,例如,决定开放,服务柜台的数量和人员分配和再分配的问题(5- - - - - -8,10,11]。当研究客流的一个重要问题是获取随机元素。这是因为,正如Guizzi et al。12)认为,乘客不同机场内根据他们以前的经历。因此,为了协助决策者在机场终端地址突然和不可预见的交通拥堵状况,广泛研究了不确定性。山田et al。13检查乘客的行为和设施之间的联系和确定几个来源的拥堵。
此外,Alodhaibi et al。14)进行他们的研究使用模拟框架开发的(15]调查乘客的到达模式如何影响国际终端业务。仿真结果提供了一个更好地了解客运机场访问的行为,这可能导致减少等待时间和可能的交通拥堵增加工作站点的数量(即。在高峰期,值机柜台的数量)。
安全问题近年来引起了许多变化,安检程序,这会影响到旅客吞吐量。之前的研究可以根据分类相关的领域,包括机场的安检系统操作的重要性,安检领域的能力,和动态系统管理(16- - - - - -21]。例如,Dorton和刘21)提出了应用程序的DES安检系统加上一个排队。目的是分析外部因素影响安检操作效率和识别对吞吐量和周期的影响。
在机场停机坪的地区,一个常见的优化问题是门任务,认为旅客步行距离最小化,从登机到行李认领处。Genc et al。22]应用启发式解决随机方法最小化总无门的飞行时间。同样,丁等。23]应用禁忌搜索metaheuristic识别问题当飞机的数量超过可用盖茨的数量。这两个目标函数优化的闭塞的飞机数量和总步行距离。最后,莫塔的研究(24)是一项值得关注的两个模型的应用来满足不同的强制限制政策相关机场终端处理单元,如打开或关闭每个航班值机柜台,入住起始时间和负载平衡。
特性在机场容量规划问题的研究。例如,Solak et al。8)认为终端操作是一个网络系统,用多级stochastic-integer线性编程模型来确定最优的能力,考虑最优未来的扩张和期望的洛杉矶。的主要目标是减少每个通道的最大延迟和处理站通过考虑需求的变化作为一个重要的约束。此外,太阳和联系9]调查终端内的不确定性。他们发现设施表演是非线性函数。这些函数是由延迟水平作为产能利用率的函数和需求波动的不确定性在交通预测。众所周知,乘客离开流是一个重要的过程,任何机场设施,因为固定的航班起飞时间。相同的研究人员所作的(25,26)进一步通过考虑战略机场设施规划需求的不确定性,提出了一个混合整数非线性程序来决定何时何地调整过程能力的计划。机场的拥堵和延误成本近似使用一些适当的数学函数。
我们工作的新颖性在于整合一个离散事件仿真机场容量规划的优化模型。因此,进行这样的研究是重要的识别真正的等待时间和了解决策的影响。其他模型,如太阳和联系的9,27),例如,使用数学函数,这是恰当的。此外,在[26),相同的作者使用一个离散近似技术的模型是解决数学关系公式是准确的。因此,应用模拟退火metaheuristic执行机场航站楼产能扩张,这也许是这种方法的第一个应用程序域。
3所示。问题描述和配方
本节定义了变量和参数用于我们的产能扩张模型。模型的目的是确定额外的资源应该为了减少等待成本。每个资源类型有不同的成本和预算总开支提供了。
3.1。模型的符号
(我)指数 ,f:过程、资源、乘客类型,转变。(2)集 ,F:流程、资源、乘客类型,时间,和转变。(3)参数 :最大数量的资源类型过程中和所有流程 :提供一个资源类型的成本过程中 :单位成本类型的乘客的等待时间k过程中 :总预算产能扩张 :当前的资源类型r过程中p :预计时间为乘客服务过程中 。(iv)决策变量 :开放资源的类型r过程中 :总等待时间所发生的过程为乘客的类型k。
该模型如下:
目标函数(1)有两个组件:(i)的采购成本/获取额外的资源类型r过程中p和(2)总乘客等待时间转换为美元价值。约束(2)和(3)确保额外的资源类型r不超过资源的最大数量。约束(4)将开支限制在一个特定的预算。约束(5)限制了决策变量是积极的。乘客在不同过程的等待时间是一个随机的辅助变量,取决于数量的资源分配和处理时间,这是一个随机变量。它是使用模拟计算方程(7)使用的仿真模型11,15]。
3.2。模拟退火
解决该模型,metaheuristic方法是提倡约束(7)不能使用整数编程处理,没有仿真模型的应用。不同的metaheuristics,模拟退火选择。这是一个有效和计算快速搜索算法求解Burdett和科扎恩困难的优化问题27- - - - - -29日),非常适合概率和非线性优化问题。该算法是迭代的,由两个嵌套”“循环。外循环控制和改变了“温度”参数 。在内部循环,指定数量的解决方案细化(又名扰动)是娱乐和评估。改进被接受时明确更好;否则,他们接受/拒绝的概率根据以下函数: 在哪里 新的解决方案之间的差异吗和当前的解决方案 。在每一个温度,选择数量的扰动是评估。公司需要几个参数(即。,primary temperature, the cooling rate, the number of function evaluations at every temperature, and the final temperature). At early stages of the search, the temperature is high and many nonimproving moves are accepted. As the search progresses, the temperature is reduced and solutions are only accepted if a strict improvement occurs. With the slow reduction in temperature, worse solutions are accepted with less probability. The SA metaheuristic was implemented in C++ and the simulation model was integrated to evaluate the waiting times. Preliminary numerical testing was performed to identify an appropriate starting temperature (see Figure1)。从下面的图很明显,这个问题的最佳参数值如下:温度(T)= 15000,冷却速率(α)= 0.015,总迭代次数= 600。
3.2.1之上。模拟退火算法描述
(1)第一阶段:创建最初的解决方案。SA可能与一个随机初始化创建解决方案或通过一些启发式算法/建设性。然而,由于资源限制的约束,一些生成的解决方案将不可行。解决方案染色体应该同时反映两个主要特点:(我)每个进程的资源数量,如登记资源(即。,economy and business counters), security screening resources, and immigration resources (i.e., common counters and SmartGates).(2)分配资源的数量为每个转变。
这些解决方案通过纠正算法应当予以纠正。算法1用于初始化一组解决方案。
|
(2)第二阶段:扰乱一个解决方案。创建一个新的解决方案,它扰乱目前的解决方案是必要的。有很多摄动技术,可以应用。在本文中,一个新的解决方案是由随机改变资源分配的数量去机场一个随机选择的过程。创建一个新的解决方案是由算法2。
|
(3)第三阶段:评估新的解决方案。在这一步中,善良的新解决方案评估。算法3演示了评价过程。生成的解决方案将模拟测量性能矩阵,如在每个处理点的平均等待时间。同时,选择最好的成本通过比较它与当前的成本。
|
(4)第四阶段:停止标准。最后,停止SA算法的条件是基于给定的最大迭代次数。算法4说明主循环的停止标准算法。
|
4所示。数值测试和分析
在本节中,SA metaheuristic方法加上离散事件仿真进行了分析。在这个数值调查,有三种类型的过程和五种类型的资源被认为是。过程1型,登记过程中,有五个单独的行,每八个计数器,两个业务和六个经济。过程2型与五道安检。过程3型是移民,有八个通用计数器和10 SmartGates。假设有三个时期白天分配给操作这些流程。图2模拟输出的快照,例如,适当数量的资源需要打开时,乘客的平均等待时间花在每一个过程,和资源成本的总成本。
等待时间的成本被认为是基于给定的政策可接受的等待时间在一个特定的过程。这叫不便的成本,因为它超过了可接受的平均等待时间。例如,乘客在登机过程可分为商业和经济,每个都有不同的队列时间限制。Kazda和洞穴30.)认为,平均等待时间不应超过12分钟为经济舱和3分钟。摘要本研究中使用的输入数据列在表中1。
创建新的解决方案的两种不同的方法被用来生成一个开始的解决方案。首先是创建一个新的解决方案随机和第二个是本地搜索。随机搜索方法与随机初始化SA创建解决方案,而本地搜索初始化染色体通过建设性的SA算法通过改变一个解决方案,然后细化SA。为每个方法,10分重复使用相同的参数。运行的结果发表在表2和3。一般参数用于两种方法如下:温度(T)= 15000,冷却速率(α)= 0.015,= 1500运行的最大数量。
第一列是指数量的更好的解决方案,更好的解决方案获得的平均数量的随机搜索方法是7.9和本地搜索的方法是平均7.8能够找到更好的解决方案。第二列显示了平均等待时间在机场终端的过程。很明显,本地搜索提供了低等待时间与随机方法。它也有较短的运行时,平均15.27分钟相比,21.05分钟的随机方法。然而,从两个表中给出的结果,可以清楚地看到,随机搜索法减少了目标函数值12.11%。的意思是目标函数值从随机获得方法是1998.3美元,而本地搜索的目标函数值是2256美元。
10复制的随机搜索和本地搜索,解决数字4和6的随机搜索和本地搜索被选为最佳解决方案有两个原因。第一个原因是,目标函数的值更接近于所有客观值的平均值。第二个原因是,选择模拟运行提供最低总平均等待时间在机场。
图3展示了最好的解决方案的解决方案的随机搜索运行4号。这个模拟运行的最优解关于开放值机额外的资源是总结表4。商务舱乘客的平均等待时间是1.91分钟,34.5分钟经济舱乘客。
安检关卡,开放资源5,2和3控制检查点1转变,转变2和3转变,分别平均等待时间为3.04分钟。开幕式共同移民过程4 3和5计数器,而对于SmartGates 8, 9日和7亭三班倒,有0.11和0.02分钟的平均等待时间共同移民桌子和SmartGate亭,分别。打开所有资源的总成本是2038美元,总队列的平均时间是39.57分钟。
图4说明了SA算法使用本地提供的最优解搜索创建一个新的解决方案。在这个模拟运行,解决方案的特点是总成本为2250美元,总系统的平均等待时间是28.89分钟。这个模拟运行的最优解是打开一个签入资源基于表中列出的详细信息5。通过添加这个资源,平均等待时间在签入过程将为商务舱乘客和7.03分钟1.56分钟经济舱乘客,减少20.17%的商务舱经济舱乘客与乘客和132.29%的随机搜索方法。
安检过程的检查点,可以找到最好的解决方案,当打开4,4和5安全控制检查点1转变,转变2,分别和转变3。通过打开这些数字资源在安检过程中,平均等待时间为7.92分钟。最后,移民过程应该开放5、4、3共同移民柜台和10,10日和9 SmartGates三班倒,为了获得最优的解决方案,在0.10分钟,0.012分钟的平均等待通用计数器和SmartGates,分别。
5。结论
本文讨论了数学方法的发展在机场终端执行容量规划。模型的目标是确定在额外的资源应该打开减少的成本在机场的排队时间。自提出问题是概率和非线性,metaheuristic方法是提倡的。使用离散事件仿真和等待时间计算目标函数中使用。两种不同的方法来创建新的解决方案被用于这项研究。第一个是使用随机技术创建一个新的解决方案,另一个是创建一个新的解决方案通过使用本地搜索技术。随机技术目标函数值下降了12.11%。它也有较短的运行时,平均15.27分钟相比,21.05分钟的随机方法。
开发的模型可以更准确,因为决定的影响可以和实时识别。它还可以提供战略规划,提出了仿真模型可用于业务规划水平。这项工作有助于知识的身体通过启用两个级别的规划、运营和战略。
另一方面,缺乏详细的数据相关操作设施由于最近严格的法规对安全问题导致一些困难在发展模拟乘客的流动在国际终端。因为这些困难,这个模型进行了简化,首先,利用先前的研究收集的数据,在需要的地方,其次,做一个假设。
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
苏丹Alodhaibi博士主要进行这项研究作为一个博士生,制定并进行了实验设计。他设计、开发、测试和仿真模型和主要写的手稿。罗伯特·l·Burdett博士提供了必要的指导数学优化的仿真模型和仿真结果的解释。教授普拉萨德k·d·诉Yarlagadda构思的项目和有必要的基础设施和资金进行这项研究。他还计划,协助设计仿真模型及相关实验和监督和监督整个项目从inceptual阶段到最后阶段的交付。所有作者回顾和评论的手稿。
确认
这项研究是由澳大利亚研究理事会的连锁项目“提高生产力和效率的澳大利亚机场”(140100282)。作者要感谢QUT高性能计算(HPC)提供的计算资源的研究。