考虑航班优先级的机场电动摆渡车调度优化研究

doi:10.16381/j.cnki.issn1003-207x.2024.1287

摘要/Abstract

摘要：

地面服务车辆电动化已成为机场地面运营的新趋势。车辆数量不足和调度不当是造成航班延误的关键因素。现有机场地面保障车辆调度研究多针对燃油车辆，而本文聚焦于车辆资源有限条件下的机场电动摆渡车的调度问题。考虑到航班服务优先级，本文构建以最小化航班延误惩罚和车辆空驶时间为目标的双目标混合整数规划模型。为提升求解效率，基于模型特点创新性地将改进的遗传算法嵌入盒线法算法框架，并利用枢纽机场的实际航班数据进行对比验证。结果表明，该算法在性能上要优于ε-约束法和经典遗传算法。本研究不仅为机场的电动摆渡车调度运营提供了理论支撑和实践指导，对促进机场绿色化转型、提升旅客满意度及提高机场整体运营效率也具有重要的现实意义。

关键词: 电动摆渡车, 混合整数规划, 盒线法, 遗传算法

Abstract:

Electrification of ground service vehicles has emerged as a new trend in airport ground operations. Insufficient number of vehicles and improper scheduling are significant contributors to flight delays. Existing research on the scheduling of airport ground support vehicles predominantly focuses on fuel-powered vehicles. The scheduling problem of airport electric ferry vehicles under the condition of limited vehicle resources is studied. Considering the flight service priorities， a bi-objective mixed-integer programming model with the objective of minimizing the flight delay cost and the vehicle idling time is constructed. To improve the solving efficiency， according to the characteristics of the model， an improved genetic algorithm is integrated within the framework of the boxed line method to solve it. The effectiveness of this algorithm compared with the ε-constraint method and the classical genetic algorithm is validated through a comparative analysis using the actual flight data from a hub airport. A theoretical foundation and practical guidance for the scheduling operations of electric ferry vehicles at airports is provided， holding significant implications for promoting the green transformation of airports， enhancing passenger satisfaction and improving operational efficiency.

Key words: electric ferry vehicle, mixed-integer programming, boxed line method, genetic algorithm

中图分类号:

U492.22

杜晨琛,韩雪,赵培忻. 考虑航班优先级的机场电动摆渡车调度优化研究[J]. 中国管理科学, 2026, 34(9): 164-172.

Chenchen Du,Xue Han,Peixin Zhao. Optimization of Airport Electric Ferry Vehicle Scheduling Considering Flight Priorities[J]. Chinese Journal of Management Science, 2026, 34(9): 164-172.

图/表 6

图1

表1

电动摆渡车调度模型参数与变量符号说明"

符号	含义
集合
$R F$	需要摆渡服务的真实航班的集合
$N F$	需要摆渡服务的虚拟航班的集合
$F u$	真实航班 $u$ 对应的虚拟航班的集合， $u ∈ R F$
$N E$	虚拟充电站的集合
$V$	机场的电动摆渡车的集合
参数
$e i$	航班 $i$ 允许的最早服务开始时间， $i ∈ N F$
$l i$	航班 $i$ 允许的最晚服务开始时间， $i ∈ N F$
$π i$	航班 $i$ 的摆渡服务持续时间， $i ∈ N F$
$P$	电动摆渡车的电池容量
$t i j$	若 $i, j ∈ N F$ ， $t i j$ 为电动摆渡车从航班 $i$ 服务结束点到航班 $j$ 开始服务点的行驶时间；若 $i ∈ N \ N F, j ∈ N F$ ， $t i j$ 为摆渡车从点 $i$ 处到航班 $j$ 服务开始点的行驶时间；若 $i ∈ N F, j ∈ N \ N F$ ， $t i j$ 为摆渡车从航班 $i$ 服务结束点到点 $j$ 处的行驶时间；若 $i, j ∈ N \ N F$ ， $t i j$ 为摆渡车从点 $i$ 处到点 $j$ 处的行驶时间
$C u$	真实航班 $u$ 的单位时间延误惩罚， $u ∈ R F$
$p k$	摆渡车 $k$ 的初始电量， $k ∈ V$
$α$	电动摆渡车行驶中的电量消耗速率
$p 0$	电动摆渡车的最低电量阈值
$M$	足够大的正数
决策变量
$x i j k$	$x i j k = 1, 如果摆渡车 k 从 i 处行驶至 j 处 0, 否则,$ $i ∈ N 0, j ∈ N n + 1, i ≠ j, k ∈ V$
$T i$	航班 $i$ 的服务开始时间或在充电站 $i$ 开始充电时间， $i ∈ N E F$
$d u$	真实航班 $u$ 的服务延误时间， $u ∈ R F$
$p i k$	车辆 $k$ 到达 $i$ 处的电量， $i ∈ N, k ∈ V$
$t i k$	车辆 $k$ 在点 $i$ 处充电的充电时间， $k ∈ V, i ∈ N E$
辅助变量
$d p i k$	车辆 $k$ 充电结束离开充电站 $i$ 时的电量， $k ∈ V, i ∈ N E$

表1

图2

图3

表2

图4

参考文献 21

[1]	中国民用航空局.2024 年全国民用运输机场生产统计公报［EB/OL］.（2025-03-14）［2025-10-06］..
	Civil Aviation Administration of China. 2024 National civil aviation transport airport production statistical bulletin［EB/OL］.（2025-03-14）［2025-10-06］..
[2]	中国民用航空局. 2024年民航行业发展统计公报［EB/OL］.（2025-05-15）［2025-10-06］..
	Civil Aviation Administration of China. 2024 Civil aviation industry development statistical bulletin［EB/OL］.（2025-05-15）［2025-10-06］..
[3]	Zhao P X， Han X， Wan D. Evaluation of the airport ferry vehicle scheduling based on network maximum flow model［J］. Omega， 2021， 99： 102178.
[4]	Han X， Zhao P X， Kong D X. Two-stage optimization of airport ferry service delay considering flight uncertainty［J］. European Journal of Operational Research， 2023， 307（3）： 1103-1116.
[5]	Wang S， Che Y， Zhao H， et al. Accurate tracking， collision detection， and optimal scheduling of airport ground support equipment［J］. IEEE Internet of Things Journal， 2021， 8（1）： 572-584.
[6]	Norin A， Granberg T A， Yuan D， et al. Airport logistics-A case study of the turn-around process［J］. Journal of Air Transport Management，2012，20： 31-34.
[7]	Schyns M. An ant colony system for responsive dynamic vehicle routing［J］. European Journal of Operational Research， 2015， 245（3）： 704-718.
[8]	Du J Y， Brunner J O， Kolisch R. Planning towing processes at airports more efficiently［J］. Transportation Research Part E： Logistics and Transportation Review， 2014， 70： 293-304.
[9]	Zhao P X， Gao W Q， Han X， et al. Bi-objective collaborative scheduling optimization of airport ferry vehicle and tractor［J］. International Journal of Simulation Modelling， 2019， 18（2）： 355-365.
[10]	Zhu S， Sun H， Guo X. Cooperative scheduling optimization for ground-handling vehicles by considering flights’ uncertainty［J］. Computers & Industrial Engineering， 2022， 169： 108092.
[11]	Padrón S， Guimarans D， Ramos J J， et al. A bi-objective approach for scheduling ground-handling vehicles in airports［J］. Computers & Operations Research， 2016， 71： 34-53.
[12]	Liu Y， Wu J， Tang J， et al. Scheduling optimisation of multi-type special vehicles in an airport［J］. Transportmetrica B： Transport Dynamics，2022，10（1）： 954-970.
[13]	Zhao P X， Dai M N， Han X， et al. Model and algorithm for the skill capacitated VRP with time windows in airports［J］. International Journal of Simulation Modelling， 2023， 22（1）： 133-144.
[14]	Wu Y， Zhou J， Xia Y， et al. Neural airport ground handling［J］. IEEE Transactions on Intelligent Transportation Systems， 2023， 24（12）： 15652-15666.
[15]	高建树，陈煜，赵志民. 基于MOPSO的民航电动特种车辆充电调度策略［J］. 中国民航大学学报， 2022， 40（4）： 54-60.
	Gao J S， Chen Y， Zhao Z M. Charging scheduling strategy of civil aviation electric special vehicles based on MOPSO［J］. Journal of Civil Aviation University of China， 2022， 40（4）： 54-60.
[16]	van Oosterom S， Mitici M， Hoekstra J. Dispatching a fleet of electric towing vehicles for aircraft taxiing with conflict avoidance and efficient battery charging［J］. Transportation Research Part C： Emerging Technologies， 2023， 147： 103995.
[17]	Bao D W， Zhou J Y， Zhang Z Q， et al. Mixed fleet scheduling method for airport ground service vehicles under the trend of electrification［J］. Journal of Air Transport Management， 2023， 108： 102379.
[18]	Zoutendijk M， Mitici M. Fleet scheduling for electric towing of aircraft under limited airport energy capacity［J］. Energy， 2024， 294： 130924.
[19]	Grunewald E， Knabe F， Rudolph F， et al. Priority rules as a concept for the usage of scarce airport capacity［J］.Transportation Research Procedia， 2017， 27： 1146-1153.
[20]	Perini T， Boland N， Pecin D， et al. A criterion space method for biobjective mixed integer programming： The boxed line method［J］. INFORMS Journal on Computing， 2020， 32（1）： 16-39.
[21]	Prins C. A simple and effective evolutionary algorithm for the vehicle routing problem［J］. Computers & Operations Research， 2004， 31（12）： 1985-2002.

算例	求解方法	航班延误惩罚		车辆空驶时间		运行时间（s）
算例	求解方法	平均值	最优结果	平均值	最优结果	平均时间	最优时间
算例1	PSO	3802.8	2797.5	3495.4	3485	145	133.5
	IPSO	8096.7	5613.0	3621.4	3553	440.1	434.2
	GA	2181.9	1700.1	3466.1	3434	149.5	130.6
	IGA	1996.4	1593.8	3429	3395	298.4	287.1
算例2	PSO	2938.9	2511.1	3266.6	3240	157.7	132.6
	IPSO	3355.8	3013.6	3375.2	3305	427.6	418.4
	GA	2057.9	1758.4	3194.8	3174	190.6	165.3
	IGA	412.0	321.0	3176.2	3163	345.3	322.9
算例3	PSO	891.8	684.4	2982.7	2960	132.0	124.5
	IPSO	577.4	425.5	2992.3	2933	420.2	415.2
	GA	620.0	395.9	2911.0	2868	159.2	148.3
	IGA	238.1	159.2	2886.6	2869	313.6	300.9