考虑驾驶员状态的改进容量网络模型的机场摆渡车优化调度方法和装置

本发明涉及机场特种车辆优化调度方法领域，具体涉及一种考虑驾驶员状态的改进容量网络模型的机场摆渡车优化调度方法和装置。

背景技术：

1、近年来，在经济全球化进程不断加快的背景下，航空运输业得到了快速的发展，同时，对机场运输的压力也不断加大。例如，根据国际机场协会公布，2022年全球机场旅客吞吐量超过66亿人次，较2021年增长43.8％，其中，全球旅客吞吐量前20的机场占总吞吐量的18％，达12亿人次。机场作为交通枢纽和服务节点，其运营效率直接关系到航空业的顺畅运行和旅客的出行体验。因此，机场优化调度成为提高整体航空系统效能、降低成本、增加利润、提升服务质量的重要战略举措。

2、在机场的日常运作中，机场摆渡车数量不足和调度不当是造成航班延误和影响机场运行效率的主要原因。据统计，除了天气等非可控因素外，由于航空公司调度不当造成的航班延误占总数的34％。由此可见，机场的调度效率直接影响机场整体运营效率。而摆渡车的调度又是机场调度中最重要的一环之一，同时，机场摆渡车驾驶员的驾驶状态也极大地影响机场摆渡车的调度效率，驾驶员的异常驾驶行为(比如眨眼、打哈欠、接打手机等行为)也极大地威胁着机场运营的安全，因此一种高效的考虑驾驶员驾驶状态的机场摆渡车优化调度方案能极大地减少航班延误情况，提升整个机场的容量利用率，提高旅客的满意度。

3、而当前对机场摆渡车的调度中，大多依靠人工操作来完成，在航班时刻安排、机场特种车安排以及旅客服务等众多复杂任务通常需要调度人员实时监控、协调和决策，依靠人工通常能够完成安排任务，但存在一定问题。1)人工调度员在面对大量信息和复杂的决策时，可能受到处理能力的限制，难以有效地应对高强度的调度任务，容易出现信息遗漏和错误。2)当遇到突发情况，在需要快速做出决策的情况下，人工调度的反应时间相对较长，可能无法满足紧急的调度需求，导致航班延误和其他运营问题。3)人工调度员的工作时间固定，而机场运营通常是24小时的，长时间的工作时间可能导致人工调度员疲劳，造成误解信息、输入错误等人为失误，从而影响决策的准确性和效率。4)机场摆渡车的调度工作常常忽视摆渡车驾驶员的驾驶状态对机场调度安全的影响，驾驶员的异常驾驶行为对机场的安全造成极大的安全隐患。

技术实现思路

1、本发明要克服人工调度方法的上述缺点，提供一种考虑驾驶员状态的改进容量网络模型的机场摆渡车优化调度方法和装置。

2、针对机场人工调度错误频发和效率低下的问题，本发明借助人工智能和大数据分析技术，利用先进的优化算法和模型，将摆渡车驾驶员的驾驶状态作为摆渡车调度的关键因素，提出一种考虑驾驶员状态的改进容量网络模型的机场摆渡车优化调度方法，在容量网络的基础上，构造了以摆渡车数量最小为目标的混合整数规划模型，并将驾驶员驾驶状态作为约束条件，以高效低成本地完成机场摆渡车的优化调度，降低机场运行成本，提高机场运行效率。

3、本发明机场摆渡车优化调度方法依据机场航班实时信息数据，确定需要摆渡车需求的航班，将航班和摆渡车出发和返回的位置设置为节点，将摆渡车在两个节点之间连续服务的路径设置为有向边，构建一种新颖的容量网络模型；同时，通过驾驶舱内摄像头实时检测摆渡车驾驶员的驾驶状态，并将驾驶状态异常的驾驶员及时召回，停止继续接送旅客任务；基于容量网络以最小所需摆渡车数量为目标，构造一个混合整数规划模型，且将驾驶员的实时驾驶状态设置为约束条件，并将其等价为线性规划，求解得到保障调度安全的机场摆渡车的最小化数量和航班间调度的最佳路径。

4、本发明的技术方案是：

5、本发明的第一个方面涉及考虑驾驶员状态的改进容量网络模型的机场摆渡车优化调度方法，包括如下步骤：

6、步骤1机场实时信息数据采集。根据机场实际实时情况，确定摆渡车出发位置、结束位置、需要摆渡车服务的航班位置、以及各位置之间的位置距离关系，通过计算得出航班i允许摆渡车服务的最早时间和最晚时间等，过程如下：

7、步骤1.1对机场实时情况进行采集。本发明所采集的数据如下：

8、a)摆渡车出发站和终点站位置：摆渡车从出发站出发，到往航班位置完成旅客的接送服务后，返回到终点站。出发站和终点站的位置距离会影响摆渡车来往航班的时间，因此需要根据位置距离信息合理的安排调度。

9、b)航班预计到达时间和航班预计出发时间：由于摆渡车需要根据航班需求对制定航班进行服务，因此对需要摆渡车服务的航班i，它的预计到达时间(stai)、预定出发时间(stdi)、航班停靠位置进行提取。

10、c)摆渡车来往航班间所需时长：由于一辆摆渡车通常需要完成多个航班的接送旅客任务，而行驶在航班间的时间会影响下一次航班服务开始的时间，因此本发明将摆渡车来往航班间的时间考虑在内，使下一次航班的起飞不受上一次航班的影响。

11、d)摆渡车在航班预定到港前最早等待时间t1和最迟等待时间t2：根据规定，摆渡车应当在航班到达前提前在泊位等候，以免耽误旅客登机和航班起飞。

12、e)所需服务时长tii：为了不影响航班起飞，及时完成摆渡车接送旅客任务，因此摆渡车接送航班的执行任务时长也应当考虑在内，使摆渡车的调度更加合理高效。

13、步骤1.2根据所采集的信息数据，计算出航班i允许摆渡车服务的最早时间ei和最晚时间li等，计算过程如下：

14、对于航班i，允许摆渡车服务的最早时间ei计算公式为：

15、ei＝stdi-t2(1)

16、允许摆渡车服务的最晚时间li计算公式为：

17、li＝stai-t1(2)

18、步骤2容量网络模型的建立。本发明将摆渡车出发位置、结束位置、需要摆渡车服务的航班位置设置为节点，将节点之间的位置距离和摆渡车在航班间行驶时间关系设置为调度弧，将实时数据通过算法，生成实时的有向无环图，即容量网络，过程如下：

19、步骤2.1根据摆渡车出发位置、结束位置、需要摆渡车服务的航班位置，确定节点的位置和数量，将摆渡车来往航班的路线设置为调度弧，确定有向边的依赖关系。

20、步骤2.2通过算法生成所有可能存在的调度路线的有向无环图，即容量网络，如图1所示。

21、步骤3根据以上的容量网络，即有向无环图，通过python生成时间邻接矩阵，对有向无环图进行保存，如图2所示。

22、步骤4驾驶员异常驾驶状态检测。由于工作性质的关系，机场摆渡车驾驶员通常需要连续工作几个小时，长时间的驾驶极易导致驾驶员产生疲劳、分心等异常驾驶行为，极容易引发机场重大事故；而且，长时间的工作使驾驶员的工作效率大大降低，对驾驶决策的判断极容易产生失误，因此需要通过车载摄像头实时捕捉驾驶员的驾驶信息，当发现驾驶员有异常驾驶行为时，及时将该驾驶员召回，不再执行接下来的调度任务，具体步骤如下：

23、步骤4.1驾驶员驾驶信息采集。通过驾驶舱内车载摄像头对驾驶员信息进行采集与识别，包括驾驶员打哈欠、闭眼等常见的疲劳行为以及驾驶时打电话、东张西望等异常行为。

24、步骤4.2采用centernet模型对摄像头采集到的图像进行检测，centernet模型结构如图2所示。综合识别驾驶员眨眼、打哈欠、使用手机三种危险驾驶行为，赋予正在执行任务的驾驶员一个驾驶状态值e，将驾驶员的异常状态分为正常、轻度异常和重度异常三个状态，本发明参考图像数据标签制定方法如下：

25、a)眨眼：由于在正常情况下，眨眼动作通常是在0.2秒～0.4秒完成的，因此根据将视频实时数据中对驾驶员的睁眼时间t进行采集，当驾驶员在某一次眨眼中，处于闭眼状态时间超过1s即认定该驾驶员经历一次疲劳眨眼。

26、通过视频图像信息记录驾驶员疲劳眨眼的次数，记作n1。由于眨眼动作完成的时间长短存在偶然情况，仅由一次眨眼动作对驾驶员疲劳状态进行判断的误差较大，即由于其他情况驾驶员并没有处于疲劳状态但偶然在一次眨眼中，眨眼动作时间超过0.5秒。因此，为了防止偶然情况对结果的影响，提高判断的合理性，本发明通过记录疲劳眨眼频率f1来间接反应驾驶员是否处于疲劳驾驶状态，计算公式如下：

27、

28、式中，n1是疲劳眨眼的次数，即眨眼时长超过1s的次数；t为时间，记录单位为1min。

29、b)打哈欠：由于打哈欠是从闭嘴到张嘴打哈欠，再从张嘴状态到闭嘴状态，其嘴部区域状态与正常讲话交流等状态容易混淆，基于此，本发明考虑打哈欠状态与正常讲话等状态不同之处在于打哈欠时嘴部区域的纵横比有独特的比例。因此，本发明通过借助计算嘴巴的纵横比m来间接判断驾驶员是否打哈欠，计算公式如下：

30、

31、式中，la为嘴巴的宽度，即嘴巴上边缘和下边缘的距离；lb为嘴巴的长度即嘴巴左边缘与右边缘之间的距离，如图3所示。

32、根据摄像头提取到的实时视频数据，当检测到驾驶员嘴部特征m≥1时，则认为驾驶员进行了一次打哈欠。另外，仅通过驾驶员一次m≥1即判定驾驶员处于疲劳驾驶状态的判断误差较大，即驾驶员可能由于其他原因使嘴部特征纵横比m≥1，但驾驶员并未处于疲劳驾驶状态。同上述眨眼标签，为了防止偶然事件对实验结果的影响，本发明设定视频数据检测到驾驶员嘴部特征m≥1的次数为n2，本发明通过记录打哈欠频率f2来间接反应驾驶员是否处于疲劳驾驶状态，计算公式如下：

33、

34、式中，n2是疲劳眨眼的次数，即驾驶员嘴部特征m≥1的次数；t为时间，记录单位为1min。

35、c)接打手机：由于在驾驶摆渡车的过程中接打手机极容易导致驾驶员的分心驾驶，是引发机场事故的重要因素，因此通过摄像头视频数据实时检测驾驶员是否接打手机情况，当视频图像中识别到手机，即认为该驾驶员在驾驶的过程中在使用手机，则将e＝1。

36、基于以上对驾驶员驾驶状态的检测，当e＝0时，则视为驾驶员的驾驶状态正常；当0<e≤0.5时，则视为驾驶员的驾驶状态轻度异常；当0.5<e≤1时，则认为该驾驶员存在重度异常驾驶状态，极有可能对机场的运行带来危险。

37、步骤4.3召回重度异常状态驾驶员。当检测到驾驶员处于重度异常状态，即0.5<e≤1时，及时通知到该驾驶员并将其召回到终点站，不在继续执行调度任务。

38、步骤5混合整数规划模型的建立。为了快速且准确得得到摆渡车的最小数量和最优路径，根据机场航班时间以及位置信息数据，建立混合整数规划模型，目标函数和约束条件设置如下：

39、步骤5.1设置目标函数：使整个机场运营的摆渡车数量最小，降低机场运营成本。目标函数为

40、

41、步骤5.2设置约束条件：为了达到最优调度，设置约束条件如下：

42、a)通常一次航班只需要一辆摆渡车服务，约束条件为：

43、

44、

45、b)将摆渡车服务开始时间绑定到服务开始时间窗口，约束条件为：

46、

47、c)通过驾驶舱内摄像头实时检测驾驶员的驾驶状态，并赋予正在执行接送旅客任务的驾驶员一个驾驶状态安全值e，只允许驾驶状态正常或者轻度异常的驾驶员继续执行任务，约束条件为：

48、0≤e≤0.5(10)

49、d)如果航班i和航班j由同一摆渡车连续服务，且航班i在航班j之前，则航班i的服务开始时间加上航班i到航班j的连接时间应当不晚于航班j的摆渡车服务开始时间，约束条件为：

50、

51、其中，m为正整数，a3为调度弧的集合。

52、e)由于一次航班通常只由一辆摆渡车即可完成旅客的接送服务，因此本发明设置调度弧线的容量为1，即容量网络中的所有调度弧都是由一辆摆渡车完成，约束条件为：

53、

54、步骤5.3为了便于求解，将上述混合整数模型等价于一个线性规划模型，得到实际机场摆渡车服务不相交路径，且提高了求解效率。其目标函数和约束条件如下：

55、a)目标函数：

56、

57、b)在实际机场的运作中，通常一辆摆渡车可以来往多次航班，完成多次航班的接送旅客服务，为了提高摆渡车接送旅客效率，得到不相交路径，约束条件如下：

58、0<e≤0.5(14)

59、

60、

61、

62、

63、步骤6将步骤3生成的容量网络的时间邻接矩阵作为线性规划模型的输入，求解得到最终结果机场最小摆渡车数量和最优路径，如图4所示。

64、本发明的第二个方面涉及考虑驾驶员状态的改进容量网络模型的机场摆渡车优化调度装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现本发明的考虑驾驶员状态的改进容量网络模型的机场摆渡车优化调度方法。

65、本发明的第三个方面涉及一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现本发明的考虑驾驶员状态的改进容量网络模型的机场摆渡车优化调度方法。

66、本发明的工作原理：结合机场航班信息和位置信息等，生成机场调度的容量网络(包含摆渡车所有调度路线)，并通过邻接矩阵将容量网络储存起来，利用目标检测算法实时识别摆渡车驾驶员眨眼、打哈欠以及接打电话情况，并将其结果作为线性规划模型的约束条件之一，将驾驶状态异常的驾驶员及时召回，停止继续接送旅客服务。最后将邻接矩阵输入到线性规划模型中，得到最终的容量网络，即得到机场调度所需的最小摆渡车数量和摆渡车调度的不相交路径。

67、本发明的优点是：针对机场摆渡车人工调度效率低下，建立机场摆渡车容量网络，并结合目标检测算法对驾驶员驾驶状态实时检测，将驾驶员驾驶状态作为机场摆渡车调度的一个重要因素，得到机场摆渡车不相交路径，使机场摆渡车的调度更加高效、更加安全。