文/鄒剛 劉志洋 李陽(yáng)

以首都國(guó)際機(jī)場(chǎng)T3航站樓國(guó)際到港航班的行李輸送為研究對(duì)象，基于自動(dòng)調(diào)度與無(wú)人輸送車協(xié)同的方案構(gòu)建了調(diào)度邏輯，完成了仿真模型建模。通過(guò)對(duì)仿真結(jié)果的統(tǒng)計(jì)與分析,獲得了系統(tǒng)性能指標(biāo)，并定量分析了航班泊位、滑行等因素對(duì)行李輸送任務(wù)的影響。

引言。

首都國(guó)際機(jī)場(chǎng)業(yè)務(wù)繁忙,旅客吞吐量大。在高峰時(shí)間，單日到達(dá)T3航站樓的國(guó)際航班可達(dá)140架以上，旅客人數(shù)超過(guò)4萬(wàn)行李數(shù)量超過(guò)3萬(wàn)件。通過(guò)對(duì)航班到港時(shí)間的數(shù)據(jù)分析可知，在4點(diǎn)至6點(diǎn)、10點(diǎn)至12點(diǎn)、14點(diǎn)至16點(diǎn)左右會(huì)迎來(lái)到港航班的高峰。為實(shí)現(xiàn)到港、中轉(zhuǎn)的行李能準(zhǔn)時(shí)送達(dá)，負(fù)責(zé)行李輸送的工作人員經(jīng)常需要在深夜、凌晨進(jìn)行高強(qiáng)度的工作。作為大型樞紐機(jī)場(chǎng)，機(jī)場(chǎng)還需要培養(yǎng)相當(dāng)數(shù)量的有經(jīng)驗(yàn)的調(diào)度員，以24小時(shí)輪班的方式，完成行李的輸送任務(wù)。隨著無(wú)人駕駛、智能化技術(shù)的發(fā)展，可以預(yù)見(jiàn)在不久的將來(lái)，無(wú)人輸送車必將替代現(xiàn)有的行李運(yùn)送車輛，實(shí)現(xiàn)行李輸送的自動(dòng)化、智能化運(yùn)行，進(jìn)而大幅度降低勞動(dòng)強(qiáng)度，降低人工成本。

1.概述。

現(xiàn)有國(guó)內(nèi)機(jī)場(chǎng)，仍采用傳統(tǒng)的人工駕駛行李運(yùn)送車輛進(jìn)行行李的運(yùn)送，調(diào)度行李運(yùn)送車輛的方式通常為：電腦接收行李運(yùn)送任務(wù)，調(diào)度員依靠經(jīng)驗(yàn)人工派單，人工駕駛輸送車輛完成行李運(yùn)送。本文采用自動(dòng)調(diào)度、無(wú)人輸送車的技術(shù)方案，以首都國(guó)際機(jī)場(chǎng)T3航站樓進(jìn)港航班行李輸送為研究對(duì)象，構(gòu)建了無(wú)人輸送車自動(dòng)調(diào)度邏輯，完成了系統(tǒng)仿真建模。通過(guò)仿真分析,計(jì)算出行李任務(wù)完成時(shí)間、首件行李至上包臺(tái)時(shí)間、輸送車數(shù)量等指標(biāo)，并分析了航班泊位引導(dǎo)、滑行對(duì)行李輸送的影響。圖1為機(jī)場(chǎng)測(cè)試的無(wú)人行李輸送車。

圖1在機(jī)場(chǎng)測(cè)試的無(wú)人輸送車

國(guó)內(nèi)外關(guān)于機(jī)場(chǎng)行李運(yùn)送仿真方面的論文，主要著眼于對(duì)機(jī)場(chǎng)現(xiàn)有行李輸送系統(tǒng)的仿真分析。作者陸迅在《機(jī)場(chǎng)行李流程仿真建模和分析》中以Petri網(wǎng)為建模工具，應(yīng)用事件調(diào)動(dòng)仿真策略，完成了浦東國(guó)際機(jī)場(chǎng)行李流程的仿真。仿真模型得出行李流程的行為特性[1]。作者袁潘峰在《樞紐機(jī)場(chǎng)的中轉(zhuǎn)行李流程仿真分析》中，對(duì)浦東機(jī)場(chǎng)T1中轉(zhuǎn)行李流程進(jìn)行建模仿真,提出系統(tǒng)的瓶頸在行李分揀及普通中轉(zhuǎn)行李的再托運(yùn)階段[2]。作者晏曉東在《機(jī)場(chǎng)特種車輛調(diào)度問(wèn)題研究》中，分別進(jìn)行了靜態(tài)調(diào)度和動(dòng)態(tài)調(diào)度的研究。在靜態(tài)調(diào)度中，選擇節(jié)約值算法和改進(jìn)型最鄰近算法進(jìn)行路徑優(yōu)化。在動(dòng)態(tài)調(diào)度中，設(shè)計(jì)了基于規(guī)劃時(shí)間窗的車輛實(shí)時(shí)調(diào)度算法，將動(dòng)態(tài)問(wèn)題轉(zhuǎn)化為多個(gè)靜態(tài)問(wèn)題[3]。作者邢志偉在《基于Flexsim的機(jī)場(chǎng)場(chǎng)面交通仿真》中，構(gòu)建了機(jī)場(chǎng)場(chǎng)面交通仿真系統(tǒng)，找出機(jī)場(chǎng)場(chǎng)面交通運(yùn)行瓶頸所在[4]。Caterina Malandri在《A Discrete Event Simulation Model for Inbound Baggage Handling》中以意大利Bologna Marconi機(jī)場(chǎng)為背景，完成入境行李處理系統(tǒng)的仿真，分析了系統(tǒng)的瓶頸[5]。Juan Pablo Cavada在《A simulation approach to modeling baggage handling systems at international airport》論文中以智利的圣地亞哥機(jī)場(chǎng)為研究對(duì)象，從旅客行李托運(yùn)、行李安全檢查、分揀、運(yùn)送搬運(yùn)至航班的過(guò)程進(jìn)行了整體的仿真建模與分析，評(píng)估了行李處理系統(tǒng)的能力、分析了柜臺(tái)行李托運(yùn)錯(cuò)誤對(duì)系統(tǒng)的影響、提出了行李傳送帶的平衡策略和應(yīng)對(duì)系統(tǒng)故障的策略[6]。

2.行李輸送系統(tǒng)仿真模型設(shè)計(jì)

2.1 仿真模型假設(shè)。仿真模型做出如下假設(shè)：1）航班的進(jìn)港時(shí)刻按照指數(shù)分布生成。2）由于國(guó)際進(jìn)港航班中散裝行李很少，假設(shè)進(jìn)港航班行李全部為集裝箱行李。3）進(jìn)港航班按照“飛機(jī)由距離跑道近的一側(cè)，距離短或轉(zhuǎn)彎較少的滑行線進(jìn)入機(jī)位”的原則進(jìn)入機(jī)位。4）考慮航班飛機(jī)對(duì)輸送車的影響及輸送車之間的相互影響，不考慮人員、機(jī)場(chǎng)內(nèi)其它車輛對(duì)行李輸送任務(wù)的影響。

2.2 仿真模型組成。仿真模型在AutoMod仿真軟件的平臺(tái)上搭建。

2.2.1 靜態(tài)模型。完成了航站樓、機(jī)位、行李上包臺(tái)、登機(jī)橋、下穿道路等實(shí)物的1∶1靜態(tài)模型建模，見(jiàn)圖2。

圖2系統(tǒng)仿真模型

2.2.2 線路車輛。無(wú)人輸送車行駛路線根據(jù)《首都機(jī)場(chǎng)航空器活動(dòng)區(qū)道路交通圖》繪制。道路限速依據(jù)《北京首都國(guó)際機(jī)場(chǎng)航空器活動(dòng)區(qū)道路交通規(guī)則》設(shè)定，分為50km/h、40km/h、25km/h、15km/h、5km/h等5種情況。

2.2.3 調(diào)度邏輯。調(diào)度邏輯部分主要用于行李輸送任務(wù)的分配和輸送車的調(diào)度，采用了活動(dòng)掃描法全局視角進(jìn)行構(gòu)建，按照如下原則進(jìn)行調(diào)度邏輯的設(shè)計(jì)：1）輸送車需提前到達(dá)指定機(jī)位等待行李，避免出現(xiàn)航班行李等待行李運(yùn)送車輛的情況；2）用盡量少的輸送車完成行李輸送任務(wù)。上述兩條原則相互制約，最終使輸送車的數(shù)量在合理的范圍內(nèi)。

調(diào)度邏輯采用AutoMod軟件中集成的最短路徑算法進(jìn)行路徑選擇。

2.3 仿真模型輸入

2.3.1 進(jìn)港航班機(jī)位。通過(guò)對(duì)首都國(guó)際機(jī)場(chǎng)負(fù)責(zé)國(guó)際航班業(yè)務(wù)的某航空公司，2018年業(yè)務(wù)最繁忙的10月份數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，10月11日15∶00至16∶00進(jìn)港航班數(shù)量達(dá)到最大值，見(jiàn)圖4。

考慮到仍有其它航空公司負(fù)責(zé)少量的國(guó)際進(jìn)港航班，仿真模型以20架/h進(jìn)港國(guó)際航班為仿真模型的輸入。

2.3.2 進(jìn)港航班集裝箱及行李數(shù)量。圖4中17架進(jìn)港航班旅客數(shù)量為4460人。參考《機(jī)場(chǎng)行李流程仿真建模和分析》（陸迅）中“浦東機(jī)場(chǎng)一號(hào)航站樓現(xiàn)場(chǎng)調(diào)查的結(jié)果表明：國(guó)際旅客平均77%交運(yùn)一件及以上行李，其中一件行李的占56.7%，2件行李的占19%，三件及以上的占1.3%”[1]?？梢哉J(rèn)為：國(guó)際航班中每個(gè)旅客托運(yùn)一件行李。依據(jù)數(shù)據(jù)等比放大，20架進(jìn)港航班攜帶的托運(yùn)行李為5250件行李。采用三角分布生成每個(gè)航班搭載的集裝箱數(shù)量，參數(shù)為：低限為10、上限為25、眾數(shù)為15。航班考慮容積、配重等因素，通常按一定比例將集裝箱分置在飛機(jī)的前后艙。根據(jù)調(diào)研情況，模型中飛機(jī)后艙存放AKE的數(shù)量為AKE總數(shù)量的70%的取整值。

圖3自動(dòng)調(diào)度總流程圖

圖4進(jìn)港國(guó)際航班數(shù)量分布

2.3.3 設(shè)備輸入數(shù)據(jù)

2.3.3.1輸送車。仿真模型中，輸送車的輸入數(shù)據(jù)如下：1）每個(gè)輸送車一次運(yùn)載1個(gè)集裝箱；2）輸送車載重時(shí)最大速度20km/h，空載時(shí)最大速度25km/h。

2.3.3.2集裝箱卸載設(shè)備。集裝箱卸載設(shè)備負(fù)責(zé)將集裝箱從航班上卸載。在仿真模型中，設(shè)置如下參數(shù)：1）集裝箱卸載設(shè)備從航班后艙轉(zhuǎn)移至前艙的時(shí)間服從（8min，12min）區(qū)間上的均勻分布。2）兩個(gè)集裝箱一組，第一個(gè)集裝箱從航班貨艙滑出至準(zhǔn)備平移至輸送車的時(shí)間服從三角分布（45s，50s，55s）；兩個(gè)集裝箱間隔時(shí)間服從三角分布（15s，20s，25s）。3）集裝箱水平滑至無(wú)人輸送車上并固定的時(shí)間服從三角分布（12s，15s，20s）。4）輸送車上解除集裝箱的固定并卸載的時(shí)間服從三角分布（12s，15s，20s）。

2.3.4 航班泊引影響。進(jìn)港航班泊引進(jìn)入部分機(jī)位時(shí)，將在輸送車行駛路線上產(chǎn)生禁行。模型中設(shè)定，航班泊引進(jìn)入機(jī)位產(chǎn)生的禁行時(shí)間服從（3min，5min）區(qū)間上的均勻分布。

2.3.5 航班滑行影響?！侗本┦锥紘?guó)際機(jī)場(chǎng)航空器活動(dòng)區(qū)道路交通規(guī)則》中規(guī)定：“遇有航空器滑行或拖行時(shí)，必須在航空器一側(cè)50米外避讓，不得在滑行的航空器前200米內(nèi)穿行或50米內(nèi)尾隨；”。仿真模型中，對(duì)20架進(jìn)港航班進(jìn)入機(jī)位，對(duì)輸送車行駛路線產(chǎn)生的道路禁行進(jìn)行了分析。通過(guò)分析，20個(gè)航班中有11個(gè)航班會(huì)在輸送車行駛路線上產(chǎn)生禁行，共涉及6個(gè)路段。仿真模型中加入了上述影響。

4.試驗(yàn)設(shè)計(jì)及結(jié)果分析

4.1 試驗(yàn)設(shè)計(jì)。試驗(yàn)設(shè)計(jì)如下：1）考慮航班泊引、飛機(jī)滑行影響，在任務(wù)不變的情況下，采用隨機(jī)輸入，運(yùn)行仿真模型10次，分析輸送車使用數(shù)量、行駛里程、任務(wù)時(shí)間等系統(tǒng)指標(biāo)；2）分別屏蔽航班滑行、泊引的影響，分析兩者對(duì)系統(tǒng)指標(biāo)的影響。

4.2 結(jié)果分析

4.2.1 系統(tǒng)指標(biāo)分析。運(yùn)行仿真模型10次，輸送車數(shù)據(jù)見(jiàn)表1。

表1無(wú)人輸送車數(shù)據(jù)統(tǒng)計(jì)

采用自由度為9的t分布，99%的置信區(qū)間，系統(tǒng)使用輸送車的數(shù)量為（142.7，149.3）輛，輸送車平均行駛里程為（13.4，14）km。仿真結(jié)果顯示：輸送車最大行駛里程為23.1km，無(wú)人輸送車的承載行駛里程與總行駛里程的比值在（43.2%～51.9%）之間，平均值為47%。表2中為航班對(duì)應(yīng)的首件行李完成時(shí)間、行李任務(wù)完成時(shí)間。

表2航班行李輸送任務(wù)時(shí)間

通過(guò)分析可知：1）首件行李至上包臺(tái)最短時(shí)間為（11.9min，12.1min）（95%置信區(qū)間），對(duì)應(yīng)A36機(jī)位；最長(zhǎng)時(shí)間為（18.9min，19.3min）（95%置信區(qū)間），對(duì)應(yīng)B52機(jī)位；2）需傳送集裝箱的數(shù)量和航班?？康臋C(jī)位，基本決定了輸送車總的行駛里程和總的帶載行駛里程，但航班泊引、滑行的影響，會(huì)造成航班行李運(yùn)送任務(wù)完成時(shí)間的波動(dòng)。

4.2.2 航班泊引影響分析。圖5為在任務(wù)量不變，加入航班泊引影響與無(wú)航班泊引、滑行影響的任務(wù)完成時(shí)間對(duì)比圖。

圖5泊引影響分析任務(wù)甘特圖

分析圖5，在有航班泊引影響下20個(gè)航班中有7個(gè)航班行駛運(yùn)送任務(wù)延遲（3.3%～9.3%，平均6.4%）,有1個(gè)航班行李運(yùn)送任務(wù)提前（3.3%）。

4.2.3 航班滑行影響分析。圖6為在任務(wù)量不變，加入航班滑行影響的模型與無(wú)航班泊引、滑行影響的任務(wù)完成時(shí)間對(duì)比圖。

圖6航班滑行影響分析任務(wù)甘特圖

分析圖6，在有航班滑行的影響下20個(gè)航班中有3個(gè)航班任務(wù)延遲（5.1%、5.1%、6.7%），有2個(gè)航班任務(wù)提前（3.8%、4.7%）。與圖5比較可以看出，航班滑行對(duì)行李運(yùn)送任務(wù)的影響小于航班泊引造成的影響。

5.總結(jié)。

以首都國(guó)際機(jī)場(chǎng)T3國(guó)際進(jìn)港航班行李運(yùn)送任務(wù)為需求，基于自動(dòng)調(diào)度、無(wú)拖掛無(wú)人輸送車的技術(shù)方案，通過(guò)分析機(jī)場(chǎng)在高峰時(shí)段的進(jìn)港航班、旅客和行李等數(shù)據(jù)，明確了模型的輸入，并在模型中加入了航班泊引、航班滑行的影響。通過(guò)仿真結(jié)果分析，獲得了系統(tǒng)的總體性能指標(biāo),及航班泊引、航班滑行對(duì)進(jìn)港航班行李運(yùn)送任務(wù)影響的定量分析結(jié)果。