浅析优化算法与航空公司

1047521767

                    浅析优化算法与航空公司正如我们每天看到的陆路上的交通一样，有路，有大大小小的车辆，有各种交通控制设施及交警等。在蔚蓝的天空中也同样有类似的东西，那就是航路，各家航空公司大大小小的飞机，以及空管局对空中飞机的指挥控制。

本篇只涉及从航空公司角度出发，应该如何正确理解和运用现代优化算法，至于从空管局角度出发思考如何应用现代算法优化的问题，我们今后讨论。

民航业本质是通过飞机将旅客和货物从起始点运输到指定目的地，以此盈利。所以航空公司真正盈利的部门只有两个，即客运部和货运部。其他部门都是维持整个公司健康有效运转的成本部门。

对于航空公司而言，最有价值的三个问题，无非是收益管理分析、机组排班、大规模延误时的航班智能恢复。其中，收益管理分析是摆在重中之重的地位了，因为对于航空公司而言，“开源”比“节流”要重要。收益管理属于提高营收的“开源”项目，而其他运力上的优化则是“节流”项目。目前，国内航空公司在分析收益时大多数还是单个航段独立分析，但是所购买的（租用的）收益管理软件（主要是国外的）内核都是基于OD流的网络化联合分析。那这两者到底有什么区别和联系呢？其实收益的问题可以分解为两个子问题，即旅客流订座时间序列的预测和舱位开放数及其定价的决策两个方面。假如预测已经做得不错了，剩下来的就是如何决策的问题了，实质上就是在预测到未来近期订座人数大于飞机实际剩余座位数的情况下，请哪些旅客上飞机的问题。为了是该航班的收益期望最大化，当然是让最有价值的旅客上飞机，这无可厚非，这也是单航段独立分析的主要思想，这种思想在中国市场上已经主导了好久好久了。但是旅客的OD流通常伴有联程（两个航段一个航班号），当各种OD流在整个航线网络上交织的时候，单航段分析就会存在问题。比如，从单航段分析可能认为旅客A是本航段（leg1）最有价值的旅客，应该把票卖给他，但是旅客A买的票是联程票，即飞完leg1，飞下一个航段leg2。这时如果同时考虑leg1和leg2这种决策就可能不合算，他可能使得leg2用掉的那个座位没有获得其最佳收益，也许不让A上机，先满足leg2上的旅客是最佳决策。当这种事情在整个网络频繁发生时，各个OD流交错影响，那么由单个航段独立分析后再汇总的决策就不是最佳决策，最佳决策是基于整个网络做的，用线性规划的对偶变量找出所有紧俏航段统一分析才是正确的做法。
, \% D  i3 d& u2 H7 N
接下来的另一个大问题就是机组排班问题。航空公司的运力由可以申请到航线，机场时刻，飞机数，飞行员数等决定的。各家航空公司运力问题面各有不同，反正跳不出以上几个。而国内航空公司目前的问题常常是飞行员不够，这种情况下，机组排班就非常重要。想象一下，飞行飞行任务都指定好了，结果没人飞，最终也会导致航班取消，飞机利用率下降（平均小时数减小）。对于航空公司而言，平均小时数下降30分钟，对于整个收益的影响都是非常巨大的。因为这种运力优化影响到收益，所以它排第二重要无可厚非。
& R; f! c. M  L( A  L9 n# M
第三重要的莫过大规模航班延误下的航班智能恢复了。当遇到雷雨天气、台风、强降雪等恶劣天气，机场有可能被关闭，许多航班会被取消。这样飞机滞留在机场飞不出去，需要飞机执飞的天气状况良好的机场没有前续航班过来，一系列的连锁反应，大规模航班延误就发生了。此时会有大量旅客滞留在机场，情绪很不稳定。此时就需要航空公司妥善安排机场滞留旅客，快速重新安排飞机计划，使得在收天气影响的诸多约束中，尽可能多地使用更新飞机计划将旅客应可能多地运输到目的地，此外各机场飞机数量恢复到原先航班计划指定数量，这样等恶劣天气一过，原先的航班计划可以照常执行，这就是航班智能恢复问题。
  m3 j( K7 g8 R6 D, |6 L
聊完以上三个核心问题之后，我们再来看看航空公司一些常规的优化问题。
6 w6 O: W  D' I1 X! Q) }+ C
9 b6 M( j7 d; ~1 H. C一、机型指派问题
6 E, `, U2 R( ~) D1 u# v$ T1 T
当公司根据旅客历史数据，申请和取消部分航线，再根据航线网络及机场时刻点制定出航班计划后。就需要进入一个重要的环节——机型指派。这个问题跟“布水管”差不多，大机型相当于粗管道，小机型相当于细管道，旅客历史OD流数据相当于水流。然后在整个航线网络中将机型指派好，将网络布通，使得旅客历史OD流尽可能多地从各管道中通过，使得需求尽可能被满足。

7 p) f4 i: _) u  t/ G$ C8 E二、飞行绕线问题
; M5 I, \% K- J6 h; |" b6 T
机型指派完以后，接下来要做的就是飞行绕线问题，即告诉每个机型的每架飞机应该在这个网络中具体怎么飞。首先，我们希望飞机的飞行路线可以形成一个欧拉回路，为什么呢？因为这样的话，每架飞机执行任务是相同的，所以飞机折损率也几乎相同。这样一来，飞机的引入和退出就可以按批次进行，更加方便管控。其次，每架飞机从一个可以做维修的机场出发，四天内必须降落到另一个可以做维修的机场，这样保证飞机性能的可靠性和安全性。

9 O4 i) U) ^% |三、机组指派

一般来讲，一个大型基地可能就有一个子公司。每个基地的机组是属地化管理的。所以你要做出机组四天的执飞航班连城一个从基地出发回到基地的航班环（paring）。一般来讲都是先连接一天的可飞路线，再把一整天的路线串成环，分两步走。为什么要这么做呢？因为其中有很多规则限制，如《民航局CCAR-61-R4》，最新的《CCAR121-R5》，及航空公司自身公司手册规则限制。比如一个飞行员4天内不能去3次高原机场，诸如此类限制。这种限制导致了，我们找可行解（pring）一定都是分两步走的，因为一步到位，没办法把这些规则同统一的数学公式写进数学模型的约束中。

四、机组排班

1 S. ~, J$ e. `  u. w. h. @一个paring就是一个任务，现在要考虑作息周期，任务平衡，资质高低将任务分配给具体的飞机员和乘务员。

: Q  f' u; t+ @4 P( b8 w' [  P: `五、地勤排班

因为地勤任务可以非常明确地进行量化，即每个航班从到达和下一次起飞这个时间区间就是一个定义明确的任务。根据航空公司和机场地勤人员和各个岗位和岗位之间的先后串联关系，对所有岗位任务进行任务指派。在合理的工作强度和作息要求下，争取用最少的人做完跟每个航班关联的所有既定任务。
" l* ~: U% b" C& [2 G$ p5 _) F
' ~8 x/ S+ _- e; e+ g六、其他问题
, h+ ]) \4 A$ }6 g7 [) F3 e
例如餐食备份数预测，食品车排班，航机员排班等各种排班问题。已经话，只要任务定义明确，规模达到一定级别，领导有排班意愿，一切皆可排。
7 @1 ^( T3 h! p% r. F+ r. S, F
任何领域的公司，当它一点点由小做大时，都会出现一个共性问题：招的人越来越多，办事效率缺越来越低，企业变得臃肿，进入疲态。航空公司也是如此，但是航空公司中任务都是跟起飞和降落时间明确的航班，严格的规章制度相关的。本质上又是一个交通运输规划问题，那么它可以优化的空间是相当大的。当一家航空公司运用优化算法将以上问题都解决地差不多时，优化算法的作用就又告一段落了。企业变大变臃肿后，好比是生病了，而优化算法是一剂特效药。运用了优化算法的企业重新回归精神焕发的健康状态，优化算法剩下要做的就可能是“保健”养生之用了。航空公司是空中交通服务企业，当公司效率提升后，要做的还是如何使自己的品牌服务能有口皆碑，如你的机上餐食是否真的有吸引力，你的金卡、银卡、钻石卡什么的是不是做到了个性化服务，公司的宣传工作是否到位，公司的服务是否让人感到温馨和亲切等等。
; J1 ]4 X1 K2 a7 b/ ^
一切回归于服务，这就是优化算法与航空公司真正的关系，它是航空公司成长过程中，由大变强的一剂良药，也是公司持续高效运行的幕后保障。他的来与去有涨有落，但是航空公司的服务是永远安身立命之根本。


6 Y; _  x2 d+ l* i

sjlxdn

11111111111111
9 O1 l* B% x& ^% m# `

sjlxdn

11111111111111
' H' Z2 T) v- s. v: B