大型机场安检系统分布式调度方法技术方案

一种大型机场安检系统分布式调度方法，基于大型机场安检系统运行的历史客观统计数据，将安检服务台的工作位置与状态进行综合编码并以最小化服务台的总工作时间为优化目标，加入工作约束与排队队长约束，考虑时变随机客流、服务随机性及服务台跨区域调度时间的分布式排队系统，运用逐点稳态流近似方法将分布式排队系统的随机性转化为期望值，进行解的质量评估，并采用遗传算法与模拟退火算法结合的时序优化算法得到近似最优解，从而对每个服务台每个时段的所服务排队节点、工作状态进行调度，以提高大型机场安检系统对目前随机环境的适应能力，提高安检效率并降低服务成本。本发明专利技术基于时变随机客流的安检系统性能评估，及考虑大型机场空间分布式特征的高效调度。能够在合理的时间内获得令大型机场部门满意的资源调度方案，提高安检系统的运行效率并降低资源成本。成本。成本。

【技术实现步骤摘要】
大型机场安检系统分布式调度方法


[0001]本专利技术涉及的是一种随机服务系统资源调度领域的技术，具体是一种基于时序性遗传退火算法的大型机场安检系统分布式调度方法。

技术介绍

[0002]随着我国经济水平的快速提高，民航客运量也在逐年快速增长，其增长量达每年10％以上。民航客运量的提升给机场安检系统带来了极大挑战，且由于机场空间规模的扩大，在国内许多大型机场中，常有数个面向不同用途的安检系统，如防爆检查、国内出发安检、国际出发安检等，事实上构成了一定的空间分布。机场每个时间段的旅客量与当天的航班安排有很大关系，且旅客在机场中存在较长的交通时间，故一天中不同时间段对机场安检通道的要求高度时变，且各不相同。
[0003]作为典型的时变分布式排队系统，安检系统中经典的固定工作安排难以有效应对系统现有的时变特性，一种调度思想是对实行安检的资源(工作人员与仪器等)也进行时变的安排，但在时变的排队系统中，基于经典排队论公式计算的服务性能与实际的系统表现差距较大，故难以胜任运营实际的需求。而资源调度的时间延迟成本之高，使得资源的跨区调度需要被谨慎考虑，现有的短视调度策略(如资源都分配给目前服务强度最大的节点)并不可靠，调度时应更多结合对调度前景的预测。

技术实现思路

[0004]本专利技术针对现有技术存在的上述不足，提供一种大型机场安检系统分布式调度方法，基于时变随机客流的安检系统性能评估，及考虑大型机场空间分布式特征的高效调度。能够在合理的时间内获得令大型机场部门满意的资源调度方案，提高安检系统的运行效率并降低资源成本。
[0005]本专利技术是通过以下技术方案实现的：
[0006]本专利技术涉及一种大型机场安检系统分布式调度方法，基于大型机场安检系统运行的历史客观统计数据，将安检服务台的工作位置与状态进行综合编码并以最小化服务台的总工作时间为优化目标，加入工作约束与排队队长约束，考虑时变随机客流、服务随机性及服务台跨区域调度时间的分布式排队系统，运用逐点稳态流近似方法将分布式排队系统的随机性转化为期望值，进行解的质量评估，并采用遗传算法(GA)与模拟退火算法(SA)结合的时序优化算法得到近似最优解，从而对每个服务台每个时段的所服务排队节点、工作状态进行调度，以提高大型机场安检系统对目前随机环境的适应能力，提高安检效率并降低服务成本。
[0007]所述的时变随机客流是指：旅客的到达间隔时间无法提前确定，但服从一定的随机分布。
[0008]所述的服务随机性是指：服务台的服务间隔时间无法提前确定，但服从一定的随机分布。
[0009]所述的分布式排队系统是指：大型机场的安检系统有多个区域，如防爆检查、国内出发安检、国际出发安检等，可视作存在空间分布的多个排队服务节点，每个节点之间有一定距离，服务台当在两个节点之间调动，有一定的跨区域调度时间。
[0010]所述的工作位置是指：安检服务台每个时间段所工作的区域。
[0011]所述的工作状态是指：允许服务台在队伍前有休息和工作两种状态。
[0012]所述的排队队长约束是指：要求每个时段末的队伍长度期望值不得超过规定限制。
[0013]所述的优化目标是指：
[0014]目标函数：min.VT＝(∑
i
VT
i
)，其中：VT为所有服务台的总工作时间之和，VT
i
＝∑
t
W
i,t
为服务台i的总工作时间。
[0015]决策变量为：W
i,t
为服务台i在t时段是否工作，为0
‑
1变量，0为不工作，1为工作；P
i,t
为服务台i在t时段位于哪个节点工作，为正整数变量。
[0016]约束条件包括：
[0017]①
服务台的累计工作时间有递推关系：
[0018]②
服务台当已开始工作，则满足：
[0019]③
服务台的累计移动时间满足：
[0020]④
服务台当连续工作H
max
个时段，必须休息一个时段：
[0021]⑤
每时段末队长不超过上限：L
j,t
≤L
max
；
[0022]⑥
每时段末队长有递推关系：L
j,0
＝0,L
j,t
＝PSFFA(L
j,t
‑1,λ
j,t
,s
j,t
,μ
j,t
,Δt)；
[0023]⑦
每时段每个节点至少一个服务台：
[0024]其中：H
i,t
为服务台i在t时段末的连续工作时段数，H
min
和H
max
为服务台连续工作的最短和最长时段数，R
i,t
为服务台i在t时段末距离到达目标节点的时段数，t
move
为在两个节点之间移动所需的时段数，diff(a,b)在整数a，b不同时取1，相同时取0，表达服务台是否发生移动，L
j,t
为排队节点j在t时段末的期望队长，L
max
为时段末最大队长的阈值约束，λ
j,t
为节点j在t时段的顾客到达率，s
j,t
为节点j在t时段的工作服务台个数，μ
j,t
为节点j在t时段服务台的服务速率，Δt为时段的长度；i≤F+M,j≤N,t≤T，F为固定节点工作的服务台总数，M为可移动的服务台总数，N为总排队节点数，T为总工作时段数。
[0025]所述的逐点稳态流近似方法(PSFFA)将分布式排队系统的随机性转化为期望值是指：通过流平衡公式左侧L
t
‑1(ρ)+λ
t
·
Δt和右侧L
t
(ρ)+μ
t
·
s
t
·
ρ
·
Δt，基于数值二分法，ρ＝(min+max)/2，min＝0，max＝1，当左侧>右侧时令max＝ρ；当左侧<右侧时令min＝ρ；当|左侧
‑
右侧|<误差e，输出中间变量ρ和期望值L
t
，否则循环执行上述步骤。L(ρ)是非时变的稳态下由经典排队论导出的队长公式，视不同的随机系统而定。
[0026]所述的遗传算法(GA)与模拟退火算法(SA)结合的时序优化算法是指：随机生成初始解的种群后，将总工作时间与违反约束的惩罚项之和作为适应度函数，基于个体在种群中适应度的百分数进行概率性保留，并进行时序性交叉遗传运算与变异运算，当新个体适应度提高，则直接接受，否则按照模拟退火的接受准则进行概率性保留；通过重复上述过
程，迭代达到预设值时将最终种群中总工作时间最短的可行解作为决策输出。
[0027]所述的个体为一种工作调度方案，由W...

【技术保护点】

【技术特征摘要】
1.一种大型机场安检系统分布式调度方法，其特征在于，基于大型机场安检系统运行的历史客观统计数据，将安检服务台的工作位置与状态进行综合编码并以最小化服务台的总工作时间为优化目标，加入工作约束与排队队长约束，考虑时变随机客流、服务随机性及服务台跨区域调度时间的分布式排队系统，运用逐点稳态流近似方法将分布式排队系统的随机性转化为期望值，进行解的质量评估，并采用遗传算法与模拟退火算法结合的时序优化算法得到近似最优解，从而对每个服务台每个时段的所服务排队节点、工作状态进行调度，以提高大型机场安检系统对目前随机环境的适应能力，提高安检效率并降低服务成本；所述的排队队长约束是指：要求每个时段末的队伍长度期望值不得超过规定限制；所述的优化目标是指：目标函数：min.VT＝(∑
i
VT
i
)，其中：VT为所有服务台的总工作时间之和，VT
i
＝∑
t
W
i,t
为服务台i的总工作时间；决策变量为：W
i,t
为服务台i在t时段是否工作，为0
‑
1变量，0为不工作，1为工作；P
i,t
为服务台i在t时段位于哪个节点工作，为正整数变量；约束条件包括：
①
服务台的累计工作时间有递推关系：
②
服务台当已开始工作，则满足：
③
服务台的累计移动时间满足：
④
服务台当连续工作H
max
个时段，必须休息一个时段：
⑤
每时段末队长不超过上限：L
j,t
≤L
max
；
⑥
每时段末队长有递推关系：L
j,0
＝0,L
j,t
＝PSFFA(L
j,t
‑1,λ
j,t
,s
j,t
,μ
j,t
,Δt)；
⑦
每时段每个节点至少一个服务台：其中：H
i,t
为服务台i在t时段末的连续工作时段数，H
min
和H
max
为服务台连续工作的最短和最长时段数，R
i,t
为服务台i在t时段末距离到达目标节点的时段数，t
move
为在两个节点之间移动所需的时段数，diff(a,b)在整数a，b不同时取1，相同时取0，表达服务台是否发生移动，L
j,t
为排队节点j在t时段末的期望队长，L
max
为时段末最大队长的阈值约束，λ
j,t
为节点j在t时段的顾客到达率，s
j,t
为节点j在t时段的工作服务台个数，μ
j,t
为节点j在t时段服务台的服务速率，Δt为时段的长度；i≤F+M,j≤N,t≤T，...

【专利技术属性】
技术研发人员：刘冉，吴泽锐，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：