吳 博，王 彬，薛 潔，劉 輝，熊 新

(1．昆明理工大學(xué)信息工程與自動化學(xué)院，云南昆明650504;2．云南警官學(xué)院信息網(wǎng)絡(luò)安全學(xué)院，云南昆明650223)

1 引言

面對機場日益增加的行李運輸量，建立實時高效的機場行李處理系統(tǒng)BHS(Bagage Handing System)變得尤為重要。在整個機場行李處理系統(tǒng)中，負責(zé)國內(nèi)航線運輸?shù)膰鴥?nèi)航站樓(Domestic Terminal)和負責(zé)國外航線運輸?shù)膰H航站樓(International Terminal)之間通常距離較長，這種不同航站樓之間的行李運輸稱為遠端行李運輸。遠端行李運輸系統(tǒng)是整個BHS的關(guān)鍵組成部分，傳統(tǒng)的遠端行李運輸系統(tǒng)一般采用人工車輛運輸?shù)姆椒ǎ壳?，隨著機場需求的提高和技術(shù)的發(fā)展，越來越多的國際大型樞紐機場采用目的地編碼車系統(tǒng)DCVS(Destination Coded Vehicle System)解決遠端行李的輸送問題［1-8］。DCVS由若干輛DCV小車、封閉的軌道系統(tǒng)、控制系統(tǒng)和小車調(diào)度管理系統(tǒng)等組成，系統(tǒng)使用目的地編碼認址技術(shù)對DCV小車進行控制，并且可以與BHS中的行李分揀系統(tǒng)直接無縫集成在一起。與原有的BHS控制構(gòu)架相比較，DCVS真正實現(xiàn)了機場行李處理系統(tǒng)的自動化控制和運行，并且極大地提高了機場行李處理系統(tǒng)的整體運行效率［9-12］。

保障DCVS高速運行的關(guān)鍵是合理的流量規(guī)劃及有效的實時狀態(tài)監(jiān)控，但是遠端行李運輸?shù)穆烦梯^遠，軌道設(shè)計較為復(fù)雜，尤其是在軌道上同時運行的DCV小車數(shù)量眾多，通常都是平均每分鐘數(shù)百臺，這些特點給DCVS的流量分析、路徑規(guī)劃和運行狀態(tài)監(jiān)控帶來了困難。目前已采用DCVS的機場的路徑規(guī)劃方法都是提前固定好起點到終點的路徑，即DCV按照既定的靜態(tài)規(guī)劃方式運行，此外不管實際流量的需求怎樣，DCVS的資源都是一直全部在使用中的。這種規(guī)劃方法由于不考慮系統(tǒng)的實時狀態(tài)信息而缺乏靈活性，很容易造成資源的浪費，并可能因為行李無法在規(guī)定的時間窗口內(nèi)運達終點而影響整個BHS的正常運行，給旅客帶來不便，同時給機場運營造成經(jīng)濟損失。

由于DCVS出現(xiàn)的時間較短，所以相關(guān)研究文獻較少，但是隨著DCVS投入使用數(shù)量的增加以及現(xiàn)有流量規(guī)劃和控制方法所顯現(xiàn)出的弊端，已經(jīng)有研究者開始關(guān)注該領(lǐng)域并對DCVS的控制和路徑規(guī)劃問題展開了研究。荷蘭Delft理工大學(xué)的Tarau等人［13］于2008年針對DCVS建立了基于事件的驅(qū)動模型，用多種傳統(tǒng)控制方法對DCV運行時間展開了研究，實驗表明隨著行李數(shù)量增加，計算時間呈指數(shù)倍增長。2009年，Tarau等人［14］分別使用集中式路徑選擇控制方法和分散式路徑選擇控制方法對DCVS的路徑規(guī)劃進行了對比研究。結(jié)果表明，集中控制在路徑規(guī)劃的分配上占優(yōu)，分散式控制在整體計算時間上占優(yōu)。2009年，Tarau等人［15］針對在集中控制下計算時間長的缺陷，分別使用分布式模型預(yù)測控制和分布式啟發(fā)控制對計算時間進行了優(yōu)化，結(jié)果表明兩種方法的結(jié)合可以在文獻［13］的基礎(chǔ)上減少百分之二十的運算時間，但隨著行李數(shù)量增多，其運算時間的大量增加仍然不可避免。2009年，Tarau等人［16］為了達到計算時間與控制最優(yōu)的目的，提出了集中啟發(fā)式控制的策略并用于DCV路徑規(guī)劃的研究上。實驗表明，該策略無論在計算時間上還是最優(yōu)規(guī)劃上都優(yōu)于文獻［13- 15］的方法。此外 Mao等人［17］針對DCV路徑規(guī)劃，加入不同路段的最大速度與加速度的約束考慮，建立了DCV最優(yōu)路徑規(guī)劃的時間模型，實驗結(jié)果顯示該模型符合實際需求，可以為實際DCV路徑規(guī)劃提供參考。

上述工作從控制領(lǐng)域中經(jīng)典的優(yōu)化規(guī)劃控制方法出發(fā)，大都以單個DCV小車為對象展開研究，試圖對每一個小車運行路徑進行規(guī)劃，將問題映射為DCVS內(nèi)每一個個體的運行時間和運算時間的組合優(yōu)化問題來求解，從理論上給出了解決方案。但是，由于DCVS中同時運行的DCV小車數(shù)量至少高達上百輛，這些路徑規(guī)劃方法所需的運算時間無法滿足實際DCVS運行中的實時性要求及流量需求。同時上述方法僅從系統(tǒng)的個體特性出發(fā)而沒有考慮整個系統(tǒng)的全局流量控制信息，并且忽略了DCV控制系統(tǒng)中的實時狀態(tài)信息。在實際系統(tǒng)運行中，機場行李流、DCVS軌道系統(tǒng)和控制系統(tǒng)等信息在每個不同的采樣時刻都是實時變化的，因此有效地獲取DCV系統(tǒng)的實時運行狀態(tài)和系統(tǒng)流量需求，并據(jù)此對DCV小車的運行情況進行整體動態(tài)的規(guī)劃是提高DCVS乃至BHS效率的有效解決方案。

針對上述研究現(xiàn)狀，本文以滿足機場遠端行李運輸?shù)膶崟r流量需求為目標(biāo)，從DCV控制系統(tǒng)的動態(tài)特性和全局角度出發(fā)研究DCVS的動態(tài)流量規(guī)劃問題。研究首先基于圖論建立DCVS的靜態(tài)運輸網(wǎng)絡(luò)模型，在此基礎(chǔ)上結(jié)合系統(tǒng)的實時流量需求變化給出了一種基于最大流最小時間的動態(tài)DCVS流量規(guī)劃、預(yù)測和控制方法。該方法通過規(guī)劃源點所有DCV的整體路徑對來實現(xiàn)對DCVS運輸軌道系統(tǒng)資源的最大化利用，并且可以對DCVS在特定時間區(qū)間內(nèi)所能完成運輸任務(wù)的數(shù)量進行預(yù)測和評估，從而為DCVS的實時流量控制提供依據(jù)。實驗結(jié)果顯示，本文方法能夠在保證流量需求的前提下優(yōu)化DCV小車的運行時間，并且優(yōu)化算法的運算時間很短，有效提高了DCVS的工作效率和資源利用率，同時為保障和提高整個BHS的可控性和穩(wěn)定性提供了有效的解決方案。

2 基于圖論的DCVS靜態(tài)網(wǎng)絡(luò)模型構(gòu)建

2．1 DCVS物理模型描述

在實際DCVS中，機場行李處理系統(tǒng)是從行李通過值機柜臺后開始運行的，根據(jù)不同的目的地，行李通過傳送帶被送往不同的終端，若識別到某行李需要進行遠端運輸，那么該行李就會被傳送至DCVS的行李裝載站，空的DCV在行李裝載站等待行李，一旦在裝載站臺出現(xiàn)行李流，DCV就按照“一車一行李”的方式將行李進行裝載并在DCVS中進行運輸［18-20］。如圖1所示，DCVS物理模型主要由三部分組成:裝載站L(如圖1a所示)、卸載站U(如圖1b所示)和DCVS運輸軌道R(如圖1c所示)。假定有m個裝載站和n個卸載站，行李依照分揀系統(tǒng)中識別的優(yōu)先級別預(yù)先載入到DCV小車上，DCV通過運輸軌道被送到卸載站。

2．2 基于圖論的DCVS靜態(tài)網(wǎng)絡(luò)模型構(gòu)建方法

根據(jù)上述DCVS物理模型，DCV在DCVS中的行為主要可分為在裝載站處裝載行李、在軌道系統(tǒng)中運行和到目的地卸載站處卸下行李三種。在無故障的前提下，DCV可在系統(tǒng)中往返運行，重復(fù)使用。由于DCV返回時有專門的返回線路，與行李的運輸線路沒有任何沖突，因此在本文研究中忽略不考慮?？晒┦褂玫难b載站和卸載站的端口數(shù)量是固定的，但實際運行的端口數(shù)量可根據(jù)實際流量需求的不同加以調(diào)整?；谝陨戏治?，本文采用圖論的基本理論和網(wǎng)絡(luò)模型對圖1中的DCVS物理模型進行建模和分析。首先把DCV系統(tǒng)定義為一個圖，系統(tǒng)中的站點，包括裝載站、卸載站和各個交叉站點定義為圖的節(jié)點，裝載站與站點之間、站點與站點之間、站點與卸載站之間的每一條路段定義為圖的邊。由此得到DCVS物理模型所對應(yīng)的靜態(tài)網(wǎng)絡(luò)模型，記為 G(V，L，U，E)，其中，V={B1，B2，B3，…，Bk}表示交叉站點集，k為交叉站點的個數(shù);L={l1，l2，l3，…，lM}表示裝載點站集，M 為裝載站點個數(shù);U={u1，u2，u3，…，uN}表示卸載站點集，N 為卸載站點個數(shù);E={e1，e2，e3，…，ej}表示所有路段的集合，其中j為路段的數(shù)量。

根據(jù)實際的機場DCVS的框架結(jié)構(gòu)，為了后文實驗和研究需要，本文給出一個具體的DCVS的網(wǎng)絡(luò)模型，如圖2所示，該系統(tǒng)共有8個裝載站，4個卸載站可供使用。盡管實際運行中的DCV系統(tǒng)會在規(guī)模和站點數(shù)量上有所不同，但在使用本文算法進行流量的分析和規(guī)劃的目標(biāo)是，確定當(dāng)前系統(tǒng)配置是否可以滿足該時段的流量需求，因此本文方法對不同規(guī)模和站點數(shù)量均可適用。可得到該DCVS 的靜態(tài)網(wǎng)絡(luò)模型為 G(V，L，U，E)，L={l1，l2，l3，…，l8}，U={u1，u2，u3，u4}，E={e1，e2，e3，…，e32}。并且站點與站點之間是有權(quán)連接的，圖2中給出的權(quán)值是路段的長度，單位是m。同時站點之間的權(quán)值還有流量、容量等屬性。

2．3 DCVS建模的約束條件分析

根據(jù)DCVS運行中的實際情況，為后文研究需要，本文首先對基于圖論的DCVS建模過程中的一些物理約束作出如下假設(shè):

(1)在DCVS中，如果某裝載站點需處理的行李數(shù)量為Nbagage，該站點可供使用的DCV數(shù)量為NDCV。那么規(guī)定Nbagage≤ NDCV，即不會因起點處沒有DCV小車而耽誤繼續(xù)運輸行李。

(2)在起點處，假設(shè)共有X個行李需要被送往對應(yīng)的遠端目的地，共開放M個裝載站對這X個行李進行處理，其中bmax為每個裝載站的最大裝載量。那么規(guī)定這X個行李按照F=X/M(L表示每個裝載站可處理行李的數(shù)量)分配給每個裝載站，并且滿足X≤Fbmax。

(3)在卸載站點處，可對早到行李進行存儲，若早到行李過多就會由于存儲力不夠而導(dǎo)致容量溢出。如果用Y表示終點的行李個數(shù)，各個卸載站點的最大存儲能力為dmax。假定有N個可用的卸載站點，那么規(guī)定這Y個行李按照Q=Y/N(Q表示每個卸載站可存儲行李的數(shù)量)分配給每個卸載站，且滿足Y≤Qdmax。

(4)實際運行軌道可能由直線軌道、彎曲軌道、合流軌道、分流軌道以及傾斜15度坡軌道等組成［21］。DCV小車在實際中會因路段和邏輯區(qū)域不同而運行在幾種速度級別上，在目前的研究中，由于采取整體流量規(guī)劃的策略，因此考慮的是DCV在整個軌道網(wǎng)絡(luò)上的平均運輸速度，并且假定每一個DCV的運行速度相同。

(5)車輛在某一段軌道上運行時，如果遇到本路段的擁堵或故障等問題，DCV在原位置等待系統(tǒng)恢復(fù)正常再繼續(xù)運行，即除了單獨的返回路段以外，DCV在每一路段上單向運行，不可后退到上一級站點重新選擇路徑。

(6)目前研究中暫未考慮多個DCV流過同一分流站點時的路由選擇，以下文算法中規(guī)劃的各個路段流量為依據(jù)，按照先進先通過的原則通過每一個交叉站點。

(7)在機場的行李運輸系統(tǒng)中，因為實際的航班運行情況和時間窗口要求會產(chǎn)生行李的運輸優(yōu)先級別不同，該問題一般由BHS中的行李分揀部分來分析解決，對于本文所研究的DCV遠端運輸系統(tǒng)，行李的優(yōu)先級別問題已經(jīng)通過進入裝載站時的排隊先后而解決，因此在運輸過程中無需再考慮行李優(yōu)先級別問題。

3 基于流量分析的DCVS動態(tài)網(wǎng)絡(luò)模型構(gòu)建方法

3．1 基于流量分析的DCVS動態(tài)網(wǎng)絡(luò)模型思想

盡管在圖1所示的DCVS靜態(tài)網(wǎng)絡(luò)模型中，已經(jīng)得到 DCVS的基本結(jié)構(gòu)，但是該模型只能對DCVS進行靜態(tài)屬性的描述，比如站點之間的連接關(guān)系，路段的容量、流量、距離等。但是，在DCVS的實際運行過程中，由于每一時段實際DCVS的系統(tǒng)流量需求可能不同，可用的行李裝載站點和行李卸載站點的開放數(shù)量可能不同，實際DCV所選擇的路徑可能不同，因此該模型結(jié)構(gòu)及屬性并非靜止不變的，而是隨時可能發(fā)生變化，因此只根據(jù)第2．1節(jié)中的模型還不足以描述DCVS的動態(tài)特征。

文獻［13-16］中的研究和實驗結(jié)果顯示:以單個DCV小車作為規(guī)劃對象的最優(yōu)化時間算法費時太長，尤其在行李數(shù)目增加時，其運算時間幾乎呈指數(shù)級增長，無法滿足DCV控制系統(tǒng)的實際運行時間要求。而整個DCVS運行的最主要目標(biāo)是行李流必須在指定的時間內(nèi)運抵遠端目的地，因此本文以滿足DCVS的流量需求為目標(biāo)，采用整體流量和路徑規(guī)劃的思想，構(gòu)建DCV系統(tǒng)的動態(tài)網(wǎng)絡(luò)模型，并在該動態(tài)模型的基礎(chǔ)上對DCVS的流量控制和路徑控制問題展開研究。該方法的基本思想是:以每個統(tǒng)計時間區(qū)間上的實際流量需求信息為依據(jù)，采用最短時間最大流算法與超級源點和超級匯點相結(jié)合的算法預(yù)測整個系統(tǒng)可達到的最大流量，用于評估在規(guī)定時間窗內(nèi)，當(dāng)前的可用資源能否滿足系統(tǒng)的需求，從而有效地利用和分配資源;同時，可以有效地掌握當(dāng)前時刻每條路段上所運行的DCV小車的最佳流量分配方案，這樣不但可以保證計劃的行李流能夠在規(guī)定時間內(nèi)到達遠端目的地，同時也可準(zhǔn)確地掌握DCVS控制系統(tǒng)的實時信息。

3．2 流量需求分析

DCVS流量規(guī)劃需滿足以下條件:(1)在每個時間區(qū)間上滿足行李流的總需求;(2)總的行李流必須在規(guī)定的時間窗內(nèi)到達卸載站;(3)每條路段上的DCV流量在容量允許范圍內(nèi)。根據(jù)機場的實際行李流信息、機場遠端行李處理過程中的行李處理要求與規(guī)定以及行李到達時間安排等數(shù)據(jù)綜合考慮，可以得到每個時間區(qū)間上的行李流信息，其中包括實際中轉(zhuǎn)行李需求、當(dāng)前提供的裝載站數(shù)量、當(dāng)前提供的卸載站數(shù)量等。表1給出了其中四個不同時間區(qū)間上的遠端行李處理需求信息數(shù)據(jù)。

Table 1 Data of different sampling intervals表1 不同采樣時刻區(qū)間的數(shù)據(jù)

以時間區(qū)間1為例，此時段系統(tǒng)中一共有待遠端運輸?shù)男欣? 450件，即對DCV的需求是1 450車次。時間區(qū)間1內(nèi)的所有行李都需要在規(guī)定的時間窗口內(nèi)完成從裝載站到卸載站的運輸，目前可供使用的裝載站數(shù)量為8，實際在用的裝載站數(shù)量為5，可供使用的的卸載站數(shù)量為4，實際在用的卸載站數(shù)量為2。

3．3 基于最大流最短時間原理的DCVS動態(tài)流量規(guī)劃算法的實現(xiàn)

由于一般的最大流算法只適用于單源單匯情況下的流量分析，而在DCVS中，一般都是要同時開放多個裝載站點和卸載站點，因此單源單匯算法不足以解決DCVS的實際流量分析問題。因此，本文首先為DCVS靜態(tài)模型加入超級源點與超級匯點，如圖3所示。在圖3中，構(gòu)建超級源點S與各個裝載站相連接，超級匯點T與各個卸載站相連接。圖3中路段上括號內(nèi)的第一個權(quán)值為該路段的距離，第二個權(quán)值為該路段最大可容納的DCV流量(下文簡稱容量)，第三個權(quán)值為經(jīng)過該路段所需要花費的時間(下文簡稱時間)。因為與超級源點、超級匯點連接的路段在實際中是不存在的，所以與超級站點相連路段中的第一個權(quán)值與第三個權(quán)值是不存在的，即為0，但是該路段上的容量權(quán)值是存在的。對于裝載站而言，從超級源點到各個裝載站的流方向為流入，根據(jù)流的平衡條件，即流入超級節(jié)點的流量等于流出超級節(jié)點的流量法則可知，該段上的容量應(yīng)該等于從該裝載站點流出的流量之和。同理，對于卸載站而言，從各個卸載站到超級匯點的流方向為流出，該段上的容量應(yīng)該等于流入該裝載站的流量之和。

接下來利用最短時間最大流算法對圖3所示的模型進行動態(tài)流量規(guī)劃，具體規(guī)劃方法(如圖4所示)如下:

(1)輸入圖3所示的加入超級源點和超級匯點后的網(wǎng)絡(luò)G，任意找到一條初始可行流，并確定該初始可行流f(k)=0，此時k=0。

(2)記f(k)為經(jīng)過k次調(diào)整得到的最小時間費用流，構(gòu)建對應(yīng)的有向圖網(wǎng)絡(luò)W(f(k))。

(3)利用Dijkstra算法求出W(f(k))中從S到T的最短路R(k)，若R(k)不存在，則f(k)是最小時間最大流，轉(zhuǎn)向(5);否則，轉(zhuǎn)向(4)。

(4)在W(f(k))中找到對應(yīng)的增廣鏈μ，在增廣鏈μ上對f(k)按式(1)進行流量調(diào)整，得到新的可行流f(k+1)，此時令k=k+1，轉(zhuǎn)入(2)。

其中，cij表示從起點i到終點j路段上的容量表示第k次構(gòu)建的可行流fij，θk表示第k次的調(diào)整量，u+表示正向弧集合，u－表示反向弧集合。

(5)停止運算，并輸出當(dāng)前最小時間可行流f(k)，作為G的最小時間最大流。

本文采用Linear Interactive and General Optimizer(以下簡稱Lingo)平臺實現(xiàn)上述算法的仿真。Lingo是一套專門用于求解最優(yōu)化問題的軟件包，它由美國芝加哥大學(xué)的Linus Schrage開發(fā)［22］。該軟件既可用于求解線性規(guī)劃問題，還可以用于解決非線性規(guī)劃問題。如圖5所示，以表1中的時間區(qū)間4為例，在當(dāng)前開啟8個裝載站、4個卸載站時，經(jīng)過Lingo計算得出:可提供的DCV運輸次數(shù)，即圖5a中的Objective value是2 485次，計算該數(shù)據(jù)并規(guī)劃出相對應(yīng)的流量分配的計算時間僅需0．07 s，該算法可在極短時間內(nèi)運算得到當(dāng)前系統(tǒng)資源配置下特定時間區(qū)間4上的實際最大行李流，從而可為DCV系統(tǒng)的實時規(guī)劃和控制提供有力支持。

我們對當(dāng)前動態(tài)規(guī)劃結(jié)果中的所有路段依次進行標(biāo)號，標(biāo)號結(jié)果為1～61，將該算法規(guī)劃后的各個路段上流量分配情況與靜態(tài)時路段的容量通過柱狀圖進行對比，可以得到圖5b。由圖5b中可以直觀地觀測到當(dāng)前的實際流量分配以及容量與流量的差別。

控制時段4規(guī)劃后的動態(tài)模型如圖6所示。由于超級源點S、匯點T的構(gòu)建作用是為了進行流量的整體規(guī)劃而加入的，因此在完成動態(tài)規(guī)劃后，刪除S、T，從而可以得到最終的DCV軌道系統(tǒng)動態(tài)模型，如圖7所示，其中括號內(nèi)第一個權(quán)值為長度，第二個權(quán)值為流量，第三個權(quán)值為時間。由圖7可知，規(guī)劃后的網(wǎng)絡(luò)由7個裝載站點、4個卸載站點、18個中間站點、45條實際路段組成。相對于規(guī)劃前的靜態(tài)網(wǎng)絡(luò)減少了1個站點和16條路段。使用本文方法對其進行流量規(guī)劃后可知:系統(tǒng)在該時段內(nèi)可以承載的最大行李總數(shù)為2 485件，目前的系統(tǒng)配置是可以滿足該時段流量的需求的。

由本文所提出的動態(tài)網(wǎng)絡(luò)流量規(guī)劃方法原理可知，即使在模型結(jié)構(gòu)規(guī)模擴大、節(jié)點數(shù)增加的情況下，按照圖4中的算法步驟，仍然可以實現(xiàn)對DCVS動態(tài)模型的分析、規(guī)劃，從而得出對應(yīng)的最優(yōu)動態(tài)流量規(guī)劃方案，確保系統(tǒng)內(nèi)的DCV小車運輸時間最短的情況下得到整個運輸網(wǎng)絡(luò)中的最大流量。

按照上述步驟分別使用本文方法對控制時段1、控制時段2和控制時段3的行李運輸場景進行了流量規(guī)劃仿真，結(jié)果如圖8所示。根據(jù)表1的實驗結(jié)果可知:控制時段3和控制時段4一樣，當(dāng)前可以達到的最大流量滿足控制系統(tǒng)要求，但控制時段1和控制時段2中需要處理的行李量則超出了系統(tǒng)當(dāng)時配置所能達到的最大量，此時可以通過增開裝載站或卸載站的控制策略來滿足實際行李流的需求。表2列出了使用本文方法分析后需新增開的站點的數(shù)量變化情況及最大流量變化狀況。

Table 2 Flow after planning表2 規(guī)劃后的流量

由上述實驗及結(jié)果可知:(1)本文方法可以實現(xiàn)基于最大流最短時間原理的動態(tài)流量分析，為系統(tǒng)在不同時段的不同條件的流量規(guī)劃提供了基礎(chǔ);(2)在這個動態(tài)規(guī)劃過程中，該方法可以準(zhǔn)確預(yù)測出當(dāng)前配置下DCV系統(tǒng)的整體最大可達流量，從而為系統(tǒng)的全局規(guī)劃提供了精確的依據(jù);(3)該方法在能夠保證流量最大化的同時優(yōu)化每個路段上的DCV車輛分配，因此可以縮短DCVS的整體運行時間，提高DCVS和BHS的工作效率;(4)本文算法的運算速度快，不會帶來額外的時間成本。

該方法綜合考慮DCVS流量和時間兩個重要因素的要求，可以根據(jù)DCVS不同時段內(nèi)的實際流量需求狀態(tài)來實現(xiàn)動態(tài)分析和規(guī)劃，從而可以更好地利用資源，并為DCVS的控制提供實時的幫助。同時也為保障和提高整個控制系統(tǒng)的可控性和穩(wěn)定性提供了有效的解決方案。相對于目前DCV系統(tǒng)運行過程中靜態(tài)無變化的固定路徑規(guī)劃方法，本文方法提供了一種更靈活更高效的全局系統(tǒng)流量規(guī)劃方法。

4 結(jié)束語

在實際的機場行李處理系統(tǒng)中，用于機場行李遠端運輸?shù)腄CV控制系統(tǒng)在每個不同的采樣時間區(qū)間內(nèi)的需求都是實時變化的，但實際的系統(tǒng)仍然采用傳統(tǒng)固定的規(guī)劃和控制方法，無法靈活地作出規(guī)劃，經(jīng)常造成控制資源的浪費，影響了系統(tǒng)的行李處理效率。因此，有效地獲取系統(tǒng)的實時需求變化，并據(jù)此動態(tài)地規(guī)劃DCVS的流量分配方案具有重要意義，也是迫切需要解決的問題。

本文圍繞上述問題對DCVS的動態(tài)流量分析和規(guī)劃問題展開了研究，給出了一種基于動態(tài)DCVS網(wǎng)絡(luò)模型的最大流最小時間的流量規(guī)劃方法。該方法實現(xiàn)了:(1)基于圖論的DCVS靜態(tài)網(wǎng)絡(luò)模型構(gòu)建;(2)遠端行李處理系統(tǒng)在特定時間區(qū)間內(nèi)的綜合流量需求分析;(3)帶超級節(jié)點和超級匯點的DCVS靜態(tài)網(wǎng)絡(luò)模型的最大流最小時間算法實現(xiàn);(4)DCVS的整體流量分析和路徑流量分配;(5)基于Lingo平臺的實例仿真及結(jié)果分析。實驗結(jié)果顯示，該方法可以根據(jù)DCVS不同時段的需求和配置動態(tài)地完成對DCVS流量的整體規(guī)劃，并可以根據(jù)流量分析的結(jié)果判斷當(dāng)前系統(tǒng)的配置能否滿足實際需求，實現(xiàn)了對遠端行李運輸任務(wù)的流量任務(wù)預(yù)測，從而為DCVS的控制決策提供了重要依據(jù)。

附中文參考文獻: