随机飞行计划优化

航空公司运营面临诸多不确定性，如天气、波动需求、维修事件、拥堵等。由于处理大数据的困难，大量信息目前被忽略。我们探索了集合天气预报的使用，其为同一时间范围提供若干不同的天气预测。迄今为止，集合预报在飞行规划中的利用极少。当前，航空公司已对历史数据开展大量统计分析，并制定了关于飞机应携带多少燃油与业载以及时刻表中应使用多少时间缓冲的有效策略。但通过前瞻式随机优化可进一步缩减这些缓冲。集合预报的使用使得能够选择一条轨迹，针对一组情景优化飞行的期望结果，而非针对单一情景进行优化。此外，飞机业载是另一显著的不确定性来源。我们测试了随机优化，先以优化单航班为目标，再以优化整体时刻表为目标。在其中一项实验中观察到，55.8% 的情况下随机优化在燃油消耗上优于常规优化；仅 0.4% 的情况下常规优化胜出；其余 43.8% 的情况下两者结果相同。随机业载实验表明，利用业载不确定性可从飞行计划结果中进一步挤出少许燃油节省。但该技术的使用并非仅由降低总体燃油消耗驱动。一种优化准则可以是最小化备降或燃油紧急事件，即选择使最大燃油消耗最小化的候选（极小化极大）。