为了提高机场的资源利用率以及航班的准点率,应该大力提升对机场地面任务的执行效率。本课题研究了机场加油车的动态调度问题,即规划加油车的行驶路径,让加油车高效有序的执行不断到来的航班加注燃油任务。在路径规划的过程中,需要知道航班执行加注燃油任务所需的时长等信息。而任务的时长由航班加注燃油量决定。但是在实际情况中,航班的计划加注燃油量与实际加注燃油量有时相差较大。所以课题其中一个研究重点是,对航班加注燃油量的预测。根据航班历史加注燃油数据序列的波动情况,分解出导致数据序列波动的因素,针对数据特点构建出LSTM-Prophet预测模型,该模型特别为节假日因素导致的异常波动点建立了独立模型。实验采用华北某机场的历史航班燃油数据作为算例,验证了LSTM-Prophet加权组合预测模型相比于LSTM、Prophet以及ARIMA模型具有更好的泛化能力。第二个研究重点是,机场加油车的动态调度问题。通过建立时间片,将动态问题划分为多个连续的静态问题。对于每个静态问题,首先,利用动态规划时间窗捕捉等待被执行加注燃油任务的航班。其次,为这些航班构建机场加油车调度问题的数学模型。然后,采用课题所提出的自适应分支定价算法与贪婪算法对问题进行求解。自适应分支定价算法利用Dantzig-Wolfe分解原理重塑了机场加油车调度问题的数学模型,再利用动态列生成算法结合基于弧的分支策略求解并优化了问题的目标。贪婪算法针对机场加油车调度问题加入了特定的启发式条件,包括评价函数以及路径结束的阈值。最后,为验证所提出的算法的有效性,利用机场真实航班数据作为算例进行实验,与现有的蚁群算法相比,所提出的算法在目标的优化结果以及算法的运行时间方面均有一定优势。课题的研究内容同样可以运用到机场其它的地面任务中。