摘要
文章围绕多架 eVTOL 的路径与时刻协同排班，介绍 DSAGA 如何在客群时间窗、起降点与航路容量、电量等约束下搜索方案。本文代码可用于运行排班算例、调整参数并比较调度方案。
2026年政府工作报告提出打造低空经济等新兴支柱产业。若载客服务扩展到多机协同，调度就要决定哪架航空器接哪组客群、何时起飞、经过哪些节点，以及落地后能否继续下一段任务。每架飞机单独看都排得开，合在一起却可能争用同一航段或起降点。
单机任务确定路径和出发时间，便能形成一套运行计划；多机共用航路和节点时，一架航空器改变起飞时刻，也会改变其他航空器可用的通行窗口。访问节点的顺序改变，还会牵动飞行距离、电量消耗和乘客等待时间。Han 和 Song 的论文围绕合乘、起降点与空域容量以及补能条件，建立城市空中交通服务优化模型，并给出相应的求解方法。
01｜排班为何不能逐架确定？
模型以客群为需求单元，输入起讫点、最早出发时间、人数和服务偏好。只接受直飞的客群不能被安排经停；允许经停的客群可以直飞，也可以在途中停靠。即使两组客群起讫点相同，出发时间和可接受等待时长不同，也未必能搭乘同一架航空器，航空器抵达起点时还须留有足够座位。
航空器的任务由连续航段组成，抵达节点后要完成地面周转；执行下一航段之前，还要检查剩余电量。起降点容量约束同一时段的节点使用，航路容量约束空中通道的同时占用。为一组客群调整离场时间，原来可衔接的后续航段可能就会超出时间窗，因此路径、时刻和客群匹配必须一起判断 。该算例的航空器任务与时序见图1：
图1 航空器排班时序
网络中既有起降场，也有经停点。路径必须沿可连接的航段延伸，结束任务时还要回到相应基地；如果两架航空器计划在同一时段使用容量已满的节点或航路，就需要改变访问次序或时刻。节点和航段的关系见图2：
图2 节点网络与航段
02｜DSAGA 怎样搜索路径和时刻？
论文用混合整数线性规划表达服务分配和运行约束，为小规模问题建立统一求解模型。问题规模扩大后，节点访问顺序、停留时间和客群组合共同增加搜索难度，作者提出双结构自适应遗传算法 DSAGA。每架航空器的染色体记录两类信息：依次访问哪些节点，以及在各节点停留多久。
给定一组染色体后，复现代码由节点序列和停留时间计算各机时序，再检查周转、航路容量、起降点容量和电量，并完成客群匹配。算法通过选择、交叉和变异产生新的候选排班；搜索适应度对约束违规扣分，避免只凭收入评价方案。
**染色体不直接保存客群名单。**客群匹配先安排只接受直飞的需求，再让允许经停的客群尝试直飞，最后为仍未安排的客群尝试一站经停。同一条路径只要节点停留时间发生变化，可供客群使用的时间窗口就可能不同，服务名单和目标值也会跟着变化。
算例的经济参数写在配置中：直飞类客群依据起讫点距离按每公里 3 美元计费，允许经停类客群按该票价的 75% 计费，即便实际乘坐直飞也是如此；票价按客群组计算，不按组内人数逐人收取。运营成本为每飞行公里 1 美元，未服务惩罚为每组 10 美元。航段距离由节点坐标计算球面大圆距离，飞行时长和电量消耗再根据配置参数换算；经济目标按下式计算：
服务更多客群通常有利于增加收入、减少未服务惩罚，但绕行和额外航段也会增加成本及占用时间，算法不能只按服务数量排序。搜索适应度在经济目标之外还计入约束违规扣分，经济目标和排班可行性因此需要分开看。
03｜这组算例得到了什么？
该算例包含 5 个节点、4 架航空器和 20 组客群。复现过程中固定随机种子 2026，种群规模为 500，最大搜索代数为 200；搜索适应度连续 20 代未改善，因此第 27 代触发提前停止。程序所实现的约束检查判定这组排班可行，固定种子则有助于复查输出，以及观察参数变化对方案的影响。
该组方案服务了 7 组客群，占全部客群组数的 35%。未被选中的需求计入目标函数的惩罚项，具体分配见图3。航空器完成一组客群的服务，也可能占去原本留给另一组的座位和时段，因此不能只用服务率推断整体排班的经济结果。
图3 客群服务选择
四架航空器执行不同路径，并在设定的 120 分钟运行时窗内结束任务。最低到达电量也高于配置下限，说明这组航段可以按程序的电量条件衔接；各机飞行中的电量变化见图4。
图4 飞行电量变化
该组搜索输出的经济目标值为 124.64 美元 。目标值汇总了实际服务带来的收入、飞行里程对应的成本和未服务惩罚，逐代搜索记录则反映算法在固定种子下寻找更优方案的过程；分项结果和搜索轨迹见图5：
图5 经济目标与搜索收敛
上述数值来自该算例与给定配置下的一次固定种子搜索；研究其他需求或节点网络时，需要重新输入条件并计算排班。后续两篇将在完整代码跑通后，继续呈现论文完整模型与滚动时域求解流程，以及对照实验和敏感性分析结果。
资料来源：
1.Han, H. & Song, B. D. "Rolling horizon optimization of urban air mobility (UAM) service with shared riding, vertiport-airspace capacity, and recharge: a mathematical model and efficient heuristic." Transportation Research Part E , 206 (2026), 104548. DOI: 10.1016/j.tre.2025.104548。
2.《政府工作报告》，2026年3月5日。