The present invention relates to an aircraft scheduling simulation system using reinforcement learning and a method thereof. The aircraft scheduling simulation system using reinforcement learning comprises: a data collection unit for collecting aircraft operation data including aircraft real-time location information, aircraft operation data including a scheduled flight departure time, and aircraft allocation information for an aircraft; a reinforcement learning unit for deriving aircraft reassignment information for the aircraft using a q-learning algorithm so that the final aircraft delay time is minimized; and an aircraft scheduling correction unit for correcting the aircraft allocation information for the aircraft according to the aircraft reassignment information for the aircraft of the reinforcement learning unit if there is a scheduled arrival aircraft based on the aircraft operation data and the aircraft operation data, and repeating an operation of adjusting the scheduled flight departure time according to whether the minimum preparation time is satisfied if there is a scheduled departure aircraft until the final aircraft delay time satisfies a predetermined standard. As a result, it is possible to derive a solution that can minimize the flight delay within an appropriate time.
본 발명은, 항공기 실시간 위치 정보를 포함하는 항공기 운영 데이터, 항공편 출발예정시간을 포함하는 항공편 운영 데이터, 및 항공편에 대한 항공기 배정 정보를 수집하는 데이터 수집부; 최종 항공기 지연 시간이 최소가 되도록 Q-러닝 알고리즘을 이용해 항공편에 대한 항공기 재배정 정보를 도출해 내는 강화학습부; 및 상기 항공편 운영 데이터 및 상기 항공기 운영 데이터에 기초하여 도착 예정 항공편이 존재한다면 상기 강화학습부의 항공편에 대한 항공기 재배정 정보에 따라 항공편에 대한 항공기 배정 정보를 수정하고, 출발 예정 항공편이 존재한다면 최소 준비시간 만족 여부에 따라 항공편 출발예정 시간을 조정하는 작업을 최종 항공기 지연시간이 소정의 기준을 만족할 때까지 반복하는, 항공기 일정계획 수정부를 포함하는, 강화학습을 이용한 항공기 일정계획 시뮬레이션 시스템 및 그 방법에 관한 것이다. 이로써, 적절한 시간 내에 항공 지연을 최소화할 수 있는 해를 도출해낼 수 있다.
AIRCRAFT SCHEDULING SIMULATION SYSTEM USING REINFORCEMENT LEARNING AND METHOD THEREOF
강화학습을 이용한 항공기 일정계획 시뮬레이션 시스템 및 그 방법
2024-03-07
Patent
Electronic Resource
Korean
Unmanned bus scheduling simulation system based on reinforcement learning
European Patent Office | 2023
|Reinforcement Learning in Scheduling
British Library Conference Proceedings | 1993
|Reinforcement learning in scheduling
NTRS | 1994
|