面向动态需求与可变间隔的eVTOL联合调度方法

doi:10.7527/S1000-6893.2025.31907

Abstract

Abstract:

The advancement of Urban Air Mobility （UAM） necessitates the development of scheduling methods that not only ensure operational safety but also reduce costs and enhance service capacity. To address this challenge， this paper proposes a two-stage joint optimization scheduling framework for the low-altitude operation of electric Vertical TakeOff and Landing （eVTOL） aircraft. In the first stage， a passenger demand forecasting model is developed. An enhanced gravity model is introduced to capture the spatiotemporal variations and dynamic fluctuation patterns of low-altitude network demand. In the second stage， a demand-responsive scheduling optimization model is formulated， aiming to maximize passenger throughput while minimizing total operational costs. The model incorporates core constraints based on eVTOL performance metrics and range requirements to ensure both flight safety and economic efficiency. Additionally， the model introduces dynamic constraints， including time-varying separation requirements under different traffic volumes， passenger attrition due to delays， and energy reserve margins for range control. To solve this complex optimization problem， a Joint Optimization of Cost and Schedule-Particle Swarm Optimization （JOCS-PSO） algorithm is designed， enabling efficient computation of optimal scheduling schemes. Simulation results demonstrate the effectiveness of the proposed method in generating real-time pre-departure optimization strategies for eVTOL operations. The study validates the role of energy reservation strategies in ensuring operational continuity and presents a quantitative method for assessing the demands on power infrastructure. The utilization rate of a heterogeneous eVTOL fleet is improved to 77%， with additional dwell times at vertiports maintained under 12 minutes， significantly reducing passenger attrition. This research contributes a time-efficient and cost-effective solution to UAM scheduling， offering robust data and technical support for the management of urban low-altitude flight operations.

Key words: dynamic demand, low altitude economy, electric Vertical TakeOff and Landing (eVTOL) aircraft, safety scheduling plan, low-altitude flight safety

CLC Number:

Yujie YUAN, Jiashuai LI, Xinyi ZHAO, Yantao WANG. eVTOL scheduling schemes for dynamic demand and variable intervals[J]. Acta Aeronautica et Astronautica Sinica, 2026, 47(1): 631907.

Figures/Tables 21

Table 1

Variable definition and types

符号/单位	定义
$A$	区域内起降场总数
$A i j c o n g$	起降场i与j所在地区道路拥堵系数之和
$A i a$	eVTOL i 经过起降场数量
$A i a s p$	eVTOL i 的展弦比
$A i s e r v e$	起降场i可被服务的旅客数量
$a i$ /（m·s^-2）	eVTOL i 加速度
$B$	数量
$C$ /元	eVTOL 运行成本
$C i j o f f i c e$	起降场i与j所在地区办公人口数量总和
$c D 0$	寄生阻力系数
$c L$	升力系数
$D i j d$	起降场i与j所在地区需求量总和
$D i j d i s$ /km	i与j距离
$D d e v$	CNS 系统偏差
$d i$ /km	eVTOL i 最大航程
$E$ /（kW·h）	能量
e	起降场可容纳同时起降eVTOL数量
$F i f i t$	个体 i的适应度
$F f o m$	优值系数
$F f o r c e$ /N	eVTOL i 受力大小
$f i$	起降场i 旅客数量随时间变化函数
$g$ /（m·s^-2）	重力加速度
$h$ /m	高度
$L s$ /m	eVTOL间安全距离
$l l a t$	纬度
$l l o n$	经度
$M$ /（元·km^-1）	每千米维护成本
$m i$ /kg	eVTOL i 质量
$N i$	在起降场 i 充电的eVTOL数量
$n$	eVTOL i 到达前，已在（t-μ， t）时间段内抵达起降场 j 的eVTOL数量
$n s l o t$	时隙数量
$O$	奥斯瓦尔德效率因子
$P e l e c$ /（元·（kW·h）^-1）	电价
$P i j s e n d$ /人	eVTOL i抵达前起降场j已发送的旅客数量
$P i p o s$	个体i 被选择的概率
$P i j d e m$ /人	起降场i 与 j 的旅客需求数量
$P c$ /kW	充电功率
$P d i s$ /kW	放电功率
$P λ$	参数为λ的泊松分布
$P i P u r$ /元	eVTOL i 的购置费用
$p i p a s$ /人	eVTOL i 的载客容量
$p c o l l i s i o n$	eVTOLs间碰撞风险的概率
$R i$ /元	第i阶阶梯电价
$r i j$	决策变量当eVTOL i 需要在起降场 j 充电时为1，否则为0
$r i r o t o r$ /m²	eVTOL i 螺旋桨面积
$S i$ /架	不满足与eVTOL i间起降安全时间间隔的飞机数量
$S i j s e v$ /人	eVTOL i 在起降场 j 服务旅客数量
$s$ /s	时隙长度
$T i j t o u r$	起降场i与j所在地区景区人流量总和
$T i j t r a n s$	起降场i与j所在地区交通枢纽客流量总和
$T$ /h	时间长度
$T i t h r$ /（kW·h）	第i阶阶梯电价的耗电范围
$t$	时刻
$t i j t k t$	起降场i与j之间票价
$V$ /（km·h^-1）	eVTOL速度
$V i v o l$ /架	起降场i 可容纳eVTOL同时起降数量
$W i w i n g$ /m²	eVTOL i 机翼面积
$W i s p a n$ /m	eVTOL i 翼展
$x$ /m	eVTOL飞过的地面或空中距离
$α$ /（°）	爬升角
$δ$ /%	安全预留电量百分比
$ε$ /%	eVTOL在高峰时刻最少需要满足总需求的百分比
$η p r o p$ /%	动力系统效率
$θ a p p$ /（°）	进近角
$θ d e p$ /（°）	离港角
$μ$ /（h）	旅客最大容忍等待时间
$γ i$	需求i占总需求量的权重
$ρ$ /（kg·m^-3）	干空气密度

Table 1

Fig.1

Fig.2

Fig.3

Fig.4

Table 2

Fig.5

Table 3

Fig.6

Table 4

Takeoff and landing procedure parameters［16］

变量	数值
$h c b$ /m	30.5
$h c r$ /m	300~1 000
$h d s$ /m	30.5
$h h v$ /m	3
$h s$ /m	152
α/（°）	81
$θ a p p$ /（°）	7.125
$θ d e p$ /（°）	7.125

Table 4

Table 5

Table 6

Parameters of different eVTOL［23-24］

参数	EHang 216-S	Geely Aerofugia AE200
电池容量 $E i 0$ /（kW·h）	140	250
购置价格 $C P$ /元	1×10⁶	2×10⁶
升力系数 $C L$	1.5	1.5
机翼展弦比 $A i a s p$	7.0	7.0
翼展 $W i s p a n$ /m	6.05	14.5
机翼面积 $W i w i n g$ /m²	22.94	60.10
螺旋桨面积 $r i r o t o r$ /m²	62.83	435.50
最大起飞重量 $m i$ /kg	220	2 500
优值系数 $F f o m$	0.75	0.75
最大巡航高度 $h i c r, m a x$ /m	500	1 000
巡航速度 $V i c r$ /（km·h^-1）	130	264
奥斯瓦尔德效率因子 $O$	0.85	0.85
乘客最大容量 $p i p a s$ /人	2	5
最大航程 $d i$ /km	80	200
推进系统效率 $η p r o p$	0.85	0.85

Table 6

Fig.7

Table 7

Table 8

Fig.8

Table 9

Table 10

Fig.9

Fig.10

Table 11

References 29

[1]	WU Z Q， ZHANG Y. Optimal eVTOL charging and passenger serving scheduling for on-demand urban air mobility［C］∥AIAA Aviation 2020 Forum. Reston： AIAA， 2020.
[2]	GUO Z， HAO M Y， LIU J M， et al. Joint routing and charging optimization for eVTOL aircraft recovery［J］. Aerospace Science and Technology， 2022， 126： 107595.
[3]	PAUL S， CHOWDHURY S. A graph-based reinforcement learning framework for urban air mobility fleet scheduling［C］∥AIAA Aviation 2022 Forum. Reston： AIAA， 2022.
[4]	ROY S， KOTWICZ HERNICZEK M T， LEONARD C， et al. Flight scheduling and fleet sizing for an airport shuttle air taxi service［J］. Journal of Air Transportation， 2022， 30（2）： 49-58.
[5]	HYUN K. Receding horizon scheduling of on-demand urban air mobility with heterogeneous fleet［J］. IEEE Transactions on Aerospace and Electronic Systems， 2020， 56（4）： 2751-2761.
[6]	LINDNER M， BRÜHL R， BERGER M， et al. The optimal size of a heterogeneous air taxi fleet in advanced air mobility： A traffic demand and flight scheduling approach［J］. Future Transportation， 2024， 4（1）： 174-214.
[7]	RAJENDRAN S. Real-time dispatching of air taxis in metropolitan cities using a hybrid simulation goal programming algorithm［J］. Expert Systems with Applications， 2021， 178： 115056.
[8]	SHAO Q， SHAO M X， LU Y. Terminal area control rules and eVTOL adaptive scheduling model for multi-vertiport system in urban air Mobility［J］. Transportation Research Part C： Emerging Technologies， 2021， 132： 103385.
[9]	KLEINBEKMAN I C， MITICI M A， WEI P. eVTOL arrival sequencing and scheduling for on-demand urban air mobility［C］∥2018 IEEE/AIAA 37th Digital Avionics Systems Conference （DASC）. Piscataway： IEEE Press， 2018.
[10]	PRADEEP P， WEI P. Heuristic approach for arrival sequencing and scheduling for eVTOL aircraft in on-demand urban air mobility［C］∥2018 IEEE/AIAA 37th Digital Avionics Systems Conference （DASC）. Piscataway： IEEE Press， 2018.
[11]	WANG Y T， LI J S， YUAN Y J， et al. Joint optimization of cost and scheduling for urban air mobility operation based on safety concerns and time-varying demand［J］. Aerospace， 2024， 11（10）： 861.
[12]	WANG Y T， LI J S， YUAN Y J， et al. Optimizing urban air mobility： A ground-connected approach to select optimal eVTOL takeoff and landing sites for short-distance intercity travel［J］. IEEE Open Journal of Vehicular Technology， 2024， 6： 216-239.
[13]	BECKER K， TEREKHOV I， GOLLNICK V. A global gravity model for air passenger demand between city pairs and future interurban air mobility markets identification［C］∥2018 Aviation Technology， Integration， and Operations Conference. Reston： AIAA， 2018.
[14]	TEREKHOV I. Forecasting air passenger demand between settlements worldwide based on socio-economic scenarios［D］. Hamburg： Hamburg University of Technology， 2017： 21-31.
[15]	UGWUEZE O， STATHEROS T， HORRI N， et al. An efficient and robust sizing method for eVTOL aircraft configurations in conceptual design［J］. Aerospace， 2023， 10（3）： 311.
[16]	PATRICK K. Prototype technical design specifications for vertiports： EASA Draft Specifications VTOL.202.21 ［S］. Cologne： EASA， 2023.
[17]	BULUSU V， ONAT E B， SENGUPTA R， et al. A traffic demand analysis method for urban air mobility［J］. IEEE Transactions on Intelligent Transportation Systems， 2021， 22（9）： 6039-6047.
[18]	CHEN J. Integrated routing and charging scheduling for autonomous electric aerial vehicle system［C］∥2019 IEEE/AIAA 38th Digital Avionics Systems Conference （DASC）. Piscataway： IEEE Press， 2019.
[19]	王莉莉，张兆宁，刘计民. 规定安全间隔的CNS性能环境研究［J］. 数学的实践与认识， 2011， 41（19）： 22-29.
	WANG L L， ZHANG Z N， LIU J M. Study of CNS performance environment based on safe separation［J］. Mathematics in Practice and Theory， 2011， 41（19）： 22-29 （in Chinese）.
[20]	王兴隆，王友杰. 面向城市低空的多机型eVTOL安全间隔评估［J］. 航空学报， 2025， 46（1）： 330604.
	WANG X L， WANG Y J. Safety interval evaluation for multi-aircraft eVTOL in urban low altitude［J］. Acta Aeronautica et Astronautica Sinica， 2025， 46（1）： 330604 （in Chinese）.
[21]	中国民用航空局. 中华人民共和国基本飞行规则［EB/OL］.（2001-07-27）［2025-09-12］.
	Civil Aviation Administration of China. Basic flight rules of the people’s republic of China［EB/OL］.（2001-07-27）［2025-09-12］. in Chinese）.
[22]	中国民用航空局. 国家空域基本分类方法［EB/OL］.（2023-12-21）［2023-12-21］.
	Civil Aviation Administration of China. Basic classification method for national airspace［EB/OL］. （2023-12-21）［2023-12-21］.（in Chinese）
[23]	中国民用航空局. 关于就吉利沃飞长空A E200-100型电动垂直起降航空器型号合格审定项目专用条件征求意见的通知［EB/OL］. （2023-12-01）［2024-11-28］.
	Civil Aviation Administration of China. Notice on soliciting opinions on the special conditions for the type approval project of Geely Aerofugia A E200-100 electric vertical takeoff and landing aircraft ［EB/OL］.（2023-12-01）［2024-11-28］. in Chinese）.
[24]	Vertical Flight Society. EHang EH216-S［EB/OL］. （2022-03-04）［2024-11-28］
[25]	THIPPHAVONG D P. Analysis of electrical grid capacity by interconnection for urban air mobility［C］∥AIAA Aviation 2022 Forum. Reston： AIAA， 2022.
[26]	北京市发展和改革委员会. 北京市居民生活用电电价表［EB/OL］. （2023-08-31）［2024-11-28］.
	Beijing Municipal Commission of Development and Reform. Beijing municipal commission of development and reform electricity tariff schedule for residential use in Beijing［EB/OL］. （2023-08-31）［2024-11-28］. in Chinese）.
[27]	GEISTER D， KORN B. Density based management concept for urban air traffic［C］∥2018 IEEE/AIAA 37th Digital Avionics Systems Conference （DASC）. Piscataway： IEEE Press， 2018.
[28]	WANG Y H， D’ARIANO A， YIN J T， et al. Passenger demand oriented train scheduling and rolling stock circulation planning for an urban rail transit line［J］. Transportation Research Part B： Methodological， 2018， 118： 193-227.
[29]	ALBA-MAESTRE J， BEYNE E， BUSZEK M， et al. Midterm report—multi-disciplinary design and optimization of a long-range eVTOL aircraft［EB/OL］. （2021-10-19）［2024-11-28］.

算法	参数	数值
成本优化算法	迭代次数	50
	eVTOL配置的样本量	10
	惯性权重	0.8
	个体学习因子	1.7
	社会学习因子	1.5
调度优化算法	迭代次数/次	50
	航班计划样本量/架	10
	惯性权重	0.5
	个体学习因子	1
	社会学习因子	1.2

起降场	A	B	C	D	E	F
A	0	30.20	142.74	132.05	134.44	120.98
B	30.20	0	112.89	102.93	107.59	96.79
C	142.74	112.89	0	17.39	40.12	92.69
D	132.05	102.93	17.39	0	24.64	99.04
E	134.44	107.59	40.12	24.64	0	121.26
F	120.98	96.79	92.69	99.04	121.26	0

eVTOL 型号	高度层/m	飞行方向
Geely Aerofugia AE200	750~1 000	字母代码靠前飞往靠后（A-F）
Geely Aerofugia AE200	500~750	字母代码靠后飞往靠前（F-A）
EHang 216-S	400~500	字母代码靠前飞往靠后（A-F）
EHang 216-S	300~400	字母代码靠后飞往靠前（F-A）

起降场	A	B	C	D	E	F
A	0	3×10³	3.7×10³	3.6×10³	1.4×10³	800
B	3×10³	0	4.2×10³	4×10³	3.4×10³	1.9×10³
C	3.7×10³	4.2×10³	0	1.7×10⁴	1.1×10³	4.3×10³
D	3.6×10³	4×10³	1.7×10⁴	0	1.2×10³	3.9×10³
E	1.4×10³	3.4×10³	1.1×10⁴	1.2×10⁴	0	1.4×10³
F	800	1.9×10³	4.3×10³	3.9×10³	1.4×10³	0

模型	约束条件							结果
模型	eVTOL 性能	动态需求	安全约束	非线性能耗	异构机队	电量约束	空域限制区	成本/ （10¹⁰元）	旅客周转量 /10⁸	算法运行时间/（10³s）
单目标	√^［1］	√^［1］				√^［1］	√^［4］	3.4		0.78
多目标	√^［3］	√^［3］			√^［3］	√^［3］		2.8	1.67	1.1
多目标	√^［4］				√^［4］	√^［4］	√^［4］	3.14		3.2
该方法	√	√	√	√	√	√	√	3.44	1.24	1.2

eVTOL scheduling schemes for dynamic demand and variable intervals

RichHTML

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 21

References 29

Related Articles 9

Recommended Articles

Metrics

Comments

[1]	Xiaohua HAN, Wei HAN, Shimeng LU, Na LI, Fang GUO, Bing WAN, Xichao SU. Mission planning for ship-helicopter group wave launch and recovery oriented to mission time windows [J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(13): 531773-531773.
[2]	LIU Jixin, JIANG Hao, DONG Xinfang, LAN Sijie, WANG Haozhe. Dynamic collaborative sequencing method for arrival flights based on air traffic density [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2020, 41(7): 323717-323717.
[3]	MA Yuanyuan, HU Minghua, YIN Jia'nan, TIAN Wen. Collaborative sequencing and scheduling method for arrival and departure traffic flow in multi-airport terminal area [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2017, 38(2): 320222-320234.
[4]	MA Yuanyuan, HU Minghua, ZHANG Honghai, YIN Jia'nan, WU Fan. Optimized method for collaborative arrival sequencing and scheduling in metroplex terminal area [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2015, 36(7): 2279-2290.
[5]	TANG Yong, HU Minghua, HUANG Rongshun, WU Honggang, YIN Jia'nan, XU Zili. Aircraft taxi routes planning based on free time windows and multi-agent for A-SMGCS [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2015, 36(5): 1627-1638.
[6]	YIN Jia'nan, HU Minghua, ZHANG Honghai, MA Yuanyuan, WU Fan. Optimized method for multi-runway spatio-temporal resource scheduling in the mode of independent departures [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2015, 36(5): 1574-1584.
[7]	YIN Jia'nan, HU Minghua, PENG Ying, TANG Yong, MA Yuanyuan. Optimized Method for Multi-runway Spatio-temporal Resource Scheduling in Mode of Dependent Approaches [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2014, 35(11): 3064-3073.
[8]	YIN Jia'nan, HU Minghua, ZHANG Honghai, MA Yuanyuan. Optimization Approach for Collaborative Operating Modes of Multi-runway Systems [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2014, 35(3): 795-806.
[9]	ZHOU Kun, XIA Hongshan. Optimization Model and Algorithm for Aircraft Scheduling Problem Based on Cooperative Multi-task Assignment [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2011, 32(12): 2293-2302.

起降场	总电量需求/（10⁵ kW·h）	充电成本/（10⁴ 元）
A	1.4	6.8
B	9.5	52
C	27	180
D	24	150
E	10	59
F	27	170