1.考虑驾驶员状态的改进容量网络模型的机场摆渡车优化调度方法，具体包括如下步骤：步骤1：机场实时信息数据采集；根据机场实际实时情况，确定摆渡车出发位置、结束位置、需要摆渡车服务的航班位置、以及各位置之间的位置距离关系，通过计算得出航班i允许摆渡车服务的最早时间和最晚时间；

步骤2：容量网络模型的建立；将摆渡车出发位置、结束位置、需要摆渡车服务的航班位置设置为节点，将节点之间的位置距离和摆渡车在航班间行驶时间关系设置为调度弧，将实时数据通过算法，生成实时的有向无环图，即容量网络；

步骤3：根据以上的容量网络，即有向无环图，通过算法生成时间邻接矩阵，对有向无环图进行保存；

步骤4：检测驾驶员异常驾驶状态；具体包括：

步骤4.1采集驾驶员驾驶信息；通过驾驶舱内车载摄像头对驾驶员信息进行采集与识别，包括驾驶员打哈欠、闭眼的疲劳行为以及驾驶时打电话、东张西望的异常行为；

步骤4.2采用CenterNet模型对摄像头采集到的图像进行检测；综合识别驾驶员眨眼、打哈欠、使用手机三种危险驾驶行为，赋予正在执行任务的驾驶员一个驾驶状态值E，将驾驶员的异常状态分为正常、轻度异常和重度异常三个状态；

基于以上对驾驶员驾驶状态的检测，当E＝0时，则视为驾驶员的驾驶状态正常；当0E≤

0.5时，则视为驾驶员的驾驶状态轻度异常；当0.5＜E≤1时，则认为该驾驶员存在重度异常驾驶状态，对机场的运行带来危险；

参考图像数据标签制定方法如下：

a)眨眼：由于在正常情况下，眨眼动作通常是在0.2秒～0.4秒完成的，因此根据将视频实时数据中对驾驶员的睁眼时间t进行采集，当驾驶员在某一次眨眼中，处于闭眼状态时间超过1s即认定该驾驶员经历一次疲劳眨眼；

通过视频图像信息记录驾驶员疲劳眨眼的次数，记作n1；由于眨眼动作完成的时间长短存在偶然情况，仅由一次眨眼动作对驾驶员疲劳状态进行判断的误差较大，即由于其他情况驾驶员并没有处于疲劳状态但偶然在一次眨眼中，眨眼动作时间超过0.5秒；因此，为了防止偶然情况对结果的影响，提高判断的合理性，通过记录疲劳眨眼频率f1来间接反应驾驶员是否处于疲劳驾驶状态，计算公式如下：式中，n1是疲劳眨眼的次数，即眨眼时长超过1s的次数；t为时间，记录单位为1min；

b)打哈欠：由于打哈欠是从闭嘴到张嘴打哈欠，再从张嘴状态到闭嘴状态，其嘴部区域状态与正常讲话交流的状态容易混淆，基于此，考虑打哈欠状态与正常讲话的状态不同之处在于打哈欠时嘴部区域的纵横比有独特的比例；因此，通过借助计算嘴巴的纵横比M来间接判断驾驶员是否打哈欠，计算公式如下：式中，La为嘴巴的宽度，即嘴巴上边缘和下边缘的距离；Lb为嘴巴的长度即嘴巴左边缘与右边缘之间的距离；

根据摄像头提取到的实时视频数据，当检测到驾驶员嘴部特征M≥1时，则认为驾驶员进行了一次打哈欠；另外，仅通过驾驶员一次M≥1即判定驾驶员处于疲劳驾驶状态的判断误差较大，即驾驶员可能由于其他原因使嘴部特征纵横比M≥1，但驾驶员并未处于疲劳驾驶状态；同上述眨眼标签，为了防止偶然事件对实验结果的影响，设定视频数据检测到驾驶员嘴部特征M≥1的次数为n2，通过记录打哈欠频率f2来间接反应驾驶员是否处于疲劳驾驶状态，计算公式如下：式中，n2是疲劳眨眼的次数，即驾驶员嘴部特征M≥1的次数；t为时间，记录单位为1min；

c)接打手机：由于在驾驶摆渡车的过程中接打手机极容易导致驾驶员的分心驾驶，是引发机场事故的重要因素，因此通过摄像头视频数据实时检测驾驶员是否接打手机情况，当视频图像中识别到手机，即认为该驾驶员在驾驶的过程中在使用手机，则将E＝1；

步骤4.3召回重度异常状态驾驶员；当检测到驾驶员处于重度异常状态，即0.5＜E≤1时，及时通知到该驾驶员并将其召回到终点站，不在继续执行调度任务；

步骤5：建立混合整数规划模型；具体包括：

步骤5.1设置目标函数：使整个机场运营的摆渡车数量最小，降低机场运营成本，目标函数为：步骤5.2设置约束条件：为了达到最优调度，设置约束条件如下：a)一次航班只需要一辆摆渡车服务，约束条件为：

b)将摆渡车服务开始时间绑定到服务开始时间窗口，约束条件为：c)通过驾驶舱内摄像头实时检测驾驶员的驾驶状态，并赋予正在执行接送旅客任务的驾驶员一个驾驶状态安全值E，只允许驾驶状态正常或者轻度异常的驾驶员继续执行任务，约束条件为：

0E≤0.5(10)；

d)如果航班i和航班j由同一摆渡车连续服务，且航班i在航班j之前，则航班i的服务开始时间加上航班i到航班j的连接时间应当不晚于航班j的摆渡车服务开始时间，约束条件为：其中，M为正整数，A3为调度弧的集合；

e)由于一次航班通常只由一辆摆渡车即可完成旅客的接送服务，因此设置调度弧线的容量为1，即容量网络中的所有调度弧都是由一辆摆渡车完成，约束条件为：步骤5.3为了便于求解，将上述混合整数规划模型等价于一个线性规划模型，得到实际机场摆渡车服务不相交路径，且提高了求解效率，其目标函数和约束条件如下：a)目标函数：

b)在实际机场的运作中，通常一辆摆渡车可以来往多次航班，完成多次航班的接送旅客服务，为了提高摆渡车接送旅客效率，得到不相交路径，约束条件如下：

0＜E≤0.5(14)

步骤6：将步骤3生成的容量网络的时间邻接矩阵作为线性规划模型的输入，求解得到最终结果机场最小摆渡车数量和最优路径。

2.如权利要求1所述的考虑驾驶员状态的改进容量网络模型的机场摆渡车优化调度方法，其特征在于：步骤1具体包括：步骤1.1对机场实时情况进行采集，所采集的数据包括：

a)摆渡车出发站和终点站位置；

b)航班预计到达时间和航班预计出发时间；

c)摆渡车来往航班间所需时长；

d)摆渡车在航班预定到港前最早等待时间和最迟等待时间；

e)所需服务时长；

步骤1.2根据所采集的信息数据，计算出航班i允许摆渡车服务的最早时间和最晚时间，计算过程如下：对于航班i，允许摆渡车服务的最早时间ei计算公式为：

ei＝STDi‑T2    (1)

允许摆渡车服务的最晚时间li计算公式为：

li＝STAi‑T1    (2)

3.如权利要求2所述的考虑驾驶员状态的改进容量网络模型的机场摆渡车优化调度方法，其特征在于：步骤2具体包括：步骤2.1根据摆渡车出发位置、结束位置、需要摆渡车服务的航班位置，确定节点的位置和数量，将摆渡车来往航班的路线设置为调度弧，确定有向边的依赖关系；

步骤2.2通过算法生成所有可能存在的调度路线的有向无环图，即容量网络。

4.如权利要求3所述的考虑驾驶员状态的改进容量网络模型的机场摆渡车优化调度方法，其特征在于：步骤3具体包括：根据以上的容量网络，即有向无环图，通过python生成时间邻接矩阵，对有向无环图进行保存。

5.考虑驾驶员状态的改进容量网络模型的机场摆渡车优化调度装置，其特征在于，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现权利要求1‑4中任一项所述的考虑驾驶员状态的改进容量网络模型的机场摆渡车优化调度方法。

6.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现权利要求1‑4中任一项所述的考虑驾驶员状态的改进容量网络模型的机场摆渡车优化调度方法。