1.多主体协同的机场场面智能调度系统，其特征在于，包括获取模块，构建模块，推理模块，优化模块，模块间存在连接：获取模块，用于获取飞机的进离场时间、飞行距离和飞行过程中的燃油消耗，根据进离场时间与预定的时间进行对比分析，计算航班的延误时间，并根据航班的延误时间和燃油消耗计算额外燃油消耗；构建模块，用于获取飞机的进离场总滑行距离和滑行时间，并计算滑行速度，根据滑行速度和滑行时间构建滑行消耗模型，得到滑行消耗数据；其中，所述滑行消耗数据具体计算公式如下： ；式中， 是滑行消耗数据， 是滑行时间，a是滑行时间权重因子， 是滑行速度， 是滑行速度权重因子；推理模块，用于根据额外燃油消耗和滑行消耗数据基于模糊推理判断飞机燃油消耗情况，并通过缩短滑行距离和降低延误时间减少飞机燃油消耗量；优化模块，用于基于Dijkstra算法获取旅客步行距离，并基于NSGA-II 算法对旅客步行距离和飞机燃油消耗量进行优化，并输出 Pareto解集，根据实际需求选择优化方案。
2.根据权利要求1所述的多主体协同的机场场面智能调度系统，其特征在于，所述航班的延误时间具体计算过程如下：获取飞机的实际离场时间和预定离场时间，将实际离场时间与预定离场时间相减得到起飞延误时间；获取飞机的实际到达时间和预定到达时间，将实际到达时间与预定到达时间相减得到到达延误时间；将起飞延误时间和到达延误时间相加得到航班的延误时间，具体计算公式如下： ；式中， 是航班的延误时间， 是实际离场时间， 是预定离场时间， 是实际到达时间， 是预定到达时间。
3.根据权利要求2所述的多主体协同的机场场面智能调度系统，其特征在于，所述航班的额外燃油消耗具体获取过程如下：根据飞机的进离场时间获取飞行时间，即将实际到达时间与实际离场时间相减得到飞行时间；根据飞行距离和预定的飞行距离获取飞机的绕飞距离，并根据飞行距离和飞行时间计算飞行速度；根据飞行过程中的燃油消耗和飞行距离计算单位航程燃油消耗率；根据航班的延误时间、飞行速度和单位航程燃油消耗率计算额外燃油消耗。
4.根据权利要求3所述的多主体协同的机场场面智能调度系统，其特征在于，所述滑行消耗数据具体获取过程如下：获取飞机的进离场滑行距离和滑行时间，将进离场滑行距离和滑行时间相加得到总的滑行距离和滑行时间；将飞机的总滑行距离与滑行时间相除计算得到飞机的滑行速度；根据滑行速度和滑行时间构建滑行消耗模型，得到滑行消耗数据。
5.根据权利要求4所述的多主体协同的机场场面智能调度系统，其特征在于，所述根据额外燃油消耗和滑行消耗数据基于模糊推理判断飞机燃油消耗情况的具体步骤如下：将额外燃油消耗与滑行消耗数据定义为输入变量，将其分别划分为不同的模糊集合；将飞机燃油消耗情况定义为输出变量，将其划分为模糊集合；制定模糊规则，描述额外燃油消耗与滑行消耗数据对飞机燃油消耗情况的影响；根据模糊规则进行模糊推理，确定飞机燃油消耗情况。
6.根据权利要求5所述的多主体协同的机场场面智能调度系统，其特征在于，所述基于Dijkstra算法获取旅客步行距离的具体过程如下：通过一个有向图G=(V,E)表示机场内的旅客步行网络；图中 V 是节点集合，每个节点代表一个交叉口，E 是边集合，每条边代表两个节点之间的旅客道路连接，边的权重表示旅客在该道路上步行距离；d(u,v) 为从节点 u 到节点 v 的距离，路径规划的目标是从起始节点 s 到目标节点 t 寻找一条最短路径，使得d(u,v)的总和最小。
7.根据权利要求6所述的多主体协同的机场场面智能调度系统，其特征在于，所述基于NSGA-II 算法对旅客步行距离和飞机燃油消耗量进行优化的步骤如下：随机生成初始解集，每个解表示一种调度方案；包括旅客步行路径、飞机滑行路径，飞机路径；对于每个解，计算对应的旅客步行距离和飞机燃油消耗量；根据目标值对解集进行非支配排序，将解集划分为不同的等级，对于每一层级中的解，计算拥挤度，保证解集的多样性；使用选择、交叉、变异操作生成新的种群，选择最优的解继续向下一代演化；不断优化解集，趋向Pareto前沿；设定最大迭代次数达到后，算法终止，输出Pareto前沿解集；经过若干代的进化，NSGA-II 算法会输出一组 Pareto 最优解，这些解表示在给定的目标约束条件下，旅客步行距离和飞机燃油消耗之间的最优权衡；每个解都有不同的旅客步行距离和燃油消耗量，根据实际需求选择最适合的方案。
8.根据权利要求7所述的多主体协同的机场场面智能调度系统，其特征在于，所述额外燃油消耗具体计算公式如下： ；式中，W是额外燃油消耗，Q是飞行过程中的燃油消耗，d是飞行距离， 是绕飞距离， 是航班的延误时间， 是实际到达时间， 是实际离场时间， 是单位航程燃油消耗率， 是飞行速度。
9.多主体协同的机场场面智能调度方法，基于权利要求1-8任一项所述的多主体协同的机场场面智能调度系统，其特征在于，包括以下步骤：获取飞机的进离场时间、飞行距离和飞行过程中的燃油消耗，根据进离场时间与预定的时间进行对比分析，计算航班的延误时间，并根据航班的延误时间和燃油消耗计算额外燃油消耗；获取飞机的进离场总滑行距离和滑行时间，并计算滑行速度，根据滑行速度和滑行时间构建滑行消耗模型，得到滑行消耗数据；根据额外燃油消耗和滑行消耗数据基于模糊推理判断飞机燃油消耗情况，并通过缩短滑行距离和降低延误时间减少飞机燃油消耗量；基于Dijkstra算法获取旅客步行距离，并基于NSGA-II 算法对旅客步行距离和飞机燃油消耗量进行优化，并输出 Pareto解集，根据实际需求选择优化方案。
