空中交通流量管理技术研究

我国对于空中交通的流量控制,有着自身的管理方式.对空域中交通流量的管理对于整体空域管理有着重要意义.实行流量管理的目的在于使飞行设备在空中能够保持一个安全、通畅的飞行状态.随着社会的发展,越来越多的飞行器出现在城市的上空,对空中管理的要求也逐渐提高,飞行器的大量出现也为空中管理带来了一定的难度.本文为了解决目前空中管理出现的问题,对空中流量管理作出了具体分析.首先阐述空域交通管理中的流量管理的概念,其次分析目前空中流量管理的形式与缺点,再结合目前已掌握的数据提出科学有效的解决方案.     

空中交通流量管理

当前,随着国内飞行数量的不断增加,由于流量控制而导致航班延误的情况时有发生,流量管制原因与流量管理而引起其他原因的发生已经成为了导致航班延误的主要因素之一;所以,空中交通流量管理是现阶段民航迫切需要完成的任务。本文首先指出了空中交通流量管理存在的问题,其次提出了加强空中交通流量管理的措施。     

空中交通流量评估管理研究

本文主要对现阶段我国空中交通流量进行了系统的评估与管理研究工作;文章开头对我国现阶段空中流量的大背景做了简单介绍并就空中交通流量管理的基本概念做了系统阐述。接着,对我国现阶段我国空中交通流量管理发展现状做了分析,然后对我国空中交通流量进行了评估研究工作。最后对我国现阶段的空中交通流量评估管理研究工作作了简要总结。     

空中交通流量的灰色预测方法应用

空中交通流量的预测方法的研究对我国民航发展具有指导性意义。预测的方法有很多种,空中交通流量的复杂性、非线性和不确定性,可以将灰色预测算法应用到进近空域内的空中交通流量预测。相对于传统线性预测方法,灰色预测可以将目标函数曲线与预测函数曲线更好地进行拟合。     

空中交通流量管理中地面等待策略问题的研究

地面等待是解决空中交通拥堵的主要方式,具有安全性和经济性高的优点。该文就空中交通流量管理地面等待策略问题进行研究。根据不同的分类标准,地面等待策略可以分为静态和动态、确定性和随机性、单机场地面等待和多机场地面等待、时间驱动和事件驱动几类;该文就单机场静态地面等待分析、多机场地面等待分析、基于事件驱动的地面等待策略及其模型的优缺点做简要分析。     

空中交通流量预测的人工神经网络和回归组合方法

为了寻找合适的空中交通流量预测方法,在综合回归预测方法和人工神经网络预测方法优点的基础上,提出采用组合预测方法的思想,并基于多元线性回归模型确定组合方法的权重系数。以北京管制区大王庄导航台流量预测为实例,分析结果表明:组合预测方法对实际流量有好的拟合度,能提高人工神经网络的泛化能力,并减小预测的误差,即总体上不仅优于传统的回归预测方法,也优于单独的人工神经网络预测方法。组合方法为空中交通流量的预测提供了一种可靠而有效的新途径。     

空中交通流量管理(ATFM)危机管理技术初探

危机管理技术的应用对提高空中交通运输效率非常重要.虽然我国目前还没有建立完整统一的空中交通流量管理(ATFM)系统,但是ATFM危机管理技术一直在探索中改进,论文提出我国未来ATFM系统的构想,并根据空中交通流量管理中存在的危机问题,提出相应的危机管理技术方案.     

空中交通短期流量管理的动态网络流模型

针对优化调度空中交通短期流量的迫切需求,研究空中交通管制区的网络结构和确定容量条件下空中交通流的动态行为,给出了空中交通短期流量管理的多品种动态网络流模型的数学描述(ST-TFMP);并就管制区内现有飞机的疏散问题对原模型进行了改进.利用北京管制区某日高峰飞行时段的到达流量实际数据,在不同场景下对模型进行了仿真验证,结果表明空中交通短期流量管理的动态网络流模型有着较好的计算性能.     

浅谈空中交通流量管理中的多元受限地面等待策略

我国民航事业的飞速发展使得空中交通流量持续增加,空域资源紧张和空中交通拥堵的问题大大突出.该文在单机场受限时地面等待策略的理论基础上,着重研究了在实际空中流量已知的情况下多元受限地面等待策略的相关事宜,通过简化的数学模型,提出了新的空中交通流量管理办法,为解决空中交通流量的多元等待问题提供了新的思路.     

空中交通战略和战术级流量管理模型

针对日益增长的空中交通流量,提出了适合中国空中交通的战略、战术级流量管理模型.按照功能,分别提出了航路流量管理模型和机场流量管理模型以及终端区的流量管理模型.根据空中交通中信息的实时性和多样性,分析了其中的信息流动,并在此基础上提出了新一代信息共享网络.这些模型都应用于清华大学国家CIMS工程研究中心与华北空管局合作开发的空中交通管制指挥检测系统(ATCCMS)中,并取得了很好的效果,同时也为上层管理者提供了战略性决策支持.     

基于Multi-Agent的空中交通协同流量管理

充分考虑到空中交通流量管理系统三级结构的特点,把那些具有自主性和智能性,并对系统有重要影响的实体用Agent来实现,构建了空中交通流量管理系统的框架,详细阐述了终端区各分Agent系统的结构以及主要功能;将多Agent应用到空中交通流量管理系统,可有效提高系统的动态环境适应性和自治性,降低系统设计与实现的复杂性,为建设流量管理系统提供了新的思维模式。     

高可用的容灾数据库应用系统的研究与构建

随着信息技术的不断发展,企业级的数据库应用系统,如ERP系统等,已经成为企业业务运转的基础和核心。数据是企业最为宝贵的资源,数据服务中断及数据丢失都会给企业带来不可估计的损失。根据企业业务的连续性和业务数据的可恢复性对数据库系统的要求,考虑各种影响数据库服务及数据保护的因素,对数据库系统的高可用性进行了研究。不同于常用的集群技术,在此对Oracle Data Guard技术进行了分析并设计实现了效率更好的高可用容灾数据库系统。     

基于分解集成方法的空中交通流量短期预测

为对空中交通流量进行短期预测,提出了基于分解集成方法的组合预测模型。首先,应用EEMD方法将流量时序数据分解为若干个分量;其次,应用排列熵计算各分量的复杂度,复杂度高于0.5的归为高频分量,其余归为低频分量;然后,高频分量采用BP神经网络算法进行预测,低频分量采用最小二乘法进行预测;接着,对分量的预测结果进行加和集成,得到了最终的预测值。最后,采集实际运行数据进行算例分析。通过比较1~6 h和7~12 h的预测结果,本文模型在1~6 h的EC值为0.905,准确度更高。与EMD-BP-OLS模型、BP模型进行比较,本文模型的评价指标均优于其他模型。通过比较60 min,30 min,15 min时间尺度数据的预测结果,60 min时间尺度的EC值为0.924,准确度最高。结果表明,本文提出的模型是可行的和有效的,更适用于短期流量预测。     

关联规则挖掘在税务系统中的应用研究

通过对关联规则经典挖掘算法Apriori算法的分析;并在Apriori算法基础上,采用一种基于布尔矩阵的行向量寻找频繁项集的关联规则挖掘算法,将该算法应用于税务系统中,分析欠税纳税人的欠税行为等情况,并判断其是否符合业务规则。     

基于小波分析和集成学习的短时交通流预测

针对短时交通流具有随机性和不确定性等特征,提出一种基于小波分析和集成学习的组合预测模型.首先,对原始交通流数据的平均行程时间序列应用Mallat算法进行多尺度小波分解,且对各尺度上分量进行单支重构;其次,对于各重构的单支序列分别使用极端梯度提升模型(extreme gradient boosting,XGBoost)进...     

基于BP神经网络的交通流量预测设计

在研究交通流量特性的基础上,以交通流量控制为最终目标,建立了基于BP(Back Propagation)神经网络的交通流量预测模型.以某市某三叉口路段为例进行仿真模拟,结果表明预测系统能较准确地预测出交通流量状况.     

基于特性和影响因素分析的短时交通流预测

可靠的短时交通流预测是智能交通系统的重要基础。为了提高短时交通流预测的预测精度和对于不同交通状态的适应性,在分析了交通流特性以及时空二维影响因素的基础上,提出了一种组合预测模型,使其能够综合反映这些特性和影响因素。该组合预测模型包括时间序列模块、空间相关模块和组合预测模块三个子模块。单项预测模型包括自适应单指数平滑模型和RBF神经网络模型,组合系数是以两个单项预测子模块的平滑百分比相对误差作为输入,以神经网络作为学习算法自适应地得到。最后通过平峰和高峰时段实测的交通流量数据来验证模型的有效性和可靠性,结果表明:该组合预测模型的预测精度高于单项预测模型各自单独使用时的精度,且对于不同的交通流状况具有较好的适应性。     

不同信息管理系统间数据集成的研究与实现

早期信息管理系统间数据无法共享,即所谓的“信息孤岛”现象是数字化校园建设需要解决的一个重要问题。现主要阐述了如何利用Oracle数据整合工具(ODI)来规划数据集成项目结构和对各种信息管理系统的数据库（包括异构数据库）进行数据交换和集成,从而达到不同管理系统数据库间的信息同步和共享。     

基于数据挖掘技术的经营分析支持系统

本文提出一个基于数据挖掘技术的经营分析支持系统框架,阐述了系统采用的关键技术,如数据挖掘技术、数据仓库技术、数据抽取技术、联机分析技术等。本文采用的数据挖掘过程严格遵照业界流行的CRISP-DM过程模型,结合金融企业特点对数据挖掘技术进行了详细描述,并阐述了数据挖掘技术在金融企业领域内的应用情况。     

基于联合数据挖掘的网络异常检测系统的研究

网络攻击日趋隐蔽和复杂化,传统的检测方法具有很大的局限性.该文提出将网络管理中故障管理和性能管理相结合,根据目前网络中可获得的丰富的数据进行联合挖掘,能够全面发现网络中存在的问题.