机场的进离场空中交通流复杂性

机场进离场空中交通流复杂性的量化是空管和机场进行预测和管控的重要依据。提出基于排列熵的复杂熵因果平面(complexity entropy causality plane, CECP)以及Fisher-Shannon(FS)因果平面的机场进离场空中交通流复杂性量化分析模型,量化单机场进离场空中交通流量复杂度,研究多机场进离场空中交通流复杂度之间的关联性。针对单机场,首先将机场进离场空中交通流量时间序列符号化,计算时间序列的标准排列熵和统计复杂度以及Fisher信息,量化机场进离场空中交通流时间序列的复杂程度;针对多机场,构建CECP以及FS,分析比较各机场在CECP和FS中的位置,区分进离场空中交通流复杂性较高的机场。验证结果表明：提出的模型对于量化机场进离场空中交通流复杂性具有可行性和准确性,可以有效区分进离场空中交通流复杂程度较高的机场,对机场交通流的实时预测和管控具有指导意义。     

空中交通复杂度测度分析及航班监测预警研究

应用复杂理论分析方法,研究了空中交通流复杂度,提出了空中交通复杂性测度的计算方法以及交通流稳健度评价体系,并对空中交通系统复杂度影响较大的航班提出预警。讨论了基于复杂性测度理论的空中交通复杂度度量分析和监测预警,研究表明所提供的方法能够从复杂,不确定的数据中计算出系统复杂度的变化,通过稳健性技术指标,能够辨别与系统稳健性相关的状态参数,指出对系统稳健度造成较大影响的航班。这些研究工作表明,提出的复杂性方法能够对空中交通复杂度进行测度分析和对航班进行监测预警。     

基于K-means的空中交通流模式识别

空域系统容量与空中交通态势密切相关。对空中交通态势的精确把握可有效降低当前大流量情况下的空域系统压力、提高管制员有效决策水平。提出了一种基于K-means聚类方法的空中交通流识别方法,有助于清晰把握空中交通整体态势。首先分析了空中交通流特性,然后根据雷达数据统计了主要航段在15 min内飞机架次,聚类识别为多种交通流模式,最后通过计算时段内所有飞机在扇区的总飞行时间,验证了该方法的有效性。     

基于动态时间规整和长短期记忆的空中交通流量短期预测

空中交通短期流量预测的准确性对于精准实施空中交通流量管理具有重要意义。为提高空中交通短期流量预测准确性,充分利用历史运行数据,本文提出了一种基于DTW-LSTM的空中交通流量短期预测方法。首先,分析了空中交通流的时空相关性特征,基于此特征采用DTW算法衡量扇区之间的空间相关性;然后,由空间相关性度量结果选取不同扇区的数据进行组合,构建输入时间序列长度不同的数据集,将历史时间数据输入LSTM模型中训练;最后,对不同时空参数组合模型的预测结果进行分析,与不考虑时空相关性LSTM模型、考虑时空特性的SVR模型的预测结果进行对比。实验结果表明,相比于传统方法,本文提出的空中交通流量短期预测方法通过考虑交通流的时空相关性,提高了预测结果的准确性,相比LSTM模型,MAE降低24.5%,RMSE降低31.4%,相比时空相关SVR模型,MAE降低36.4%,RMSE降低30.6%。     

基于分形维数的交通流效率判别技术研究

复杂性和效率均是反映空管系统运行效能的关键特性,掌握两者之间的量变关系,有助于进一步揭示空中交通流的基本属性,提升空中交通的运行效率。基于分形理论,利用离散傅里叶变换计算了航路点系统交通流量时间序列的分形维数,判别交通流的复杂性。然后,选取延误和流容比作为表征交通流运行效率的特征指标。最后通过仿真实验分析了交通流复杂性和效率之间的量变关系。分析结果表明分形维数和延误、流容比均为正相关,变化速率与加权间隔期望呈负相关:分形维数和延误满足分段对数变化关系,和流容比间局部线性关系显著。根据航路点交通流复杂性和运行效率之间的变化关系,采取相应的流量管理策略,通过有效控制复杂性,提升航路运行效率。     

广义空中交通流建模综述

空中交通流建模是研究空中交通系统拥堵规律和演变机理的重要手段。面向集权式管控下空中交通流广义属性,将空中交通流模型分为"以流为中心"和"以人为中心"两类,评述各类广义交通流模型的核心理念、建模方法、主要特点和适用范围,强调了空中交通流建模中"人-流"关系的重要性;针对当前交通流建模亟需突破的瓶颈和未来空中交通发展需求,从粒度差异化、行为随机化、"人-流"一体化、复杂性视角和未来适应性5个方面提出了广义空中交通流建模的发展趋势,为开展空中交通基础理论和应用技术研究提供参考借鉴。     

区调扇区和进近扇区复杂度对比研究

随着空中交通流量的增加,空中交通管制面临着严峻挑战,表现在进近与区调扇区间管制协调的矛盾日益突出。对比国内某管制区进近扇区和区调扇区的管制复杂度能更好地协调进近扇区和区调扇区的空中交通管制工作负荷,均衡进近扇区和区调扇区的管制复杂度,达到提高扇区容量的目的。为科学合理地对比扇区管制复杂度,构建了扇区静态复杂度对比的指标及其量化方法,并设计了静态复杂度对比实验来对比进近扇区与区调扇区的静态复杂度。另采用"管制扇区空域复杂性分析系统"软件,以厦门高崎国际机场为例,根据真实雷达管制数据,通过实验,分析对比了进近扇区与区调扇区的动态复杂度。通过分析实验结果,发现进近扇区管制比区调扇区管制复杂度更大更难。为达到均衡工作负荷、提高空中交通流量、减轻管制员负荷的目的,对现有的进近扇区和区调扇区的管制方法和空域结构提出了一些合理化建议。     

带约束最长公共子序列快速算法

带约束最长公共子序列(CLCS)问题有很深的生物学应用背景,常被用来表示同源基因序列相似性的度量,但计算CLCS时间代价很高,最早的CLCS算法的时间复杂度为O(rn4),目前,最快的CLCS算法的时间复杂性为O(rn2).运用对偶原理将带约束最长公共子序列问题转换为带约束最小覆盖集问题,并建立带权的ref树结构,构造包含约束序列的约束覆盖子集,约简带约束覆盖子集并从中搜索关键路径,再通过关键路径构造CLCS,该算法将算法时间复杂度提升到O(nlogn+(q+r)L),r是约束序列的长度,q是两序列序偶的个数,L是两序列的最长公共子序列(LCS)长度.     

基于L-M神经网络的空中交通复杂度评价方法研究

随着空中交通流量的不断增长,航班延误日趋严重,迫切需要在保持安全水平的前提下提高空中交通管理能力。针对这一问题,本文在给定的空域条件下,从交通流、飞行活动特征和冲突三方面提出空中交通复杂度的评价指标,并考虑了管制员工作负荷的因素。以进入扇区的流量、改变高度的航空器比例、航空器速度改变次数、航空器航向改变次数、航空器通过扇区的平均时间和冲突数量作为空中交通复杂度的参数,利用L-M神经网络算法建立空中交通复杂度评价方法的数学模型。通过一个具体的数值算例,对比了LM算法与传统BP神经网络算法的计算结果,实验结果表明所提方法具有较高的逼近精度,验证了所提出方法的有效性和可行性。     

高速公路交通流的分形特征实证分析

高速公路交通流演化分形特征的研究有助于深刻理解高速公路交通系统的内在演化规律, 为高速公路交通流的预测和控制提供理论依据. 本文利用统计学方法和复杂网络可视化技术对高速公路交通流的分形特征进行实证分析. 首先, 利用重标极差法计算了交通流时间序列的Hurst指数和V统计量, 发现不同时间标度下高速公路交通流时间序列的Hurst指数都大于0.5, 并且V统计量曲线有上升趋势, 说明高速公路交通流时间序列具有自相似性和长程相关性; 然后, 根据可视算法, 将高速公路交通流时间序列转化为复杂网络, 计算网络的拓扑参数, 发现网络的度分布均呈幂律分布, 表明该网络为无标度网络, 进一步揭示高速公路交通流时间序列为分形序列. 同时发现网络的平均路径长度随网络规模的增大呈对数增长, 说明网络具有小世界特征. 实证分析的结果对高速公路交通流量预测中时间标度的选择和预测长度的确定有重要的参考价值. 本文的研究可以为揭示高速公路交通流演化的复杂性提供新的思路和方法.     

基于Lyapunov指数的空中交通态势识别

为客观评价空中交通复杂性,探讨飞机态势与空中交通复杂性的关系,提出了一种基于飞机对时序距离的李雅普诺夫指数算法,并用该算法得到的飞机对时序距离的李雅普诺夫指数,判别飞机对之间的可预测程度。通过分析不同飞机对时序距离的李雅普诺夫指数,可以发现李雅普诺夫指数与空中交通态势之间的关系;结果表明,可预测程度可以作为识别空中交通态势以及衡量空中交通复杂性的依据。     

机场航班延误优化模型

针对空中交通日益严重的航班延误,给出了一种机场航班延误优化模型.模型将机场的到达和出发视为密切相关的两个过程,考虑了具有连续航程的航班(到达和出发均由同一架飞机在当天顺序执行)及其到达和出发过程之间的相互影响.模型还充分考虑了机场容量、需求以及天气等因素的动态特性,在达到和出发过程之间实现流量分配的协同决策.在机场延误不可避免的情况下,该模型可以为管制员提供未来一段时间内的流量分配优化方案,尽量降低延误的后续影响.最后,结合中国某国际机场的实际数据,利用遗传算法对模型进行了验证,取得了很好的效果.     

空中交通网络中航空器群的实证分析

现有的空中交通复杂性研究忽略了空中交通流结构影响,难以反映航空器空间密度分布不均匀的复杂性特征。利用复杂网络中社团结构的思想,对空中交通流结构特征进行研究。建立了航空器群模型,提出了基于深度优先遍历算法的航空器群发现方法,避免了传统社团划分方法需事先指定社团个数的缺点;并从模块度、内聚度、灵敏度几个角度形成了群性能指数,用于综合反映航空器群划分质量。采用实际航班数据对群划分结果进行评价分析,选取60 km为最佳阈值对航空器群的统计特征进行了进一步分析。结果表明,扇区内航空器间的平均水平间隔约为群内航空器间平均水平间隔的6倍;航空器群规模一般都比较小,一半以上的群规模小于6架;航空器群的生命期最长为9 min,但57%以上群的生命期为2 min。     

基于交叉点复杂度的空域通行能力优化方法

为解决空域拥挤导致通行能力下降的问题,提出了一种考虑交叉点复杂度的通行能力优化方法。首先,分析了实际民航运行中存在的痛点和难点,以及以往有关通行能力的研究缺少交叉点建模、管制员负荷测量困难和求解时间复杂度高的缺陷;第二,从高度层、交叉点和航班运行三个方面提出了空域的数学抽象方法,并根据节点的交叉数对空域的数学模型进行简化,剔除了没有交叉的导航台点,降低了空中交通网络抽象后节点矩阵稀疏的问题;第三,分析了交叉点对于通行能力的影响主要在于流量和交叉数两个方面,以这两个方面建立了交叉点的费用函数;第四,以延误最小为目标,以流量平衡、扇区和航路容量、流控容量和非负整数作为约束,建立了通行能力优化模型;第五,分析并指出存在负容差的空中交通网络更容易发生延误,并根据网络延误的特性提出了一种考虑延误反向传播的迭代算法。最后,以华北地区空域为例,从不同流控等级下的延误时间、受影响的航班数和算法计算时间三方面进行仿真。结果表明,模型和算法平均能降低33.58%的延误,且通过合理地分配改航、调时和调减最大程度减少延误。     

多机场地面等待动态建模及其算法研究

随着我国民航事业的快速发展,空中交通流量迅速增长,使得空中交通拥挤问题日益严重,因此建立科学合理的空中交通管理系统变得十分迫切,而管理系统的核心-流量管理优化算法的研究就十分重要了。给出了考虑扇区容量限制的多机场地面等待问题的动态模型,并设计了一种以航班优先级别为核心的多机场地面等待启发式优化算法。详细地给出了算法的设计思想和步骤,求解时还考虑了目的机场容量的变化以及不同航班单位延迟费用的不同。最后仿真验证了其可行性。算法可求出符合各容量约束条件的满意实时解。     

Dynamic Air-Route Adjustments——Model,Algorithm,and Sensitivity Analysis

Dynamic airspace management (DAM) is an important approach to extend limited air space resources by using them more efficiently and flexibly.This paper analyzes the use of the dynamic air-route adjustment (DARA) method as a core procedure in DAM systems.DARA method makes dynamic decisions on when and how to adjust the current air-route network with the minimum cost.This model differs from the air traffic flow management (ATFM) problem because it considers dynamic opening and closing of air-route segments instead of only arranging flights on a given air traffic network and it takes into account several new constraints,such as the shortest opening time constraint.The DARA problem is solved using a two-step heuristic algorithm.The sensitivities of important coefficients in the model are analyzed to determine proper values for these coefficients.The computational results based on practical data from the Beijing ATC region show that the two-step heuristic algorithm gives as good results as the CPLEX in less or equal time in most cases.     

模型基预测方法研究

针对民航飞机飞行特点,建立了飞机飞行模型,提出了基于飞行模型的预测方法。将该算法应用于中国民航空中交通管制现代化系统和大型空地协同分布交互仿真系统ＤＡＧＩＳ中,实验结果表明该方法较一般的线性预测算法更准确。