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。