CN103854518A - 一种航路网络节点时空流量的计算方法 - Google Patents
一种航路网络节点时空流量的计算方法 Download PDFInfo
- Publication number
- CN103854518A CN103854518A CN201410097836.8A CN201410097836A CN103854518A CN 103854518 A CN103854518 A CN 103854518A CN 201410097836 A CN201410097836 A CN 201410097836A CN 103854518 A CN103854518 A CN 103854518A
- Authority
- CN
- China
- Prior art keywords
- assessed
- grid node
- route grid
- flight number
- period
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种航路网络节点时空流量的计算方法,首先获取待评估航路网络节点所在空域M年的雷达数据,分析航空器的具体信息;然后确定待评估航路网络节点M年来各时段的交通量,剔除奇异值后,拟合确定待评估航路网络节点的年交通量与各个时段通过的航班次数之间的函数关系式;接着,获取全国主要机场对数年的OD流量,预测出所需预测年度全国主要机场对的OD需求,并计算出所需预测年度通过所述待评估航路网络节点的年交通量;最后,计算出所需预测年度所述待评估航路网络节点各个时段的交通量分布。本发明为预测各时段流量提供了数据支持,进而可以提前处理航线冲突、减少拥堵、提高航路网络利用率、减轻管制员负荷。
Description
技术领域
本发明涉及航路网络节点的空中交通量预测领域,尤其涉及一种航路网络节点时空流量的计算方法。
背景技术
起讫机场的空中交通OD量是指起讫机场之间的交通出行量;航路网络节点指的是航路交叉点,是连接航路网络中起讫机场的中间节点,也是飞行流量的传输点,它既不产生流量也不吸收流量,航路网络节点的空间位置可设计,具有提高航路利用率、避免过界航路、降低管制负荷等作用。
随着民航事业的发展、航空器数量增多,航段和航路网络节点都容易造成拥堵,通过分析航路网络节点各时段流量分布、确定航路日高峰小时流量,可以为计算航路网络节点的瓶颈时段流量提供数据支持,为航路网络科学地建设、提高我国未来空域系统容量提供科学依据。
以往流量分布主要集中于终端区流量的预测和分配,对航路网络节点流量分布的研究很少,目前还没有通过空中交通OD需求确定航路网络节点时空流量分布的方法。
发明内容
本发明所要解决的技术问题是针对背景技术的缺陷,提出一种通过空中交通OD需求确定航路网络节点时空流量分布的航路网络节点时空流量的计算方法。
本发明为解决上述技术问题采用以下技术方案:
一种航路网络节点时空流量的计算方法,包含以下步骤:
步骤1),获取待评估航路网络节点所在空域M年的雷达数据,M为大于等于5的整数;
步骤2),根据步骤1)中所取得的雷达数据,对于所述待评估航路网络节点中每架航空器,筛选出其所有的航班号、刷新时间以及地理位置信息;
步骤3),计算出M年中所述待评估航路网络节点每天各个时段通过的航班次数;
步骤4),对步骤3)计算得到的所有航班次数进行奇异值判别,并剔除奇异值;
步骤5),对于所述M年的每一年,分别拟合所述待评估航路网络节点各个时段通过的航班次数的分布曲线,并确定其对应的分布函数;
步骤6),对于所述M年的每一年,分别拟合确定所述待评估航路网络节点各个时段通过的航班次数的分布函数的函数系数与通过的总航班次数的函数关系;
步骤7),计算出所述待评估航路网络节点的年交通量与各个时段通过的航班次数之间函数关系式的函数系数,从而确定所述待评估航路网络节点的年交通量与各个时段通过的航班次数之间的函数关系式;
步骤8),获取近N年全国主要机场对的OD流量,N为大于等于7并且小于等于10的自然数;
步骤9),采用灰色组合模型预测出所需预测年度全国主要机场对的OD需求;
步骤10),根据所需预测年度全国主要机场对的OD需求,计算出所需预测年度通过所述待评估航路网络节点的年交通量;
步骤11),根据所述待评估航路网络节点的年交通量与各个时段通过的航班次数之间的函数关系式以及所需预测年度通过所述待评估航路网络节点的年交通量,计算出所需预测年度所述待评估航路网络节点各个时段的交通量分布。
作为本发明一种航路网络节点时空流量的计算方法进一步的优化方案,所述时段以15分钟为一个单位。
一天24小时,计有96个时段。0-15min是第一个时段,则M年中待评估航路网络节点各个时段通过的航班次数的数据有M*365*96个。
作为本发明一种航路网络节点时空流量的计算方法进一步的优化方案,步骤4)中所述奇异值判别的具体步骤如下:
步骤4.1),设置置信概率,并根据置信概率确定置信限;
步骤4.2),将每个航班次数与置信限进行比较,如果航班次数超出置信限,则认为其属于奇异值;如果航班次数没有超出置信限,则认为其不属于奇异值。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1.为评估未来日各时段流量提供了数据支持,管制员可以提前处理冲突,减少拥堵,提高航路网络利用率,减轻管制员负荷;
2.本发明确定日高峰小时流量,从而为计算航路网络节点的瓶颈时段流量提供数据支持,为提高我国未来空域系统容量提供科学依据。
附图说明
图1是本发明的方法流程图;
图2是统计M年来待评估航路网络节点在某时段交通量的方法流程图;
图3是确定待评估航路网络节点的年交通量与各个时段通过的航班次数之间的函数关系式的方法流程图;
图4是全国主要机场对OD需求预测流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
如图1所示,本发明公开了一种航路网络节点时空流量的计算方法,具体步骤如下:
步骤1),获取待评估航路网络节点所在空域的雷达数据,将此空域的雷达轨迹转存为计算机可识读的文件(.txt)。
首先利用《国内航空资料汇编》手册,走访全国各空域管制活动的区域管制中心、进近管制室、塔台管制室收集资料,在GIS(Geographic Information System,地理信息系统)的平台上采用C#语言开发TransCAD交通仿真软件,该交通仿真软件可以实现各种模型与算法,并建立航路网络优化效果评价指标集与评价方法,具备航路网络优化方案的仿真、评测与优化功能;根据航路网络节点、航段(包括平行航段)、节点构型(需满足航段连接夹角要求)、空中交通流量方向等要素,形成一个航路网络空域仿真环境。
然后,经该航路网络节点所在空域区管中心拷贝该空域M年的雷达数据,M∈[7,9],M为自然数,通过雷达模拟机的回放功能,将此空域M年的雷达轨迹(包括时间,航班号,二次雷达应答机代码、位置信息、地速和航向)转存为计算机可识读的文件(.txt)(以天为单位,存成M*365个文件)。
步骤2),利用C#编程,将步骤1)中的计算机可识读文件形成每架航空器的航班号、地理位置信息等。
分析某机场的航班计划与雷达轨迹的位置信息,利用C#编程,将步骤3中计算机可识读的文件形成每架航空器的具体信息,包括航班号,刷新时间t(4s刷新一次),x,y(以某机场为原点),高度h,地速,航向(共M*365个文件,每个文件是一天通过该空域的所有航空器信息)。
步骤3),根据每架航空器的具体信息,统计确定M年来该航路网络节点各个时段的日交通量。
本发明中的各个时段是以15min为单位,统计一天24小时,共96个时段,即统计确定该96个时段M年来的日交通量。如:0-15min是第一个时段,统计M年来该时段的日交通量(总共M*365个数据)。
步骤3.1),假设该航路网络节点的坐标为(x0,y0,z0)(该坐标以某机场坐标为原点坐标);设常数m=1,sma=0(m为时段,m=1、2、…、96,sma指m时段内第a天通过该航路网络节点的航班次数)。
步骤3.2),统计第m个时段(15min)的交通量,设常数a=1,b=1,c=1。
步骤3.3),读取一个文件,即得到一天通过该空域所有航空器的信息,通过航班号,获取每架航空器的的具体信息(tijk,xijk,yijk,zijk)(其中i为天数,i=1、2、…、M*365,此处i=a;j取决于一天通过该空域的航班量fa;k为一天的刷新次数,k=1、2、…、21600)。
注:一天内同一架航空器通过航路网络该节点的次数不一定唯一,防止遗漏,所以通过唯一的航班号获取每架航空器的具体信息。
步骤3.4),令j=b,获取的一天内每架航空器的具体信息(tajk,xajk,yajk,zajk)。
步骤3.5),令k=c,获取航空器每次刷新时的具体位置,首先判断该航空器是否存在刷新时间tabc(共21600个)在该时段内,若存在,则转到步骤3.6);不存在,则转到步骤3.7)。
步骤3.6),获取步骤3.4)中刷新时间对应的(tajk,xajk,yajk,zajk),计算 只要任意存在一个Δdabk≤2ε(k=1、2…)(若导航方式是RNAV-x,ε取决于导航方式中x的值),那么认为航空器在第m个时段经过该节点,sma=sma+1。
步骤3.7),若b<fa,则b=b+1,转入步骤3.4);否则,若a<M*365,则a=a+1,转入步骤3.3),反之,输出sma,转入步骤3.8)。
步骤3.8),若m<96,则m=m+1,转入步骤3.2);否则,转入步骤3.9)。
步骤3.9),得到该节点M年来每天各个时段的通过航班次数。
步骤4),整理步骤3)中的M年来日各时段的交通量,判别并剔除奇异值。
判别并剔除奇异值使用统计判别法,该方法是给定一个置信概率,并确定一个置信限,凡超过此限的误差,就认为它不属于随机误差范围,将其视为异常值剔除。分别对96个时段的数据进行分析,判别并剔除奇异值,下面以一个时段为例。
步骤4.1),整理步骤3)中该时段的数据xn(n=1、2…、M*365),由中心极限定理可知,当n充分大时,那么x近似服从正态分布。
步骤4.2),通过实验数据xn,计算其数学期望u;残差vi=xn-u;
标准差:
步骤4.3),由于实验数据总体xn是服从正态分布的,则有p(|xn-u|>3σ)≤0.003。
式中,u和σ分别表示总体的数学期望和标准差。此时,在实验数据中大于u+3σ或小于u-3σ数据的概率是很小的。因此,根据上式对大于u+3σ或小于u-3σ数据作为奇异值,予以剔除。
步骤5),利用SPSS数据统计处理软件,分别拟合M年该航路网络节点各时段交通量分布曲线,确定该航路网络节点各时间段的日交通量分布函数。
步骤5.1),利用已剔除奇异值的数据,分别作出M个时间与交通量的散点图。
步骤5.2),通过步骤5.1)散点图的形式,选择多个合适的函数进行曲线估计,系统给出每种模型的综合方差分析表,通过分析选择拟合优度最高的模型,并确定相应的函数φc(t)(c=1、2、…、M)(假设φc(t)中有系数βc1、βc2…βcp,p为φc(t)系数的个数)。
步骤5.3),拟合优度检验,即检验样本数据聚集在拟合曲线周围的密集程度。若不符合,则重新拟合。
步骤6),通过SPSS数据统计处理软件,拟合确定该航路网络节点年交通量分别与步骤5)中各时段流量分布函数所有系数的函数关系。
步骤6.1),通过统计步骤3)中该航路网络节点每天各个时段的通过航班次数,确定该航路网络节点年交通量sc(c=1、2、…、M)。
步骤6.2),分别拟合确定φc(t)中系数βc1、βc2…βcp与sc的函数关系。
以β1为例:
步骤6.2.1),建立回归模型:
β1=f1(s)+ε
在回归方程中,因变量β1称为被解释变量,自变量s被称为解释变量。
假设条件:E(ε)=0,Var(ε)=σ2,ε~N(0,σ2)
因此,有E(β1)=E(f1(s)),Var(β1)=Var(f1(s)),Var(β1)=Var(f1(s)),β1~(E(β1),Var(β1))
步骤6.2.2),利用最小二乘估计求解回归系数公式:
步骤6.2.3),拟合优度检验,符合,则得到与s的函数关系;若不符合,重新拟合。
步骤7),同理,得到β2、β3、…、βp与s的函数关系。那么,由已知该航路网络节点的年交通量,通过p个关系式,可确定φ(t)中p个系数。
确定该航路网络节点年交通量和每天各个时段的通过航班次数的函数关系式G(s,t)。
步骤8),获取近N年全国主要机场对OD流量,N∈[7,10],N为自然数,此处N取7。
获取途径有以下三种:
a),通过机场空管中心信息系统的航班运行数据获取;
b),通过中国民用航空局官方网站获取(http://www.caac.gov.cn/i1/K3);
c),通过中国民航出版社《从统计看民航》资料中获取;
通过上述任意一种途径获取到7年全国主要机场对OD流量。
步骤9),采用灰色组合模型预测出待评估时间年的全国主要机场对OD需求。
用步骤8)获得的数据(初始数据)的最前面5个数据建立GM(1,1)预测模型,接着增加一个新的原始数据,同时去掉最老的一个数据,即次5个数据,再建立GM(1,1)模型,然后采用后5个数据同理建立GM(1,1)模型。对已经建立的3个GM(1,1)模型组合进行预测,组合模型中的权重值采用最小二乘法估计取得。
该模型的预测过程如下:
步骤9.1),对原始序列x(k)进行弱化,形成初始序列x(0):
其中n即建立GM(1,1)预测模型采用的数据个数,这里n=5。
步骤9.2),利用前5个初始数据{x(0)(1),x(0)(2),x(0)(3),x(0)(4),x(0)(5)}序列、次5个初始数据{x(0)(2),x(0)(3),x(0)(4),x(0)(5),x(0)(6)}序列、后5个初始数据{x(0)(3),x(0)(4),x(0)(5),x(0)(6),x(0)(7)}序列分别建立GM(1,1)预测模型,设结果为:
式(2)~(4)中的a1、b1、a2、b2、a3、b3分别为GM(1,1)模型中的待识别参数。
令:
步骤9.3),建立组合预测模型:
步骤9.4),精度检验。若精度不符合要求,需要重新进行预测。
步骤10),根据步骤9)中预测的机场对OD需求,按照《我国境内国际民航班机飞行航线和飞行高度层配备规定》的要求,统计待评估年通过该航路网络节点的总流量。
将步骤9)中预测的机场对OD需求,按照《我国境内国际民航班机飞行航线和飞行高度层配备规定》规定,将OD需求分配到航路网络中,统计一年内过该航路网络节点的总流量s总。
步骤11),确定待评估年该航路网络节点日交通量分布。
利用待评估年过该航路网络节点的总流量s总和步骤7中确定的该航路网络节点各时段交通量的函数关系式G(s,t),从而确定待评估年该航路网络节点一天各时段交通量函数关系式G(s总,t),确定各个时段交通量。
Claims (3)
1. 一种航路网络节点时空流量的计算方法,其特征在于,包含以下步骤:
步骤1),获取待评估航路网络节点所在空域M年的雷达数据,M为大于等于5的整数;
步骤2),根据步骤1)中所取得的雷达数据,对于所述待评估航路网络节点中每架航空器,筛选出其所有的航班号、刷新时间以及地理位置信息;
步骤3),计算出M年中所述待评估航路网络节点每天各个时段通过的航班次数;
步骤4),对步骤3)计算得到的所有航班次数进行奇异值判别,并剔除奇异值;
步骤5),对于所述M年的每一年,分别拟合所述待评估航路网络节点各个时段通过的航班次数的分布曲线,并确定其对应的分布函数;
步骤6),对于所述M年的每一年,分别拟合确定所述待评估航路网络节点各个时段通过的航班次数的分布函数的函数系数与通过的总航班次数的函数关系;
步骤7),计算出所述待评估航路网络节点的年交通量与各个时段通过的航班次数之间函数关系式的函数系数,从而确定所述待评估航路网络节点的年交通量与各个时段通过的航班次数之间的函数关系式;
步骤8),获取近N年全国主要机场对的OD流量,N为大于等于7并且小于等于10的自然数;
步骤9),采用灰色组合模型预测出所需预测年度全国主要机场对的OD需求;
步骤10),根据所需预测年度全国主要机场对的OD需求,计算出所需预测年度通过所述待评估航路网络节点的年交通量;
步骤11),根据所述待评估航路网络节点的年交通量与各个时段通过的航班次数之间的函数关系式以及所需预测年度通过所述待评估航路网络节点的年交通量,计算出所需预测年度所述待评估航路网络节点各个时段的交通量分布。
2. 根据权利要求1所述的航路网络节点时空流量的计算方法,其特征在于,所述时段以15分钟为一个单位。
3. 根据权利要求1所述的航路网络节点时空流量的计算方法,其特征在于,步骤4)中所述奇异值判别的具体步骤如下:
步骤4.1),设置置信概率,并根据置信概率确定置信限;
步骤4.2),将每个航班次数与置信限进行比较,如果航班次数超出置信限,则认为其属于奇异值;如果航班次数没有超出置信限,则认为其不属于奇异值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410097836.8A CN103854518B (zh) | 2014-03-17 | 2014-03-17 | 一种航路网络节点时空流量的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410097836.8A CN103854518B (zh) | 2014-03-17 | 2014-03-17 | 一种航路网络节点时空流量的计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103854518A true CN103854518A (zh) | 2014-06-11 |
CN103854518B CN103854518B (zh) | 2015-12-09 |
Family
ID=50862118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410097836.8A Expired - Fee Related CN103854518B (zh) | 2014-03-17 | 2014-03-17 | 一种航路网络节点时空流量的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103854518B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105528647A (zh) * | 2015-11-25 | 2016-04-27 | 南京航空航天大学 | 基于大数据分析的机场概率交通需求预测方法 |
CN105679102A (zh) * | 2016-03-03 | 2016-06-15 | 南京航空航天大学 | 一种全国飞行流量时空分布预测推演系统及方法 |
CN107945510A (zh) * | 2017-11-14 | 2018-04-20 | 东南大学 | 一种考虑交通需求和道路网络运行效率的路段检测方法 |
CN108229057A (zh) * | 2018-01-31 | 2018-06-29 | 中国民航大学 | 空中立交桥架构设计方法 |
CN108683448A (zh) * | 2018-04-24 | 2018-10-19 | 中国民航大学 | 适用于航空网络的影响力节点识别方法及系统 |
CN109637197A (zh) * | 2019-01-21 | 2019-04-16 | 南京航空航天大学 | 基于概率密度的航路点繁忙等级分级方法 |
CN109637198A (zh) * | 2019-01-21 | 2019-04-16 | 南京航空航天大学 | 航路点繁忙等级分级装置 |
CN109637196A (zh) * | 2019-01-10 | 2019-04-16 | 南京航空航天大学 | 航路扇区交通概率密度预测方法 |
CN109887337A (zh) * | 2019-03-12 | 2019-06-14 | 武汉理工大学 | 一种基于内河航道拥堵辨识的测试器设置方法 |
CN109979244A (zh) * | 2017-12-28 | 2019-07-05 | 北京航空航天大学 | 异质飞行器空域拥堵的预测方法和装置 |
CN112071123A (zh) * | 2020-07-29 | 2020-12-11 | 南京航空航天大学 | 一种计算航路阻塞度的方法 |
CN112233461A (zh) * | 2020-10-10 | 2021-01-15 | 天津航大天元航空技术有限公司 | 基于航路运行特征的航路利用率评估方法 |
CN112349148A (zh) * | 2020-10-23 | 2021-02-09 | 民航数据通信有限责任公司 | 航空公司临时航路的频次处理装置及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000331300A (ja) * | 1999-05-24 | 2000-11-30 | Nec Software Kyushu Ltd | 航空交通流管理システム及び航空交通流管理方法 |
EP1243895A2 (en) * | 2001-03-19 | 2002-09-25 | Kabushiki Kaisha Toshiba | Navigation assisting system, flight-route calculating method, and navigation assisting method |
CN101950493A (zh) * | 2010-09-10 | 2011-01-19 | 四川大学 | 区域空中交通网络流量调度方法 |
EP2685441A1 (en) * | 2012-07-13 | 2014-01-15 | The Boeing Company | Generalized arrival planner |
-
2014
- 2014-03-17 CN CN201410097836.8A patent/CN103854518B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000331300A (ja) * | 1999-05-24 | 2000-11-30 | Nec Software Kyushu Ltd | 航空交通流管理システム及び航空交通流管理方法 |
EP1243895A2 (en) * | 2001-03-19 | 2002-09-25 | Kabushiki Kaisha Toshiba | Navigation assisting system, flight-route calculating method, and navigation assisting method |
CN101950493A (zh) * | 2010-09-10 | 2011-01-19 | 四川大学 | 区域空中交通网络流量调度方法 |
EP2685441A1 (en) * | 2012-07-13 | 2014-01-15 | The Boeing Company | Generalized arrival planner |
Non-Patent Citations (1)
Title |
---|
高海超: "航路流量优化与地面等待问题研究", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105528647A (zh) * | 2015-11-25 | 2016-04-27 | 南京航空航天大学 | 基于大数据分析的机场概率交通需求预测方法 |
CN105679102A (zh) * | 2016-03-03 | 2016-06-15 | 南京航空航天大学 | 一种全国飞行流量时空分布预测推演系统及方法 |
CN105679102B (zh) * | 2016-03-03 | 2018-03-27 | 南京航空航天大学 | 一种全国飞行流量时空分布预测推演系统及方法 |
CN107945510A (zh) * | 2017-11-14 | 2018-04-20 | 东南大学 | 一种考虑交通需求和道路网络运行效率的路段检测方法 |
CN109979244A (zh) * | 2017-12-28 | 2019-07-05 | 北京航空航天大学 | 异质飞行器空域拥堵的预测方法和装置 |
CN109979244B (zh) * | 2017-12-28 | 2020-07-17 | 北京航空航天大学 | 异质飞行器空域拥堵的预测方法和装置 |
CN108229057A (zh) * | 2018-01-31 | 2018-06-29 | 中国民航大学 | 空中立交桥架构设计方法 |
CN108229057B (zh) * | 2018-01-31 | 2021-06-01 | 中国民航大学 | 空中立交桥架构设计方法 |
CN108683448A (zh) * | 2018-04-24 | 2018-10-19 | 中国民航大学 | 适用于航空网络的影响力节点识别方法及系统 |
CN108683448B (zh) * | 2018-04-24 | 2020-10-09 | 中国民航大学 | 适用于航空网络的影响力节点识别方法及系统 |
CN109637196A (zh) * | 2019-01-10 | 2019-04-16 | 南京航空航天大学 | 航路扇区交通概率密度预测方法 |
CN109637198A (zh) * | 2019-01-21 | 2019-04-16 | 南京航空航天大学 | 航路点繁忙等级分级装置 |
CN109637197B (zh) * | 2019-01-21 | 2021-04-20 | 南京航空航天大学 | 基于概率密度的航路点繁忙等级分级方法 |
CN109637198B (zh) * | 2019-01-21 | 2021-04-23 | 南京航空航天大学 | 航路点繁忙等级分级装置 |
CN109637197A (zh) * | 2019-01-21 | 2019-04-16 | 南京航空航天大学 | 基于概率密度的航路点繁忙等级分级方法 |
CN109887337A (zh) * | 2019-03-12 | 2019-06-14 | 武汉理工大学 | 一种基于内河航道拥堵辨识的测试器设置方法 |
CN112071123A (zh) * | 2020-07-29 | 2020-12-11 | 南京航空航天大学 | 一种计算航路阻塞度的方法 |
CN112071123B (zh) * | 2020-07-29 | 2022-01-04 | 南京航空航天大学 | 一种计算航路阻塞度的方法 |
CN112233461A (zh) * | 2020-10-10 | 2021-01-15 | 天津航大天元航空技术有限公司 | 基于航路运行特征的航路利用率评估方法 |
CN112233461B (zh) * | 2020-10-10 | 2022-08-30 | 天津航大天元航空技术有限公司 | 基于航路运行特征的航路利用率评估方法 |
CN112349148A (zh) * | 2020-10-23 | 2021-02-09 | 民航数据通信有限责任公司 | 航空公司临时航路的频次处理装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103854518B (zh) | 2015-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103854518B (zh) | 一种航路网络节点时空流量的计算方法 | |
Li et al. | General models for estimating daily global solar radiation for different solar radiation zones in mainland China | |
CN110782093B (zh) | 融合ssae深度特征学习和lstm的pm2.5小时浓度预测方法及系统 | |
US20210133370A1 (en) | Optimizing Aircraft Flows at Airports Using Data Driven Predicted Capabilities | |
CN103090831B (zh) | 覆冰区域输电线路覆冰厚度的判断方法 | |
CN103530704A (zh) | 一种终端空域空中交通动态容量预测系统及其方法 | |
CN103632212A (zh) | 一种时变用户均衡动态网络演化客流预测系统和方法 | |
CN104899405A (zh) | 数据预测方法和系统以及报警方法和系统 | |
CN102243816B (zh) | 一种机场空域最大纵向飞行冲突风险计算方法 | |
CN105303253B (zh) | 一种基于csso和多精度优化模型的多学科可靠性设计优化方法 | |
CN111985701A (zh) | 一种基于供电企业大数据模型库的用电预测方法 | |
CN105974495A (zh) | 利用分类拟合法预判目标区域未来平均云量的方法 | |
Avery et al. | Data-driven modeling and prediction of the process for selecting runway configurations | |
CN110210648A (zh) | 基于灰色长短期记忆网络的管制空域战略流量预测方法 | |
Ramanujam et al. | Estimation of arrival-departure capacity tradeoffs in multi-airport systems | |
CN102999667A (zh) | 一种基于模糊回归的机场噪声预测方法及其系统 | |
CN106779222A (zh) | 机场地面等待时间预测方法及装置 | |
Mudigonda et al. | Robust calibration of macroscopic traffic simulation models using stochastic collocation | |
Li et al. | Research on the method of traffic organization and optimization based on dynamic traffic flow model | |
CN112215416A (zh) | 智能规划巡检航线系统及方法 | |
CN103020733A (zh) | 一种基于权重的机场单航班噪声预测方法及其系统 | |
CN108154259B (zh) | 热泵的负荷预测方法及装置、存储介质、处理器 | |
CN111985119B (zh) | 基于HarmonySE和CBAM的架构权衡分析方法 | |
CN103218516A (zh) | 一种聚类再回归的机场噪声单步预测方法 | |
CN103115598B (zh) | 电网覆冰区域分布的测绘方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151209 Termination date: 20170317 |
|
CF01 | Termination of patent right due to non-payment of annual fee |