CN106251707B - 机场场面拥堵等级动态划分方法 - Google Patents
机场场面拥堵等级动态划分方法 Download PDFInfo
- Publication number
- CN106251707B CN106251707B CN201610680024.5A CN201610680024A CN106251707B CN 106251707 B CN106251707 B CN 106251707B CN 201610680024 A CN201610680024 A CN 201610680024A CN 106251707 B CN106251707 B CN 106251707B
- Authority
- CN
- China
- Prior art keywords
- congestion
- scene
- aircraft
- timeslice
- cluster
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000000638 solvent extraction Methods 0.000 title claims abstract description 9
- 230000000007 visual effect Effects 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 230000000694 effects Effects 0.000 claims abstract description 14
- 238000007726 management method Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 19
- 238000007417 hierarchical cluster analysis Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 238000013468 resource allocation Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 abstract description 3
- 238000011161 development Methods 0.000 abstract description 3
- 230000003321 amplification Effects 0.000 description 13
- 238000003199 nucleic acid amplification method Methods 0.000 description 13
- 239000000523 sample Substances 0.000 description 5
- 238000012512 characterization method Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0043—Traffic management of multiple aircrafts from the ground
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种机场场面拥堵等级动态划分方法。通过综合分析机场场面拥堵活动影响因素，从微观视角和宏观视角提炼机场场面拥堵指标，对机场场面拥堵等级进行动态划分，以机场在任意运行时段内的每一架航空器和每一个时间片为管理对象，对机场场面拥堵等级进行精细化的动态划分，并确定各类场面拥堵等级对应的关键指标临界值，对于科学把握机场场面拥堵行为特征与演变规律，明确不同场面拥堵程度下各类拥堵要素的具体定量表征等具有重要意义。本发明实现了实时运行层面对机场场面拥堵等级的精细化动态划分，有效解决了机场场面拥堵等级管理粗放和难以量化的技术难题。
Description
技术领域：
本发明涉及一种机场场面拥堵管理方法，尤其涉及一种机场场面拥堵等级动态划分方法，属于机场飞行区运行管控领域。
背景技术：
机场作为航空运输网络的关键节点以及航空器运行活动的起点、终点和经停点，其场面拥堵状况对空中交通运行效率将产生重要影响。随着机场场面网络不断庞大、飞行流量愈发密集以及管理模式日趋多元，高频次的机场拥堵和场面冲突问题已成为制约航空运输机场安全、高效和顺畅运行的关键瓶颈。如何准确识别机场场面拥堵关键影响因素，对机场航空器场面拥堵以及整个场面运行拥堵进行动态评估与等级划分，并确定各类拥堵等级对应的拥堵指标临界值，已成为精细化管理机场场面拥堵活动的必然需求。
机场场面拥堵管理的技术成果当前主要集中于场面运行冲突探测与解脱、运行资源配置、机场拥堵定价等方面，但仍缺乏对场面拥堵等级的精细化动态划分技术成果。在高度复杂、随机和动态的机场运行环境中，由于在实时运行层面无法对场面拥堵行为进行定量分析与精细管理，空中交通管理人员和机场运行指挥人员难以准确和快速地把握机场场面拥堵状况，进而导致所制定的机场运行资源配置方案和空中交通调配措施的实施效果不能有效满足场面拥堵消散和航空器运行冲突解脱的现实需求。
目前，国内外在机场场面拥堵等级动态划分方面的技术成果非常少，仍存在一定的领域空白。因此，亟需从多个视角对机场场面拥堵活动进行全面审视，准确提炼场面拥堵活动影响要素，并采用科学的拥堵管理方法，对机场场面拥堵等级进行精细化的动态划分，这对于科学把握机场场面拥堵行为特征与演变规律，明确各类场面拥堵等级的关键指标量化值，提升机场场面拥堵精细化管理能力等具有重要意义。
发明内容：
本发明所要解决的技术问题在于克服现有技术的不足，提供一种机场场面拥堵等级动态划分方法，分别从微观视角和宏观视角审视机场场面拥堵活动，科学把握机场场面拥堵行为特征与演变规律，明确各类场面拥堵等级的关键指标量化值，满足机场实时运行层面对场面拥堵活动的精细化管理需求。
本发明综合分析机场场面拥堵活动影响因素，从微观视角和宏观视角提炼机场场面拥堵指标，对机场场面拥堵等级进行动态划分，以机场在任意运行时段内的每一架航空器和每一个时间片为管理对象，对机场场面活动的拥堵等级进行精细化的动态划分，并确定各类场面拥堵等级对应的关键指标临界值。实现此方法的技术方案如下：
步骤一：分析机场场面拥堵环境的各类动静态影响因素，分别从机场物理布局、跑道运行模式、场面资源分配、机场运行时段、流量管理措施等方面，对航空器滑行过程所处的拥堵环境进行综合分析，深入剖析各类动静态因素对航空器场面滑行过程的具体影响；考虑到场面滑行时间是反映机场场面拥堵环境的重要表征，也是机场场面拥堵管理的关键参数，因此重点分析各类影响因素对航空器场面滑行时间的影响。
步骤二：从微观和宏观视角对机场场面拥堵管理视角进行多角度划分，具体包括以下子步骤：
(2.1)根据不同的场面拥堵管理需求，从多个视角审视机场场面运行活动，将机场场面拥堵等级动态划分视角分为微观视角和宏观视角两类；
(2.2)在微观视角下，对每一架航空器在推出或着陆时刻的场面拥堵等级进行动态划分；
(2.3)在宏观视角下，对每一个时间片的场面拥堵等级进行动态划分。
步骤三：系统性提炼机场场面拥堵关键指标，构建层次聚类分析所需的原子簇，具体包括以下子步骤：
(3.1)系统性提炼机场场面拥堵微观指标，包括航空器对应的滑行时间、瞬时流量、累计流量、起降队列、时隙需求五类指标，而每一类微观指标根据进场和离场两种活动类型又可细分为两个具体指标，基于各类微观拥堵指标构建层次聚类分析所需的微观原子簇；
(3.2)系统性提炼机场场面拥堵宏观指标，包括时间片对应的平均滑行时间、起止瞬时流量、时段累计流量、跑道起降架次、机位使用需求五类指标，而每一类宏观指标根据进场和离场两种活动类型亦可细分为两个具体指标，基于各类宏观拥堵指标构建层次聚类分析所需的宏观原子簇。
步骤四：确定机场场面拥堵等级数量，生成精细化的机场场面拥堵等级动态划分方案，具体包括以下子步骤：
(4.1)采用凝聚式层次聚类方法，通过由多到一的自底向上策略，在微观和宏观视角分别以每一架航空器和每一个时间片为个体，每个航空器/时间片个体作为一个原子簇自成一类，然后根据亲疏程度对原子簇进行合并形成航空器/时间片集合小类，继而对航空器/时间片原子簇与集合小类进行合并形成更大的航空器/时间片集合类，重复上述过程直至将所有航空器/时间片个体聚为一个最大的类；在对场面拥堵进行层次聚类时，亲疏程度度量规则如下：
航空器/时间片个体与个体之间的距离主要采用平方欧式距离进行度量，计算公式为：
航空器/时间片个体与集合小类之间的距离、航空器/时间片集合小类与集合小类之间的距离主要采用组间平均锁链距离进行度量，基本的计算公式为：
其中，x1,x2,…,xn，y1,y2,…,yn，z1,z2,…,zn分别为航空器/时间片个体x，y和z对应的各类拥堵指标；(y,z)为航空器/时间片个体y和z组成的集合小类；
(4.2)计算微观拥堵层次聚类和宏观拥堵层次聚类对应的凝聚状态，状态参数包括层次聚类分析当前执行的步数编号、聚成一类的两个对象编号、参与聚类的两个对象之间的聚类系数、参与聚类的两个对象标识、后续参与进一步聚类的步数编号等；其中，聚类系数是指参与聚类的两个对象之间的距离；对于层次聚类对象的标识，“0”代表当前参与层次聚类的是航空器/时间片个体，非“0”代表当前参与层次聚类的是航空器/时间片集合小类；
(4.3)分析微观拥堵层次聚类和宏观拥堵层次聚类过程中聚类系数的变化情况，根据聚类系数的骤增情况确定场面拥堵等级的划分数量；
(4.4)根据微观拥堵层次聚类，生成精细化的机场场面微观拥堵等级动态划分方案，建立不同微观拥堵等级包含的航空器集合；根据宏观拥堵层次聚类，生成精细化的机场场面宏观拥堵等级动态划分方案，建立不同宏观拥堵等级包含的时间片集合。
步骤五：确定各类场面拥堵等级对应的关键指标临界值，具体包括以下子步骤：
(5.1)对于微观拥堵等级划分，根据航空器对应的滑行时间、瞬时流量、累计流量、起降队列、时隙需求五类微观拥堵指标之间的相关性分析结果及其对场面微观拥堵活动的影响程度，选取最关键的场面微观拥堵指标，并计算不同微观拥堵等级对应的关键指标临界值；
(5.2)对于宏观拥堵等级划分，根据时间片对应的平均滑行时间、起止瞬时流量、时段累计流量、跑道起降架次、机位使用需求五类宏观拥堵指标之间的相关性分析结果及其对场面宏观拥堵活动的影响程度，选取最关键的场面宏观拥堵指标，并计算不同宏观拥堵等级对应的关键指标临界值。
本发明提出的机场场面拥堵等级动态划分方法，可从微观层面对任意一架航空器推出或着陆时刻的场面拥堵等级进行动态划分，亦可从宏观层面对任意一个时间片的场面拥堵等级进行动态划分，提升了机场在实时运行层面对场面拥堵活动的精细化管理能力，有效解决了机场场面拥堵等级管理粗放和难以量化的技术难题。
附图说明：
图1为机场场面拥堵等级动态划分方法的核心原理图。
图2为机场物理布局对航空器场面滑行时间的影响分析。
图3为场面资源分配对航空器场面滑行时间的影响分析。
图4为微观拥堵层次聚类对应的个体或小类间距随聚类步数的变化情况。
图5为宏观拥堵层次聚类对应的个体或小类间距随聚类步数的变化情况。
图6为各类微观拥堵等级对应的关键拥堵指标临界值分布情况。
图7为各类宏观拥堵等级对应的关键拥堵指标临界值分布情况。
具体实施方式：
为了使本发明的目的、技术方案及优点更加清楚，以下结合7个附图与计算实例，对本发明进行进一步的详细说明，应当理解，此处所描述的实例仅用于解释本发明的核心原理，但是并不用于限定本发明。
图1为机场场面拥堵等级动态划分方法的核心原理，对机场场面拥堵等级精细化管理的执行流程进行了总体描述。
选取某一航空运输机场，执行场面拥堵等级动态划分过程，计算实例如下：
步骤一：分析机场场面拥堵环境的各类动静态影响因素，分别从机场物理布局、跑道运行模式、场面资源分配、机场运行时段、流量管理措施等方面，对航空器滑行过程所处的拥堵环境进行综合分析，深入剖析各类动静态因素对航空器场面滑行过程的具体影响；以场面滑行时间作为机场场面拥堵程度的直接表征对象，图2给出了离场航空器分别从停机坪NR.1～NR.8至跑道RWY-1/RWY-2之间的平均场面滑行时间，可以看出：由于机场跑道、滑行道、停机坪等飞行区资源物理布局的原因，离场航空器从停机坪NR.1～NR.8推出至跑道RWY-1/RWY-2滑跑起飞之间的场面滑行时间存在显著差异，且滑行环境的动态随机变化导致航空器在固定区域之间的滑行时间存在6.5～10.9分钟的随机波动；图3给出了不同停机位分配方案下离场航空器的平均场面滑行时间分布情况，可以看出：在不同的停机位分配方案下，离场航空器的场面滑行时间存在一定波动，但停机位使用频次高低对航空器滑行时间的影响程度却不明显。
步骤二：从微观和宏观视角对机场场面拥堵管理视角进行多角度划分，具体包括以下子步骤：(2.1)根据不同的场面拥堵管理需求，从多个视角审视机场场面运行活动，将机场场面拥堵等级动态划分视角分为微观视角和宏观视角两类；(2.2)在微观视角下，对每一架航空器在推出或着陆时刻的场面拥堵等级进行动态划分，样本选取某典型日早高峰时段06:00～08:00内的离场航班运行数据，研究时段共有68架离场航空器；(2.3)在宏观视角下，对每一个时间片的场面拥堵等级进行动态划分，样本选取同一典型日00:00～16:00的进离场航班运行数据，将单个时间片的长度设置为15分钟，研究时段共可划分为64个时间片。
步骤三：系统性提炼机场场面拥堵关键指标，构建层次聚类分析所需的原子簇，子步骤如下：(3.1)系统性提炼机场场面拥堵微观指标，包括航空器对应的滑行时间、瞬时流量、累计流量、起降队列、时隙需求五类指标，而每一类微观指标根据进场和离场两种活动类型又可细分为两个具体指标，基于各类微观拥堵指标构建层次聚类分析所需的微观原子簇；(3.2)系统性提炼机场场面拥堵宏观指标，包括时间片对应的平均滑行时间、起止瞬时流量、时段累计流量、跑道起降架次、机位使用需求五类指标，而每一类宏观指标根据进场和离场两种活动类型亦可细分为两个具体指标，基于各类宏观拥堵指标构建层次聚类分析所需的宏观原子簇。
步骤四：确定机场场面拥堵等级数量，生成精细化的机场场面拥堵等级动态划分方案，子步骤如下：
(4.1)采用凝聚式层次聚类方法，通过由多到一的自底向上策略，在微观和宏观视角分别以每一架航空器和每一个时间片为个体，每个航空器/时间片个体作为一个原子簇自成一类，然后根据亲疏程度对原子簇进行合并形成航空器/时间片集合小类，继而对航空器/时间片原子簇与集合小类进行合并形成更大的航空器/时间片集合类，重复上述过程直至将所有航空器/时间片个体聚为一个最大的类；在对场面拥堵进行层次聚类时，亲疏程度度量规则如下：航空器/时间片个体与个体之间的距离主要采用平方欧式距离进行度量，计算公式为：航空器/时间片个体与集合小类之间的距离、航空器/时间片集合小类与集合小类之间的距离主要采用组间平均锁链距离进行度量，基本的计算公式为：其中，x1,x2,…,xn，y1,y2,…,yn，z1,z2,…,zn分别为航空器/时间片个体x，y和z对应的各类拥堵指标；(y,z)为航空器/时间片个体y和z组成的集合小类。
(4.2)计算微观拥堵层次聚类和宏观拥堵层次聚类对应的凝聚状态，结果分别如表1和表2所示：
表1
表2
状态参数包括层次聚类分析当前执行的步数编号、聚成一类的两个对象编号、参与聚类的两个对象之间的聚类系数、参与聚类的两个对象标识、后续参与进一步聚类的步数编号等；其中，聚类系数是指参与聚类的两个对象之间的距离；对于层次聚类对象的标识，“0”代表当前参与层次聚类的是航空器/时间片个体，非“0”代表当前参与层次聚类的是航空器/时间片集合小类。
(4.3)分析微观拥堵层次聚类和宏观拥堵层次聚类过程中聚类系数的变化情况，图4和图5分别为两种视角对应的个体或小类间距随聚类步数的变化情况，根据聚类系数的骤增情况确定场面拥堵等级的划分数量。
在微观拥堵层次聚类条件下，由图4可以看出：在前64步聚类过程中，个体或小类之间的距离增幅较小，最小增幅为0.001，最大增幅为1.20，平均增幅为0.16；在第65步聚类过程中，个体与小类之间的距离为14.81，相比第64步聚类的距离增幅为4.68；在第66步聚类过程中，小类与小类之间的距离为17.08，相比第65步聚类的距离增幅为2.27；在第67步聚类过程中，个体与小类之间的距离为95.35，相比第66步聚类的距离增幅为78.27；由于微观拥堵层次聚类过程在第64步与第65步之间出现聚类系数骤增的情况，因此机场场面微观拥堵聚类分析过程可在第64步完成，最终将68个航空器样本聚为4类，也就是可以将机场场面微观拥堵程度划分为4个等级。
在宏观拥堵层次聚类条件下，由图5可以看出：在前61步聚类过程中，个体或小类之间的距离增幅较小，最小增幅为0.013，最大增幅为2.264，平均增幅为0.322；在第62步聚类过程中，小类与小类之间的距离为33.847，相比第61步聚类的距离增幅为13.594；在第63步聚类过程中，个体与小类之间的距离为87.313，相比第62步聚类的距离增幅为53.466；由于宏观拥堵层次聚类过程在第61步与第62步之间出现聚类系数骤增的情况，因此机场场面宏观拥堵聚类分析过程可在第61步完成，最终将64个时间片样本聚为3类，也就是可以将机场场面宏观拥堵程度划分为3个等级。
(4.4)根据微观拥堵层次聚类，生成精细化的机场场面微观拥堵等级动态划分方案，建立不同微观拥堵等级包含的航空器集合；根据宏观拥堵层次聚类，生成精细化的机场场面宏观拥堵等级动态划分方案，建立不同宏观拥堵等级包含的时间片集合。
在机场场面微观拥堵等级动态划分条件下，按照样本聚类先后顺序进行排列，微观拥堵程度由低到高的四级划分方案为：
Ⅰ级微观拥堵：{CSN3095,CCA919,CCA857,CSH829,CES5611,…,CCA4504,CSN477,CSH855,CSN6529,DKH1175}，共包含40架航空器；
Ⅱ级微观拥堵：{CES5087,CQH8857,CES5609,CSH827,CES5629,…,CSN6524,DKH1161,CSH9125,RBA614,CQH8869}，共包含26架航空器；
Ⅲ级微观拥堵：{CKK221}，共包含1架航空器；
Ⅳ级微观拥堵：{SIA831}，共包含1架航空器。
在机场场面宏观拥堵等级动态划分条件下，按照样本聚类先后顺序进行排列，宏观拥堵程度由低到高的三级划分方案为：
Ⅰ级宏观拥堵：{00:00-00:15}，共包含1个时间片；
Ⅱ级宏观拥堵：{00:15-00:30,00:30-00:45,00:45-01:00}，共包含3个时间片；
Ⅲ级宏观拥堵：{11:15-11:30,13:15-13:30,11:00-11:15,11:45-12:00,12:15-12:30,…,08:15-08:30,01:00-01:15,04:30-04:45,07:30-07:45,09:30-09:45}，共包含60个时间片。
步骤五：确定各类场面拥堵等级对应的关键指标临界值，具体包括以下子步骤：
(5.1)对于微观拥堵等级划分，根据航空器对应的滑行时间、瞬时流量、累计流量、起降队列、时隙需求五类微观拥堵指标之间的相关性分析结果及其对场面微观拥堵活动的影响程度，选取最关键的场面微观拥堵指标，并计算不同微观拥堵等级对应的关键指标临界值，图6为各类微观拥堵等级对应的关键拥堵指标临界值分布情况，可以看出：对于每一架航空器而言，随着其离场累计流量、进场累计流量、起飞队列长度和降落队列长度的不断增加，离场滑行时间亦随之呈增长趋势，进而引发机场场面微观拥堵程度由低等级向高等级逐渐跃迁。
(5.2)对于宏观拥堵等级划分，根据时间片对应的平均滑行时间、起止瞬时流量、时段累计流量、跑道起降架次、机位使用需求五类宏观拥堵指标之间的相关性分析结果及其对场面宏观拥堵活动的影响程度，选取最关键的场面宏观拥堵指标，并计算不同宏观拥堵等级对应的关键指标临界值，图7为各类宏观拥堵等级对应的关键拥堵指标临界值分布情况，可以看出：对于每一个时间片而言，随着进场滑行时间均值、起始时刻瞬时流量、终止时刻瞬时流量、时段累计进场流量、跑道降落服务架次和机位进场需求数量的不断增加，机场场面宏观拥堵程度由低等级向高等级不断跃迁。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以作出若干改进，这些改进也应视为本发明的保护范围。
Claims (2)
1.一种机场场面拥堵等级动态划分方法，通过综合分析机场航空器滑行环境及影响场面拥堵活动的各类动静态因素，分别从微观视角和宏观视角对机场场面拥堵活动进行综合审视，以机场在任意运行时段内的每一架航空器和每一个时间片为管理对象，提炼客观反映机场场面拥堵程度的关键指标，采用层次聚类分析方法对机场场面活动的拥堵等级进行精细化的动态划分，并确定各类场面拥堵等级对应的关键指标临界值，其特征在于：具体包括以下步骤
步骤一：分析机场场面拥堵环境的各类动静态影响因素；
步骤二：从微观和宏观视角对机场场面拥堵管理视角进行多角度划分；
步骤三：系统性提炼机场场面拥堵关键指标，构建层次聚类分析所需的原子簇；
步骤四：确定机场场面拥堵等级数量，生成精细化的机场场面拥堵等级动态划分方案；
步骤五：确定各类场面拥堵等级对应的关键指标临界值；
所述步骤一分别从机场物理布局、跑道运行模式、场面资源分配、机场运行时段、流量管理措施方面，对航空器滑行过程所处的拥堵环境进行综合分析，深入剖析各类动静态因素对航空器场面滑行过程的具体影响；
所述步骤二具体包括以下子步骤
(2.1)根据不同的场面拥堵管理需求，从多个视角审视机场场面运行活动，将机场场面拥堵等级动态划分视角分为微观视角和宏观视角两类；
(2.2)在微观视角下，对每一架航空器在推出或着陆时刻的场面拥堵等级进行动态划分；
(2.3)在宏观视角下，对每一个时间片的场面拥堵等级进行动态划分；
所述步骤三具体包括以下子步骤
(3.1)系统性提炼机场场面拥堵微观指标，包括航空器对应的滑行时间、瞬时流量、累计流量、起降队列、时隙需求五类指标，而每一类微观指标根据进场和离场两种活动类型又可细分为两个具体指标，基于各类微观拥堵指标构建层次聚类分析所需的微观原子簇；
(3.2)系统性提炼机场场面拥堵宏观指标，包括时间片对应的平均滑行时间、起止瞬时流量、时段累计流量、跑道起降架次、机位使用需求五类指标，而每一类宏观指标根据进场和离场两种活动类型亦可细分为两个具体指标，基于各类宏观拥堵指标构建层次聚类分析所需的宏观原子簇；
所述步骤四具体包括以下子步骤
(4.1)采用凝聚式层次聚类方法，通过由多到一的自底向上策略，在微观和宏观视角分别以每一架航空器和每一个时间片为个体，每个航空器/时间片个体作为一个原子簇自成一类，然后根据亲疏程度对原子簇进行合并形成航空器/时间片集合小类，继而对航空器/时间片原子簇与集合小类进行合并形成更大的航空器/时间片集合类，重复上述过程直至将所有航空器/时间片个体聚为一个最大的类，在对场面拥堵进行层次聚类时，亲疏程度度量规则如下：
航空器/时间片个体与个体之间的距离主要采用平方欧式距离进行度量，计算公式为：
航空器/时间片个体与集合小类之间的距离、航空器/时间片集合小类与集合小类之间的距离主要采用组间平均锁链距离进行度量，基本的计算公式为：
其中，x1,x2,…,xn，y1,y2,…,yn，z1,z2,…,zn分别为航空器/时间片个体x，y和z对应的各类拥堵指标，(y,z)为航空器/时间片个体y和z组成的集合小类；
(4.2)计算微观拥堵层次聚类和宏观拥堵层次聚类对应的凝聚状态，状态参数包括层次聚类分析当前执行的步数编号、聚成一类的两个对象编号、参与聚类的两个对象之间的聚类系数、参与聚类的两个对象标识、后续参与进一步聚类的步数编号等；其中，聚类系数是指参与聚类的两个对象之间的距离；对于层次聚类对象的标识，“0”代表当前参与层次聚类的是航空器/时间片个体，非“0”代表当前参与层次聚类的是航空器/时间片集合小类；
(4.3)分析微观拥堵层次聚类和宏观拥堵层次聚类过程中聚类系数的变化情况，根据聚类系数的骤增情况确定场面拥堵等级的划分数量；
(4.4)根据微观拥堵层次聚类，生成精细化的机场场面微观拥堵等级动态划分方案，建立不同微观拥堵等级包含的航空器集合；根据宏观拥堵层次聚类，生成精细化的机场场面宏观拥堵等级动态划分方案，建立不同宏观拥堵等级包含的时间片集合。
2.如权利要求1所述的机场场面拥堵等级动态划分方法，其特征在于:所述步骤五具体包括以下子步骤
(5.1)对于微观拥堵等级划分，根据航空器对应的滑行时间、瞬时流量、累计流量、起降队列、时隙需求五类微观拥堵指标之间的相关性分析结果及其对场面微观拥堵活动的影响程度，选取最关键的场面微观拥堵指标，并计算不同微观拥堵等级对应的关键指标临界值；
(5.2)对于宏观拥堵等级划分，根据时间片对应的平均滑行时间、起止瞬时流量、时段累计流量、跑道起降架次、机位使用需求五类宏观拥堵指标之间的相关性分析结果及其对场面宏观拥堵活动的影响程度，选取最关键的场面宏观拥堵指标，并计算不同宏观拥堵等级对应的关键指标临界值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610680024.5A CN106251707B (zh) | 2016-08-16 | 2016-08-16 | 机场场面拥堵等级动态划分方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610680024.5A CN106251707B (zh) | 2016-08-16 | 2016-08-16 | 机场场面拥堵等级动态划分方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106251707A CN106251707A (zh) | 2016-12-21 |
| CN106251707B true CN106251707B (zh) | 2018-12-07 |
Family
ID=57592303
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610680024.5A Active CN106251707B (zh) | 2016-08-16 | 2016-08-16 | 机场场面拥堵等级动态划分方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106251707B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107436974A (zh) * | 2017-07-19 | 2017-12-05 | 南京航空航天大学 | 一种面向大气环境影响的机场飞行区布局规划方法 |
| CN107391839A (zh) * | 2017-07-19 | 2017-11-24 | 南京航空航天大学 | 一种降低大气环境影响的机场单跑道方位选择方法 |
| CN110991913B (zh) * | 2019-12-09 | 2023-04-07 | 南京航空航天大学 | 繁忙机场高峰时间拥堵风险分析方法 |
| CN111080110B (zh) * | 2019-12-09 | 2023-06-20 | 南京航空航天大学 | 机场拥堵风险分析系统 |
| CN117933541A (zh) * | 2024-01-23 | 2024-04-26 | 中国民航科学技术研究院 | 基于多粒度和多尺度的机场滑行运行拥堵状态评估方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8234068B1 (en) * | 2009-01-15 | 2012-07-31 | Rockwell Collins, Inc. | System, module, and method of constructing a flight path used by an avionics system |
| CN103218681A (zh) * | 2013-03-19 | 2013-07-24 | 天津市市政工程设计研究院 | 航空枢纽应急管控方法 |
| CN105574665A (zh) * | 2015-12-14 | 2016-05-11 | 中国民航大学 | 适用于枢纽机场的航班时刻资源配置及优化方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103310661B (zh) * | 2013-05-22 | 2015-07-22 | 中国民用航空飞行学院 | 机场场面路网模型及机场场面冲突检测临界告警算法 |
| CN105355092B (zh) * | 2015-12-03 | 2017-12-22 | 上海民航华东空管工程技术有限公司 | 一种航班流量预控制方法 |
-
2016
- 2016-08-16 CN CN201610680024.5A patent/CN106251707B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8234068B1 (en) * | 2009-01-15 | 2012-07-31 | Rockwell Collins, Inc. | System, module, and method of constructing a flight path used by an avionics system |
| CN103218681A (zh) * | 2013-03-19 | 2013-07-24 | 天津市市政工程设计研究院 | 航空枢纽应急管控方法 |
| CN105574665A (zh) * | 2015-12-14 | 2016-05-11 | 中国民航大学 | 适用于枢纽机场的航班时刻资源配置及优化方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于聚类神经网络的机场拥挤等级预测;李善梅;《计算机工程与应用》;20131231;第254-257页 * |
| 空中交通拥挤的识别与预测方法研究;李善梅;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20150515;第3,41-77,80-86页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106251707A (zh) | 2016-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106251707B (zh) | 机场场面拥堵等级动态划分方法 | |
| CN102855778B (zh) | 一种基于复杂度评估的空域扇区分类方法 | |
| CN107767011B (zh) | 一种轨道车站行人特性采集系统和服务水平动态评价方法 | |
| CN103473469A (zh) | 一种基于客观指标的扇区交通态势多层次模糊评价方法 | |
| Chen et al. | Planning aircraft taxiing trajectories via a multi-ojective immune optimisation | |
| CN102243816B (zh) | 一种机场空域最大纵向飞行冲突风险计算方法 | |
| CN111581780A (zh) | 复杂空域场景下机场群空域仿真建模与验证方法及装置 | |
| CN103456163A (zh) | 城市快速路互通立交通行能力和运行状态判别方法与系统 | |
| CN113610282A (zh) | 航班滑行时间预测方法 | |
| CN106327867B (zh) | 一种基于gps数据的公交准点预测方法 | |
| CN106157699B (zh) | 高密度机场飞行区航空器滑行态势感知方法 | |
| Mirmohammadsadeghi et al. | Enhancements to the runway capacity simulation model using the asde-x data for estimating airports throughput under various wake separation systems | |
| Mirmohammadsadeghi et al. | Prediction of runway occupancy time and runway exit distance with feedforward neural networks | |
| CN117133158A (zh) | 一种协同运行下的机场群交通流战略冲突告警方法 | |
| Chao et al. | Simulation study on airfield system capacity analysis using SIMMOD | |
| CN106297415A (zh) | 飞行区运行态势评估方法 | |
| Cetek et al. | Simulation modelling of runway capacity for flight training airports | |
| CN114783212A (zh) | 一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法 | |
| CN110263962A (zh) | 终端区进场态势预测方法 | |
| Liu et al. | Defining highway node acceptance capacity (HNAC): Theoretical analysis and data simulation | |
| CN113722910B (zh) | 一种面向机场终端区的宏观仿真方法 | |
| CN114299763A (zh) | 一种流量管理措施全生命周期建立方法 | |
| Smetanová | Evaluation of arrival sequencing at arlanda airport | |
| Liang et al. | Probability model of driver’s choice behavior in toll plaza | |
| Mirmohammadsadeghi et al. | Enhancements to the runway exit design interactive model using a hybrid simulation approach for estimating runway occupancy times at airports |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |