CN106599435A - 一种机场日通行能力确定方法及装置 - Google Patents

Abstract

本发明提供一种机场日通行能力确定方法及装置。其中所述方法包括：获取多个单日航班计划数量；采用机场运行仿真软件模拟仿真各所述单日航班计划数量下机场的运行情况，根据仿真结果获得与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标；以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，采用DS证据理论确定所述识别框架中的一个所述单日航班计划数量为所述机场的机场最大日通行能力值。相较于现有技术，本发明具有全面性更强、更能反映实际运行情况、估计准确性较高、计算量少和效率较高的优点。

Description

一种机场日通行能力确定方法及装置

技术领域

本发明涉及机场管控技术领域，具体涉及一种机场日通行能力确定方法及装置。

背景技术

随着当前空中交通流量的日渐加大，航班延误时有发生。机场日通行能力的确定对合理的进行中长期空域规划和大范围流量调度，对从系统层面尽量减少延误有着重要意义。

机场通行能力确定方法目前主要有四大类：基于空间结构模型、基于管制员负荷计算、基于历史数据统计与预测、以及基于计算机仿真模拟。前两类方法根据特定空域结构特性、空域内航空器的运行特性、管制员的管制特点等建立数学模型，以计算空域通行能力，比较适合于短期特定情况，不适合用于计算机场日通行能力。第三种方法需要以海量数据为基础，且需要保证数据的准确度，其所需要的计算设备硬件要求较高，计算时间也较长，从现实可实现性与成本角度分析具有相当大的局限性。第四类方法通过仿真模拟的方式，观察空域运行情况，可以直接的对通行能力进行评估。但是，已有的这类方法多是先在仿真环境中将机场运行规则设为最大限制值并默认在这种设置下可以得到最大日通行量，之后则直接从仿真环境中以计数方式获得通行能力值。这种方式虽然基于运行规则的最大限制值，但没有分析仿真结果反映出的相应运行情况是否确实对应机场最大运行能力水平。因此，所设置的最大限制参数值可能使得其得到的最大日通行能力值偏大或者偏小。

综上，目前迫切需要一种效率较高且准确性较高的机场日通行能力确定方法。

发明内容

针对现有技术中的缺陷，本发明提供一种机场日通行能力确定方法及装置，以提供一种效率较高且准确性较高的机场日通行能力确定方案。

第一方面，本发明提供的一种机场日通行能力确定方法，包括：

获取多个单日航班计划数量；

采用机场运行仿真软件模拟仿真各所述单日航班计划数量下机场的运行情况，根据仿真结果获得与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标；

以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，采用DS证据理论确定所述识别框架中的一个所述单日航班计划数量为所述机场的机场最大日通行能力值。

可选的，所述机场繁忙程度评价指标包括进离场航班地面运行平均延误时间、进场航班平均滑行时间和离场航班平均滑行时间中的至少一项。

可选的，所述以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，采用DS证据理论确定所述识别框架中的一个所述单日航班计划数量为所述机场的机场最大日通行能力值，包括：

以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，以机场最大日通行能力值是所述单日航班计划数量为事件，分别计算每个所述事件对于各个所述证据的初始可信度；

对每个所述证据，将所述证据对应的所有所述初始可信度进行归一化处理，获得归一化后的基本可信度；

对每个所述事件，将所述事件对应的所述基本可信度进行融合，获得每个所述事件的融合可信度；

选择融合可信度最大的所述事件对应的单日航班计划数量作为所述机场的机场最大日通行能力值。

可选的，所述计算每个所述事件对于各个所述证据的初始可信度，包括：

采用以下公式计算每个所述事件对于各个所述证据的初始可信度，

式中，a′_k(A_i)表示第i个事件A_i对于第k个证据的初始可信度，a_k,i表示第k个证据对应第i个事件的取值，a_k,max表示第k个证据的最大可接受值，n表示事件的数量，m表示证据的数量；

所述将所述证据对应的所有所述初始可信度进行归一化处理，获得归一化后的基本可信度，包括：

采用以下公式将所述证据对应的所有所述初始可信度进行归一化处理，获得归一化后的基本可信度，

式中，a_k(A_i)表示第i个事件A_i对于第k个证据的基本可信度，a′_k(A_i)表示第i个事件A_i对于第k个证据的初始可信度，n表示事件的数量，m表示证据的数量；

所述将所述事件对应的所述基本可信度进行融合，获得每个所述事件的融合可信度，包括：

采用以下公式将所述事件对应的所述基本可信度进行融合，获得每个所述事件的融合可信度，

其中，B_i∈{A₁,A₂,…,A_n}

式中，a(A_i)表示第i个事件A_i对应的融合可信度，∏表示求直积，a_k(A_i)表示第i个事件A_i对于第k个证据的基本可信度。

可选的，所述采用机场运行仿真软件模拟仿真各所述单日航班计划数量下机场的运行情况，根据仿真结果获得与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标，包括：

通过AirTOp机场运行仿真软件建立模拟机场运行情况的基准模型，对所述基准模型设置空域静态结构参数、管制运行规则参数、管制扇区工作负荷参数和航空器性能参数；

通过AirNet空管自动化系统软件及CDATC管制运行品质测评系统软件采集空域运行实时数据；

根据所述空域运行实时数据对所述基准模型进行校验，修正所述空域静态结构参数、所述管制运行规则参数、所述管制扇区工作负荷参数和所述航空器性能参数；

将各所述单日航班计划数量输入校验后的所述基准模型，以仿真各所述单日航班计划数量下机场的运行情况；

根据仿真结果统计与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标。

第二方面，本发明提供的一种机场日通行能力确定装置，包括：

计划数量获取模块，用于获取多个单日航班计划数量；

仿真模块，用于采用机场运行仿真软件模拟仿真各所述单日航班计划数量下机场的运行情况，根据仿真结果获得与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标；

通行能力确定模块，用于以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，采用DS证据理论确定所述识别框架中的一个所述单日航班计划数量为所述机场的机场最大日通行能力值。

可选的，所述机场繁忙程度评价指标包括进离场航班地面运行平均延误时间、进场航班平均滑行时间和离场航班平均滑行时间中的至少一项。

可选的，所述通行能力确定模块，包括：

初始可信度计算单元，用于以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，以机场最大日通行能力值是所述单日航班计划数量为事件，分别计算每个所述事件对于各个所述证据的初始可信度；

基本可信度计算单元，用于对每个所述证据，将所述证据对应的所有所述初始可信度进行归一化处理，获得归一化后的基本可信度；

融合可信度计算单元，用于对每个所述事件，将所述事件对应的所述基本可信度进行融合，获得每个所述事件的融合可信度；

最大可信度选择单元，用于选择融合可信度最大的所述事件对应的单日航班计划数量作为所述机场的机场最大日通行能力值。

可选的，所述初始可信度计算单元，包括：

初始可信度计算子单元，用于采用以下公式计算每个所述事件对于各个所述证据的初始可信度，

式中，a′_k(A_i)表示第i个事件A_i对于第k个证据的初始可信度，a_k,i表示第k个证据对应第i个事件的取值，a_k,max表示第k个证据的最大可接受值，n表示事件的数量，m表示证据的数量；

所述基本可信度计算单元，包括：

基本可信度计算子单元，用于采用以下公式将所述证据对应的所有所述初始可信度进行归一化处理，获得归一化后的基本可信度，

式中，a_k(A_i)表示第i个事件A_i对于第k个证据的基本可信度，a′_k(A_i)表示第i个事件A_i对于第k个证据的初始可信度，n表示事件的数量，m表示证据的数量；

所述融合可信度计算单元，包括：

融合可信度计算子单元，用于采用以下公式将所述事件对应的所述基本可信度进行融合，获得每个所述事件的融合可信度，

其中，B_i∈{A₁,A₂,…,A_n}

式中，a(A_i)表示第i个事件A_i对应的融合可信度，∏表示求直积，a_k(A_i)表示第i个事件A_i对于第k个证据的基本可信度。

可选的，所述仿真模块，包括：

基准模型建模单元，用于通过AirTOp机场运行仿真软件建立模拟机场运行情况的基准模型，对所述基准模型设置空域静态结构参数、管制运行规则参数、管制扇区工作负荷参数和航空器性能参数；

实时数据采集单元，用于通过AirNet空管自动化系统软件及CDATC管制运行品质测评系统软件采集空域运行实时数据；

基准模型校验单元，用于根据所述空域运行实时数据对所述基准模型进行校验，修正所述空域静态结构参数、所述管制运行规则参数、所述管制扇区工作负荷参数和所述航空器性能参数；

基准模型仿真单元，用于将各所述单日航班计划数量输入校验后的所述基准模型，以仿真各所述单日航班计划数量下机场的运行情况；

指标统计单元，用于根据仿真结果统计与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标。

由上述技术方案可知，本发明提供的一种机场日通行能力确定方法，包括：获取多个单日航班计划数量；采用机场运行仿真软件模拟仿真各所述单日航班计划数量下机场的运行情况，根据仿真结果获得与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标；以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，采用DS证据理论确定所述识别框架中的一个所述单日航班计划数量为所述机场的机场最大日通行能力值。相较于现有技术，本发明基于空域快速仿真环境，仿真速度快。另外，本发明不仅包含了参数输入到仿真输出的过程，也包含了通过仿真结果来验证输入的日航班计划是否真实反映机场最大日通行能力的过程。在通过仿真结果进行验证的过程中，本发明利用DS证据理论的特性，对仿真环境中与机场通行效率最直接相关的几个重要状态指标进行综合分析，得到机场日通行能力的综合判定指标，由此确定的机场最大日通行能力具有更高的准确性。

本发明提供的所述机场日通行能力确定装置，与本发明提供的所述机场日通行能力确定方法出于相同的发明构思，具有相同的有益效果。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1示出了本发明第一实施例所提供的一种机场日通行能力确定方法的流程图；

图2示出了本发明第二实施例所提供的一种机场日通行能力确定装置的示意图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

本申请提供一种机场日通行能力确定方法及装置。下面结合附图对本发明的实施例进行说明。

图1示出了本发明第一实施例所提供的一种机场日通行能力确定方法的流程图，如图1所示，本发明第一实施例提供的一种机场日通行能力确定方法包括以下步骤：

步骤S101：获取多个单日航班计划数量。

本发明实施例中，所述单日航班计划数量可以由用户自行设定多个，也可以由用户根据经验值设定上下限，系统自动在所述上下限区间等间隔或非等间隔取多个值作为单日航班计划数量，其均在本发明的保护范围之内。

由于本发明输入的所述单日航班计划数量为数值，首次设置的多个单日航班计划数量的可以跨度较大、间距较大，以进行初步定位，在执行一轮步骤S101至S103后，以选出的单日航班计划数量为中间值，缩小取值范围再设定多个单日航班计划数量，重复执行步骤S101至S103，以选出更为准确的一个单日航班计划数量，如此循环，直至能够确定出较为准确的一个单日航班计划数量作为机场最大日通行能力值。

步骤S102：采用机场运行仿真软件模拟仿真各所述单日航班计划数量下机场的运行情况，根据仿真结果获得与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标。

本发明实施例中，本步骤S102可以包括以下具体的步骤：

通过AirTOp机场运行仿真软件建立模拟机场运行情况的基准模型，对所述基准模型设置空域静态结构参数、管制运行规则参数、管制扇区工作负荷参数和航空器性能参数；

通过AirNet空管自动化系统软件及CDATC管制运行品质测评系统软件采集空域运行实时数据；

根据所述空域运行实时数据对所述基准模型进行校验，修正所述空域静态结构参数、所述管制运行规则参数、所述管制扇区工作负荷参数和所述航空器性能参数；

将各所述单日航班计划数量输入校验后的所述基准模型，以仿真各所述单日航班计划数量下机场的运行情况；

根据仿真结果统计与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标。

上述步骤主要基于AirTOp机场运行仿真软件进行仿真(AirTOp是由比利时Airtopsoft公司开发的快时仿真工具)，除此外，本发明还可以利用其它机场运行仿真软件如TAAM、SIMMOD、RAMS等进行仿真模拟，其均为本发明实施例的变更实施方式，均在本发明的保护范围之内。

其中，所述机场繁忙程度评价指标是指能够反映机场运行繁忙程度的指标，如离场航班地面运行平均延误时间、进场航班平均滑行时间和离场航班平均滑行时间等。

在本发明提供的一个实施例中，创造性的采用离场航班地面运行平均延误时间、进场航班平均滑行时间和离场航班平均滑行时间三项指标作为DS证据理论的证据进行下一步计算，上述三项指标与机场日通行能力的关联性较强，采用上述三项指标作为证据可以更为准确的确定机场的机场日通行能力。

步骤S103：以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，采用DS证据理论确定所述识别框架中的一个所述单日航班计划数量为所述机场的机场最大日通行能力值。

证据理论是Dempster于1967年首先提出，由他的学生Shafer于1976年进一步发展起来的一种不精确推理理论，也称为Dempster/Shafer证据理论(DS证据理论)，属于人工智能范畴，最早应用于专家系统中，具有处理不确定信息的能力。

实际应用中，DS证据理论有多种具体的计算方法，均可应用于本发明中，本发明不一一赘述，仅示例性提供下述计算方法以作说明：

在本发明提供的一个实施例中，本步骤S102可以包括以下具体的步骤：

步骤S1021：以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，以机场最大日通行能力值是所述单日航班计划数量为事件，分别计算每个所述事件对于各个所述证据的初始可信度。

本步骤S1021，具体可以采用以下公式计算每个所述事件对于各个所述证据的初始可信度，

式中，a′_k(A_i)表示第i个事件A_i对于第k个证据的初始可信度，a_k,i表示第k个证据对应第i个事件的取值，a_k,max表示第k个证据的最大可接受值，n表示事件的数量，m表示证据的数量。

步骤S1022：对每个所述证据，将所述证据对应的所有所述初始可信度进行归一化处理，获得归一化后的基本可信度；

本步骤S1022，具体可以采用以下公式将所述证据对应的所有所述初始可信度进行归一化处理，获得归一化后的基本可信度，

式中，a_k(A_i)表示第i个事件A_i对于第k个证据的基本可信度，a′_k(A_i)表示第i个事件A_i对于第k个证据的初始可信度，n表示事件的数量，m表示证据的数量。

步骤S1023：对每个所述事件，将所述事件对应的所述基本可信度进行融合，获得每个所述事件的融合可信度；

本步骤S1023，具体可以采用以下公式将所述事件对应的所述基本可信度进行融合，获得每个所述事件的融合可信度，

其中，B_i∈{A₁,A₂,…,A_n}

式中，a(A_i)表示第i个事件A_i对应的融合可信度，∏表示求直积，a_k(A_i)表示第i个事件A_i对于第k个证据的基本可信度。

步骤S1024：选择融合可信度最大的所述事件对应的单日航班计划数量作为所述机场的机场最大日通行能力值。

至此，通过步骤S101至步骤S103，完成了本发明第一实施例所提供的一种机场日通行能力确定方法的流程。相较于现有技术，本发明基于空域快速仿真环境，仿真速度快。另外，本发明不仅包含了参数输入到仿真输出的过程，也包含了通过仿真结果来验证输入的日航班计划是否真实反映机场最大日通行能力的过程。在通过仿真结果进行验证的过程中，本发明利用DS证据理论的特性，对仿真环境中与机场通行效率最直接相关的几个重要状态指标进行综合分析，得到机场日通行能力的综合判定指标，由此确定的机场最大日通行能力具有更高的准确性。

本发明对所述机场日通行能力确定方法提供了一个具体的实施例如下：

1.机场运行仿真

(1)仿真参数设置

开展现场调研、专家咨询及建模资料采集，设置空域静态结构参数、管制运行规则参数、管制扇区工作负荷参数；并基于AirTOp软件航空器性能数据库，使用EUROCONTROL的BADA数据库进行修正及加强，设置航空器性能参数。

(2)参数校验

基于AirNet空管自动化系统软件及CDATC管制运行品质测评系统软件采集空域运行实时数据并采用多种方法进行基准模型校验，修正并确定空域静态结构参数、管制运行规则参数、管制扇区工作负荷参数及航空器性能参数。

(3)仿真运行场景及航班计划设置

基于研析实际机场单日航班计划执行情况，确定以单日航班计划数量作为基础仿真输入。

(4)空域性能指标体系及综合评价方法确立

基于CDATC管制运行品质测评系统软件提供的管制运行品质指标体系，结合AirTOp仿真输出可行性，构建涵盖流量、空域使用效能、航班运行效率、航班运行安全性及扇区管制工作负荷的空域性能指标体系，确立基于拟合比对的综合评价方法。

(5)仿真实现及结果输出

实现快速仿真，输出所确立的空域性能指标及综合评价仿真结果。

2、仿真参数统计

根据机场跑道构型和运行方向，以及周边可能的军事活动影响等因素设置不同的运行模式。如设置平行跑道是否独立运行，起降方向，周边军用机场是否有飞行活动等等。

针对一种特定的运行模式，输入不同的单日航班计划数量，以生成多个仿真运行样本。之后将仿真运行结果统计如下：

表1仿真数据统计表

3、计算基本可信度

由于进离场航班地面运行平均延误时间、进场航班平均滑行时间、离场航班平均滑行时间均能很直接的反应机场繁忙程度。于是对每一个指标设定一个参考最大值。这三项指标对应的参考最大值均可以采用管制员按照一定延误水平设定的参考最大值。其中，进离场航班地面运行平均延误时间可以按照管制员对于延误水平的期望设定一个最大值可接受值，分别为mf_max、ad_max、ma_max。

于是，设进离场航班地面运行平均延误时间为证据1，E₁；进场航班平均滑行时间为证据2，E₂；离场航班平均滑行时间为证据3，E₃。对于仿真中的每一个单日航班计划数量，都认为其是机场最大日通行能力值的可能取值，于是设置识别框架Θ＝{FN₁,FN₂,FN₃,…,FN_n}。

对于事件A_i：机场最大日通行能力值为FN_i，定义其相对于三项证据的初始可信度分别为：

之后为了满足DS证据理论的要求，需要将同一个证据下的各个基本可信度进行归一化处理，即对于有

于是，得到如表2所示的基本可信度表。

表2基本可信度表

4、计算融合可信度

令其中B_i∈{A₁,A₂,…,A_n}

于是可求得事件A_i,1≤i≤n的融合可信度

5、判断机场最大日通行能力值

根据求出的各事件的融合可信度，将融合可信度最大的事件认为是真，其对应的单日航班计划数量作为机场最大日通行能力值，所述机场最大日通行能力值即为机场日通行能力的评价指标，从而确定所述机场的机场日通行能力。

在上述的第一实施例中，提供了一种机场日通行能力确定方法，与之相对应的，本申请还提供一种机场日通行能力确定装置。请参考图2，其为本发明第二实施例提供的一种机场日通行能力确定装置的示意图。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。

本发明第二实施例提供的一种机场日通行能力确定装置，包括：

计划数量获取模块101，用于获取多个单日航班计划数量；

仿真模块102，用于采用机场运行仿真软件模拟仿真各所述单日航班计划数量下机场的运行情况，根据仿真结果获得与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标；

通行能力确定模块103，用于以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，采用DS证据理论确定所述识别框架中的一个所述单日航班计划数量为所述机场的机场最大日通行能力值。

在本发明提供的一个实施例中，所述机场繁忙程度评价指标包括进离场航班地面运行平均延误时间、进场航班平均滑行时间和离场航班平均滑行时间中的至少一项。

在本发明提供的一个实施例中，所述通行能力确定模块103，包括：

初始可信度计算单元，用于以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，以机场最大日通行能力值是所述单日航班计划数量为事件，分别计算每个所述事件对于各个所述证据的初始可信度；

基本可信度计算单元，用于对每个所述证据，将所述证据对应的所有所述初始可信度进行归一化处理，获得归一化后的基本可信度；

融合可信度计算单元，用于对每个所述事件，将所述事件对应的所述基本可信度进行融合，获得每个所述事件的融合可信度；

最大可信度选择单元，用于选择融合可信度最大的所述事件对应的单日航班计划数量作为所述机场的机场最大日通行能力值。

在本发明提供的一个实施例中，所述初始可信度计算单元，包括：

初始可信度计算子单元，用于采用以下公式计算每个所述事件对于各个所述证据的初始可信度，

式中，a′_k(A_i)表示第i个事件A_i对于第k个证据的初始可信度，a_k,i表示第k个证据对应第i个事件的取值，a_k,max表示第k个证据的最大可接受值，n表示事件的数量，m表示证据的数量；

所述基本可信度计算单元，包括：

基本可信度计算子单元，用于采用以下公式将所述证据对应的所有所述初始可信度进行归一化处理，获得归一化后的基本可信度，

式中，a_k(A_i)表示第i个事件A_i对于第k个证据的基本可信度，a′_k(A_i)表示第i个事件A_i对于第k个证据的初始可信度，n表示事件的数量，m表示证据的数量；

所述融合可信度计算单元，包括：

融合可信度计算子单元，用于采用以下公式将所述事件对应的所述基本可信度进行融合，获得每个所述事件的融合可信度，

其中，B_i∈{A₁,A₂,…,A_n}

式中，a(A_i)表示第i个事件A_i对应的融合可信度，∏表示求直积，a_k(A_i)表示第i个事件A_i对于第k个证据的基本可信度。

在本发明提供的一个实施例中，所述仿真模块102，包括：

基准模型建模单元，用于通过AirTOp机场运行仿真软件建立模拟机场运行情况的基准模型，对所述基准模型设置空域静态结构参数、管制运行规则参数、管制扇区工作负荷参数和航空器性能参数；

实时数据采集单元，用于通过AirNet空管自动化系统软件及CDATC管制运行品质测评系统软件采集空域运行实时数据；

基准模型校验单元，用于根据所述空域运行实时数据对所述基准模型进行校验，修正所述空域静态结构参数、所述管制运行规则参数、所述管制扇区工作负荷参数和所述航空器性能参数；

基准模型仿真单元，用于将各所述单日航班计划数量输入校验后的所述基准模型，以仿真各所述单日航班计划数量下机场的运行情况；

指标统计单元，用于根据仿真结果统计与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标。

以上，为本发明第二实施例提供的一种机场日通行能力确定装置说明。

本发明提供的一种机场日通行能力确定装置与上述机场日通行能力确定方法出于相同的发明构思，具有相同的有益效果，此处不再赘述。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

需要说明的是，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本发明实施例所提供的机场日通行能力确定装置可以是计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种机场日通行能力确定方法，其特征在于，包括：

获取多个单日航班计划数量；

采用机场运行仿真软件模拟仿真各所述单日航班计划数量下机场的运行情况，根据仿真结果获得与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标；

以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，采用DS证据理论确定所述识别框架中的一个所述单日航班计划数量为所述机场的机场最大日通行能力值。

2.根据权利要求1所述的机场日通行能力确定方法，其特征在于，所述机场繁忙程度评价指标包括进离场航班地面运行平均延误时间、进场航班平均滑行时间和离场航班平均滑行时间中的至少一项。

3.根据权利要求1所述的机场日通行能力确定方法，其特征在于，所述以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，采用DS证据理论确定所述识别框架中的一个所述单日航班计划数量为所述机场的机场最大日通行能力值，包括：

以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，以机场最大日通行能力值是所述单日航班计划数量为事件，分别计算每个所述事件对于各个所述证据的初始可信度；

对每个所述证据，将所述证据对应的所有所述初始可信度进行归一化处理，获得归一化后的基本可信度；

对每个所述事件，将所述事件对应的所述基本可信度进行融合，获得每个所述事件的融合可信度；

选择融合可信度最大的所述事件对应的单日航班计划数量作为所述机场的机场最大日通行能力值。

4.根据权利要求3所述的机场日通行能力确定方法，其特征在于，所述计算每个所述事件对于各个所述证据的初始可信度，包括：

采用以下公式计算每个所述事件对于各个所述证据的初始可信度，

$a_k^{\′}\left(A_i\right)=1-\frac{|a_{k,i}-a_{k,max}|}{a_{k,max}},1\≤i\≤n,1\≤k\≤m$

式中，a′_k(A_i)表示第i个事件A_i对于第k个证据的初始可信度，a_k,i表示第k个证据对应第i个事件的取值，a_k,max表示第k个证据的最大可接受值，n表示事件的数量，m表示证据的数量；

所述将所述证据对应的所有所述初始可信度进行归一化处理，获得归一化后的基本可信度，包括：

采用以下公式将所述证据对应的所有所述初始可信度进行归一化处理，获得归一化后的基本可信度，

$a_k\left(A_i\right)=a_k^{\′}\left(A_i\right)/\sqrt[2]{{\mathrm{\Σ}}_{j=1}^n{a}_k^{\′}{\left(A_j\right)}^2},1\≤i\≤n,1\≤k\≤m$

式中，a_k(A_i)表示第i个事件A_i对于第k个证据的基本可信度，a′_k(A_i)表示第i个事件A_i对于第k个证据的初始可信度，n表示事件的数量，m表示证据的数量；

所述将所述事件对应的所述基本可信度进行融合，获得每个所述事件的融合可信度，包括：

采用以下公式将所述事件对应的所述基本可信度进行融合，获得每个所述事件的融合可信度，

$a\left(A_i\right)=\frac{{\Π}_{1\≤k\≤m}{a}_k\left(A_i\right)}{1-K},1\≤i\≤n,1\≤k\≤m$

其中，B_i∈{A₁,A₂,…,A_n}

式中，a(A_i)表示第i个事件A_i对应的融合可信度，∏表示求直积，a_k(A_i)表示第i个事件A_i对于第k个证据的基本可信度。

5.根据权利要求1所述的机场日通行能力确定方法，其特征在于，所述采用机场运行仿真软件模拟仿真各所述单日航班计划数量下机场的运行情况，根据仿真结果获得与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标，包括：

通过AirTOp机场运行仿真软件建立模拟机场运行情况的基准模型，对所述基准模型设置空域静态结构参数、管制运行规则参数、管制扇区工作负荷参数和航空器性能参数；

通过AirNet空管自动化系统软件及CDATC管制运行品质测评系统软件采集空域运行实时数据；

根据所述空域运行实时数据对所述基准模型进行校验，修正所述空域静态结构参数、所述管制运行规则参数、所述管制扇区工作负荷参数和所述航空器性能参数；

将各所述单日航班计划数量输入校验后的所述基准模型，以仿真各所述单日航班计划数量下机场的运行情况；

根据仿真结果统计与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标。

6.一种机场日通行能力确定装置，其特征在于，包括：

计划数量获取模块，用于获取多个单日航班计划数量；

仿真模块，用于采用机场运行仿真软件模拟仿真各所述单日航班计划数量下机场的运行情况，根据仿真结果获得与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标；

通行能力确定模块，用于以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，采用DS证据理论确定所述识别框架中的一个所述单日航班计划数量为所述机场的机场最大日通行能力值。

7.根据权利要求6所述的机场日通行能力确定装置，其特征在于，所述机场繁忙程度评价指标包括进离场航班地面运行平均延误时间、进场航班平均滑行时间和离场航班平均滑行时间中的至少一项。

8.根据权利要求6所述的机场日通行能力确定装置，其特征在于，所述通行能力确定模块，包括：

初始可信度计算单元，用于以所述单日航班计划数量的集合为识别框架，以所述多项机场繁忙程度评价指标作为证据，以机场最大日通行能力值是所述单日航班计划数量为事件，分别计算每个所述事件对于各个所述证据的初始可信度；

基本可信度计算单元，用于对每个所述证据，将所述证据对应的所有所述初始可信度进行归一化处理，获得归一化后的基本可信度；

融合可信度计算单元，用于对每个所述事件，将所述事件对应的所述基本可信度进行融合，获得每个所述事件的融合可信度；

最大可信度选择单元，用于选择融合可信度最大的所述事件对应的单日航班计划数量作为所述机场的机场最大日通行能力值。

9.根据权利要求8所述的机场日通行能力确定装置，其特征在于，所述初始可信度计算单元，包括：

初始可信度计算子单元，用于采用以下公式计算每个所述事件对于各个所述证据的初始可信度，

$a_k^{\′}\left(A_i\right)=1-\frac{|a_{k,i}-a_{k,max}|}{a_{k,max}},1\≤i\≤n,1\≤k\≤m$

式中，a′_k(A_i)表示第i个事件A_i对于第k个证据的初始可信度，a_k,i表示第k个证据对应第i个事件的取值，a_k,max表示第k个证据的最大可接受值，n表示事件的数量，m表示证据的数量；

所述基本可信度计算单元，包括：

基本可信度计算子单元，用于采用以下公式将所述证据对应的所有所述初始可信度进行归一化处理，获得归一化后的基本可信度，

$a_k\left(A_i\right)=a_k^{\′}\left(A_i\right)/\sqrt[2]{{\mathrm{\Σ}}_{j=1}^n{a}_k^{\′}{\left(A_j\right)}^2},1\≤i\≤n,1\≤k\≤m$

式中，a_k(A_i)表示第i个事件A_i对于第k个证据的基本可信度，a′_k(A_i)表示第i个事件A_i对于第k个证据的初始可信度，n表示事件的数量，m表示证据的数量；

所述融合可信度计算单元，包括：

融合可信度计算子单元，用于采用以下公式将所述事件对应的所述基本可信度进行融合，获得每个所述事件的融合可信度，

$a\left(A_i\right)=\frac{{\Π}_{1\≤k\≤m}{a}_k\left(A_i\right)}{1-K},1\≤i\≤n,1\≤k\≤m$

其中，B_i∈{A₁,A₂,…,A_n}

式中，a(A_i)表示第i个事件A_i对应的融合可信度，∏表示求直积，a_k(A_i)表示第i个事件A_i对于第k个证据的基本可信度。

10.根据权利要求6所述的机场日通行能力确定装置，其特征在于，所述仿真模块，包括：

基准模型建模单元，用于通过AirTOp机场运行仿真软件建立模拟机场运行情况的基准模型，对所述基准模型设置空域静态结构参数、管制运行规则参数、管制扇区工作负荷参数和航空器性能参数；

实时数据采集单元，用于通过AirNet空管自动化系统软件及CDATC管制运行品质测评系统软件采集空域运行实时数据；

基准模型校验单元，用于根据所述空域运行实时数据对所述基准模型进行校验，修正所述空域静态结构参数、所述管制运行规则参数、所述管制扇区工作负荷参数和所述航空器性能参数；

基准模型仿真单元，用于将各所述单日航班计划数量输入校验后的所述基准模型，以仿真各所述单日航班计划数量下机场的运行情况；

指标统计单元，用于根据仿真结果统计与每个所述单日航班计划数量相应的多项机场繁忙程度评价指标。