CN106651088A - 一种基于时态gis的飞行品质监控方法 - Google Patents

Abstract

本发明公开了一种基于时态GIS的飞行品质监控方法，所述方法包括对飞行超限事件时空分布统计、飞行超限事件多时空因子回归分析、航空网络系统分析与安全风险评估以及基于时态GIS的飞行品质监控系统模型构建与可视化。本发明改变传统的飞行品质监控中就事件分析事件、缺乏系统性认识的问题，可以为决策提供更加科学的依据。解决目前分析因子单一，对海量数据缺乏有效分析模型和方法的问题。建立了超限事件的时空分析模型及可视化。

Description

一种基于时态GIS的飞行品质监控方法

技术领域

本发明涉及一种飞行品质监控的方法，具体地说是一种基于时态地理信息系统(GIS)对飞行品质数据进行监控的方法。

背景技术

飞行品质监控是收集和分析日常飞行数据的系统，用于提高飞行机组的操纵品质，是国际上公认的保证飞行安全的重要手段之一，已得到世界民航业的普遍认可。飞行品质监控的价值在于通过监测飞行参数超限情况，尽早地识别出不符合标准的操作、存在缺陷的程序、航空器性能的衰减、空中交通管制系统的不完善等安全隐患，为改进措施的制定及实施提供数据和信息支持。

但是，目前在飞行品质监控中对于飞行数据的管理和分析大多以不安全事件记录为中心，主要基于对不同机型或超限事件分类的直观统计，如某一机型的航段监控率、超限事件发生率等。这些分析局限于一些表象特征，而且各统计数据间相互独立，缺乏对飞行品质监控信息深层次、系统性地挖掘与应用。另一方面，已有的对飞行数据的分析方法多数是静态的，没有将不同时间段的飞行数据有效地联结起来，缺少对历史数据动态地统计显示，以及对未来可能发生事件的估计和预警。

发明内容

针对上述问题，本发明的目的是提供一种基于时态GIS的飞行品质监控方法，通过对飞行品质数据进行时空建模分析，探索超限事件发生的时空分布规律，在一定程度上对超限事件的发展趋势进行预测，为飞行安全预警管理提供有效参考。

本发明的一种基于时态GIS的飞行品质监控的方法，包括以下步骤：

第一步，飞行超限事件时空分布统计；

包括超限事件空间分布、时间分布的统计分析；基本统计项的计算；采用相关性分析方法，开展重点因子分析。

第二步，飞行超限事件多时空因子回归分析；

包括多因子线性地理回归模型的建立和多时空因子回归分析。

第三步，航空网络系统分析与安全风险评估；

包括安全风险权重模型的构建、系统安全风险分析和评估。

第四步，基于时态GIS的飞行品质监控系统模型构建与可视化。

本发明具有以下优点：

1、本发明基于时态GIS进行飞行品质监控，与现有技术相比，本发明改变传统的飞行品质监控中就事件分析事件、缺乏系统性认识的问题，可以为决策提供更加科学的依据。

2、本发明解决目前分析因子单一，对海量数据缺乏有效分析模型和方法的问题。

3、建立了超限事件的时空分析模型及可视化。

附图说明

图1A和图1B是本发明的系统数据概念模型示意图。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

本发明的基于时态GIS的飞行品质监控的方法，包括以下步骤：

第一步，飞行超限事件时空分布统计，包括以下步骤：

1.1、对所有系统要素(机场、航线、飞机)进行基本统计项的计算，基本统计项将作为系统要素的基本属性，在系统中可以随时查询，并且将作为基本数据参与其他更高层次、更宏观的统计分析中。所述的基本统计项包括统计对象、统计时段、事件类别和统计指标的组合。统计对象为机场、航线和飞机，统计时段为昼夜、月、季节和年，事件类别为单类和多类，统计指标为“事件密度”和“事件频率”。由于机场分布在不同的地理位置，具有空间属性，而统计时段具有时间属性，所以基本统计项包括了对时间空间的统计分析，统计指标需要计算不同时空分布的超限事件的发生密度和频率。例如计算发生在华东地区机场的上半年的所有类型3级超限事件的发生频率。

1.2、采用相关性分析方法，开展重点因子分析，所述的重点因子包括时间因子和空间因子，机场地理环境、机场等级、跑道、航线长度、飞行高度等为空间因子，飞行时间、飞行季节等为时间因子。对不同类型超限事件的频率和重点因子(包括时间因子和空间因子)做相关性分析，使用的指标为相关系数ρ_XY：

其中，Cov(X，Y)为X，Y的协方差，D(X)、D(Y)分别为X、Y的方差。X代表不同类型超限事件的频率，Y代表所选取的时间因子或空间因子，比如机场海拔高度等。通过得到的相关系数ρ_XY大小可以分析超限事件与时间因子或空间因子分布的相关性。定义相关系数|ρ_XY|>0.6的为强相关典型事件，0.4≤|ρ_XY|≤0.6的为中相关典型事件，|ρ_XY|<0.4的为弱相关典型事件。

第二步，飞行超限事件多时空因子回归分析，包括以下步骤：

2.1、多因子线性地理回归模型的建立；

设某一超限事件y受p个因子x₁,x₂,…,x_p的影响，其内在联系是线性关系，通过n组观测，得到n组地理数据为(y_i；x_i1,x_i2,…,x_ip),i＝1,2,…,n。则有第i个超限事件的频率y_i与p个因子之间的数学模型为：

y_i＝β₀+β₁x_i1+β₂x_i2+…+β_px_ip+ε_i

式中，β₀,β₁,…,β_p为待定参数，令β＝β₀,β₁,…,β_p，ε_i为随机变量。为了估计β，采用最小二乘法，则得超限事件的多因子线性地理回归模型为：

式中，为超限事件的频率估计值，b₀为常数项，b₁,b₂,…,b_p为偏回归系数，表明当其他因子(自变量)都固定时，偏回归系数每变化一个单位而使平均改变的数值。该回归模型在几何上表示一个超平面，也可称为超限事件的频率估计值对p个因子x₁,x₂,…,x_p的回归平面。

2.2、多时空因子回归分析。超限事件的频率会受到机场海拔、气温、风速等空间因子和季节、昼夜等时间因子的影响，必定存在所述频率与某一因子有较强相关性的超限事件，以及与多种因子均呈现相关性的超限事件。采用上述构建的多因子线性地理回归模型，进行多因子回归分析，偏回归系数取置信度为0.8，可以解算出多时空因子回归分析的复相关系数，其中复相关系数表征超限事件的频率与多个时空因子间的线性相关程度。

第三步，航空网络系统分析与安全风险评估，包括以下步骤：

3.1、建立安全风险权重模型。通过分析计算，赋予航空网络系统内所有机场、航线、飞机、航段等要素以安全风险权重，从而构建一个具有安全风险特征的权重模型，在此基础上开展网络风险结构特征研究和进行风险评估。各权重的计算方案如下：

飞机权重：

表示第i架飞机的风险权重，为第i架飞机的超限事件频率，为所有飞机事件频率的平均值。

航段权重：

w(l_i)为第i个航段l_i的风险权重，为执行该航段的所有飞机的风险权重，r_t为时段(昼夜)相关系数，r_d为飞行距离相关系数。

航线权重：单位时间(日)内飞行于该航线的所有航段权重之和。即：n为该航线上航段的总数量。

机场权重：m为与该机场相连的航线数量。

w(s_it)表示与机场a_i相连航线的权重，r_g和r_l分别为机场a_i的地理相关系数和航段密度相关系数。

3.2、在建立各要素的权重模型的基础上，开展风险权重结构的统计分析，包括超限事件概率分布、平均超限事件频率、飞机超限事件频率分布、机场超限事件频率分布等，从而实现对整个航空网络系统风险的评价和控制。选取复相关系数大于0.6的10个超限事件，将空间、时间因子参数代入第二步中的多因子线性地理回归模型方程，得到超限事件频率的估计值，与真实的超限事件频率作比较，可以定量的进行风险评价。

第四步，基于时态GIS的飞行品质监控系统模型构建与可视化，包括以下步骤：

4.1、设计“航空要素－飞行过程－安全事件”的三元系统模型，见图1A和图1B；航空要素(或称为实体)选取与航空最具密切关系的机场、航线及飞机。其中机场、航线由于具有明确的地理位置而归于地理要素，飞机则为运动要素。一个“飞行过程”定义为一个飞机从一个机场起飞沿着一个航线飞行至另一个机场降落的过程，其对应于“航段”。一个“不安全事件”即为发生在某个飞行过程中的一个超限事件。整个航空网络系统处于其涉及的地理空间范围内，因此理论上讲，整个系统中的所有元素均具有地理特征。

4.2、基于时态GIS的统计、查询结果可视化，可视化的数据包括安全监控数据、航空网络数据和基础地理数据。超限事件发生的频率显示可以随着时间的变化而动态变化，可以按日、月、年动态显示所有机场发生的超限事件的频率。

安全监控数据：包括航段记录数据和超限事件记录数据。

航空网络数据：主要包括飞机、机场、航线等时空数据。

基础地理数据：包括地形地貌数据、行政区划数据、气象数据以及必要的社会经济数据等。

将上述第一步得到的基本统计项结果、第二步得到的多时空因子回归分析结果和第三步得到的航空网络系统要素权重数据，结合图层显示技术和软件插件组合技术，底层显示基础地理数据.jpg文件，上层显示统计查询的FOQA结果.shp文件，采用VB编程语言实现数据操作的“插件式”设计与集成管理，以时间轴动态显示不同时间阶段的结果，实现时态GIS的FOQA可视化。

上述各实施例仅用于说明本发明，其中实施方式等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

Claims (5)

1.一种基于时态GIS的飞行品质监控方法，其特征在于：

第一步，飞行超限事件时空分布统计；

第二步，飞行超限事件多时空因子回归分析；

第三步，航空网络系统分析与安全风险评估；

第四步，基于时态GIS的飞行品质监控系统模型构建与可视化；

将上述第一步得到的基本统计项结果、第二步得到的多时空因子回归分析结果和第三步得到的航空网络系统要素权重数据，结合图层显示技术和软件插件组合技术，底层显示基础地理数据.jpg文件，上层显示统计查询的FOQA结果.shp文件，采用VB编程语言实现数据操作的“插件式”设计与集成管理，以时间轴动态显示不同时间阶段的结果，实现时态GIS的FOQA可视化；可视化的数据包括安全监控数据、航空网络数据和基础地理数据。

2.根据权利要求1所述的一种基于时态GIS的飞行品质监控方法，其特征在于：第一步包括以下步骤，

1.1、对所有系统要素进行基本统计项的计算；

所述的基本统计项包括统计对象、统计时段、事件类别和统计指标的组合；统计对象为机场、航线和飞机，统计时段为昼夜、月、季节和年，事件类别为单类和多类，统计指标为“事件密度”和“事件频率”；

1.2、采用相关性分析方法，开展重点因子分析，所述的重点因子包括时间因子和空间因子；对不同类型超限事件的频率和重点因子做相关性分析，使用的指标为相关系数ρ_XY：

${\mathrm{\&rho;}}_{XY}=Cov(X,Y)/\sqrt{D\left(X\right)}\sqrt{D\left(Y\right)}$

其中，Cov(X，Y)为X，Y的协方差，D(X)、D(Y)分别为X、Y的方差；X代表不同类型超限事件的频率，Y代表所选取的时间因子或空间因子；

相关系数|ρ_XY|>0.6的为强相关典型事件，0.4≤|ρ_XY|≤0.6的为中相关典型事件，|ρ_XY|<0.4的为弱相关典型事件。

3.根据权利要求1所述的一种基于时态GIS的飞行品质监控方法，其特征在于：第二步包括以下步骤，

2.1、多因子线性地理回归模型的建立；

设某一超限事件y受p个因子x₁,x₂,…,x_p的影响，超限事件y的多因子线性地理回归模型为：

$\hat{y}=b_0+b_1{x}_1+b_2{x}_2+...+b_p{x}_p$

式中，为超限事件的频率估计值，b₀为常数项，b₁,b₂,…,b_p为偏回归系数；

2.2、多时空因子回归分析；

偏回归系数取置信度为0.8，解算出多时空因子回归分析的复相关系数，其中复相关系数表征超限事件的频率与多个时空因子间的线性相关程度。

4.根据权利要求1所述的一种基于时态GIS的飞行品质监控方法，其特征在于：第三步包括以下步骤，

3.1、建立安全风险权重模型，各权重的计算方案如下：

飞机权重：

表示第i架飞机的风险权重，为第i架飞机的超限事件频率，为所有飞机事件频率的平均值；

航段权重：

w(l_i)为第i个航段l_i的风险权重，为执行该航段的所有飞机的风险权重，r_t为时段相关系数，r_d为飞行距离相关系数；

航线权重：单位时间内飞行于该航线的所有航段权重之和；即：n为该航线上航段的总数量；

机场权重：m为与该机场相连的航线数量；

w(s_it)表示与机场a_i相连航线的权重，r_g和r_l分别为机场a_i的地理相关系数和航段密度相关系数；

3.2、在建立各要素的权重模型的基础上，开展风险权重结构的统计分析，包括超限事件概率分布、平均超限事件频率、飞机超限事件频率分布、机场超限事件频率分布，从而实现对整个航空网络系统风险的评价和控制。

5.根据权利要求1所述的一种基于时态GIS的飞行品质监控方法，其特征在于：所述的基于时态GIS的飞行品质监控系统模型为“航空要素－飞行过程－安全事件”的三元系统模型，航空要素选取机场、航线及飞机；一个“飞行过程”定义为一个飞机从一个机场起飞沿着一个航线飞行至另一个机场降落的过程，其对应于“航段”；一个“不安全事件”即为发生在某个飞行过程中的一个超限事件。