CN107316503B - 一种基于多级物元熵权的拥堵热点空域扇区识别方法 - Google Patents
一种基于多级物元熵权的拥堵热点空域扇区识别方法 Download PDFInfo
- Publication number
- CN107316503B CN107316503B CN201710505635.0A CN201710505635A CN107316503B CN 107316503 B CN107316503 B CN 107316503B CN 201710505635 A CN201710505635 A CN 201710505635A CN 107316503 B CN107316503 B CN 107316503B
- Authority
- CN
- China
- Prior art keywords
- sector
- index
- congestion
- value
- dimension
- 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 30
- 238000011156 evaluation Methods 0.000 claims abstract description 85
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims abstract description 4
- 230000010006 flight Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000007774 longterm Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000011425 standardization method Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 abstract description 12
- 238000012827 research and development Methods 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 10
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于多级物元熵权的拥堵热点空域扇区识别方法,属于空中交通管理领域。该方法首先构建包含目标层、维度层、指标层的三级空域扇区拥堵程度评价指标体系,并确立指标的计算或采样方法,在评价扇区样本选取的基础上,对评价指标进行计算,并根据指标数值分布进行指标等级阈值的判定;然后构建多级物元模型,计算关联度及指标权重,实现对扇区拥堵维度等级的判定;最后,基于熵权法确定扇区拥堵维度权重的计算,并实现对拥堵热点空域扇区的识别。本发明从多个维度出发实现了对扇区拥堵程度的综合判定,为管制辅助决策系统工具研发提供了技术支持,也为空域规划、扇区调整等提供了参考依据。
Description
技术领域
本发明属于空中交通管理领域,特别涉及一种基于多级物元熵权的拥堵热点空域扇区识别方法。
背景技术
拥堵空域扇区识别技术是开展空域规划和扇区调整的重要技术基础,能有效指导流量管理策略的实施,可更加具有针对性的开展容流不平衡态势的管理。美国增强型流量管理系统通过设置扇区的容量值,根据容流关系判断扇区拥堵状况。国外部分学者使用排队延误时间和航班取消数据来判断机场拥堵状况,或利用交通复杂性来描述拥堵的程度,其中交通复杂性计算方法包括基于几何学的复杂性计算、基于飞行航迹动态系统等方法。另外,还有使用管制员工作负荷来进行空域拥堵程度判定的相关研究。国内相关研究成果较少,主要集中在地面交通领域路网拥堵判定。分析国内外研究现状,可以发现现有扇区拥堵判别主要是基于单一指标或专家经验,忽略了拥堵评价的多层性、多指标的属性,并缺乏对扇区拥堵程度的综合度量,判定结果具有片面性,尚缺少一种全面、简便判定扇区拥堵程度的方法。
发明内容
发明目的:本发明要解决的技术问题是:针对空域扇区规划调整仅能依靠管制员经验分析或单一指标判定的现状,提出一种基于多维全面的评价指标体系的空域扇区拥堵综合评价方法,实现了拥堵空域扇区的识别,提升流量管理和空域管理的有效性。
为了解决上述技术问题,本发明公开了一种基于多级物元熵权的拥堵热点空域扇区识别方法,包括如下步骤:
步骤1,构建空域扇区拥堵评价指标体系;
步骤2,选定阈值判定样本,根据构建的空域扇区拥堵评价指标体系计算指标,并对指标等级阈值进行判定;
步骤3,构建扇区拥堵计算多级物元模型,并计算指标权重;
步骤4,计算空域扇区拥堵评价指标,并进行标准化处理,计算待评物元与扇区拥堵评价物元的关联度,并判定待评物元维度等级;
步骤5,确定维度等级权重值。
骤1包括如下步骤:
步骤1-1,用Cij表示第i个评价维度下的第j个指标;
步骤1-2,构建瞬时拥堵态势评价的指标集,包括扇区瞬时流量峰值、航班平均占用扇区面积和航班平均占用扇区体积三个指标;
步骤1-3,构建长期拥堵态势评价的指标集,包括全天小时平均流容比值、全天流量超容量时长和全天流量超容量平均程度三个指标。
步骤1-2包括如下步骤:
步骤1-2-1,选定一日为评价日,构建指标C11,即扇区瞬时流量峰值:全天24小时,每6分钟采样一次,确定当前时间扇区内航空器数量,共采集样本点n1(一般取值为240)个,按照从小到大的顺序排列,最小值序号为1,最大值序号为n1,选取序号为n2(一般取值为216)的样本为扇区瞬时流量峰值,该指标值越大,表示扇区拥堵程度越高;
步骤1-2-2,构建指标C12,即航班平均占用扇区面积,该指标等于C11/扇区面积,该指标值越大,表示扇区拥堵程度越高;
步骤1-2-3,构建指标C13,即航班平均占用扇区体积,该指标等于C11/扇区面积/扇区高度层数量,该指标值越大,表示扇区拥堵程度越高。
步骤1-3包括如下步骤:
步骤1-3-1,选定一日为评价日,构建指标C21,即全天小时评价流容比值,全天24小时,统计每小时进入扇区的航空器数量,即为该扇区小时流量,共采集样本点n3(一般取值为24)个,扇区的容量为一定值,该指标等于小时流量之和/24/扇区容量,该指标值越大,表示扇区拥堵程度越高;
步骤1-3-2,构建指标C22,即全天流量超容量时长,全天24小时,统计每小时进入扇区的航空器数量,即为该扇区小时流量,共采集样本点n3个,扇区的容量为一定值,当小时流量大于扇区容量时,记为1,当小时流量小于等于扇区容量时,记为0,对24小时流容对比情况求和,则为全天流量超容量时长,该指标值越大,表示扇区拥堵程度越高;
步骤1-3-3,构建指标C23:全天流量超容量平均程度,全天24小时,统计每小时进入扇区的航空器数量,即为该扇区小时流量,共采集样本点n3个,扇区的容量为一定值,当小时流量大于扇区容量时,计算流量与容量的比值,并对所有流量大于容量的小时的时间片流量与容量的比值取平均数,则为全天流量超容量平均程度,该指标值越大,表示扇区拥堵程度越高。
步骤2包括如下步骤:
步骤2-1,选定管制单位管制空域内N个扇区作为阈值判定样本,扇区数量N大于3个;
步骤2-2,将第n个扇区的拥堵评价指标值记为vijn,n取值范围为1~N,采用标准正态分布的坐标值Z-score标准化法对第n个扇区的拥堵评价指标值vijn进行预处理:
v’ijn为vijn标准化之后的数值;
步骤2-3,将扇区拥堵等级分为非常畅通、畅通、拥堵三个等级,令非常畅通扇区、畅通扇区、拥堵扇区的比重分别为P1、P2、P3,且P1+P2+P3=1,利用累积频率方法,将N个扇区指标Cij标准化后的取值v’ijn按从大到小的顺序排列,得到的新序列的第m个指标表示为非常畅通与畅通等级划分的阈值为畅通与拥堵等级划分的阈值为其中,为向下取整函数,为向上取整函数。
步骤3包括如下步骤:
步骤3-1,通过R=(D,C,V)进行描述,其中D表示空域扇区,C表示扇区的拥堵特征,V表示扇区拥堵特征的标准化后指标量值;
步骤3-2,确定经典域Rip,即扇区拥堵评价指标Cij的取值范围,公式如下:
其中,Dip表示第i维度评价指标的拥堵等级为p级,1≤p≤3,p等于1时表示扇区拥堵等级为非常畅通,p等于2时表示扇区拥堵等级为畅通,p等于3时表示扇区拥堵等级为拥堵,Cis表示扇区拥堵评价指标维度i下第s个指标;Vijp代表Cij的量值范围,在物元模型中用<aijp,bijp>表示,<aijp,bijp>指第i维度第j个指标p级的量值范围,则aij1=0,bij3=1。
步骤3-3,确定节域Riq,即扇区拥堵评价指标Cij的全部等级的值域,公式如下:
其中,Diq表示第i维度评价指标对应的全部等级,拥堵等级包括非常畅通、畅通、拥堵三个等级,q=3;Vijq代表Cij的值域,用<aijq,bijq>表示,<aijq,bijq>指评价指标Cij的值域,aijq=0,bijq=1;
步骤4包括如下步骤:
步骤4-1,确定待评物元:选取管制单位管制空域内N个扇区样本中的F个扇区作为评价对象,F≤N,计算拥堵评价指标,并进行标准化处理,得到待评物元,即
其中,Di表示待评第i维度评价指标,wij为Cij对应的指标进行标准化处理后的数值;
步骤4-2,计算关联度:wij关于等级p的关联度表示为Kp(wij):
其中,ρ(wij,Vijp)表示wij到Vijp的距离,ρ(wij,Vijq)表示wij到Vijq的距离,|Vijp|表示取值范围,其中,
|Vijp|=bijp-aijp,
ρ(wij,Vijq)=|wij-(aijq+bijq)/2|-(bijq-aijq)/2,
ρ(wij,Vijp)=|vij-(aijp+bijp)/2|-(bijp-aijp)/2;
步骤4-3,判定各维度等级:令维度i与等级p的关联度为Gp(vi),则:
令维度i拥堵等级关联特征值为Ji,对Gp(vi)进行标准化处理:
令Ji'=round(Ji,0),round(A,B)为需要进行四舍五入的函数,其中,A表示需要进行四舍五入的数字,B为指定的位数,当B=0时,则表示四舍五入到接近的整数,Ji'则为维度i的拥堵等级。
步骤5包括如下步骤:
步骤5-1,令第f个扇区维度i下等级关联特征值(即拥堵等级特征值)为Jfi,f≤F;
步骤5-2,基于熵权法计算各维度权重值:
计算各拥堵维度特征值比重pfi:
计算拥堵评价维度的熵值ei:
计算各拥堵评价维度的客观权重ηi:
计算各扇区拥堵综合评价指数Zf:
本发明还包括步骤6:构建各扇区拥堵综合评价数组E,E=[Z1,Z2,…,Zf,…ZF],Zf从小到大排序,分别代表各扇区的拥堵程度顺序,Zf四舍五入则代表该扇区的综合拥堵等级,等级为3的扇区则为拥堵扇区。
有益效果:本发明具有如下技术效果:
1、多层级评价指标体系能较全面的反映空域扇区拥堵状况。
2、物元熵权法能平衡各指标情况,总体表征空域扇区拥堵水平,提供了一种快速准确的实现方法。
3、为空域管理、流量管理等业务运行提供了技术依据。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述或其他方面的优点将会变得更加清楚。
图1为本发明的具体实施流程图。
图2为空域扇区拥堵评价指标体系图。
图3为管制单位空域扇区结构图。
图4为本发明详细流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
本发明公开了一种基于多级物元熵权的拥堵热点空域扇区识别方法,包括如下步骤:
步骤1,构建空域扇区拥堵评价指标体系;
步骤2,选定阈值判定样本,根据构建的空域扇区拥堵评价指标体系计算指标,并对指标等级阈值进行判定;
步骤3,构建扇区拥堵计算多级物元模型,并计算指标权重;
步骤4,计算空域扇区拥堵评价指标,并进行标准化处理,计算待评物元与扇区拥堵评价物元的关联度,并判定待评物元维度等级;
步骤5,确定维度等级权重值。
骤1包括如下步骤:
步骤1-1,用Cij表示第i个评价维度下的第j个指标;
步骤1-2,构建瞬时拥堵态势评价的指标集,包括扇区瞬时流量峰值、航班平均占用扇区面积和航班平均占用扇区体积三个指标;
步骤1-3,构建长期拥堵态势评价的指标集,包括全天小时平均流容比值、全天流量超容量时长和全天流量超容量平均程度三个指标。
步骤1-2包括如下步骤:
步骤1-2-1,选定一日为评价日,构建指标C11,即扇区瞬时流量峰值:全天24小时,每6分钟采样一次,确定当前时间扇区内航空器数量,共采集样本点n1(一般取值为240)个,按照从小到大的顺序排列,最小值序号为1,最大值序号为n1,选取序号为n2(一般取值为216)的样本为扇区瞬时流量峰值,该指标值越大,表示扇区拥堵程度越高;
步骤1-2-2,构建指标C12,即航班平均占用扇区面积,该指标等于C11/扇区面积,该指标值越大,表示扇区拥堵程度越高;
步骤1-2-3,构建指标C13,即航班平均占用扇区体积,该指标等于C11/扇区面积/扇区高度层数量,该指标值越大,表示扇区拥堵程度越高。
步骤1-3包括如下步骤:
步骤1-3-1,选定一日为评价日,构建指标C21,即全天小时评价流容比值,全天24小时,统计每小时进入扇区的航空器数量,即为该扇区小时流量,共采集样本点n3(一般取值为24)个,扇区的容量为一定值,该指标等于小时流量之和/24/扇区容量,该指标值越大,表示扇区拥堵程度越高;
步骤1-3-2,构建指标C22,即全天流量超容量时长,全天24小时,统计每小时进入扇区的航空器数量,即为该扇区小时流量,共采集样本点n3个,扇区的容量为一定值,当小时流量大于扇区容量时,记为1,当小时流量小于等于扇区容量时,记为0,对24小时流容对比情况求和,则为全天流量超容量时长,该指标值越大,表示扇区拥堵程度越高;
步骤1-3-3,构建指标C23:全天流量超容量平均程度,全天24小时,统计每小时进入扇区的航空器数量,即为该扇区小时流量,共采集样本点n3个,扇区的容量为一定值,当小时流量大于扇区容量时,计算流量与容量的比值,并对所有流量大于容量的小时的时间片流量与容量的比值取平均数,则为全天流量超容量平均程度,该指标值越大,表示扇区拥堵程度越高。
步骤2包括如下步骤:
步骤2-1,选定管制单位管制空域内N个扇区作为阈值判定样本,扇区数量N大于3个;
步骤2-2,将第n个扇区的拥堵评价指标值记为vijn,n取值范围为1~N,采用标准正态分布的坐标值Z-score标准化法对第n个扇区的拥堵评价指标值vijn进行预处理:
v’ijn为vijn标准化之后的数值;
步骤2-3,将扇区拥堵等级分为非常畅通、畅通、拥堵三个等级,令非常畅通扇区、畅通扇区、拥堵扇区的比重分别为P1、P2、P3,且P1+P2+P3=1,利用累积频率方法,将N个扇区指标Cij标准化后的取值v’ijn按从大到小的顺序排列,得到的新序列的第m个指标表示为非常畅通与畅通等级划分的阈值为畅通与拥堵等级划分的阈值为其中,为向下取整函数,为向上取整函数。
步骤3包括如下步骤:
步骤3-1,通过R=(D,C,V)进行描述,其中D表示空域扇区,C表示扇区的拥堵特征,V表示扇区拥堵特征的标准化后指标量值;
步骤3-2,确定经典域Rip,即扇区拥堵评价指标Cij的取值范围,公式如下:
其中,Dip表示第i维度评价指标的拥堵等级为p级,1≤p≤3,p等于1时表示扇区拥堵等级为非常畅通,p等于2时表示扇区拥堵等级为畅通,p等于3时表示扇区拥堵等级为拥堵,Cis表示扇区拥堵评价指标维度i下第s个指标;Vijp代表Cij的量值范围,在物元模型中用<aijp,bijp>表示,<aijp,bijp>指第i维度第j个指标p级的量值范围,则aij1=0,bij3=1。
步骤3-3,确定节域Riq,即扇区拥堵评价指标Cij的全部等级的值域,公式如下:
其中,Diq表示第i维度评价指标对应的全部等级,拥堵等级包括非常畅通、畅通、拥堵三个等级,q=3;Vijq代表Cij的值域,用<aijq,bijq>表示,<aijq,bijq>指评价指标Cij的值域,aijq=0,bijq=1;
步骤4包括如下步骤:
步骤4-1,确定待评物元:选取管制单位管制空域内N个扇区样本中的F个扇区作为评价对象,F≤N,计算拥堵评价指标,并进行标准化处理,得到待评物元,即
其中,Di表示待评第i维度评价指标,wij为Cij对应的指标进行标准化处理后的数值;
步骤4-2,计算关联度:wij关于等级p的关联度表示为Kp(wij):
其中,ρ(wij,Vijp)表示wij到Vijp的距离,ρ(wij,Vijq)表示wij到Vijq的距离,|Vijp|表示取值范围,其中,
|Vijp|=bijp-aijp,
ρ(wij,Vijq)=|wij-(aijq+bijq)/2|-(bijq-aijq)/2,
ρ(wij,Vijp)=|vij-(aijp+bijp)/2|-(bijp-aijp)/2;
步骤4-3,判定各维度等级:令维度i与等级p的关联度为Gp(vi),则:
令维度i拥堵等级关联特征值为Ji,对Gp(vi)进行标准化处理:
令Ji'=round(Ji,0),round(A,B)为需要进行四舍五入的函数,其中,A表示需要进行四舍五入的数字,B为指定的位数,当B=0时,则表示四舍五入到接近的整数,Ji'则为维度i的拥堵等级。
步骤5包括如下步骤:
步骤5-1,令第f个扇区维度i下等级关联特征值(即拥堵等级特征值)为Jfi,f≤F;
步骤5-2,基于熵权法计算各维度权重值:
计算各拥堵维度特征值比重pfi:
计算拥堵评价维度的熵值ei:
计算各拥堵评价维度的客观权重ηi:
计算各扇区拥堵综合评价指数Zf:
本发明还包括步骤6:构建各扇区拥堵综合评价数组E,E=[Z1,Z2,…,Zf,…ZF],Zf从小到大排序,分别代表各扇区的拥堵程度顺序,Zf四舍五入则代表该扇区的综合拥堵等级,等级为3的扇区则为拥堵扇区。
实施例
如图1和图4所示,本发明公开了一种基于多级物元熵权的拥堵空域扇区识别方法,属于空中交通管理领域。该方法首先构建拥堵空域扇区识别指标体系,并选取扇区样本全集,计算扇区拥堵评价指标,并进行标准化处理,确定指标阈值;然后构建多级物元模型,并计算某维度下指标权重,构建待评物元扇区;判定待评物元扇区维度等级,计算各维度权重,计算所选待评扇区综合拥堵等级。具体实施例如下:
1、从瞬时拥堵态势评价和长期拥堵态势评价两个维度,构建扇区拥堵评价指标体系,其中瞬时拥堵态势评价的指标集包括扇区瞬时流量峰值、航班平均占用扇区面积和航班平均占用扇区体积三个指标,长期拥堵态势评价的指标集,包括全天小时平均流容比值、全天流量超容量时长和全天流量超容量平均程度三个指标,指标体系如图2所示。
2、选取某管制单位管制扇区,扇区结构如图3所示,共12个扇区,进行指标计算和标准化处理。扇区拥堵各评价指标计算结果如表1。对扇区拥堵评价指标进行标准化处理,如表2所示。
表1扇区拥堵各评价指标计算结果
表2扇区拥堵各评价指标标准化后结果
将扇区划分三等级,分别为拥堵、畅通、非常畅通,扇区比例分别为0.25,0.5,0.25,根据样本集指标的分布,确定扇区拥堵各指标阈值。见表3。
表3阈值判定
3、构建多级物元模型。
其中,经典域如下:
确定节域,如下式:
计算指标三等级的门限值,如表4所示。
表4指标门限值
选取扇区1,2,3,4作为待评物元。
4、计算扇区拥堵维度关联矩阵。
扇区1关联矩阵,如下:
扇区2关联矩阵,如下:
扇区3关联矩阵,如下:
扇区4关联矩阵,如下:
5、结合指标权重,计算维度等级关联度,并构造关联矩阵。
扇区1维度等级关联矩阵,如下:
可判定扇区1,瞬时拥堵维度等级判定为畅通,拥堵等级特征值为2.53;常态拥堵维度判定为畅通,拥堵等级特征值为2.85。
扇区2维度等级关联矩阵,如下:
可判定扇区2,瞬时拥堵维度等级判定为拥堵,拥堵等级特征值为1.08;常态拥堵维度判定为拥堵,拥堵等级特征值为1.09。
扇区3维度等级关联矩阵,如下:
可判定扇区3,瞬时拥堵维度等级判定为畅通,拥堵等级特征值为1.12;常态拥堵维度判定为畅通,拥堵等级特征值为1.32。
扇区4维度等级关联矩阵,如下:
可判定扇区4,瞬时拥堵维度等级判定为拥堵,拥堵等级特征值为1.15;常态拥堵维度判定为拥堵,拥堵等级特征值为1.32。
6、计算维度权重,对所选扇区进行拥堵程度排序。
计算各扇区等级关联特征值及各维度权值,如表5所示:
表5等级关联特征值及各维度权值
扇区1 | 扇区2 | 扇区3 | 扇区4 | |
J<sub>f1</sub> | 2.528 | 1.07642 | 1.12386 | 1.148076 |
J<sub>f2</sub> | 2.848 | 1.085035 | 1.320953 | 1.320953 |
p<sub>f1</sub> | 0.430 | 0.183 | 0.191 | 0.195 |
p<sub>f2</sub> | 0.433 | 0.165 | 0.201 | 0.201 |
计算熵值:e1=0.944,e2=0.941。
计算各拥堵评价维度的客观权重ηi,η1=0.486,η2=0.514。
计算各扇区拥堵综合评价指数Zf。
表6
扇区1 | 扇区2 | 扇区3 | 扇区4 | |
Z<sub>f</sub> | 2.693 | 1.081 | 1.225 | 1.237 |
从表6可以看出,拥堵程度扇区2>扇区3>扇区4>扇区1。其中扇区2,扇区3,扇区4均为拥堵扇区。
从实验结果可以看出,本发明构建的扇区拥堵指标体系能较全面的反映扇区的拥堵程度,通过多级物元模型以及熵权法,可合理确定各指标的权重,并计算出扇区各维度的拥堵等级以及扇区总体的拥堵程度,解决了常规使用单一指标产生的片面性问题,可为空域管理和流量管理等提供决策依据。本发明简便易行,易于实现,操作性和稳定性较好,适合应用于系统工具的开发。
本发明提供了一种基于多级物元熵权的拥堵热点空域扇区识别方法,具体实现该技术方案的方法和途径很多,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,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (2)
1.一种拥堵热点空域扇区识别方法,其特征在于,包括如下步骤:
步骤1,构建空域扇区拥堵评价指标体系;
步骤2,选定阈值判定样本,根据构建的空域扇区拥堵评价指标体系计算指标,并对指标等级阈值进行判定;
步骤3,构建扇区拥堵计算多级物元模型,并计算指标权重;
步骤4,计算空域扇区拥堵评价指标,并进行标准化处理,计算待评物元与扇区拥堵评价物元的关联度,并判定待评物元维度等级;
步骤5,计算维度等级权重值;
步骤1包括如下步骤:
步骤1-1,用Cij表示第i个评价维度下的第j个指标;
步骤1-2,构建瞬时拥堵态势评价的指标集,包括扇区瞬时流量峰值、航班平均占用扇区面积和航班平均占用扇区体积三个指标;
步骤1-3,构建长期拥堵态势评价的指标集,包括全天小时平均流容比值、全天流量超容量时长和全天流量超容量平均程度三个指标;
步骤1-2包括如下步骤:
步骤1-2-1,选定一日为评价日,构建指标C11,即扇区瞬时流量峰值:全天24小时,每6分钟采样一次,确定当前时间扇区内航空器数量,共采集样本点n1个,按照从小到大的顺序排列,最小值序号为1,最大值序号为n1,选取序号为n2的样本为扇区瞬时流量峰值,该指标值越大,表示扇区拥堵程度越高;
步骤1-2-2,构建指标C12,即航班平均占用扇区面积,该指标等于C11/扇区面积,该指标值越大,表示扇区拥堵程度越高;
步骤1-2-3,构建指标C13,即航班平均占用扇区体积,该指标等于C11/扇区面积/扇区高度层数量,该指标值越大,表示扇区拥堵程度越高;
步骤1-3包括如下步骤:
步骤1-3-1,选定一日为评价日,构建指标C21,即全天小时评价流容比值,全天24小时,统计每小时进入扇区的航空器数量,即为该扇区小时流量,共采集样本点n3个,扇区的容量为一定值,该指标等于小时流量之和/24/扇区容量,该指标值越大,表示扇区拥堵程度越高;
步骤1-3-2,构建指标C22,即全天流量超容量时长,全天24小时,统计每小时进入扇区的航空器数量,即为该扇区小时流量,共采集样本点n3个,扇区的容量为一定值,当小时流量大于扇区容量时,记为1,当小时流量小于等于扇区容量时,记为0,对24小时流容对比情况求和,则为全天流量超容量时长,该指标值越大,表示扇区拥堵程度越高;
步骤1-3-3,构建指标C23:全天流量超容量平均程度,全天24小时,统计每小时进入扇区的航空器数量,即为该扇区小时流量,共采集样本点n3个,扇区的容量为一定值,当小时流量大于扇区容量时,计算流量与容量的比值,并对所有流量大于容量的小时的时间片流量与容量的比值取平均数,则为全天流量超容量平均程度,该指标值越大,表示扇区拥堵程度越高;
步骤2包括如下步骤:
步骤2-1,选定管制单位管制空域内N个扇区作为阈值判定样本;
步骤2-2,将第n个扇区的拥堵评价指标值记为vijn,n取值范围为1~N,采用标准正态分布的坐标值Z-score标准化法对第n个扇区的拥堵评价指标值vijn进行预处理:
v′ijn为vijn标准化之后的数值;
步骤2-3,将扇区拥堵等级分为非常畅通、畅通、拥堵三个等级,令非常畅通扇区、畅通扇区、拥堵扇区的比重分别为P1、P2、P3,且P1+P2+P3=1,利用累积频率方法,将N个扇区指标Cij标准化后的取值v′ijn按从大到小的顺序排列,得到的新序列的第m个指标表示为非常畅通与畅通等级划分的阈值为畅通与拥堵等级划分的阈值为其中,为向下取整函数,为向上取整函数;
步骤3包括如下步骤:
步骤3-1,通过R=(D,C,V)进行描述,其中D表示空域扇区,C表示扇区的拥堵特征,V表示扇区拥堵特征的标准化后指标量值;
步骤3-2,确定经典域Rip,即扇区拥堵评价指标Cij的取值范围,公式如下:
其中,Dip表示第i维度评价指标的拥堵等级为p级,1≤p≤3,p等于1时表示扇区拥堵等级为非常畅通,p等于2时表示扇区拥堵等级为畅通,p等于3时表示扇区拥堵等级为拥堵,Cis表示扇区拥堵评价指标维度i下第s个指标;Vijp代表Cij的量值范围,在物元模型中用<aijp,bijp>表示,<aijp,bijp>指第i维度第j个指标p级的量值范围,则aij1=0,bij3=1;
步骤3-3,确定节域Riq,即扇区拥堵评价指标Cij的全部等级的值域,公式如下:
其中,Diq表示第i维度评价指标对应的全部等级,拥堵等级包括非常畅通、畅通、拥堵三个等级,q=3;Vijq代表Cij的值域,用<aijq,bijq>表示,<aijq,bijq>指评价指标Cij的值域,aijq=0,bijq=1;
步骤4包括如下步骤:
步骤4-1,确定待评物元:选取管制单位管制空域内N个扇区样本中的F个扇区作为评价对象,F≤N,计算拥堵评价指标,并进行标准化处理,得到待评物元,即
其中,Di表示待评第i维度评价指标,wij为Cij对应的指标进行标准化处理后的数值;
步骤4-2,计算关联度:wij关于等级p的关联度表示为Kp(wij):
其中,ρ(wij,Vijp)表示wij到Vijp的距离,ρ(wij,Vijq)表示wij到Vijq的距离,|Vijp|表示取值范围,其中,
|Vijp|=bijp-aijp,
ρ(wij,Vijq)=|wij-(aijq+bijq)/2|-(bijq-aijq)/2,
ρ(wij,Vijp)=|wij-(aijp+bijp)/2|-(bijp-aijp)/2;
令维度i拥堵等级关联特征值为Ji,对Gp(vi)进行标准化处理:
令J′i=round(Ji,0),round(A,B)为需要进行四舍五入的函数,其中,A表示需要进行四舍五入的数字,B为指定的位数,当B=0时,则表示四舍五入到接近的整数,J′i则为维度i的拥堵等级;
步骤5包括如下步骤:
步骤5-1,令第f个扇区维度i下等级关联特征值为Jfi,f≤F;
步骤5-2,基于熵权法计算各维度权重值:
计算各拥堵维度特征值比重pfi:
计算拥堵评价维度的熵值ei:
计算各拥堵评价维度的客观权重ηi:
计算各扇区拥堵综合评价指数Zf:
2.根据权利要求1所述的方法,其特征在于,包括步骤6:构建各扇区拥堵综合评价数组E,E=[Z1,Z2,…,Zf,…ZF],Zf从小到大排序,分别代表各扇区的拥堵程度顺序,Zf四舍五入则代表该扇区的综合拥堵等级,等级为3的扇区则为拥堵扇区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710505635.0A CN107316503B (zh) | 2017-06-28 | 2017-06-28 | 一种基于多级物元熵权的拥堵热点空域扇区识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710505635.0A CN107316503B (zh) | 2017-06-28 | 2017-06-28 | 一种基于多级物元熵权的拥堵热点空域扇区识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107316503A CN107316503A (zh) | 2017-11-03 |
CN107316503B true CN107316503B (zh) | 2020-01-14 |
Family
ID=60180206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710505635.0A Active CN107316503B (zh) | 2017-06-28 | 2017-06-28 | 一种基于多级物元熵权的拥堵热点空域扇区识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107316503B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108986554B (zh) * | 2018-07-23 | 2021-05-25 | 南京航空航天大学 | 一种基于模糊综合评判的空域扇区拥挤程度动态识别方法 |
CN109165854B (zh) * | 2018-08-29 | 2021-06-18 | 中国民用航空总局第二研究所 | 空管运行效率等级评估方法及其装置 |
CN109448366B (zh) * | 2018-10-18 | 2021-09-17 | 南京航空航天大学 | 一种基于随机森林的空域扇区拥挤程度预测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473469B (zh) * | 2013-09-25 | 2016-06-22 | 南京航空航天大学 | 一种基于客观指标的扇区交通态势多层次模糊评价方法 |
CN105390030B (zh) * | 2014-09-03 | 2018-01-12 | 北京航空航天大学 | 飞行流量调控方法及系统 |
JP6581787B2 (ja) * | 2015-03-19 | 2019-09-25 | 株式会社エヌ・ティ・ティ・データ | 混雑度解析装置、混雑度解析システム、混雑度解析方法、および混雑度解析プログラム |
CN106023655B (zh) * | 2016-06-30 | 2019-04-05 | 南京航空航天大学 | 一种扇区空中交通拥堵状态监测方法 |
CN106651126A (zh) * | 2016-11-14 | 2017-05-10 | 辽宁工程技术大学 | 一种遗煤自燃风险评价方法 |
-
2017
- 2017-06-28 CN CN201710505635.0A patent/CN107316503B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107316503A (zh) | 2017-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107316503B (zh) | 一种基于多级物元熵权的拥堵热点空域扇区识别方法 | |
CN110503245B (zh) | 一种机场航班大面积延误风险的预测方法 | |
US20170300546A1 (en) | Method and Apparatus for Data Processing in Data Modeling | |
CN108399453A (zh) | 一种电力客户信用等级评价方法和装置 | |
CN103793788B (zh) | 一种有序用电管理方法 | |
CN106410781B (zh) | 一种电力用户需求响应潜力确定方法 | |
CN110046792B (zh) | 基于雷达图综合评价法的零电量用户排查方法 | |
CN108710623A (zh) | 基于时间序列相似性度量的机场离港延误时间预测方法 | |
CN110428270A (zh) | 基于逻辑回归算法的渠道潜在偏好客户识别方法 | |
CN111079283B (zh) | 对信息饱和度不均衡数据的处理方法 | |
CN110827169B (zh) | 一种基于分级指标的分布式电网业务监控方法 | |
CN106251065A (zh) | 一种基于眼动行为指标体系的管制效率评估方法 | |
CN108647425B (zh) | 基于粒子群优化的K-means径流丰枯年份预报方法 | |
CN105809280A (zh) | 一种机场容量需求预测方法 | |
CN109377068A (zh) | 一种直升机性能分析评估方法 | |
Alinezhad et al. | Sensitivity Analysis in the QUALIFLEX and VIKOR Methods | |
CN116644184B (zh) | 基于数据聚类的人力资源信息管理系统 | |
CN107274061A (zh) | 一种基于熵权法的智慧城市评价方法 | |
CN106202388A (zh) | 一种用户等级自动划分方法及系统 | |
CN116739376A (zh) | 一种基于数据挖掘的公路路面预防性养护决策方法 | |
CN111462834A (zh) | 一种植物中镉过量的概率值的预测方法及系统 | |
CN108830405B (zh) | 基于多指标动态匹配的实时电力负荷预测系统及其方法 | |
CN106651167A (zh) | 一种生物信息工程师技能评级系统 | |
CN111160719A (zh) | 两网融合的多指标评估方法 | |
CN110196797B (zh) | 适于信用评分卡系统的自动优化方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |