CN108986554B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108986554B CN108986554B CN201810809989.9A CN201810809989A CN108986554B CN 108986554 B CN108986554 B CN 108986554B CN 201810809989 A CN201810809989 A CN 201810809989A CN 108986554 B CN108986554 B CN 108986554B
- Authority
- CN
- China
- Prior art keywords
- sector
- degree
- congestion
- quantile
- sectors
- 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 49
- 238000011156 evaluation Methods 0.000 claims description 33
- 239000011159 matrix material Substances 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000011158 quantitative evaluation Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 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]
- G08G5/0073—Surveillance aids
- G08G5/0082—Surveillance aids for monitoring traffic from a ground station
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供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,包括如下步骤:步骤1:选择度量扇区拥挤程度的若干个指标,计算出该空域全部扇区的所述若干个指标;步骤2:确定所述若干个指标对扇区拥挤程度的权重;步骤3:将扇区拥挤程度分为若干个等级,计算同一时间段内全部扇区中各类等级扇区所占比例;步骤4:判断各个扇区所属的拥挤程度等级:将同一个时间段内全部扇区的各个指标数据量纲化处理,利用步骤2中计算好的权重进行加权求和进而得出综合数值,根据综合数值和步骤3所得比例判断各个扇区所属等级。本发明能够对空域扇区拥挤程度进行科学地、合理地评估,为一线空中交通管制员提供定量化辅助决策支持。
Description
技术领域
本发明涉及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,属于空中交通模糊评价领域。
背景技术
随着我国经济的快速增长,民用航空事业当下正在迅速的发展,主要是为了给国内民众提供更加方便的交通。但随着国内航空企业的增加,国外航空企业的进入,使得本就有限的国内民用空域资源更加拥挤,这使得通用航空对空域规划和利用提出了更多的需求。面对日趋饱和的空域和混合多元的运行方式,如何准确描述和度量空域扇区交通拥挤程度成为空中交通管理亟需解决的问题。
空中交通拥挤是指在某一时段内,由于某空中交通单元(机场、航路、终端区、区域)的交通需求与其交通容量发生矛盾而引起的交通滞留现象或滞留态势。目前我国对空中交通拥挤的评估基本停留在多指标聚类评估,指标综合的方法也是千差万别,尚未形成很成熟的一套评价体系。
目前,多指标综合评估已然是空中交通拥挤评估的主流趋势,因此指标综合的方法就尤为重要。而想要达到这一目的,评估方法与指标权重设置方法就应该科学合理。模糊评价本身就是用来评价模糊的、具有变量的、难以量化的问题,适合各种非确定性问题的解决。空中交通拥挤本身就是非确定的模糊问题,利用模糊综合评价评估扇区实时拥挤程度,不仅合理,而且还能得出具体数值的定量评价,对一线空管的指挥具有指导性意义。
目前我国在评价空域扇区拥挤程度时,缺少合理的指标数据综合方法,同时也缺少合理的指标权重设置方法,不利于对扇区的定量评价。
发明内容
针对上述现有技术的不足,为了对空域扇区拥挤程度进行科学地、合理地评估,本专利提出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,为一线空中交通管制员提供定量化辅助决策支持。
为实现上述目的,本发明采用如下技术方案:
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,包括如下步骤:
步骤1:选择度量扇区拥挤程度的若干个指标,并根据某空域同一个时间段内的航班运行记录信息计算出该空域全部扇区的所述若干个指标;
步骤2:确定所述若干个指标对扇区拥挤程度的权重;
步骤3:将扇区拥挤程度分为若干个等级,计算同一时间段内全部扇区中各类等级扇区所占比例;
步骤4:判断各个扇区所属的拥挤程度等级;
步骤4.1:将同一个时间段内全部扇区的各个指标数据量纲化处理;
步骤4.2:利用步骤2中计算好的权重进行加权求和进而得出综合数值;
步骤4.3:根据步骤4.2所得综合数值和步骤3所得比例判断各个扇区所属等级。
优选的,步骤3的具体方法为:
步骤3.1:将扇区拥挤程度分为若干个等级,确定评价拥挤程度的单个指标所属等级;
步骤3.2:计算同一时间段内各个所述指标对所述等级的隶属度,构成评价矩阵;
步骤3.3:计算步骤2所得权重向量与步骤3.2所得评价矩阵的乘积;
步骤3.4:利用最大最小归一化方法对步骤3.3所得矩阵进行归一化,得到一维向量,所述一维向量中的元素分别表示同一时间段内全部扇区中各类等级扇区所占比例。
优选的,所述扇区拥挤程度度量的指标包括:
1)容量饱和度,具体计算公式如下:
ρ=Q/C
其中,ρ为容量饱和度;Q为扇区流量;C为扇区容量;
2)潜在冲突量,具体计算公式如下:
其中:ε为潜在冲突量;f为扇区内航空器x与y之间发生潜在冲突的判定函数;dmin为航空器之间的最小安全距离;
当dxy<dmin时,f(dxy)=1;当dxy>dmin时,f(dxy)=0,其中dxy的含义为航空器x与y之间的直线距离;
3)扇区内航空器密度,具体计算公式如下:
其中:α为扇区内航空器密度;N为扇区内航空器数量;V为扇区空间体积;
4)航空器平均速度饱和度,具体计算公式如下:
其中:c为航空器平均速度饱和度;vt为扇区内每架航空器的速度;S为扇区内航空器速度最大值;
5)航空器间平均距离,具体计算公式如下:
其中,r为扇区内航空器间平均距离;A为扇区内所有航空器两两组合的总个数;La为扇区内两架航空器间距离,具体计算公式如下:
其中,R为扇区内两架航空器平均高度;θ为扇区内两架航空器间纬度差;β为扇区内两架航空器纬度平均值;τ为扇区内两架航空器间经度差。
优选的,步骤2的具体方法为:
1)构造层次分析结构,最高目标层为准则层:扇区拥挤判别指标;第二层为具体的判别指标层;
2)构造判断矩阵,具体形式如下:
其中,bij——指标i与指标j间的重要程度;
3)检验判断矩阵的一致性;
4)确定权重,具体方法如下:
(1)计算判断矩阵每一行元素的乘积mi
n表示指标个数;
则W=[W1,W2,…,Wn]T即为所求的权重向量。
优选的,步骤3将扇区拥挤程度分为畅通、基本畅通、轻度拥堵、中度拥堵、重度拥堵五个等级;对评价拥挤程度的任意单个指标,利用百分位法确定每个指标所属等级,具体确定方法为:
(1)对于容量饱和度、潜在冲突量、航空器密度三个指标,将每个扇区全天内各个指标的数值从小到大排序,将小于20%分位值的数值归为畅通类;将处于20%分位值至40%分位值之间的数值归为基本畅通类;将处于40%分位值至60%分位值之间的数值归为轻度拥堵类;将处于60%分位值至80%分位值之间的数值归为中度拥堵类;将处于80%分位值至最大值之间的数值归为重度拥堵类;
(2)对于航空器平均速度饱和度、航空器间平均距离两个指标,将每个扇区全天内各个指标的数值从小到大排序,将小于20%分位值的数值归为重度拥堵类;将处于20%分位值至40%分位值之间的数值归为中度拥堵类;将处于40%分位值至60%分位值之间的数值归为轻度拥堵类;将处于60%分位值至80%分位值之间的数值归为基本畅通类;将处于80%分位值至最大值之间的数值归为畅通类。
优选的,步骤4的具体方法为:将航空器平均速度饱和度、航空器间平均距离两个指标数据作倒数化处理,之后将五个指标数据量纲化处理,利用步骤2中计算好的权重将同一时间段内同一扇区的五种指标数据进行加权求和进而得出综合数值,将同一时间段内不同扇区的综合数值从小到大排序,根据步骤4所得比例将全部扇区归为五类:畅通、基本畅通、轻度拥挤、中度拥挤、重度拥挤。
有益效果:①建立了新的空中交通拥挤动态识别的指标体系及其计算方法,从空域整体考虑可以体现拥挤程度的因素,并在计算指标时考虑到多维空间以及两点间距离一定要是直线,能够全方位体现空域扇区的拥挤程度,具有准确性、全面性及实时性;②提出了一种综合评价指标的方法,基于模糊数学理论以及层次分析法,提出利用百分位法确定隶属度矩阵,并基于层次分析法确定了模糊评价中的权重向量集,将定性评价转化为基于数值的定量评价,使评估基于时效性的基础上准确且全面,实现了对空域扇区拥挤程度科学合理的评估。
附图说明
图1:基于模糊综合评判的空域扇区拥挤程度动态识别方法流程图。
具体实施方式
下面结合实施例对本发明做更进一步的解释。
步骤1:读入航班运行实时记录信息,具体包括航班运行记录信息中的航班号、速度、海拔、时间、经度、纬度信息。
步骤2:数据质量分析。分析数据质量时要保证数据在实时更新的前提下是准确的;其次就是关键数据不能缺失,例如经纬度、航班号等;最后要注意数据的一致性,例如海拔及速度的单位。
另外要注意的是,在分析扇区内航空器数量时,基于动态识别的要求,我们要每隔一段时间就要进行一次统计,针对该问题根据记录时间分析数据更为准确。
步骤3:数据预处理。质量分析处理后,根据分析结果对历史运行数据进行清洗,去除取消航班的数据信息,得到清洗之后的历史运行数据。得到清洗后的历史数据,根据时间顺序对历史数据进行重新排序,即按照0:00——24:00的顺序对某一天历史运行数据重新排序,包括航班号、速度、海拔、经度、纬度的数据。
步骤4:建立拥挤程度指标,结合空中交通复杂性,选择如下5个指标作为扇区拥挤程度度量的指标:
1)容量饱和度,是指交通流量需求与容量之比,具体计算公式如下:
ρ=Q/C
其中,ρ——容量饱和度;
Q——扇区流量;
C——扇区容量。
2)潜在冲突量,是指两架或多架航空器在未来某个时刻达到空间上的汇聚,形成违反交通管理规定规定的最小安全距离的情况,具体计算公式如下:
其中:ε——潜在冲突量;
f——扇区内航空器x与y之间发生潜在冲突的判定函数,
dmin——航空器之间的最小安全距离。
当dxy<dmin时,f(dxy)=1;当dxy>dmin时,f(dxy)=0,其中dxy的含义为航空器x与y之间的直线距离。
3)扇区内航空器密度,是指扇区内航空器数量与扇区空间体积之比。具体计算公式如下:
其中:α——扇区内航空器密度;
N——扇区内航空器数量;
V——扇区空间体积。
4)航空器平均速度饱和度,是指扇区内航空器平均速度与该扇区内航空器最大速度之比。具体计算公式如下:
其中:c——航空器平均速度饱和度;
vt——扇区内每架航空器的速度;
S——扇区内航空器速度最大值。
5)航空器间平均距离。航空器间的平均距离是指同一扇区内航空器间距离的平均值,它直观反映了扇区内航空器是处于集中还是分散的状态。具体计算公式如下:
其中,r——扇区内航空器间平均距离;
A——扇区内所有航空器两两组合的总个数;
La——扇区内两架航空器间距离,具体计算公式如下:
其中,R——扇区内两架航空器平均高度;
θ——扇区内两架航空器间纬度差;
β——扇区内两架航空器纬度平均值;
τ——扇区内两架航空器间经度差。
步骤5:将扇区拥挤程度分为畅通、基本畅通、轻度拥堵、中度拥堵、重度拥堵五个等级,对评价拥挤程度的任意单个指标,利用百分位法确定每个指标所属等级,具体确定方法为:
(1)对于容量饱和度、潜在冲突量、航空器密度三个指标,将每个扇区全天内各个指标的数值从小到大排序,将小于20%分位值的数值归为畅通类;将处于20%分位值至40%分位值之间的数值归为基本畅通类;将处于40%分位值至60%分位值之间的数值归为轻度拥堵类;将处于60%分位值至80%分位值之间的数值归为中度拥堵类;将处于80%分位值至最大值之间的数值归为重度拥堵类;
(2)对于航空器平均速度饱和度、航空器间平均距离两个指标,将每个扇区全天内各个指标的数值从小到大排序,将小于20%分位值的数值归为重度拥堵类;将处于20%分位值至40%分位值之间的数值归为中度拥堵类;将处于40%分位值至60%分位值之间的数值归为轻度拥堵类;将处于60%分位值至80%分位值之间的数值归为基本畅通类;将处于80%分位值至最大值之间的数值归为畅通类。
步骤6:确定拥挤程度指标权重,具体方法为:
1)构造层次分析结构,由于选取指标数目只有五个,故构建双层层次分析结构即可。也就是说,对于扇区拥挤判别这个问题来说,最高目标层即为准则层:扇区拥挤判别指标;第二层为具体的判别指标层。
2)构造判断矩阵,具体形式如下:
其中,bij——指标i与指标j间的重要程度。
该矩阵应该满足如下性质:
(1)bij>0
(2)bij=1/bji(i≠j)
(3)bii=1
指标间重要程度为:容量饱和度>扇区内航空器密度>航空器间平均距离>航空器平均速度饱和度>潜在冲突量,因此构造出的判断矩阵为:
3)判断矩阵的一致性检验,引入判断矩阵最大的特征根以外的其余特征根的负平均值,作为度量判断矩阵偏离一致性的指标,用F表示偏离程度,计算公式如下:
其中λmax为矩阵最大特征根,决策指标个数为5。检查决策者判断思维的一致性。F值越大,表明判断矩阵偏离完全一致性的程度越大;F值越小(接近于0),表明判断矩阵的一致性越好。
针对上述构造的判断矩阵,F值为0.0594,表明该判断矩阵具有很好的一致性。
4)确定权重,具体方法如下:
(1)计算判断矩阵每一行元素的乘积mi
n表示指标个数;
则W=[W1,W2,…,Wn]T即为所求的权重向量。
计算求得权重向量W=[0.51,0.2638,0.1296,0.0636,0.0329]T。
步骤7:构造评判矩阵,具体方法为:
首先对同一时段内全部扇区的指标集U={容量饱和度,潜在冲突量,航空器密度,航空器平均速度饱和度,航空器间平均距离}的任意指标ul(l=1,2,...,5)作单指标评判,从指标ul着眼该事物对评价等级vk(k=1,2,...,5)的隶属度为elk,这样就得出第l个指标ul的单指标评判集:
el=(rl1,rl2,...,rl5)
这样5个指标的评价集就构造出一个总的评价矩阵E:
其中elk表示从指标ul着眼,该评判对象能被评为vk的隶属度(l=1,2,…,5;k=1,2,…,5)。具体地说,elk表示第l个指标ul在第k个评价等级vk上的频率分布。这里确定频率的方法为:将利用百分位法确定的各指标的各类(畅通、基本畅通、轻度拥挤、中度拥挤、重度拥挤)数值的个数相比于各指标数值总数,得出比值,该比值即为频率。
步骤8:评判矩阵计算,具体公式为:
D=W*E
其中,D——评判结果矩阵;
*——向量与矩阵相乘。
步骤9:根据拥挤程度综合得分,给出评价等级,具体方法为:将航空器平均速度饱和度、航空器间平均距离两个指标数据作倒数化处理,之后将五个指标数据量纲化处理,利用步骤6中计算好的权重将同一时间段内同一扇区的五种指标数据进行加权求和进而得出综合数值,将同一时间段内不同扇区的综合数值从小到大排序,根据最终评判结果D中的得分(各类拥挤等级所占百分比)最终将扇区归为五类:畅通、基本畅通、轻度拥挤、中度拥挤、重度拥挤。
以中南区2014年3月1日的历史运行数据为基础,每隔十分钟对该区的全部27个扇区的运行情况进行了测试。表1是利用熵权法设置权重综合指标数据从而得到的对所有扇区0:00——0:10运行情况进行评估的结果,表2是利用本文模糊综合评价方法对全扇区同一时间段进行评估得出的结果,从前后对比可以看出,综合评价得出的结果更为合理,更具有指导意义。
表1熵权法综合评估
表2基于模糊评价扇区评价结果
Claims (3)
1.一种基于模糊综合评判的空域扇区拥挤程度动态识别方法,其特征在于,包括如下步骤:
步骤1:选择度量扇区拥挤程度的若干个指标,并根据某空域同一个时间段内的航班运行记录信息计算出该空域全部扇区的所述若干个指标;
步骤2:确定所述若干个指标对扇区拥挤程度的权重;
步骤3:将扇区拥挤程度分为若干个等级,计算同一时间段内全部扇区中各类等级扇区所占比例;
步骤4:判断各个扇区所属的拥挤程度等级;
步骤4.1:将同一个时间段内全部扇区的各个指标数据量纲化处理;
步骤4.2:利用步骤2中计算好的权重将同一时间段内同一扇区的指标数据进行加权求和进而得出综合数值;
步骤4.3:根据步骤4.2所得综合数值和步骤3所得比例判断各个扇区所属等级;
步骤3的具体方法为:
步骤3.1:将扇区拥挤程度分为若干个等级,确定评价拥挤程度的单个指标所属等级;
步骤3.2:计算同一时间段内各个所述指标对所述等级的隶属度,构成评价矩阵;
步骤3.3:计算步骤2所得权重向量与步骤3.2所得评价矩阵的乘积;
步骤3.4:利用最大最小归一化方法对步骤3.3所得矩阵进行归一化,得到一维向量,所述一维向量中的元素分别表示同一时间段内全部扇区中各类等级扇区所占比例;
所述扇区拥挤程度度量的指标包括:
1)容量饱和度,具体计算公式如下:
ρ=Q/C
其中,ρ为容量饱和度;Q为扇区流量;C为扇区容量;
2)潜在冲突量,具体计算公式如下:
其中:ε为潜在冲突量;f为扇区内航空器x与y之间发生潜在冲突的判定函数;dmin为航空器之间的最小安全距离;
当dxy<dmin时,f(dxy)=1;当dxy>dmin时,f(dxy)=0,其中dxy的含义为航空器x与y之间的直线距离;
3)扇区内航空器密度,具体计算公式如下:
其中:α为扇区内航空器密度;N为扇区内航空器数量;V为扇区空间体积;
4)航空器平均速度饱和度,具体计算公式如下:
其中:c为航空器平均速度饱和度;vt为扇区内每架航空器的速度;S为扇区内航空器速度最大值;
5)航空器间平均距离,具体计算公式如下:
其中,r为扇区内航空器间平均距离;A为扇区内所有航空器两两组合的总个数;La为扇区内两架航空器间距离,具体计算公式如下:
其中,R为扇区内两架航空器平均高度;θ为扇区内两架航空器间纬度差;β为扇区内两架航空器纬度平均值;τ为扇区内两架航空器间经度差;
步骤2的具体方法为:
1)构造层次分析结构,最高目标层为准则层:扇区拥挤判别指标;第二层为具体的判别指标层;
2)构造判断矩阵,具体形式如下:
其中,bij——指标i与指标j间的重要程度;
3)检验判断矩阵的一致性;
4)确定权重,具体方法如下:
(1)计算判断矩阵每一行元素的乘积mi
n表示指标个数;
则W=[W1,W2,…,Wn]T即为所求的权重向量。
2.根据权利要求1所述的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,其特征在于,步骤3将扇区拥挤程度分为畅通、基本畅通、轻度拥堵、中度拥堵、重度拥堵五个等级;对评价拥挤程度的任意单个指标,利用百分位法确定每个指标所属等级,具体确定方法为:
(1)对于容量饱和度、潜在冲突量、航空器密度三个指标,将每个扇区全天内各个指标的数值从小到大排序,将小于20%分位值的数值归为畅通类;将处于20%分位值至40%分位值之间的数值归为基本畅通类;将处于40%分位值至60%分位值之间的数值归为轻度拥堵类;将处于60%分位值至80%分位值之间的数值归为中度拥堵类;将处于80%分位值至最大值之间的数值归为重度拥堵类;
(2)对于航空器平均速度饱和度、航空器间平均距离两个指标,将每个扇区全天内各个指标的数值从小到大排序,将小于20%分位值的数值归为重度拥堵类;将处于20%分位值至40%分位值之间的数值归为中度拥堵类;将处于40%分位值至60%分位值之间的数值归为轻度拥堵类;将处于60%分位值至80%分位值之间的数值归为基本畅通类;将处于80%分位值至最大值之间的数值归为畅通类。
3.根据权利要求2所述的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,其特征在于,步骤4的具体方法为:将航空器平均速度饱和度、航空器间平均距离两个指标数据作倒数化处理,之后将五个指标数据量纲化处理,利用步骤2中计算好的权重将同一时间段内同一扇区的五种指标数据进行加权求和进而得出综合数值,将同一时间段内不同扇区的综合数值从小到大排序,根据步骤3所得比例将全部扇区归为五类:畅通、基本畅通、轻度拥挤、中度拥挤、重度拥挤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810809989.9A CN108986554B (zh) | 2018-07-23 | 2018-07-23 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810809989.9A CN108986554B (zh) | 2018-07-23 | 2018-07-23 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108986554A CN108986554A (zh) | 2018-12-11 |
CN108986554B true CN108986554B (zh) | 2021-05-25 |
Family
ID=64550619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810809989.9A Active CN108986554B (zh) | 2018-07-23 | 2018-07-23 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108986554B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815208A (zh) * | 2020-08-28 | 2020-10-23 | 中电科新型智慧城市研究院有限公司 | 一种交通指标数据的分析方法、分析装置及终端设备 |
Family Cites Families (9)
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 |
CN106033001B (zh) * | 2015-03-12 | 2020-11-06 | 比亚迪股份有限公司 | 车辆的油耗评价方法及装置 |
CN104700662B (zh) * | 2015-03-13 | 2016-08-24 | 中国电子科技集团公司第二十八研究所 | 一种基于模糊综合评价的协同航路时隙分配方法 |
US20180039679A1 (en) * | 2015-08-24 | 2018-02-08 | Exhaustless, Inc. | Integrated management of disparate data from isolated data sources |
CN105225193A (zh) * | 2015-09-30 | 2016-01-06 | 中国民用航空总局第二研究所 | 一种基于多重回归模型的扇区运行性能综合指数的方法及系统 |
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 |
CN107316503B (zh) * | 2017-06-28 | 2020-01-14 | 中国电子科技集团公司第二十八研究所 | 一种基于多级物元熵权的拥堵热点空域扇区识别方法 |
CN107657838B (zh) * | 2017-10-10 | 2021-03-19 | 中国民航大学 | 一种空中交通流特征参数指标体系中参数指标的提取方法 |
CN108010376A (zh) * | 2017-12-14 | 2018-05-08 | 浙江大学城市学院 | 一种基于物联网技术的城市停车诱导系统及方法 |
-
2018
- 2018-07-23 CN CN201810809989.9A patent/CN108986554B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108986554A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110503245B (zh) | 一种机场航班大面积延误风险的预测方法 | |
CN111949939B (zh) | 基于改进topsis和聚类分析的智能电表运行状态评价方法 | |
CN113298373B (zh) | 一种金融风险评估方法、装置、存储介质和设备 | |
CN110827169B (zh) | 一种基于分级指标的分布式电网业务监控方法 | |
CN113362604B (zh) | 一种基于扇区动态交通特征的管制员工作负荷评估方法 | |
CN113887908A (zh) | 考虑主客观交叉融合权重的桥梁风险评估方法 | |
CN113284369B (zh) | 一种基于ads-b实测航路数据的预测方法 | |
CN115828140A (zh) | 邻域互信息与随机森林相融合故障检测方法、系统及应用 | |
CN114429245A (zh) | 一种工程造价数据的分析展示方法 | |
CN114611781A (zh) | 一种面向航班计划的离港旅客聚集信息预测方法及系统 | |
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 | |
CN116739376A (zh) | 一种基于数据挖掘的公路路面预防性养护决策方法 | |
CN115879800A (zh) | 基于数据智能的航班管理延误事后分析方法 | |
CN110321914A (zh) | 一种油品质量分析管控系统 | |
CN108986554B (zh) | 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 | |
CN118332441A (zh) | 基于车辙横断面形态特征的道路病害预测方法 | |
CN112612993B (zh) | 一种声环境质量监测的评价方法 | |
CN110196797B (zh) | 适于信用评分卡系统的自动优化方法和系统 | |
CN109165854B (zh) | 空管运行效率等级评估方法及其装置 | |
CN115099699A (zh) | 一种基于mabac综合算法的海岸侵蚀强度评价方法 | |
CN113947309B (zh) | 基于建造大数据的盾构隧道施工标准工时测算及评分方法 | |
CN113205274A (zh) | 一种施工质量定量化排名方法 | |
CN113807587A (zh) | 一种基于多梯核深度神经网络模型积分预警方法以及系统 | |
CN114398769A (zh) | 一种无人直升机飞行控制系统评分自动获取方法 | |
CN113569902A (zh) | 一种基于李克特量表分析航空企业满意度评价质量的方法及系统 |
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 |