CN109146290B - 一种针对大气环境影响的机场停机位优先级分析方法及系统 - Google Patents
一种针对大气环境影响的机场停机位优先级分析方法及系统 Download PDFInfo
- Publication number
- CN109146290B CN109146290B CN201810960852.3A CN201810960852A CN109146290B CN 109146290 B CN109146290 B CN 109146290B CN 201810960852 A CN201810960852 A CN 201810960852A CN 109146290 B CN109146290 B CN 109146290B
- Authority
- CN
- China
- Prior art keywords
- aircraft
- emission
- airport
- pollutants
- clustering
- 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
- 238000004458 analytical method Methods 0.000 title claims description 29
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 97
- 231100000719 pollutant Toxicity 0.000 claims abstract description 97
- 238000009792 diffusion process Methods 0.000 claims abstract description 65
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 238000005192 partition Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000007613 environmental effect Effects 0.000 claims abstract description 34
- 238000009826 distribution Methods 0.000 claims abstract description 27
- 230000033001 locomotion Effects 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 35
- 238000004088 simulation Methods 0.000 claims description 24
- 238000012880 independent component analysis Methods 0.000 claims description 18
- 239000000356 contaminant Substances 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 11
- 238000013316 zoning Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 239000005416 organic matter Substances 0.000 claims description 6
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 5
- 239000000446 fuel Substances 0.000 claims description 5
- 239000000779 smoke Substances 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 229910001129 Aermet Inorganic materials 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000001308 synthesis method Methods 0.000 claims description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- 239000004215 Carbon black (E152) Substances 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 229930195733 hydrocarbon Natural products 0.000 claims description 3
- 150000002430 hydrocarbons Chemical class 0.000 claims description 3
- 102100037373 DNA-(apurinic or apyrimidinic site) endonuclease Human genes 0.000 claims 1
- 101000806846 Homo sapiens DNA-(apurinic or apyrimidinic site) endonuclease Proteins 0.000 claims 1
- 238000000638 solvent extraction Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于环境评价技术领域,公开了一种针对大气环境影响的机场停机位优先级分析方法及系统,根据机场停机位分配规则与航空器场面运行规则对机场停机位进行第一次分区划分;基于航空器运动模型与机场对航空器场面运行的速度限制,估算航空器从不同停机位滑行至起降跑道入口的滑行时间;结合滑行时间,计算航空器滑行至不同停机位的排放量;基于污染物扩散结果,进行分区第二次划分;最后,根据停机位分区结果,以及污染物的扩散浓度值,通过综合评价方法,计算各停机位分区对大气环境影响程度的排序,以对停机位的分配优化进行优先级指导。本发明可以为面向大气环境影响的停机位分配奠定基础,提供决策支持。
Description
技术领域
本发明属于环境评价技术领域,尤其涉及一种针对大气环境影响的机场停机位优先级分析方法及系统。
背景技术
目前,业内常用的现有技术是这样的:
随着航空运输量、新建或改扩建机场数量的迅速增加,以及机场附近地区城市化的迅速发展,机场运营对周边大气环境所产生的负面效应日益凸显。航空器作为机场最主要的排放源,其在场面运行过程中的排放主要集中于滑行道及机坪区域。而航空器所排放的大量污染物经传输、扩散会对近地面(1000m以下)大气环境造成一定影响。因此,需要考虑航空器分配至不同停机位时对大气环境的影响,并从环保的角度对停机位进行优先级划分,从而为面向大气环境影响的停机位分配奠定基础,对降低机场航空器运行导致的大气环境恶化,保障附近的生态环境稳定和人类生活健康具有重要意义。
目前,国内外学者对停机位优先级进行评价时,主要从机场运行效率、停机位所属航空公司属性的角度出发,并未关注不同停机位分配对大气环境的影响。随着机场航班流量的日益增长,以及我国对机场环保要求的加强,提出一种考虑大气环境影响的停机位优先级评价方法至关重要。
在考虑对大气环境影响的停机位优先级评价时,航空器排放导致受体点污染物浓度的多少是确定各优先级的主要依据。由于现阶段,出于机场航空器运行的安全性考虑,航空器必须按照机场规定的滑行路线滑行,且相邻停机位具有相同的滑行路径,因此,可将一定数目的相邻停机位纳入同一分区。
综上所述,现有技术存在的问题是:
现有确定机场停机位优先级时主要关注机场运行效率、停机位所属航空公司属性,从而忽略了不同停机位分配对大气环境会产生不同程度的负面影响的技术问题。
现有技术没有完善停机位优先级排序;
不能为降低机场航空器运行对大气环境影响的优化措施提供依据。
解决上述技术问题的难度和意义:
解决上述技术问题的难度:首先,现有环评技术仅对机场整体进行了污染物进行扩散模拟,以评价机场对周边大气环境的影响,并未具体到从机场内部关键资源分配导致的影响进行量化;其次,现有关于停机位的优先级划分方法,并未考虑将不同停机位的分配对大气环境所造成的影响加入;最后,现有关于停机位的优先级划分手段,并未将聚类方法与综合评价方法结合,从而以考虑大气环境影响的角度对停机位进行优先级划分。
解决上述技术问题的意义:机场运营导致的各类航空排放物对大气环境的影响也日益受到关注。机场范围内,具有局地性及集中性等特点的航空排放将加重大气环境恶化,对机场附近公众健康及生态环境构成最直接的威胁与影响。为此,为构建环境友好的现代化民航,中国民航已将绿色发展融入行业发展中长期规划,并将环保提升至与安全、效益、服务同等地位。机场内,航空器滑入停机位以及从停机位滑出至跑道的过程中,会排放大量污染物。因此,停机位作为机场的核心资源,航空器分配至不同的停机位,会导致对大气环境不同的影响。基于此,本发明对不同停机位分配导致的航空器排放进行扩散模拟,以量化不同分配方案的影响。其次,采用聚类方法与综合评价方法,对停机位优先级进行排序评价。以期提供一种针对大气环境影响的机场停机位优先级分析方法及系统,为今后考虑大气环境影响的停机位分配方案提供决策支持,为降低机场航空器运行对大气环境影响的优化措施奠定基础。
发明内容
针对现有技术存在的问题,本发明提供了一种针对大气环境影响的机场停机位优先级分析方法及系统。
本发明通过对航空器滑行至各分区产生的污染物浓度进行数值模拟,并通过污染物浓度对分区进行聚类,以减少分区数目,可提高停机位分配效率,更具有实际意义。最后运用综合评价方法衡量各分区对周边大气环境的影响程度,进而对其优先级进行评价。从而可为制定面向大气环境影响的机场布局规划方案奠定基础,促进机场运营与航空运输绿色可持续发展。
本发明是这样实现的,一种针对大气环境影响的机场停机位优先级分析方法,包括:
步骤一,根据机场停机位分配规则与航空器场面运行规则对机场停机位进行第一次分区的划分;
步骤二,测算各分区内停机位至起飞及降落跑道入口的距离,结合航空器运动模型,计算滑行时间(包括滑入与滑出时间),通过ICAO排放模型与EEDB航空器排放数据库,计算航空器滑行至不同停机位的污染物排放量(污染物包括NOx、SOx、CO、PM),取该分区内排放量的平均值作为分区污染物排放量;
步骤三,建立AERMOD大气扩散模型,分别对航空器滑行至不同停机位分区所排放污染物的扩散进行模拟,得到评估区域内受体点处的各种污染物的浓度;
步骤四,根据各种污染物浓度值,采用聚类算法,并通过聚类性能度量指标确定聚类方案,对停机位分区进行第二次划分;
步骤五,根据停机位分区,以及污染物扩散浓度值,采用综合评价方法,对停机位分区产生的大气环境影响进行优先级评价。
优选地,所述步骤二具体包括以下步骤:
步骤201,测算各分区内停机位至起飞及降落跑道入口的距离,结合航空器运动模型,计算滑行时间,计算公式为:
其中:TIMj为j型航空器在滑行阶段的运行时间(s);Sstraight为滑行路径中直线段长度(m);Vstraight为航空器在直线段的滑行速度(m/s,Vstraight=13.88);Scurve为滑行路径中弯道段长度(m);Vcurve为滑行路径中弯道段的滑行速度(m/s,Vcurve=5)。
步骤202,计算航空器在滑行阶段内NOx、CO、SOx的排放量,计算公式为:
Eij=(TIMj)×(FFj)×(EIij)×(Nej)
其中:Eij为j型航空器在滑行阶段i类污染物的排放量(g);EIij为j型航空器在滑行阶段中污染物i的排放指数(g/kg);FFj为j型航空器使用单发动机滑行阶段的燃油流率(kg/s);TIMj为j型航空器在滑行阶段的运行时间(s);Nej为j型航空器上使用的发动机个数;
步骤203,航空器在滑行阶段内的PM排放量,计算公式如下:
CI=0.06949(SN)1.234,SN≤30
CI=0.0297(SN)2-1.803(SN)+31.94,SN>30
Qmixed=0.7769(AFR)(1+BPR)+0.877
EItotal=EIPMnvol+EIPMvol-FSC+EIPMvol-FuelOrganics
EPMj=TIMj×FFj×EItotal×Nej
其中:EPMj为j型航空器在滑行阶段PM的排放量(g);CI为碳排放指数(mg/m3);SN为烟度数;Qmixed为混合排气体积流量(kg/m3);EIPMnvol为非挥发性(non-volatile)PM的排放指数(g/kg);EIPMvol-FSC为挥发性硫化物(volatile sulphate)PM的排放指数(g/kg);FSC默认为0.068;ε默认为2.4;MWout=96(SO4 -2);MWSulpher=32;EIPMvol-FuelOrganics为挥发性有机物PM的排放指数(g/kg);EIHCCFM56为ICAO测算CFM 56-2-C1发动机的总烃排放指数(g/kg);EIPMvol-orgCFM56为APEX1测算CFM 56发动机挥发性有机物PM的排放指数(g/kg);EIHCEngine为航空器发动机HC排放指数(g/kg);EItotal为PM总排放指数(g/kg)。
步骤204,计算航空器滑行至某一分区内的所有停机位时所产生的排放量的平均值,并将该值视为航空器滑行至该分区所产生的排放量。计算公式如下:
其中:EKij为j型航空器在滑行至K分区时的i类污染物(NOx、CO、SOx、PM)的排放量(g);n为该分区内的停机位数量;Eij-n为j型航空器滑行至第n个停机位的i类污染物的排放量(g)。
优选地,所述步骤三具体包括以下步骤:
步骤301,建立AERMOD大气扩散模型,设定评估区域及排放源参数。
优选地,所述评估区域为以机场中心为原点,与机场中心距离不大于50km的区域为评估区域,并将评估区域网格化。
优选地,将航空器排放设定为AERMOD大气扩散模型中的体源排放,模型所需排放源参数包括对应航空器不同运行阶段下的体源排放速率Qs、边维(Syinit)、垂向维(Szinit)、滑行道处体源初始垂直扩散参数(δz-滑行道)与机坪处体源初始垂直扩散参数(δz-机坪),其中,边维(Syinit)、垂向维(Szinit)分别等于各网格的宽度及高度;排放源的排放速率以及初始垂直扩散参数的具体计算方法如下:
其中:Qsi为航空器在滑行阶段运行时对应网格的i(NOx、CO、SOx、PM)污染物排放速率(g/s);tseg为模拟时段长(s),可为年(3.1536×107s)、月(2.592×106s)、日(8.64×104s);Δx为等于网格长度(m);Syinit为边维长度(m),等于网格宽度Δy;Szinit为垂向维长度(m),等于网格高度Δz;p为滑行阶段运行时对应的网格个数;δz-滑行道为航空器在滑行道处经过网格的初始垂直扩散参数(m);δz-机坪为航空器在机坪运行覆盖网格的初始垂直扩散参数(m);W为二分之一滑行道宽度(m);U为模拟时间段内的平均风速(m/s)。
步骤302,通过AERMOD大气扩散模型的气象预处理器AERMET计算AERMOD扩散模拟必要气象信息数据;
步骤303,通过AERMOD标准化的地形处理器AERMAP将评估范围内各网格的位置参数及其地形高度转化为符合AERMOD计算污染物浓度分布的地形数据;
步骤304,根据设定的AERMOD模型参数,结合气象数据与地形数据,进行污染物扩散模拟,得出评估区域内航空器被分配至不同停机位分区时,由于滑行排放所产生的各受体点处的各种污染物浓度值。
优选地,所述步骤四具体包括以下步骤:
步骤401,根据步骤三获得的航空器滑行至各分区后的各种污染物扩散浓度,采用机器学习方法中的AGNES层次聚类算法,对停机位分区进行第二次划分;
步骤402,在获得多种聚类结果后,通过计算各聚类结果的Davies-Bouldin(DB)指标和Silhouette指标,对聚类性能进行综合度量,以评估聚类质量,从而确定最佳聚类数目J。
Davies-Bouldin指标通过计算类内距离和类间距离的比值,从而优化聚类数目的选择。DB值越小意味着类内距离越小,类间距离越大。该指标的计算公式如下所示:
其中:Sp,Sq为分散度,Mpq为第p类和第q距离值,Rpq为相似度。
Silhouette指标反应类间差异性和类内紧密性,用于评估对比明显的聚类结构。Silhouette指标数值越大,聚类质量越好。该指标的公式如下:
其中,a(l)为类内样本平均差异度,b(l)为类间最小差异度。
综合两类指标,选取拥有较大Silhouette指标值和较小Davies-Bouldin指标值的聚类数目作为最佳聚类数目。如:现有4个聚类方案,每个方案的Silhouette指标值分别为:0.3,0.5,-0.6,-0.8;Davies-Bouldin指标分别为:0.8,-0.2,0.9,0.4.。因此,较大的Silhouette指标值为0.5,较小Davies-Bouldin指标值为-0.2,其所对应方案二。因此聚类为2类效果最好。
采用两个指标的目的及意义就是使聚类方案的选择更有信服力,因为有的时候结果并不是某一方案同时达到一个指标最大的同时,另一个最小。所以还需要综合考虑。
优选地,所述步骤五具体包括以下步骤:
步骤501,根据步骤三获得的各种污染物浓度值,对航空器滑行至各分区产生的各种污染物浓度进行规范化处理。主要采用极值法对数值进行无量纲化处理。计算方法如下:
Mi=max{Ci},mi=min{Ci}
其中:Ci'为i类污染物的无量纲的观测值;Ci为i类污染物的实际值;Mi为i类污染物的实际最大值;mi为i类污染物的实际最小值。
步骤502,为增加评价结果的客观性,以及考虑到指标之间的关联性,采用动态加权函数法与线性加权综合法构建综合评价模型。动态加权函数计算方法如下:
线性加权综合法的计算方法如下:
其中:A为被评价对象的综合评价值。
步骤503,利用决策分析中的Borda函数方法来确定综合排序方案。根据Borda数的计算结果进行排序,便可得到J个评价对象的总排序方案。
Borda数的计算方法如下:
其中:B(ud)为被评价对象的Borda数;Bi(ud)为第i个排序方案中排在第d个被评价对象后的个数。
步骤504,由于Borda数值越大,表示污染物影响越严重,因此根据步骤S503获得的总排序方案,可确定各分区对大气环境影响的优先级,即影响越严重,优先级越低。由于各分区内包含多个停机位,因此,各分区的优先级也代表该分区内停机位对大气环境影响的优先级。
本发明的另一目的在于提供一种实现所述针对大气环境影响的机场停机位优先级分析方法的计算机程序。
本发明的另一目的在于提供一种终端,所述终端实现所述针对大气环境影响的机场停机位优先级分析方法。
本发明的另一目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行所述的针对大气环境影响的机场停机位优先级分析方法。
本发明的另一目的在于提供一种针对大气环境影响的机场停机位优先级分析系统,所述针对大气环境影响的机场停机位优先级分析系统实现所述针对大气环境影响的机场停机位优先级分析方法,包括:
第一次分区划分模块,根据机场停机位分配规则与航空器场面运行规则对机场停机位进行第一次分区划分;
滑行时间分析模块,通过测算各分区内的停机位至起飞及降落跑道入口的距离,基于航空器运动模型与机场对航空器场面运行的速度限制,估算航空器从不同停机位滑行至起降跑道入口的滑行时间;
污染物浓度获取模块,结合滑行时间,通过ICAO排放模型与EEDB提供的航空器排放参数,计算航空器滑行至不同停机位时的污染物NOx、CO、SOx、PM排放量;建立AERMOD大气扩散模型,对航空器滑行至不同停机位分区的污染物进行扩散模拟,获得所设置受体点处的污染物浓度;
第二次分区划分模块,采用聚类算法对各类污染物浓度值进行聚类,并通过DB指标,Silhouette指标综合确定停机位分区的聚类方案,进行对机场停机位进行第二次分区划分;
优先级指导模块,根据停机位分区结果,以及污染物的扩散浓度值,通过综合评价方法,计算各停机位分区对大气环境影响程度的排序,对停机位的分配优化进行优先级指导。
本发明的另一目的在于提供一种评估机场航空器排放污染物的评估设备,所述评估机场航空器排放污染物的评估设备至少搭载所述的针对大气环境影响的机场停机位优先级分析系统。
综上所述,本发明的优点及积极效果为:
本发明提供的针对大气环境影响的机场停机位优先级分析方法根据机场停机位分配规则与航空器场面运行规则对机场停机位进行第一次分区划分;通过测算各分区内的停机位至起飞及降落跑道入口的距离,基于航空器运动模型与机场对航空器场面运行的速度限制,估算航空器从不同停机位滑行至起降跑道入口的滑行时间;结合滑行时间,通过ICAO排放模型与EEDB提供的航空器排放参数,计算航空器滑行至不同停机位时的污染物(NOx、CO、SOx、PM)排放量;建立AERMOD大气扩散模型,对航空器滑行至不同停机位分区的污染物进行扩散模拟,获得所设置受体点处的污染物浓度;采用聚类算法对各类污染物浓度值进行聚类,并通过DB指标,Silhouette指标综合确定停机位分区的聚类方案,实现对机场停机位进行第二次分区划分;最后,根据停机位分区结果,以及污染物的扩散浓度值,通过综合评价方法,计算各停机位分区对大气环境影响程度的排序,以对停机位的分配优化进行优先级指导。本发明可以为面向大气环境影响的停机位分配奠定基础,提供决策支持。
本发明突出了航空器分配至不同停机位导致的大气环境影响,在遵守机场实际运行规则的情况下,构建了停机位对大气环境影响优先级评价体系,奠定了降低大气环境影响的停机位分配优化研究的基础。
附图说明
图1是本发明实施例提供的针对大气环境影响的机场停机位优先级分析方法流程图。
图2是本发明实施例提供的针对大气环境影响的机场停机位优先级分析系统示意图。
图中:1、第一次分区划分模块;2、滑行时间分析模块;3、污染物浓度获取模块;4、第二次分区划分模块;5、优先级指导模块。
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明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明通过对航空器滑行至各分区产生的污染物浓度进行数值模拟,并通过污染物浓度对分区进行聚类,以减少分区数目,可提高停机位分配效率,更具有实际意义。最后运用综合评价方法衡量各分区对周边大气环境的影响程度,进而对其优先级进行评价。从而可为制定面向大气环境影响的机场布局规划方案奠定基础,促进机场运营与航空运输绿色可持续发展。
图1,本发明实施例提供的针对大气环境影响的机场停机位优先级分析方法,包括:
步骤S1,根据机场制定的停机位分配规则与航空器场面运行规则,对机场停机位进行第一次分区的划分,划分数量为1,2,3…K;如:本发明实施例中,机场第一次分区的划分位11个分区。
步骤S2,测算各分区内停机位至起飞及降落跑道入口的距离,结合航空器运动模型,计算滑行时间(包括滑入与滑出时间),通过ICAO排放模型与EEDB航空器排放数据库,计算航空器滑行至不同停机位的污染物排放量(污染物包括NOx、CO、SOx、PM),取该分区内所有由于停机位排放量的平均值作为分区污染物排放量;
步骤S201,根据机场公布的停机位位置图,按照航空器滑行路径,测算停机位至起飞及降落跑道入口的距离,其中包括F条直线段距离Sstraight与T条弯道段距离Scurve。根据航空器运动模型,将其运动状态视为质点运动。根据机场规定,航空器在直线段最大滑行速度为13.88m/s,弯道段最大滑行速度为5m/s,因此,Vstraight=13.88,Vcurve=5。由上述条件计算获得航空器滑行至某一停机位的滑行时间,计算方法如下:
其中:TIMj为j型航空器在滑行阶段的运行时间(s);Sstraight为滑行路径中直线段长度(m);Vstraight为航空器在直线段的滑行速度(m/s);Scurve为滑行路径中弯道段长度(m);Vcurve为滑行路径中弯道段的滑行速度(m/s)。
步骤S202,参照基于航空器运行时间(time-in-mode,TIM)的ICAO污染物排放量计算方法与ICAO航空器发动机排放数据库(Aircraft engine emissions database,EEDB)提供的各类航空器对应发动机滑行阶段下的燃油流率以及NOx、CO、SOx的排放指数,计算航空器滑行阶段内NOx、CO、SOx的排放量。计算公式为:
Eij=(TIMj)×(FFj)×(EIij)×(Nej)
其中:Eij为j型航空器在滑行阶段i类污染物的排放量(g);EIij为j型航空器在滑行阶段中污染物i的排放指数(g/kg);FFj为j型航空器使用单发动机滑行阶段的燃油流率(kg/s);TIMj为j型航空器在滑行阶段的运行时间(s);Nej为j型航空器上使用的发动机个数;
步骤S203,参照First-OrderApproximation3.0 methodology(FOA3.0)计算方法与ICAO航空器发动机排放数据库(Aircraft engine emissions database,EEDB)提供的各类型航空器发动机的燃油流率、烟度数、AFR、BPR计算航空器在滑行阶段的PM排放量。计算公式如下:
CI=0.06949(SN)1.234,SN≤30
CI=0.0297(SN)2-1.803(SN)+31.94,SN>30
Qmixed=0.7769(AFR)(1+BPR)+0.877
EItotal=EIPMnvol+EIPMvol-FSC+EIPMvol-FuelOrganics
EPMj=TIMj×FFj×EItotal×Nej
其中:EPMj为j型航空器在滑行阶段PM的排放量(g);CI为碳排放指数(mg/m3);SN为烟度数;Qmixed为混合排气体积流量(kg/m3);EIPMnvol为非挥发性(non-volatile)PM的排放指数(g/kg);EIPMvol-FSC为挥发性硫化物(volatile sulphate)PM的排放指数(g/kg);FSC默认为0.068;ε默认为2.4;MWout=96(SO4 -2);MWSulpher=32;EIPMvol-FuelOrganics为挥发性有机物PM的排放指数(g/kg);EIHCCFM56为ICAO测算CFM56-2-C1发动机的总烃排放指数(g/kg);EIPMvol-orgCFM56为APEX1测算CFM56发动机挥发性有机物PM的排放指数(g/kg);EIHCEngine为航空器发动机HC排放指数(g/kg);EItotal为总排放指数(g/kg)。
步骤S204,计算航空器由不同跑道头滑行至某一分区内的所有停机位时所产生的排放量的平均值,并将该值视为航空器滑行至该分区所产生的排放量。计算公式如下:
其中:EKij为j型航空器在滑行至K分区时的i类污染物(NOx、CO、SOx、PM)的排放量(g);n为该分区内的停机位数量;Eij-n为j型航空器滑行至第n个停机位的i类污染物的排放量(g)。
步骤S3,建立AERMOD大气扩散模型,分别对航空器由不同跑道头滑行至各停机位分区所排放污染物的扩散进行模拟,得到评估区域内受体点的各种污染物的浓度;
步骤S301,建立AERMOD大气扩散模型,设定评估区域、结合航空器排放特性设定排放源参数。
以机场中心为原点,机场东西方向为X轴,南北方向为Y轴,垂直于机场平面方向为Z轴,建立污染物浓度评估坐标系(X,Y,Z);使用美国环境保护署(United StatesEnvironmental Protection Agency,USEPA)开发和我国《环境影响评价技术导则-大气环境HJ2.2-2008》推荐的环境评价模型之一—基于高斯大气扩散模式的稳态烟羽大气扩散模型AERMOD,进行污染物扩散模拟。根据我国《环境影响评价技术导则-大气环境HJ2.2-2008》中对使用AERMOD大气扩散模型的预测范围不大于50km的要求,设定与机场中心距离不大于50km的区域为评估区域,并将评估区域网格化。将航空器排放匹配至滑行阶段对应覆盖的网格。由于航空器尾喷高温高速的排放会导致烟羽抬升显著,所以,结合AERMOD大气扩散模型运行机理与航空器排放特性,将航空器排放设定为AERMOD大气扩散模型中的体源排放,并对模型所需的对应的体源排放速率Qs、边维(Syinit)、垂向维(Szinit)、滑行道处体源初始垂直扩散参数(δz-滑行道)与机坪处体源初始垂直扩散参数(δz-机坪),其中,边维(Syinit)、垂向维(Szinit)分别等于各网格的宽度及高度;排放源的排放速率以及初始垂直扩散参数的具体计算方法如下:
其中:Qsi为航空器在滑行阶段运行时对应网格的i(NOx、CO、SOx、PM)污染物排放速率(g/s);tseg为模拟时段长(s),可为年(3.1536×107s)、月(2.592×106s)、日(8.64×104s);Δx为等于网格长度(m);Syinit为边维长度(m),等于网格宽度Δy;Szinit为垂向维长度(m),等于网格高度Δz;p为滑行阶段运行时对应的网格个数;δz-滑行道为航空器在滑行道处经过网格的初始垂直扩散参数(m);δz-机坪为航空器在机坪运行覆盖网格的初始垂直扩散参数(m);W为二分之一滑行道宽度(m);U为模拟时间段内的平均风速(m/s)。
步骤S302,通过AERMOD大气扩散模型的气象预处理器AERMET计算AERMOD扩散模拟必要气象信息数据。
分别从怀俄明大学实验室高空气象数据库美国国家海洋和大气管理局(NOAA)气象观测数据库获取模拟时段内的高空气象数据及地面气象数据,其中,高空气象数据包括层数、各层气压、高度、气温、风向、风速;地面气象数据包括风向、风速、干球温度和总云量、低云量等气象要素,运用AERMET计算得到包括摩擦速度、Monin-Obukhov长度、对流速度尺度、温度尺度以及混合层高度等在内的边界层廓线数据;
步骤S303,通过AERMOD标准化的地形处理器AERMAP将评估范围内各网格的位置参数及其地形高度转化为符合AERMOD计算污染物浓度分布的地形数据。所采用的地形数据为SRTM90数据,该数据主要由美国太空总署(NASA)和美国国防部国家测绘局(NIMA)联合测算,制成覆盖全球80%以上的陆地表面数字地形高程模型(可由SRTM地形数据库下载)。根据区域所在不同季节的实际地表特征,通过人工观测确定反照率、波文比、表面粗糙度等数据;
步骤S304,根据设定的AERMOD模型参数,结合步骤S302的气象数据与步骤S303所得的地形数据,进行污染物扩散模拟,可得出评估区域内各网格各类污染物的年平均或月平均或日平均浓度(C年(x,y,z)或C月(x,y,z)或C日(x,y,z))。
步骤S4,根据各类污染物的浓度值,采用聚类算法将之前数目较多的分区(K个),聚类为数目较少的分区(J个),M<K;并通过聚类性能度量指标确定J值,从而对停机位分区进行第二次划分;
步骤S401,基于步骤S304获得的航空器滑行至各分区后的各种污染物扩散浓度值,采用机器学习方法中的“自底向上”聚合策略的AGNES(Agglomerative NESting)层次聚类算法,对K个分区进行聚类,聚类方案可分为:1类,2类,3类,…J类。此步骤具体聚类方法参见现有技术中文献:清华大学出版社:周志华《机器学习》;
步骤S402,在获得多种聚类方案后,通过计算各类聚类方案的的Davies-Bouldin(DB)指标和Silhouette指标,对各聚类方案的聚类性能进行综合度量,以评估聚类质量,从而确定最佳聚类数目J。
Davies-Bouldin指标通过计算类内距离和类间距离的比值,从而优化聚类数目的选择。DB值越小意味着类内距离越小,类间距离越大。该指标的计算公式如下所示:
其中:Sp,Sq为分散度,Mpq为第p类和第q距离值,Rpq为相似度。
Silhouette指标反应类间差异性和类内紧密性,用于评估对比明显的聚类结构。Silhouette指标数值越大,聚类质量越好。该指标的公式如下:
其中,a(l)为类内样本平均差异度,b(l)为类间最小差异度。
综合上述两类指标计算结果,选取拥有较大Silhouette指标值和较小Davies-Bouldin指标值的聚类方案作为最佳聚类方案。
在本发明的实施例中,针对不同聚类数方案的DB指标与Silhouette指标如表1所示:
表1:不同聚类方案的DB指标与Silhouette指标
综合上述两类指标计算结果,当聚类数目为3类时,DB指标值最大,Silhouette指标值最小,因此,最终停机位分区第二次划分结果为3个区(A、B、C区)。
步骤S5,根据步骤S402获得的最佳聚类方案,以及步骤S304获得的污染物扩散浓度值,采用综合评价方法,对停机位分区对大气环境影响进行优先级评价。
步骤S501,对步骤S304获得的各种污染物浓度值进行规范化处理。主要采用极值法对数值进行无量纲化处理。计算方法如下:
Mi=max{Ci},mi=min{Ci}
其中:Ci'为i类污染物的无量纲观测值;Ci为i类污染物的实际值(即执行完步骤S304的结果值);Mi为i类污染物的实际最大值;mi为i类污染物的实际最小值。
步骤S502,为增加评价结果的客观性,以及考虑到指标之间的关联性,采用动态加权函数法与线性加权综合法构建综合评价模型。动态加权函数计算方法如下:
线性加权综合法的计算方法如下:
其中:A为被评价对象的综合评价值。
步骤S503,利用决策分析中的Borda函数方法来确定综合排序方案。根据Borda数的计算结果进行排序,便可得到J个评价对象的总排序方案。
Borda数的计算方法如下:
其中:B(ud)为被评价对象的Borda数;Bi(ud)为第i个排序方案中排在第d个被评价对象后的个数。
步骤S504,由于Borda数值越大,表示污染物影响越严重,因此根据步骤S503获得的总排序方案,可确定各分区对大气环境影响的优先级,即影响越严重,优先级越低。由于各分区内包含多个停机位,因此,各分区的优先级也代表该分区内停机位对大气环境影响的优先级。
在本发明的实施例中,依据步骤S5,各分区优先级评价结果如表2所示:
表2:各分区优先级评价
如2所示,本发明实施例提供的针对大气环境影响的机场停机位优先级分析系统,所述针对大气环境影响的机场停机位优先级分析系统实现所述针对大气环境影响的机场停机位优先级分析方法,包括:
第一次分区划分模块1,根据机场停机位分配规则与航空器场面运行规则对机场停机位进行第一次分区划分;
滑行时间分析模块2,通过测算各分区内的停机位至起飞及降落跑道入口的距离,基于航空器运动模型与机场对航空器场面运行的速度限制,估算航空器从不同停机位滑行至起降跑道入口的滑行时间;
污染物浓度获取模块3,结合滑行时间,通过ICAO排放模型与EEDB提供的航空器排放参数,计算航空器滑行至不同停机位时的污染物NOx、CO、SOx、PM排放量;建立AERMOD大气扩散模型,对航空器滑行至不同停机位分区的污染物进行扩散模拟,获得所设置受体点处的污染物浓度;
第二次分区划分模块4,采用聚类算法对各类污染物浓度值进行聚类,并通过DB指标Silhouette指标综合确定停机位分区的聚类方案,进行对机场停机位进行第二次分区划分;
优先级指导模块5,根据停机位分区结果,以及污染物的扩散浓度值,通过综合评价方法,计算各停机位分区对大气环境影响程度的排序,对停机位的分配优化进行优先级指导。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种针对大气环境影响的机场停机位优先级分析方法,其特征在于,所述针对大气环境影响的机场停机位优先级分析方法包括:根据机场停机位分配规则与航空器场面运行规则对机场停机位进行第一次分区划分;
通过测算各分区内的停机位至起飞及降落跑道入口的距离,基于航空器运动模型与机场对航空器场面运行的速度限制,估算航空器从不同停机位滑行至起降跑道入口的滑行时间;
结合滑行时间,通过ICAO排放模型与EEDB提供的航空器排放参数,计算航空器滑行至不同停机位时的污染物NOx、CO、SOx、PM排放量;建立AERMOD大气扩散模型,对航空器滑行至不同停机位分区的污染物进行扩散模拟,获得所设置受体点处的污染物浓度;
采用聚类算法对各类污染物浓度值进行聚类,并通过DB指标,Silhouette指标综合确定停机位分区的聚类方案,进行对机场停机位进行第二次分区划分;
根据停机位分区结果,以及污染物的扩散浓度值,通过综合评价方法,计算各停机位分区对大气环境影响程度,对停机位的分配优化进行优先级排序;
所述根据停机位分区结果,以及污染物的扩散浓度值,通过综合评价方法,计算各停机位分区对大气环境影响程度的排序,对停机位的分配优化进行优先级指导;具体包括:
步骤i),根据获得的各种污染物浓度值,对航空器滑行至各分区产生的各种污染物浓度进行规范化处理;采用极值法对数值进行无量纲化处理;计算方法如下:
Mi=max{Ci},mi=min{Ci}
其中:Ci'为i类污染物的无量纲观测值;Ci为i类污染物的实际模拟浓度值;Mi为i类污染物的实际最大值;mi为i类污染物的实际最小值;
步骤ii),采用动态加权函数法与线性加权综合法构建综合评价模型;动态加权函数计算方法如下:
线性加权综合法的计算方法如下:
其中:A为被评价对象的综合评价值;
步骤iii),利用决策分析中的Borda函数方法来确定综合排序方案;根据Borda数的计算结果进行排序,便可得到J个评价对象的总排序方案;
Borda数的计算方法如下:
其中:B(ud)为被评价对象的Borda数;Bi(ud)为第i个排序方案中排在第d个被评价对象后的个数;
步骤iv),根据获得的总排序方案,确定各分区对大气环境影响的优先级,影响越严重,优先级越低。
2.如权利要求1所述的针对大气环境影响的机场停机位优先级分析方法,其特征在于,所述通过测算各分区内的停机位至起飞及降落跑道入口的距离,基于航空器运动模型与机场对航空器场面运行的速度限制,估算航空器从不同停机位滑行至起降跑道入口的滑行时间;具体包括:
步骤1),测算各分区内停机位至起飞及降落跑道入口的距离,结合航空器运动模型,计算滑行时间,计算公式为:
其中:TIMj为j型航空器在滑行阶段的运行时间,单位为:s;Sstraight为滑行路径中直线段长度,单位为:m;Vstraight为航空器在直线段的滑行速度,单位为:m/s,Vstraight=13.88;Scurve为滑行路径中弯道段长度,单位为:m;Vcurve为滑行路径中弯道段的滑行速度,单位为:m/s,Vcurve=5;
步骤2),计算航空器在滑行阶段内NOx、CO、SOx的排放量,计算公式如下:
Eij=(TIMj)×(FFj)×(EIij)×(Nej)
其中:Eij为j型航空器在滑行阶段i类污染物的排放量,单位为:g;EIij为j型航空器在滑行阶段中i类污染物的排放指数,单位为:g/kg;FFj为j型航空器使用单发动机滑行阶段的燃油流率,单位为:kg/s;TIMj为j型航空器在滑行阶段的运行时间,单位为:s;Nej为j型航空器上使用的发动机个数;
步骤3),航空器在滑行阶段内的PM排放量,计算公式如下:
CI=0.06949(SN)1.234,SN≤30
CI=0.0297(SN)2-1.803(SN)+31.94,SN>30
Qmixed=0.7769(AFR)(1+BPR)+0.877
EItotal=EIPMnvol+EIPMvol-FSC+EIPMvol-FuelOrganics
EPMj=TIMj×FFj×EItotal×Nej
其中:EPMj为j型航空器在滑行阶段PM的排放量,单位为:g;CI为碳排放指数,单位为:mg/m3;SN为烟度数;Qmixed为混合排气体积流量,单位为:kg/m3;EIPMnvol为非挥发性PM的排放指数,单位为:g/kg;EIPMvol-FSC为挥发性硫化物PM的排放指数,单位为:g/kg;FSC默认为0.068;ε默认为2.4;MWout=96;MWSulpher=32;EIPMvol-FuelOrganics为挥发性有机物PM的排放指数,单位为:g/kg;EIHCCFM56为ICAO测算CFM56-2-C1发动机的总烃排放指数,单位为:g/kg;EIPMvol-orgCFM56为APEX1测算CFM56发动机挥发性有机物PM的排放指数,单位为:g/kg;EIHCEngine为航空器发动机HC排放指数,单位为:g/kg;EItotal为PM的总排放指数,单位为:g/kg;
步骤4),计算航空器滑行至某一分区内的所有停机位时所产生的排放量的平均值,并将该值视为航空器滑行至该分区所产生的排放量;计算公式如下:
其中:EKij为j型航空器在滑行至K分区时的i类污染物NOx、CO、SOx、PM的排放量,单位为:g;n为该分区内的停机位数量;Eij-n为j型航空器滑行至第n个停机位的i类污染物的排放量,单位为:g。
3.如权利要求1所述的针对大气环境影响的机场停机位优先级分析方法,其特征在于,所述结合滑行时间,通过ICAO排放模型与EEDB提供的航空器排放参数,计算航空器滑行至不同停机位时的污染物NOx、CO、SOx、PM排放量;建立AERMOD大气扩散模型,对航空器滑行至不同停机位分区的污染物进行扩散模拟,获得所设置受体点处的污染物浓度;具体包括:
步骤a),建立AERMOD大气扩散模型,设定评估区域及排放源参数;
所述评估区域为以机场中心为原点,与机场中心距离不大于50km的区域为评估区域,并将评估区域网格化;
将航空器排放设定为AERMOD大气扩散模型中的体源排放,模型所需排放源参数包括对应航空器不同运行阶段下的体源排放速率Qs、边维Syinit、垂向维Szinit、滑行道处体源初始垂直扩散参数δz-滑行道与机坪处体源初始垂直扩散参数δz-机坪,其中,边维Syinit、垂向维Szinit分别等于各网格的宽度及高度;排放源的排放速率以及初始垂直扩散参数的具体计算方法如下:
其中:Qsi为航空器在滑行阶段运行时对应网格的i类污染物排放速率,单位为:g/s;tseg为模拟时段长,单位为:s,Δx为等于网格长度,单位为:m;Syinit为边维长度,单位为:m,等于网格宽度Δy;Szinit为垂向维长度,单位为:m,等于网格高度Δz;p为滑行阶段运行时对应的网格个数;δz-滑行道为航空器在滑行道处经过网格的初始垂直扩散参数;δz-机坪为航空器在机坪运行覆盖网格的初始垂直扩散参数;W为二分之一滑行道宽度,单位为:m;U为模拟时间段内的平均风速,单位为:m/s;
步骤b),通过AERMOD大气扩散模型的气象预处理器AERMET计算AERMOD扩散模拟必要气象信息数据;
步骤c),通过AERMOD标准化的地形处理器AERMAP将评估范围内各网格的位置参数及其地形高度转化为符合AERMOD计算污染物浓度分布的地形数据;
步骤d),根据设定的AERMOD模型参数,结合气象数据与地形数据,进行污染物扩散模拟,得出评估区域内航空器被分配至不同停机位分区时,由于滑行排放所产生的各受体点处的各种污染物浓度值。
4.如权利要求1所述的针对大气环境影响的机场停机位优先级分析方法,其特征在于,所述采用聚类算法对各类污染物浓度值进行聚类,并通过DB指标及Silhouette指标综合确定停机位分区的聚类方案,进行对机场停机位进行第二次分区划分;具体包括:
步骤I,根据获得的航空器滑行至各分区后的各种污染物扩散浓度,采用机器学习方法中的AGNES层次聚类算法,对停机位分区进行第二次划分;
步骤II,在获得多种聚类结果后,通过计算各聚类结果的DB指标和Silhouette指标,对聚类性能进行综合度量,以评估聚类质量,从而确定最佳聚类数目J;
DB指标通过计算类内距离和类间距离的比值,优化聚类数目的选择;DB值越小表示类内距离越小,类间距离越大,聚类质量越好;该指标的计算公式如下所示:
其中:Sp和Sq为分散度,Mpq为第p类和第q距离值,Rpq为相似度;
Silhouette指标反应类间差异性和类内紧密性,用于评估对比明显的聚类结构;Silhouette指标数值越大,聚类质量越好;指标的计算公式如下:
其中,a(l)为类内样本平均差异度,b(l)为类间最小差异度;
综合两类指标,选取拥有较大Silhouette指标值和较小DB指标值的聚类数目作为最佳聚类数目。
5.一种终端,其特征在于,所述终端实现权利要求1~4任意一项所述针对大气环境影响的机场停机位优先级分析方法。
6.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-4任意一项所述的针对大气环境影响的机场停机位优先级分析方法。
7.一种针对大气环境影响的机场停机位优先级分析系统,其特征在于,所述针对大气环境影响的机场停机位优先级分析系统实现权利要求1~4任意一项所述针对大气环境影响的机场停机位优先级分析方法,包括:
第一次分区划分模块,根据机场停机位分配规则与航空器场面运行规则对机场停机位进行第一次分区划分;
滑行时间分析模块,通过测算各分区内的停机位至起飞及降落跑道入口的距离,基于航空器运动模型与机场对航空器场面运行的速度限制,估算航空器从不同停机位滑行至起降跑道入口的滑行时间;
污染物浓度获取模块,结合滑行时间,通过ICAO排放模型与EEDB提供的航空器排放参数,计算航空器滑行至不同停机位时的污染物NOx、CO、SOx、PM排放量;建立AERMOD大气扩散模型,对航空器滑行至不同停机位分区的污染物进行扩散模拟,获得所设置受体点处的污染物浓度;
第二次分区划分模块,采用聚类算法对各类污染物浓度值进行聚类,并通过DB指标,Silhouette指标综合确定停机位分区的聚类方案,进行对机场停机位进行第二次分区划分;
优先级指导模块,根据停机位分区结果,以及污染物的扩散浓度值,通过综合评价方法,计算各停机位分区对大气环境影响程度的排序,对停机位的分配优化进行优先级指导。
8.一种评估机场航空器排放污染物的评估设备,其特征在于,所述评估机场航空器排放污染物的评估设备至少搭载权利要求7所述的针对大气环境影响的机场停机位优先级分析系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810960852.3A CN109146290B (zh) | 2018-08-22 | 2018-08-22 | 一种针对大气环境影响的机场停机位优先级分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810960852.3A CN109146290B (zh) | 2018-08-22 | 2018-08-22 | 一种针对大气环境影响的机场停机位优先级分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109146290A CN109146290A (zh) | 2019-01-04 |
CN109146290B true CN109146290B (zh) | 2022-01-07 |
Family
ID=64790794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810960852.3A Active CN109146290B (zh) | 2018-08-22 | 2018-08-22 | 一种针对大气环境影响的机场停机位优先级分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109146290B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914217A (zh) * | 2020-07-31 | 2020-11-10 | 南京航空航天大学 | 一种机场环境承载力评价与预测方法 |
Citations (2)
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 |
CN108199404A (zh) * | 2017-12-22 | 2018-06-22 | 国网安徽省电力有限公司电力科学研究院 | 高渗透率分布式能源系统的谱聚类集群划分方法 |
-
2018
- 2018-08-22 CN CN201810960852.3A patent/CN109146290B/zh active Active
Patent Citations (2)
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 |
CN108199404A (zh) * | 2017-12-22 | 2018-06-22 | 国网安徽省电力有限公司电力科学研究院 | 高渗透率分布式能源系统的谱聚类集群划分方法 |
Non-Patent Citations (2)
Title |
---|
基于多目标智能优化算法的停机位分配研究;卫瑷宇;《中国优秀硕士学位论文》;20160815(第08期);第15-16、19-27页 * |
考虑飞机排放的滑行线路优化;李可 等;《交通节能与环保》;20091230(第04期);第44-47页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109146290A (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679667B (zh) | 一种终端区航线规划优先级分类方法 | |
Kuzu | Estimation and dispersion modeling of landing and take-off (LTO) cycle emissions from Atatürk International Airport | |
Simonetti et al. | Air quality impact of a middle size airport within an urban context through EDMS simulation | |
Zhang et al. | Multi-objective optimisation of aircraft departure trajectories | |
Dinc et al. | Global warming potential optimization of a turbofan powered unmanned aerial vehicle during surveillance mission | |
CN107436974A (zh) | 一种面向大气环境影响的机场飞行区布局规划方法 | |
Singh et al. | AHP-Entropy based priority assessment of factors to reduce aviation fuel consumption | |
CN110502790A (zh) | 飞行程序综合评价方法及计算机存储介质 | |
Atasoy et al. | Environmental impact of pollutants from commercial aircrafts at Hasan Polatkan airport | |
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 | |
CN107391839A (zh) | 一种降低大气环境影响的机场单跑道方位选择方法 | |
CN112115571A (zh) | 基于绿色航空模型的中枢辐射式航线网络优化设计方法 | |
CN106875756B (zh) | 一种基于蚁群算法的连续下降进近的航空器噪声优化方法 | |
CN112215416A (zh) | 智能规划巡检航线系统及方法 | |
CN109146290B (zh) | 一种针对大气环境影响的机场停机位优先级分析方法及系统 | |
LeVine et al. | Quantification of Error for Rapid Fleet-Level Noise Computation Model Assumptions | |
Tian et al. | Optimization method for reducing the air pollutant emission and aviation noise of arrival in terminal area | |
Pawlak et al. | Model of emission of exhaust compounds of jet aircraft in cruise phase enabling trajectory optimization | |
Yang et al. | Spatial–Temporal Clustering and Optimization of Aircraft Descent and Approach Trajectories | |
Feng et al. | Review on metrics and prediction methods of civil aviation noise | |
Wells et al. | Minimising emissions from flights through realistic wind fields with varying aircraft weights | |
Li et al. | Modeling spatial distribution of itinerant General Aviation operations by aircraft type | |
Clark et al. | The use of aircraft tracking GPS data to develop models of the use of airtankers in forest fire management | |
De Lemos et al. | Calculating block time and consumed fuel for an aircraft model | |
Tian et al. | Research on evaluation of airport environment capacity |
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 |