CN109686127B - 一种判断航空器在航段内拥堵位置和拥堵程度的方法 - Google Patents
一种判断航空器在航段内拥堵位置和拥堵程度的方法 Download PDFInfo
- Publication number
- CN109686127B CN109686127B CN201910109786.3A CN201910109786A CN109686127B CN 109686127 B CN109686127 B CN 109686127B CN 201910109786 A CN201910109786 A CN 201910109786A CN 109686127 B CN109686127 B CN 109686127B
- Authority
- CN
- China
- Prior art keywords
- aircrafts
- aircraft
- distributed
- segment
- equal
- 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
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
- 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
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)
- Navigation (AREA)
Abstract
把所述航段划分10等分,把航空器按航向分为两类,在预计时刻,航空器可能分布在等分小航段上,也可能不分布在等分小航段上。先分别把每一类航向航空器分布在同一个等分段内的航空器数量累加起来,然后把两类航向航空器分布在同一个等分段内的航空器数量合并,合并之后根据等分小航段上分布的航空器数量,以条形图高低的形式表示出来,并且小航段按原来顺序排列生成条形图。根据条形图排列位置和高低,可以直观地看出航空器在整个航段内的拥堵位置和拥堵程度。
Description
技术领域
本发明提供一种判断航空器在航段内拥堵位置和拥堵程度的方法,属于空中交通管理领域。
背景技术
目前主要根据飞行动态电报、航班运行历史数据、DOD 数据、ACARS 报文数据、管制运行经验数据、气象要素、4D 航迹等数据判断进入机场上空或航路点的航空器数量,通过航班起飞时间或过点时间等各种模型和方法计算过某航路点的时间,判断该时间是否在选定的时间段内。
航路、扇区内航空器预计数量的通用算法,是在计算出机场上空或航路点预计时间基础上,进一步推算出单位时间内(比如30分钟或60分钟)预计进入航段或扇区的航空器数量。航路是由长短不一的航段连接构成。对于航段短的情况,如果航空器预计数量多,可以直接判断航空器在航段内拥堵。但是对于航段较长的情况,目前仅能计算并且用条形图形式显示出单位时间内两个航向分别进入航段的航空器数量和两个航向航空器数量的总和,条形图横轴表示按时间段递增顺序排列,不能确定航空器在航段内分布位置,不能判断航空器在航段内的拥堵程度和拥堵位置; 按照目前通用的方法,根据实验数据(图7)所生成的条形图(图6),表示在1000至1030时段30分钟内,预计飞经航段AB的航空器的总量为9,其中航向AB的航空器数量为5,航向BA的航空器数量4。根据图6条形图显示的状况和数据,显然不能确定1000时刻航空器在航段AB内的拥堵位置和拥堵程度。
对于空中交通流量管理人员来说,在预计的未来时刻判断航空器在航段内的拥堵程度和拥堵位置是非常必要的和重要的。目前尚没有未来时刻判断航空器在航段内的拥堵程度和拥堵位置的方法。
发明内容
本发明的目的是提供一种判断航空器在航段内拥堵位置和拥堵程度的方法,并不改变原有流量管理计算机系统硬件资源,不增加新的数据采集量,仅仅使用应用系统数据库中原有航段飞行时间静态数据和预计飞行到航路点动态数据,增添一项判断航空器在航段内拥堵位置和拥堵程度方法功能。
本发明原理:把所述航段划分10等分,把航空器按航向分为两类,在预计时刻,航空器可能分布在等分小航段上,也可能不分布在等分小航段上。先分别把每一类航向航空器分布在同一个等分段内的航空器数量累加起来,然后把两类航向航空器分布在同一个等分段内的航空器数量合并,合并之后根据等分小航段上分布的航空器数量,以条形图高低的形式表示出来,并且小航段按原来顺序排列生成条形图。根据条形图排列位置和高低,直观地看出航空器在整个航段内的拥堵位置和拥堵程度。
其技术内容为:
第一步和第二步基本流程图(图1)
第一步,对航段AB的数据进行预处理,具体包括:
步骤1.1:给航段AB长度赋值ΔT;
步骤1.2:将航段AB划分10等分,每个等分长度ΔT/10(图 2);
步骤1.3:把航段AB的10等分,构造10个左闭右开的小区间(图3);
步骤1.4:把航段AB分为航向AB和航向BA两类;
第二步,处理航向AB的航空器,具体包括:
步骤2.1:提取当前时刻T0;
步骤2.2:在当前时刻T0,从原有流量管理计算机系统实时更新的航班计划及动态数据表中,遍历飞经航段AB航向AB的全部航空器,计算出每个航空器预计飞到端点A的时刻Tx;;
步骤2.3: 设定要预计的未来时刻T,当然T0<T
把步骤1.3中的10个左闭右开区间的每一个端点值都加上T数值(图 4)新构造成10个左闭右开区间
[T+0,T+1*ΔT/10)编号为A01
[T+1*ΔT/10 ,T+2*ΔT/10)编号为A02
[T+2*ΔT/10,T+3*ΔT/10)编号为A03
……
[T+8*ΔT/10,T+9*ΔT/10)编号为A09
[T+9*ΔT/10,T+10*ΔT/10)编号为A10
步骤2.4: 判断Tx与区间[T, T+10*ΔT/10)的位置关系
① Tx< T//表示航空器还没进入航段AB
② T <= Tx< T+10*ΔT/10 //表示航空器位置正好位于航段AB之内
③T+10*ΔT/10< Tx //表示航空器飞离航段AB
步骤2.5:把Tx与步骤2.3的10个左闭右开区间A01、A02…A10逐一比较,确定航空器到底落在哪个小区间上。落入的小区间,小区间航空器的数值累加1。自然语言算法如下:
If Tx>=T and Tx< T+ΔT
Then
{
If Tx>=T and Tx< T+1*ΔT/ 10then A01= A01+1
If Tx >= T+1*ΔT/10 and Tx < T+2*ΔT/10 then A02= A02+1
If Tx >= T+2*ΔT/10 and Tx < T+3*ΔT/10 then A03= A03+1
………
If Tx >= T+9*ΔT/10 and Tx < T+10*ΔT/10 then A10= A10+1
}
Else
{
Return “航空器Tx时刻不出现在航段AB内,A01、A02…A10不累加1”
}
步骤2.6: 计算在T时刻,航段AB在航向AB方向上的航空器总数AB_total,AB_total=A01+ A02+A03+A04+A05+ A06+ A07+A08+A09+A10
步骤2.7:以小航段A01、A02、A03…A10为横轴,以分布在其上的航空器数量做出条形图,并且图中显示航空器总数AB_total的数值。
第三步,处理航向BA的航空器,具体包括:
步骤3.1:提取当前时刻T0;
步骤3.2:在当前时刻,从实时更新的航班计划及动态数据表中,遍历飞经航段AB航向BA的全部航空器,计算出每个航空器预计飞到端点B的时刻Tx;
步骤3.3: 与步骤2.2相同;
步骤3.4: 与步骤2.4相同;
步骤3.5: 与步骤2.5相同;
步骤3.6:交换A01和A10、A02和A09、A03和 A08、A04和A07、A05和A06的数值,自然语言算法如下:
T1= A01:A01=A10: A10=T1
T2= A02:A02=A09: A09=T2
T3= A03:A03=A08:A08=T3
T4= A04:A04=A07:A07=T4
T5= A05:A05=A06:A06=T5
步骤3.7:计算在T时刻,航向BA方向上的航空器总数AB_total,AB_total=A01+A02+A03+A04+A05+ A06+ A07+A08+A09+A10
步骤3.8:以小航段A01、A02、A03…A10为横轴,以分布在其上的航空器数量做出条形图,并且图中显示航空器总数AB_total的数值。
第四步,航向AB的航空器与航向BA的航空器对应等分航段航空器个数合并,条形图叠加(图5)。
附图说明
图1是本发明实施例的处理航向AB航空器流程示意图。
图2是本发明实施例的航段AB长度10等分示意图。
图3是本发明实施例的航段AB每个等分小航段端点坐标示意图。
图4是本发明实施例的将未来时刻T值加到每个小等分航段端点上示意图。
图5是本发明实施例的航向AB与航向BA条形图叠加示意图。
图6是本发明实施例对比的现有方法条形图示意图。
图7是本发明实施例的一组实验数据。
具体实施方式
下面结合附图以及一组实验数据对本发明作进一步详细的说明:
概念重述及数据准备
航段:将一条航线上相邻两个航路点之间的部分称为一个航段。一个航段的两个航路点称为端点。
一条航线由有限个航段依端点不重复顺次连接构成。航段AB和航段BA,表示同一个航段,都用航段AB表示。每一个航段有两个航向。航段AB有两个航向,分别是航向AB和航向BA。航向AB表示航空器由航路点A飞行到航路点B,航向BA表示航空器由航路点B飞行到航路点A。
分布:飞行中的航空器位置在航段之内,称为航空器分布在航段内。
已知航空器在航段AB的飞行时间为27分钟,当前时刻为0933,甲乙丙丁戊己庚辛壬癸10架航空器在航段AB的航向和航空器飞行到航段AB端点的预计时刻如图7 实验数据所示。
本发明所述的一种判断航空器在航段内拥堵位置和拥堵程度的方法,如图1所示,其特征在于:
第一步,对航段AB的数据进行预处理,具体包括:
步骤1.1:对航段AB的长度赋值为ΔT,ΔT =27(分钟)
步骤1.2:将航段AB长度等分为10份,每个等分长度为ΔT/10,ΔT/10=2.7,如图2所示;
步骤1.3:把航段AB的10等分,构造10个左闭右开的区间,端点保留小数点后一位,
[0.0 2.7 )
[2.7 5.4 )
[5.4 8.1 )
[8.1 10.8 )
[10.8 13.5 )
[13.5 16.2 )
[16.2 18.9 )
[18.9 21.6 )
[21.6 24.3 )
[24.3 27.0 ),
步骤1.4:把航段AB分为航向AB和航向BA两类。
第二步,处理航向AB的航空器,具体包括:
步骤2.1:提取当前时刻T0;T0=0933
步骤2.2:在当前时刻T0=0933,从原有流量管理计算机系统实时更新的航班计划及动态数据表中,遍历飞经航段AB航向AB的全部航空器,计算出每个航空器预计飞到端点A的时刻Tx;;
步骤2.3: 设定要预计的未来时刻T,T=1000,当然0933<1000
把步骤1.3中的10个左闭右开区间的每一个端点值都加上T=1000数值(图 4)新构造成10个左闭右开区间
[1000.0 1002.7) 编号A01
[1002.7 1005.4) 编号A02
[1005.4 1008.1) 编号A03
[1008.1 1010.8) 编号A04
[1010.8 1013.5) 编号A05
[1013.5 1016.2) 编号A06
[1016.2 1018.9) 编号A07
[1018.9 1021.6) 编号A08
[1021.6 1024.3) 编号A09
[1024.3 1027.0) 编号A10
步骤2.4: 判断Tx与区间[1000 , 1027)的位置关系
① Tx< 1000 //表示航空器还没进入航段AB
② 1000 <= Tx< 1027 //表示航空器位置正好位于航段AB之内
③1027< Tx //表示航空器飞离航段AB
步骤2.5:把Tx与步骤2.3的10个左闭右开区间A01、A02…A10逐一比较,确定航空器到底落在哪个小区间上。落入的小区间,小区间航空器的数值累加1,计算结果,
A02=2;A03=1;A06=1;A08=1;其他A01=A04=A05=A07=A09=A10=0;
步骤2.6: 计算在1000时刻,航段AB航向AB方向上的航空器总数AB_total,AB_total=A01+ A02+A03+A04+A05+ A06+ A07+A08+A09+A10=5
步骤2.7:以小航段A01、A02、A03…A10为横轴,以分布在其上的航空器数量做出条形图,并且图中显示航空器总数AB_total的数值。如图5排放在3个条形图的上方条形图所示。
第三步,处理航向BA的航空器,具体包括:
步骤3.1:提取当前时刻T0=0933;
步骤3.2:在当前时刻,从实时更新的航班计划及动态数据表中,遍历飞经航段AB航向BA的全部航空器,计算出每个航空器预计飞到端点B的时刻Tx;
步骤3.3: 与步骤2.2相同;
步骤3.4: 与步骤2.4相同;
步骤3.5: 计算结果,
A02=1; A05=1; A09=2;其他A01=A03=A04=A06=A07=A08=A10=0;
步骤3.6:交换A01和A10、A02和A09、A03和 A08、A04和A07、A05和A06的数值,
交换结果,
A02=2;A06=1;A09=1; 其他A01=A03=A04=A05=A07=A08=A10=0;
步骤3.7:计算在1000时刻,航段AB航向BA方向上的航空器总数AB_total,AB_total=A01+ A02+A03+A04+A05+ A06+ A07+A08+A09+A10=4
步骤3.8:以小航段A01、A02、A03…A10为横轴,以分布在其上的航空器数量做出条形图,并且图中显示航空器总数AB_total的数值。如图5排放在3个条形图的中间位置条形图所示。
第四步,航向AB的航空器与航向BA的航空器对应等分航段航空器个数合并,条形图叠加(图5)。
本发明条形图及其叠加在实际使用空中交通管计算机系统中运行生成,程序开发环境Linux+Apache+PHP+MySQL。
Claims (5)
1.一种判断航空器在航段内拥堵位置和拥堵程度的方法,其特征在于:
第一步:把航段AB划分10等分;
第二步:把航空器按航向分为两类:第一类航向和第二类航向;
第三步:在预计的未来时刻,航空器可能分布在等分小航段上,也可能不分布在等分小航段上;
步骤3.1.1:第一类航向航空器分布在同一个等分段内的航空器数量累加起来;
步骤3.1.2:第一类航向航空器分布在每一个等分段内的航空器数量累加起来;
步骤3.1.3:根据第一类航向航空器在等分小航段上分布的航空器数量和航空器总数,按小航段原来排列顺序生成条形图并显示航空器总数;
步骤3.2.1:第二类航向航空器分布在同一个等分段内的航空器数量累加起来;
步骤3.2.2:第二类航向航空器分布在每一个等分段内的航空器数量累加起来;
步骤3.2.3:
第一类航向与第二类航向方向相反,把第二类航向航空器:
分布在第一个等分段内的航空器数量与分布在第十个等分段内的航空器数量交换;
分布在第二个等分段内的航空器数量与分布在第九个等分段内的航空器数量交换;
分布在第三个等分段内的航空器数量与分布在第八个等分段内的航空器数量交换;
分布在第四个等分段内的航空器数量与分布在第七个等分段内的航空器数量交换;
分布在第五个等分段内的航空器数量与分布在第六个等分段内的航空器数量交换;
步骤3.2.4:根据第二类航向航空器在等分小航段上分布的航空器数量和航空器总数,按小航段原来排列顺序生成条形图并显示航空器总数;
第四步:
步骤4.1:第一类航向和第二类航向航空器分布在同一个等分段内的航空器数量合并;
步骤4.2:分别把第一类航向和第二类航向航空器分布在每一个等分段内航空器数量累加;
第五步:根据步骤4.1同一个等分段内的航空器合并数量和步骤4.2每一个等分段内航空器累加数量,按小航段原来排列顺序生成条形图并显示两类航向航空器总数;
第六步:第一类航向、第二类航向与合并后的条形图分上中下排成一列。
2.如权利要求1所述的判断航空器在航段内拥堵位置和拥堵程度的方法,其特征在于:航线由有限个航段组成,在预计的未来时刻,判断航线拥堵位置和拥堵程度,依赖于判断航空器在航段内拥堵位置和拥堵程度的方法。
3.如权利要求1所述的判断航空器在航段内拥堵位置和拥堵程度的方法,其特征在于:航线由有限个航段组成,在预计的未来时刻,判断航线上航空器数量是否接近或达到公布的空中交通管制容量,依赖于判断航空器在航段内拥堵位置和拥堵程度的方法。
4.如权利要求1所述的判断航空器在航段内拥堵位置和拥堵程度的方法,其特征在于:管制扇区由有限个航段组成,在预计的未来时刻,判断扇区内航空器数量是否接近或达到公布的空中交通管制容量,依赖于判断航空器在航段内拥堵位置和拥堵程度的方法。
5.如权利要求1所述的判断航空器在航段内拥堵位置和拥堵程度的方法,其特征在于:管制空域由有限个航段组成,在预计的未来时刻,判断管制空域内航空器数量是否接近或达到公布的空中交通管制容量,依赖于判断航空器在航段内拥堵位置和拥堵程度的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910109786.3A CN109686127B (zh) | 2019-02-11 | 2019-02-11 | 一种判断航空器在航段内拥堵位置和拥堵程度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910109786.3A CN109686127B (zh) | 2019-02-11 | 2019-02-11 | 一种判断航空器在航段内拥堵位置和拥堵程度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109686127A CN109686127A (zh) | 2019-04-26 |
CN109686127B true CN109686127B (zh) | 2021-02-26 |
Family
ID=66195774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910109786.3A Active CN109686127B (zh) | 2019-02-11 | 2019-02-11 | 一种判断航空器在航段内拥堵位置和拥堵程度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109686127B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115035748B (zh) * | 2022-06-07 | 2024-04-02 | 成都民航空管科技发展有限公司 | 民航航班流量控制态势监控方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530704A (zh) * | 2013-10-16 | 2014-01-22 | 南京航空航天大学 | 一种终端空域空中交通动态容量预测系统及其方法 |
CN106023655A (zh) * | 2016-06-30 | 2016-10-12 | 南京航空航天大学 | 一种扇区空中交通拥堵状态监测方法 |
CN107195190A (zh) * | 2017-07-19 | 2017-09-22 | 广东工业大学 | 一种路况信息分享系统 |
CN108389431A (zh) * | 2018-04-16 | 2018-08-10 | 山东职业学院 | 一种空域扇区划分方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8731810B2 (en) * | 2010-12-10 | 2014-05-20 | The Boeing Company | Aircraft path conformance monitoring |
US20120173131A1 (en) * | 2011-01-05 | 2012-07-05 | Metron Aviation, Inc. | Airport Demand Management Method |
-
2019
- 2019-02-11 CN CN201910109786.3A patent/CN109686127B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530704A (zh) * | 2013-10-16 | 2014-01-22 | 南京航空航天大学 | 一种终端空域空中交通动态容量预测系统及其方法 |
CN106023655A (zh) * | 2016-06-30 | 2016-10-12 | 南京航空航天大学 | 一种扇区空中交通拥堵状态监测方法 |
CN107195190A (zh) * | 2017-07-19 | 2017-09-22 | 广东工业大学 | 一种路况信息分享系统 |
CN108389431A (zh) * | 2018-04-16 | 2018-08-10 | 山东职业学院 | 一种空域扇区划分方法 |
Non-Patent Citations (1)
Title |
---|
浅谈航班表小时时段航空器个数条形图的应用;姜志刚;《空中交通管理》;20110531(第5期);第18-20页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109686127A (zh) | 2019-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vela et al. | A mixed integer program for flight-level assignment and speed control for conflict resolution | |
Simaiakis et al. | A queuing model of the airport departure process | |
EP3671696B1 (en) | System and method to forecast flight delay based on real-time data | |
Ricardianto et al. | Evaluation of the Two Runway Queuing System: Evidence from Soekarno-Hatta International Airport in Indonesia | |
CN111508279B (zh) | 一种天气避让场划设的方法 | |
Wang et al. | Modeling air traffic situation complexity with a dynamic weighted network approach | |
CN103473955A (zh) | 一种基于图论和谱聚类算法的终端扇区划分方法 | |
CN111968414B (zh) | 基于大数据和ai的4d轨迹预测方法、装置及电子设备 | |
Tang et al. | 4D trajectory estimation based on nominal flight profile extraction and airway meteorological forecast revision | |
Lehouillier et al. | Solving the air conflict resolution problem under uncertainty using an iterative biobjective mixed integer programming approach | |
CN107657838B (zh) | 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 | |
CN109686127B (zh) | 一种判断航空器在航段内拥堵位置和拥堵程度的方法 | |
CN113706931B (zh) | 空域的流控策略推荐方法、装置、电子设备及存储介质 | |
CN110991913A (zh) | 繁忙机场高峰时间拥堵风险分析方法 | |
CN113408907B (zh) | 空中交通管制系统威胁影响分析方法、系统及设备 | |
Takacs | Predicting flight arrival times with a multistage model | |
Fricke et al. | Reducing Europe’s Aviation Impact on Climate Change using enriched Air traffic Forecasts and improved efficiency benchmarks | |
Gekht et al. | Tactical re-planning within the 4D contracts ATC concept | |
CN116451446A (zh) | 空管仿真飞行计划自动生成方法 | |
US20230316932A1 (en) | System and method for fast and reliable detection of the complexity of air sectors | |
Šimić et al. | Airport delay prediction using machine learning regression models as a tool for decision making process | |
Baden et al. | systemwideModeler: A fast-time simulation of the NAS | |
US20230230490A1 (en) | System and method for better determining path parameters of aircrafts | |
Marzuoli et al. | Air traffic optimization on data-driven network flow model | |
Hockaday et al. | An analytical method for aircraft collision risk estimation |
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 |