CN110288177A - 一种采用历史运行数据包络线评估机场公布容量的方法 - Google Patents

一种采用历史运行数据包络线评估机场公布容量的方法 Download PDF

Info

Publication number
CN110288177A
CN110288177A CN201910387583.0A CN201910387583A CN110288177A CN 110288177 A CN110288177 A CN 110288177A CN 201910387583 A CN201910387583 A CN 201910387583A CN 110288177 A CN110288177 A CN 110288177A
Authority
CN
China
Prior art keywords
airport
theatre
sortie
leaving
capacity
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.)
Granted
Application number
CN201910387583.0A
Other languages
English (en)
Other versions
CN110288177B (zh
Inventor
赵征
许辰澄
李昌城
葛家明
胡明华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201910387583.0A priority Critical patent/CN110288177B/zh
Publication of CN110288177A publication Critical patent/CN110288177A/zh
Application granted granted Critical
Publication of CN110288177B publication Critical patent/CN110288177B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种采用历史运行数据包络线评估机场公布容量的方法，包括如下步骤：(1)收集待评估机场的实际历史飞行数据；(2)统计机场运行架次和拟制散点图；(3)基于聚类分析的机场运行阶段划分；(4)基于Loess回归分析的机场饱和离场容量评估；(5)基于分位数回归的机场进离场架次耦合关系分析；(6)基于置信区间的机场优先进场容量评估；(7)基于机场运行数据包络线的机场公布容量评估。本发明对机场历史运行数据，通过聚类分析、回归分析和数理统计的技术手段，对机场高峰运行时段进场容量、离场容量、进离场协调容量进行量化评估的方法，评估结果准确。

Description

一种采用历史运行数据包络线评估机场公布容量的方法
技术领域
本发明涉及空管自动化技术领域，特别涉及一种采用历史运行数据包络线评估机场公布容量的方法。
背景技术
日益增长的空中交通需求使得对机场的服务能力要求变得更高。尤其是在机场的公布容量，它不仅能够可以作为航班时刻管理、机场运行、机场规划建设和空中交通管理的基本依据，并对机场运行优化措施提出合理化建议，在一定程度上决定了整个空中交通系统的运行能力。
根据中国民用航空局发布的《机场时刻容量评估技术规范》(AP-93-TM-2017-01)，基于历史统计数据的评估方法已成为研究机场运行能力、评估机场公布容量的经典方法。机场公布容量由单位时间进场架次和单位时间离场架次两部分来定义。单位时间离场架次可以表示为离场需求的单调非递减凹函数。随着离场需求增加，离场架次最初也表现为增加，但是一旦需求超过临界值，则饱和。由于离场需求定义在自然数域上，该函数为一分段线性函数，单调性和凹性约束可以通过前段与后面线段的值和斜率的大小实现。最终数据回归拟合的估计可以转变为最小二乘问题。对于高峰时段来讲，由于跑道和滑行道的共享性质，进离场架次的执行存在着协调权衡，即不同的优先权。但一般情况下，进场航班由于在空中危险系数更高，一般有较高优先级，而离场航班在地面，通常由地面等待策略来缓解高峰压力，实现进离场的协调。此时，离场架次是进场架次的单调不增加的线性分段函数，总体上呈现凹函数趋势。因此，评估问题转化为一个数据回归拟合问题。解决的基本思想是最小二乘法，从本质上说是一种均值回归的原理。但实际中的数据往往来自于机场运行的不同时段，特别是非高峰运行时段的运行架次数据不能代表机场的公布容量，这使得机场运行架次会表现有尖峰或者后尾的特征，这使得最小二乘回归的优良特性受到挑战。
现行的主要方法是通过机场历史运行数据单位时间内起、降架次的耦合特性，进而分析机场高峰运行时段的服务能力，以评估机场的进场、离场和进离平衡的时刻容量。这种方法的主要思想是通过选择特定频次或数据区间的历史运行架次外包络，直接用特定点的连接线作为包络线来描述机场的高峰服务能力，获得机场的时刻容量，但是缺乏对机场不同运行时段特征的细致刻画。
发明内容
发明目的：本发明对机场历史运行数据，通过聚类分析、回归分析和数理统计的技术手段，对机场高峰运行时段进场容量、离场容量、进离场协调容量进行量化评估的方法，评估结果准确。
技术方案：本发明提供一种采用历史运行数据包络线评估机场公布容量的方法，包括如下步骤：
(1)收集待评估机场的实际历史飞行数据；
(2)统计机场运行架次和拟制散点图；
(3)基于聚类分析的机场运行阶段划分；
(4)基于Loess回归分析的机场饱和离场容量评估；
(5)基于分位数回归的机场进离场架次耦合关系分析；
(6)基于置信区间的机场优先进场容量评估；
(7)基于机场运行数据包络线的机场公布容量评估。
进一步地，所述步骤(2)的统计方法为：对不同机场的历史飞行数据进行预处理和统计，获取单位时间内机场的实际进场架次、实际离场架次和实际滑出架次及每一组架次对应的时间段，拟制机场的单位时间进、离场架次二维散点图和加上运行时段信息的机场运行三维散点图。
进一步地，所述单位时间内机场的实际进场架次、实际离场架次和实际滑出架次获取方法，包括如下步骤：
a、选定机场；
b、按顺序依次读取飞行数据样本；
c、如果读取的飞行数据样本的起飞/着陆机场之一为选定机场，进行d；否则，进行b；
d、如果读取的飞行数据样本与所选机场相关的离场、进场和滑出时间有效，进行e；否则，进行b；
e、判断读取的飞行数据样本的相关时刻所在的单位时间段，并且按照不同的单位时间段进行区分；如果还有未读取的飞行数据样本，进行b；否则，进行f；
f、统计每个单位时间段内的离场、进场和滑出架次；
g、处理结束。
将起飞机场和降落机场为所选机场的进场、离场、滑出的时刻数据筛选出来。其次，以时刻为检索条件，通过筛选条件统计出所选时段内，每一个单位时间内，降落机场为所选机场的单位时间进场航班架次、始发机场为所选机场的单位时间离场航班架次和单位时间滑出架次，将这三个架次作为一个数据组，并记录每一组数据的运行时段。这样，每一组待研究的数据就具有运行的时段信息、单位时间进场架次、单位时间离场架次、单位时间滑出架次四个有效信息，从而方便后续研究。
进一步地，所述步骤(3)的划分方法为：在机场单位时间进、离场架次三维散点图的基础上，采用k-means聚类方法，划分机场的进场高峰阶段、离场高峰阶段、进离平衡阶段以及非高峰运行阶段的数据，并在进离场架次散点图上加以显示。以单位时间进场航班架次为横坐标，单位时间离场航班架次为纵坐标，做所选机场的单位时间进离场架次散点图，该图用于后续运行数据包络线的画置。以单位时间进离场架次为横纵轴，每一个进离场散点在一天中所处的运行时段信息为竖轴，绘制包含了运行时段信息的机场运行三维散点图，用于后续的机场数据散点聚类。
基于机场运行三维散点图，使用k-means聚类的方法对机场的运行时段进行划分。根据机场空中交通的运行规律，繁忙机场的运行可以分为四个阶段：进场高峰阶段、离场高峰阶段、进离平衡高峰阶段和非高峰运行阶段。因此，选择k＝4，在算法开始时，随机选择4个中心，使这些中心随着后续迭代的变化而变化；然后，在算法运行过程中，每次迭代，都需要计算每一个单位时间进离场样本点与新的中心之间的欧式距离，然后再重新划分中心，利用迭代的思想把单位时间进离场架次散点图上的点，用不同的颜色表示，这样便将不同时段的运行数据点按照机场的运行规律划分了四个阶段。
进一步地，所述步骤(4)评估方法为：将统计出的单位时间内实际滑出架次作为机场的离场需求，对于机场的离场高峰阶段，将离场架次视为离场需求的函数，根据离场需求与离场架次之间的相互关系，利用Loess回归绘制离场需求与离场架次的关系规律，确定机场的饱和离场容量。
针离场高峰阶段的数据散点，将离场架次视为离场需求的函数。考虑离场需求与离场架次之间的相互关系，将单位时间滑出架次作为自变量，单位时间离场架次作为因变量，得到它们之前相互关系的散点图。利用Loess回归得出离场需求与离场架次的关系规律拟合曲线。随着推出航空器的数量的增加，单位时间起飞架次最初表现为增加，但当滑出量增加到一定程度时，单位时间离场架次的数量呈现出饱和的状态，即维持在一定的水平上作小范围波动。而这一稳定值就是机场在离场高峰时不受进场架次影响的饱和离场容量，对应于容量包络上的是不随离场架次变化的一条水平的线段，并且独立于单位时间进场架次进行估计。
进一步地，所述步骤(5)分析方法为：对于机场进、离平衡时段，利用分位数回归技术确定单位时间内进场架次与离场架次的耦合关系，绘制机场进离平衡时段的容量外包络线。
针对机场进离平衡阶段的数据散点，视单位时间离场架次是单位时间进场架次的函数，在一定范围内随着进场架次的变动而变动。将单位时间进场架次视为自变量，对任何时间间隔的离场容量使用参数为τ的分位数回归估计为单位时间进场架次的函数。参数τ的选取，与现有技术方法中通过区间法对数据的筛选是类似的。
进一步地，所述步骤(6)评估方法为：对于机场的离场高峰运行时段，运用置信区间将单位时间内进场架次独立于离场架次进行分析，得出单位时间内不受离场架次影响下可接受的优先进场容量。
针对机场进场高峰阶段的数据散点，将它们的进场架次提取出来。选取特定的置信区间，去除不符合置信水平的观测极值，求得出机场的优先进场容量。对应于容量包络上的是不随离场架次变化的一条垂直的线段，并且独立于单位时间离场架次进行统计。
进一步地，所述步骤(7)评估方法为：基于不同运行高峰时段的特征，分段绘制机场的运行数据包络线，利用机场运行数据包络线分辨繁忙机场单位时间进场架次和离场架次的运行耦合关系，精确地评估机场的公布容量。
在绘制的二维架次散点图的基础上，根据以上步骤可以得到改进的容量包络线。本发明中容量包络共有三部分组成：一、机场离场高峰，进场需求较少、离场需求较大时离场架次维持在饱和值附近，在包络曲线上表现为一平行于横轴的线段；二、进离平衡高峰，由分位数回归确定的分段线性函数，在包络曲线上表现为连续的倾斜折线段；三、机场进场高峰，由所确定的优先进场容量有效上界值，表现在包络曲线上为垂直于横轴的线段。基于形成的运行数据包络线，能够精确地评估机场在进场高峰阶段的优先进场容量、离场高峰阶段的饱和离场容量以及在进离平衡高峰不同运行模式下的容量值，从而对繁忙机场公布容量的评估工作进行了更为全面和精确的优化。
上述技术方案中，
(1)运用k-means的方法对机场进离场架次散点图进行聚类分析，将单位时间进离场散点图按照进场高峰时段、离场高峰时段、进离平衡时段和非高峰运行时段划分成四个部分，针对繁忙机场的三个高峰的运行特征，分段绘制机场运行数据的外包络曲线，更为细致和精确。
(2)引入分位数回归的技术方法，对单位时间进场架次和离场架次的耦合关系进行精细化描述，以绘制进离平衡时段的机场容量包络线，能够得到在进离平衡时段相互影响的进离平衡容量，对仅仅依赖单位时间进离场总架次的传统区间包络方法进行了改进，进而提高了精度。
(3)引入Loess回归分析机场离场需求分析，从离场需求与离场架次的关系规律中得出机场的饱和离场容量，以确定离场高峰时段的机场容量包络线，考虑了离场需求与离场架次之间的相互关系，能够得到在离场高峰时段不受进场架次影响的饱和离场容量，进而提高了评估的精度。
(4)引入置信区间的数理统计分析方法，对进场高峰时段优先单位时间进场架次进行评估，以绘制进场高峰时段的机场容量包络线，能够得到单位时间内进场高峰时段不受离场架次影响的优先进场容量。
有益效果：本发明可以对机场不同运行时段特征的进行精细分析、分段绘制机场运行数据的外包络曲线、能够得到在离场高峰时段不受进场架次影响的饱和离场容量、能够得到单位时间内进场高峰时段不受离场架次影响的优先进场容量等，进而显著提高机场公布容量的评估精度。
附图说明
图1是本发明基本流程图；
图2是本发明对机场历史飞行数据进行预处理的流程；
图3是本发明机场单位时间的进、离场散点图的聚类结果；
图4是本发明离场需求与离场架次相互关系的箱线图示意；
图5是本发明离场需求与离场架次的loess拟合曲线示意；
图6是本发明单位时间内进场架次的频率直方图；
图7是本发明得到的不同区间下机场的运行数据包络线。
具体实施方式
结合图1-7，详细描述的本发明的具体实施方案，主要包括如下步骤：
(1)收集机场的飞行数据。该原始数据来源于全国的航班协调时刻系统，领航计划报(FPL)的预计计划时刻，以及实际起飞，落地后拍发的起飞落地报的记录。数据包含了选择时间段内全国所有机场的航班时刻数据。这些时刻数据包括：航班号、航班时刻表的起飞、降落机场，起飞、降落时刻，使用机型；领航报在执行当日的的起飞、降落机场，起飞、降落时刻，使用机型，相应飞机注册号；以及实际运行后，记录的实际起飞、落地机场，实际起飞、降落的时刻，实际的推出时间，航班的状态等数据。
(2)对所选机场的飞行数据进行预处理。首先，将起飞机场和降落机场为所选机场的进场、离场、滑出的时刻数据筛选出来。其次，以时刻为检索条件，通过筛选条件统计出所选时间段内，降落机场为所选机场的单位时间进场航班架次、始发机场为所选机场的单位时间离场航班架次和单位时间滑出架次，将这三个架次作为一个数据组，并记录每一组数据的运行时段。在统计过程中，若遇到缺失的航班时刻数据，进行跳过操作，最大程度地保证数据的可靠性。这样，每一组待研究的数据就具有运行的时段信息、单位时间进场架次、单位时间离场架次、单位时间滑出架次四个有效信息，从而方便后续研究。具体处理步骤如下所示：
a、选定机场；
b、按顺序依次读取飞行数据样本；
c、如果读取的飞行数据样本的起飞/着陆机场之一为选定机场，进行d；否则，进行b；
d、如果读取的飞行数据样本与所选机场相关的离场、进场和滑出时间有效，进行e；否则，进行b；
e、判断读取的飞行数据样本的相关时刻所在的单位时间段，并且按照不同的单位时间段进行区分；如果还有未读取的飞行数据样本，进行b；否则，进行f；
f、统计每个单位时间段内的离场、进场和滑出架次；
g、处理结束。
(3)拟制机场的单位时间进离场架次二维散点图和加上运行时段信息的机场运行三维散点图。以单位时间进场航班架次为横坐标，单位时间离场航班架次为纵坐标，做所选机场的单位时间进离场架次散点图，该图用于后续运行数据包络线的画置。以单位时间进离场架次为横纵轴，每一个进离场散点在一天中所处的运行时段信息为竖轴，绘制包含了运行时段信息的机场运行三维散点图，用于后续的机场数据散点聚类。
(4)基于k-means聚类的机场运行阶段划分。基于步骤3中得到的机场运行三维散点图，使用k-means聚类的方法对机场的运行时段进行划分。根据机场空中交通的运行规律，繁忙机场的运行具有进场高峰、离场高峰、进离平衡高峰和非高峰运行四个阶段。因此，选择k＝4，在算法开始时，随机选择4个中心，使这些中心随着后续迭代的变化而变化；然后，在算法运行过程中，每次迭代，都需要计算每一个单位时间进离场样本点与新的中心之间的欧式距离，然后再重新划分中心，利用迭代的思想把单位时间进离场架次散点图上的点，用不同的颜色表示，这样便将不同时段的运行数据点按照机场的运行规律划分到了四个运行阶段，便于后续步骤中采用不同的处理方法，如图3所示。
(5)基于Loess回归分析的机场饱和离场容量评估。饱和离场容量，在机场的离场高峰时段，进场架次很少，机场的饱和离场容量主要受单位时间滑出架次的影响。在这一阶段，机场的单位时间进场架次不会影响其单位时间离场架次。针对步骤4中得出的离场高峰时段的数据散点，将离场架次视为离场需求的函数。考虑离场需求与离场架次之间的相互关系，把离场需求定义为每单位时间内经历了从停机位推出到起飞的航空器架次，用先前得出的单位时间滑出架次表示。将单位时间滑出架次作为自变量，单位时间离场架次作为因变量，可以得到它们之前相互关系的散点图。为了更好地看出离场需求与离场架次的关系规律，利用Loess回归得出拟合曲线如图4所示。Loess回归即局部加权回归散点平滑法，是一种非参数回归，它结合了线性回归的简单性和非线性模型的灵活性，是用来查看二维变量之间关系的一种有力工具。可以看到，随着推出航空器的数量的增加，单位时间起飞架次最初表现为增加，但当滑出量增加到一定程度时，单位时间离场架次的数量呈现出饱和的状态，即维持在一定的水平上作小范围波动。而这一稳定值就是机场在离场高峰时不受进场架次影响的饱和离场容量，对应于容量包络上的是不随离场架次变化的一条水平的线段，并且独立于单位时间进场架次进行估计。
(6)基于分位数回归的机场进离场架次耦合关系分析。在机场的进离平衡阶段，机场的单位时间进场架次和离场架次处在一个相对平衡状态，单位时间进场架次和单位时间离场架次都维持在较高的水平。在这个运行阶段，由于容量等因素的限制，机场的单位时间进场架次和离场架次处在一个此消彼长、相互耦合的关系，即离场容量随着进场容量而进行调整。在机场的运行过程中，进场航班有高于离场航班的优先等级。因此，这一过程的容量评估是将单位时间进场架次视为自变量，对任何时间间隔的离场容量使用参数为τ的分位数回归估计为单位时间进场架次的函数。也就是说，单位时间离场架次是单位时间进场架次的函数，在一定范围内随着进场架次的变动而变动。所以，进离平衡阶段的机场容量包络线是通过分位数回归的方法来得到的。分位数回归中参数τ的选取，与现有技术方法中通过区间法对数据的筛选是类似的。
(7)基于置信区间的机场优先进场容量评估。优先进场容量被定义为单位时间内(本发明是一单位时间)可以容纳的最大进场数量。在机场的进场高峰阶段，单位时间离场架次很少，机场的优先进场容量主要受外来的航班流的影响。在这一阶段，机场的单位时间离场架次不会影响其单位时间进场架次。针对步骤4中得出的进场高峰时段的数据散点，将它们的进场架次提取出来。选取特定的置信区间，去除不符合置信水平的观测极值，求得出机场的优先进场容量。单位时间进场架次的频率直方图如图5所示。对应于容量包络上的是不随离场架次变化的一条垂直的线段，并且独立于单位时间离场架次进行统计。
(8)改进容量包络线的形成及机场公布容量的评估。在步骤3中绘制的二维架次散点图的基础上，根据以上步骤可以得到改进的容量包络线。本文中容量包络共有三部分组成：一、机场离场高峰，进场需求较少、离场需求较大时离场架次维持在饱和值附近，在包络曲线上表现为一平行于横轴的线段；二、进离平衡高峰，由分位数回归确定的分段线性函数，在包络曲线上表现为连续的倾斜折线段；三、机场进场高峰，由所确定的优先进场容量有效上界值，表现在包络曲线上为垂直于横轴的线段。基于形成的运行数据包络线，我们可以精确地评估机场在进场高峰阶段的优先进场容量、离场高峰阶段的饱和离场容量以及在进离平衡高峰不同运行模式下的容量值，从而对繁忙机场公布容量的评估工作进行了更为全面和精确的优化。

Claims (8)

1.一种采用历史运行数据包络线评估机场公布容量的方法，其特征在于：包括如下步骤：
(1)收集待评估机场的实际历史飞行数据；
(2)统计机场运行架次和拟制散点图；
(3)基于聚类分析的机场运行阶段划分；
(4)基于Loess回归分析的机场饱和离场容量评估；
(5)基于分位数回归的机场进离场架次耦合关系分析；
(6)基于置信区间的机场优先进场容量评估；
(7)基于机场运行数据包络线的机场公布容量评估。
2.根据权利要求1所述的采用历史运行数据包络线评估机场公布容量的方法，其特征在于：所述步骤(2)的统计方法为：对不同机场的历史飞行数据进行预处理和统计，获取单位时间内机场的实际进场架次、实际离场架次和实际滑出架次及每一组架次对应的时间段，拟制机场的单位时间进、离场架次二维散点图和加上运行时段信息的机场运行三维散点图。
3.根据权利要求2所述的采用历史运行数据包络线评估机场公布容量的方法，其特征在于：所述单位时间内机场的实际进场架次、实际离场架次和实际滑出架次获取方法，包括如下步骤：
a、选定机场；
b、按读取飞行数据样本；
c、如果读取的飞行数据样本的起飞/着陆机场之一为选定机场，进行d；否则，进行b；
d、如果读取的飞行数据样本与所选机场相关的离场、进场和滑出时间有效，进行e；否则，进行b；
e、判断读取的飞行数据样本的相关时刻所在的单位时间段，并且按照不同的单位时间段进行区分；如果还有未读取的飞行数据样本，进行b；否则，进行f；
f、统计每个单位时间段内的离场、进场和滑出架次；
g、处理结束。
4.根据权利要求1-3任一项所述的采用历史运行数据包络线评估机场公布容量的方法，其特征在于：所述步骤(3)的划分方法为：在机场单位时间进、离场架次三维散点图的基础上，采用k-means聚类方法，划分机场的进场高峰阶段、离场高峰阶段、进离平衡阶段以及非高峰运行阶段的数据，并在进离场架次散点图上加以显示。
5.根据权利要求1或4所述的采用历史运行数据包络线评估机场公布容量的方法，其特征在于：所述步骤(4)评估方法为：将统计出的单位时间内实际滑出架次作为机场的离场需求，对于机场的离场高峰阶段，将离场架次视为离场需求的函数，根据离场需求与离场架次之间的相互关系，利用Loess回归绘制离场需求与离场架次的关系规律，确定机场的饱和离场容量。
6.根据权利要求1或5所述的采用历史运行数据包络线评估机场公布容量的方法，其特征在于：所述步骤(5)分析方法为：对于机场进、离平衡时段，利用分位数回归技术确定单位时间内进场架次与离场架次的耦合关系，绘制机场进离平衡时段的容量外包络线。
7.根据权利要求1或6所述的采用历史运行数据包络线评估机场公布容量的方法，其特征在于：所述步骤(6)评估方法为：对于机场的离场高峰运行时段，运用置信区间将单位时间内进场架次独立于离场架次进行分析，得出单位时间内不受离场架次影响下可接受的优先进场容量。
8.根据权利要求1或7所述的采用历史运行数据包络线评估机场公布容量的方法，其特征在于：所述步骤(7)评估方法为：基于不同运行高峰时段的特征，分段绘制机场的运行数据包络线，利用机场运行数据包络线分辨繁忙机场单位时间进场架次和离场架次的运行耦合关系，精确地评估机场的公布容量。
CN201910387583.0A 2019-05-09 2019-05-09 一种采用历史运行数据包络线评估机场公布容量的方法 Active CN110288177B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910387583.0A CN110288177B (zh) 2019-05-09 2019-05-09 一种采用历史运行数据包络线评估机场公布容量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910387583.0A CN110288177B (zh) 2019-05-09 2019-05-09 一种采用历史运行数据包络线评估机场公布容量的方法

Publications (2)

Publication Number Publication Date
CN110288177A true CN110288177A (zh) 2019-09-27
CN110288177B CN110288177B (zh) 2023-03-28

Family

ID=68002027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910387583.0A Active CN110288177B (zh) 2019-05-09 2019-05-09 一种采用历史运行数据包络线评估机场公布容量的方法

Country Status (1)

Country Link
CN (1) CN110288177B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110660274A (zh) * 2019-09-30 2020-01-07 中国电子科技集团公司第二十八研究所 一种机场容需平衡预测方法
CN113031524A (zh) * 2021-02-07 2021-06-25 南京航空航天大学 一种基于三次样条的压装力包络线生成方法
CN113326568A (zh) * 2021-05-31 2021-08-31 中国民用航空飞行学院 一种基于时间间隔标准改善机场跑道容量的方法
CN113673818A (zh) * 2021-07-13 2021-11-19 交控科技股份有限公司 一种调整行车折返能力的方法及装置
CN114037860A (zh) * 2021-10-26 2022-02-11 西北工业大学 基于鲁棒最小二回归框架的图像分类和特征选择方法
CN115115278A (zh) * 2022-08-25 2022-09-27 北京航空航天大学 一种离场航班推出速率动态自适应决策方法
CN117746692A (zh) * 2024-02-19 2024-03-22 中国民用航空飞行学院 一种基于容量包络线的机场模块化调整方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104915778A (zh) * 2015-06-15 2015-09-16 中国民航大学 基于经济效益最大化的机场容量评估系统及其计算方法
CN109460871A (zh) * 2018-11-08 2019-03-12 北京首都国际机场股份有限公司 基于典型日识别的机场旅客量预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104915778A (zh) * 2015-06-15 2015-09-16 中国民航大学 基于经济效益最大化的机场容量评估系统及其计算方法
CN109460871A (zh) * 2018-11-08 2019-03-12 北京首都国际机场股份有限公司 基于典型日识别的机场旅客量预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
许辰澄 等: "基于置信区间的机场高峰服务能力评估研究", 《航空计算技术》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110660274A (zh) * 2019-09-30 2020-01-07 中国电子科技集团公司第二十八研究所 一种机场容需平衡预测方法
CN110660274B (zh) * 2019-09-30 2020-09-25 中国电子科技集团公司第二十八研究所 一种机场容需平衡预测方法
CN113031524A (zh) * 2021-02-07 2021-06-25 南京航空航天大学 一种基于三次样条的压装力包络线生成方法
CN113326568A (zh) * 2021-05-31 2021-08-31 中国民用航空飞行学院 一种基于时间间隔标准改善机场跑道容量的方法
CN113673818A (zh) * 2021-07-13 2021-11-19 交控科技股份有限公司 一种调整行车折返能力的方法及装置
CN113673818B (zh) * 2021-07-13 2024-04-19 交控科技股份有限公司 一种调整行车折返能力的方法及装置
CN114037860A (zh) * 2021-10-26 2022-02-11 西北工业大学 基于鲁棒最小二回归框架的图像分类和特征选择方法
CN114037860B (zh) * 2021-10-26 2024-04-09 西北工业大学 基于鲁棒最小二乘回归框架的图像分类和特征选择方法
CN115115278A (zh) * 2022-08-25 2022-09-27 北京航空航天大学 一种离场航班推出速率动态自适应决策方法
CN115115278B (zh) * 2022-08-25 2022-11-22 北京航空航天大学 一种离场航班推出速率动态自适应决策方法
CN117746692A (zh) * 2024-02-19 2024-03-22 中国民用航空飞行学院 一种基于容量包络线的机场模块化调整方法
CN117746692B (zh) * 2024-02-19 2024-05-10 中国民用航空飞行学院 一种基于容量包络线的机场模块化调整方法

Also Published As

Publication number Publication date
CN110288177B (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
CN110288177A (zh) 一种采用历史运行数据包络线评估机场公布容量的方法
WO2020233152A1 (zh) 基于城市建筑空间数据的建成区边界识别方法及设备
CN107194493B (zh) 一种短期天气影响下终端空域空中交通延误预测方法
CN107086935B (zh) 基于wifi ap的人流量分布预测方法
CN105355092B (zh) 一种航班流量预控制方法
CN110930770A (zh) 一种基于管制意图和飞机性能模型的四维航迹预测方法
CN104021671B (zh) 一种svm与模糊判断相结合的道路实时路况的判断方法
CN109542876B (zh) 基于Hadoop数据挖掘航空器经验轨迹模型关键因子的提取方法
CN109615937A (zh) 航段运行时间优化计算装置
WO2023005442A1 (zh) 一种多维度航班放行效能评估方法
CN109493644A (zh) 一种基于历史航迹数据挖掘的四维航迹推测方法
CN109741638B (zh) 一种进离场管理系统一体化协同运行方法
CN107818382A (zh) 航班到达时间预测方法
CN107016881A (zh) 一种多跑道机场进场航班多效能优化排序方法
CN104751681A (zh) 一种基于统计学习模型的停机位分配方法
CN104156805B (zh) 一种基于概率分布的航段运行时间计算方法
Achenbach et al. Prescriptive analytics in airline operations: Arrival time prediction and cost index optimization for short-haul flights
CN101510363B (zh) 机场航班计划容量判定方法
CN107341620B (zh) 基于bada燃油消耗率的短期天气下进场航班延误成本计算方法
CN109800660A (zh) 一种基于大数据聚类的电压暂降源识别方法和系统
CN109657736A (zh) 基于聚类特征的航段运行时间计算方法
CN109389243A (zh) 结合联网收费数据的高速公路交通情况调查站点布设方法
CN115115278B (zh) 一种离场航班推出速率动态自适应决策方法
Meijers et al. A data-driven approach to understanding runway occupancy time
CN110533220A (zh) 一种数据驱动的机场离港延误分布挖掘方法

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