CN110349444A - 基于大数据的空中交通流量管理方法 - Google Patents
基于大数据的空中交通流量管理方法 Download PDFInfo
- Publication number
- CN110349444A CN110349444A CN201810303046.9A CN201810303046A CN110349444A CN 110349444 A CN110349444 A CN 110349444A CN 201810303046 A CN201810303046 A CN 201810303046A CN 110349444 A CN110349444 A CN 110349444A
- Authority
- CN
- China
- Prior art keywords
- flight
- data
- air traffic
- moment
- information
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 41
- 230000001419 dependent effect Effects 0.000 claims abstract description 32
- 238000013439 planning Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 2
- 238000004080 punching Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 12
- 238000000926 separation method Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 4
- 230000010006 flight Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一基于大数据的空中交通流量管理方法,用于管制空域内的至少一航班,包括以下步骤:收集空中数据并获取流量相关阈值;获取对应航班的航班优选时刻;获取对应航班的航班运行诸元;根据所述航班运行诸元,获取对应所述航班运行诸元的空中交通流量相关值;以及比对所述空中交通流量相关值与所述流量相关阈值,当匹配时,选定该航班优选时刻为航班特定时刻,通过这种方式预先估算管制空域使用情况,从而调整现有航班的时刻,优化空中交通运行效率。
Description
技术领域
本发明属于空中交通管理领域,特别涉及一基于大数据的空中交通流量管理方法。
背景技术
空中交通流量管理,是指在空中交通流量达到或者接近一空中交通管制可用能力时,对空中交通流量进行适时地调整,从而保证空中交通航班最佳地流入或通过特定区域,从而提高机场以及空域的可用能力。
然而现在关于空中交通流量管理经常采用的方法就是间隔控制法,间隔控制法就是通过控制航班经过特定一点/线的间隔,得到进出各点/线航班数量,最终获取相应空中区域内的航线数量。
然而这种方式存在以下几种弊端:
1.不能有效地实现空中领域空中交通最优化的流动,并且点/线的间隔往往是人工根据简单经验的判断或者推算得出,利用这样的点/线间隔并不能最佳化地适用于多变的空中领域
2.点/线间隔控制法无法考量现实元素的影响。在空中领域范围内各个航班有不同航行诸元(位置,高度,上升下降趋势,航线,速度等)及意图航行诸元(意向高度,意图位置,意图航线,飞行路径等),这些诸元会影响空中交通流量管理所需能力,进而影响空中领域范围内可容纳的航班数
3.不能灵活地发生变动。一旦点/线之间间隔距离确定后,就很难灵活更改
4.间隔控制法下,航班只能严格按照指定时刻起飞,从而导致航班时刻调换不灵活。也就说间隔控制法需要航班严格按照保障时刻运行,一旦某一航班错过保障时刻,可能就会引起后续航班依次退后或该航班被排序直排队队列之后。这样就会引起航班时刻资源被浪费,部分航班等待时间长,特别像是排序在延误航班之后的正常航班。
发明内容
本发明的目的在于提供一基于大数据的空中交通流量管理方法,其中所述空中交通流量管理系统通过分析空中数据,预先估算空域机场使用情况,从而合理安排航班时刻,优化空中交通运行效率。
本发明的目的在于提供一基于大数据的空中交通流量管理方法,其中所述空中交通流量管理系统通过调整航班时刻最优化调配空中资源,充分利用空中资源,提高空中交通流量管理效率。
本发明的目的在于提供一基于大数据的空中交通流量管理方法,其中所述空中交通流量管理系统根据预测模型安排航班时刻,减少航班延误,航班时刻浪费等现象的出现。
本发明的目的在于提供一基于大数据的空中交通流量管理方法,其中所述空中交通流量管理系统结合大数据分析实时灵活调节航班时刻,以使得航班时刻可应对空中实际突发情况。
本发明的目的在于提供一基于大数据的空中交通流量管理方法,所述空中交通流量管理系统解决现有航班管制中的航班时刻生成方式的不足,对更好地实施空中流量管理有较大的实践指导意义。
为达上述目的,本发明的主要技术解决手段是提供一基于大数据的空中交通流量管理方法,用于管制空域内的至少一航班,包括以下步骤:
S1:收集空中数据,并获取流量相关阈值,其中所述流量相关阈值表示空域内流量承受能力;
S2:获取对应航班的航班优选时刻;
S3:根据所述航班优选时刻,获取对应航班的航班运行诸元,其中所述航班运行诸元表示对应该航班优选时刻的航班飞行信息;
S4:根据所述航班运行诸元,获取对应所述航班运行诸元的空中交通流量相关值;以及
S5:比对所述空中交通流量相关值与所述流量相关阈值,当匹配时,选定该航班优选时刻为航班特定时刻。
在一些实施例中,所述步骤S5当中,当所述空中交通流量相关值不匹配所述流量相关阈值时,更改所述航班优选时刻,继续执行步骤S3-S5,直至所述航班优选时刻为所述航班特定时刻。
在一些实施例中,所述步骤S1包括:
S11:获取常规空中交通通行能力信息,交通复杂度承受量信息,气象环境信息,军事活动信息以及基础设施信息的至少一种信息,被获取的信息被定义为所述空中数据;以及
S12:空域流量估计分析所述空中数据,获取所述流量相关阈值。
在一些实施例中,所述步骤S3包括:
S31:依据所述航班优选时刻,获取航班飞行计划数据以及飞行路线中相关风向风速信息;以及
S32:分析所述航班飞行计划数据以及飞行路线中相关风向风速,获取所述航班运行诸元。
在一些实施例中,在所述步骤S32之后包括:
S33:获取所述飞行路线中影响航班飞行的恶劣天气/军事活动信息,并修正所述航班运行诸元。
在一些实施例中,在所述步骤S32之后包括:
S34:获取所述同飞行路线的其他航班历史飞行四维路线,并修正所述航班运行诸元。
在一些实施例中,所述步骤S4包括:
S41:根据所述航班运行诸元获取指定空域内航班数量,指定空域内航班密度,交通复杂度相关值以及概率统计性数据的至少一种以及
S42:将获取的数据转化为所述空中交通流量相关值。
在一些实施例中,所述概率统计性数据包括常规需发送指令数量,空中交通关注点/冲突点数以及机场运⾏关注点/冲突点数的一种或其组合。
在一些实施例中,所述步骤S2包括:
S21:获取航班计划起飞时刻、航班最早可执行起飞时刻以及航班运营方申请时刻的至少一种;以及
S22:选择所述航班优选时刻。
附图说明
图1是飞机在飞行空域中的航线示意图。
图2是根据本发明的所述基于大数据的空中交通流量管理方法的数据流向图。
图3是根据本发明的所述基于大数据的空中交通流量管理方法的流程示意图。
图4是根据本发明的所述基于大数据的空中交通流量管理系统的框图示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
本领域技术人员应理解的是,在本发明的揭露中,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底” “内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系,其仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此上述术语不能理解为对本发明的限制。
可以理解的是,术语“一”应理解为“至少一”或“一个或多个”,即在一个实施例中,一个元件的数量可以为一个,而在另外的实施例中,该元件的数量可以为多个,术语“一”不能理解为对数量的限制。
如图1所示,飞行设备在空域中的航班线路示意图被展示。一般而言,飞行设备在空域中依据指定航班路线飞行,当然,飞行设备在飞行过程中可能会由于实际情况稍微更改航班路线,形成实际航班路线,而实际航班路线也被获知从而便于空管人员及时获取每个飞行设备的状态,并进行相对应的空中交通流量管理。
空中交通流量管理,是指空中交通流量达到或者接近空中交通管制可用能力时,由空管单位对空中交通流量进行适时地调整,从而保证空中交通航班最佳地流入或通过特定区域,从而提高机场以及空中领域的可用能力。这里特别提的是,本发明所说明的空域包括飞行设备在空中的飞行领域以及在地面上的飞行领域。
本发明提供一基于大数据的空中交通流量管理方法,其中所述基于大数据的空中交通流量管理方法利用大数据信息收集分析技术及相关分析计算,预先估算特定航班按照特定时刻飞行时的空中交通流量相关值,并判断该空中交通流量相关值是否满足飞行要求,若满足则确定该特定时刻为航班建议时刻,若不满足则更改所述特定时刻并直至选定所述航班建议时刻。
具体而言, 本发明提供一基于大数据的空中交通流量管理方法,用于管制空域内的至少一航班,包括以下步骤:
S1:收集空中数据,并获取流量相关阈值,其中所述流量相关阈值表示空域内流量承受能力;
S2:获取对应航班的航班优选时刻;
S3:根据所述航班优选时刻,获取对应航班的航班运行诸元,其中所述航班运行诸元表示对应该航班优选时刻的航班飞行信息;
S4:根据所述航班运行诸元,获取对应所述航班运行诸元的空中交通流量相关值;以及
S5:比对所述空中交通流量相关值与所述流量相关阈值,当匹配时,选定该航班优选时刻为航班特定时刻。
当然,在所述步骤S5当中,当所述空中交通流量相关值不匹配所述流量相关阈值时,更改所述航班优选时刻,继续执行步骤S3-S5,直至所述航班优选时刻为所述航班特定时刻。
以下将详细说明该基于大数据的空中交通流量管理方法,其中所述流量相关阈值包括包括但不限于常规空中交通通行能力信息,交通复杂度承受量信息,气象环境信息,军事活动信息以及基础设施信息,并且所述流量相关阈值可通过空域容量估计得到,也就是说,所述步骤S1进一步包括以下步骤:
S11:获取常规空中交通通行能力信息,交通复杂度承受量信息,气象环境信息,军事活动信息以及基础设施信息的至少一种信息,被获取的信息被定义为所述空中数据;以及
S12:空域流量估计分析所述空中数据,获取所述流量相关阈值。
值得注意的是,所述常规空中交通通行能力信息包括但不限于常规可用进出港航线航路,常规可用飞行空域,常规可用飞行高度层以及常规可用引导空域,机场可用跑道数量,各跑道可降量(比如在多跑道情况下,某跑道仅安排起飞、另一跑道只安排降落),常规空域中航路交叉汇聚情况,常规空域中进离港航线冲突情况以及使用间距标准,进而通过空域容量估计得出所述常规可用交通通行能力信息。
所述交通复杂度承受量信息包括但不限于单个席位能力值,空域内安排扇区量以及各扇区席位设置方式等信息。
所述气象环境信息包括但不限于恶劣天气的位置及发展趋势,从而根据空中恶劣天气在空间中的位置及发展趋势可获知气象对常规各可用进出港航线航路、可用飞行空域、可用高度层、可用引导空域的通行能力造成的影响。
举例来说,比如当恶劣天气遮盖部分可用引导空域时,被遮盖的部分引导空域即处于不可用状态,进而按照现有技术的空域容量评估的相关算法得出其对通行能力,交通复杂度的影响。
所述军事活动环境包括但不限于军事活动对常规空域限制以及军事活动区域对机场航班的影响。举例来说,比如当出现军事活动时,将限定航班在指定时间段不可用某些指定空域、高度层、航路航线等,由此根据空域容量评估分析得到军事活动限制对通行能力、交通复杂度的影响。再比如当出现军事活动时,可能将会限定指定时间段内航班起降数量,由此根据空域容量评估分析得到军事活动限制对通行能力、交通复杂度的影响。
所述基础设施信息包括但不限于基础设施可用状态及出现故障时对通行能力、交通复杂度的影响。比如跑道、滑行道可用状态、以及如当其故障时后续对通行能力的影响。
以此方式,在本发明的实施例中,通过空域容量评估获取常规空中交通通行能力信息,交通复杂度承受量信息,气象环境信息,军事活动信息以及基础设施信息的至少一种信息,并从中获取所述流量相关阈值。
另外,所述航班优选时刻指的是航班运营方希望航班所参考执行的时刻,一般而言,所述航班优选时刻选自航班计划起飞时刻、航班最早可执行起飞时刻以及航班运营方申请时刻的一种,其中所述航班计划起飞时刻可通过采集航班飞行计划获取,所述航班最早可执行起飞时刻可通过运营方/保障方通过分析航班实时情况推算得出,或由航班保障系统分析计算得出,所述航班运营方申请时刻通过获取航班运营方提出的申请时刻数据获得。
也就说,所述步骤S2进一步包括以下步骤:
S21:获取航班计划起飞时刻、航班最早可执行起飞时刻以及航班运营方申请时刻的至少一种;以及
S22:选择所述航班优选时刻。
所述航班运行诸元包括但不限于航班在指定时刻位置、航向、速度、高度、上升下降趋势以及在后续某时间内的飞行路线、飞行高度以及目标高度等信息。在本发明的实施例中,所述航班运行诸元以所述航班优选时刻为预设时刻获取,从而得到特定航班的预估航线。
具体而言,所述航班运行诸元可通过获取航班飞行计划数据,飞行路线中相关风向风速信息,飞行路线中影响航班飞行的恶劣天气/军事活动信息以及同飞行路线的其他航班历史飞行四维路线获取。
其中所述航班飞行计划数据,可通过从民航报文系统获取各个航班 FPL Message(Filed flight plan Message 领航计划报)得到。在该领航报文中,包括航班预计飞⾏线路、各个飞机飞⾏航路路点、巡航速度、申请巡航高度、各预计飞⾏路段的高度速度信息。由此结合飞⾏线路中相关风向风速信息,可推算比较准确的在优选时刻起飞的航班的航班运⾏诸元。
其中飞⾏路线中相关风向风速信息,通过采集飞⾏路线中各⾼度层观测或推测的风向风速信息,结合航班飞行计划数据信息,可初步推算出较准确的在指定时刻航班运⾏诸元以及意图运⾏诸元信息。
另外,在出现军事活动信息/恶劣天气信息时,航班将采取特殊操作(如绕飞恶劣天气、改变航路路、改变⾼高度、空中盘旋等待等),由这些预测数据修正上述 初步推算的航班运⾏诸元。
还有,所述同飞行路线的其他航班历史飞行四维路线可通过雷达数据及ADS-B(民航运⾏中的一种航班位置、运动情况监视系统)获悉。根据这些数据可获悉同飞行路线(航路、⽬的地等)其他航班所被安排的飞行高度、速度、遇到军事活动、恶劣天⽓气时航班绕航、改变⾼度层等信息。由这些预测数据修正 上述初步推算的航班运行诸元。
也就说,所述步骤S3进一步包括以下步骤:
S31:依据所述航班优选时刻,获取航班飞行计划数据以及飞行路线中相关风向风速信息;
S32:分析所述航班飞行计划数据以及飞行路线中相关风向风速,获取所述航班运行诸元。
另外,所述步骤S3进一步包括以下步骤:
S33:获取所述飞行路线中影响航班飞行的恶劣天气/军事活动信息,并修正所述航班运行诸元。
或者所述步骤S4进一步包括以下步骤:
S34:获取所述同飞行路线的其他航班历史飞行四维路线,并修正所述航班运行诸元。
再者,所述空中交通流量相关值主要通过采集分析处理各航班在各指定时刻航班运⾏诸元获得。所述空中交通流量值主要包含以下几类信息:指定空域内航班数量,指定空域内航班密度,交通复杂度相关值以及概率统计性数据。其中所述概率统计性数据包括常规需发送指令数量(出港引导、出港⾼度指令、进港引导、进港下降⾼度指令等,空中交通关注点/冲突点数(交叉穿越高度飞行、同向穿越⾼度飞行、进离港冲突调配、飞越航班调配等)以及机场运⾏关注点/冲突点数(穿越跑道、起飞降落、滑⾏冲突等)。
其中所述指定空域内航班数量、指定空域内航班密度根据推算各航班在优选时刻的所处的位置即可获悉。常规需发送指令数量根据航班计划获悉其后续预计飞行航路、高度等信息即可获悉。
其中所述交通关注点/冲突点这些信息需要根据各个航班运⾏诸元获悉其在指定时刻、位置信息、该时刻⾼度及后续预计飞行高度、预计飞行线路等内容。按照设定规则分析各航班是否存在交叉穿越⾼高度飞行、同向穿越⾼度飞行、进离港冲突调配、飞越航班调配等内容。(一般通过分析其飞行路线、高度在四维空间中是否有交叉情况获悉)。
其中所述机场运⾏行行关注点/冲突点根据各个航班预计所使用跑道信息,滑⾏路线信息(根据停机位信息及预计所使⽤跑道信息推算得出),推算得出各个航班在机场运⾏时滑⾏冲突、穿越跑道冲突等信息。
另外,所述流量相关值比对分析处理的方法如下:由上可知将与流量相关值相关的数据转换为可量化的“空中交通流量相关值”,如航班数量、航班密度、可量化的交通复杂度相关值。同时将与流量相关阀值相关的动态数据转换为可量化的“流量相关阀值”,如通⾏能⼒(即可供通⾏行行数量)、可量化的(交通复杂度承受值),由此将上述两个量化的流量相关值以及流量相关值阀值进⾏比对分析,得出比对结果。
也就说,所述步骤S4进一步包括以下步骤:
S41:根据所述航班运行诸元获取指定空域内航班数量,指定空域内航班密度,交通复杂度相关值以及概率统计性数据的至少一种;以及
S42:将获取的数据转化为所述空中交通流量相关值。
其中所述概率统计性数据包括常规需发送指令数量(出港引导、出港⾼度指令、进港引导、进港下降⾼度指令等,空中交通关注点/冲突点数(交叉穿越高度飞行、同向穿越⾼度飞行、进离港冲突调配、飞越航班调配等)以及机场运⾏关注点/冲突点数(穿越跑道、起飞降落、滑⾏冲突等)的一种或其组合。
其中所述指定空域内航班数量以及所述指定空域内航班密度根据推算各航班在优选时刻的所处的位置获取。所述常规需发送指令数量根据航班计划获悉其后续预计飞行航路、高度等信息即可获悉。所述交通关注点/冲突点这些信息需要根据各个航班运⾏诸元获悉其在指定时刻、位置信息、该时刻⾼度及后续预计飞⾏⾼度、预计飞行线路等内容。按照设定规则分析各航班是否存在交叉穿越⾼高度飞行、同向穿越⾼度飞行、进离港冲突调配、飞越航班调配等内容。所述机场运⾏行行关注点/冲突点根据各个航班预计所使用跑道信息,滑⾏路线信息,推算得出各个航班在机场运⾏时滑⾏冲突、穿越跑道冲突等信息。
相对应地,本发明提供一基于大数据的空中交通流量管理系统,其中所述基于大数据的空中交通流量管理系统包括以下:
流量相关阈值单元,其中所述流量相关阈值单元获取空中数据,并获得流量相关阈值;
航班优选时刻单元,其中所述航班优选时刻单元获取对应航班的航班优选时刻;
航班运行诸元单元,其中所述航班运行诸元通信地连接所述航班优选时刻单元,以获取对应所述航班优选时刻的航班运行诸元;
空中交通流量单元,其中所述空中交通流量单元通信地连接于所述航班运行诸元单元,根据所述航班运行诸元获取空中交通流量相关值;以及
分析单元,其中所述分析单元通信地连接于所述空中交通流量单元以及所述流量相关阈值,以分析比对所述空中流量相关值以及所述流量相关阈值。
当然,所述空中交通流量管理系统包括判断单元,其中所述分析单元通信地连接于所述航班优选时刻单元,当所述空中流量相关值不匹配所述流量相关阈值时,调整所述航班优选时刻,直至所述空中流量相关值匹配所述流量相关阈值,则选定该航班优选时刻为航班执行时刻。
所述流量相关阈值单元进一步包括交通通行能力模块,交通复杂度模块,环境模块,设施信息模块以及阈值分析模块,其中所述交通通行能力模块,交通复杂度模块,环境模块,设施信息模块分别用于获取常规空中交通通行能力信息,交通复杂度承受量信息,气象环境信息,军事活动信息以及基础设施信息,所述阈值分析模块被实施为空域流量估计,所述阈值分析模块分析所述常规空中交通通行能力信息,交通复杂度承受量信息,气象环境信息,军事活动信息以及基础设施信息以获取所述流量相关阈值。
所述航班优选时刻单元进一步包括时刻获取模块以及时刻调整模块,其中所述时刻获取模块通信地连接于外端设备以获取航班计划起飞时刻、航班最早可执行起飞时刻以及航班运营方申请时刻的至少一种,所述时刻调整模块通信地连接所述分析单元,以根据所述分析结果调整航班飞行时刻。
所述航班运行诸元单元包括航班数据获取模块以及航班数据分析模块,其中所述航班数据获取模块获取航班飞行计划数据以及飞行路线中相关风向风速信息,所述航班数据分析模块依据这些数据获取所述航班运行诸元。
当然,在一些情况下,所述航班数据获取模块获取所述同飞行路线的其他航班历史飞行四维路线,所述航班数据分析模块依据这信息修正所述航班运行诸元。
或者,在一些情况下,所述航班数据获取模块获取所述飞行路线中影响航班飞行的恶劣天气/军事活动信息,所述航班数据分析模块依据这信息修正所述航班运行诸元。
所述空中交通流量单元获取指定空域内航班数量,指定空域内航班密度,交通复杂度相关值以及概率统计性数据的至少一种,以及将获取的数据转化为所述空中交通流量相关值。
另外,本发明不局限于上述最佳实施方方式,任何人在本发明的启示下都可得出其他各种形式的产品,但不论在其形状或结构上做出任何变化,凡是具有与本发明相同或相似的技术方案,均落在本发明的保护范围之内。
Claims (10)
1.一基于大数据的空中交通流量管理方法,用于管制空域内的至少一航班,其特征在于,包括以下步骤:
S1:收集空中数据,并获取流量相关阈值,其中所述流量相关阈值表示空域内流量承受能力;
S2:获取对应航班的航班优选时刻;
S3:根据所述航班优选时刻,获取对应航班的航班运行诸元,其中所述航班运行诸元表示对应该航班优选时刻的航班飞行信息;
S4:根据所述航班运行诸元,获取对应所述航班运行诸元的空中交通流量相关值;以及
S5:比对所述空中交通流量相关值与所述流量相关阈值,当匹配时,选定该航班优选时刻为航班特定时刻。
2.根据权利要求1所述的基于大数据的空中交通流量管理方法,其特征在于,所述步骤S5当中,当所述空中交通流量相关值不匹配所述流量相关阈值时,更改所述航班优选时刻,继续执行步骤S3-S5,直至所述航班优选时刻为所述航班特定时刻。
3.根据权利要求1或2任一所述的基于大数据的空中交通流量管理方法,其特征在于,所述步骤S1包括:
S11:获取常规空中交通通行能力信息,交通复杂度承受量信息,气象环境信息,军事活动信息以及基础设施信息的至少一种信息,被获取的信息被定义为所述空中数据;以及
S12:空域流量估计分析所述空中数据,获取所述流量相关阈值。
4.根据权利要求1或2任一所述的基于大数据的空中交通流量管理方法,其特征在于,所述步骤S3包括:
S31:依据所述航班优选时刻,获取航班飞行计划数据以及飞行路线中相关风向风速信息;以及
S32:分析所述航班飞行计划数据以及飞行路线中相关风向风速,获取所述航班运行诸元。
5.根据权利要求4所述的基于大数据的空中交通流量管理方法,其特征在于,在所述步骤S32之后包括:
S33:获取所述飞行路线中影响航班飞行的恶劣天气/军事活动信息,并修正所述航班运行诸元。
6.根据权利要求4所述的基于大数据的空中交通流量管理方法,其特征在于,在所述步骤S32之后包括:
S34:获取所述同飞行路线的其他航班历史飞行四维路线,并修正所述航班运行诸元。
7.根据权利要求1或2任一所述的基于大数据的空中交通流量管理方法,其特征在于,所述步骤S4包括:
S41:根据所述航班运行诸元获取指定空域内航班数量,指定空域内航班密度,交通复杂度相关值以及概率统计性数据的至少一种;以及
S42:将获取的数据转化为所述空中交通流量相关值。
8.根据权利要求7所述的基于大数据的空中交通流量管理方法,其特征在于,所述概率统计性数据包括常规需发送指令数量,空中交通关注点/冲突点数以及机场运⾏关注点/冲突点数的一种或其组合。
9.根据权利要求8所述的基于大数据的空中流量管理方法,其特征在于,所述步骤S2包括:
S21:获取航班计划起飞时刻、航班最早可执行起飞时刻以及航班运营方申请时刻的至少一种;以及
S22:选择所述航班优选时刻。
10.一基于大数据的空中交通流量管理系统,其特征在于,包括以下:
流量相关阈值单元,其中所述流量相关阈值单元获取空中数据,并获得流量相关阈值;
航班优选时刻单元,其中所述航班优选时刻单元获取对应航班的航班优选时刻;
航班运行诸元单元,其中所述航班运行诸元通信地连接所述航班优选时刻单元,以获取对应所述航班优选时刻的航班运行诸元;
空中交通流量单元,其中所述空中交通流量单元通信地连接于所述航班运行诸元单元,根据所述航班运行诸元获取空中交通流量相关值;以及
分析单元,其中所述分析单元通信地连接于所述空中交通流量单元以及所述流量相关阈值,以分析比对所述空中流量相关值以及所述流量相关阈值,得到分析结果。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810303046.9A CN110349444B (zh) | 2018-04-06 | 2018-04-06 | 基于大数据的空中交通流量管理方法 |
PCT/CN2019/081631 WO2019192615A1 (zh) | 2018-04-06 | 2019-04-06 | 基于大数据的空中交通流量管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810303046.9A CN110349444B (zh) | 2018-04-06 | 2018-04-06 | 基于大数据的空中交通流量管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110349444A true CN110349444A (zh) | 2019-10-18 |
CN110349444B CN110349444B (zh) | 2023-11-10 |
Family
ID=68172883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810303046.9A Active CN110349444B (zh) | 2018-04-06 | 2018-04-06 | 基于大数据的空中交通流量管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110349444B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111009155A (zh) * | 2019-12-06 | 2020-04-14 | 南京莱斯信息技术股份有限公司 | 基于空域结构和航班流的空中交通流复杂性量化分析方法 |
CN112734113A (zh) * | 2021-01-11 | 2021-04-30 | 海南太美航空股份有限公司 | 基于三维视图的时刻资源优化的方法及相关产品 |
WO2023035796A1 (zh) * | 2021-09-09 | 2023-03-16 | 许兵 | 一种基于资源运行的空中交通管理系统 |
CN117992923A (zh) * | 2024-04-01 | 2024-05-07 | 四川省机场集团有限公司成都天府国际机场分公司 | 基于多维数据融合的空中交通管理决策支持方法及系统 |
CN117992923B (zh) * | 2024-04-01 | 2024-05-31 | 四川省机场集团有限公司成都天府国际机场分公司 | 基于多维数据融合的空中交通管理决策支持方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0765300A (ja) * | 1993-08-27 | 1995-03-10 | N T T Data Tsushin Kk | 交通流管理システム |
WO2000062234A1 (en) * | 1999-04-08 | 2000-10-19 | Air Services Australia | Air traffic management system |
JP2000331300A (ja) * | 1999-05-24 | 2000-11-30 | Nec Software Kyushu Ltd | 航空交通流管理システム及び航空交通流管理方法 |
US20020177943A1 (en) * | 2001-04-09 | 2002-11-28 | Beardsworth Louis Jc | Schedule activated management system for optimizing aircraft arrivals at congested airports |
US20110251781A1 (en) * | 2010-04-09 | 2011-10-13 | Metron Aviation Inc. | Method and system for flight substitution and reroute |
US20120245834A1 (en) * | 2011-03-23 | 2012-09-27 | Joel Kenneth Klooster | Method and system for aerial vehicle trajectory management |
CN103413462A (zh) * | 2013-07-18 | 2013-11-27 | 北京航空航天大学 | 一种综合考虑空域拥堵和航班延误的空中交通网络流量优化方法 |
CN105355092A (zh) * | 2015-12-03 | 2016-02-24 | 上海民航华东空管工程技术有限公司 | 一种航班流量预控制方法 |
US20160071044A1 (en) * | 2014-09-05 | 2016-03-10 | Amadeus S.A.S. | Flight schedule optimization |
CN107016881A (zh) * | 2017-05-11 | 2017-08-04 | 中国电子科技集团公司第二十八研究所 | 一种多跑道机场进场航班多效能优化排序方法 |
CN107830864A (zh) * | 2017-11-01 | 2018-03-23 | 飞友科技有限公司 | 一种民航飞机恶劣天气绕飞路线规划系统和方法 |
-
2018
- 2018-04-06 CN CN201810303046.9A patent/CN110349444B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0765300A (ja) * | 1993-08-27 | 1995-03-10 | N T T Data Tsushin Kk | 交通流管理システム |
WO2000062234A1 (en) * | 1999-04-08 | 2000-10-19 | Air Services Australia | Air traffic management system |
JP2000331300A (ja) * | 1999-05-24 | 2000-11-30 | Nec Software Kyushu Ltd | 航空交通流管理システム及び航空交通流管理方法 |
US20020177943A1 (en) * | 2001-04-09 | 2002-11-28 | Beardsworth Louis Jc | Schedule activated management system for optimizing aircraft arrivals at congested airports |
US20110251781A1 (en) * | 2010-04-09 | 2011-10-13 | Metron Aviation Inc. | Method and system for flight substitution and reroute |
US20120245834A1 (en) * | 2011-03-23 | 2012-09-27 | Joel Kenneth Klooster | Method and system for aerial vehicle trajectory management |
CN103413462A (zh) * | 2013-07-18 | 2013-11-27 | 北京航空航天大学 | 一种综合考虑空域拥堵和航班延误的空中交通网络流量优化方法 |
US20160071044A1 (en) * | 2014-09-05 | 2016-03-10 | Amadeus S.A.S. | Flight schedule optimization |
CN105355092A (zh) * | 2015-12-03 | 2016-02-24 | 上海民航华东空管工程技术有限公司 | 一种航班流量预控制方法 |
CN107016881A (zh) * | 2017-05-11 | 2017-08-04 | 中国电子科技集团公司第二十八研究所 | 一种多跑道机场进场航班多效能优化排序方法 |
CN107830864A (zh) * | 2017-11-01 | 2018-03-23 | 飞友科技有限公司 | 一种民航飞机恶劣天气绕飞路线规划系统和方法 |
Non-Patent Citations (1)
Title |
---|
田勇;宋柯;顾英豪;: "空中交通流量管理中的改航策略研究", no. 10 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111009155A (zh) * | 2019-12-06 | 2020-04-14 | 南京莱斯信息技术股份有限公司 | 基于空域结构和航班流的空中交通流复杂性量化分析方法 |
CN111009155B (zh) * | 2019-12-06 | 2022-01-25 | 南京莱斯信息技术股份有限公司 | 基于空域结构和航班流的空中交通流复杂性量化分析方法 |
CN112734113A (zh) * | 2021-01-11 | 2021-04-30 | 海南太美航空股份有限公司 | 基于三维视图的时刻资源优化的方法及相关产品 |
CN112734113B (zh) * | 2021-01-11 | 2024-04-16 | 海南太美航空股份有限公司 | 基于三维视图的时刻资源优化的方法及相关产品 |
WO2023035796A1 (zh) * | 2021-09-09 | 2023-03-16 | 许兵 | 一种基于资源运行的空中交通管理系统 |
CN117992923A (zh) * | 2024-04-01 | 2024-05-07 | 四川省机场集团有限公司成都天府国际机场分公司 | 基于多维数据融合的空中交通管理决策支持方法及系统 |
CN117992923B (zh) * | 2024-04-01 | 2024-05-31 | 四川省机场集团有限公司成都天府国际机场分公司 | 基于多维数据融合的空中交通管理决策支持方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110349444B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | LSTM-based flight trajectory prediction | |
US10783288B1 (en) | System and method for predicting aircraft runway capacity | |
Kern et al. | Data-driven aircraft estimated time of arrival prediction | |
US20160210868A1 (en) | Integrated departure and arrival management for airport runways | |
CN109215399B (zh) | 一种终端区智能化流控策略生成方法 | |
US20170132940A1 (en) | Computer-implemented method and system for setting up an air traffic simulator | |
US9507053B2 (en) | Using aircraft trajectory data to infer atmospheric conditions | |
US11790794B2 (en) | System and method for community provided weather updates for aircraft | |
CN110349444A (zh) | 基于大数据的空中交通流量管理方法 | |
Jun et al. | Towards a greener Extended-Arrival Manager in air traffic control: A heuristic approach for dynamic speed control using machine-learned delay prediction model | |
Li | General aviation demand forecasting models and a microscopic North Atlantic air traffic simulation model | |
AU2017285036A1 (en) | Runway optimization system and method | |
US10497269B2 (en) | Integrated management for airport terminal airspace | |
CN105096661B (zh) | 基于垂直剖面视图的空中交通流管理系统与方法 | |
Khadilkar | Analysis and modeling of airport surface operations | |
Neto et al. | An airspace capacity-based safety assessment model considering UAS integration | |
Izadi et al. | Evaluating Air Traffic Controllers’ Workload Through Computer Simulations | |
Denery et al. | Challenges of air traffic management research-Analysis, simulation, and field test | |
Thipphavong | Reducing aircraft climb trajectory prediction errors with top-of-climb data | |
Palacios et al. | Neural network models to detect airplane near-collision situations | |
Tsai et al. | Risk Assessment of Final Approach Phase with ADS-B Trajectory Data and Weather Information using Artificial Neural Network | |
Wang | Weather impact on airport arrival meter fix throughput | |
Le Tallec et al. | Low level rpas traffic management (llrtm) concept of operation | |
Smetanová | Evaluation of arrival sequencing at arlanda airport | |
WO2019192615A1 (zh) | 基于大数据的空中交通流量管理方法及系统 |
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 |