CN110660274B - 一种机场容需平衡预测方法 - Google Patents
一种机场容需平衡预测方法 Download PDFInfo
- Publication number
- CN110660274B CN110660274B CN201910940777.9A CN201910940777A CN110660274B CN 110660274 B CN110660274 B CN 110660274B CN 201910940777 A CN201910940777 A CN 201910940777A CN 110660274 B CN110660274 B CN 110660274B
- Authority
- CN
- China
- Prior art keywords
- time
- airport
- flight
- flow
- 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.)
- 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]
- G08G5/003—Flight plan management
-
- 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"
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种机场容需平衡预测方法,通过构建运行信息交互平台,获取航班计划信息、四维轨迹预测信息,以及机场容量信息;以获取的运行信息为基础,配置关注机场、预测时段以及预测时间粒度;对关注机场在各时间片内的起飞架次,以及降落架次进行预测,分析容需平衡关系,提取特征时间片,并可对指定时间片内的机场起降航班计划进行关联,识别超量运行航班,建立机场运行评价指标集,采用雷达图分析法对机场运行效能进行综合评估。
Description
技术领域
本发明属于空中交通管理领域,特别涉及一种机场容需平衡预测方法。
背景技术
针对民航运行交通拥堵及航班延误问题,空中交通流量管理需要对未来一段时间的交通态势进行准确预测,提前研判识别可能出现的运行拥堵问题,以及产生拥堵的原因,进而采取有效的流量管理措施进行拥堵疏导,到达保障民航安全、有序、高效运行的管理目标。国际民航组织发布了组块升级计划(ASBU),制定了民航领域关键技术及应用系统的发展规划,其中容量与需求平衡是核心运行概念之一,主要含义是保障空域的飞行流量需求与通行能力水平相适应,避免超量运行。
机场作为航空器高密度汇集的场所,往往成为民航运行的瓶颈节点,机场运行成为研究热点。国内外已有一些技术方法及应用系统对机场运行进行分析,主要分析的运行指标大多局限在对起降架次及延误的预测,评价指标过于单一,目前尚缺少一种对机场容需平衡状态全面深入的预测分析方法及系统。
发明内容
发明目的:本发明所要解决的技术问题是针对现有机场运行态势评估分析技术的不足,提供一种机场容需平衡预测方法。该方法可以通过接收民航运行动态数据,从机场起降架次与保障能力的平衡关系入手,构建一套机场运行评估指标集,着重预测分析机场运行在未来一段时间内的状态,从容流对比、超量分析、特征时段等多个角度评价机场运行效能,并采用柱图、折线图、雷达图等多种方式对评估结果进行综合展示。
技术方案:为实现上述发明目的,本发明公开了一种机场容需平衡预测方法,包括以下步骤:
步骤1,获取航班计划信息和机场容量信息;
步骤2,对关注机场Airport在指定时间片内的飞行流量进行预测;
步骤3,根据飞行流量预测结果以及机场容量,得到关注机场Airport在指定时间片内的容流平衡关系;
步骤4,根据容流平衡关系分析结果,提取关注机场Airport在指定时间片内的特征时段,包括容流平衡子时段、进场容流平衡子时段、离场容流平衡子时段、流量激增子时段、容量骤降子时段;
步骤5,根据关注机场Airport在指定时间片内的运行情况,提取关联的航班计划,识别超量航班对象;
步骤6,计算关注机场Airport在指定时间片内的运行指标。
步骤1中,获取航班计划信息FlightPlan,包括:航班号、起飞机场DepAirport、降落机场ArrAirport、预计起飞时间ETD、预计降落时间ETA;第i个航班计划信息记为FlightPlani;
获取机场容量信息,包括:机场对象、机场容量有效时段、机场总容量Capacity、机场进场容量AAR、机场离场容量ADR。
航班号等信息是用于关联计划时,可以查看航班详细情况,是一种偏可视化的应用点。机场对象是容量的载体,机场容量、机场容量有效时段等信息是用于做容流对比以及超量航班识别的,在步骤2~步骤6中均有使用。
步骤2包括以下步骤:
步骤2-1:按照时间粒度tSpan(可取值为15分钟、30分钟、60分钟)不同,将预测时段[TBgn,TEnd]切分成n个时间片[tBgn1,tEnd1][tBgn2,tEnd2]...[tBgnn,tEndn],其中n=(TEnd-TBgn)/tSpan,TBgn表示预测开始时间,TEnd表示预测结束时间;tBgnn表示第n个时间片的起始时间,tEndn表示第n个时间片的结束时间;
步骤2-2:遍历每一个航班计划信息;
步骤2-3:遍历每一个预测时间片信息[tBgni,tEndi],i取值为1~n;
步骤2-4:若所遍历航班起飞机场为关注机场,且预计起飞时间在第i个时间片内,则该时间片的起飞流量及总流量增加一架次,即若DepAirport=Airport,且ETD∈[tBgni,tEndi],则DepFlowi=DepFlowi+1,TotalFlowi=TotalFlowi+1;DepAirport表示该航班起飞机场,ETD表示该航班预计起飞时间,DepFlowi表示第i个时间片内的起飞流量,TotalFlowi表示第i个时间片内的总流量;
步骤2-5:若所遍历航班降落机场为关注机场,且预计降落时间在第i个时间片内,则该时间片的降落流量及总流量增加一架次,即若ArrAirport=Airport,且ETA∈[tBgni,tEndi],则ArrFlowi=ArrFlowi+1,TotalFlowi=TotalFlowi+1,ArrAirport表示该航班降落机场,ETA表示该航班预计降落时间,ArrFlowi表示第i个时间片内的降落流量。
步骤3包括以下步骤:
步骤3-1:遍历每一个预测时间片信息[tBgni,tEndi];
步骤3-2:第i个时间片[tBgni,tEndi]内的容流差值Dvaluei=TotalFlowi-Capacityi,进场容流差值ArrDvaluei=ArrFlowi-AARi,离场容流差值DepDvaluei=DepFlowi-ADRi,其中,Capacityi表示第i个机场的总容量,AARi表示第i个机场的进场容量,ADRi表示第i个机场的离场容量;
步骤3-3:计算累积时间片[TBgn,tEndi]内累积超量流量OverFlowi、累积容量余度OverCapacityi:
步骤3-4:计算累积时间片[TBgn,tEndi]内累积超量进场流量OverArrFlowi、累积进场容量余度OverAARi:
步骤3-5:计算累积时间片[TBgn,tEndi]内累积超量离场流量OverDepFlowi、累积离场容量余度OverADRi:
步骤4包括以下步骤:
步骤4-1:遍历每一个预测时间片信息[tBgni,tEndi];
步骤4-2:若当前时间片总流量大于等于上一个时间片总流量的1.3倍,即若TotalFlowi≥1.3TotalFlowi-1,则[tBgni,tEndi]判定为流量激增子时段;
步骤4-3:若当前时间片总容量小于等于上一个时间片总容量的0.7倍,即若Capacityi≤0.7Capacityi-1,则[tBgni,tEndi]判定为容量骤降子时段;
步骤4-4:若上一时间片累积超量流量等于0,当前时间片累积超量流量大于0,则将当前时间片开始时间记为容流平衡子时段的开始时间;
步骤4-5:若上一时间片累积超量流量大于0,当前时间片累积超量流量等于0,则将当前时间片结束时间记为容流平衡子时段的结束时间,并新增一个容流平衡子时段;
步骤4-6:若上一时间片累积超量进场流量等于0,当前时间片累积超量进场流量大于0,则将当前时间片开始时间记为进场容流平衡子时段的开始时间;
步骤4-7:若上一时间片累积超量进场流量大于0,当前时间片累积超量进场流量等于0,则将当前时间片结束时间记为进场容流平衡子时段的结束时间,并新增一个进场容流平衡子时段;
步骤4-8:若上一时间片累积超量离场流量等于0,当前时间片累积超量离场流量大于0,则将当前时间片开始时间记为离场容流平衡子时段的开始时间;
步骤4-9:若上一时间片累积超量离场流量大于0,当前时间片累积超量离场流量等于0,则将当前时间片结束时间记为离场容流平衡子时段的结束时间,并新增一个离场容流平衡子时段;
步骤5包括以下步骤:
步骤5-1:遍历每一个航班计划信息FlightPlani;
步骤5-2:若该航班起飞机场为关注机场,且预计起飞时间在指定时间片[tBgni,tEndi]内,则该航班为时间片关联航班,添加进该机场的起飞航班队列DepFlightArray;
步骤5-3:若该航班降落机场为关注机场,且预计降落时间在指定时间片[tBgni,tEndi]内,则该航班为时间片关联航班,添加进该机场的降落航班队列ArrFlightArray;
步骤5-4:对起飞航班队列DepFlightArray中的航班采用冒泡法,按照起飞时间进行升序排序;
步骤5-5:对降落航班队列ArrFlightArray中的航班采用冒泡法,按照降落时间进行升序排序;
步骤5-6:若DepFlowi>ADRi,则起飞航班队列DepFlightArray中排序后次序超出ADRi的航班为离场超量航班,否则,无离场超量航班;
步骤5-7:若ArrFlowi>AARi,降落航班队列ArrFlightArray中排序后次序超出AARi的航班为进场超量航班,否则,无进场超量航班。
步骤6包括以下步骤:
步骤6-1:将指定时间片[tBgni,tEndi]内的起飞航班队列DepFlightArray,以及降落航班队列ArrFlightArray进行合并,生成机场排序队列FlightArray;
步骤6-2:对FlightArray中的起飞航班以预计起飞时间为基准,降落航班以预计降落时间为基准,以冒泡法进行升序排序;
步骤6-3:计算平均飞行间隔FlyInterval,搜索FlightArray中的最后一架航班在关注机场的起飞或者降落时间,记为ETO,FlyInterval=(ETO-tBgni)/TotalFlowi;
步骤6-4:计算机场服务时长ServerDuration,若TotalFlowi>Capacityi,将FlightArray中排序后次序超出Capacityi的航班定义为关注机场在该时间片内的最终服务航班,否则,将FlightArray中排序后次序超出TotalFlowi的航班定义为关注机场在该时间片内的最终服务航班,最终服务航班在关注机场的起飞或降落时间记为ETOfinal,则ServerDuration=ETOfinal-tBgni;
步骤6-5:计算进场平均延误ArrDelay:
其中,ETAj表示航班j在关注机场的预计降落时间。
步骤6-6:计算离场平均延误DepDelay:
其中,ETDj表示航班j在关注机场的预计起飞时间。
步骤6-7:将平均飞行间隔FlyInterval、机场服务时长ServerDuration、进场平均延误ArrDelay、离场平均延误DepDelay、累积进场容量余度、累积离场容量余度进行归一化处理,最终形成[0,100]内的无量纲数值,分别转化为航班时间离散度、可服务时间占比、进场时间匹配度、离场时间匹配度、进场容流匹配度、离场容流匹配度指标,从而得到关注机场Airport在指定时间片内的运行指标。
所述分析结果采用多种图形化方式进行展示。其中,流量预测采用双向柱图,机场容量采用方波图,容需平衡分析采用柱图及折线图,特征时段采用表格,关联计划采用列表,运行指标采用表格及雷达图综合展示。
有益效果:本发明显著的优点包括:
1、为机场运行保障提供一套数字化评价指标集;
2、为机场容需平衡态势提供了一种多维度的预测分析方法;
3、增加了机场运行分析数据图形化展示的便捷性、直观性、全面性;
4、为空中交通流量管理的技术攻关及系统研发提供了有力支撑。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述或其他方面的优点将会变得更加清楚。
图1是机场容需平衡预测分析方法流程示意图。
图2是飞行流量预测示意图。
图3是容需平衡分析示意图。
图4是进场容需平衡分析示意图。
图5是离场容需平衡分析示意图。
图6是特征时段提取示意图。
图7是关联航班计划列表。
图8是运行指标分析示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
实施例
本实施例中,通过构建运行信息交互平台,获取航班计划信息、四维轨迹预测信息,以及机场容量信息;以获取的运行信息为基础,配置关注机场、预测时段以及预测时间粒度;对关注机场在各时间片内的起飞架次,以及降落架次进行预测,分析容需平衡关系,提取特征时间片,并可对指定时间片内的机场起降航班计划进行关联,识别超量运行航班,建立机场运行评价指标集,采用雷达图分析法对机场运行效能进行综合评估。
下面结合图1,详细说明基于本发明方法实现的一种机场容需平衡预测方法处理流程步骤:
1、运行信息获取
1-1、航班计划信息获取
如图2所示,系统实时接收航班计划动态信息,采用航班列表方式进行显示,包括:航班号、尾流、起飞机场、降落机场、预计起飞时间、预计降落时间等。例如,显示一条航班计划详情:CCA1921,M,ZBAA,ZGGG,8:00,10:30。
1-2、空域容量信息获取
获取空域时段容量,包括:空域对象、容量有效时段、容量时段粒度、总容量、进场容量、离场容量。例如,一条机场容量详情:ZBAA北京/首都机场、2018/8/2315:00-2018/8/24 00:00、60分钟、88架次、44架次、44架次。
2、容需平衡预测分析参数设置
如图3所示,在系统参数设置界面输入预测分析参数信息,包括:预测对象、预测时段、预测时间粒度。例如,显示一组参数详情:ZBAA北京/首都机场、2018/8/2300:00-2018/8/24 00:00、60分钟。
3、飞行流量预测及图形化显示
3-1、时间片切分
如图4所示,将预测时段按照预测时间粒度进行切分,形成一组连续的预测时间片。例如,显示一组时间片详情:00:00-01:00、01:00-02:00.....22:00-23:00.
3-2、机场流量预测
如图4所示,按时间片对机场进行飞行流量预测,包括:预测时间片、起飞流量、降落流量。例如,显示一组流量预测信息:08:00-09:00、52架次、24架次。其中容量以折线显示。
4、容需平衡分析及图形化显示
4-1、总容需平衡分析
如图5所示,点击“总容流分析”,分析机场时段内的累积容需平衡信息,包括:累积时段、累积超容量、累积容量余度。例如,显示一组累积容需平衡详情:00:00-09:00、31架次、0架次。
分析时间片内的容需平衡信息,包括:时间片、容流差值。例如、显示一组时间片容需平衡详情:08:00-09:00、17架次。容流差值以折线图形式显示。
4-2、进场容需平衡分析
如图5所示,点击“进场容流分析”,分析机场时段内的累积进场容需平衡信息,包括:累积时段、累积进场超容量、累积进场容量余度。例如,显示一组累积进场容需平衡详情:00:00-011:00、10架次、0架次。
分析时间片内的进场容需平衡信息,包括:时间片、进场容流差值。例如、显示一组时间片进场容需平衡详情:10:00-11:00、9架次。进场容流差值以折线图形式显示。
4-3、离场容需平衡分析
如图5所示,点击“离场容流分析”,分析机场时段内的累积离场容需平衡信息,包括:累积时段、累积离场超容量、累积离场容量余度。例如,显示一组累积离场容需平衡详情:00:00-08:00、33架次、0架次。
分析时间片内的离场容需平衡信息,包括:时间片、离场容流差值。例如、显示一组时间片离场容需平衡详情:07:00-08:00、21架次。离场容流差值以折线图形式显示。
5、特征时段提取及图形化显示
5-1、流量激增时段提取
如图6所示,系统提取时间片流量预测数值大于上一时间片流量预测数值1.2倍的时间片信息。例如,显示一组流量激增时段详情:04:00-05:00、05:00-06:00、06:00-07:00。
5-2、容量骤降时段提取
如图6所示,系统提取时间片容量数值小于上一时间片容量数值0.8倍的时间片信息。例如,显示一组容量骤降时段详情:08:00-09:00。
5-3、容需平衡时段提取
如图6所示,系统提取并以表格形式显示总容需平衡时段信息。例如显示一组总容需平衡时段详情:00:00-08:00、08:00-15:00、15:00-00:00(+1)。
5-4、进场容需平衡时段提取
如图6所示,系统提取并以表格形式显示进场容需平衡时段信息。例如显示一组进场容需平衡时段详情:00:00-09:00、09:00-14:00、14:00-22:00。
5-5、离场容需平衡时段提取
如图6所示,系统提取并以表格形式显示离场容需平衡时段信息。例如显示一组离场容需平衡时段详情:00:00-06:00、06:00-17:00、17:00-00:00(+1)。
6、关联计划分析及图形化显示
6-1、关联计划提取
如图7所示,点击流量预界面某一流量预测柱图,在航班列表界面以列表形式显示相关联的航班计划信息,包括:航班号、起飞机场、降落机场、预计起飞时间、预计降落时间等。例如,点击11:00-12:00柱图,显示一条关联计划详情:CES5150、ZSNB、ZBAA、10:00、12:20。
6-2、超量计划识别
如图7所示,系统分析该时段关联的航班计划中的超量航班。例如,显示一条超量航班详情:CCA1237、ZBAA、ZBYC、11:55、13:55。
7、运行指标分析及图形化显示
7-1、运行指标计算
如图8所示,系统计算机场运行指标并以表格形式显示,包括:平均飞行间隔、可服务时长、进场容量余度、离场容量余度、进场平均延误、离场平均延误。例如,显示一组机场运行指标详情:1分钟、54分钟、1架次、-6架次、0分钟、7分钟。
7-2、雷达图分析
如图8所示,系统将机场运行指标进行归一化处理,形成[0,100]内的无量纲数值,并采用雷达图方式进行显示。本发明实现了从飞行流量、特征时段、航班计划、运行指标等多维度对机场容需平衡态势的预测分析,对分析结果采用柱状图、折线图、列表、雷达图等多种方式进行图形化展示,全面直观,为民航飞行流量管理领域提供了机场运行分析的方法支撑。
本发明提供了一种机场容需平衡预测方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (1)
1.一种机场容需平衡预测方法,其特征在于,包括以下步骤:
步骤1,获取航班计划信息和机场容量信息;
步骤2,对关注机场Airport在指定时间片内的飞行流量进行预测;
步骤3,根据飞行流量预测结果以及机场容量,得到关注机场Airport在指定时间片内的容流平衡关系;
步骤4,根据容流平衡关系分析结果,提取关注机场Airport在指定时间片内的特征时段,包括容流平衡子时段、进场容流平衡子时段、离场容流平衡子时段、流量激增子时段、容量骤降子时段;
步骤5,根据关注机场Airport在指定时间片内的运行情况,提取关联的航班计划,识别超量航班对象;
步骤6,计算关注机场Airport在指定时间片内的运行指标;
步骤1中,获取航班计划信息FlightPlan,包括:航班号、起飞机场DepAirport、降落机场ArrAirport、预计起飞时间ETD、预计降落时间ETA;第i个航班计划信息记为FlightPlani;
获取机场容量信息,包括:机场对象、机场容量有效时段、机场总容量Capacity、机场进场容量AAR、机场离场容量ADR;
步骤2包括以下步骤:
步骤2-1:按照时间粒度tSpan不同,将预测时段[TBgn,TEnd]切分成n个时间片[tBgn1,tEnd1][tBgn2,tEnd2]...[tBgnn,tEndn],其中n=(TEnd-TBgn)/tSpan,TBgn表示预测开始时间,TEnd表示预测结束时间;tBgnn表示第n个时间片的起始时间,tEndn表示第n个时间片的结束时间;
步骤2-2:遍历每一个航班计划信息;
步骤2-3:遍历每一个预测时间片信息[tBgni,tEndi],i取值为1~n;
步骤2-4:若所遍历航班起飞机场为关注机场,且预计起飞时间在第i个时间片内,则该时间片的起飞流量及总流量增加一架次,即若DepAirport=Airport,且ETD∈[tBgni,tEndi],则DepFlowi=DepFlowi+1,TotalFlowi=TotalFlowi+1;DepAirport表示该航班起飞机场,ETD表示该航班预计起飞时间,DepFlowi表示第i个时间片内的起飞流量,TotalFlowi表示第i个时间片内的总流量;
步骤2-5:若所遍历航班降落机场为关注机场,且预计降落时间在第i个时间片内,则该时间片的降落流量及总流量增加一架次,即若ArrAirport=Airport,且ETA∈[tBgni,tEndi],则ArrFlowi=ArrFlowi+1,TotalFlowi=TotalFlowi+1,ArrAirport表示该航班降落机场,ETA表示该航班预计降落时间,ArrFlowi表示第i个时间片内的降落流量;
步骤3包括以下步骤:
步骤3-1:遍历每一个预测时间片信息[tBgni,tEndi];
步骤3-2:第i个时间片[tBgni,tEndi]内的容流差值Dvaluei=TotalFlowi-Capacityi,进场容流差值ArrDvaluei=ArrFlowi-AARi,离场容流差值DepDvaluei=DepFlowi-ADRi,其中,Capacityi表示第i个机场的总容量,AARi表示第i个机场的进场容量,ADRi表示第i个机场的离场容量;
步骤3-3:计算累积时间片[TBgn,tEndi]内累积超量流量OverFlowi、累积容量余度OverCapacityi:
步骤3-4:计算累积时间片[TBgn,tEndi]内累积超量进场流量OverArrFlowi、累积进场容量余度OverAARi:
步骤3-5:计算累积时间片[TBgn,tEndi]内累积超量离场流量OverDepFlowi、累积离场容量余度OverADRi:
步骤4包括以下步骤:
步骤4-1:遍历每一个预测时间片信息[tBgni,tEndi];
步骤4-2:若当前时间片总流量大于等于上一个时间片总流量的1.3倍,即若TotalFlowi≥1.3TotalFlowi-1,则[tBgni,tEndi]判定为流量激增子时段;
步骤4-3:若当前时间片总容量小于等于上一个时间片总容量的0.7倍,即若Capacityi≤0.7Capacityi-1,则[tBgni,tEndi]判定为容量骤降子时段;
步骤4-4:若上一时间片累积超量流量等于0,当前时间片累积超量流量大于0,则将当前时间片开始时间记为容流平衡子时段的开始时间;
步骤4-5:若上一时间片累积超量流量大于0,当前时间片累积超量流量等于0,则将当前时间片结束时间记为容流平衡子时段的结束时间,并新增一个容流平衡子时段;
步骤4-6:若上一时间片累积超量进场流量等于0,当前时间片累积超量进场流量大于0,则将当前时间片开始时间记为进场容流平衡子时段的开始时间;
步骤4-7:若上一时间片累积超量进场流量大于0,当前时间片累积超量进场流量等于0,则将当前时间片结束时间记为进场容流平衡子时段的结束时间,并新增一个进场容流平衡子时段;
步骤4-8:若上一时间片累积超量离场流量等于0,当前时间片累积超量离场流量大于0,则将当前时间片开始时间记为离场容流平衡子时段的开始时间;
步骤4-9:若上一时间片累积超量离场流量大于0,当前时间片累积超量离场流量等于0,则将当前时间片结束时间记为离场容流平衡子时段的结束时间,并新增一个离场容流平衡子时段;
步骤5包括以下步骤:
步骤5-1:遍历每一个航班计划信息FlightPlani;
步骤5-2:若该航班起飞机场为关注机场,且预计起飞时间在指定时间片[tBgni,tEndi]内,则该航班为时间片关联航班,添加进该机场的起飞航班队列DepFlightArray;
步骤5-3:若该航班降落机场为关注机场,且预计降落时间在指定时间片[tBgni,tEndi]内,则该航班为时间片关联航班,添加进该机场的降落航班队列ArrFlightArray;
步骤5-4:对起飞航班队列DepFlightArray中的航班采用冒泡法,按照起飞时间进行升序排序;
步骤5-5:对降落航班队列ArrFlightArray中的航班采用冒泡法,按照降落时间进行升序排序;
步骤5-6:若DepFlowi>ADRi,则起飞航班队列DepFlightArray中排序后次序超出ADRi的航班为离场超量航班,否则,无离场超量航班;
步骤5-7:若ArrFlowi>AARi,降落航班队列ArrFlightArray中排序后次序超出AARi的航班为进场超量航班,否则,无进场超量航班;
步骤6包括以下步骤:
步骤6-1:将指定时间片[tBgni,tEndi]内的起飞航班队列DepFlightArray,以及降落航班队列ArrFlightArray进行合并,生成机场排序队列FlightArray;
步骤6-2:对FlightArray中的起飞航班以预计起飞时间为基准,降落航班以预计降落时间为基准,以冒泡法进行升序排序;
步骤6-3:计算平均飞行间隔FlyInterval,搜索FlightArray中的最后一架航班在关注机场的起飞或者降落时间,记为ETO,FlyInterval=(ETO-tBgni)/TotalFlowi;
步骤6-4:计算机场服务时长ServerDuration,若TotalFlowi>Capacityi,将FlightArray中排序后次序超出Capacityi的航班定义为关注机场在该时间片内的最终服务航班,否则,将FlightArray中排序后次序超出TotalFlowi的航班定义为关注机场在该时间片内的最终服务航班,最终服务航班在关注机场的起飞或降落时间记为ETOfinal,则ServerDuration=ETOfinal-tBgni;
步骤6-5:计算进场平均延误ArrDelay:
其中,ETAj表示航班j在关注机场的预计降落时间;
步骤6-6:计算离场平均延误DepDelay:
其中,ETDj表示航班j在关注机场的预计起飞时间;
步骤6-7:将平均飞行间隔FlyInterval、机场服务时长ServerDuration、进场平均延误ArrDelay、离场平均延误DepDelay、累积进场容量余度、累积离场容量余度进行归一化处理,最终形成[0,100]内的无量纲数值,分别转化为航班时间离散度、可服务时间占比、进场时间匹配度、离场时间匹配度、进场容流匹配度、离场容流匹配度指标,从而得到关注机场Airport在指定时间片内的运行指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940777.9A CN110660274B (zh) | 2019-09-30 | 2019-09-30 | 一种机场容需平衡预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940777.9A CN110660274B (zh) | 2019-09-30 | 2019-09-30 | 一种机场容需平衡预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110660274A CN110660274A (zh) | 2020-01-07 |
CN110660274B true CN110660274B (zh) | 2020-09-25 |
Family
ID=69040235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910940777.9A Active CN110660274B (zh) | 2019-09-30 | 2019-09-30 | 一种机场容需平衡预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110660274B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348338A (zh) * | 2020-10-28 | 2021-02-09 | 中国电子科技集团公司第二十八研究所 | 一种塔台管制效能评价指标关联关系分析方法 |
CN113034980B (zh) * | 2021-02-26 | 2022-08-19 | 中国电子科技集团公司第二十八研究所 | 一种基于时刻表的航班运行效能预先评估方法 |
CN113554898B (zh) * | 2021-07-30 | 2022-07-19 | 中国电子科技集团公司第二十八研究所 | 一种多维度航班放行效能评估方法 |
CN114360295B (zh) * | 2021-11-08 | 2023-06-09 | 民航数据通信有限责任公司 | 一种空中交通容流平衡措施控制方法及装置 |
CN115035747A (zh) * | 2022-06-07 | 2022-09-09 | 成都民航空管科技发展有限公司 | 流量超限告警方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942623A (zh) * | 2014-04-22 | 2014-07-23 | 中国民航大学 | 一种基于需求与容量不确定性的机场拥挤风险预测方法 |
CN104464382A (zh) * | 2014-11-28 | 2015-03-25 | 北京航空航天大学 | 航空网络级联效应的调控方法及装置 |
CN105528647A (zh) * | 2015-11-25 | 2016-04-27 | 南京航空航天大学 | 基于大数据分析的机场概率交通需求预测方法 |
CN107657838A (zh) * | 2017-10-10 | 2018-02-02 | 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 |
CN207367391U (zh) * | 2017-08-11 | 2018-05-15 | 唐坚 | 用于低空飞行的监视系统 |
CN110288177A (zh) * | 2019-05-09 | 2019-09-27 | 南京航空航天大学 | 一种采用历史运行数据包络线评估机场公布容量的方法 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6580998B2 (en) * | 1999-12-22 | 2003-06-17 | Rlm Software, Inc. | System and method for estimating aircraft flight delay |
DE102004050988A1 (de) * | 2004-10-20 | 2006-05-04 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Prätaktische Steuerungseinrichtung |
CN100587760C (zh) * | 2008-10-30 | 2010-02-03 | 中国民航大学 | 机场离场流量告警的实现方法与系统 |
CN101393691B (zh) * | 2008-10-30 | 2010-09-15 | 中国民航大学 | 机场到场流量告警的实现方法与系统 |
CN101533565B (zh) * | 2009-02-23 | 2010-09-29 | 民航数据通信有限责任公司 | 机场小时容量超标告警方法及装置 |
CN101510363B (zh) * | 2009-04-02 | 2011-01-19 | 南京航空航天大学 | 机场航班计划容量判定方法 |
US8886446B1 (en) * | 2012-05-14 | 2014-11-11 | Rade Michael Baiada | Method and system for allocating aircraft arrival/departure slot times, with preferred movement |
CN102842075A (zh) * | 2012-09-10 | 2012-12-26 | 南京航空航天大学 | 通过管制员工作负荷的时空分布特征确定扇区容量的方法 |
CN104361769B (zh) * | 2014-10-27 | 2017-07-11 | 广州市中南民航空管通信网络科技有限公司 | 一种航班数据处理方法及场监前置机 |
CN105809280A (zh) * | 2016-03-03 | 2016-07-27 | 南京航空航天大学 | 一种机场容量需求预测方法 |
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 |
CN106297415B (zh) * | 2016-08-16 | 2018-12-07 | 南京航空航天大学 | 飞行区运行态势评估方法 |
JP7036013B2 (ja) * | 2016-08-18 | 2022-03-15 | 日本電気株式会社 | 航空管制支援システム、航空管制支援方法、及び、プログラム |
CN106469349A (zh) * | 2016-08-30 | 2017-03-01 | 中国民航科学技术研究院 | 一种多跑道系统航班容量的数学模型评估方法 |
CN106448273A (zh) * | 2016-11-02 | 2017-02-22 | 合肥飞友网络科技有限公司 | 一种实时自动监控航班执行的方法 |
CN106599435B (zh) * | 2016-12-07 | 2020-06-16 | 中国民用航空总局第二研究所 | 一种机场日通行能力确定方法及装置 |
CN106846231A (zh) * | 2017-02-15 | 2017-06-13 | 民航成都信息技术有限公司 | 一种基于专家知识库的机位容量动态更新方法 |
US11017678B2 (en) * | 2017-09-22 | 2021-05-25 | Vianair Inc. | Terminal and en-route airspace operations based on dynamic routes |
CN108460994B (zh) * | 2018-01-23 | 2021-10-08 | 广州市中南民航空管通信网络科技有限公司 | 一种航班流控排序方法、电子设备及存储介质 |
CN108648510B (zh) * | 2018-04-25 | 2021-03-02 | 中国民用航空华东地区空中交通管理局安徽分局 | 基于航空器监视数据的航班架次统计方法 |
CN109035874A (zh) * | 2018-08-27 | 2018-12-18 | 中国电子科技集团公司第二十八研究所 | 一种多源扁平式聚类空域使用监视方法及系统 |
CN109118112B (zh) * | 2018-08-29 | 2021-08-24 | 南京航空航天大学 | 跨区域尾随间隔限制及离场时隙分配综合策略计算方法 |
-
2019
- 2019-09-30 CN CN201910940777.9A patent/CN110660274B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942623A (zh) * | 2014-04-22 | 2014-07-23 | 中国民航大学 | 一种基于需求与容量不确定性的机场拥挤风险预测方法 |
CN104464382A (zh) * | 2014-11-28 | 2015-03-25 | 北京航空航天大学 | 航空网络级联效应的调控方法及装置 |
CN105528647A (zh) * | 2015-11-25 | 2016-04-27 | 南京航空航天大学 | 基于大数据分析的机场概率交通需求预测方法 |
CN207367391U (zh) * | 2017-08-11 | 2018-05-15 | 唐坚 | 用于低空飞行的监视系统 |
CN107657838A (zh) * | 2017-10-10 | 2018-02-02 | 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 |
CN110288177A (zh) * | 2019-05-09 | 2019-09-27 | 南京航空航天大学 | 一种采用历史运行数据包络线评估机场公布容量的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110660274A (zh) | 2020-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110660274B (zh) | 一种机场容需平衡预测方法 | |
CN108710623B (zh) | 基于时间序列相似性度量的机场离港延误时间预测方法 | |
CN111652427B (zh) | 一种基于数据挖掘分析的航班到达时刻预测方法及系统 | |
WO2018152960A1 (zh) | 一种基于管制语音的冲突告警方法 | |
CN110288177B (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 | |
CN113554898B (zh) | 一种多维度航班放行效能评估方法 | |
CN105469645A (zh) | 飞行目标通信系统 | |
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 | |
US20210125512A1 (en) | Aircraft parking stand assignment prediction | |
WO2023087717A1 (zh) | 基于等值段识别的航班爬升阶段转换高度要素确定方法 | |
CN116307682A (zh) | 一种考虑多元指标的机场航线网络失稳状态综合评价方法 | |
US11299288B2 (en) | Method of presenting flight data of an aircraft and a graphical user interface for use with the same | |
Grabbe et al. | Similar days in the NAS: an airport perspective | |
Zhang et al. | Airport surface movement prediction and safety assessment with spatial–temporal graph convolutional neural network | |
CN116415818B (zh) | 基于聚类算法的飞机进近阶段风险点确认方法和系统 | |
CN111862685B (zh) | 一种基于多维指标的飞行冲突评测方法 | |
Du et al. | Finding Similar Historical Scenarios for Better Understanding Aircraft Taxi Time: A Deep Metric Learning Approach | |
CN115879800A (zh) | 基于数据智能的航班管理延误事后分析方法 | |
CN108074421B (zh) | 一种基于时间的终端区进场效率测度方法 | |
Marr et al. | Controller workload-based calculation of monitor alert parameters for en route sectors | |
CN115345408A (zh) | 一种基于熵权法的终端区进场效率评估方法 | |
CN112562421A (zh) | 一种基于指标体系的飞行冲突评价方法 | |
Šimić et al. | Airport delay prediction using machine learning regression models as a tool for decision making process | |
CN112201082A (zh) | 一种航班放行时隙的n点置换方法 | |
CN108986554A (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 |
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 |