CN110990459A - 基于天气数据统计分析机场历史出雾过程的方法及装置 - Google Patents
基于天气数据统计分析机场历史出雾过程的方法及装置 Download PDFInfo
- Publication number
- CN110990459A CN110990459A CN201911224368.5A CN201911224368A CN110990459A CN 110990459 A CN110990459 A CN 110990459A CN 201911224368 A CN201911224368 A CN 201911224368A CN 110990459 A CN110990459 A CN 110990459A
- Authority
- CN
- China
- Prior art keywords
- data
- fog
- target
- message data
- metar
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 272
- 238000012216 screening Methods 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000001914 filtration Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于天气数据统计分析机场历史出雾过程的及装置。包括:获取目标机场的目标METAR报文数据;对目标METAR报文数据进行筛选,得到至少一条出雾过程数据;对于每一出雾过程数据,获取对应的出雾过程关键要素数据包;根据出雾过程关键要素数据包,结合获取到的目标天气数据,对目标机场出雾过程进行预测。能够按照民航飞行特征对目标METAR报文数据按照精细的时间进行筛选和分析,最终结合获取到的目标天气数据对实际运行中的出雾过程进行预测。
Description
技术领域
本申请涉及空中天气数据统计技术领域,特别涉及一种基于天气数据统计分析机场历史出雾过程的方法及装置。
背景技术
在民航实际运行中,低能见度是影响运行的非常常见的恶劣天气,产生低能见度天气主要有雾、霾、沙、尘、烟、火山灰等,而在我国以大雾影响最为常见。在飞机起降阶段,大雾的影响造成的能见度变低会使飞行员看不清跑道,从而造成飞行事故,使飞机偏离跑道或过早、过迟接地。传统技术中,气象台或机场一般针对出雾的频次进行统计和分析。
然而,仅对出雾的频次进行统计和分析,无法解决日益增长的航班量对出雾时间精细化分析和预测的需求。
发明内容
基于此,有必要针对上述技术问题,提供一种基于天气数据统计分析机场历史出雾过程的方法、装置、计算机设备和存储介质。
一种基于天气数据统计分析机场历史出雾过程的方法,所述方法包括:
获取目标机场的目标METAR报文数据;
对所述目标METAR报文数据进行筛选,得到至少一条出雾过程数据;
对于每一出雾过程数据,获取对应的出雾过程关键要素数据包;
根据所述出雾过程关键要素数据包,结合获取到的目标天气数据,对所述目标机场出雾过程进行预测。
在其中一个实施例中,所述对所述目标METAR报文数据进行筛选,得到至少一条出雾过程数据,包括:
对所述目标METAR报文数据进行筛选,得到出雾METAR报文数据;
对所述出雾METAR报文数据进行分割,得到所述至少一条出雾过程数据。
在其中一个实施例中,所述对所述目标METAR报文数据进行筛选,得到出雾METAR报文数据,包括:
根据民航飞行特征和METAR报文数据的编发报规则,对所述目标METAR报文数据进行转换,得到初始METAR报文数据;
对所述初始METAR报文数据进行筛选,得到所述出雾METAR报文数据。
在其中一个实施例中,所述对所述出雾METAR报文数据进行分割,得到所述至少一条出雾过程数据,包括:
获取所述出雾METAR报文数据的发布时间数据列;
根据所述发布时间数据列,对所述出雾METAR报文数据进行分割,得到所述至少一条出雾过程数据。
在其中一个实施例中,所述根据所述发布时间数据列,对所述出雾METAR报文数据进行分割,得到所述至少一条出雾过程数据,包括:
根据所述发布时间数据列,计算所述出雾METAR报文数据中相邻两次出雾过程的时间差;
根据所述时间差,对所述出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
在其中一个实施例中,所述根据所述时间差,对所述出雾METAR报文数据进行分割,得到至少一条出雾过程数据,包括:
若所述时间差大于或等于预设时长,则对所述出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
在其中一个实施例中,所述对于每一出雾过程数据,获取对应的出雾过程关键要素数据包,包括:
获取所述出雾过程数据中的开始时间、结束时间和持续时间,作为所述出雾过程关键要素数据包中的时间要素;和/或,
获取所述出雾过程数据中的最小主导能见度,作为所述出雾过程关键要素数据包中的出雾程度要素;和/或,
获取所述出雾过程数据中的最小风速、最大风速、平均风速和平均风向,作为所述出雾过程关键要素数据包中的出雾类型要素。
在其中一个实施例中,所述根据所述出雾过程关键要素数据包,结合获取到的目标天气数据,对所述目标机场出雾过程进行预测,包括:
根据目标天气数据,与所述出雾过程关键要素数据包进行匹配;
根据所述目标天气数据的特征和匹配得到的出雾过程关键要素数据包中的关键要素,对所述目标机场出雾过程进行预测。
一种基于天气数据统计分析机场历史出雾过程的装置,所述装置包括:
数据获取模块,用于获取目标机场的目标METAR报文数据;
数据筛选模块,用于对所述目标METAR报文数据进行筛选,得到至少一条出雾过程数据;
要素获取模块,用于对于每一出雾过程数据,获取对应的出雾过程关键要素数据包;
出雾预测模块,用于根据所述出雾过程关键要素数据包,结合获取到的目标天气数据,对所述目标机场出雾过程进行预测。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。
上述基于天气数据统计分析机场历史出雾过程的方法及装置,通过获取目标机场的目标METAR报文数据,对目标METAR报文数据进行筛选,得到至少一条出雾过程数据,对于每一出雾过程数据,获取对应的出雾过程关键要素数据包,并根据出雾过程关键要素数据包,结合获取到的目标天气数据,对目标机场出雾过程进行预测。能够按照民航飞行特征对目标METAR报文数据按照精细的时间进行筛选和分析,最终结合获取到的目标天气数据对实际运行中的出雾过程进行预测。
附图说明
图1为一个实施例中基于天气数据统计分析机场历史出雾过程的方法的流程示意图;
图2为一个实施例中步骤S200的一种可实施方式的流程示意图;
图3为一个实施例中步骤S210的一种可实施方式的流程示意图;
图4为一个实施例中步骤S220的一种可实施方式的流程示意图;
图5为一个实施例中基于天气数据统计分析机场历史出雾过程的装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
可以理解本申请中所使用的术语“第一”、“第二”等可在本文中用于描述各种条件关系,但这些条件关系不受这些术语限制。这些术语仅用于将一个条件关系与另一个条件关系区分开来。
在一个实施例中,如图1所示,提供了一种基于天气数据统计分析机场历史出雾过程的方法,包括以下步骤:
步骤S100,获取目标机场的目标METAR报文数据。
步骤S200,对目标METAR报文数据进行筛选,得到至少一条出雾过程数据。
步骤S300,对于每一出雾过程数据,获取对应的出雾过程关键要素数据包。
步骤S400,根据出雾过程关键要素数据包,结合获取到的目标天气数据,对目标机场出雾过程进行预测。
其中,METAR报文也称航空例行天气报告(METAR),是一种例行的航空天气报告,飞行员和航管员会使用它来评估机场天气状况。一组METAR报文数据中一般包括对应的时间、温度、露点温度、风向、云的资讯、能见度和给飞行员修正高度表的气压读数等。目标天气数据是指需要进行分析的天气数据,可以是目标机场的历史天气数据或实时天气数据。关键要素数据包是指包含出雾过程的关键要素的数据包,其中,关键要素一般包括出雾的开始时间、结束时间、持续时间、能见度、风速、风向等信息,可以根据具体的飞行需求进行选择,此处不进行具体限定。
具体地,获取目标机场的目标METAR报文数据,按照民航飞行特征和METAR报文数据的编发报规则对目标METAR报文数据进行转换,并根据目标METAR报文数据中包含的出雾信息对目标METAR报文数据进行筛选,得到至少一条出雾过程数据。接着,对于每一出雾过程数据,从至少一条出雾过程数据中获取对应的出雾过程关键要素数据包,每一出雾过程数据对应一个出雾过程关键要素数据包。根据出雾过程关键要素数据包和获取到的目标天气数据,对目标天气数据和出雾过程关键要素数据包进行匹配,并根据目标天气数据的特征和匹配得到的出雾过程关键要素数据包中的关键要素,对目标机场出雾过程进行预测。
上述基于天气数据统计分析机场历史出雾过程的方法,通过获取目标机场的目标METAR报文数据,对目标METAR报文数据进行筛选,得到至少一条出雾过程数据,对于每一出雾过程数据,获取对应的出雾过程关键要素数据包,并根据出雾过程关键要素数据包,结合获取到的目标天气数据,对目标机场出雾过程进行预测。能够按照民航飞行特征对目标METAR报文数据按照精细的时间进行筛选和分析,最终结合获取到的目标天气数据对实际运行中的出雾过程进行预测。
在其中一个实施例中,如图2所示,为步骤S200的一种可实施方式的流程示意图,其中,对目标METAR报文数据进行筛选,得到至少一条出雾过程数据,包括:
步骤S210,对目标METAR报文数据进行筛选,得到出雾METAR报文数据。
步骤S220,对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
具体地,根据具体能见度信息和天气状况,对目标METAR报文数据进行筛选,将目标METAR报文数据中包含出雾过程的数据筛选出来,得到出雾METAR报文数据,并根据得到的出雾METAR报文数据,出雾METAR报文数据中包含的时间信息,对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
上述实施例中,通过对目标METAR报文数据进行筛选,得到出雾METAR报文数据,并对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。能够按照民航飞行特征对目标METAR报文数据按照精细的时间进行筛选和分割,为后续结合获取到的目标天气数据对实际运行中的出雾过程进行预测提供数据基础。
在其中一个实施例中,如图3所示,为步骤S210的一种可实施方式的流程示意图,其中,对目标METAR报文数据进行筛选,得到出雾METAR报文数据,包括:
步骤S211,根据民航飞行特征和METAR报文数据的编发报规则,对目标METAR报文数据进行转换,得到初始METAR报文数据。
具体地,从目标METAR报文数据中提取报文数据中的发布时间、风向、风速、主导能见度、天气现象等。为便于对比分析,除天气现象外,将其余项目转换为数值进行对比,根据METAR报文的编发报规则,对目标METAR报文数据进行转换,得到初始METAR报文数据。具体转换处理方式如下:
(1)CAVOK的转换处理:将主导能见度一项中的CAVOK项替换为数值10000(CAVOK代表ceiling and visibility is ok,能见度>9999m,即此时天气良好,不存在低能见度大雾天气。因此,将CAVOK替换为10000也可以表示能见度>9999m,天气良好,不存在低能见度大雾天气的现象。当然,也可以将CAVOK替换为大于9999的任意值,此处不做具体限定)
(2)null数据的转换处理:将主导能见度项为空值的情况下,转换为10000;天气现象为空值情况下,转换为‘no wx’(代表无天气)。
步骤S212,对初始METAR报文数据进行筛选,得到出雾METAR报文数据。
具体地,对初始METAR报文数据进行筛选,将包含出雾过程的初始METAR报文数据筛选出来,得到出雾METAR报文数据。
由于初始METAR报文数据中的“FG”代表大雾,因此,需要将包含“FG”项的报文数据筛选出来;“no wx”代表无天气现象,为了保证对数据的全面分析以保障航班飞行的安全性,需要将包含“no wx”项的报文数据筛选出来进行进一步分析;主导能见度数据项小于或等于800的项目筛选出来进行进一步分析(在民航METAR编发报规则中,能见度<1000米时应编报天气现象为“FG”,但METAR auto自动报可能存在能见度<=800m但没有编报天气现象为FG情况,因此,本文采用判断800m阈值一方面是防止METAR auto自动报可能存在能见度<=800m但没有编报天气现象为FG情况,一方面是,民航在飞机起降过程可分为一类、二类、三类盲降,其中一类盲降标准为ie能见度800m,云底高60m,决断高度60m。因此,本文采用800m作阈值更贴近民航实际运行标准)。
因此,需要将天气现象数据项包含“FG”、“no wx”和主导能见度数据项小于或等于800的项目筛选出来,作为出雾METAR报文数据进行进一步分析。
上述实施例中,根据民航飞行特征和METAR报文数据的编发报规则,对目标METAR报文数据进行转换,得到初始METAR报文数据,对初始METAR报文数据进行筛选,得到出雾METAR报文数据。能够按照民航飞行特征对目标METAR报文数据进行筛选,为后续结合获取到的目标天气数据对实际运行中的出雾过程进行预测提供数据基础。
在其中一个实施例中,如图4所示,为步骤S220的一种可实施方式的流程示意图,其中,对出雾METAR报文数据进行分割,得到至少一条出雾过程数据,包括:
步骤S221,获取出雾METAR报文数据的发布时间数据列。
步骤S222,根据发布时间数据列,对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
具体地,根据发布时间数据列,对分属于不同出雾过程的出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
可选地,根据发布时间数据列,计算出雾METAR报文数据中相邻两次出雾过程的时间差;根据时间差,对出雾METAR报文数据进行分割,得到至少一条出雾过程数据;若时间差大于或等于预设时长,则对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
具体地,获取出雾METAR报文数据的发布时间数据列,计算前后相邻两条出雾报文的时间差delta,如果时间差delta大于预设时长6h,则对出雾METAR报文数据进行分割。由于,通常METAR报文间隔为0.5h或1h,阈值选择6h的原因是,大雾可以主要分类为辐射雾、平流雾、锋面雾等,一次大雾过程中,可能存在能见度出现波动的情况,尤其在锋面雾过程中较为明显,因此,考虑这种情况给出一定范围6h的波动空间,根据具体情况,预设时长还可以为其他的数据,此处不做具体限定。
上述实施例中,获取出雾METAR报文数据的发布时间数据列,根据发布时间数据列,对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。能够按照民航飞行特征对目标METAR报文数据按照精细的时间进行筛选和分割,为后续结合获取到的目标天气数据对实际运行中的出雾过程进行预测提供数据基础。
在其中一个实施例中,为步骤S300的一种可实施方式,其中,对于每一出雾过程数据,获取对应的出雾过程关键要素数据包,包括:
获取出雾过程数据中的开始时间、结束时间和持续时间,作为出雾过程关键要素数据包中的时间要素;和/或,获取出雾过程数据中的最小主导能见度,作为出雾过程关键要素数据包中的出雾程度要素;和/或,获取出雾过程数据中的最小风速、最大风速、平均风速和平均风向,作为出雾过程关键要素数据包中的出雾类型要素。
具体地,计算每次出雾过程event的开始时间、结束时间和持续时间,以表征本次出雾过程的影响时长,或用于后续继续以影响时长为条件进行的筛选。计算每次出雾过程的最小主导能见度,以表征本次出雾过程的严重程度。计算每次出雾过程的最小风速、最大风速、平均风速,平均风向,用于后续气象分析本次大雾过程的类型、及主导风向。将上述开始时间、结束时间、持续时间、最小主导能见度、最小风速、最大风速、平均风速和平均风向确定为每一出雾过程数据中对应的出雾过程的关键要素数据包。
上述实施例中,获取出雾过程数据中的开始时间、结束时间和持续时间,作为出雾过程关键要素数据包中的时间要素;和/或,获取出雾过程数据中的最小主导能见度,作为出雾过程关键要素数据包中的出雾程度要素;和/或,获取出雾过程数据中的最小风速、最大风速、平均风速和平均风向,作为出雾过程关键要素数据包中的出雾类型要素。为结合获取到的目标天气数据对实际运行中的出雾过程进行预测提供数据基础。
在其中一个实施例中,为步骤S400的一种可实施方式,其中,根据出雾过程关键要素数据包,结合获取到的目标天气数据,对目标机场出雾过程进行预测,包括:
根据目标天气数据,与出雾过程关键要素数据包进行匹配;根据目标天气数据的特征和匹配得到的出雾过程关键要素数据包中的关键要素,对目标机场出雾过程进行预测。
具体地,根据目标天气数据和出雾过程关键要素数据包,对目标天气数据和出雾过程关键要素数据包进行匹配,并根据目标天气数据的特征和匹配得到的出雾过程关键要素数据包中的关键要素,对目标机场出雾过程进行预测。例如,目标天气数据中的最小主导能见度、最小风速、最大风速、平均风速和平均风向与某一出雾过程关键要素数据包相似度很高,则可以根据确定出的出雾过程关键要素数据包对目标天气数据进行分析和预测。例如,结合目标天气数据中开始时间预测结束时间。
上述实施例中,根据目标天气数据,与出雾过程关键要素数据包进行匹配;根据目标天气数据的特征和匹配得到的出雾过程关键要素数据包中的关键要素,对目标机场出雾过程进行预测。能够结合获取到的目标天气数据对实际运行中的出雾过程进行预测。
本申请主要提供了一种对某机场METAR报文快速统计分析出历史出雾过程的方法。现有方案更多地针对出雾的频次,或者也有统计出雾过程但是不针对于机场METAR报文数据的处理,或者处理时没有很紧密地结合实际运行影响。本申请从数据处理,到结果的展现,都紧紧结合METAR编发报规则进行筛选、出雾特征、以及民航实际运行特点,不仅提供常规对出雾频次的体现,同时展现对应每次出雾过程的具体特征要素特点,为后续的气象具体分析创造了便捷的条件,能够快速针对具体过程具体分析。
在一个实施例中,如图5所示,提供了一种基于天气数据统计分析机场历史出雾过程的装置,包括:数据获取模块501、数据筛选模块502、要素获取模块503和点出雾预测模块504,其中:
数据获取模块501,用于获取目标机场的目标METAR报文数据;
数据筛选模块502,用于对目标METAR报文数据进行筛选,得到至少一条出雾过程数据;
要素获取模块503,用于对于每一出雾过程数据,获取对应的出雾过程关键要素数据包;
出雾预测模块504,用于根据出雾过程关键要素数据包,结合获取到的目标天气数据,对目标机场出雾过程进行预测。
在其中一个实施例中,数据筛选模块502还用于对目标METAR报文数据进行筛选,得到出雾METAR报文数据;对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
在其中一个实施例中,数据筛选模块502还用于根据民航飞行特征和METAR报文数据的编发报规则,对目标METAR报文数据进行转换,得到初始METAR报文数据;对初始METAR报文数据进行筛选,得到出雾METAR报文数据。
在其中一个实施例中,数据筛选模块502还用于获取出雾METAR报文数据的发布时间数据列;根据发布时间数据列,对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
在其中一个实施例中,数据筛选模块502还用于根据发布时间数据列,计算出雾METAR报文数据中相邻两次出雾过程的时间差;根据时间差,对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
在其中一个实施例中,数据筛选模块502还用于执行若时间差大于或等于预设时长,则对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
在其中一个实施例中,要素获取模块503还用于获取出雾过程数据中的开始时间、结束时间和持续时间,作为出雾过程关键要素数据包中的时间要素;和/或,获取出雾过程数据中的最小主导能见度,作为出雾过程关键要素数据包中的出雾程度要素;和/或,获取出雾过程数据中的最小风速、最大风速、平均风速和平均风向,作为出雾过程关键要素数据包中的出雾类型要素。
在其中一个实施例中,数据筛选模块502还用于根据目标天气数据,与出雾过程关键要素数据包进行匹配;根据目标天气数据的特征和匹配得到的出雾过程关键要素数据包中的关键要素,对目标机场出雾过程进行预测。
关于基于天气数据统计分析机场历史出雾过程的装置的具体限定可以参见上文中对于基于天气数据统计分析机场历史出雾过程的方法的限定,在此不再赘述。上述基于天气数据统计分析机场历史出雾过程的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于天气数据统计分析机场历史出雾过程的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取目标机场的目标METAR报文数据;
对目标METAR报文数据进行筛选,得到至少一条出雾过程数据;
对于每一出雾过程数据,获取对应的出雾过程关键要素数据包;
根据出雾过程关键要素数据包,结合获取到的目标天气数据,对目标机场出雾过程进行预测。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:对目标METAR报文数据进行筛选,得到出雾METAR报文数据;对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:根据民航飞行特征和METAR报文数据的编发报规则,对目标METAR报文数据进行转换,得到初始METAR报文数据;对初始METAR报文数据进行筛选,得到出雾METAR报文数据。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:获取出雾METAR报文数据的发布时间数据列;根据发布时间数据列,对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:根据发布时间数据列,计算出雾METAR报文数据中相邻两次出雾过程的时间差;根据时间差,对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:若时间差大于或等于预设时长,则对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:获取出雾过程数据中的开始时间、结束时间和持续时间,作为出雾过程关键要素数据包中的时间要素;和/或,获取出雾过程数据中的最小主导能见度,作为出雾过程关键要素数据包中的出雾程度要素;和/或,获取出雾过程数据中的最小风速、最大风速、平均风速和平均风向,作为出雾过程关键要素数据包中的出雾类型要素。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:根据目标天气数据,与出雾过程关键要素数据包进行匹配;根据目标天气数据的特征和匹配得到的出雾过程关键要素数据包中的关键要素,对目标机场出雾过程进行预测。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取目标机场的目标METAR报文数据;
对目标METAR报文数据进行筛选,得到至少一条出雾过程数据;
对于每一出雾过程数据,获取对应的出雾过程关键要素数据包;
根据出雾过程关键要素数据包,结合获取到的目标天气数据,对目标机场出雾过程进行预测。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:对目标METAR报文数据进行筛选,得到出雾METAR报文数据;对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据民航飞行特征和METAR报文数据的编发报规则,对目标METAR报文数据进行转换,得到初始METAR报文数据;对初始METAR报文数据进行筛选,得到出雾METAR报文数据。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取出雾METAR报文数据的发布时间数据列;根据发布时间数据列,对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据发布时间数据列,计算出雾METAR报文数据中相邻两次出雾过程的时间差;根据时间差,对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:若时间差大于或等于预设时长,则对出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取出雾过程数据中的开始时间、结束时间和持续时间,作为出雾过程关键要素数据包中的时间要素;和/或,获取出雾过程数据中的最小主导能见度,作为出雾过程关键要素数据包中的出雾程度要素;和/或,获取出雾过程数据中的最小风速、最大风速、平均风速和平均风向,作为出雾过程关键要素数据包中的出雾类型要素。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据目标天气数据,与出雾过程关键要素数据包进行匹配;根据目标天气数据的特征和匹配得到的出雾过程关键要素数据包中的关键要素,对目标机场出雾过程进行预测。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种基于天气数据统计分析机场历史出雾过程的方法,其特征在于,所述方法包括:
获取目标机场的目标METAR报文数据;
对所述目标METAR报文数据进行筛选,得到至少一条出雾过程数据;
对于每一出雾过程数据,获取对应的出雾过程关键要素数据包;
根据所述出雾过程关键要素数据包,结合获取到的目标天气数据,对所述目标机场出雾过程进行预测。
2.根据权利要求1所述的方法,其特征在于,所述对所述目标METAR报文数据进行筛选,得到至少一条出雾过程数据,包括:
对所述目标METAR报文数据进行筛选,得到出雾METAR报文数据;
对所述出雾METAR报文数据进行分割,得到所述至少一条出雾过程数据。
3.根据权利要求2所述的方法,其特征在于,所述对所述目标METAR报文数据进行筛选,得到出雾METAR报文数据,包括:
根据民航飞行特征和METAR报文数据的编发报规则,对所述目标METAR报文数据进行转换,得到初始METAR报文数据;
对所述初始METAR报文数据进行筛选,得到所述出雾METAR报文数据。
4.根据权利要求2所述的方法,其特征在于,所述对所述出雾METAR报文数据进行分割,得到所述至少一条出雾过程数据,包括:
获取所述出雾METAR报文数据的发布时间数据列;
根据所述发布时间数据列,对所述出雾METAR报文数据进行分割,得到所述至少一条出雾过程数据。
5.根据权利要求4所述的方法,其特征在于,所述根据所述发布时间数据列,对所述出雾METAR报文数据进行分割,得到所述至少一条出雾过程数据,包括:
根据所述发布时间数据列,计算所述出雾METAR报文数据中相邻两次出雾过程的时间差;
根据所述时间差,对所述出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
6.根据权利要求5所述的方法,其特征在于,所述根据所述时间差,对所述出雾METAR报文数据进行分割,得到至少一条出雾过程数据,包括:
若所述时间差大于或等于预设时长,则对所述出雾METAR报文数据进行分割,得到至少一条出雾过程数据。
7.根据权利要求1所述的方法,其特征在于,所述对于每一出雾过程数据,获取对应的出雾过程关键要素数据包,包括:
获取所述出雾过程数据中的开始时间、结束时间和持续时间,作为所述出雾过程关键要素数据包中的时间要素;和/或,
获取所述出雾过程数据中的最小主导能见度,作为所述出雾过程关键要素数据包中的出雾程度要素;和/或,
获取所述出雾过程数据中的最小风速、最大风速、平均风速和平均风向,作为所述出雾过程关键要素数据包中的出雾类型要素。
8.根据权利要求1所述的方法,其特征在于,所述根据所述出雾过程关键要素数据包,结合获取到的目标天气数据,对所述目标机场出雾过程进行预测,包括:
根据目标天气数据,与所述出雾过程关键要素数据包进行匹配;
根据所述目标天气数据的特征和匹配得到的出雾过程关键要素数据包中的关键要素,对所述目标机场出雾过程进行预测。
9.一种基于天气数据统计分析机场历史出雾过程的装置,其特征在于,所述装置包括:
数据获取模块,用于获取目标机场的目标METAR报文数据;
数据筛选模块,用于对所述目标METAR报文数据进行筛选,得到至少一条出雾过程数据;
要素获取模块,用于对于每一出雾过程数据,获取对应的出雾过程关键要素数据包;
出雾预测模块,用于根据所述出雾过程关键要素数据包,结合获取到的目标天气数据,对所述目标机场出雾过程进行预测。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911224368.5A CN110990459A (zh) | 2019-12-04 | 2019-12-04 | 基于天气数据统计分析机场历史出雾过程的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911224368.5A CN110990459A (zh) | 2019-12-04 | 2019-12-04 | 基于天气数据统计分析机场历史出雾过程的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110990459A true CN110990459A (zh) | 2020-04-10 |
Family
ID=70089802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911224368.5A Pending CN110990459A (zh) | 2019-12-04 | 2019-12-04 | 基于天气数据统计分析机场历史出雾过程的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110990459A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111599162A (zh) * | 2020-05-14 | 2020-08-28 | 上海眼控科技股份有限公司 | 报文的测试方法、装置及系统 |
CN111800582A (zh) * | 2020-07-31 | 2020-10-20 | 上海眼控科技股份有限公司 | 锋面雾检测方法、装置、计算机设备和可读存储介质 |
CN113656122A (zh) * | 2021-07-28 | 2021-11-16 | 上海纽盾科技股份有限公司 | 面向等保测评的信息筛选方法、装置及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2891338B1 (ja) * | 1998-02-16 | 1999-05-17 | 日本電気株式会社 | 空港気象状態の表示方式 |
US20160351059A1 (en) * | 2015-05-27 | 2016-12-01 | Airbus Helicopters | Method and a device for assisting piloting in order to detect and signal local weather risks associated with the relief of the terrain overflown by an aircraft |
CN106251022A (zh) * | 2016-08-08 | 2016-12-21 | 南京信息工程大学 | 一种基于多因子的多参数相似集合的短期气候预测方法 |
CN108152866A (zh) * | 2017-11-06 | 2018-06-12 | 南京航空航天大学 | 基于天气影响航班量的航空气象预报质量评估方法 |
CN109409587A (zh) * | 2018-10-09 | 2019-03-01 | 南京航空航天大学 | 一种基于天气数据挖掘的机场进离场交通流量预测方法 |
-
2019
- 2019-12-04 CN CN201911224368.5A patent/CN110990459A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2891338B1 (ja) * | 1998-02-16 | 1999-05-17 | 日本電気株式会社 | 空港気象状態の表示方式 |
US20160351059A1 (en) * | 2015-05-27 | 2016-12-01 | Airbus Helicopters | Method and a device for assisting piloting in order to detect and signal local weather risks associated with the relief of the terrain overflown by an aircraft |
CN106251022A (zh) * | 2016-08-08 | 2016-12-21 | 南京信息工程大学 | 一种基于多因子的多参数相似集合的短期气候预测方法 |
CN108152866A (zh) * | 2017-11-06 | 2018-06-12 | 南京航空航天大学 | 基于天气影响航班量的航空气象预报质量评估方法 |
CN109409587A (zh) * | 2018-10-09 | 2019-03-01 | 南京航空航天大学 | 一种基于天气数据挖掘的机场进离场交通流量预测方法 |
Non-Patent Citations (5)
Title |
---|
SERGIO FERNÁNDEZ-GONZÁLEZ 等: "Forecasting of poor visibility episodes in the vicinity of Tenerife Norte Airport" * |
张义朋: "低能见度预测及其与航班准点率相关性研究" * |
张涛: "航空气象服务系统的设计与实现" * |
陈露;徐靓青;: "双流机场大雾特征分析与统计预报方法研究" * |
马晶晶: "基于云计算及关联规则挖掘技术的气象数据挖掘研究" * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111599162A (zh) * | 2020-05-14 | 2020-08-28 | 上海眼控科技股份有限公司 | 报文的测试方法、装置及系统 |
CN111800582A (zh) * | 2020-07-31 | 2020-10-20 | 上海眼控科技股份有限公司 | 锋面雾检测方法、装置、计算机设备和可读存储介质 |
CN111800582B (zh) * | 2020-07-31 | 2021-12-07 | 上海眼控科技股份有限公司 | 锋面雾检测方法、装置、计算机设备和可读存储介质 |
CN113656122A (zh) * | 2021-07-28 | 2021-11-16 | 上海纽盾科技股份有限公司 | 面向等保测评的信息筛选方法、装置及系统 |
CN113656122B (zh) * | 2021-07-28 | 2023-05-16 | 上海纽盾科技股份有限公司 | 面向等保测评的信息筛选方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110990459A (zh) | 基于天气数据统计分析机场历史出雾过程的方法及装置 | |
EP2975598A1 (en) | System and method for sending in-flight weather alerts | |
US8200377B2 (en) | System for securing an aircraft flight plan | |
US10613222B2 (en) | Probabilistic weather severity estimation system | |
CN105844346A (zh) | 基于arima模型的航班延误预测方法 | |
US9776510B2 (en) | Primary objective task display methods and systems | |
CN103177609A (zh) | 用于识别沿飞行中的飞行器的飞行路径的侵入的基于地面的系统和方法 | |
US20140195077A1 (en) | Systems and Methods for Runway Condition Alert and Warning | |
EP3043332B1 (en) | Aircraft flight information generation device, aircraft flight information generation method, and aircraft flight information generation program | |
CN108615411A (zh) | 一种实现航班信息处理的方法及装置 | |
CN110658831A (zh) | 对地高度校正方法及装置、无人飞行器 | |
EP3447750B1 (en) | Method and system for real-time validation of an operational flight path for an aircraft | |
CN110349444B (zh) | 基于大数据的空中交通流量管理方法 | |
CN111066074B (zh) | 航空气象管制系统 | |
CN115857059B (zh) | 一种积冰预报管理方法、系统、可读存储介质和设备 | |
CN105679104A (zh) | 一种机载前视地形预测和告警方法 | |
CN112509383B (zh) | 一种提高ads-b航迹数据准确率的方法 | |
CN110751329B (zh) | 一种机场安检通道的控制方法、装置、电子设备及存储介质 | |
CN109961192B (zh) | 目标事件预测方法及装置 | |
US11085957B2 (en) | Lightning strike prediction system based on radio receiver static | |
CN114333428A (zh) | 机场落地航空器间隔管理方法、装置及存储介质 | |
CN110702362A (zh) | 基于飞行器位置的空气湍流检测系统和方法 | |
Roychoudhury et al. | Initial demonstration of the real-time safety monitoring framework for the national airspace system using flight data | |
CN113065809A (zh) | 一种民用飞机信息安全风险分析系统 | |
De Visscher et al. | Data mining and Machine Learning techniques supporting Time-Based Separation concept deployment |
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 | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240426 |