CN111862685B - 一种基于多维指标的飞行冲突评测方法 - Google Patents

一种基于多维指标的飞行冲突评测方法 Download PDF

Info

Publication number
CN111862685B
CN111862685B CN202010560250.6A CN202010560250A CN111862685B CN 111862685 B CN111862685 B CN 111862685B CN 202010560250 A CN202010560250 A CN 202010560250A CN 111862685 B CN111862685 B CN 111862685B
Authority
CN
China
Prior art keywords
score
conflict
evaluation
calculating
index
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
Application number
CN202010560250.6A
Other languages
English (en)
Other versions
CN111862685A (zh
Inventor
裴京涛
霍达
丛玮
朱睿
刘磊
吴义梅
谢道仪
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.)
Dalandong Nanjing Technology Co ltd
Original Assignee
Dalandong Nanjing Technology Co ltd
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 Dalandong Nanjing Technology Co ltd filed Critical Dalandong Nanjing Technology Co ltd
Priority to CN202010560250.6A priority Critical patent/CN111862685B/zh
Publication of CN111862685A publication Critical patent/CN111862685A/zh
Application granted granted Critical
Publication of CN111862685B publication Critical patent/CN111862685B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G5/00Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0043Traffic management of multiple aircrafts from the ground
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G5/00Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/04Anti-collision systems
    • G08G5/045Navigation or guidance aids, e.g. determination of anti-collision manoeuvers

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)

Abstract

本发明提供一种基于多维指标的飞行冲突评测方法,该方法包括:a1:明确飞行冲突评测的影响因素,每个因素对应多个指标;a2:基于航空大数据,计算飞行冲突发生时段内各时间片的指标评测得分;a3:应用熵权法确定各指标权重;a4:根据冲突发生时段内各时间片中各指标的评测得分计算结果和指标权重,得到各时间片的飞行冲突评分结果;a5:对时间片的飞行冲突评分求均值,得到该事件的最终评测得分。本方法全面地考虑了影响飞行冲突的各类因素,明确了各因素的影响程度,减少了定性判断的偏差,基于航空大数据的评测方法,提供更充分的客观数据,计算方法简便,展现结果直观;评测结果的准确性和客观性更高;利用分数的分布对不同冲突事件量化对比,找到同类事件的共性,提出改进措施。

Description

一种基于多维指标的飞行冲突评测方法
技术领域
本发明涉及航空运输技术领域,具体来说,涉及一种基于多维指标的飞行冲突评测方法。
背景技术
安全是航空运输领域最为关心的重要问题之一。飞行冲突通常是指两架民用航空器在实际运行时小于了规定的间隔标准。针对民航局相关规章,虽然可以定性地识别飞行冲突,但对飞行冲突的严重程度却缺乏直观、量化的评测方法。目前国内外研究中主要应用了Reich模型、Event模型等,将航空器假想为碰撞盒,结合概率论等理论方法评测两架航空器的碰撞概率,虽然对飞行冲突评测方法有一定的借鉴意义,但不足之处是只考虑了两架航空器之间的间隔因素,对于两架航空器之间的接近趋势、冲突发生时的空域繁忙程度等考虑较少,导致评测结果的全面性、准确性和客观性都较差,无法量化评测结果,不能很好地指导飞行冲突应对实践,也不利于找到同类事件的共性,提出改进措施。因此迫切需要针对飞行冲突的特征,提出合适的定量评测方法。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
本发明的目的在于提供一种基于多维指标的飞行冲突评测方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于多维指标的飞行冲突评测方法,该方法包括:
a1:明确飞行冲突评测的影响因素,每个因素对应多个指标;
a2:基于航空大数据,计算飞行冲突发生时段内每个时间片的指标评测得分;
a3:应用熵权法确定各指标的权重;
a4:根据冲突发生时段内每个时间片中各个指标的评测得分计算结果和指标权重,得到各时间片的飞行冲突评分结果;
a5:对所有时间片的飞行冲突评分结果求均值,得到该事件的最终评测得分。
进一步地,所述步骤a1中影响因素分别是间隔因素、接近趋势因素、空域繁忙程度因素。
进一步地,所述步骤a1中指标包括:水平间隔、垂直间隔、相对矢量速度、航迹夹角、流容比、通话饱和度和潜在冲突的航班架次。
进一步地,所述飞行冲突发生时段内每个时间片的指标评测得分计算方法如下:
b1:飞行冲突的开始时刻Tstart和结束时刻Tend,选择[Tstart,Tend]作为飞行冲突评测的时间范围,将冲突分析的时间粒度设置为1秒,将该飞行冲突评测的时间范围分为m个时间片;
b2:分别计算m个时间片的相关指标评测得分。
进一步地,所述步骤b2包括计算m个时间片的接近趋势指标评测得分,即根据两架航空器在各时刻的矢量速度和航向角,计算两架航空器之间相对矢量速度差值V和航迹夹角θ及其对应的评测得分;具体为包括:
根据矢量速度差值V所在区间,计算该指标的得分:
V>1300km/h,得分为100;
560≤V<1300,得分为75;
190≤V<560,得分为50;
V<190,得分为25;
得分越高,表明越危险;
根据航迹夹角θ所在区间,计算该指标的得分:
θ≥135°,得分为100;45°≤θ<135°,得分为50;θ<45°,得分为25;
同样,得分越高,表明越危险。
进一步地,所述步骤b2包括计算m个时间片的间隔指标评测得分,即根据两架航空器在各时刻的经度、纬度和高度,计算两架航空器实际的水平间隔和垂直间隔及其对应的评测得分:
水平间隔指标分数=100*(1-实际的水平间隔/最小水平间隔标准);
垂直间隔指标分数=100*(1-实际的垂直间隔/最小垂直间隔标准);
实际的水平间隔或垂直间隔越小,表明越危险,该指标的得分越高。
进一步地,所述步骤b2包括计算m个时间片的空域繁忙程度指标评测得分,所述空域繁忙程度通过三个维度进行计算,分别为:航空器飞行冲突发生时段空域内的流容比FCR、当时陆空通讯波道的通话饱和程度R、与冲突航空器对存在潜在影响的其他航空器数N。
进一步地,根据航空器飞行冲突发生时段空域内的流容比FCR所在区间,计算该指标的得分:
FCR>100%,得分为100;
80%≤FCR<100%,得分为80;
50≤FCR<80%,得分为35;
FCR<50%,得分为5。
得分越高,空域环境对冲突航空器的影响越大。
进一步地,根据当时陆空通讯波道的通话饱和程度R所在区间,计算该指标的得分:
R≥80%,得分为100;
50%≤R<80%,得分为65;
R<50%,得分为5;
得分越高,波道越拥堵,表明当前态势越不利于冲突解脱的执行,航空器冲突的可能性越大。
进一步地,根据与冲突航空器对存在潜在影响的其他航空器数N所在区间,计算该指标的得分:
N>2,得分为100;
N=2,得分为55;
N=1,得分为20;
N=0,得分为5。
得分越高,存在潜在冲突的航空器架次越多,管制员需要在其他航空器上分配的精力越多,情况越危险。
进一步地,所述权重的计算方法是:
c1:根据m个时间片、n个指标,构造初始评测矩阵
A=(aij)m×n
aij表示第i个方案里第j个指标的度量值;
c2:将初始评测矩阵标准化后得出矩阵:
B=(bij)m×n
Figure BDA0002545835460000041
c3:计算第j个指标的信息熵
Figure BDA0002545835460000042
c4:计算差异性系数
dj=1-ej
c5:计算各指标权值
Figure BDA0002545835460000043
所得Wj即为第j个评测指标的权重,所有指标的权重集为W={w1,w2,…wn}。
本发明通过多维指标,考虑飞行冲突的主客观影响因素:水平间隔、垂直间隔、两架航空器之间的接近趋势(相对速度、夹角)、空域繁忙程度(流容比、通话饱和度和潜在冲突)等,考虑对象更为全面,体现了飞行冲突的关键特征;通过熵权法,透过数据自身的客观规律对各类因素的权重进行确认,明确不同因素的影响程度;基于历史数据评测每个飞行冲突的分数,帮助空中交通管理人员实现不同事件的严重程度对比,更好地进行复盘分析,找到影响飞行冲突的关键因素,提出有效的改善措施。
与现有技术相比,本发明具有以下有益效果:1.与传统的碰撞风险评测方法相比,本发明飞行冲突评测方法可以更加全面地考虑影响飞行冲突的各类因素,冲突航空器因素包括间隔、接近趋势等,空域态势环境因素则关注事件发生时空域的繁忙程度,涵盖了流容比、通话饱和度和潜在冲突的航班架次等方面,进行冲突评测所考虑的因素更加综合;2.本评测方法通过熵权法确定了各类因素的权重,明确了各因素的影响程度,减少了定性判断的偏差;3.本发明基于航空大数据的评测方法,客观的数据支持更加充分,计算方法科学简便,展现结果更加直观,评测结果的准确性和客观性更高;4.本发明利用分数的分布,方便对不同的冲突事件进行量化对比,找到同类事件的共性,便于提出改进措施。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的实施例1的流程示意图。
具体实施方式
下面,将基于在我国某高空区域管制区实际发生的飞行冲突事件案例,结合附图以及具体实施方式,对发明做出进一步的描述:
实施例1
如图1所示,一种基于多维指标的飞行冲突评测方法,该方法包括:
a1:明确飞行冲突评测的影响因素,每个因素对应多个指标;
a2:基于航空大数据,计算飞行冲突发生时段内每个时间片的指标结果;
a3:应用熵权法确定各指标的权重;
a4:根据冲突发生时段内每个时间片中各个指标的计算结果和指标权重,得到各时间片的飞行冲突评分结果;
a5:对所有时间片的飞行冲突评分结果求均值,得到该事件的最终评测得分。
根据上述内容,所述步骤a1中影响因素分别是间隔因素、接近趋势因素、空域繁忙程度因素。
根据上述内容,所述步骤a1中指标包括:水平间隔、垂直间隔、相对矢量速度、航迹夹角、流容比、通话饱和度和潜在冲突的航班架次等7各指标,本实施例共使用七个指标来描述航空器发生冲突时的危险状况。
间隔因素包括两架航空器之间的水平间隔和垂直间隔。
接近趋势因素是指两架航空器之间的相对矢量速度和航迹夹角。
空域繁忙程度因素在本发明中通过发生冲突过程中的空域流容比、通话波道的饱和程度以及潜在冲突的航班架次进行表征。
本实施例介绍的飞行冲突评测方法可以更加全面地考虑影响飞行冲突的各类因素,冲突航空器因素包括间隔、接近趋势(相对速度、夹角)等,空域态势环境因素则关注事件发生时空域的繁忙程度,涵盖了流容比、通话饱和度和潜在冲突的航班架次等方面,与传统的碰撞风险评测方法相比,进行冲突评测所考虑的因素更加综合。评测方法通过熵权法确定了各类因素的权重,明确了各因素的影响程度,减少了定性判断的偏差。基于航空大数据的评测方法,客观的数据支持更加充分,计算方法科学简便,展现结果更加直观;同时,利用分数的分布方便对不同的冲突事件进行量化对比,找到同类事件的共性,便于提出改进措施。
根据上述内容,所述每分钟的飞行冲突指标结果计算方法如下(由于事件尚未定性,为避免对实际飞行冲突评测可能造成的影响,这里将事件发生的日期隐去):
b1:飞行冲突的开始时刻为某年某月某日8时45分36秒,结束时刻为当日8时46分10秒,故而选取某年某月某日[8时45分36秒,8时46分10秒]作为飞行冲突评测的时间范围,将冲突分析的时间粒度设置为1秒,故而本冲突事件共有35个时间片;
b2:根据两架航空器在该时刻的经度、纬度和高度,计算两架航空器实际的水平间隔和垂直间隔:
水平间隔指标分数=100*(1-实际的水平间隔/最小水平间隔标准);
垂直间隔指标分数=100*(1-实际的垂直间隔/最小垂直间隔标准);
在航空器发生冲突的空域,最小水平间隔标准为10km,最小垂直间隔标准为300m,基于以上标准计算35个时间片的间隔指标结果与得分;
表1间隔指标结果与得分
Figure BDA0002545835460000061
Figure BDA0002545835460000071
Figure BDA0002545835460000081
表1中水平间隔列与垂直间隔列即指标计算的数值,相应的水平间隔得分列以及垂直间隔得分列即为根据上述计算方法得到的危险性影响得分。例如第10个时间片航空器间的水平间隔为6.52,其水平间隔得分为100*(1-6.52/10)=34.8分;该时间片的航空期间垂直间隔为270米,故其垂直间隔得分为100*(1-270/300)=10分。
b3:计算35个时间片的接近趋势类指标结果,根据两架航空器在该时刻的矢量速度和航向角,计算两架航空器之间相对矢量速度差值V和航迹夹角θ;
表2接近趋势指标结果与得分
Figure BDA0002545835460000082
Figure BDA0002545835460000091
b4:根据矢量速度差值V所在区间,计算该指标的得分:
V>1300km/h,100;
560≤V<1300,75;
190≤V<560,50;
V<190,25;
同样,得分越高,表明越危险,表2中的矢量速度差列以及矢量速度差得分列分别罗列了航空器的矢量速度差计算值以及根据上述对应规则得到的分数。例如第10个时间片冲突航空器对的矢量速度差为1008km/h,故其矢量速度差得分为75分。
b5:根据航迹夹角θ所在区间,计算该指标的得分:
θ≥135°,100;45°≤θ<135°,50;θ<45°,25;
同样,得分越高,表明越危险,表2中的航迹夹角列以及航迹夹角得分列分别罗列了航空器发生冲突过程中的实际航迹夹角变化情况以及根据上述对应规则得到的分数。例如第10个时间片冲突航空器对的航迹夹角为179.93°,故其矢量速度差得分为100分。
b6:计算35个时间片的空域繁忙程度。有利于评测空域运行环境对于冲突航空器危险程度的影响。
根据上述内容,所述空域繁忙程度通过三个维度进行计算,分别为:航空器飞行冲突发生时段空域内的流容比FCR、当时陆空通讯波道的通话饱和程度R、与冲突航空器对存在潜在影响的其他航空器数N。
根据上述内容,所述航空器飞行冲突发生时段空域内的流容比FCR得分计算如下:
FCR>100%,100;
80%≤FCR<100%,80;
50≤FCR<80%,35;
FCR<50%,5。
得分越高,空域环境对冲突航空器的影响越大,表三中的流容比列以及流容比得分列分别展现了冲突发生时空域的流容比以及根据上述对应规则得到的分数。例如第10个时间片事发空域的流容比为65%,故其流容比得分为35分。
根据上述内容,所述当时陆空通讯波道的通话饱和程度R得分计算如下:
R≥80%,100;
50%≤R<80%,65;
R<50%,5;
得分越高,波道越拥堵,表明当前态势越不利于冲突解脱的执行,航空器冲突的可能性越大,表三中的通话饱和度列以及通话饱和度得分列分别展现了冲突发生时空域的通话饱和度以及根据上述对应规则得到的分数。例如第10个时间片事发空域的通话饱和度为50%,故其通话饱和度得分为65分。
根据上述内容,所述与冲突航空器对存在潜在影响的其他航空器数N得分计算如下:
N>2,100;
N=2,55;
N=1,20;
N=0,5。
得分越高,存在潜在冲突的航空器架次越多,管制员需要在其他航空器上分配的精力越多,情况越危险,表三中的潜在冲突航班架次列以及潜在冲突航班架次得分列分别展现了冲突发生时空域的潜在冲突航班架次以及根据上述对应规则得到的分数。例如第10个时间片事发空域中存在的潜在冲突航空器架次为2架,故其潜在冲突架次得分为55分。
上述三个指标的计算结果与得分在下表3中进行了展示。
表3空域繁忙程度指标结果与得分
Figure BDA0002545835460000111
Figure BDA0002545835460000121
Figure BDA0002545835460000131
根据上述内容,所述权重的计算方法是:
c1:根据35个时间片、7个指标,构造初始评判矩阵
A=(aij)35×7
aij表示第i个方案里第j个指标的度量值;
35*7的初始评判矩阵A如下所示:
Figure BDA0002545835460000132
Figure BDA0002545835460000141
c2:将初始评判矩阵标准化后得出矩阵:
B=(bij)m×n
Figure BDA0002545835460000151
35*7的标准化矩阵B如下所示:
Figure BDA0002545835460000152
Figure BDA0002545835460000161
c3:计算第j个指标的信息熵
Figure BDA0002545835460000162
透过处理后35*7的信息熵矩阵E如下所示:
Figure BDA0002545835460000163
Figure BDA0002545835460000171
Figure BDA0002545835460000181
c4:计算差异性系数
dj=1-ej
D={d1,d2,…d7}={0.415,0.554,0.431,0.478,0.249,0.249,0.249}
c5:计算各指标权值
Figure BDA0002545835460000182
所得Wj即为第j个评测指标的权重,所有指标的权重集为W={0.158,0.211,0.164,0.182,0.095,0.095,0.095}
根据每个时间片飞行冲突事件在水平间隔、垂直间隔、相对矢量速度、航迹夹角、流容比、通话饱和度和潜在冲突的航班架次等7个指标的评分结果,建立35*7的评测矩阵,利用熵权法法求得指标权重,从而计算可得飞行冲突事件在每个时间片中的计算结果:
表4冲突危险性加权得分
Figure BDA0002545835460000183
Figure BDA0002545835460000191
Figure BDA0002545835460000201
对飞行冲突事件35个时间片的所有计算结果求均值,即可得到该飞行冲突事件的最终得分S=49.14分。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限定本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于多维指标的飞行冲突评测方法,其特征在于,该方法包括:
a1:明确飞行冲突评测的影响因素,包括:间隔因素、接近趋势因素、空域繁忙程度因素;每个因素对应多个指标,包括:水平间隔、垂直间隔、相对矢量速度、航迹夹角、流容比、通话饱和度和潜在冲突的航班架次;
a2:基于航空大数据,明确飞行冲突的开始时刻Tstart和结束时刻Tend,选择[Tstart, Tend]作为飞行冲突评测的时间范围,将该飞行冲突评测的时间范围分为若干个时间片,计算飞行冲突发生时段内每个时间片的指标评测得分,包括:
计算m个时间片的接近趋势指标评测得分,根据两架航空器在各时刻的矢量速度和航向角,计算两架航空器之间相对矢量速度差值V和航迹夹角θ及其对应的评测得分;
根据矢量速度差值V所在区间,计算该指标的得分:
V>1300km/h, 得分为100;
560≤V<1300,得分为75;
190≤V<560,得分为50;
V<190,得分为25;
得分越高,表明越危险;
根据航迹夹角θ所在区间,计算该指标的得分:
θ≥135°,得分为100;45°≤θ<135°,得分为50;θ<45°,得分为25;
得分越高,表明越危险;
计算m个时间片的间隔指标评测得分,根据两架航空器在各时刻的经度、纬度和高度,计算两架航空器实际的水平间隔和垂直间隔及其对应的评测得分:
水平间隔指标分数=100*(1-实际的水平间隔/最小水平间隔标准);
垂直间隔指标分数=100*(1-实际的垂直间隔/最小垂直间隔标准);
实际的水平间隔或垂直间隔越小,表明越危险,该指标的得分越高;
计算m个时间片的空域繁忙程度指标评测得分,所述空域繁忙程度通过三个维度进行计算,分别为:航空器飞行冲突发生时段空域内的流容比FCR、当时陆空通讯波道的通话饱和程度R、与冲突航空器对存在潜在影响的其他航空器数N;
根据航空器飞行冲突发生时段空域内的流容比FCR所在区间,计算该指标的得分:
FCR >100%,得分为100;
80%≤ FCR < 100%,得分为80;
50≤ FCR <80%,得分为35;
FCR < 50%,得分为5;
得分越高,空域环境对冲突航空器的影响越大;
根据当时陆空通讯波道的通话饱和程度R所在区间,计算该指标的得分:
R≥ 80%,得分为100;
50% ≤ R< 80%,得分为65;
R< 50%,得分为5;
得分越高,波道越拥堵,表明当前态势越不利于冲突解脱的执行,航空器冲突的可能性越大;
根据与冲突航空器对存在潜在影响的其他航空器数N所在区间,计算该指标的得分:
N>2,得分为100;
N=2,得分为55;
N=1,得分为20;
N=0,得分为5;
得分越高,存在潜在冲突的航空器架次越多,管制员需要在其他航空器上分配的精力越多,情况越危险;
a3:应用熵权法确定各指标的权重,所述权重的计算方法是:
c1:根据m个时间片、n个指标,构造初始评测矩阵
Figure DEST_PATH_IMAGE002
Figure DEST_PATH_IMAGE004
表示第i个方案里第j个指标的度量值;
c2:将初始评测矩阵标准化后得出矩阵:
Figure DEST_PATH_IMAGE006
Figure DEST_PATH_IMAGE008
c3:计算第j个指标的信息熵
Figure DEST_PATH_IMAGE010
Figure DEST_PATH_IMAGE012
Figure DEST_PATH_IMAGE014
c4:计算差异性系数
Figure DEST_PATH_IMAGE016
c5:计算各指标权值
Figure DEST_PATH_IMAGE018
所得Wj即为第j个评测指标的权重,所有指标的权重集为
Figure DEST_PATH_IMAGE020
a4:根据冲突发生时段内每个时间片中各个指标的评测得分计算结果和指标权重,得到各时间片的飞行冲突评分结果;
a5:对所有时间片的飞行冲突评分结果求均值,得到该飞行冲突的最终评测得分。
2.根据权利要求1所述的一种基于多维指标的飞行冲突评测方法,其特征在于,所述飞行冲突发生时段内每个时间片的指标评测得分计算方法如下:
b1:飞行冲突的开始时刻Tstart和结束时刻Tend,选择[Tstart, Tend ] 作为飞行冲突评测的时间范围,将冲突分析的时间粒度设置为1秒,将该飞行冲突评测的时间范围分为m个时间片;
b2:分别计算m个时间片的间隔指标评测得分。
CN202010560250.6A 2020-06-18 2020-06-18 一种基于多维指标的飞行冲突评测方法 Active CN111862685B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010560250.6A CN111862685B (zh) 2020-06-18 2020-06-18 一种基于多维指标的飞行冲突评测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010560250.6A CN111862685B (zh) 2020-06-18 2020-06-18 一种基于多维指标的飞行冲突评测方法

Publications (2)

Publication Number Publication Date
CN111862685A CN111862685A (zh) 2020-10-30
CN111862685B true CN111862685B (zh) 2022-07-26

Family

ID=72986232

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010560250.6A Active CN111862685B (zh) 2020-06-18 2020-06-18 一种基于多维指标的飞行冲突评测方法

Country Status (1)

Country Link
CN (1) CN111862685B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112562421B (zh) * 2020-11-27 2022-04-12 大蓝洞(南京)科技有限公司 一种基于指标体系的飞行冲突评价方法
CN112633644B (zh) * 2020-12-07 2021-09-07 中国人民解放军93209部队 一种异构飞机穿越航路的安全风险计算方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103106813A (zh) * 2013-01-18 2013-05-15 南京航空航天大学 一种基于指标体系的交通态势复杂度评估方法
CN103473469A (zh) * 2013-09-25 2013-12-25 南京航空航天大学 一种基于客观指标的扇区交通态势多层次模糊评价方法
CN109740925A (zh) * 2018-12-29 2019-05-10 精英数智科技股份有限公司 一种基于组合赋权法的煤矿安全风险预警分析方法
CN110210695A (zh) * 2019-04-16 2019-09-06 中国电子科技集团公司第十五研究所 一种基于支持向量机的塔台管制模拟训练评估方法
CN110659797A (zh) * 2019-08-09 2020-01-07 中国船舶重工集团公司第七0九研究所 一种飞行冲突解脱管制指令的评估方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103106813A (zh) * 2013-01-18 2013-05-15 南京航空航天大学 一种基于指标体系的交通态势复杂度评估方法
CN103473469A (zh) * 2013-09-25 2013-12-25 南京航空航天大学 一种基于客观指标的扇区交通态势多层次模糊评价方法
CN109740925A (zh) * 2018-12-29 2019-05-10 精英数智科技股份有限公司 一种基于组合赋权法的煤矿安全风险预警分析方法
CN110210695A (zh) * 2019-04-16 2019-09-06 中国电子科技集团公司第十五研究所 一种基于支持向量机的塔台管制模拟训练评估方法
CN110659797A (zh) * 2019-08-09 2020-01-07 中国船舶重工集团公司第七0九研究所 一种飞行冲突解脱管制指令的评估方法及系统

Also Published As

Publication number Publication date
CN111862685A (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
CN111862685B (zh) 一种基于多维指标的飞行冲突评测方法
US20170301247A1 (en) Method And Apparatus For Probabilistic Alerting Of Aircraft Unstabilized Approaches Using Big Data
CN110659797B (zh) 一种飞行冲突解脱管制指令的评估方法及系统
Wang et al. A method of applying flight data to evaluate landing operation performance
CN110060513A (zh) 基于历史轨迹数据的空中交通管制员工作负荷评估方法
CN111009155B (zh) 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
CN110660274B (zh) 一种机场容需平衡预测方法
CN111340388A (zh) 一种基于航班qar数据的飞行员操作品质评价方法
Wang et al. The effect of psychological risk elements on pilot flight operational performance
CN110796315A (zh) 基于时效信息和深度学习的离港航班延误预测方法
CN113284369B (zh) 一种基于ads-b实测航路数据的预测方法
CN113470439B (zh) 基于人工智能的中小机场管制冲突解决方法及系统
Fu et al. Spatial analysis of taxi speeding event using GPS trajectory data
CN112562421B (zh) 一种基于指标体系的飞行冲突评价方法
CN114237110A (zh) 基于多模态数据驱动的通用航空机队可靠性监测预警系统
CN112836890A (zh) 一种预测火灾风险的方法、装置、设备及存储介质
CN115345408A (zh) 一种基于熵权法的终端区进场效率评估方法
CN113919689A (zh) 一种基于qar数据的飞行员操作操作性能评分方法和设备
CN108986554B (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
Yang et al. Information system security risk assessment based on IDAV multi-criteria decision model
Passarella et al. Analysis of Commercial Airplane Accidents Worldwide Using K-Means Clustering.
CN111695694B (zh) 一种基于机器学习预测的战略性航班时刻表评估方法
Waldron et al. Quantifying collision potential in airport surface movement
CN117541046A (zh) 非警告类监控项目、安全事件及单一主体的风险度量方法
Majumdar et al. A trend analysis of air traffic occurrences in the UK airspace

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