CN112101779A - 基于主客观结合的结构熵权法机场场面运行综合评价系统 - Google Patents

基于主客观结合的结构熵权法机场场面运行综合评价系统 Download PDF

Info

Publication number
CN112101779A
CN112101779A CN202010965050.9A CN202010965050A CN112101779A CN 112101779 A CN112101779 A CN 112101779A CN 202010965050 A CN202010965050 A CN 202010965050A CN 112101779 A CN112101779 A CN 112101779A
Authority
CN
China
Prior art keywords
airport
time
index
actual
planned
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
Application number
CN202010965050.9A
Other languages
English (en)
Inventor
王也
周龙
汤淼
葛家明
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 Smart Aviation Research Institute Co ltd
Original Assignee
Nanjing Smart Aviation Research Institute 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 Nanjing Smart Aviation Research Institute Co ltd filed Critical Nanjing Smart Aviation Research Institute Co ltd
Priority to CN202010965050.9A priority Critical patent/CN112101779A/zh
Publication of CN112101779A publication Critical patent/CN112101779A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于机场运行信息感知与识别技术领域，具体涉及一种基于主客观结合的结构熵权法机场场面运行综合评价系统包括：数据模块，提取机场场面运行相关数据并进行预处理；指标模块，机场场面运行相关指标定义并计算；划分模块，根据聚类算法对相关指标值进行等级划分；权重模块，根据主客观结合的结构熵权法计算各个指标权重；以及评价模块，根据各个指标的等级及对应权重对机场运行进行评价，实现了合理评价机场场面的运行效率，发现机场场面运行短板，支撑机场场面运行提质增效。

Description

基于主客观结合的结构熵权法机场场面运行综合评价系统
技术领域
本发明属于机场运行信息感知与识别技术领域，具体涉及一种基于主客观结合的结构熵权法机场场面运行综合评价系统。
背景技术
随着空中交通网络的不断扩大，空中交通活动的运行也更为复杂。机场作为空中交通领域中三大重要参与方之一，机场场面的运行效率将直接影响整个空中交通系统的运行情况。因此，如何客观评价机场场面的运行效率，以发现运行环节短板，提升机场场面运行效率，已经成为机场以及整个空中交通系统相关方需求迫切解决的技术难题。
当前对机场场面运行效率的相关研究主要集中于航班滑行优化相关领域。此类技术侧重于从单一环节对航空器的滑行过程进行监控，只关注航空器在关键滑行道各个关键节点的时空行为，以此对航空器的滑行路径进行规划。但是，从机场场面运行全流程方面对机场场面运行效率进行评价的相关研究较少，缺少从宏观层面科学合理评价机场场面运行效率的系统。
因此，基于上述技术问题需要设计一种新的基于主客观结合的结构熵权法机场场面运行综合评价系统。
发明内容
本发明的目的是提供一种基于主客观结合的结构熵权法机场场面运行综合评价系统。
为了解决上述技术问题，本发明提供了一种基于主客观结合的结构熵权法机场场面运行综合评价系统，包括：
数据模块，提取机场场面运行相关数据并进行预处理；
指标模块，机场场面运行相关指标定义并计算；
划分模块，根据聚类算法对相关指标值进行等级划分；
权重模块，根据主客观结合的结构熵权法计算各个指标权重；以及
评价模块，根据各个指标的等级及对应权重对机场运行进行评价。
进一步，所述数据模块适于提取机场场面运行相关数据并进行预处理，即
根据航班号，从航班计划数据库和生产系统数据库中提取计划起飞机场、实际起飞机场、计划落地机场、实际落地机场、计划进港时间、实际进港时间、计划离港时间、实际离港时间、计划关舱门时间、实际关舱门时间、计划撤轮档时间、实际撤轮档时间、计划挡轮档时间、实际挡轮档时间、计划推出时间、实际推出时间；
对提取的所有机场场面运行相关数据进行筛选，以删除计划起飞机场、实际起飞机场、计划落地机场、实际落地机场、计划进港时间、实际进港时间、计划离港时间、实际离港时间、计划关舱门时间、实际关舱门时间、计划撤轮档时间、实际撤轮档时间、计划挡轮档时间、实际挡轮档时间、计划推出时间、实际推出时间缺失的记录。
进一步，所述指标模块适于对机场场面运行相关指标进行定义并计算，即对机场场面运行相关指标进行定义，并计算机场场面运行相关指标；
根据机场场面的运行流程，从该运行流程中提取影响机场场面运行效率的所有指标，并根据预处理后的机场场面运行相关数据计算机场场面运行相关指标；
所述指标包括：机场进场吞吐量、机场离场吞吐量、滑入时间、滑入时间偏差、额外的滑入时间、滑出时间、滑出时间偏差、额外的滑出时间、过站时间、过站时间偏差、额外的过站时间、推出反应时间偏差、进场延误时间、离场延误时间、机上延误时间、进港准点率、离港准点率、挡轮档时刻准点率、撤轮档时刻准点率。
进一步，所述划分模块适于根据聚类算法对相关指标值进行等级划分，即
输入同一个指标的n个不同数据值的效能指标数据集D和预计划分的等级个数k；
根据当前指标数据集D随机生成k个等级中心Ci(i＝1,2,...,k)，该k个等级中心Ci为随机选择的k个数据点p(p∈D)；
计算每个数据点p与各个聚类等级中心Ci的欧式距离dji：dji＝|pj-Ci|2；
其中，pj∈D(j＝1,2,...,n)；
将所有数据点p划分至欧式距离最近的等级中心所代表的等级k中；
Figure BDA0002681968940000031
计算k个等级中所有数据点的均值并作为对应等级的中心：
Figure BDA0002681968940000032
其中，ni表示属于第i个等级中所有的数据点；
当更新的等级中心Ci'与上次迭代的等级中心Ci的差值小于阈值ε或者迭代次数达到最大值的时候，停止迭代；否则，重新进行根据当前指标数据集D随机生成k个等级中心Ci(i＝1,2,...,k)，该k个等级中心Ci为随机选择的k个数据点p(p∈D)；
输出各个等级中的最大值与最小值，作为该等级的阈值范围，以完成对相关指标值的等级划分。
进一步，所述权重模块适于根据主客观结合的结构熵权法计算各个指标权重，即
t个专家分别对各指标进行排序，对应专家排序数向量A(i)为：A(i)＝{ai1,...,aij,...,ain}；
则所有专家的排序矩阵A为：
Figure BDA0002681968940000041
其中，aij表示第i个专家对第j个指标的排序序号；
根据排序矩阵A，采用熵理论对排序结果定义排序转化的隶属函数：
χ(L)＝-λpn(L)lnpn(L)；
当
Figure BDA0002681968940000042
时，
Figure BDA0002681968940000043
当
Figure BDA0002681968940000044
时，
Figure BDA0002681968940000045
z是定义在[0,1]上的变量，将z(L)作为L的隶属函数，L为排序矩阵中的排序序号，L＝1,2,..,j,j+1，j为排序序号最大值；m为转化参数，m＝j+2；pn(L)为隶属偏离函数；λ为隶属参数；
将排序矩阵中的aij代入z(L)，z(uij)＝vij；
vij为排序序号L的隶属度，则构建隶属度矩阵V＝(vij)t×n；
基于隶属度矩阵，对指标集合中任一指标，计算专家的平均辨识度vj：
Figure BDA0002681968940000046
专家排序数向量中的不确定性定义变量sj，则sj为：
Figure BDA0002681968940000051
将指标的整体辨识值记为yj：
yj＝vj(1-sj)；
则指标集合中各指标的整体辨识向量为Y＝{y1,y2,...,yn}；
根据归一化，将整体辨识向量转化为权重向量αj：
Figure BDA0002681968940000052
输出归一化后指标集合的权重向量为W＝{a1,a2,...,an}，以获取各个指标权重。
进一步，所述评价模块适于根据各个指标的等级及对应权重对机场运行进行评价，即
根据所获得的各个指标的等级划分阈值范围，对各个等级进行评分，获得各个指标值的等级评分；
根据各个指标的权重以及获得的各个指标值的评分，对机场场面的运行情况进行评价。
本发明的有益效果是，本发明通过数据模块，提取机场场面运行相关数据并进行预处理；指标模块，机场场面运行相关指标定义并计算；划分模块，根据聚类算法对相关指标值进行等级划分；权重模块，根据主客观结合的结构熵权法计算各个指标权重；以及评价模块，根据各个指标的等级及对应权重对机场运行进行评价，实现了合理评价机场场面的运行效率，发现机场场面运行短板，支撑机场场面运行提质增效。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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是本发明所涉及的基于主客观结合的结构熵权法机场场面运行综合评价系统的原理框图；
图2是本发明所涉及的机场场面运行综合评价指标的框架示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
图1是本发明所涉及的基于主客观结合的结构熵权法机场场面运行综合评价系统的原理框图。
如图1所示，本实施例1提供了一种基于主客观结合的结构熵权法机场场面运行综合评价系统，包括：数据模块，提取机场场面运行相关数据并进行预处理；指标模块，机场场面运行相关指标定义并计算；划分模块，根据聚类算法对相关指标值进行等级划分；权重模块，根据主客观结合的结构熵权法计算各个指标权重；以及评价模块，根据各个指标的等级及对应权重对机场运行进行评价，实现了合理评价机场场面的运行效率，发现机场场面运行短板，支撑机场场面运行提质增效。
在本实施例中，所述数据模块适于提取机场场面运行相关数据并进行预处理，即根据航班号(以航班号为关键字)，从航班计划数据库和生产系统数据库中提取计划起飞机场、实际起飞机场、计划落地机场、实际落地机场、计划进港时间、实际进港时间、计划离港时间、实际离港时间、计划关舱门时间、实际关舱门时间、计划撤轮档时间、实际撤轮档时间、计划挡轮档时间、实际挡轮档时间、计划推出时间、实际推出时间等，上述数据可以用于后续的指标计算；对提取的机场场面运行相关数据进行预处理，即对提取的所有机场场面运行相关数据进行有效性筛选，以删除计划起飞机场、实际起飞机场、计划落地机场、实际落地机场、计划进港时间、实际进港时间、计划离港时间、实际离港时间、计划关舱门时间、实际关舱门时间、计划撤轮档时间、实际撤轮档时间、计划挡轮档时间、实际挡轮档时间、计划推出时间、实际推出时间缺失的记录；精确的获取了所需的数据，使后续的指标计算更加精确。
图2是本发明所涉及的机场场面运行综合评价指标的框架示意图。
如图2所示，在本实施例中，所述指标模块适于对机场场面运行相关指标进行定义并计算，即对机场场面运行相关指标进行定义，并计算机场场面运行相关指标；根据机场场面的运行流程，从该运行流程中提取在当前数据条件下可能影响机场场面运行效率的所有指标，较为完整地梳理出机场场面运行相关的各项关键指标，并根据预处理后的机场场面运行相关数据计算机场场面运行相关指标；
所述指标包括：机场进场吞吐量、机场离场吞吐量、滑入时间、滑入时间偏差、额外的滑入时间、滑出时间、滑出时间偏差、额外的滑出时间、过站时间、过站时间偏差、额外的过站时间、推出反应时间偏差、进场延误时间、离场延误时间、机上延误时间、进港准点率、离港准点率、挡轮档时刻准点率、撤轮档时刻准点率共计19项指标，并支持15分钟、30分钟、60分钟、天、月等不同统计粒度的计算；
机场进场吞吐量：基于实际落地时间得到给定时段内的实际到达航班数量；
机场离场吞吐量：基于实际起飞时间得到给定时段内的实际起飞航班数量；
滑入时间：实际落地时间减去实际挡轮档时间；
滑入时间偏差：拥堵滑入时间减去畅通滑入时间；
额外的滑入时间：滑入时间减去畅通滑入时间；
滑出时间：实际起飞时间减去实际撤轮档时间；
滑出时间偏差：拥堵滑出时间减去畅通滑出时间；
额外的滑出时间：滑出时间减去畅通滑出时间；
过站时间：实际撤轮档时间减去实际挡轮挡时间；
过站时间偏差：拥堵过站时间减去畅通过站时间；
额外的过站时间：过站时间减去畅通过站时间；
推出反应时间偏差：实际撤轮档时间减去实际准备好推开时间再减去畅通推出反应时间；
进场延误时间：实际落地时间加上标准进港滑行时间减去计划落地时间；
离场延误时间：实际起飞时间减去计划起飞时间再减去标准离港滑行时间；
机上延误时间：实际起飞时间减去实际关舱门时间再减去经验滑出时间；
进港准点率：进场吞吐量减去进场延误航班量的差除以进场吞吐量；
离港准点率：离场吞吐量减去离场延误航班量的差除以离场吞吐量；
挡轮档时刻准点率：进场吞吐量减去挡轮档延误航班量的差除以进场吞吐量；
撤轮档时刻准点率：离场吞吐量减去撤轮档延误航班量的差除以离场吞吐量；根据上述指标实现从机场场面运行全流程方面对机场场面运行效率进行评价；指标计算所涉及的数据可以从从航班计划数据库和生产系统数据库中提取。
在本实施例中，所述划分模块适于根据聚类算法对相关指标值进行等级划分，即
输入同一个指标的n个不同数据值的效能指标数据集D和预计划分的等级个数k(将等级划分数k和各项指标值输入K-means聚类算法，得到各项指标值被划分成k类后的聚类结果)；
根据当前指标数据集D随机生成k个等级中心Ci(i＝1,2,...,k)，该k个等级中心Ci为随机选择的k个数据点p(p∈D)；
计算每个数据点p与各个聚类等级中心Ci的欧式距离dji：dji＝|pj-Ci|2；
其中，pj∈D(j＝1,2,...,n)；
将所有数据点p划分至欧式距离最近的等级中心所代表的等级k中；
Figure BDA0002681968940000091
计算k个等级中所有数据点的均值并作为对应等级的中心：
Figure BDA0002681968940000092
其中，ni表示属于第i个等级中所有的数据点；
当更新的等级中心Ci'与上次迭代的等级中心Ci的差值小于阈值ε或者迭代次数达到最大值的时候，停止迭代；否则，重新进行根据当前指标数据集D随机生成k个等级中心Ci(i＝1,2,...,k)，该k个等级中心Ci为随机选择的k个数据点p(p∈D)，并继续进行对相关指标值进行等级划分；
输出各个等级中的最大值与最小值(将各个指标每一类聚类结果中的数值，按照升序进行排列，输出每一类中的最大值与最小值)，作为该等级的阈值范围，以完成对相关指标值的等级划分。
在本实施例中，所述权重模块适于根据主客观结合的结构熵权法计算各个指标权重，即为减少专家意见对多指标多层次目标系统的判断误差，采用结合专家意见和科学方法设置最终权重；结构熵权的赋值方法中，将多层次的评价指标体系拆解成单层级的独立结构，通过熵值与专家主观辨识度“不确定性”的客观定量分析，消除主观赋值过程潜在的偏差，以获得单层次结构中各基础指标的重要性度量；使用德尔菲法的重要性排序矩阵，基于多个专家的行业经验，对各项指标的重要性进行排序，输出机场场面运行相关指标的重要性排序矩阵；
假设有t个专家参与咨询，t个专家根据经验和知识对各指标进行重要性排序，对应专家排序数向量A(i)为：A(i)＝{ai1,...,aij,...,ain}；
则所有专家多轮评价后，可形成的排序矩阵A为：
Figure BDA0002681968940000101
其中，aij表示第i个专家对第j个指标的排序序号，指标重要性排位第一则aij为1，排位第二则aij为2，以此类推；
根据排序矩阵A，采用熵理论(熵值信息)以减少专家认知不同所产生的不确定，降低主观因素导致的偏差，进而计算指标相对稳定的权重，对排序结果定义排序转化的隶属函数：
χ(L)＝-λpn(L)lnpn(L)；
当
Figure BDA0002681968940000111
时，
Figure BDA0002681968940000112
当
Figure BDA0002681968940000113
时，
Figure BDA0002681968940000114
z是定义在[0,1]上的变量，将z(L)作为L的隶属函数，L为排序矩阵中的排序序号，L＝1,2,..,j,j+1，j为排序序号最大值；m为转化参数，m＝j+2；pn(L)为隶属偏离函数；λ为隶属参数；
将排序矩阵中的aij代入z(L)，z(uij)＝vij；
vij为排序序号L的隶属度，由此可构建隶属度矩阵V＝(vij)t×n；
基于隶属度矩阵，对指标集合中任一指标，计算专家的平均辨识度vj：
Figure BDA0002681968940000115
对于专家排序数向量中的不确定性定义变量sj，则sj为：
Figure BDA0002681968940000116
将指标的整体辨识值记为yj：
yj＝vj(1-sj)；
则指标集合中各指标的整体辨识向量为Y＝{y1,y2,...,yn}；
根据归一化进行处理，将整体辨识向量转化为权重向量αj：
Figure BDA0002681968940000117
输出归一化后指标集合的权重向量为W＝{a1,a2,...,an}，以获取各个指标权重。
在本实施例中，所述评价模块适于根据各个指标的等级及对应权重对机场运行进行评价，即获取等级评分，并根据等级评分和各个指标的权重综合评价机场场面运行情况；根据所获得的各个指标的等级划分阈值范围结合专家先验知识，对各个等级进行评分，获得各个指标值的等级评分；根据各个指标的权重以及获得的各个指标值的评分，对机场场面的运行情况进行评价，实现客观评价机场场面的运行效率，以发现运行环节短板，提升机场场面运行效率。
综上所述，本发明通过数据模块，提取机场场面运行相关数据并进行预处理；指标模块，机场场面运行相关指标定义并计算；划分模块，根据聚类算法对相关指标值进行等级划分；权重模块，根据主客观结合的结构熵权法计算各个指标权重；以及评价模块，根据各个指标的等级及对应权重对机场运行进行评价，实现了合理评价机场场面的运行效率，发现机场场面运行短板，支撑机场场面运行提质增效。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，也可以通过其它的方式实现。在这点上，框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述系统。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (6)

1.一种基于主客观结合的结构熵权法机场场面运行综合评价系统，其特征在于，包括：
数据模块，提取机场场面运行相关数据并进行预处理；
指标模块，机场场面运行相关指标定义并计算；
划分模块，根据聚类算法对相关指标值进行等级划分；
权重模块，根据主客观结合的结构熵权法计算各个指标权重；以及
评价模块，根据各个指标的等级及对应权重对机场运行进行评价。
2.如权利要求1所述的机场场面运行综合评价系统，其特征在于，
所述数据模块适于提取机场场面运行相关数据并进行预处理，即
根据航班号，从航班计划数据库和生产系统数据库中提取计划起飞机场、实际起飞机场、计划落地机场、实际落地机场、计划进港时间、实际进港时间、计划离港时间、实际离港时间、计划关舱门时间、实际关舱门时间、计划撤轮档时间、实际撤轮档时间、计划挡轮档时间、实际挡轮档时间、计划推出时间、实际推出时间；
对提取的所有机场场面运行相关数据进行筛选，以删除计划起飞机场、实际起飞机场、计划落地机场、实际落地机场、计划进港时间、实际进港时间、计划离港时间、实际离港时间、计划关舱门时间、实际关舱门时间、计划撤轮档时间、实际撤轮档时间、计划挡轮档时间、实际挡轮档时间、计划推出时间、实际推出时间缺失的记录。
3.如权利要求2所述的机场场面运行综合评价系统，其特征在于，
所述指标模块适于对机场场面运行相关指标进行定义并计算，即
对机场场面运行相关指标进行定义，并计算机场场面运行相关指标；
根据机场场面的运行流程，从该运行流程中提取影响机场场面运行效率的所有指标，并根据预处理后的机场场面运行相关数据计算机场场面运行相关指标；
所述指标包括：机场进场吞吐量、机场离场吞吐量、滑入时间、滑入时间偏差、额外的滑入时间、滑出时间、滑出时间偏差、额外的滑出时间、过站时间、过站时间偏差、额外的过站时间、推出反应时间偏差、进场延误时间、离场延误时间、机上延误时间、进港准点率、离港准点率、挡轮档时刻准点率、撤轮档时刻准点率。
4.如权利要求3所述的机场场面运行综合评价系统，其特征在于，
所述划分模块适于根据聚类算法对相关指标值进行等级划分，即
输入同一个指标的n个不同数据值的效能指标数据集D和预计划分的等级个数k；
根据当前指标数据集D随机生成k个等级中心Ci(i＝1,2,...,k)，该k个等级中心Ci为随机选择的k个数据点p(p∈D)；
计算每个数据点p与各个聚类等级中心Ci的欧式距离dji：dji＝|pj-Ci|2；
其中，pj∈D(j＝1,2,...,n)；
将所有数据点p划分至欧式距离最近的等级中心所代表的等级k中；
Figure FDA0002681968930000021
计算k个等级中所有数据点的均值并作为对应等级的中心：
Figure FDA0002681968930000022
其中，ni表示属于第i个等级中所有的数据点；
当更新的等级中心C′i与上次迭代的等级中心Ci的差值小于阈值ε或者迭代次数达到最大值的时候，停止迭代；否则，重新进行根据当前指标数据集D随机生成k个等级中心Ci(i＝1,2,...,k)，该k个等级中心Ci为随机选择的k个数据点p(p∈D)；
输出各个等级中的最大值与最小值，作为该等级的阈值范围，以完成对相关指标值的等级划分。
5.如权利要求4所述的机场场面运行综合评价系统，其特征在于，
所述权重模块适于根据主客观结合的结构熵权法计算各个指标权重，即
t个专家分别对各指标进行排序，对应专家排序数向量A(i)为：A(i)＝{ai1,...,aij,...,ain}；
则所有专家的排序矩阵A为：
Figure FDA0002681968930000031
其中，aij表示第i个专家对第j个指标的排序序号；
根据排序矩阵A，采用熵理论对排序结果定义排序转化的隶属函数：
χ(L)＝-λpn(L)lnpn(L)；
当
Figure FDA0002681968930000032
时，
Figure FDA0002681968930000033
当
Figure FDA0002681968930000034
时，
Figure FDA0002681968930000035
z是定义在[0,1]上的变量，将z(L)作为L的隶属函数，L为排序矩阵中的排序序号，L＝1,2,..,j,j+1，j为排序序号最大值；m为转化参数，m＝j+2；pn(L)为隶属偏离函数；λ为隶属参数；
将排序矩阵中的aij代入z(L)，z(uij)＝vij；
vij为排序序号L的隶属度，则构建隶属度矩阵V＝(vij)t×n；
基于隶属度矩阵，对指标集合中任一指标，计算专家的平均辨识度vj：
Figure FDA0002681968930000041
专家排序数向量中的不确定性定义变量sj，则sj为：
Figure FDA0002681968930000042
将指标的整体辨识值记为yj：
yj＝vj(1-sj)；
则指标集合中各指标的整体辨识向量为Y＝{y1,y2,...,yn}；
根据归一化，将整体辨识向量转化为权重向量αj：
Figure FDA0002681968930000043
输出归一化后指标集合的权重向量为W＝{a1,a2,...,an}，以获取各个指标权重。
6.如权利要求5所述的机场场面运行综合评价系统，其特征在于，
所述评价模块适于根据各个指标的等级及对应权重对机场运行进行评价，即
根据所获得的各个指标的等级划分阈值范围，对各个等级进行评分，获得各个指标值的等级评分；
根据各个指标的权重以及获得的各个指标值的评分，对机场场面的运行情况进行评价。
CN202010965050.9A 2020-09-15 2020-09-15 基于主客观结合的结构熵权法机场场面运行综合评价系统 Pending CN112101779A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010965050.9A CN112101779A (zh) 2020-09-15 2020-09-15 基于主客观结合的结构熵权法机场场面运行综合评价系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010965050.9A CN112101779A (zh) 2020-09-15 2020-09-15 基于主客观结合的结构熵权法机场场面运行综合评价系统

Publications (1)

Publication Number Publication Date
CN112101779A true CN112101779A (zh) 2020-12-18

Family

ID=73752211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010965050.9A Pending CN112101779A (zh) 2020-09-15 2020-09-15 基于主客观结合的结构熵权法机场场面运行综合评价系统

Country Status (1)

Country Link
CN (1) CN112101779A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113642834A (zh) * 2021-06-29 2021-11-12 合肥工业大学 基于任务属性优先级映射的任务重要性评价方法和系统
CN113673574A (zh) * 2021-07-26 2021-11-19 华南理工大学 一种用于出水变量预测的软测量方法、装置及介质
CN117114491A (zh) * 2023-09-06 2023-11-24 青岛民航凯亚系统集成有限公司 一种基于熵值法的机场信息系统运维能力评价方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN108710623A (zh) * 2018-03-13 2018-10-26 南京航空航天大学 基于时间序列相似性度量的机场离港延误时间预测方法
CN110400087A (zh) * 2019-07-31 2019-11-01 中国计量大学 基于改进权重和可变模糊集的电梯安全防护系统评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN108710623A (zh) * 2018-03-13 2018-10-26 南京航空航天大学 基于时间序列相似性度量的机场离港延误时间预测方法
CN110400087A (zh) * 2019-07-31 2019-11-01 中国计量大学 基于改进权重和可变模糊集的电梯安全防护系统评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
赵立: "基于聚类熵权的空港竞争力评价", 中国优秀硕士学位论文全文数据库, no. 2016, 15 February 2016 (2016-02-15), pages 151 - 150 *
郝志峰 等: "《数据科学与数学建模》", vol. 2019, 31 January 2019, 华中科技大学出版社, pages: 36 - 41 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113642834A (zh) * 2021-06-29 2021-11-12 合肥工业大学 基于任务属性优先级映射的任务重要性评价方法和系统
CN113642834B (zh) * 2021-06-29 2023-08-29 合肥工业大学 基于任务属性优先级映射的任务重要性评价方法和系统
CN113673574A (zh) * 2021-07-26 2021-11-19 华南理工大学 一种用于出水变量预测的软测量方法、装置及介质
CN113673574B (zh) * 2021-07-26 2023-12-05 华南理工大学 一种用于出水变量预测的软测量方法、装置及介质
CN117114491A (zh) * 2023-09-06 2023-11-24 青岛民航凯亚系统集成有限公司 一种基于熵值法的机场信息系统运维能力评价方法及系统

Similar Documents

Publication Publication Date Title
CN112101779A (zh) 基于主客观结合的结构熵权法机场场面运行综合评价系统
Utari et al. Implementation of data mining for drop-out prediction using random forest method
CN111985706A (zh) 一种基于特征选择和lstm的景区日客流量预测方法
CN112183605B (zh) 一种基于运行特征的民航管制扇区分类方法
CN111599219B (zh) 一种基于排序学习的多数据源航班起飞时间预测方法
CN112101780A (zh) 结构熵权法的机场场面运行综合评价方法
CN114330509B (zh) 一种空中目标活动规律预测方法
Al-Tabbakh et al. Machine learning techniques for analysis of Egyptian flight delay
CN108304974A (zh) 一种基于优化C5.0和Apriori的民航NOSHOW预测及强因子分析方法
Ariyawansa et al. Review on state of art data mining and machine learning techniques for intelligent Airport systems
Singh et al. Feature selection based classifier combination approach for handwritten Devanagari numeral recognition
Zhou et al. The landing safety prediction model by integrating pattern recognition and Markov chain with flight data
Lu et al. Flight delay prediction using gradient boosting machine learning classifiers
CN117422320B (zh) 一种提取天气对航班韧性运行影响因素的方法
Rao et al. Flight Ticket Prediction using Random Forest Regressor Compared with Decision Tree Regressor
Schösser et al. On the Performance of Machine Learning Based Flight Delay Prediction–Investigating the Impact of Short-Term Features
CN109165854B (zh) 空管运行效率等级评估方法及其装置
Zhang et al. Research on improvement and optimisation of modelling method of China’s civil aircraft market demand forecast model
Hidayat et al. A Model Statistical during Covid-19 Future E-Commerce Revenue for Indonesia Aviation
Tekin et al. Performance comparison of classification algorithms in hotel booking cancellation prediction
CN114463978A (zh) 一种基于轨道交通信息处理终端的数据监测方法
CN116128275A (zh) 一种事件推演预测系统
Zhang et al. An end-to-end predict-then-optimize clustering method for intelligent assignment problems in express systems
Pawełek et al. Arriving air traffic separations generalized model identification
CN113850483A (zh) 一种企业信用风险评级系统

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