CN112232636B - 一种基于终端区即时管制压力的进场效率评估方法 - Google Patents

一种基于终端区即时管制压力的进场效率评估方法 Download PDF

Info

Publication number
CN112232636B
CN112232636B CN202010994904.6A CN202010994904A CN112232636B CN 112232636 B CN112232636 B CN 112232636B CN 202010994904 A CN202010994904 A CN 202010994904A CN 112232636 B CN112232636 B CN 112232636B
Authority
CN
China
Prior art keywords
flight
data
terminal area
time
flights
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
CN202010994904.6A
Other languages
English (en)
Other versions
CN112232636A (zh
Inventor
项童
张军峰
彭梓晗
郭海鹏
胡荣
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 University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202010994904.6A priority Critical patent/CN112232636B/zh
Publication of CN112232636A publication Critical patent/CN112232636A/zh
Application granted granted Critical
Publication of CN112232636B publication Critical patent/CN112232636B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computing Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于终端区即时管制压力的进场效率评估方法，包括获取航空器轨迹数据；采用相应的标准协议解析获取原始数据；对解析后的数据进行数据预处理；构建密集时间序列，捕捉即时终端区航班数量，以表征即时管制压力，并获取对应的航班关键信息；对构成相同即时管制压力的重复航班进行航班样本去重；利用描述性统计与推论性统计方法实现终端区进场管制效率的分析；本发明通过密集时间序列采集终端区进场航班数量，描述终端区即时管制压力，能更为客观地体现终端区进场管制效率。

Description

一种基于终端区即时管制压力的进场效率评估方法
技术领域
本发明涉及空中交通管制效率评估技术领域，主要涉及一种基于终端区即时管制压力的进场效率评估方法。
背景技术
随着中国经济的持续发展，航空运输业的需求日益增长，需求的增长必然唤起对民航运输业服务质量提升的迫切要求。终端区是进离场交通流的汇聚区域，具有航线结构复杂、交通活动密集、飞行冲突多发和机动空间狭窄等特点，因此终端区一直是空中交通运行效率提高与服务质量提升的瓶颈。
鉴于此，民用航空发达国家和机构纷纷构建空中交通领域的关键效能领域、关键效能指标、以及效能评估方法，以期对管制运行效率进行科学评估、对提升管制服务质量进行有效指导。于是，数据驱动的管制运行效率评估取得了长足的进展，原因包含两个方面。一方面，空中交通管理的日常运行会产生大量的数据；另一方面，大数据领域的研究与应用近年来发展迅猛。
进场航空器在终端空域内的飞行时间、飞行距离，是与进场管制效率息息相关的关键指标。然而，值得注意的是，目前的研究仅仅关注飞行时间、飞行距离的总体表现，以及在不同繁忙时段的具体指标。即目前的研究仅考虑航班的总体运行态势，鲜有将不同的交通需求、管制员不同的工作负荷水平纳入考量。上述方法虽能一定程度上体现终端区进场管制的效率，但仍受以下因素影响：一是针对航班集体的指标受到航班量的日益增长的影响，不单纯只受进场管制效率的影响；二是终端区进场管制情况由于交通需求在时间线上的不均匀分布导致进场管制效率发生变化。
发明内容
发明目的：本发明提供了一种基于终端区即时管制压力的进场效率评估方法，克服现有效率指标在实施时由于评估方法带来缺陷，设计在严谨性和合理性上具备一定优势的进场管制效率评估方法。
技术方案：为实现上述目的，本发明采用的技术方案为：
一种基于终端区即时管制压力的进场效率评估方法，包括如下步骤：
步骤S1，获取航空器综合航迹的初始数据；所述初始数据包括雷达航迹数据和广播式自动相关监视数据；
步骤S2、针对步骤S1中所述雷达航迹数据采用Cat-062标准解析获得原始数据；针对步骤S1中所述广播式自动相关监视数据采用1090_ES标准解析获取原始数据；
步骤S3、针对步骤S2中获取的原始数据进行预处理；所述预处理步骤包括：航迹插值补齐、短时航班数据剔除、校验航班剔除；
步骤S4、构建密集时间序列，基于综合航迹的时间戳信息捕获即时终端区航班数量，并记录所有密集时间序列下构成即时终端区航班数量的航班关键信息；所述航班关键信息包括：航班号、飞行时间、飞行距离、进港点、南北向以及航迹轨迹；
步骤S5、对属于同一时间段、相同运行方向、相同进港点、相同即时终端区航班数量的航班及其关键信息进行汇总，对同一即时压力下的航班样本进行样本去重；
步骤S6、对步骤S5中获取的航班关键信息，通过描述性统计方法分析聚合性与分散性特征；通过推论性统计方法分析航班关键信息的概率密度分布和累积概率分布。
进一步地，所述步骤S2中采用Cat-062标准解析获得原始数据，具体方法如下：
将一个标题块SHB、一个接口描述块IDB和若干增强型数据包块EPB构成为一个数据部分；识别数据部分中的SHB并划分数据部分，针对每个数据部分，跳过SHB、IDB，按照欧控代码标准Cat-062对EPB的数据包进行解析。
进一步地，所述步骤S2中采用1090_ES标准解析获取原始数据，具体步骤如下：
步骤S2.1、将16进制广播式自动相关监视数据接收机接收到的数据信息转化为2进制数据信息，其中类型码为第33-第37位；数据字段为第38位-第88位；
步骤S2.2、当数据信息类型码的值位于1-4之间时，该信息代表航空器的航班号信息，取出当前数据信息的41至88比特位，将取出的48个二进制位按每组6位分为8组，并转化为十进制，将得到的数据与索引信息作比较，获取相应的航班号信息；
步骤S2.3、当数据信息类型码的值位于8-19之间时，该信息表示航空器的位置信息，采用CPR算法进行编解码计算航空器的位置信息；
步骤S2.4、当数据信息类型码的值为19时，该信息表示航空器的速度信息，取出当前数据信息中的四个值，具体包括：东西向标志位s(ew)：第57位；东西向速度位V(ew)：第58-67位；南北向标志位s(ns)：第46位；南北向速度V(ns)：第47-56位；并据此计算得到航空器速度，具体计算过程如下：
ψ＝ψ+360 if(ψ＜0)
其中，V(we)为航空器东西方向分速度，V(sn)航空器南北方向分速度，V(TAS)为航空器真空速，Ψ代表航向角；
进一步地，所述步骤S2.3中采用CPR算法进行编解码计算航空器的位置信息，具体步骤如下：
步骤S2.3.1、将二进制数据信息转化为十进制数据；
步骤S2.3.2、计算纬度的索引如下：
j＝floor(59×LatCPR-E-60×LatCPR-O+0.5)
其中，j代表纬度的索引，floor代表朝负无穷方向取整，LatCPR-E代表CPR偶编码下的纬度，LatCPR-O代表CPR奇编码下的纬度；
步骤S2.3.3、计算偶形式和奇形式的纬度如下：
LatE＝DLatE×(mod(j,60)+LatCPR-E)
LatE＝LatE-360 if(LatE≥270)
LatO＝DLatO×(mod(j,59)+LatCPR-O)
LatO＝LatO-360 if(LatO≥270)
其中，LatE代表偶编码下的纬度，LatO代表奇编码下的纬度，i代表报文编码的奇偶性，i＝0为偶编码，i＝1为奇编码；
步骤S2.3.4、计算经度如下：
Lon＝Lon-360 if(Lon≥180)
其中，Lon代表经度，ni代表纬度的编号，Mod代表求余，m是经度索引，LonCPR-E代表CPR偶编码下的经度，LonCPR-O代表CPR奇编码下的经度，NL代表与该经度所对应的经度区域的数量；
步骤S2.3.5、计算高度如下：
h＝N×25-100 (ft)。
进一步地，所述步骤S3中对原始数据进行预处理的具体步骤包括：
步骤S3.1、寻找航迹中断、缺失的航班，并使用插值法对缺失航迹进行补全；
步骤S3.2、寻找飞行时间小于600S的航班，对短航班航迹数据进行剔除；
步骤S3.3、寻找原始数据中到达机场非评估机场的航班，对该类航班数据进行剔除；
步骤S3.4、寻找校验飞行航班，对校验飞行航班数据进行剔除。
进一步地，所述步骤S4中构建密集时间序列，基于综合航迹的时间戳信息捕获即时终端区航班数量，并记录所有密集时间序列下构成即时终端区航班数量的航班关键信息的具体步骤如下：
步骤S4.1、构建长度为一个月，且时间间隔为10分钟的密集时间序列：
[T,2T,3T…nT]
其中，T为选定时间序列间隔，n为使nT小于某月最后时刻的最大自然数；
步骤S4.2、根据雷达综合数据计算航班时间窗：[ts,te]；其中，ts为进场航班进入划设的评估区域的时刻,te为进场航班着陆时刻；
步骤S4.3、计算该月每个时间序列下的即时终端区航班数量：
其中，CTNj表示jT时间序列下即时终端区航班数量，m代表该月进场航班数量，[ts i,te i]表示第i个航班的航班时间窗；
步骤S4.4、将每个时间序列的即时终端区航班数量标记于组成其航班数量的航班中并定义和记录进场飞行时间tTMA和飞行距离dTMA：
进场飞行时间tTMA表示进场航空器从划设的终端区空域开始进入，直到航空器完成着陆所消耗的时间；
进场飞行距离dTMA表示进场航空器从划设的终端区空域开始进入，直到航空器完成着陆的航迹路径的水平距离；
步骤S4.5、根据步骤S4.3所记录的每个时间序列下的航班，将时间序列上的即时终端区航班数量及航班的航班号、进港点、南北向比例、进场飞行时间、进场飞行距离及航班综合航迹提取并记录。
进一步地，所述步骤S5中样本去重的具体步骤包括：
步骤S5.1、将相同月、进港点、南北向运行、即时终端区航班数量的航班分类汇总为相同类别的航班样本；
步骤S5.2、对相同类别的航班样本中重复的航班样本进行去重，并得到各类别航班样本及关键信息数据作为步骤S6的输入数据。
进一步地，所述步骤S6中通过描述性统计方法分析聚合性与分散性特征；通过推论性统计方法分析航班关键信息的概率密度分布和累积概率分布具体步骤如下：
步骤S6.1、对相同类别的航班样本进行航班样本数量统计，得到样本总量n；
步骤S6.2、对同类别航班样本进行飞行时间与飞行距离平均数统计如下：
同类航班样本飞行时间平均值
其中为同一类航班样本的飞行时间；
同类航班样本飞行距离平均值
其中为同一类航班样本的飞行距离；
步骤S6.3、对同类别航班样本进行飞行时间与飞行距离中位数统计如下：
当n为奇数时
当n为偶数时
为同类别航班样本飞行时间中位数；
当n为奇数时
当n为偶数时
为同类别航班样本飞行距离中位数；
步骤S6.4、对同类别航班样本进行飞行时间与飞行距离标准差统计：
σt为同类别航班样本飞行时间标准差；
σd为同类别航班样本飞行时间标准差；
步骤S6.5、对航班样本的飞行时间和距离使用核密度估计法拟合飞行时间和距离的概率密度分布，方法如下：
其中f为概率密度函数，K(.)为核函数，且K(.)为非负函数、积分为1，符合概率密度性质，均值为0；h为平滑参数，被称为带宽。所述核函数K(.)优选高斯核函数公式如下所示：
有益效果：本发明具备以下优点：
(1)本发明对雷达综合航迹进行了数据预处理的过程，对缺失数据进行了插值补齐，并且剔除了脏航班数据，体现了本发明的严谨性。
(2)本发明提供了即时终端区压力这一视角，使发明具有准确性特点。提出了基于终端区压力将航空器分类，将处于类似终端区压力下的航空器分类并用效率评价指标评估进场管制效率，确保了本发明具有准确性。
(3)方法与指标的分离，使本发明具有可拓展性的特点。利用本发明基于终端区压力分类与评价指标的分类，本发明的评估方式可应用于多种评估指标中，具有可拓展性的特点。
(4)航班记录的关键信息使得本发明具有可回溯性的特点：本发明设计时记录的航班综合雷达航迹使得在效率评估对比中出现异常时可回溯组成对比航班的关键信息，为寻找限制效率因素等工作提供了便捷。
附图说明
图1是本发明提供的评估方法流程图；
图2是本发明提供的广播式自动相关监视数据解析示意图；
图3是本发明提供的原始数据预处理流程图；
图4是本发明提供的进场管制压力捕获流程示意图；
图5是本发明提供的航班样本去重示意图；
图6是本发明提供的效率指标统计示意图；
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示的一种基于终端区即时管制压力的进场效率评估方法，包括如下步骤：
步骤S1，获取航空器综合航迹的初始数据；所述初始数据包括雷达航迹数据和广播式自动相关监视(ADS-B)数据。
步骤S2、针对步骤S1中所述雷达航迹数据采用Cat-062标准解析获得原始数据；针对步骤S1中所述广播式自动相关监视数据采用1090_ES标准解析获取原始数据。
其中，采用Cat-062标准解析获得原始数据，具体方法如下：
将一个标题块(SHB)、一个接口描述块(IDB)和若干增强型数据包块(EPB)构成为一个数据部分；识别数据部分中的SHB并划分数据部分，针对每个数据部分，跳过SHB、IDB，按照欧控代码标准Cat-062对EPB的数据包进行解析。
采用1090_ES标准解析获取原始数据，如图2所示，具体步骤如下：
步骤S2.1、将16进制广播式自动相关监视数据接收机接收到的数据信息转化为2进制数据信息，各字段所代表信息如下表1所示；其中类型码为第33-第37位；数据字段为第38位-第88位；
表1各字段代表信息
起始位 终止位 缩写 全称
1 5 DF 下行数据链格式
6 8 CA 能力字段
9 32 ICAO24 航空器ICAO地址
33 88 DATA 数据字段
88 112 PC 奇偶校验字段
步骤S2.2、当数据信息类型码的值位于1-4之间时，该信息代表航空器的航班号信息，取出当前数据信息的41至88比特位，将取出的48个二进制位按每组6位分为8组，并转化为十进制，将得到的数据与索引信息作比较，获取相应的航班号信息；
步骤S2.3、当数据信息类型码的值位于8-19之间时，该信息表示航空器的位置信息，采用CPR算法进行编解码计算航空器的位置信息；
步骤S2.4、当数据信息类型码的值为19时，该信息表示航空器的速度信息，取出当前数据信息中的四个值，具体包括：东西向标志位s(ew)：第57位；东西向速度位V(ew)：第58-67位；南北向标志位s(ns)：第46位；南北向速度V(ns)：第47-56位；并据此计算得到航空器速度，具体计算过程如下：
ψ＝ψ+360 if(ψ＜0)
其中，V(we)为航空器东西方向分速度，V(sn)航空器南北方向分速度，V(TAS)为航空器真空速，Ψ代表航向角；
步骤S2.3中采用CPR算法进行编解码计算航空器的位置信息，具体步骤如下：
步骤S2.3.1、将二进制数据信息转化为十进制数据；
步骤S2.3.2、计算纬度的索引如下：
j＝floor(59×LatCPR-E-60×LatCPR-O+0.5)
其中，j代表纬度的索引，floor代表朝负无穷方向取整，LatCPR-E代表CPR偶编码下的纬度，LatCPR-O代表CPR奇编码下的纬度；
步骤S2.3.3、计算偶形式和奇形式的纬度如下：
LatE＝DLatE×(mod(j,60)+LatCPR-E)
LatE＝LatE-360 if(LatE≥270)
LatO＝DLatO×(mod(j,59)+LatCPR-O)
LatO＝LatO-360 if(LatO≥270)
其中，LatE代表偶编码下的纬度，LatO代表奇编码下的纬度，i代表报文编码的奇偶性，i＝0为偶编码，i＝1为奇编码；
步骤S2.3.4、计算经度如下：
Lon＝Lon-360 if(Lon≥180)
其中，Lon代表经度，ni代表纬度的编号，Mod代表求余，m是经度索引，LonCPR-E代表CPR偶编码下的经度，LonCPR-O代表CPR奇编码下的经度，NL代表与该经度所对应的经度区域的数量；
步骤S2.3.5、计算高度如下：
h＝N×25-100 (ft)。
步骤S3、针对步骤S2中获取的原始数据进行预处理；所述预处理步骤包括：航迹插值补齐、短时航班数据剔除、校验航班剔除；如图3所示，具体如下：
步骤S3.1、寻找航迹中断、缺失的航班，并使用插值法对缺失航迹进行补全；
步骤S3.2、寻找飞行时间小于600S的航班，对短航班航迹数据进行剔除；
步骤S3.3、寻找原始数据中到达机场非评估机场的航班，对该类航班数据进行剔除；
步骤S3.4、寻找校验飞行航班，对校验飞行航班数据进行剔除。
步骤S4、构建密集时间序列，基于综合航迹的时间戳信息捕获即时终端区航班数量，并记录所有密集时间序列下构成即时终端区航班数量的航班关键信息如下表2所示：
表2航班关键信息表
关键信息 航班号 飞行时间 飞行距离 进港点 南北向 航迹轨迹
其中，航班号用于在后续分析效率中数据出现异常时回溯定位及作为航空器样本去重的依据，飞行时间和飞行距离则用于后续效率指标统计的过程，进港点与南北向是后续步骤对航班样本进行统计时的细化分类依据，航迹轨迹是统计过程中出现异常时回溯寻找原因的依据；
如图4所示，具体地，
步骤S4.1、构建长度为一个月，且时间间隔为10分钟的密集时间序列：
[T,2T,3T…nT]
其中，T为选定时间序列间隔，n为使nT小于某月最后时刻的最大自然数；
步骤S4.2、根据雷达综合数据计算航班时间窗：[ts,te]；其中，ts为进场航班进入划设的评估区域的时刻,te为进场航班着陆时刻；
步骤S4.3、计算该月每个时间序列下的即时终端区航班数量：
其中，CTNj表示jT时间序列下即时终端区航班数量，m代表该月进场航班数量，[ts i,te i]表示第i个航班的航班时间窗；
步骤S4.4、将每个时间序列的即时终端区航班数量标记于组成其航班数量的航班中并定义和记录进场飞行时间tTMA和飞行距离dTMA：
进场飞行时间tTMA表示进场航空器从划设的终端区空域开始进入，直到航空器完成着陆所消耗的时间；
进场飞行距离dTMA表示进场航空器从划设的终端区空域开始进入，直到航空器完成着陆的航迹路径的水平距离；
步骤S4.5、根据步骤S4.3所记录的每个时间序列下的航班，将时间序列上的即时终端区航班数量及航班的航班号、进港点、南北向比例、进场飞行时间、进场飞行距离及航班综合航迹提取并记录。
步骤S5、对属于同一时间段、相同运行方向、相同进港点、相同即时终端区航班数量的航班及其关键信息进行汇总，对同一即时压力下的航班样本进行样本去重。如图5所示，具体地：
步骤S5.1、将相同月、进港点、南北向运行、即时终端区航班数量的航班分类汇总为相同类别的航班样本；
步骤S5.2、对相同类别的航班样本中重复的航班样本进行去重，并得到各类别航班样本及关键信息数据作为步骤S6的输入数据。
步骤S6、对步骤S5中获取的航班关键信息，通过描述性统计方法分析聚合性与分散性特征；通过推论性统计方法分析航班关键信息的概率密度分布和累积概率分布。对每一类的航班样本进行航班样本数量统计、对样本的飞行时间和飞行距离进行平均数、中位数、标准差的统计，最后使用核密度估计法对整体航班样本的飞行时间和距离进行概率密度分布拟合。如图6所示，具体地：
步骤S6.1、对相同类别的航班样本进行航班样本数量统计，得到样本总量n；
步骤S6.2、对同类别航班样本进行飞行时间与飞行距离平均数统计如下：
同类航班样本飞行时间平均值
其中为同一类航班样本的飞行时间；
同类航班样本飞行距离平均值
其中为同一类航班样本的飞行距离；
步骤S6.3、对同类别航班样本进行飞行时间与飞行距离中位数统计如下：
当n为奇数时
当n为偶数时
为同类别航班样本飞行时间中位数；
当n为奇数时
当n为偶数时
为同类别航班样本飞行距离中位数；
步骤S6.4、对同类别航班样本进行飞行时间与飞行距离标准差统计：
σt为同类别航班样本飞行时间标准差；
σd为同类别航班样本飞行时间标准差；
步骤S6.5、对航班样本的飞行时间和距离使用核密度估计法拟合飞行时间和距离的概率密度分布，方法如下：
其中f为概率密度函数，K(.)为核函数，且K(.)为非负函数、积分为1，符合概率密度性质，均值为0；h为平滑参数，被称为带宽。所述核函数K(.)优选高斯核函数公式如下所示：
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。

Claims (7)

1.一种基于终端区即时管制压力的进场效率评估方法，其特征在于，包括如下步骤：
步骤S1，获取航空器综合航迹的初始数据；所述初始数据包括雷达航迹数据和广播式自动相关监视数据；
步骤S2、针对步骤S1中所述雷达航迹数据采用Cat-062标准解析获得原始数据；针对步骤S1中所述广播式自动相关监视数据采用1090_ES标准解析获取原始数据；
步骤S3、针对步骤S2中获取的原始数据进行预处理；所述预处理步骤包括：航迹插值补齐、短时航班数据剔除、校验航班剔除；
步骤S4、构建密集时间序列，基于综合航迹的时间戳信息捕获即时终端区航班数量，并记录所有密集时间序列下构成即时终端区航班数量的航班关键信息；所述航班关键信息包括：航班号、飞行时间、飞行距离、进港点、南北向以及航迹轨迹；
步骤S5、对属于同一时间段、相同运行方向、相同进港点、相同即时终端区航班数量的航班及其关键信息进行汇总，对同一即时压力下的航班样本进行样本去重；
步骤S6、对步骤S5中获取的航班关键信息，通过描述性统计方法分析聚合性与分散性特征；通过推论性统计方法分析航班关键信息的概率密度分布和累积概率分布；
所述步骤S4中构建密集时间序列，基于综合航迹的时间戳信息捕获即时终端区航班数量，并记录所有密集时间序列下构成即时终端区航班数量的航班关键信息的具体步骤如下：
步骤S4.1、构建长度为一个月，且时间间隔为10分钟的密集时间序列：
[T,2T,3T…nT]
其中，T为选定时间序列间隔，n为使nT小于某月最后时刻的最大自然数；
步骤S4.2、根据雷达综合数据计算航班时间窗：[ts,te]；其中，ts为进场航班进入划设的评估区域的时刻,te为进场航班着陆时刻；
步骤S4.3、计算该月每个时间序列下的即时终端区航班数量：
其中，CTNj表示jT时间序列下即时终端区航班数量，m代表该月进场航班数量，[ts i,te i]表示第i个航班的航班时间窗；
步骤S4.4、将每个时间序列的即时终端区航班数量标记于组成其航班数量的航班中并定义和记录进场飞行时间tTMA和飞行距离dTMA：
进场飞行时间tTMA表示进场航空器从划设的终端区空域开始进入，直到航空器完成着陆所消耗的时间；
进场飞行距离dTMA表示进场航空器从划设的终端区空域开始进入，直到航空器完成着陆的航迹路径的水平距离；
步骤S4.5、根据步骤S4.3所记录的每个时间序列下的航班，将时间序列上的即时终端区航班数量及航班的航班号、进港点、南北向比例、进场飞行时间、进场飞行距离及航班综合航迹提取并记录。
2.根据权利要求1所述的一种基于终端区即时管制压力的进场效率评估方法，其特征在于，所述步骤S2中采用Cat-062标准解析获得原始数据，具体方法如下：
将一个标题块SHB、一个接口描述块IDB和若干增强型数据包块EPB构成为一个数据部分；识别数据部分中的SHB并划分数据部分，针对每个数据部分，跳过SHB、IDB，按照欧控代码标准Cat-062对EPB的数据包进行解析。
3.根据权利要求1所述的一种基于终端区即时管制压力的进场效率评估方法，其特征在于，所述步骤S2中采用1090_ES标准解析获取原始数据，具体步骤如下：
步骤S2.1、将16进制广播式自动相关监视数据接收机接收到的数据信息转化为2进制数据信息，其中类型码为第33-第37位；数据字段为第38位-第88位；
步骤S2.2、当数据信息类型码的值位于1-4之间时，该信息代表航空器的航班号信息，取出当前数据信息的41至88比特位，将取出的48个二进制位按每组6位分为8组，并转化为十进制，将得到的数据与索引信息作比较，获取相应的航班号信息；
步骤S2.3、当数据信息类型码的值位于8-19之间时，该信息表示航空器的位置信息，采用CPR算法进行编解码计算航空器的位置信息；
步骤S2.4、当数据信息类型码的值为19时，该信息表示航空器的速度信息，取出当前数据信息中的四个值，具体包括：东西向标志位s(ew)：第57位；东西向速度位V(ew)：第58-67位；南北向标志位s(ns)：第46位；南北向速度V(ns)：第47-56位；并据此计算得到航空器速度，具体计算过程如下：
ψ＝ψ+360 if(ψ＜0)
其中，V(we)为航空器东西方向分速度，V(sn)航空器南北方向分速度，V(TAS)为航空器真空速，Ψ代表航向。
4.根据权利要求3所述的一种基于终端区即时管制压力的进场效率评估方法，其特征在于，所述步骤S2.3中采用CPR算法进行编解码计算航空器的位置信息，具体步骤如下：
步骤S2.3.1、将二进制数据信息转化为十进制数据；
步骤S2.3.2、计算纬度的索引如下：
j＝floor(59×LatCPR-E-60×LatCPR-O+0.5)
其中，j代表纬度的索引，floor代表朝负无穷方向取整，LatCPR-E代表CPR偶编码下的纬度，LatCPR-O代表CPR奇编码下的纬度；
步骤S2.3.3、计算偶形式和奇形式的纬度如下：
LatE＝DLatE×(mod(j,60)+LatCPR-E)
LatE＝LatE-360 if(LatE≥270)
LatO＝DLatO×(mod(j,59)+LatCPR-O)
LatO＝LatO-360 if(LatO≥270)
其中，LatE代表偶编码下的纬度，LatO代表奇编码下的纬度，i代表报文编码的奇偶性，i＝0为偶编码，i＝1为奇编码；
步骤S2.3.4、计算经度如下：
Lon＝Lon-360 if(Lon≥180)
其中，Lon代表经度，ni代表纬度的编号，Mod代表求余，m是经度索引，LonCPR-E代表CPR偶编码下的经度，LonCPR-O代表CPR奇编码下的经度，NL代表与该经度所对应的经度区域的数量；
步骤S2.3.5、计算高度如下：
h＝N×25-100(ft)。
5.根据权利要求1所述的一种基于终端区即时管制压力的进场效率评估方法，其特征在于，所述步骤S3中对原始数据进行预处理的具体步骤包括：
步骤S3.1、寻找航迹中断、缺失的航班，并使用插值法对缺失航迹进行补全；
步骤S3.2、寻找飞行时间小于600S的航班，对短航班航迹数据进行剔除；
步骤S3.3、寻找原始数据中到达机场非评估机场的航班，对该类航班数据进行剔除；
步骤S3.4、寻找校验飞行航班，对校验飞行航班数据进行剔除。
6.根据权利要求1所述的一种基于终端区即时管制压力的进场效率评估方法，其特征在于，所述步骤S5中样本去重的具体步骤包括：
步骤S5.1、将相同月、进港点、南北向运行、即时终端区航班数量的航班分类汇总为相同类别的航班样本；
步骤S5.2、对相同类别的航班样本中重复的航班样本进行去重，并得到各类别航班样本及关键信息数据作为步骤S6的输入数据。
7.根据权利要求1所述的一种基于终端区即时管制压力的进场效率评估方法，其特征在于，所述步骤S6中通过描述性统计方法分析聚合性与分散性特征；通过推论性统计方法分析航班关键信息的概率密度分布和累积概率分布具体步骤如下：
步骤S6.1、对相同类别的航班样本进行航班样本数量统计，得到样本总量n；
步骤S6.2、对同类别航班样本进行飞行时间与飞行距离平均数统计如下：
同类航班样本飞行时间平均值
其中为同一类航班样本的飞行时间；
同类航班样本飞行距离平均值
其中为同一类航班样本的飞行距离；
步骤S6.3、对同类别航班样本进行飞行时间与飞行距离中位数统计如下：
当n为奇数时
当n为偶数时
为同类别航班样本飞行时间中位数；
当n为奇数时
当n为偶数时
为同类别航班样本飞行距离中位数；
步骤S6.4、对同类别航班样本进行飞行时间与飞行距离标准差统计：
σt为同类别航班样本飞行时间标准差；
σd为同类别航班样本飞行时间标准差；
步骤S6.5、对航班样本的飞行时间和距离使用核密度估计法拟合飞行时间和距离的概率密度分布，方法如下：
其中f为概率密度函数，K(.)为核函数，且K(.)为非负函数、积分为1，符合概率密度性质，均值为0；h为平滑参数，被称为带宽；所述核函数K(.)为高斯核函数公式如下所示：
CN202010994904.6A 2020-09-21 2020-09-21 一种基于终端区即时管制压力的进场效率评估方法 Active CN112232636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010994904.6A CN112232636B (zh) 2020-09-21 2020-09-21 一种基于终端区即时管制压力的进场效率评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010994904.6A CN112232636B (zh) 2020-09-21 2020-09-21 一种基于终端区即时管制压力的进场效率评估方法

Publications (2)

Publication Number Publication Date
CN112232636A CN112232636A (zh) 2021-01-15
CN112232636B true CN112232636B (zh) 2024-05-03

Family

ID=74107285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010994904.6A Active CN112232636B (zh) 2020-09-21 2020-09-21 一种基于终端区即时管制压力的进场效率评估方法

Country Status (1)

Country Link
CN (1) CN112232636B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114005304B (zh) * 2021-10-28 2023-04-18 上海行沙科技有限公司 一种终端区航班排序的方法、系统和装置
CN114021854B (zh) * 2021-11-29 2024-08-23 上海交通大学 基于knn算法的航次进箱量分布情况预测方法和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106846919A (zh) * 2017-01-16 2017-06-13 南京航空航天大学 一种基于ads‑b信息更新的四维航迹动态预测方法
CN108074421A (zh) * 2018-01-29 2018-05-25 上海空地信息技术有限公司 一种基于时间的终端区进场效率测度方法
CN111160770A (zh) * 2019-12-30 2020-05-15 南京航空航天大学 一种进场航班动态协同排序方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106846919A (zh) * 2017-01-16 2017-06-13 南京航空航天大学 一种基于ads‑b信息更新的四维航迹动态预测方法
CN108074421A (zh) * 2018-01-29 2018-05-25 上海空地信息技术有限公司 一种基于时间的终端区进场效率测度方法
CN111160770A (zh) * 2019-12-30 2020-05-15 南京航空航天大学 一种进场航班动态协同排序方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Data-Driven Method for Evaluating the Efficiency of Air Traffic Control about Arrival Operations;Songwei Liu 等;《CICTP 2019》;第4877-4889页 *

Also Published As

Publication number Publication date
CN112232636A (zh) 2021-01-15

Similar Documents

Publication Publication Date Title
CN112232636B (zh) 一种基于终端区即时管制压力的进场效率评估方法
CN108156626B (zh) 轨道交通无线网络质量评估方法、装置及介质
Lombardo et al. Automated extraction and classification of thunderstorm and non-thunderstorm wind data for extreme-value analysis
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
Sun Open aircraft performance modeling: based on an analysis of aircraft surveillance data
CN104933530A (zh) 空管实时管制效能评价系统
CN112465041B (zh) 一种基于层次分析法的ais数据质量评估方法
Corrado et al. A clustering-based quantitative analysis of the interdependent relationship between spatial and energy anomalies in ADS-B trajectory data
CN110889092A (zh) 一种基于轨道交易数据的短时大型活动周边轨道站点客流量预测方法
CN111680728B (zh) 一种基于多源异构航迹数据的数据置信融合方法及系统
Zhang et al. Data‐driven flight time prediction for arrival aircraft within the terminal area
CN114596700A (zh) 一种基于门架数据的高速公路路段实时流量估计方法
CN114501336B (zh) 一种公路出行量测算方法、装置、电子设备及存储介质
CN112785876B (zh) 终端区时序气象场景智能识别系统
CN114066303A (zh) 一种基于ais的港口规划适应性分析方法及系统
CN113962283A (zh) 一种基于局部自适应动态时间规整的航空器轨迹聚类方法
CN105282780A (zh) 一种空口吞吐量处理方法、装置和终端
CN115100847B (zh) 面向低渗透率网联车轨迹数据的排队服务时间估计方法
CN112822700A (zh) 一种类别的确定方法及装置
CN115988422A (zh) 基于出行链解析的多层次轨道交通换乘客流提取方法
CN115759470A (zh) 一种基于机器学习的航班飞行全过程燃油消耗预测方法
CN115376315A (zh) 一种面向路网排放核算的多层级卡口质量控制方法
CN108074421B (zh) 一种基于时间的终端区进场效率测度方法
CN110852516B (zh) 基于大数据信息熵交通流检测设备数据质量判别方法
CN111915934B (zh) 一种航迹连续性分析方法

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