CN113554899B - 天气影响空中交通程度分析方法、装置、设备及存储介质 - Google Patents
天气影响空中交通程度分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113554899B CN113554899B CN202110872561.0A CN202110872561A CN113554899B CN 113554899 B CN113554899 B CN 113554899B CN 202110872561 A CN202110872561 A CN 202110872561A CN 113554899 B CN113554899 B CN 113554899B
- Authority
- CN
- China
- Prior art keywords
- weather
- target
- grid area
- witi
- area
- 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]
- G08G5/0073—Surveillance aids
- G08G5/0091—Surveillance aids for monitoring atmospheric conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Optimization (AREA)
- General Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Mathematical Analysis (AREA)
- Molecular Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Atmospheric Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种天气影响空中交通程度的分析方法、装置、设备及存储介质,该方法包括:对目标空域进行格栅化,获得i行*j列个格栅区域;确定i行*j列个格栅区域中每个格栅区域的天气影响交通指数(WITI)值;将i行*j列个格栅区域的WITI值求和,获得目标空域的WITI值;每个格栅区域的WITI值确定方法包括:获取目标格栅区域内航空器数量和交通流量复杂度,确定目标格栅区域交通流量权重;并根据确定的目标格栅区域交通流量权重,以及空域中每个格栅区域对目标格栅区域的天气影响因子计算目标格栅区域对应的天气影响交通指数值。本发明利于得到更准确可靠的天气影响交通指数值,能够优化天气影响下的空中交通管理,提高管制系统能力,有利于维护航空安全。
Description
技术领域
本发明涉及航空技术领域,尤其涉及一种天气影响空中交通程度分析方法、装置、设备及存储介质。
背景技术
随着民航业的快速发展,有限空域资源中的流量增加,恶劣天气对空中交通的影响日益显著。故而,量化天气因素对空中交通的影响对进行空中交通管理决策尤为重要。
天气影响交通指数(Weather Impacted Traffic Index,WITI)是度量天气对空中交通影响的程度,通过模型描述WITI的计算在空域的效能评估、容量评估、延误预测上取得了广泛的应用。WITI不仅可以用于量化天气和空中交通运输之间的关系,也可以用于掌握天气对空中交通影响的规律,对空域容量进行准确和及时的动态评估,减少因容量动态变化导致的的空中交通容量和流量失衡,从而优化空中交通流量管理,辅助制定合理的空域管理方案,提升空域资源的有效利用,减少容量变化带来的不必要延误。但是在实际情况中,天气影响交通的程度与天气系统程度正相关,并具有各向同性的特征,且随着天气系统与交通流的相对距离衰减,传统的WITI不能精细地刻画出上述天气影响交通程度的特性,且目前对上述描述WITI计算的模型的主要设计方向在于统计恶劣天气空域单元的飞机架次计数,即将恶劣天气默认为是对空中交通有着显著影响的天气。同时上述模型的计算前提是,均假设天气对每一空域单元空中交通的影响呈现出非此即彼的清晰作用,也即在某些条件下,该空域单元航空器应当被计数,在这些条件之外则空域单元的航空器均不被计数。这种假设的数学基础基于普通集合理论,在描述客观情况上不具备一定的合理性,导致上述WITI 计算模型的基本假设很难客观的满足现实规律,进而导致天气影响空中交通程度分析结果不准确,应用于空中交通管控时的效果不佳。
发明内容
有鉴于此,本发明提供一种天气影响空中交通程度分析方法、装置、设备及存储介质,至少部分解决现有技术中存在的问题。
为实现上述目的,本发明的技术方案如下:
一方面,本发明提供了一种天气影响空中交通程度分析方法,方法包括:
对目标空域进行格栅化,获得i行*j列个格栅区域;
确定所述i行*j列个格栅区域中每个格栅区域的WITI值;
将i行*j列个格栅区域的WITI值求和,获得所述目标空域的WITI值;
其中,所述每个格栅区域的WITI值确定方法包括:
获取目标格栅区域内航空器数量和交通流量复杂度,确定目标格栅区域交通流量权重;
并根据所确定的目标格栅区域交通流量权重,以及空域中每个格栅区域对目标格栅区域的天气影响因子计算所述目标格栅区域对应的天气影响交通指数值。
另一方面,本发明提供了一种天气影响空中交通程度分析装置,装置包括:
格栅化模块,用于对目标空域进行格栅化,获得i行*j列个格栅区域;
确定模块,用于确定所述i行*j列个格栅区域中每个格栅区域的WITI值
求和模块,用于将i行*j列个格栅区域的WITI值求和,获得所述目标空域的WITI值;
其中,所述确定模块,用于获取目标格栅区域内航空器数量和交通流量复杂度,确定目标格栅区域交通流量权重;
并根据所确定的目标格栅区域交通流量权重,以及空域中每个格栅区域对目标格栅区域的天气影响因子计算所述目标格栅区域对应的天气影响交通指数值。
再一方面,本发明提供了一种天气影响空中交通程度分析设备,设备包括处理器以及存储有计算机程序指令的存储器;
处理器执行计算机程序指令时实现如第一方面任意实施例的天气影响空中交通程度分析方法。
又一方面,本发明提供了一种计算机存储介质,计算机存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如第一方面任意实施例的天气影响空中交通程度分析方法。
本发明提供的天气影响空中交通程度分析方法、装置、设备及存储介质,鲁棒性强,适于非线性、难量化的天气因素的计算,相对于传统技术中空域容量分析模型,本发明更符合天气对空中交通影响的客观规律,进而利于得到更可靠、准确的天气影响交通指数值,应用于空中交通管制系统时可以利于提高系统的管制能力。
附图说明
为了更清楚地说明本发明实施例的技术方案,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它的附图。
图1为本发明实施例提供的天气影响空中交通程度分析方法的流程示意图;
图2是本发明实施例提供的天气影响权重函数的示意图;
图3是本发明实施例提供的距离影响权重函数的示意图;
图4是本发明实施例提供的不同时刻天气影响下的融合显示图;
图5是本发明实施例提供的不同时刻天气影响下的融合显示图;
图6是本发明实施例提供的不同时刻天气影响下的融合显示图;
图7是本发明另一实施例提供的天气影响空中交通程度分析装置的结构示意图;
图8为本发明又一实施例提供的天气影响空中交通程度分析设备的硬件结构示意图;
具体实施方式
下面结合附图对本发明实施例进行详细描述。
需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合;并且,基于本发明中的实施例,本领域普通技术人员在没有作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。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本发明,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
传统的天气影响交通指数(WITI)计算模型,一般是通过计恶劣天气空域单元的飞机架次计数,判断天气是否对空中交通有着显著影响;这样天气对每一空域单元空中交通的影响则呈现出非此即彼的作用效果,即达到预设条件下,该空域单元航空器应当被计数,否则空域单位的航空器均不被计数。例如传统的天气影响交通指数(WITI)计算模型将空域单元的天气雷达回波强度作为论域U,恶劣天气的集合为A={u|u≥u0}。在该计算模型下,认为天气雷达回波强度值为0.999u0的空域单元将完全不受天气影响,这一模型对天气和空中交通的关系设定较为片面,难客观的满足现实规律,导致模型输出的天气影响交通值也不够准确。
为解决上述问题,本发明实施例提供了一种天气影响空中交通程度分析方法、装置、设备及存储介质。
下面首先对本发明实施例提供的天气影响空中交通程度分析方法进行说明。
图1示出了本发明实施例提供的天气影响空中交通程度分析方法的流程示意图。如图1所示,该方法包括:
对目标区域进行格栅化,获得i行*j列个格栅区域。
确定i行*j列个格栅区域中每个格栅区域的WITI值。
将i行*j列个格栅区域的WITI值求和,获得目标空域的WITI值。
对于每个格栅区域的WITI值通过如下方式确定:
S110.将获取目标格栅区域内航空器数量和交通流量复杂度,确定目标格栅区域交通流量权重;
根据所确定的目标格栅区域交通流量权重,以及空域中每个格栅区域对目标格栅区域的天气影响因子计算所述目标格栅区域对应的天气影响交通指数值。
S120.通过WITI模糊计算模型,输出每个格栅区域对应的天气影响交通指数(WITI),以用于天气影响空中交通程度分析。
本实施例中,基于交通流量权重与天气影响因子预构建天气影响交通指数(WITI)模糊计算模型;其中,交通流量权重是由目标格栅区域内航空器数量和交通流量复杂度计算得到,天气影响因子是通过空域中所有受天气影响程度的空域单元天气对目标区域影响程度的模糊计算得到。然后将获取的空中交通目标数据对应代入WITI模糊计算模型,输出目标天气影响交通指数(WITI) 用于天气影响空中交通程度分析。
这样由于本实施例中预构建WITI模糊计算模型是基于模糊计算得到天气影响交通指数(WITI),因而鲁棒性强,适于非线性、难量化的天气影响因子对空中交通的影响计算,相当于传统技术中非此即彼的的判断模型,本发明更符合天气对空中交通影响的客观规律,进而利于得到更可靠、准确的天气影响交通指数值,应用于空中交通管制系统时可以利于提高系统的管制能力。
可以理解的是,目标区域即空域中需要进行天气影响空中交通程度分析的区域;空中交通目标数据即该目标区域的空中交通数据,如配置的交通流量权重、航空器数量、天气雷达回波强度等。
在一个具体实施例中,步骤S110.将获取的空中交通目标数据对应代入预构建的天气影响交通指数(WITI)模糊计算模型,具体可以包括:
S210.将空中交通目标数据对应代入预构建的天气影响交通指数(WITI)模糊计算模型,确定交通流量权重;
S220.将空中交通目标数据对应代入预构建的天气影响交通指数(WITI)模糊计算模型,通过模糊计算求解空域中所有受天气影响程度的空域单元对目标区域影响程度;
以及S230.将所述空中交通目标数据对应代入预构建的天气影响交通指数(WITI)模糊计算模型,通过模糊计算求解目标空域中每个格栅区域天气对目标格栅区域的距离相关性系数;
S240.根据交通流量权重、空域中每个格栅区域的天气权重值、以及目标空域中每个格栅区域对目标格栅区域的距离相关性系数,解算目标格栅区域对应的天气影响交通指数(WITI)。
可以理解的是,本具体实施例中,步骤S210、S220以及S230的执行顺序不唯一。
示例性的,步骤S110中预构建的天气影响交通指数(WITI)模糊计算模型,可以包括:
对空域至海平面高度的空域范围按照预设经纬度间隔进行单元格划分,形成若干格栅区域;
令天气影响交通指数(WITI)模糊计算模型通过以下式(1)表示:
式(1)中,Ωh为空域Ω至海平面高度h的空域范围;所述目标格栅区域记作Ωij,是空域范围Ωh中的格栅区域;i,j表示空域范围Ωh中目标格栅区域Ωij所对应的第i行、j列格栅区域;k,l表示空域范围Ωh中每个格栅区域所对应的第k行、 l列格栅区域;wij是对目标格栅区域Ωij分配的交通流量权重;是空域范围Ωh中每个格栅区域天气对目标格栅区域的距离相关性系数;θkl是空域单元Ωkl中每个格栅区域的天气权重值;为和θkl表示分别模糊计算后的乘积,用于表示天气影响因子。
可以理解的是,本示例中,空域单元可以是相关空管部门将其负责管制的空域经有限划分后的若干个小的管制空域扇区。相应扇区管制席位上的管制员,负责集中精力提供本扇区的管制服务。
本实施例中,将空域范围Ωh作为立体空间进行分割,交通流量权重以及天气影响因子均可以按照经纬度以及高度层属性对应到分割后的单元格区域(即上述目标区域),相当于将空域的管理分析颗粒化,利于得到更为精确的天气影响交通指数值。
示例性的,步骤S210中,交通流量权重wij用于表征空域范围Ωh中对应高度层的目标区域Ωij内对应的航空器数量与空域Ωh内交通流量复杂度的组合关联度。
本示例中,交通流量权重可以通过以下式(2)解算:
wij=Nij×a (1)
式(2)中,Nij为所述目标格栅区域Ωij内对应的航空器数量;a为所述空域内交通流量复杂度,a为常数,可以按照经验值设定。例如,在所有飞机都平行飞行时,a取值为1。
示例性的,步骤S220中,通过模糊计算求解所述空域中每个格栅区域的天气权重值,可以包括:
通过以下式(3)求解目标格栅区域的天气权重值:
θij=θ(uij) (3)
式(3)中,
θ是天气的模糊集合,θ(u)是模糊集合θ的隶属函数;设论域U为天气雷达回波强度的取值范围,则uij为目标格栅区域Ωij对应的天气雷达回波强度值;θij为uij关于模糊集合θ的隶属程度,用于表示空域Ωh中目标格栅区域的天气权重值。
天气雷达回波强度是表示天气系统的一个物理量。一般的,雷达回波强度可以反应空域降水量情况,随着天气雷达回波强度值的增加,空域降水量(例如降雨、降雪、冰雹、大风等天气对应的降水量)会增加,相应的对空中交通影响的程度也会变强。所以,本实施例中,隶属函数θ(u)可以为单调递增函数,即θ(u1)≤θ(u2)对任意u1<u2都成立。
因而,本实施中,构造上述模糊集合θ的函数为,可以参见图2所示:
式(3.1)中,
uα为区间[u0,u1]的α分位点,即uα=u0+α(u1-u0),
上式(3.1)表明当天气雷达回波强度值大于预设的阈值u1时,对应天气影响空中交通的隶属度θ(uij)为1,空中交通将受到该天气的影响;当天气雷达回波强度值小于预设的阈值u0时,对应天气影响交通的隶属度θ(uij)为0,此时可认为空中交通将不受到该天气的影响;当天气雷达回波强度值介于上述两阈值 (u0,u1)之间时,对应天气影响交通的隶属度为θ(uij)通过上述Sigmoid函数求解,此时可认为空中交通受到该天气一定程度的影响,进而通过上述式(3.1)可计算该影响的程度。本实施例中阈值u0的取值为20dBz,阈值u1的取值为40dBz,α的取值为0.5。
通过模糊计算的隶属函数θ(u)解算空域Ωh中的目标格栅区域Ωij受天气影响程度时,是通过设定u的值得到符合实际的隶属度结果,也即使天气雷达回波强度值逐渐增大时,天气影响目标区域交通的程度也增大,且增大到一定程度(即超出u1)和减小到一定程度(即小于阈值u0)时,分别归于受影响和不受影响的判定结果,这样弥补了传统计算模型中设定的天气对空域单元空中交通的影响呈现的非此即彼的判断弊端,使得计算结果更符合客观事实。
示例性的,步骤S230中,通过距离影响权重函数模糊计算求解目标空域中每个格栅区域天气对目标格栅区域的距离相关性系数,该距离影响权重函数请参见图3所示,可以包括:
通过以下式(4)求解所述目标空域中每个格栅区域天气对目标格栅区域的距离相关性系数:
式(4)中,aij是空域范围Ωh中对目标格栅区域Ωij达到预设影响阈值的空域单元Ωkl的模糊集合;aij(Ωkl)是模糊集合aij的隶属函数;为对目标格栅区域Ωij达到预设影响阈值的空域单元Ωkl关于模糊集合aij的隶属程度,用于表示目标空域中每个格栅区域天气对目标格栅区域的距离相关性系数。
本示例中,模糊集合aij以所有空域单元Ωkl的集合为论域,即论域D={Ωkl};则描述的是空域单元Ωkl的天气对目标格栅区域Ωij的影响程度。设定仅空域单元Ωkl对其自身达到了预设影响阈值,且令对目标格栅区域Ωij达到预设影响阈值的空域单元Ωkl关于模糊集合aij的隶属程度满足以下式(5)条件:
则目标格栅区域Ωij及相应空域单元Ωkl的相对位置对称性满足以下式(6) 条件:
本示例中,设定隶属函数aij(Ωkl)只与目标区域Ωij及相应空域单元Ωkl的相对位置有关,且和距离成负相关的关系。那么定义目标区域Ωij及相应空域单元Ωkl的相对距离dkl为向量(i,j)与向量(k,l)的球面距离,则有:
其中,λ为衰减率,本实施例中λ取值为0.15,d为球面距离。
根据上述式(4)~式(8)可知,目标区域Ωij自己本身的交通影响程度最为直接。除此之外,表明空域单元Ωkl的恶劣天气或多或少的对目标区域Ωij的空中交通构成间接影响,其影响程度为当或时,表明此时空域单元Ωkl的天气情况对目标格栅区域Ωij影响程度接近于0,几乎可以忽略。
这样,通过基于隶属函数的模糊计算,确定空管系统中设定的空域单元的天气与目标区域的空中交通影响程度,并与上述求取的空域中的目标区域受天气影响程度的结果相乘,得到天气影响因子用于求解天气影响交通指数值,考虑的因素更为全面,得到的结构也会更为准确可靠。
基于获取的空中交通目标数据,通过步骤S210、S220、S230得到的交通流量权重、空域中每个格栅区域的天气权重值、以及目标空域中每个格栅区域天气对目标格栅区域的距离相关性系数,然后执行步骤S240基于上述WITI模糊计算模型解算目标天气影响交通指数值。
通过从中国气象局和中国民航局西南地区空管局采集到西南区管地区2020 年4月-10月天气雷达数据及航班运行数据。然后选取7月28日10点48分、8 月12日15点54分、8月16日10点36分作为天气影响交通程度的典型场景进行个例分析。为了直观分析天气对航班的影响程度,本文将气象信息与航迹进行融合显示,其中气象信息用天气雷达回波强度图表示,航迹信息用虚线表示,成都区调边界用实线表示。
对上述2020年7月28日10点48分强降水过程分析可以得到图4,其中,图4a显示的是7月28日10点48分在天气影响下的融合显示图,图4b 和图4c 分别为临近7月28日的8月10日和8月11日在相同时刻没有天气影响下的融合显示图。通过将图4a分别与图4b和图4c进行对比,可以得出虚线表示出的飞行航迹在天气阻塞航路的时候,航班会改变预定的飞行路线,采取绕飞方式从而避开危险区域,从而表明天气对空中交通产生了影响。而在图4a的场景下,传统WITI结果为0,优化WITI结果为13.965。
对上述2020年8月12日15点54分强降水过程分析可以得到图5,其中,图5a显示的是8月12日10点48分在天气影响下的融合显示图,图5b和图5c 分别为临近8月12日的7月28日和8月15日在相同时刻没有天气影响下的融合显示图。通过将图5a分别与图5b和图5c进行对比,可以得出虚线表示的飞行航迹在天气阻塞航路的时候,航班会改变预定的飞行路线,采取绕飞方式从而避开危险区域,从而表明天气对空中交通产生了影响。而在图5a的场景下,传统WITI结果为3,优化WITI结果为48.074。
对上述2020年8月16日10点36分强降水过程分析可以得到图6,其中,图6a显示的是8月16日10点36分在天气影响下的融合显示图,图6c 和图6b 分别为临近8月16日的8月12日和8月15日在相同时刻没有天气影响下的融合显示图。通过将图6a分别与图6b和6c进行对比,可以得出虚线表示的飞行航迹在天气阻塞航路的时候,航班会改变预定的飞行路线,采取绕飞方式从而避开危险区域,从而表明天气对空中交通产生了影响。而在图6a的场景下,传统WITI结果为1,优化WITI结果为39.778。
并选取其他时刻的进行优化前后的计算结果进行对比,得到容量评估结果,可以参见如下表格所示:
综上所述,表明优化WITI算法比传统WITI算法更能精细刻画天气影响交通程度。本申请在已有天气影响交通指数算法的基础上,综合考虑现实中天气影响交通程度的特征,创建了一个基于模糊数学理论的天气影响交通指数优化方法。利用模糊数学理论分别建立了天气影响交通程度与天气系统强度之间的各向同性且正相关关系,以及天气影响空中交通程度随着天气系统与交通流之间的相对距离呈衰减关系,从而优化天气影响权重函数和距离影响权重函数。结果表明,该算法能更加全面、精细刻画出天气影响交通程度的特征。
图7示出了本发明实施例提供的天气影响空中交通程度分析装置的结构示意图。如图8所示,该装置包括:
格栅化模块301,用于对目标空域进行格栅化,获得i行*j列个格栅区域;
确定模块302,用于确定i行*j列个格栅区域中每个格栅区域的WITI值;
求和模块303,用于将i行*j列个格栅区域的WITI值求和,获得目标空域的WITI值;
其中,确定模块302,具体用于:
将获取目标格栅区域内航空器数量和交通流量复杂度,确定目标格栅区域交通流量权重;并根据所确定的目标格栅区域交通流量权重,以及空域中每个格栅区域对目标格栅区域的天气影响因子计算所述目标格栅区域对应的天气影响交通指数值。
通过WITI模糊计算模型,输出每个格栅区域对应的目标天气影响交通指数值,以用于天气影响空中交通程度分析。
示例性的,确定模块302,可以执行上述图1中示出的步骤S110,确定模块302还可以执行上述图1中示出的步骤S120。
需要说明的是,上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述,并能达到其相应的技术效果,为简洁描述,在此不再赘述。
图8示出了本发明实施例提供的天气影响空中交通程度分析设备的硬件结构示意图。
天气影响空中交通程度分析设备可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地,上述处理器401可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器402可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器402可在综合网关容灾设备的内部或外部。在特定实施例中,存储器402是非易失性固态存储器。通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本发明的一方面的方法所描述的操作。
处理器401通过读取并执行存储器402中存储的计算机程序指令,以实现上述实施例中的任意一种天气影响空中交通程度分析方法。
另外,结合上述实施例中的天气影响空中交通程度分析方法,本发明实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种天气影响空中交通程度分析方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能模块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路 (ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种天气影响空中交通程度分析方法,其特征在于,所述方法包括:
对目标空域进行格栅化,获得i行*j列个格栅区域;
确定所述i行*j列个格栅区域中每个格栅区域的天气影响交通指数WITI值;
将i行*j列个格栅区域的WITI值求和,获得所述目标空域的WITI值;
其中,所述每个格栅区域的WITI值确定方法包括:
获取目标格栅区域内航空器数量和交通流量复杂度,确定目标格栅区域交通流量权重;
根据所确定的目标格栅区域交通流量权重,以及空域中每个格栅区域对目标格栅区域的天气影响因子计算所述目标格栅区域对应的WITI值;
所述目标格栅区域对应的WITI值计算方法为:
6.一种天气影响空中交通程度分析装置,其特征在于,所述装置包括:
格栅化模块,用于对目标空域进行格栅化,获得i行*j列个格栅区域;
确定模块,用于确定所述i行*j列个格栅区域中每个格栅区域的WITI值;求和模块,用于将i行*j列个格栅区域的WITI值求和,获得所述目标空域的WITI值;
其中,所述确定模块,用于获取目标格栅区域内航空器数量和交通流量复杂度,确定目标格栅区域交通流量权重,并根据所确定的目标格栅区域交通流量权重,以及空域中每个格栅区域对目标格栅区域的天气影响因子计算所述目标格栅区域对应的WITI值;
所述目标格栅区域对应的WITI值计算方法为:
7.一种天气影响空中交通程度分析设备,其特征在于,所述设备包括处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求1-5任意一项所述的天气影响空中交通程度分析方法。
8.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-5任意一项所述的天气影响空中交通程度分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110872561.0A CN113554899B (zh) | 2021-07-30 | 2021-07-30 | 天气影响空中交通程度分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110872561.0A CN113554899B (zh) | 2021-07-30 | 2021-07-30 | 天气影响空中交通程度分析方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113554899A CN113554899A (zh) | 2021-10-26 |
CN113554899B true CN113554899B (zh) | 2022-06-03 |
Family
ID=78133393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110872561.0A Active CN113554899B (zh) | 2021-07-30 | 2021-07-30 | 天气影响空中交通程度分析方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113554899B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114333432B (zh) * | 2021-12-29 | 2022-06-28 | 中国人民解放军93209部队 | 一种基于空域网格的赋值方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407735A (zh) * | 2016-12-20 | 2017-02-15 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 天气交通可视化方法及装置 |
CN106651025A (zh) * | 2016-12-20 | 2017-05-10 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 交通情况预测方法及装置 |
CN107194493A (zh) * | 2017-04-14 | 2017-09-22 | 南京航空航天大学 | 一种短期天气影响下终端空域空中交通延误预测方法 |
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 |
CN109357685A (zh) * | 2018-11-05 | 2019-02-19 | 飞牛智能科技(南京)有限公司 | 航路网生成方法、装置及存储介质 |
CN112182059A (zh) * | 2020-08-20 | 2021-01-05 | 北京航空航天大学 | 一种航班延误特性的高阶分析方法 |
CN112698666A (zh) * | 2021-03-24 | 2021-04-23 | 南京信息工程大学 | 一种基于气象栅格的飞行器航路优化方法 |
CN112785876A (zh) * | 2021-01-28 | 2021-05-11 | 南京航空航天大学 | 终端区时序气象场景智能识别系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9691288B2 (en) * | 2014-07-17 | 2017-06-27 | Airbus Group India Private Limited | System and method for sending in-flight weather alerts |
-
2021
- 2021-07-30 CN CN202110872561.0A patent/CN113554899B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407735A (zh) * | 2016-12-20 | 2017-02-15 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 天气交通可视化方法及装置 |
CN106651025A (zh) * | 2016-12-20 | 2017-05-10 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 交通情况预测方法及装置 |
CN107194493A (zh) * | 2017-04-14 | 2017-09-22 | 南京航空航天大学 | 一种短期天气影响下终端空域空中交通延误预测方法 |
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 |
CN109357685A (zh) * | 2018-11-05 | 2019-02-19 | 飞牛智能科技(南京)有限公司 | 航路网生成方法、装置及存储介质 |
CN112182059A (zh) * | 2020-08-20 | 2021-01-05 | 北京航空航天大学 | 一种航班延误特性的高阶分析方法 |
CN112785876A (zh) * | 2021-01-28 | 2021-05-11 | 南京航空航天大学 | 终端区时序气象场景智能识别系统 |
CN112698666A (zh) * | 2021-03-24 | 2021-04-23 | 南京信息工程大学 | 一种基于气象栅格的飞行器航路优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113554899A (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11488069B2 (en) | Method for predicting air quality with aid of machine learning models | |
CN110058328B (zh) | 东北夏季降水多模式组合降尺度预测方法 | |
CN105740991A (zh) | 基于改进bp神经网络拟合多种气候模式的气候变化预测方法及系统 | |
CN111428942B (zh) | 基于变网格技术提取微地形因子的线路覆冰厚度预测方法 | |
CN111143932A (zh) | 一种桥梁健康状态的评估方法、装置、系统和设备 | |
CN110211325A (zh) | 一种基于气象大数据的区域道路结冰高精度监测预警系统 | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
Park et al. | Introduction and application of non-stationary standardized precipitation index considering probability distribution function and return period | |
CN113554899B (zh) | 天气影响空中交通程度分析方法、装置、设备及存储介质 | |
CN108154271A (zh) | 一种基于空间相关性和曲面拟合的地面气温质量控制方法 | |
CN112381299A (zh) | 一种确定空气质量的方法及装置 | |
CN113177857A (zh) | 一种基于台风灾害预估的资源弹性调配方法 | |
JP2020134300A (ja) | 予測方法、予測プログラム及び情報処理装置 | |
CN112215416A (zh) | 智能规划巡检航线系统及方法 | |
CN113537846B (zh) | 基于气象灾害的输配电线路杆塔的风险分析方法及系统 | |
CN113284369B (zh) | 一种基于ads-b实测航路数据的预测方法 | |
CN116186493B (zh) | 基于数值模式校正的气象预报方法、装置、设备和介质 | |
CN117388951A (zh) | 梅雨预测方法、装置和设备 | |
Noor et al. | Prediction map of rainfall classification using random forest and inverse distance weighted (IDW) | |
CN115453661B (zh) | 气象预报方法、装置、设备以及存储介质 | |
CN108957594B (zh) | 一种商遥卫星轨道总云量预报修正方法及修正系统 | |
CN110941032A (zh) | 台风的预报方法、装置、设备和计算机可读存储介质 | |
CN113792992B (zh) | 一种基于遥感大数据的滑坡崩塌应急评价方法及系统 | |
CN113435630B (zh) | 一种产流模式自适应的流域水文预报方法及系统 | |
CN115758717A (zh) | 模拟亮温偏差的估算方法、装置、电子设备及存储介质 |
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 |