CN113822564A - 一种空域仿真分析的飞行计划最小样本量确认方法及装置 - Google Patents
一种空域仿真分析的飞行计划最小样本量确认方法及装置 Download PDFInfo
- Publication number
- CN113822564A CN113822564A CN202111088691.1A CN202111088691A CN113822564A CN 113822564 A CN113822564 A CN 113822564A CN 202111088691 A CN202111088691 A CN 202111088691A CN 113822564 A CN113822564 A CN 113822564A
- Authority
- CN
- China
- Prior art keywords
- correlation
- sample size
- correlation coefficient
- minimum sample
- weeks
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012790 confirmation Methods 0.000 title claims description 8
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000010006 flight Effects 0.000 claims description 2
- 238000005094 computer simulation Methods 0.000 abstract description 8
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 230000001419 dependent effect Effects 0.000 description 5
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
一种空域仿真分析的飞行计划最小样本量确认方法及装置，能够在工作量和精确性之间寻找平衡点，为空域仿真建模和评估分析提供数据基础，可以推广到空域评估的事后分析，利用空管监视历史数据评估空域运行状态时，采集规模合理、精度适当的空管监视数据进行分析。方法包括：(1)计算扇区评估指标的皮尔森相关系数；(2)分析相关系数差异确定最小样本量：分析一周内每一天的评估指标相关系数，分析四周内每一周的评估指标相关系数，分析四周内每两周的评估指标相关系数，通过某区域管制扇区一天、一周、两周、三周的空域仿真评估指标的皮尔斯相关系数分析对比确定最小样本量。
Description
技术领域
本发明涉及民航数据处理的技术领域，尤其涉及一种空域仿真分析的飞行计划最小样本量确认方法，以及一种空域仿真分析的飞行计划最小样本量确认装置，其在工作量和精确性之间寻找平衡点，为空域仿真建模和评估分析提供数据基础。
背景技术
样本容量是指一个样本中所包含的单位数。样本容量的确定很重要，因为样本容量太大，会造成资源的浪费；样本容量太小，会使误差太大，与实际情况不符，影响研究的正确性。最小样本量是指基于研究能够提供的资源，为了满足研究目的所需要的样本容量的下限。
出于估计与预测的精准性、假设检验的可靠性，一般的数理统计教程都对最小样本量的确定有系统性分析。这些教程指出最小样本量不取决于样本的多少，而取决于(1)研究对象的变化程度；(2)所要求或允许的误差(即精度要求)；(3)要求推断的置信程度。
因此，当研究对象越复杂，差异越大时，样本容量要求越大；当要求的精度越高，可推断性要求越高时，样本容量越大。确定样本容量的大小是比较复杂的问题，既要有定性的考虑也要有定量的考虑。中国民用航空局空中交通管理局在2009年12月1日发布了《空域建模与评估实施方法指导材料》。该指导材料在建立基准模型的输入数据步骤中要求：“必须要有完善的数据”，“数据提供得越完整，仿真模型的过程就越精准”。这些文件提出确定最小样本量的原则和空域仿真建模对数据的要求，但是存在以下问题：
1.专业的样本容量确定方法非常复杂，涉及的数据庞杂、步骤繁多、计算量大，确定样本容量本身就是数学的一个研究方向，探索性的方法不适用于空域建模的日常操作。
空域建模对仿真输入数据的要求主要是数据内容方面，但是对数据多少的要求，尤其是飞行计划数据的样本量，只提出原则性要求，没有量化标准和具体方法。
发明内容
为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种空域仿真分析的飞行计划最小样本量确认方法，其能够在工作量和精确性之间寻找平衡点，为空域仿真建模和评估分析提供数据基础，可以推广到空域评估的事后分析，利用空管监视历史数据评估空域运行状态时，采集规模合理、精度适当的空管监视数据进行分析。
本发明的技术方案是：这种空域仿真分析的飞行计划最小样本量确认方法，其包括以下步骤：
(1)计算扇区评估指标的皮尔森相关系数
其中r反映两个变量X和Y的线性相关程度，r值介于-1到1之间，绝对值越大表明相关性越强；
(2)分析相关系数差异确定最小样本量：分析一周内每一天的评估指标相关系数，分析四周内每一周的评估指标相关系数，分析四周内每两周的评估指标相关系数，通过某区域管制扇区一天、一周、两周、三周的空域仿真评估指标的皮尔斯相关系数分析对比确定最小样本量。
本发明通过空域仿真评估指标之间的相关性分析，基于样本中的变量元素之间的相关关系不会因为样本容量的大小而改变的原则，寻找相关关系不变的样本容量下限，即最小样本量，在工作量和精确性之间寻找平衡点，为空域仿真建模和评估分析提供数据基础，通过空域仿真评估指标相关关系确定空域仿真建模中的飞行计划最小样本量，可以推广到空域评估的事后分析，利用空管监视历史数据评估空域运行状态时，采集规模合理、精度适当的空管监视数据进行分析。
还提供了一种空域仿真分析的飞行计划最小样本量确认装置，其包括：
皮尔森相关系数获取模块，其配置来计算扇区评估指标的皮尔森相关系数
其中r反映两个变量X和Y的线性相关程度，r值介于-1到1之间，
绝对值越大表明相关性越强；
数据处理模块，其配置来分析相关系数差异确定最小样本量：分析一周内每一天的评估指标相关系数，分析四周内每一周的评估指标相关系数，分析四周内每两周的评估指标相关系数，通过某区域管制扇区一天、一周、两周、三周的空域仿真评估指标的皮尔斯相关系数分析对比确定最小样本量。
附图说明
图1所示为根据本发明的空域仿真分析的飞行计划最小样本量确认方法的整体流程图。
图2所示为根据本发明的步骤(2)的一个具体实施例的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了使本揭示内容的叙述更加详尽与完备，下文针对本发明的实施方式与具体实施例提出了说明性的描述；但这并非实施或运用本发明具体实施例的唯一形式。实施方式中涵盖了多个具体实施例的特征以及用以建构与操作这些具体实施例的方法步骤与其顺序。然而，亦可利用其它具体实施例来达成相同或均等的功能与步骤顺序。
首先下面给出本发明中使用到的技术名词的含义：
样本：观测或调查的一部分个体，总体是研究对象的全部。
样本容量：一个样本中所包含的单位数。
最小样本量：基于研究能够提供的资源，为了满足研究目的所需要的样本容量的下限。
相关性：两个变量的关联程度。
相关系数：研究变量之间线性相关程度的量。最早由统计学家卡尔·皮尔逊设计。相关系数有多种定义方式，较为常见的是皮尔逊相关系数。
皮尔逊相关系数：又称皮尔逊积矩相关系数，是用于度量两个变量之间的线性相关，其只介于-1与1之间。
正相关：自变量增大(减小)，因变量也跟着增大(减小)，两个变量变动方向相同。这种情况下，因变量和自变量的相关系数为正值，即正相关。
负相关：自变量增大(减小)，因变量反而减小(增大)，两个变量变动方向相反。这种情况下，因变量和自变量的相关系数为负值，即负相关。
不相关：自变量和因变量相互间没有线性关系，相关系数为0。
如图1所示，这种空域仿真分析的飞行计划最小样本量确认方法，其包括以下步骤：
(1)计算扇区评估指标的皮尔森相关系数
其中r反映两个变量X和Y的线性相关程度，r值介于-1到1之间，绝对值越大表明相关性越强；
(2)分析相关系数差异确定最小样本量：分析一周内每一天的评估指标相关系数，分析四周内每一周的评估指标相关系数，分析四周内每两周的评估指标相关系数，通过某区域管制扇区一天、一周、两周、三周的空域仿真评估指标的皮尔斯相关系数分析对比确定最小样本量(详见图2)。
本发明通过空域仿真评估指标之间的相关性分析，基于样本中的变量元素之间的相关关系不会因为样本容量的大小而改变的原则，寻找相关关系不变的样本容量下限，即最小样本量，在工作量和精确性之间寻找平衡点，为空域仿真建模和评估分析提供数据基础，通过空域仿真评估指标相关关系确定空域仿真建模中的飞行计划最小样本量，可以推广到空域评估的事后分析，利用空管监视历史数据评估空域运行状态时，采集规模合理、精度适当的空管监视数据进行分析。
优选地，所述步骤(1)中，不同颜色表示皮尔森系数的大小：数值为正，颜色越蓝表示正相关，数值为负，颜色越红表示负相关。
优选地，所述步骤(2)中，一周内每天指标之间相关系数为：流量与最大航空器架次0.59-0.93，工作负荷与方向变化0.24-0.83，最大航空器架次与延误架次-0.3-0.63，平均延误时间与潜在冲突-0.47-0.78。
优选地，所述步骤(2)中，一周的指标之间相关性差别小，相关系数相差最大0.62，相关系数四周方差0.25。
优选地，所述步骤(2)中，每两周指标的相关系数的指标之间相关性差别小，相关系数相差最大0.49，相关系数四周方差0.12。
优选地，所述步骤(2)中，确定最小样本量是一周。
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步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括上述实施例方法的各步骤，而所述的存储介质可以是：ROM/RAM、磁碟、光盘、存储卡等。因此，与本发明的方法相对应的，本发明还同时包括一种空域仿真分析的飞行计划最小样本量确认装置，该装置通常以与方法各步骤相对应的功能模块的形式表示。该装置包括：
皮尔森相关系数获取模块，其配置来计算扇区评估指标的皮尔森相关系数
其中r反映两个变量X和Y的线性相关程度，r值介于-1到1之间，
绝对值越大表明相关性越强；
数据处理模块，其配置来分析相关系数差异确定最小样本量：分析一周内每一天的评估指标相关系数，分析四周内每一周的评估指标相关系数，分析四周内每两周的评估指标相关系数，通过某区域管制扇区一天、一周、两周、三周的空域仿真评估指标的皮尔斯相关系数分析对比确定最小样本量。
优选地，所述皮尔森相关系数获取模块中，不同颜色表示皮尔森系数的大小：数值为正，颜色越蓝表示正相关，数值为负，颜色越红表示负相关。
优选地，所述数据处理模块中，确定最小样本量是一周。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属本发明技术方案的保护范围。
Claims (9)
1.一种空域仿真分析的飞行计划最小样本量确认方法，其特征在于：
其包括以下步骤：
(1)计算扇区评估指标的皮尔森相关系数
其中r反映两个变量X和Y的线性相关程度，r值介于-1到1之间，绝对值越大表明相关性越强；
(2)分析相关系数差异确定最小样本量：分析一周内每一天的评估指标相关系数，分析四周内每一周的评估指标相关系数，分析四周内每两周的评估指标相关系数，通过某区域管制扇区一天、一周、两周、三周的空域仿真评估指标的皮尔斯相关系数分析对比确定最小样本量。
2.根据权利要求1所述的空域仿真分析的飞行计划最小样本量确认方法，其特征在于：所述步骤(1)中，不同颜色表示皮尔森系数的大小：数值为正，颜色越蓝表示正相关，数值为负，颜色越红表示负相关。
3.根据权利要求2所述的空域仿真分析的飞行计划最小样本量确认方法，其特征在于：所述步骤(2)中，一周内每天指标之间相关系数为：流量与最大航空器架次0.59-0.93，工作负荷与方向变化0.24-0.83，最大航空器架次与延误架次-0.3-0.63，平均延误时间与潜在冲突-0.47-0.78。
4.根据权利要求3所述的空域仿真分析的飞行计划最小样本量确认方法，其特征在于：所述步骤(2)中，一周的指标之间相关性差别小，相关系数相差最大0.62，相关系数四周方差0.25。
5.根据权利要求4所述的空域仿真分析的飞行计划最小样本量确认方法，其特征在于：所述步骤(2)中，每两周指标的相关系数的指标之间相关性差别小，相关系数相差最大0.49，相关系数四周方差0.12。
6.根据权利要求5所述的空域仿真分析的飞行计划最小样本量确认方法，其特征在于：所述步骤(2)中，确定最小样本量是一周。
7.一种空域仿真分析的飞行计划最小样本量确认装置，其特征在于：
其包括：
皮尔森相关系数获取模块，其配置来计算扇区评估指标的皮尔森相关系数
其中r反映两个变量X和Y的线性相关程度，r值介于-1到1之间，绝对值越大表明相关性越强；
数据处理模块，其配置来分析相关系数差异确定最小样本量：分析一周内每一天的评估指标相关系数，分析四周内每一周的评估指标相关系数，分析四周内每两周的评估指标相关系数，通过某区域管制扇区一天、一周、两周、三周的空域仿真评估指标的皮尔斯相关系数分析对比确定最小样本量。
8.根据权利要求7所述的空域仿真分析的飞行计划最小样本量确认装置，其特征在于：所述皮尔森相关系数获取模块中，不同颜色表示皮尔森系数的大小：数值为正，颜色越蓝表示正相关，数值为负，颜色越红表示负相关。
9.根据权利要求8所述的空域仿真分析的飞行计划最小样本量确认装置，其特征在于：所述数据处理模块中，确定最小样本量是一周。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111088691.1A CN113822564A (zh) | 2021-09-16 | 2021-09-16 | 一种空域仿真分析的飞行计划最小样本量确认方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111088691.1A CN113822564A (zh) | 2021-09-16 | 2021-09-16 | 一种空域仿真分析的飞行计划最小样本量确认方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113822564A true CN113822564A (zh) | 2021-12-21 |
Family
ID=78922179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111088691.1A Pending CN113822564A (zh) | 2021-09-16 | 2021-09-16 | 一种空域仿真分析的飞行计划最小样本量确认方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113822564A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115170006A (zh) * | 2022-09-08 | 2022-10-11 | 南方科技大学 | 发车调度方法、装置、设备和存储介质 |
-
2021
- 2021-09-16 CN CN202111088691.1A patent/CN113822564A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115170006A (zh) * | 2022-09-08 | 2022-10-11 | 南方科技大学 | 发车调度方法、装置、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tong et al. | A novel deep learning method for aircraft landing speed prediction based on cloud-based sensor data | |
| CN114168906B (zh) | 一种基于云计算的测绘地理信息数据采集系统 | |
| CN106294344A (zh) | 视频检索方法和装置 | |
| CN106776982A (zh) | 一种采用机器学习的社交媒体情感分析方法 | |
| CN108520249A (zh) | 一种细胞分类器的构建方法、装置及系统 | |
| CN111105628A (zh) | 一种停车场画像构建方法和装置 | |
| CN102298663A (zh) | 中医自动识别证型的检测方法 | |
| CN106779224A (zh) | 一种预测高考录取概率的方法及系统 | |
| Lomax | Introduction to structural equation modeling | |
| CN113688558A (zh) | 一种基于大数据库样本的汽车行驶工况构建方法及系统 | |
| CN104866863A (zh) | 一种生物标志物筛选方法 | |
| CN112149922A (zh) | 高速公路隧道下行线出入口区域事故严重程度预测方法 | |
| CN116109195A (zh) | 一种基于图卷积神经网络的绩效评估方法及系统 | |
| CN115312183A (zh) | 医学检验报告智能解读方法及系统 | |
| CN114493380B (zh) | 一种基于大数据的标本生物信息分析验证系统 | |
| US20230418894A1 (en) | Input method and apparatus based on sample-probability quantization, and electronic device | |
| CN113822564A (zh) | 一种空域仿真分析的飞行计划最小样本量确认方法及装置 | |
| CN113177644A (zh) | 一种基于词嵌入和深度时序模型的自动建模系统 | |
| CN110059749B (zh) | 重要特征的筛选方法、装置及电子设备 | |
| CN116307792B (zh) | 一种面向城市体检主题场景的评估方法及装置 | |
| CN111369294A (zh) | 软件造价估算方法及装置 | |
| CN115659239A (zh) | 基于特征提取强化的高鲁棒性异质图节点分类方法及系统 | |
| CN113808393A (zh) | 一种消除混杂控制对象影响的方法 | |
| CN103164531A (zh) | 基于模糊优先级的二阶段实例层数据集成方法 | |
| CN112507658A (zh) | 一种预测模型生成、检测数据归一化的方法、装置及设备 |
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 |