CN113823125A - 一种扇区动态划分方法 - Google Patents
一种扇区动态划分方法 Download PDFInfo
- Publication number
- CN113823125A CN113823125A CN202111181671.9A CN202111181671A CN113823125A CN 113823125 A CN113823125 A CN 113823125A CN 202111181671 A CN202111181671 A CN 202111181671A CN 113823125 A CN113823125 A CN 113823125A
- Authority
- CN
- China
- Prior art keywords
- sector
- complexity
- airspace
- route
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0043—Traffic management of multiple aircrafts from the ground
Abstract
本发明公开了一种扇区动态划分方法,涉及民航空域扇区划分技术领域,本发明包括扇区动态划分方法;本发明以平衡扇区复杂度为目标的同时降低各扇区复杂度;同时要保证空域形状不变,扇区为凸边形,航路交叉点不临近扇区边缘等条件,对扇区边缘进行部分调整;相比于合并和重新划分的动态划分方法,本方法对扇区调整相对较小,管制员适应性更强;本发明通过建立正六边形网络,得到各正六边形的中心点;使扇区顶点基于正六边形中心点进行移动,进而改变扇区复杂度;并在移动的同时重新计算各扇区复杂度值进行评估,进而得到最终结果;本方法缩小了扇区边缘调整范围,缩短了调整时间,使扇区复杂度更快的达到均衡。
Description
技术领域
本发明涉及民航空域扇区划分技术领域,尤其涉及一种扇区动态划分方法。
背景技术
随着我国民航业的迅猛发展,航班量和旅客吞吐量逐年递增,不断增长的客运量使空域资源“管制复杂度”与“管制员能力”不匹配的问题日益突出。管制扇区设计技术,作为空域管理的重要技术之一,是改善空域结构、合理配置空域资源的关键手段。
虽然目前我国已经制定了空域规划方法和原则,但是空域态势越发复杂并且空域状态多变,扇区的结构总是受限于现有扇区的分割和合并,目前并未出现进行基础布局的自动化调整的方法;因此,为了平衡管制员的工作负荷以及增加空域流量、保证空中交通安全,亟需实现扇区的动态划分方法,为提升枢纽运营水平提供关键支撑。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的一种扇区动态划分方法。
为了实现上述目的,本发明采用了如下技术方案:
一种扇区动态划分方法,包括扇区动态划分方法,其步骤如下:
获取N天的扇区数据、航路数据;
对各项数据进行数据清洗,提取并计算所需字段;
计算各扇区复杂度;
计算空域内各扇区面积;
将空域划分为正六边形网络;
基于网络建立线性规划模型;
利用分支定界法求解线性规划模型。
优选地,获取全国N天的航迹和扇区数据,共同构成全国空域复杂度运行数据;
扇区数据主要包括以下字段:扇区面积、扇区交叉点个数、扇区交叉点密度、航路穿过扇区次数、航路交叉点到扇区边界的距离、扇区最短穿越时间、扇区各顶点坐标。
优选地,每天24小时各时间段的交通密度、航向变化大于15°的飞机数量、高度变化大于750fit的飞机数量,对扇区表数据进行数据清洗,删除异常值;
其中航迹数据表中主要包括以下字段:航路坐标、航路长度和宽度、航路交叉点;对海量航迹原始数据进行数据清洗,删除异常值。
优选地,考虑扇区状态、航路密集程度、航路交叉状态对空域交通复杂度的影响,建立空域扇区复杂度模型,采用加权的方法计算空域中n个预设扇区总复杂度值TC。
优选地,利用步骤一中得到的扇区各顶点经纬度坐标集合B,其中集合中共有k个顶点B1(x1,y1),B2(x2,y2),…,Bk(xk,yk),利用公式
计算出空域总面积S。
优选地,选出空域边缘上任意一点为起始点,以该点作为第一个正六边形中心点,设每一正六边形边长为450km,以此将现有空域划分为m个正六边形虚拟网格,并得到网络中正六边形各中心点坐标A1(x1,y1),A2(x2,y2),…,Am(xm,ym)。
优选地,首先扇区动态划分模型选用线性规划模型进行设计,为了降低和均衡各扇区复杂度,构建模型中目标函数如下:
其中:n为划分的扇区个数;i为空域内划分的第i(i=1,2,…,n)个扇区;Wi为移动扇区边界后;根据步骤三中相关公式得出的第i个扇区的复杂度,μ为指定空域内划设n个扇区的平均复杂度值,利用公式求出μ的值;Qi为移动扇区边界移动前后的结构改变程度;
接着考虑模型中的约束条件;首先提供合理的平均扇区穿越时间避免扇区穿越时间过长,设飞机平均飞行速度为v,管制员进行扇区移交的时间为t,第i个扇区内航路航线数量为该扇区内第j条航路的长度为aij,根据步骤二中的航路长度,扇区平均穿越时间如下:
随后设航路交叉点与扇区边界的最小值为10NM,利用公式求得航路交叉点与第i个扇区边界的最短距离di,该扇区共有n′条边:
其中:Vi是扇区边界组成的向量,Cj是航路第j个交叉点与原点构成的向量,为避免航路交叉点过于靠近扇区边界,需满足约束条件:
di≥10NM(j=1,2,…n)
随后设新规划的第i个扇区边界点坐标集合为C,共有c′个顶点,为保证任意航路穿过同一扇区的次数为1,需满足约束条件:
随后设空域边界顶点坐标集合为E,共有v个顶点,新规划空域边界点坐标集合为B,共有v′个顶点,为保证扇区最外围形状不变,需满足约束条件:
优选地,利用CPLEX求解器对步骤六中的模型进行求解,考虑到正六边形中心点坐标数量有限,故调用的算法为分支定界法;
其中分支定界法是一种求解离散数据组合的最优化问题;通过分支求得不同的可行解,得到新的扇区顶点坐标集合;利用步骤三中的复杂度计算公式计算扇区复杂度,该可行解符合步骤六中约束条件,则此目标值为衡量其他分支的一个界限,并不再考虑比该值差的结果。
相比现有技术,本发明的有益效果为:
1、本发明综合分析了可能影响空域复杂度的因素,如:航路数量和面积、不允许航空器进入的面积、航路交叉角度等;分别计算扇区状态影响因子、航路密集程度影响因子、航路交叉状态影响因子;同时采用加权的方法对复杂度进行评估,更快的得到扇区复杂度值。
2、本发明以平衡扇区复杂度为目标的同时降低各扇区复杂度;同时要保证空域形状不变,扇区为凸边形,航路交叉点不临近扇区边缘等条件,对扇区边缘进行部分调整;相比于合并和重新划分的动态划分方法,本方法对扇区调整相对较小,管制员适应性更强。
3、本发明通过建立正六边形网络,得到各正六边形的中心点;使扇区顶点基于正六边形中心点进行移动,进而改变扇区复杂度;并在移动的同时重新计算各扇区复杂度值进行评估,进而得到最终结果;本方法缩小了扇区边缘调整范围,缩短了调整时间,使扇区复杂度更快的达到均衡。
附图说明
图1为本发明提出的一种扇区动态划分方法的步骤流程示意图;
图2为本发明提出的一种扇区动态划分方法的扇区边界移动示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
参照图1-2,一种扇区动态划分方法,包括扇区动态划分方法,其步骤如下:
步骤一:获取全国N天的航迹和扇区数据,共同构成全国空域复杂度运行数据;
扇区数据主要包括以下字段:扇区面积、扇区交叉点个数、扇区交叉点密度、航路穿过扇区次数、航路交叉点到扇区边界的距离、扇区最短穿越时间、扇区各顶点坐标;
步骤二:对各项数据进行数据清洗,提取并计算所需字段;
每天24小时各时间段的交通密度、航向变化大于15°的飞机数量、高度变化大于750fit的飞机数量,对扇区表数据进行数据清洗,删除异常值;
其中航迹数据表中主要包括以下字段:航路坐标、航路长度和宽度、航路交叉点;对海量航迹原始数据进行数据清洗,删除异常值;
步骤三:计算各扇区复杂度;
考虑扇区状态、航路密集程度、航路交叉状态对空域交通复杂度的影响,建立空域扇区复杂度模型,采用加权的方法计算空域中n个预设扇区总复杂度值TC;
设第i个扇区的总面积为Si,则该扇区面积使用率σi为:
那么空域内扇区面积的平均使用率为:
由此得到该扇区状态因子Wsi为:
那么空域内航路航线的平均交叉程度为:
随后计算航路交叉状态影响因子Wc,设第i个扇区内航路交叉点的数量为μ,其中第ω个交叉点连接的航路航线数量为ρ,每增加一条航路对该点复杂度的影响系数为x,则该扇区内交叉点繁忙程度为:
接着计算扇区动态复杂度DD,考虑航空器之间的迫近效应,设第i个扇区内某一时间段交通密度为N,航向变化大于15°的飞机数量为NH,高度变化大于750fit的飞机数量为NA,则第i个扇区内的动态复杂度DDi表示为:
DDi=0.8×(N+NA)+2.2×NH
最后依据以下公式得到所有扇区复杂度总值TC,以及第i个扇区当前复杂度Wi
步骤四:计算空域内各扇区面积;
利用步骤一中得到的扇区各顶点经纬度坐标集合B,其中集合中共有k个顶点B1(x1,y1),B2(x2,y2),…,Bk(xk,yk),利用公式
计算出空域总面积S;
步骤五:将空域划分为正六边形网络;
选出空域边缘上任意一点为起始点,以该点作为第一个正六边形中心点,设每一正六边形边长为450km,以此将现有空域划分为m个正六边形虚拟网格,并得到网络中正六边形各中心点坐标A1(x1,y1),A2(x2,y2),…,Am(xm,ym);
步骤六:基于网络建立线性规划模型;
首先扇区动态划分模型选用线性规划模型进行设计,为了降低和均衡各扇区复杂度,构建模型中目标函数如下:
其中:n为划分的扇区个数;i为空域内划分的第i(i=1,2,…,n)个扇区;Wi为移动扇区边界后;根据步骤三中相关公式得出的第i个扇区的复杂度,μ为指定空域内划设n个扇区的平均复杂度值,利用公式求出μ的值;Qi为移动扇区边界移动前后的结构改变程度;Qi计算主要考虑了形状相似度SMs和大小相似度SMa;
Qi=SMs+SMa
设权重系数k1和k2,并且令k1+k2=1;SMr为扇区形状比率相似度,SMl为扇区周长相似度,SMs计算方法如下:
SMs=k1×SMr+k2×SMl
同理可求出扇区边界移动后的周长ci2;
参照图2:其中B点所在直线为当前扇区原边界,设A点为正六边形中心点,B点为扇区原顶点,A点所在直线为修改后的扇区边界;
接着考虑模型中的约束条件;首先提供合理的平均扇区穿越时间避免扇区穿越时间过长,设飞机平均飞行速度为v,管制员进行扇区移交的时间为t,第i个扇区内航路航线数量为该扇区内第j条航路的长度为aij,根据步骤二中的航路长度,扇区平均穿越时间如下:
随后设航路交叉点与扇区边界的最小值为10NM,利用公式求得航路交叉点与第i个扇区边界的最短距离di,该扇区共有n′条边:
其中:Vi是扇区边界组成的向量,Cj是航路第j个交叉点与原点构成的向量,为避免航路交叉点过于靠近扇区边界,需满足约束条件:
di≥10NM(j=1,2,…n)
随后设新规划的第i个扇区边界点坐标集合为C,共有c′个顶点,为保证任意航路穿过同一扇区的次数为1,需满足约束条件:
随后设空域边界顶点坐标集合为E,共有v个顶点,新规划空域边界点坐标集合为B,共有v′个顶点,为保证扇区最外围形状不变,需满足约束条件:
步骤七:利用分支定界法求解线性规划模型;
利用CPLEX求解器对步骤六中的模型进行求解,考虑到正六边形中心点坐标数量有限,故调用的算法为分支定界法;
其中分支定界法是一种求解离散数据组合的最优化问题;通过分支求得不同的可行解,得到新的扇区顶点坐标集合;利用步骤三中的复杂度计算公式计算扇区复杂度,该可行解符合步骤六中约束条件,则此目标值为衡量其他分支的一个界限,并不再考虑比该值差的结果;在后续的计算过程中,不断选取更优的界限代替现有的界限,直到约束条件不被满足再停止该分支;当只有保留分支,其他分支都被排除时,此时保留下来的可行解即为最终扇区划分结果。
以上所述,仅为本发明较佳的具体实施方式,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,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种扇区动态划分方法,其特征在于,包括扇区动态划分方法,其步骤如下:
获取N天的扇区数据、航路数据;
对各项数据进行数据清洗,提取并计算所需字段;
计算各扇区复杂度;
计算空域内各扇区面积;
将空域划分为正六边形网络;
基于网络建立线性规划模型;
利用分支定界法求解线性规划模型。
2.根据权利要求1所述的一种扇区动态划分方法,其特征在于,获取全国N天的航迹和扇区数据,共同构成全国空域复杂度运行数据;
扇区数据主要包括以下字段:扇区面积、扇区交叉点个数、扇区交叉点密度、航路穿过扇区次数、航路交叉点到扇区边界的距离、扇区最短穿越时间、扇区各顶点坐标。
3.根据权利要求1所述的一种扇区动态划分方法,其特征在于,每天24小时各时间段的交通密度、航向变化大于15°的飞机数量、高度变化大于750fit的飞机数量,对扇区表数据进行数据清洗,删除异常值;
其中航迹数据表中主要包括以下字段:航路坐标、航路长度和宽度、航路交叉点;对海量航迹原始数据进行数据清洗,删除异常值。
4.根据权利要求1所述的一种扇区动态划分方法,其特征在于,考虑扇区状态、航路密集程度、航路交叉状态对空域交通复杂度的影响,建立空域扇区复杂度模型,采用加权的方法计算空域中n个预设扇区总复杂度值TC。
6.根据权利要求1所述的一种扇区动态划分方法,其特征在于,选出空域边缘上任意一点为起始点,以该点作为第一个正六边形中心点,设每一正六边形边长为450km,以此将现有空域划分为m个正六边形虚拟网格,并得到网络中正六边形各中心点坐标A1(x1,y1),A2(x2,y2),…,Am(xm,ym)。
7.根据权利要求1所述的一种扇区动态划分方法,其特征在于,首先扇区动态划分模型选用线性规划模型进行设计,为了降低和均衡各扇区复杂度,构建模型中目标函数如下:
其中:n为划分的扇区个数;i为空域内划分的第i(i=1,2,…,n)个扇区;Wi为移动扇区边界后;根据步骤三中相关公式得出的第i个扇区的复杂度,μ为指定空域内划设n个扇区的平均复杂度值,利用公式求出μ的值;Qi为移动扇区边界移动前后的结构改变程度;
接着考虑模型中的约束条件;首先提供合理的平均扇区穿越时间避免扇区穿越时间过长,设飞机平均飞行速度为v,管制员进行扇区移交的时间为t,第i个扇区内航路航线数量为该扇区内第j条航路的长度为aij,根据步骤二中的航路长度,扇区平均穿越时间如下:
随后设航路交叉点与扇区边界的最小值为10NM,利用公式求得航路交叉点与第i个扇区边界的最短距离di,该扇区共有n′条边:
其中:Vi是扇区边界组成的向量,Cj是航路第j个交叉点与原点构成的向量,为避免航路交叉点过于靠近扇区边界,需满足约束条件:
di≥10NM(j=1,2,…n)
随后设新规划的第i个扇区边界点坐标集合为C,共有c′个顶点,为保证任意航路穿过同一扇区的次数为1,需满足约束条件:
随后设空域边界顶点坐标集合为E,共有v个顶点,新规划空域边界点坐标集合为B,共有v′个顶点,为保证扇区最外围形状不变,需满足约束条件:
8.根据权利要求1所述的一种扇区动态划分方法,其特征在于,利用CPLEX求解器对步骤六中的模型进行求解,考虑到正六边形中心点坐标数量有限,故调用的算法为分支定界法;
其中分支定界法是一种求解离散数据组合的最优化问题;通过分支求得不同的可行解,得到新的扇区顶点坐标集合;利用步骤三中的复杂度计算公式计算扇区复杂度,该可行解符合步骤六中约束条件,则此目标值为衡量其他分支的一个界限,并不再考虑比该值差的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111181671.9A CN113823125A (zh) | 2021-10-11 | 2021-10-11 | 一种扇区动态划分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111181671.9A CN113823125A (zh) | 2021-10-11 | 2021-10-11 | 一种扇区动态划分方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113823125A true CN113823125A (zh) | 2021-12-21 |
Family
ID=78916324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111181671.9A Pending CN113823125A (zh) | 2021-10-11 | 2021-10-11 | 一种扇区动态划分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113823125A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923790A (zh) * | 2010-08-11 | 2010-12-22 | 清华大学 | 空中交通管制扇区动态调整系统及方法 |
CN102855778A (zh) * | 2012-09-10 | 2013-01-02 | 南京航空航天大学 | 一种基于复杂度评估的空域扇区分类方法 |
CN103226899A (zh) * | 2013-03-19 | 2013-07-31 | 北京工业大学 | 基于空中交通特征的空域扇区动态划分方法 |
CN106875755A (zh) * | 2017-02-28 | 2017-06-20 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 一种基于复杂度的空中交通冲突管理方法和装置 |
CN108389431A (zh) * | 2018-04-16 | 2018-08-10 | 山东职业学院 | 一种空域扇区划分方法 |
CN108564136A (zh) * | 2018-05-02 | 2018-09-21 | 北京航空航天大学 | 一种基于模糊推理的空域运行态势评估分类方法 |
-
2021
- 2021-10-11 CN CN202111181671.9A patent/CN113823125A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923790A (zh) * | 2010-08-11 | 2010-12-22 | 清华大学 | 空中交通管制扇区动态调整系统及方法 |
CN102855778A (zh) * | 2012-09-10 | 2013-01-02 | 南京航空航天大学 | 一种基于复杂度评估的空域扇区分类方法 |
CN103226899A (zh) * | 2013-03-19 | 2013-07-31 | 北京工业大学 | 基于空中交通特征的空域扇区动态划分方法 |
CN106875755A (zh) * | 2017-02-28 | 2017-06-20 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 一种基于复杂度的空中交通冲突管理方法和装置 |
CN108389431A (zh) * | 2018-04-16 | 2018-08-10 | 山东职业学院 | 一种空域扇区划分方法 |
CN108564136A (zh) * | 2018-05-02 | 2018-09-21 | 北京航空航天大学 | 一种基于模糊推理的空域运行态势评估分类方法 |
Non-Patent Citations (1)
Title |
---|
王莉莉;贾铧霏;: "基于复杂度分析的空域扇区划分" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112116830B (zh) | 一种基于空域网格化的无人机动态地理围栏规划方法 | |
CN110111608B (zh) | 基于雷达轨迹构建机坪场面运动目标运行意图识别的方法 | |
CN104751681B (zh) | 一种基于统计学习模型的停机位分配方法 | |
CN103473955A (zh) | 一种基于图论和谱聚类算法的终端扇区划分方法 | |
CN103456192A (zh) | 一种基于轨迹谱聚类的终端区盛行交通流识别方法 | |
CN106875755A (zh) | 一种基于复杂度的空中交通冲突管理方法和装置 | |
CN110990661B (zh) | 一种基于路网约束和密度聚类的兴趣区域出入口提取方法 | |
Marzuoli et al. | Data-based modeling and optimization of en route traffic | |
Chen et al. | Dynamic airspace configuration method based on a weighted graph model | |
CN111009155A (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 | |
JP2020077387A (ja) | 垂直飛行経路の最適化 | |
CN111968414B (zh) | 基于大数据和ai的4d轨迹预测方法、装置及电子设备 | |
RU2746058C9 (ru) | Способ и устройство управления воздушным движением | |
CN111508280A (zh) | 一种基于4d航迹的移动时隙航空管制方法 | |
CN115311902A (zh) | 一种基于多层时序网络的实时航路规划及优化方法 | |
CN106485429A (zh) | 一种无人机作业调度方法及装置 | |
CN115730425A (zh) | 一种基于改进生成树的无人机集群复杂区域均衡覆盖方法、系统、存储介质及终端 | |
CN105426605B (zh) | 多屏三维航迹及噪声等值线实时显示方法 | |
Dai et al. | Accessibility analysis of unmanned aerial vehicles near airports with a four-dimensional airspace management concept | |
CN113823125A (zh) | 一种扇区动态划分方法 | |
CN113435051A (zh) | 基于运行规则的机场场面分布式运行仿真方法及系统 | |
CN108133623B (zh) | 一种空中交叉点分级指标建立方法 | |
Du et al. | An intelligent recognition model for dynamic air traffic decision-making | |
Romano et al. | A static algorithm to solve the air traffic sequencing problem | |
CN114398695A (zh) | 基于栅格5d数据模型的机场场面路由规划处理方法 |
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 |