CN113823125A - 一种扇区动态划分方法 - Google Patents

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

一种扇区动态划分方法

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),…,B_k(x_k,y_k)，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),…,A_m(x_m,y_m)。

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；W_i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；Q_i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a_ij，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d_i，该扇区共有n′条边：

其中：V_i是扇区边界组成的向量，C_j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：

d_i≥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；

首先计算扇区状态影响因子W_s，设第i个扇区内航路航线数量为

该扇区内第ω条航路的长度为a，该航路宽度为b，则第i个扇区内的航路总面积

表示为：

设第i个扇区的总面积为S_i，则该扇区面积使用率σ_i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W_si为：

随后计算航路密集程度影响因子W_t，利用航路交叉角度表示航路密集程度，设第i个扇区内航路交叉点的数量为μ，扇区内第

个航路交叉角大小为α，则该扇区内交叉航路的影响程度τ_i为：

那么空域内航路航线的平均交叉程度为：

同时设第i个扇区内航路航线数量为

则该空域内航路航线数量的平均值

为：

由此得到该扇区密集程度影响因子

为：

随后计算航路交叉状态影响因子W_c，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：

那么空域内航路交叉点的平均繁忙程度为：

由此得到该扇区交叉状态因子W_ci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N_H，高度变化大于750fit的飞机数量为N_A，则第i个扇区内的动态复杂度DD_i表示为：

DD_i＝0.8×(N+N_A)+2.2×N_H

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W_i

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),…,B_k(x_k,y_k)，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),…,A_m(x_m,y_m)；

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；W_i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；Q_i为移动扇区边界移动前后的结构改变程度；Q_i计算主要考虑了形状相似度SM_s和大小相似度SM_a；

Q_i＝SM_s+SM_a

设权重系数k₁和k₂，并且令k₁+k₂＝1；SM_r为扇区形状比率相似度，SM_l为扇区周长相似度，SM_s计算方法如下：

SM_s＝k₁×SM_r+k₂×SM_l

其中：

W_i1、L_i1分别为扇区边界移动前最小外接矩形的长和宽；W_i2、L_i2分别为扇区边界移动后最小外接矩形的长和宽；

c_i1以及c_i2分别为扇区边界移动前后的周长，利用扇区边界移动前的坐标集合B₁(x₁,y₁),B₂(x₂,y₂),…,B_k(x_k,y_k)以及多边形周长公式：

同理可求出扇区边界移动后的周长c_i2；

随后计算

其中：S₁、S₂分别为扇区边界移动前后的面积，根据步骤四中多边形面积公式即可求出；

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a_ij，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d_i，该扇区共有n′条边：

其中：V_i是扇区边界组成的向量，C_j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：

d_i≥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。

5.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)，…，B_k(x_k，y_k)，利用公式

计算出空域总面积S。

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)，…，A_m(x_m，y_m)。

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；W_i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；Q_i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a_ij，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d_i，该扇区共有n′条边：

其中：V_i是扇区边界组成的向量，C_j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：

d_i≥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。

Images