CN113838311B - 一种管制扇区的最优性能航班量分析方法及装置 - Google Patents
一种管制扇区的最优性能航班量分析方法及装置 Download PDFInfo
- Publication number
- CN113838311B CN113838311B CN202111088560.3A CN202111088560A CN113838311B CN 113838311 B CN113838311 B CN 113838311B CN 202111088560 A CN202111088560 A CN 202111088560A CN 113838311 B CN113838311 B CN 113838311B
- Authority
- CN
- China
- Prior art keywords
- flight
- index
- indexes
- simulation evaluation
- airspace
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0095—Aspects of air-traffic control not provided for in the other subgroups of this main group
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
一种管制扇区的最优性能航班量分析方法及装置,能够在综合考虑空域问题元素指标的基础上,分析扇区空域结构环境的扇区运行综合效果,寻找扇区运行的最优状态,为全面、量化和客观评价管制扇区提供技术手段,可以挖掘管制扇区空域环境的潜能,分析管制扇区运行现状距离最优状态的余量,从而提供未来航班增量的最佳方案。方法包括:(1)空域仿真评估指标分组:参考FAA和EUROCONTROL的指标,把评估指标分组;(2)仿真评估指标打分:基于原始仿真评估指标,进行Min‑Max标准化,对原始数据进行线性变换,将指标值映射到[0,1]之间;(3)绘制散点图和均值曲线图。
Description
技术领域
本发明涉及民航数据处理的技术领域,尤其涉及一种管制扇区的最优性能航班量分析方法,以及一种管制扇区的最优性能航班量分析装置,其用于寻找扇区运行的最优状态,提供未来航班增量的最佳方案。
背景技术
在空中交通管制系统中,管制扇区是航班飞行管制的基本单元。管制员为本扇区的航空器提供间隔服务,同时向下一扇区管制员移交即将离开本扇区的航空器。为了保障飞行阶段航班的安全性、减少航班延误和提高空域资源利用率,需要采用快速准确的方法评估区域管制扇区的运行状态,为空域规划和空域管理提供技术支持和辅助决策。
美国FAA的运行评价指标统一(FAA Harmonized Operational Metrics)对所有涉及运行性能的评价指标开展名称、定义、方法论的统一,这样使得评价方法和标准以及指标的报告得到统一。FAA开展的指标统一工作涉及环境、安全、效率、容量以及成本效益等几大领域。EUROTROL的2017PRR分析了2017年欧洲空域运行的性能评价,内容包括,安全、正点率和可预测性、容量和延误、飞行效率、环境影响,及成本效益分析,是对ATM系统总体性能情况的整体评价报告。这些空域评估指标涵盖空域运行的各个方面,而且分组也大致相同,但是存在以下问题:
1.这些空域评估指标只能从流量、安全、效率、成本等单方面评估空域运行,无法整体综合的评价空域运行情况。
2.这些空域评估指标适用于所有空域对象,包括机场、航路和管制扇区,评估指标虽然包含广泛,但是没有针对性,尤其对于管制扇区。
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管制扇区的最优性能航班量分析方法,其能够在综合考虑空域问题元素指标的基础上,分析扇区空域结构环境的扇区运行综合效果,寻找扇区运行的最优状态,为全面、量化和客观评价管制扇区提供技术手段,可以挖掘管制扇区空域环境的潜能,分析管制扇区运行现状距离最优状态的余量,从而提供未来航班增量的最佳方案。
本发明的技术方案是:这种管制扇区的最优性能航班量分析方法,其包括以下步骤:
(1)空域仿真评估指标分组:参考FAA和EUROCONTROL的指标,把评估指标分组;
(2)仿真评估指标打分:基于原始仿真评估指标,进行Min-Max标准化,对原始数据进行线性变换,将指标值映射到[0,1]之间;
(3)绘制散点图和均值曲线图:管制扇区内的航班飞行活动类比企业生产系统,结合空域仿真评估指标的生产力、复杂度、效率、安全、成本和环境,其中生产力指标包括飞行架次、有效飞行时间和有效飞行距离都是系统产出,而剩余的复杂度、效率、安全、成本和环境指标都是系统代价,把空域仿真评估指标按照流量、飞行时间、飞行距离、复杂度、效率、安全、成本和环境分类指标计算每类空域仿真评估指标的平均值,再按照八类指标相同的权重计算平均值,得到综合得分。
本发明通过管制扇区最优性能航班量的定义和计算方法,对空域评估特征指标的整合,发现空域资源使用问题,提升空域的容量和空中交通服务质量,降低空域运行的复杂度,能够在综合考虑空域问题元素指标的基础上,分析扇区空域结构环境的扇区运行综合效果,寻找扇区运行的最优状态,为全面、量化和客观评价管制扇区提供技术手段,可以挖掘管制扇区空域环境的潜能,分析管制扇区运行现状距离最优状态的余量,从而提供未来航班增量的最佳方案。
还提供了一种管制扇区的最优性能航班量分析装置,其包括:
空域仿真评估指标分组模块,其配置来参考FAA和EUROCONTROL的指标,把评估指标分组;
仿真评估指标打分模块,其配置来基于原始仿真评估指标,进行Min-Max标准化,对原始数据进行线性变换,将指标值映射到[0,1]之间;
绘制散点图和均值曲线图模块,管制扇区内的航班飞行活动类比企业生产系统,结合空域仿真评估指标的生产力、复杂度、效率、安全、成本和环境,其中生产力指标包括飞行架次、有效飞行时间和有效飞行距离都是系统产出,而剩余的复杂度、效率、安全、成本和环境指标都是系统代价,把空域仿真评估指标按照流量、飞行时间、飞行距离、复杂度、效率、安全、成本和环境分类指标计算每类空域仿真评估指标的平均值,再按照八类指标相同的权重计算平均值,得到综合得分。
附图说明
图1所示为根据本发明的管制扇区的最优性能航班量分析方法的整体流程图。
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:
扇区最优性能航班量:综合考虑空域问题元素指标(复杂度、效率、成本、安全、环境、生产力),通过仿真建模来模拟扇区不同航班量的运行,计算分析扇区空域结构环境下所对应的扇区运行综合效果最优的平均高峰航班量,既扇区最优性能航班量。
正向指标的取值越大越好,比如流量、有效飞行时间、有效飞行距离、平均飞行速度和直线系数。
反向指标是指对管制扇区运行起到消极作用的指标组成,指标的取值越小越好,比如延误、成本、费用、冲突、负荷和油耗等等。
扇区流量:单位时间(1小时)管制扇区范围内的航班架次。
有效飞行时间:单位时间(1小时)管制扇区的航班的有效飞行时间(剔除延误时间后的飞行时间)。
有效飞行距离:单位时间(1小时)管制扇区的航班的有效飞行距离(航班的开始点和结束点之间的直线距离)。
潜在冲突:单位时间(1小时)管制扇区的潜在飞行冲突次数。
冲突解脱:单位时间(1小时)管制扇区的飞行冲突解脱次数。
实际冲突:单位时间(1小时)管制扇区的实际飞行冲突次数。
工作负荷:单位时间(1小时)内管制扇区的管制员工作负荷总和。
扇区最大航空器架次:瞬时(1分钟内)管制扇区同时存在最多航空器数量。
平均飞行速度:单位时间(1小时)管制扇区的航班的平均飞行速度。
平均飞行时间:单位时间(1小时)管制扇区的航班的平均飞行时间。
平均飞行距离:单位时间(1小时)管制扇区的航班的平均飞行距离。
直线系数:单位时间(1小时)管制扇区的航班的直线距离与飞行距离的比值。
平均延误时间:单位时间(1小时)管制扇区的航班的平均延误时间。
延误时间比重:单位时间(1小时)管制扇区的航班的延误时间与飞行时间的比重。
延误率:单位时间(1小时)管制扇区的延误航班与总航班的比率。
延误方差:单位时间(1小时)管制扇区的延误航班的延误时间方差。
每千米油耗:单位时间(1小时)管制扇区的航班的飞行1千米的平均燃油消耗。
飞行时间:单位时间(1小时)管制扇区的航班的飞行时间总和。
飞行距离:单位时间(1小时)管制扇区的航班的飞行距离总和。
延误时间:单位时间(1小时)管制扇区的航班的延误时间总和。
燃油消耗:单位时间(1小时)管制扇区的航班的燃油消耗总和。
平均油耗:单位时间(1小时)管制扇区的航班的平均燃油消耗。
速度变化次数:单位时间(1小时)管制扇区的航班的速度变化次数总和。
高度变化次数:单位时间(1小时)管制扇区的航班的高度变化次数总和。
方向变化次数:单位时间(1小时)管制扇区的航班的方向变化次数总和。
如图1所示,这种管制扇区的最优性能航班量分析方法,其包括以下步骤:
(1)空域仿真评估指标分组:参考FAA和EUROCONTROL的指标,把评估指标分组;
(2)仿真评估指标打分:基于原始仿真评估指标,进行Min-Max标准化,对原始数据进行线性变换,将指标值映射到[0,1]之间;
(3)绘制散点图和均值曲线图:管制扇区内的航班飞行活动类比企业生产系统,结合空域仿真评估指标的生产力、复杂度、效率、安全、成本和环境,其中生产力指标包括飞行架次、有效飞行时间和有效飞行距离都是系统产出,而剩余的复杂度、效率、安全、成本和环境指标都是系统代价,把空域仿真评估指标按照流量、飞行时间、飞行距离、复杂度、效率、安全、成本和环境分类指标计算每类空域仿真评估指标的平均值,再按照八类指标相同的权重计算平均值,得到综合得分。
本发明通过管制扇区最优性能航班量的定义和计算方法,对空域评估特征指标的整合,发现空域资源使用问题,提升空域的容量和空中交通服务质量,降低空域运行的复杂度,能够在综合考虑空域问题元素指标的基础上,分析扇区空域结构环境的扇区运行综合效果,寻找扇区运行的最优状态,为全面、量化和客观评价管制扇区提供技术手段,可以挖掘管制扇区空域环境的潜能,分析管制扇区运行现状距离最优状态的余量,从而提供未来航班增量的最佳方案。
优选地,所述步骤(1)中,把评估指标分组为:
生产力:流量、有效飞行时间、有效飞行距离;
安全:潜在冲突、冲突解脱、实际冲突、工作负荷、最大航空器架次;
复杂度:速度变化次数、高度变化次数、方向变化次数;
效率:平均飞行速度、平均飞行时间、平均飞行距离、直线系数、平均延误时间、延误时间比重、延误率、延误方差、每千米油耗;
成本:飞行时间、飞行距离、延误时间;
环境:燃油消耗、平均油耗。
优选地,所述步骤(2)中,在管制扇区仿真模型中仿真增减量的飞行计划,确定最小样本量为一周,仿真高峰时段50%至200%的16套飞行计划中航班运行,记录每一套飞行计划每天5小时7天共计35个小时的原始仿真结果,根据空域仿真评估指标的定义计算每一套飞行计划的35个时段仿真评估指标和均值。
优选地,所述步骤(2)包括以下分步骤:
(2.1)基于16套增减量飞行计划的35个小时空域仿真评估指标组成的样本库,样本量为16ⅹ35=560,针对每个空域仿真评估指标先求出最大值Max和最小值Min;
(2.2)根据空域仿真评估指标的含义把指标分成两类:正向指标和反向指标,正向指标是指指标的取值越大越好,包括:流量、有效飞行时间、有效飞行距离、平均飞行速度和直线系数,而反向指标是指指标的取值越小越好,包括:延误、成本、费用、冲突、负荷和油耗;正向指标的标准化打分=(指标-Min)/(Max-Min)ⅹ100,而反向指标的标准化打分=(Max-指标)/(Max-Min)ⅹ100;
(2.3)根据每套增减量飞行计划的35个小时的空域仿真评估指标标准分,计算该飞行计划的每个空域仿真评估指标标准分的均值。
优选地,所述步骤(3)中,最小样本量为一周,计算50%至200%增减量飞行计划的560小时的空域仿真评估指标分类指标得分和综合得分,在横坐标为流量纵坐标为综合得分的图上绘制560个时段的流量与综合得分散点图,以及每套飞行计划的流量与综合得分的曲线图;对比50%至200%的16套增减量飞行计划的综合得分,综合得分最高对应的飞行计划的流量均值为管制扇区最优性能航班量。
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管制扇区的最优性能航班量分析装置,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:
空域仿真评估指标分组模块,其配置来参考FAA和EUROCONTROL的指标,把评估指标分组;
仿真评估指标打分模块,其配置来基于原始仿真评估指标,进行Min-Max标准化,对原始数据进行线性变换,将指标值映射到[0,1]之间;
绘制散点图和均值曲线图模块,管制扇区内的航班飞行活动类比企业生产系统,结合空域仿真评估指标的生产力、复杂度、效率、安全、成本和环境,其中生产力指标包括飞行架次、有效飞行时间和有效飞行距离都是系统产出,而剩余的复杂度、效率、安全、成本和环境指标都是系统代价,把空域仿真评估指标按照流量、飞行时间、飞行距离、复杂度、效率、安全、成本和环境分类指标计算每类空域仿真评估指标的平均值,再按照八类指标相同的权重计算平均值,得到综合得分。
优选地,所述空域仿真评估指标分组模块中,把评估指标分组为:
生产力:流量、有效飞行时间、有效飞行距离;
安全:潜在冲突、冲突解脱、实际冲突、工作负荷、最大航空器架次;
复杂度:速度变化次数、高度变化次数、方向变化次数;
效率:平均飞行速度、平均飞行时间、平均飞行距离、直线系数、平均延误时间、延误时间比重、延误率、延误方差、每千米油耗;
成本:飞行时间、飞行距离、延误时间;
环境:燃油消耗、平均油耗。
优选地,所述仿真评估指标打分模块中,在管制扇区仿真模型中仿真增减量的飞行计划,确定最小样本量为一周,仿真高峰时段50%至200%的16套飞行计划中航班运行,记录每一套飞行计划每天5小时7天共计35个小时的原始仿真结果,根据空域仿真评估指标的定义计算每一套飞行计划的35个时段仿真评估指标和均值。
优选地,所述仿真评估指标打分模块执行以下步骤:
(2.1)基于16套增减量飞行计划的35个小时空域仿真评估指标组成的样本库,样本量为16ⅹ35=560,针对每个空域仿真评估指标先求出最大值Max和最小值Min;
(2.2)根据空域仿真评估指标的含义把指标分成两类:正向指标和反向指标,正向指标是指指标的取值越大越好,包括:流量、有效飞行时间、有效飞行距离、平均飞行速度和直线系数,而反向指标是指指标的取值越小越好,包括:延误、成本、费用、冲突、负荷和油耗;正向指标的标准化打分=(指标-Min)/(Max-Min)ⅹ100,而反向指标的标准化打分=(Max-指标)/(Max-Min)ⅹ100;
(2.3)根据每套增减量飞行计划的35个小时的空域仿真评估指标标准分,计算该飞行计划的每个空域仿真评估指标标准分的均值。
优选地,所述绘制散点图和均值曲线图模块中,最小样本量为一周,计算50%至200%增减量飞行计划的560小时的空域仿真评估指标分类指标得分和综合得分,在横坐标为流量纵坐标为综合得分的图上绘制560个时段的流量与综合得分散点图,以及每套飞行计划的流量与综合得分的曲线图;对比50%至200%的16套增减量飞行计划的综合得分,综合得分最高对应的飞行计划的流量均值为管制扇区最优性能航班量。
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 (2)
1.一种管制扇区的最优性能航班量分析方法,其特征在于:其包括以下步骤:
(1)空域仿真评估指标分组:参考FAA和EUROCONTROL的指标,把评估指标分组;
(2)仿真评估指标打分:基于原始仿真评估指标,进行Min-Max标准化,对原始数据进行线性变换,将指标值映射到[0,1]之间;
(3)绘制散点图和均值曲线图:管制扇区内的航班飞行活动类比企业生产系统,结合空域仿真评估指标的生产力、复杂度、效率、安全、成本和环境,其中生产力指标包括飞行架次、有效飞行时间和有效飞行距离都是系统产出,而剩余的复杂度、效率、安全、成本和环境指标都是系统代价,把空域仿真评估指标按照流量、飞行时间、飞行距离、复杂度、效率、安全、成本和环境分类指标计算每类空域仿真评估指标的平均值,再按照八类指标相同的权重计算平均值,得到综合得分;
所述步骤(1)中,把评估指标分组为:
生产力:流量、有效飞行时间、有效飞行距离;
安全:潜在冲突、冲突解脱、实际冲突、工作负荷、最大航空器架次;
复杂度:速度变化次数、高度变化次数、方向变化次数;
效率:平均飞行速度、平均飞行时间、平均飞行距离、直线系数、平均延误时间、延误时间比重、延误率、延误方差、每千米油耗;
成本:飞行时间、飞行距离、延误时间;
环境:燃油消耗、平均油耗;
所述步骤(2)中,在管制扇区仿真模型中仿真增减量的飞行计划,确定最小样本量为一周,仿真高峰时段50%至200%的16套飞行计划中航班运行,记录每一套飞行计划每天5小时7天共计35个小时的原始仿真结果,根据空域仿真评估指标的定义计算每一套飞行计划的35个时段仿真评估指标和均值;
所述步骤(2)包括以下分步骤:
(2.1)基于16套增减量飞行计划的35个小时空域仿真评估指标组成的样本库,样本量为16ⅹ35=560,针对每个空域仿真评估指标先求出最大值Max和最小值Min;
(2.2)根据空域仿真评估指标的含义把指标分成两类:正向指标和反向指标,正向指标是指指标的取值越大越好,包括:流量、有效飞行时间、有效飞行距离、平均飞行速度和直线系数,而反向指标是指指标的取值越小越好,包括:延误、成本、费用、冲突、负荷和油耗;正向指标的标准化打分=(指标-Min)/(Max-Min)ⅹ100,而反向指标的标准化打分=(Max-指标)/(Max-Min)ⅹ100;
(2.3)根据每套增减量飞行计划的35个小时的空域仿真评估指标标准分,计算该飞行计划的每个空域仿真评估指标标准分的均值;
所述步骤(3)中,最小样本量为一周,计算50%至200%增减量飞行计划的560小时的空域仿真评估指标分类指标得分和综合得分,在横坐标为流量纵坐标为综合得分的图上绘制560个时段的流量与综合得分散点图,以及每套飞行计划的流量与综合得分的曲线图;对比50%至200%的16套增减量飞行计划的综合得分,综合得分最高对应的飞行计划的流量均值为管制扇区最优性能航班量。
2.一种管制扇区的最优性能航班量分析装置,其特征在于:其包括:空域仿真评估指标分组模块,其配置来参考FAA和EUROCONTROL的指标,把评估指标分组;
仿真评估指标打分模块,其配置来基于原始仿真评估指标,进行Min-Max标准化,对原始数据进行线性变换,将指标值映射到[0,1]之间;
绘制散点图和均值曲线图模块,管制扇区内的航班飞行活动类比企业生产系统,结合空域仿真评估指标的生产力、复杂度、效率、安全、成本和环境,其中生产力指标包括飞行架次、有效飞行时间和有效飞行距离都是系统产出,而剩余的复杂度、效率、安全、成本和环境指标都是系统代价,把空域仿真评估指标按照流量、飞行时间、飞行距离、复杂度、效率、安全、成本和环境分类指标计算每类空域仿真评估指标的平均值,再按照八类指标相同的权重计算平均值,得到综合得分;
所述空域仿真评估指标分组模块中,把评估指标分组为:
生产力:流量、有效飞行时间、有效飞行距离;
安全:潜在冲突、冲突解脱、实际冲突、工作负荷、最大航空器架次;
复杂度:速度变化次数、高度变化次数、方向变化次数;
效率:平均飞行速度、平均飞行时间、平均飞行距离、直线系数、平均延误时间、延误时间比重、延误率、延误方差、每千米油耗;成本:飞行时间、飞行距离、延误时间;
环境:燃油消耗、平均油耗;
所述仿真评估指标打分模块中,在管制扇区仿真模型中仿真增减量的飞行计划,确定最小样本量为一周,仿真高峰时段50%至200%的16套飞行计划中航班运行,记录每一套飞行计划每天5小时7天共计35个小时的原始仿真结果,根据空域仿真评估指标的定义计算每一套飞行计划的35个时段仿真评估指标和均值;
所述仿真评估指标打分模块执行以下步骤:
(2.1)基于16套增减量飞行计划的35个小时空域仿真评估指标组成的样本库,样本量为16ⅹ35=560,针对每个空域仿真评估指标先求出最大值Max和最小值Min;
(2.2)根据空域仿真评估指标的含义把指标分成两类:正向指标和反向指标,正向指标是指指标的取值越大越好,包括:流量、有效飞行时间、有效飞行距离、平均飞行速度和直线系数,
而反向指标是指指标的取值越小越好,包括:延误、成本、费用、冲突、负荷和油耗;正向指标的标准化打分=(指标-Min)/(Max-Min)ⅹ100,而反向指标的标准化打分=(Max-指标)/(Max-Min)ⅹ100;
(2.3)根据每套增减量飞行计划的35个小时的空域仿真评估指标标准分,计算该飞行计划的每个空域仿真评估指标标准分的均值;
所述绘制散点图和均值曲线图模块中,最小样本量为一周,计算50%至200%增减量飞行计划的560小时的空域仿真评估指标分类指标得分和综合得分,在横坐标为流量纵坐标为综合得分的图上绘制560个时段的流量与综合得分散点图,以及每套飞行计划的流量与综合得分的曲线图;对比50%至200%的16套增减量飞行计划的综合得分,综合得分最高对应的飞行计划的流量均值为管制扇区最优性能航班量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111088560.3A CN113838311B (zh) | 2021-09-16 | 2021-09-16 | 一种管制扇区的最优性能航班量分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111088560.3A CN113838311B (zh) | 2021-09-16 | 2021-09-16 | 一种管制扇区的最优性能航班量分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113838311A CN113838311A (zh) | 2021-12-24 |
CN113838311B true CN113838311B (zh) | 2023-09-05 |
Family
ID=78959642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111088560.3A Active CN113838311B (zh) | 2021-09-16 | 2021-09-16 | 一种管制扇区的最优性能航班量分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113838311B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000260000A (ja) * | 1999-03-05 | 2000-09-22 | Nec Corp | 航空交通流調整システム |
JP2000331300A (ja) * | 1999-05-24 | 2000-11-30 | Nec Software Kyushu Ltd | 航空交通流管理システム及び航空交通流管理方法 |
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 |
CN103473469A (zh) * | 2013-09-25 | 2013-12-25 | 南京航空航天大学 | 一种基于客观指标的扇区交通态势多层次模糊评价方法 |
CN106529835A (zh) * | 2016-12-07 | 2017-03-22 | 中国民用航空总局第二研究所 | 一种终端区日通行能力确定方法及装置 |
CN110866673A (zh) * | 2019-10-11 | 2020-03-06 | 南京航空航天大学 | 区域管制扇区数量估算方法 |
CN113362604A (zh) * | 2021-07-19 | 2021-09-07 | 中国电子科技集团公司第二十八研究所 | 一种基于扇区动态交通特征的管制员工作负荷评估方法 |
-
2021
- 2021-09-16 CN CN202111088560.3A patent/CN113838311B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000260000A (ja) * | 1999-03-05 | 2000-09-22 | Nec Corp | 航空交通流調整システム |
JP2000331300A (ja) * | 1999-05-24 | 2000-11-30 | Nec Software Kyushu Ltd | 航空交通流管理システム及び航空交通流管理方法 |
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 |
CN103473469A (zh) * | 2013-09-25 | 2013-12-25 | 南京航空航天大学 | 一种基于客观指标的扇区交通态势多层次模糊评价方法 |
CN106529835A (zh) * | 2016-12-07 | 2017-03-22 | 中国民用航空总局第二研究所 | 一种终端区日通行能力确定方法及装置 |
CN110866673A (zh) * | 2019-10-11 | 2020-03-06 | 南京航空航天大学 | 区域管制扇区数量估算方法 |
CN113362604A (zh) * | 2021-07-19 | 2021-09-07 | 中国电子科技集团公司第二十八研究所 | 一种基于扇区动态交通特征的管制员工作负荷评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113838311A (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8185298B2 (en) | Hybrid heuristic national airspace flight path optimization | |
CN102842075A (zh) | 通过管制员工作负荷的时空分布特征确定扇区容量的方法 | |
CN101465066B (zh) | 飞机垂直占有率的获取方法 | |
CN114463868A (zh) | 面向交通流管控的收费站交通流组合预测方法及系统 | |
Balakrishna et al. | Estimating taxi-out times with a reinforcement learning algorithm | |
CN113838311B (zh) | 一种管制扇区的最优性能航班量分析方法及装置 | |
CN109345139B (zh) | 一种基于系统动力学的机场群效率及政策评估方法 | |
Schultz et al. | Classification of weather impacts on airport operations | |
Zhou et al. | The landing safety prediction model by integrating pattern recognition and Markov chain with flight data | |
Shang-wen et al. | Estimation of air traffic longitudinal conflict probability based on the reaction time of controllers | |
CN106529835A (zh) | 一种终端区日通行能力确定方法及装置 | |
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 | |
Wang et al. | Airport delay prediction method based on improved weather impacted traffic index | |
CN114299763A (zh) | 一种流量管理措施全生命周期建立方法 | |
Dhanawade et al. | Analyzing factors influencing flight delay prediction | |
Nejad et al. | Climate policy and intelligent transport systems: application of new transport technologies to reduce greenhouse emissions | |
CN113409619A (zh) | 一种基于元胞自动机的航班调度方法、系统及存储介质 | |
Zhang et al. | Research on Flight Fuel Prediction based on Historical Data Mining | |
CN111914138A (zh) | 基于车联网大数据的工况分析方法、装置和系统 | |
Jarry et al. | Toward novel environmental impact assessment for ANSPs using machine learning | |
CN113838310B (zh) | 一种空域仿真评估的飞行计划增量获取方法及装置 | |
Behere et al. | A Method for the Parametric Representation of Take-off Time-Series Trajectory Data for Environmental Impact Assessment | |
Trivella et al. | Reducing power peaks in railway traffic flow subject to random effects | |
Kharchenko et al. | Principles of improvement of air traffic flow and capacity management in terminal control areas under uncertainty conditions | |
Olamai | Incorporation of Causal Factors Affecting Pilot Motivation for Improvement of Airport Runway and Exit Design Modeling |
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 |