CN116384807A - 基于模糊综合评价模型的航路网络拥挤态势评估方法 - Google Patents
基于模糊综合评价模型的航路网络拥挤态势评估方法 Download PDFInfo
- Publication number
- CN116384807A CN116384807A CN202310211041.4A CN202310211041A CN116384807A CN 116384807 A CN116384807 A CN 116384807A CN 202310211041 A CN202310211041 A CN 202310211041A CN 116384807 A CN116384807 A CN 116384807A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- network
- factor
- congestion
- airway
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013210 evaluation model Methods 0.000 title claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 133
- 239000011159 matrix material Substances 0.000 claims abstract description 53
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 238000012854 evaluation process Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 3
- 230000010006 flight Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Molecular Biology (AREA)
- Fuzzy Systems (AREA)
- Automation & Control Theory (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
Abstract
本发明涉及航空运输领域,具体涉及一种基于模糊综合评价模型的航路网络拥挤态势评估方法,本方法包括如下步骤:获取航路网络内航班运行历史数据;建立航路网络拥挤态势的因素集,并建立航路网络拥挤态势等级的评语集;采用层次分析法,计算因素集中各评价指标的权重,确定评价指标的因素权向量;建立单因素评价矩阵;基于因素权向量和单因素评价矩阵,建立模糊综合评价向量;根据最大隶属度原则,得到模糊综合评价结果。本基于模糊综合评价模型的航路网络拥挤态势评估方法可以快速有效评估航路网络拥挤态势,确定航路网络拥挤态势的变化趋势,以便于制定并实施科学的流量管理策略,避免大面积航班延误,提高飞行效率。
Description
技术领域
本发明涉及航空运输领域,具体涉及一种基于模糊综合评价模型的航路网络拥挤态势评估方法。
背景技术
航空运输需求随我国经济发展不断快速增加,与当前空域内可用资源不足、空管系统传统的低效管理之间的矛盾,造成了目前我国国内航班正常性水平普遍偏低。航班正常性水平偏低多指出现了过多非正常航班无法按照计划正常运行,非正常航班通常包括航班延误、取消等现象。由于此类现象与社会大众群体的空中出行经历密切相关,一旦频发将极易引发该群体的广泛关注。因此航班正常性水平过低不仅会严重影响航空运输效率,外加天气等非可控因素的随机出现,使得航班正常率大概率下处于非确定状态,同时考虑到高铁等社会群众呼声较高的新兴出行方式的蓬勃发展与时间确定性高的极大优势,将进一步使航空运输业在新兴出行方式竞争中处于弱势,对航空运输业的发展产生了不可忽视的负面影响。
由于空中交通流量与容量不匹配导致的航路网络拥挤问题越来越严重,如果未对航路网络拥挤态势进行有效评估与处理,会造成航段交通拥挤,甚至出现大范围的航班延误等不良现象,将对社会造成极大的影响并造成财产损失。
因此,亟需设计一种航路网络拥挤态势评估方法,可以对航路网络拥挤态势进行有效评估,以便于制定并实施科学的流量管理策略,解决大面积航班延误,提高飞行效率。
发明内容
本发明的目的是提供一种基于模糊综合评价模型的航路网络拥挤态势评估方法。
为了解决上述技术问题,本发明提供了一种基于模糊综合评价模型的航路网络拥挤态势评估方法,其特征在于,包括如下步骤:
步骤1、获取航路网络内航班运行历史数据;
步骤2、建立航路网络拥挤态势的因素集,并建立航路网络拥挤态势等级的评语集;
步骤3、采用层次分析法,计算步骤2的因素集中各评价指标的权重,确定评价指标的因素权向量;
步骤4、建立单因素评价矩阵;
步骤5、基于因素权向量和单因素评价矩阵,建立模糊综合评价向量;
步骤6、根据最大隶属度原则,得到模糊综合评价结果。
进一步的,步骤2中的建立航路网络拥挤态势的因素集为:
U={u1,u2,u3,u4};
其中,u1为航路网络交通流量;
u2为航路网络交通流量公里数;
u3为航路网络交通拥挤率;
u4为航路网络交通负荷度。
进一步的,步骤2中的建立航路网络拥挤态势的评语集,是指在航路网络交通拥挤态势评价过程中,将航路网络交通拥挤态势按拥挤程度划分为Ⅰ~Ⅳ级:
Ⅰ级,航路网络交通拥挤态势综合评价为“畅通”;
Ⅱ级,航路网络交通拥挤态势综合评价为“一般拥挤”;
Ⅲ级,航路网络交通拥挤态势综合评价为“较严重拥挤”;
Ⅳ级,航路网络交通拥挤态势综合评价为“严重拥挤”;
则建立评语集为:
V={v1,v2,v3,v4}={I级,II级,III级,IV级}。
进一步的,步骤3中的确定评价指标权重矩阵,包括如下步骤:
步骤31、根据因素集中的四项评价指标的重要度判断结果,得到航路网络拥挤态势的判断矩阵;
步骤32、对步骤31中的航路网络拥挤态势的判断矩阵进行一致性检验;
步骤33、当步骤32中的一致性检验合格时,则以步骤31中得到的航路网络拥挤态势的判断矩阵作为最终的判断矩阵进入步骤34,否则,对步骤31中的航路网络拥挤态势的判断矩阵进行修改后,进入步骤32;
步骤34、对步骤33中最终的判断矩阵进行权重计算,所述的权重计算方法采用算术平均法求权重、几何平均法求权重、特征值法求权重中的一种,得到因素权向量W=(w1,w2,w3,w4)。
进一步的,步骤4中的建立单因素评价矩阵,包括如下步骤:
步骤41、基于航路网络内航班运行历史数据,对航路网络拥挤态势不同等级对应的各评价指标的阈值进行划分;
步骤42、基于航路网络拥挤态势不同等级对应的各评价指标的阈值,构建梯形隶属度函数;
步骤43、将因素集U={u1,u2,u3,u4}中的四个评价指标分别代入相应的梯形隶属度函数,得到各评价指标的单因素评价集,并建立单因素评价矩阵。
进一步的,步骤43中的将因素集U={u1,u2,u3,u4}中的四个评价指标分别代入相应的梯形隶属度函数,得到因素集中的第i项评价指标对于评语集中的第j个评价等级的隶属度rij,则因素集中的评价指标ui的评价结果用单因素评价集表示为:
基于各评价指标的单因素评价集,构建单因素评价矩阵表示为:
进一步的,步骤5中基于因素权向量和单因素评价矩阵,建立模糊综合评价向量表示为:
式中,为模糊合成算子,适于采用加权平均型模型进行模糊运算,分别得到航路网络拥挤态势对评语集中的第j个评价等级的的隶属度,即得到该评价等级的模糊综合评价指标表示为:/>得到最终的模糊综合评价向量表示为:P=(p1,p2,p3,p4)。
进一步的,步骤6中的根据最大隶属度原则,得到模糊综合评价结果,是指确定模糊综合评价向量中隶属度的最大值所对应的评价等级,即为航路网络交通运行态势的评价等级。
本发明的有益效果是,本发明通过对历史数据分析得出影响航路网络拥挤态势的各评价指标,并通过模糊综合评价模型快速有效评估航路网络拥挤态势,并根据评估结果预测各时段的航路网络拥挤态势特征,确定航路网络拥挤态势的变化趋势,以便于工作人员制定并实施科学的流量管理策略,避免大面积航班延误,提高飞行效率。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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他的附图。
图1是本发明的基于模糊综合评价模型的航路网络态势评估流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
航路网络:航路网络是实现空中交通的物理空间,本发明将航路网络抽象理解为由航路点(点)与航段(边)构成的系统,其中航路点指固定航路点(机场点或定位点),航段由各固定航路点连接而成。
态势评估(Situation Assessment,SA):态势评估有时也被称为态势估计。它一般包含三个方面的内容——态势感知、态势理解和态势预测。首先,关于态势感知,有时也将其称为态势元素提取,它是在一定时空范围内,对环境中各个元素所处状态的感知;其次,关于态势理解,既需要对态势的含义进行识别与理解;最后,态势预测则是对态势未来将会发展成的状态的预测。
如图1所示,本实施例提供了一种基于模糊综合评价模型的航路网络拥挤态势评估方法,包括如下步骤:
步骤1、获取航路网络内航班运行历史数据;
在本实施方式中,航路网络内航班运行历史数据可以通过查询空管系统的相关监测数据获得,在定性分析各影响因素对航路网络拥挤态势的影响效果的基础上,给出了各影响因素的定量表达计算公式,构建了航路网络拥挤态势评估指标体系。
构建的航路网络拥挤态势评估指标体系包括如下评价指标:
航路网络交通流量:航路网络交通流量直接反映了航路网络中整体运行负荷的大小,是评估航路网络拥挤态势的一项基础性指标;通过对航路网络中各航段交通流量求和可以计算得出整个航路网络内交通流量架次;
航路网络流量公里数:航路网络空间流量负荷的大小可由航路网络流量公里数进行评价;通过对航路网络内航空器整体飞行的公里数进行统计,可反应航路网络整体利用率的情况;
航路网络交通拥挤率:航路网络交通拥挤率属于航路网络交通总体运行质量的一项度量关键指标,用于评价航路网络交通运行态势的拥挤程度;
航路网络交通负荷度:航路网络交通负荷度反映了承载了所有空域中运行的航空器后,航路网络整体的负荷程度大小,与航路网络内各航段的交通饱和度以及所占权重值息息相关。
步骤2、建立航路网络拥挤态势的因素集,并建立航路网络拥挤态势等级的评语集;
建立航路网络拥挤态势的因素集之前,需要先根据航路网络拥挤态势评估指标体系,确定影响航路网络拥挤态势的评价指标,并在此基础上将各评价指标确定为因素集中的元素;建立航路网络拥挤态势等级的评语集需要根据因素集中各评价指标因素下对应的航路网络拥挤态势的具体情形,评判航路网络拥挤态势状况,确定其对应的航路网络拥挤态势等级。
步骤2中建立航路网络拥挤态势的因素集为:U={u1,u2,u3,u4};其中,u1为航路网络交通流量;u2为航路网络交通流量公里数;u3为航路网络交通拥挤率;u4为航路网络交通负荷度。
步骤2中建立航路网络拥挤态势的评语集,是指在航路网络交通拥挤态势评价过程中,将航路网络交通拥挤态势按拥挤程度划分为Ⅰ~Ⅳ级:Ⅰ级,航路网络交通拥挤态势综合评价为“畅通”;Ⅱ级,航路网络交通拥挤态势综合评价为“一般拥挤”;Ⅲ级,航路网络交通拥挤态势综合评价为“较严重拥挤”;Ⅳ级,航路网络交通拥挤态势综合评价为“严重拥挤”;则建立评语集为:V={v1,v2,v3,v4}={I级,II级,III级,IV级},Ⅰ~Ⅳ级对应的航路网络拥挤态势的具体情形的描述见表1。
表1交通态势等级及其影响描述
步骤3、采用层次分析法,计算步骤2的因素集中各评价指标的权重,确定评价指标权重矩阵;
步骤3具体包括如下步骤:
步骤31、根据因素集中的四项评价指标的重要度判断结果,得到航路网络拥挤态势指标判断矩阵;
表2相对重要度比例标度
具体的,重要度判断是将因素集中的不同评价指标间进行两两比较,其选用的相对重要度比例标度判断标准见表2,由该标度判断标准即可得出判断矩阵中各元素的对应值,将因素集中u1、u2、u3、u4这四个评价指标的重要度判断结果列入判断矩阵中,构成的航路网络拥挤态势指标判断矩阵见表3。
表3航路网络拥挤态势指标判断矩阵
步骤32、对步骤31中的航路网络拥挤态势指标判断矩阵进行一致性检验;
步骤33、当步骤32中的一致性检验合格时,则以步骤31中得到的航路网络拥挤态势指标判断矩阵作为最终的指标判断矩阵进入步骤34,否则,对步骤31中的航路网络拥挤态势指标判断矩阵进行修改,进入步骤32;
在本实施方式中,因素集中所含评价指标的个数为4,易知该判断矩阵的阶数4,查表4的平均随机一致性指标RI标准值表,得到平均随机一致性RI=0.9,对表3中的航路网络拥挤态势指标判断矩阵进行运算得到最大特征根λmax=4.0458,计算得到由/>可知,该判断矩阵的不一致程度在容许范围内,则该判断矩阵可被接受。
表4平均随机一致性指标RI标准值
当一致性检验结果CR≥0.1时,需要对步骤31中构建的判断矩阵进行一致性修正,直至一致性检验结果满足CR<0.1,最终得到不一致程度在容许范围内的判断矩阵。
步骤34、对步骤33中最终的指标判断矩阵进行权重计算,所述的权重计算方法采用算术平均法求权重、几何平均法求权重、特征值法求权重中的一种,得到最终的因素权向量W=(w1,w2,w3,w4)。
在本实施方式中,各评价指标的权重需要进行归一化处理,使其满足非负性及权重和为1,最终得到因素权向量为W=(0.3564,0.1243,0.1936,0.3257)。
步骤4、建立单因素评价矩阵;
步骤4具体包括如下步骤:
步骤41、基于航路网络内航班运行历史数据,对航路网络拥挤态势不同等级对应的各评价指标的阈值进行划分;
在本实施方式中,需要对航路网络内航班运行历史数据进行相应处理和筛选,综合考虑因素集中的各评价指标数据与航路网络日平均运行状态分布之间的关系,最终得出评价指标对应于航路网络交通态势评价等级的阈值划分标准,见表5。
表5评价指标对应于航路网络交通态势评价等级的阈值划分标准
步骤42、基于航路网络拥挤态势不同等级对应的各评价指标的阈值,构建梯形隶属度函数;
在本实施方式中,梯形隶属度函数的计算公式表示为:
梯形隶属度函数的各个区间的确定适于结合领域专家知识和已有经验得到态势评价指标与交通态势四个等级之间的对应关系,根据相应评价指标对应于航路网络交通态势评价等级的阈值划分标准,推测实际可能达到的数值范围,根据阈值划分隶属度函数的区间。
步骤43、将因素集U={u1,u2,u3,u4}中的四个评价指标分别代入相应的梯形隶属度函数,得到各评价指标的单因素评价集,并建立单因素评价矩阵。
步骤43中将因素集U={u1,u2,u3,u4}中的四个评价指标分别代入相应的梯形隶属度函数,得到因素集中的第i项评价指标对于评语集中的第j个评价等级的隶属度rij,则因素集中的评价指标ui的评价结果用单因素评价集表示为:
基于各评价指标的单因素评价集,构建单因素评价矩阵表示为:
步骤5、基于因素权向量和单因素评价矩阵,建立模糊综合评价向量;
步骤5中基于因素权向量和单因素评价矩阵,建立模糊综合评价向量表示为:
得到最终的模糊综合评价向量表示为:
P=(p1,p2,p3,p4)。
在本实施方式中,采用加权平均型模型进行模糊运算可以在得到航路网络拥挤态势对评语集中的第j个评价等级的隶属度的同时,不仅保留了单因素评价的信息,还能综合考虑所有因素的影响。
步骤6、根据最大隶属度原则,得到模糊综合评价结果。
步骤6中的根据最大隶属度原则,得到模糊综合评价结果,是指确定模糊综合评价向量中隶属度的最大值所对应的评价等级,即为航路网络交通运行态势的评价等级。
具体的评估过程如下:
选取某地区三个不同时段内对航路网络交通拥挤态势评估指标数据如表6所示。
表6航路网络整体运行态势评估指标数据
①4月15日5:00-6:00时段航路网络的交通运行态势评估结果:
W=(0.3564,0.1243,0.1936,0.3257);将其代入中,得到根据最大隶属度原则,隶属度最大值为0.6743,即航路网络交通运行态势对Ⅰ级评价等级的隶属度,可得知4月15日5时至6时一小时内航路网络交通运行态势等级为Ⅰ级,处于畅通/正常状态。
②4月15日13:00-14:00时段航路网络的交通运行态势评估结果:
根据表6中4月15日13:00-14:00时段航路网络对应的数据,计算得到相应的单因素评价矩阵为:因素权向量为W=(0.3564,0.1243,0.1936,0.3257);将其代入/>中,得到根据最大隶属度原则,隶属度最大值为0.5501,即航路网络交通运行态势对Ⅳ级评价等级的隶属度,可得知4月15日13时至14时一小时内航路网络交通运行态势等级为Ⅳ级,处于严重拥挤状态。
③4月15日23:00-24:00时段航路网络的交通运行态势评估结果:
;根据最大隶属度原则,隶属度最大值为0.7443,即航路网络交通运行态势对Ⅱ级评价等级的隶属度,可得知4月15日23时至24时一小时内航路网络交通运行态势等级为Ⅱ级,处于一般拥挤状态。
综上所述,基于模糊综合评价模型的航路网络拥挤态势评估方法可以通过相应时段的航路网络交通流量、航路网络交通流量公里数、航路网络交通拥挤率和航路网络交通负荷度数据,快速有效地评估航路网络拥挤态势,并根据评估结果预测各时段的航路网络拥挤态势特征,确定航路网络拥挤态势的变化趋势,以便于工作人员制定并实施科学的流量管理策略,避免大面积航班延误,提高飞行效率。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (8)
1.一种基于模糊综合评价模型的航路网络拥挤态势评估方法,其特征在于,包括如下步骤:
步骤1、获取航路网络内航班运行历史数据;
步骤2、建立航路网络拥挤态势的因素集,并建立航路网络拥挤态势等级的评语集;
步骤3、采用层次分析法,计算步骤2的因素集中各评价指标的权重,确定评价指标的因素权向量;
步骤4、建立单因素评价矩阵;
步骤5、基于因素权向量和单因素评价矩阵,建立模糊综合评价向量;
步骤6、根据最大隶属度原则,得到模糊综合评价结果。
2.根据权利要求1所述的基于模糊综合评价模型的航路网络拥挤态势评估方法,其特征在于,
步骤2中的建立航路网络拥挤态势的因素集为:
U={u1,u2,u3,u4};
其中,u1为航路网络交通流量;
u2为航路网络交通流量公里数;
u3为航路网络交通拥挤率;
u4为航路网络交通负荷度。
3.根据权利要求2所述的基于模糊综合评价模型的航路网络拥挤态势评估方法,其特征在于,
步骤2中的建立航路网络拥挤态势的评语集,是指在航路网络交通拥挤态势评价过程中,将航路网络交通拥挤态势按拥挤程度划分为I~Ⅳ级:
I级,航路网络交通拥挤态势综合评价为“畅通”;
Ⅱ级,航路网络交通拥挤态势综合评价为“一般拥挤”;
Ⅲ级,航路网络交通拥挤态势综合评价为“较严重拥挤”;
Ⅳ级,航路网络交通拥挤态势综合评价为“严重拥挤”;
则建立评语集为:
V={v1,v2,v3,v4}={I级,II级,III级,IV级}。
4.根据权利要求3所述的基于模糊综合评价模型的航路网络拥挤态势评估方法,其特征在于,
步骤3中的确定评价指标权重矩阵,包括如下步骤:
步骤31、根据因素集中的四项评价指标的重要度判断结果,得到航路网络拥挤态势的判断矩阵;
步骤32、对步骤31中的航路网络拥挤态势的判断矩阵进行一致性检验;
步骤33、当步骤32中的一致性检验合格时,则以步骤31中得到的航路网络拥挤态势的判断矩阵作为最终的判断矩阵进入步骤34,否则,对步骤31中的航路网络拥挤态势的判断矩阵进行修改后,进入步骤32;
步骤34、对步骤33中最终的判断矩阵进行权重计算,所述的权重计算方法采用算术平均法求权重、几何平均法求权重、特征值法求权重中的一种,得到因素权向量W=(w1,w2,w3,w4)。
5.根据权利要求4所述的基于模糊综合评价模型的航路网络拥挤态势评估方法,其特征在于,
步骤4中的建立单因素评价矩阵,包括如下步骤:
步骤41、基于航路网络内航班运行历史数据,对航路网络拥挤态势不同等级对应的各评价指标的阈值进行划分;
步骤42、基于航路网络拥挤态势不同等级对应的各评价指标的阈值,构建梯形隶属度函数;
步骤43、将因素集U={u1,u2,u3,u4}中的四个评价指标分别代入相应的梯形隶属度函数,得到各评价指标的单因素评价集,并建立单因素评价矩阵。
8.根据权利要求7所述的基于模糊综合评价模型的航路网络拥挤态势评估方法,其特征在于,
步骤6中的根据最大隶属度原则,得到模糊综合评价结果,是指确定模糊综合评价向量中隶属度的最大值所对应的评价等级,即为航路网络交通运行态势的评价等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310211041.4A CN116384807A (zh) | 2023-03-07 | 2023-03-07 | 基于模糊综合评价模型的航路网络拥挤态势评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310211041.4A CN116384807A (zh) | 2023-03-07 | 2023-03-07 | 基于模糊综合评价模型的航路网络拥挤态势评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116384807A true CN116384807A (zh) | 2023-07-04 |
Family
ID=86975976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310211041.4A Pending CN116384807A (zh) | 2023-03-07 | 2023-03-07 | 基于模糊综合评价模型的航路网络拥挤态势评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116384807A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391543A (zh) * | 2023-12-07 | 2024-01-12 | 武汉理工大学 | 一种轨迹数据生成的海上航路网络质量评价方法及系统 |
-
2023
- 2023-03-07 CN CN202310211041.4A patent/CN116384807A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391543A (zh) * | 2023-12-07 | 2024-01-12 | 武汉理工大学 | 一种轨迹数据生成的海上航路网络质量评价方法及系统 |
CN117391543B (zh) * | 2023-12-07 | 2024-03-15 | 武汉理工大学 | 一种轨迹数据生成的海上航路网络质量评价方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110782070B (zh) | 一种城市轨道交通突发事件客流时空分布预测方法 | |
CN111539515B (zh) | 一种基于故障预测的复杂装备维修决策方法 | |
Sheu | Dynamic relief-demand management for emergency logistics operations under large-scale disasters | |
CN109993223A (zh) | 路面使用性能预测方法、存储介质、电子设备 | |
CN110991875A (zh) | 一种平台用户质量评估系统 | |
CN109409713B (zh) | 基于贝叶斯模型和三倍标准差准则的道路网络评估方法 | |
CN113159374B (zh) | 一种数据驱动的城市交通流速模式识别与实时预测预警方法 | |
CN111401653A (zh) | 一种隧道渗漏水风险空间相依性预测方法及预测系统 | |
CN116384807A (zh) | 基于模糊综合评价模型的航路网络拥挤态势评估方法 | |
CN115953186A (zh) | 一种网约车需求模式识别与短时需求预测方法 | |
CN115115303A (zh) | 一种基于智慧港口的散货管控一体化系统及方法 | |
WO2021072959A1 (zh) | 一种地铁大客流预测方法、系统及电子设备 | |
CN116109212A (zh) | 一种机场运行效率评价指标设计及监测方法 | |
CN109523788B (zh) | 一种路段运行效果评价方法 | |
Salling et al. | Feasibility risk assessment of transport infrastructure projects: The CBA-DK decision support model | |
CN114819628B (zh) | 一种可视化工程监理系统 | |
Wang et al. | Bike-sharing rebalancing problem by considering availability and accessibility | |
CN115907719A (zh) | 充电站分级运维管理方法及装置 | |
La et al. | Predictive model of air transportation management based on intelligent algorithms of wireless network communication | |
Volkovska | Methods and models for passenger transportations forecasting on air routes | |
CN117236779B (zh) | 一种大型数据库的数据运输评估方法 | |
Sun et al. | Fuzzy comprehensive model of manufacturing industry transfer risk based on economic big data analysis | |
CN116432990B (zh) | 一种基于协同过滤算法的电力任务决策分析方法 | |
CN117035469B (zh) | 公铁联运枢纽功能区建设用地指标测算的方法及装置 | |
US12019869B2 (en) | Method, electronic device, and computer program product for scheduling data collection |
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 |