JP6258057B2

JP6258057B2 - 飛行機行動の予測システム及び予測方法

Info

Publication number: JP6258057B2
Application number: JP2014022895A
Authority: JP
Inventors: チー，ホン; シュ，バオグワン; チ，ミンリアン; ザン，ニンニン; シャオ，シュエヤン; ガオ，ミンアン; シー，ビアオ; タン，シアンチュン
Original assignee: エアチャイナリミテッド; インスティテュートオブポリシーアンドマネジメント，チャイニーズアカデミーオブサイエンシズ
Priority date: 2013-02-07
Filing date: 2014-02-07
Publication date: 2018-01-10
Anticipated expiration: 2034-02-07
Also published as: CA2841779C; CN103164617B; CN103164617A; KR20140100914A; EP2767878A3; US20140250042A1; US9412072B2; KR102002996B1; AU2014200568A1; CA2841779A1; JP2014151912A; SG2014009211A; EP2767878A2; EP2767878B1; TW201441099A; AU2014200568B2; TWI642598B

Description

本発明は飛行機の技術に関し、特に、飛行機行動の予測システム及び予測の方法に関するものである。

飛行機は飛行中に、安全の保障が必須である。飛行機の安全に影響を及ばれる恐れが発生する場合には、飛行機の安全を保障するために、飛行機の正常な飛行行動に対する調整が必要である。飛行機の非正常な飛行行動には、欠航、航路の変更、遅延、帰航とダイバートなどが含まれる。飛行機の非正常な飛行行動は飛行の安全性を低下させ、安全な飛行にも影響を与えることと、同時に、旅客の快適感と満足感をも極めて損ねる。全ての航空会社においては、非飛行の非正常な行動を研究しつつ、出来るだけこれらの飛行機の行動を避ける方法を見付けるように努力している。従って、飛行機の非正常な飛行行動を合理的に予測するのも、それぞれの航空会社の重要な研究課題である。しかし、これは未だに解決されず、長年に渡って各航空会社を悩ませる技術課題である。

従来の技術における一つまたは複数の技術問題点に対して、本発明の一つの側面によれば、二つ又は二つ以上の飛行行動のデーターデイメンションに基づいて、データスペースを作り上げる、且つ検索条件と制限条件により、飛行行動の予測モデルを生成するモデル生成単元と、飛行機の飛行行動のデータを取得するデータ取得単位と、及び、前記の飛行行動のデータに基づいて、前記の飛行行動の予測モデルにより、前記のデータスペースにおいて、非正常な飛行行動の高比率区域を捜索する予測単元と、を含む飛行機の行動の予測システムを提出する。

飛行機の便は、高比率の区域に入る場合に、その飛行機の便には非正常な飛行の可能性が高いと予測される。そのため、その飛行機の便を非高比率区域に調整するよう考慮する。言い換えると、本発明の予測においては、運行計画の場合に、飛行機の安全な飛行を確保し、旅客の使用の快適感がアップするために、飛行機の非正常な飛行の行動の高比率の区域を出来るだけ避けるべきである。

本発明のもう一つの側面によれば、二つ又は二つ以上の飛行高度のデーターデイメンションに基づいて、データスペースを作り上げるステップ、又は検索条件と制限条件に基づいて、飛行行動の予測モデルを生成するステップと、飛行行動のデーターを取得るステップと、前記の飛行行動のデーターに基づいて、前記の飛行行動の予測モデルにより、前記のデータスペースにおいて、飛行機の非正常な飛行行動の高効比率区域を捜索するステップと、を含む飛行行動の予測方法を提出する。飛行機の便は高比率の区域に入る場合に、その飛行機の便には非正常な飛行行動の可能性が非常に高いと予測される。

以下、図に基づいて、本発明の望ましい実施形態をさらに詳しく説明する。
飛行機の帰航とダイバートのプロセス実例の模式図である本発明の一つの実施例における飛行機の帰航とダイバートの予測原理の模式図である。本発明の一つの実施例における捜索目標の模式図である。図３の実施例における第一捜索目標の模式図である。図３の実施例における第二捜索目標の模式図である。図３の実施例における第三捜索目標の模式図である。本発明の一つの実施例における飛行行動の予測システムの構成の模式図である。本発明の一つの実施例における予測単元の構成模式図である。本発明の一つの実施例における飛行機の非正常飛行行動の予測方法のフロー図である。

更に、本発明の実施形態の目的、技術案とメリットがはっきりする為に、以下、本発明の実施形態の図に基づいて、本発明の実施例における技術案を分かりやすく、完全に叙述します。言うまでもなく、述べる実施例は、本発明の一部の実施例であり、全ての実施例ではないことが明らかである。本発明の実施例に基づいて、同業者が何らかの創造的活動を行わない前提で取得された他の実施形態の全ては、本発明の保護範囲のものである。

一般的に、飛行機の非正常な飛行になる原因は、一方では、例えば飛行機のメンテナンス、給油と飛行故障など飛行機自体の原因と、もう一方では、例えば、天候と場所の状況など飛行機自身でない原因という二つの原因に分かれる。

飛行機自身から発生した非正常な飛行行動については、飛行機への点検のレベルの向上により、できるだけ下げるようにする。飛行機自身でない原因により発生された非正常な飛行行動には、特定の客観的な法則がある。データマイニング技術によって、飛行機自身でない原因で発生された非正常な飛行行動の初期のデータを分析し、適切な数値モデルを構成することによって、飛行機における非正常な飛行行動への合理的な予測が可能である。

本発明は、主に飛行機自身でない原因で発生された非正常飛行の行動を対象とする。例えば、背景技術に言及したように、非正常な飛行行動は、欠航、航路の変更、遅延、帰航とダイバートなどを含むが、それらの行動に制限されない。

下記の飛行機の帰路とダイバートを例にすると、更に本発明の技術課題を説明する。ほかの非正常な飛行行動に対して、帰路とダイバートの実施例に類似した方法を採用し、それを予測することも可能である。

図１は、飛行機の帰路とダイバートのプロセス実例の模式図である。図１に示したように、飛行機は空港で順調に離陸する。正常飛行の際に、帰路とダイバートをしなければならないことが発生する場合がある。ある位置においては、（例えば、図の中で示した星印）帰路とダイバートが決定される。その後、飛行機は点線で示したものに沿って目的空港に飛ぶことなく、帰路で離陸した空港に戻るか又はダイバート空港に飛ぶ。図１に示した帰路とダイバートが本発明で注目した非正常の飛行行動。

ある特定の目的空港について言うと、その場所の状況は決まっている。よって、それに関係する帰航とダイバートのすべての状況を一つの単独なデータスペースとし、上記の特定状況においては、帰航とダイバートの確率を評価するによって、飛行機の帰航とダイバート行動への予測を実現させる。

図２は、本発明の一つの実施例に基づいた飛行機の帰航とダイバートの予測原理の模式図である。図２に示したように、月と時間帯はすべて別々であるので、それを二次元平面に構成させることは可能である。一年の１２ヶ月と一日の２４時間がこの二次元平面を２８８個の矩形に画する。それぞれの矩形を「ブロック」と、ある連続した何ヶ月の時間帯若しくはある連続した幾つかの月を「区域」と定義された。二つ或は二つ以上の連続されたブロックにより形成した比較的大きな矩形を、即ち、区域であることとする。図２に一月から二月と６時から７時という時間帯で構成されたブロックを示された。

飛行機の便の過去のデータによれば、正常運行の便及び帰路とダイバートの便を含めた全ての便の着陸時刻が上記の２８８個の矩形の中に入る。それぞれのブロックについては、この帰路とダイバートのブロックの比率レベルは、このブロック内の帰路とダイバートの便数とこのブロック内の便数の割合である、すなわち、
帰路とダイバートの比率＝帰路とダイバートの便数／すべての便数

それぞれの区域については、同じ該区域における帰路とダイバートの比率レベルは、この区域内の帰路とダイバートの便数とこの区域内の便数の割合である。
それぞれのブロックの比率レベルには相違がある。従って、違う区域の比率も異なる。従って、アリゴリズムモデルによって、その二次元の平面に、それらの帰航とダイバートの比率レベルが比較的に高い区域が見つかる。

帰航とダイバートの比率はある閾値を超え、その区域の周辺における他の区域より帰航とダイバートの比率の区域が高比率の区域と思われる。その閾値は、実際の状況によって設定され、例えば、帰航とダイバートの比率の平均値である。異なった閾値が設定されると、帰航とダイバートの高比率の区域も異なる。例えば、図２の目的空港には、A、BとCの帰航とダイバートの高比率の区域が三つあり、それが別の月と時間帯に対応する。もし予定された飛行機の着陸の時間がちょうど帰航とダイバートの高比率の区域に入ると、即ち、生じた飛行機の非正常の帰航とダイバートの行動への予測の確率が相対的に高くなる。前記の方法によって、飛行機の帰航とダイバートの行動の予測は上記の二次元空間での特定な条件が満たされた区域内の捜索に切り換えることが可能である。

難しいのは適切な二次元若しくは多次元のデータスペースをどうのように作り上げるかのことである。もし作り上げられたデータスペースは適切でなければ、飛行機で発生した特定的な非正常の飛行行動が分散的であり、集中ではない。そうすると、満足した予測結果を得ようがない。本発明の一つの実施形態によれば、選択可能なディメンション・データーは、例えば、節気、豪雨、強風、雪の時間など着陸の時間帯、期日、月、旧暦の期日或は月、特定な距離的事件を含む。図２に述べる実施形態は、二次元空間の一つの例である。二次元より多い多次元空間の使用も可能である。

本発明の一つの実施例によれば、前記の捜索は全てのデータスペースで行わなく、データスペースの一部で行うようにしてもよい。例えば、区域Zで行う。一連の捜索条件によって、最も適切な高比率の区域を捜索することであり、例えば、使用した捜索条件は以下の通りである。
１当該区域の帰航とダイバートの比率レベルが高ければ高いほどよいが、
できるだけ1に近づくようにする。
２当該区域の幅さが広ければ広いほど良いが、出来るだけZの全ての区域に近づくようにする。
３当該区域に帰航とダイバートの便数も出来るだけ多く含むようにする。

本発明の一つの実施例によれば、前記捜索された制限条件は、当該区域の帰航とダイバートの便数あるいは一定の数量に達した飛行機の便の総数にしてもよい、それによって、捜索の問題を多目標の計画問題に替える。
制限条件は以下の通りである。
４当該区域の帰航とダイバートの便数及び/又は便の総数が一定の数量に達する。

図３は、本発明の一つの実施例における捜索目標の模式図であり、即ち、区域Zで捜索条件及び制限条件に満たされた区域Sを捜索する。図４は図３の実施例に基づいた第一捜索目標の模式図である、図５は図３の実施例に基づいた第二の捜索目標の模式図であることと、図６は図３の実施例に基づいた第三の捜目標索の模式図である。図３〜図５までの示すように、この実施例において、図２の実施例に同様の時間帯と月を二次元平面のディメンションを採用した。三つの捜索目標は、上記三つの捜索条件に対応する。
具体的な捜索の表現は以下の通りである。

（１）区域Zの変数設定

1.1帰航とダイバートの比較的に集中した区域をZと仮定する。
1.2区域Zに含んだ基本ブロックの数を

とする
1.3 区域Zに存在された帰航とダイバートの便数を

とする
1.4 区域Zに存在された便数を

する。
1.5月のディメンションにおける区域Zの月の始まりを
とする。
1.6月のディメンションにおける区域Zの月の終わりを

とする。
1.7時間帯のディメンションにおける区域Zの開始時間のことを

する。
1.8時間帯のディメンションにおける区域Zの終了時間のことを
とする。

上記の規則のように、区域Zの面積を

と示すことができる。

（２）区域Sの変数設定
1.1 捜索区域を

と仮定する。
1.2 区域

の帰航とダイバートの比率レベルの高さをPsとする。
1.3 区域

に存在された帰航とダイバートの基本ブロックの数を

とする。
1.4 区域

に含んだ基本ブロックの数を
とする。
1.5 区域

に存在された帰航とダイバートの便数のことを

とする、
1.6 区域

に含んだ便数を

とする、
1.7 月のディメンションにおける区域

の月の始まりをSM_Sとする、
1.8 月のディメンションにおける区域

の月の終わりをEM_Sとする、
1.9 時間のディメンションにおける区域

の開始時間をST_Sとする、
1.10 時間のディメンションにおける区域

の終了時間をET_Sとする、
上記の規則のように、区域Sの面積をS_square=(EM_S‐SM_S+1)*(ET_S‐ST_S+1)と示すことができる。
（３）区域
の変数設定

1.1 区域
を削除した後の区域Zの余の区域を
とする、

1.2 区域
における帰航とダイバートの比率レベルの高さを
とする、

1.3区域
に含んだ基本ブロックの数を
とする、

1.4区域
に存在されたの帰航とダイバートの便数を
とする、

1.5区域
に含んだ便数を
とする、

1.6 区域
の区域は^Ssquare ^{= Z}square ‐^Ssquare である。

（４）決定変数
決定変数、即ち捜索変数は、時間帯及び月の二つのディメンションにおける切点とステップレングスである。
1.1 月のディメンションにおけるブロックの月の始まりを
とする、

1.2 月のディメンションにおけるブロックの月の終わりを
とする、

1.3 時間帯のディメンションにおけるブロックの開始時間帯を
とする、

1.4 時間帯のディメンションにおけるブロックの終了時間帯をetとする。

（５）目標関数
目標１は、矩形区域での帰航とダイバートの比率レベルは出来るだけ１に近づくようにし、max goal1=_pS+(1‐_pS)と示すことができる。
目標２は、区域Zにおける帰航とダイバートの数を占めた当該区域に含んだ帰航とダイバートの数が多ければ多いほど良いとし、
と示すことができる。
目標３は、当該矩形区域は出来るだけZの全体に接近とし、即ち、含まれた基本ブロックの数量は出来るだけ区域Z全体のブロックの数を覆い、
と示すことができる。

（６）制限条件
制限条件１：区域
の帰航とダイバートの便数が一定の数量レベルに達し、公式の表現は以下の通りである。
fhbj av_fhbj=value_fhbj/帰航とダイバートの存在するブロックの数。
制限条件２：区域Sの飛行機の便の総量が一定の数量レベルに達し、公式の表示は以下の通りである。
av_tt=value_tt/飛行機の便の存在するブロックの数が
制限条件３：区域Sにおける帰航とダイバートの比率が必ず一定のレベルに達しなければならないし、公式の表示は以下の通りである。
（７）他の変数設置
P1, P2, P3はそれぞれgoal1,goal2,goal3の優先度ランクである。数値が大きければ大きいほど、優先度ランクが高いと表する。
それによって、大域的最適化がされたことを経て、当該捜索の数学的最適化モデルは以下のように示すことができる。

中には、決定変数を
とし、
_{を決めた。}

図７は、本発明の一つの実施例における飛行機行動の予測システムの構成模式図である。図７の示すように、飛行機の行動の予測システム７００はデータ取得単元７０１、モデル生成単元７０２、データーベース７０３と予測単元７０４を含む。

データ取得単元７０１は初期のデータの中から必要なディメンションのデータを直接に取得する、又は初期のデータにより、調整を経た上で必要なディメンションのデータを得ることに用いられる。以下のように、帰航とダイバートのデータの取得を例とし、データ取得のプロセスを説明する。

飛行機の便の記録の中のフィールドを取り出され、「FLT_ID」はフライト・ナンバーと、「DEP_APT」は陸着空港と、「ARR_APT」は目的空港と、「STD」は離陸時間と、「STA」は到着時間と、「OFF_TIME」は実際の離陸時間と、「NO_TIME」は実際の着陸時間と、「CANCEL_FLAG」は飛行機の便の状態と「MEMO」は飛行機の便の状態の説明と示される。

通常の場合においては、「CANCEL_FLAG」というフィールドは「０」とした値選択は正常であると、「１」とした値選択はチャンセルと、「３」とした値選択はダイバート飛行機の便のダイバート段階と、「４」とした値選択はダイバート飛行機の便の着陸復行と、「５」とした値選択は帰航する便の帰航段階と、「６」とした値選択は飛行機の便の着陸復行段階と示される。必要に応じて、「１」とした「CANCEL_FLAG」というフィールドの記録が削除される。

本発明の実施例によれば、フィールド「CANCEL_FLAG」が「３」又は「５」とされた記録に対しては、フィールドの「NO_TIME」を取得し、且つ整合する。「雨」、「雪」、「風」、「霧」、「雲」、「氷」、「視程」又は「天候」の記録を含むフィールド「NO_TIME」を保留する。

本発明の実施例によれば、「CANCEL_FLAG」の値選択が３又は５とされたフィールドに対しては、フィールドNO_TIMEを調整する。ON_TIME＝
OFF_TIME＋（STA−STD）。フィールド「CANCEL_FLAG」の値選択が４又は６とされたフィールドを値選択０に調整する。

NO_TIMEのフィールドに対しては、以下のように処理する。時間のフィールドNO_TIMEを分け、年、月、日、時間をそれぞれのフィールドに用い、「ON_Y」を年、「ON_M」を月、「ON_D」を日、「ON_T」を時間と示し、記憶する。例えば、ON_TIMEは２００９-１０-１６：０５であれば、ON_Y＝２００９、ON_M＝１０、ON_D＝１、ON_T＝６ということである。

フィールド“ARR_APT”に対しては、ある特定の時間内の正常飛行機の便の目的空港によって、この特定の時間内に帰航とダイバート飛行機の便の記録の目的空港を調整する。
具体的に言うと、即ち、フィールド「CANCEL_FLAG」の値選択が３又は５とされた記録のフィールド「ARR_APT」を以下のように調整する。
１．「CANCEL_FLAG」の値選択が３又は５とされた記録のフライト・ナンバー「FLT_ID」、目的空港「DEP_APT」、「ON_Y」を取り出し、FLT_ID_FHBJ、ON_Y_FHBJ 、ON_M_FHBJとそれぞれ記録する。
２．「CANCEL_FLAG」の値選択が０、「FLT_ID」の値選択がFLT_ID_FHBJ、「DEP_APT」の値選択がDEP_APT、「ON_Y」の値選択がON_Y_FHBJとされた記録のフィールド「ARR_ART」を取り出し、APと記録する。
３．前記に記録された「ARR_ART」のフィールドの内容をAPによって調整する。
上記の処理を経た後、目的空港のデータを抽出することができる。中には、CANCEL_FLAG=0の記録を正常の飛行機の便の記録、CANCEL_FLAG=３又は５の記録は帰航とダイバートの飛行機の便の記録である。両者を合わせると分析された全ての飛行機の便の記録になる。それぞれの記録の中から目的空港のデータを抽出して分析を行う。
データ取得単元７０１はデータを取得した後、そのデータをデーターベース703に送信し記憶する又は予測単元の704に直接送信し処理を行う。
データーベース７０３は飛行機の便の過去のデータの記憶に用いられ、予測単元７０４の検索を受けられ、予測単元７０４への使用のために、相応のデータを提供する。本発明の一つの実施例によれば、データーベース７０３はモデル生成単元７０２の中で生成されたモデルに基づいて、データーベースの中に記憶された過去のデータに対して、フォーマットの調整を行う、又は使用の準備に新たなデータ表を生成することが可能である。
本発明の一つの実施例によれば、帰航とダイバートの全ての飛行機の便に対して、準備的な統計を行い、目的空港に着陸、実際の着陸時間、月、及び三つのディメンションにおける実際の着陸時間帯の飛行機の便の総数、帰航とダイバートの飛行機の便の総数及び帰航とダイバートの比率の分布を作り上げ、それぞれ以下のように記録する。
１目的空港の着陸、月及び時間帯の三つのディメンションに入る飛行機の便の総数
と、
２目的空港の着陸、月及び時間帯の三つのディメンションに入る帰航とダイバートの飛行機の便の数量
と、
３目的空港の着陸、月及び時間帯の三つのディメンションに入る帰航とダイバートの比率
と、
中には、
を目的空港の番号、
を月、値選択を
と、
を時間帯
とする。
モデル生成単元７０２は、入力された捜索条件と制限条件に基づいて相応の捜索モデルを生成する。モデル生成単元７０２の機能はすでに前記の中で詳しく説明したため、改めてここに述べない。
予測単元の７０４は、モデル生成単元７０２のモデルに基づいて、データーベースの中から取得した相応のデーターの上に、特定の非正常の飛行行動の比率の高区域を捜索することによって、特定の非正常の飛行行動への予測を実現させる。同業者は、モデル生成単元７０２で生成したモデルがデーターベース又は飛行機行動予測システムのメモリに記憶することも可能であると理解すべきである。従って、毎回、予測単元７０４が予測を執行する際は、モデルを生成するために、モデル生成単元を再起動する必要がない。
ここに言う「単元」とは、特定な機能を完成させることが可能な回路でもよい。従って、「単元」という技術用語は、「回路」を用いて替えることもできる。本発明の一つの実施例によれば、これらの回路は、プロセッサ、ディジタル信号プロセッサ（DSP）、コミュニケーションプロセッサ、特定用途向け集積回路（ASIC）、フィールトプログラマブロゲートフレイ（FGPA）又は他の等価集積回路若しくはディルクリート論理回路を含むが、それらに制限されない。
図８は、本発明の一つの実施例における予測単元の構成模式図である。図８に示した実施例は図７の実施例にある予測単元７０４に応用することが可能である。図８に示すように、予測単元８００は、統計モジュール８０１、捜索モジュール８０２、制限解除モジュール８０３及び記憶及びソートモジュール８０４を含む。
統計モジュール８０１は、統計的機能を完成させるのに使用し、例えば、帰航とダイバートの飛行機の便の全ての月の分布統計又はある目的空港に帰航とダイバートの月の分布統計である。

本発明の一つの実施例によれば、帰航とダイバートの全ての月の分布統計は以下のようなステップを含むことができる。
スッテプ１：年を設定し、一年又は何年に続くでもよいステップと、
ステップ２：月
が、１、２、３、４、５、６、７、８、９、１０、１１、１２時をそれぞれ取る時は、三つのディメンションにおける目的空港に帰航とダイバート、月と時間帯の分布状況
に基づいて、毎月の帰航とダイバートの数を計算し、
と記録するステップと、
ステップ３：月
が１、２、３、４、５、６、７、８、９、１０、１１、１２をそれぞれ取る時は、三つのディメンション上における目的空港に帰航とダイバート、その月と時間帯の分布状況
に基づいて、毎月の飛行機の便の数を計算し、それを
と記録するステップと
ステップ４：ある年度又はある何年度におけるそれぞれの月の帰航とダイバートの比率を計算するで、計算の公式は以下のように表す。

本発明の一つの実施形態によれば、ある目的空港の帰航とダイバートの月の分布統計は以下のようなステップを含むことができる。
ステップ１：目的空港
を設定し、年は一年又は何年か続くでもよいステップと、
ステップ２：月
は、１、２、３、４、５、６、７、８、９、１０、１１、１２をそれぞれ取る時に、目的空港、月及び時間帯の三つのディメンションにおける帰航とダイバートの分布状況
に基づいて、毎月の帰航とダイバートの目的空港の飛行機の便の数を計算し、
と記録するステップと、
ステップ３：月
は、１、２、３、４、５、６、７、８、９、１０、１１、１２をそれぞれ取る時に、目的空港、月及び時間帯の三つのディメンションにおける飛行機の便の分布状況
に基づいて、毎月の目的空港の飛行機の便の数を計算し、
と記録するステップと、
ステップ４：ある年度又はある何年度における目的空港i又はぞれぞれの月の帰航とダイバートの比率を計算するステップで、計算の公式は次のように表す。

捜索モジュール８０２は予測単元の中の重要な装置である。本発明の一つの実施例によれば、捜索モジュールはデーターベースの中のデータ及びモデルへの要求に基づいて、すべてのデータスペースに対して、トラバーサルを行う。それから、トラバーサルされた結果を制限解除モジュール８０３に出力する。制限解除モジュール８０３は、トラバーサルの結果が制限条件に一致しているかどうかを判断し、そして、制限条件に一致されたトラバーサルの結果を記憶及びソートモジュール８０４に出力する。記憶及びソートモジュール８０４は、条件に一致された全てのトラバーサル結果を記憶し、又はトラバーサルの結果を総合的にソートすると、そして、ソートされた結果に基づいて、非正常の飛行時間の高比率の区域を出力する。

本発明の一つの実施形態によれば、捜索モジュール８０２はデータスペースにおいて非正常な飛行行動を生成した確率は区域Zの閾値を超えると、そして、再び区域Zに対してトラバーサルする。

この明細書にいう「モジュール」は特定機能を完成させる回路でもよい。そのため、「モジュール」という技術用語は、「回路」により替えることができる。本発明の一つの実施形態によれば、これらの回路は、プロセッサ、ディジタル信号プロセッサ（DSP）、コミュニケーションプロセッサ、特定用途向け集積回路（ASIC）、フィールトプログラマブロゲートフレイ（FGPA）又は他の等価集積回路など又はディルクリート論理回路を含むが、それらに制限されない。

図９は本発明の一つの実施例における飛行機の非正常な飛行行動の予測方法のフロー図である。図９に示す予測方法は図７及び図８に示された実施例に応用される。図９の実施例おいては、飛行機の非正常な飛行行動は帰航とダイバートの行動であり、データスペースは時間帯及び月の二次元平面である。

図９に示すように、飛行機の非正常な飛行行動の予測方法９００は、ステップ９１０において、捜索モジュールにより、ひとつの区域Zを形成する。区域Zは連結された複数のブロックを含む。区域Zにおける帰航とダイバートの比率レベルはp _ levelにより高く、又はこのブロックの中の帰航とダイバートの飛行機の便の数は
より大きく又は等しいと、中には、p _ levelは、プリセットされた帰航とダイバートの比率の閾値又は平均された帰航とダイバートの比率であり、
は、プリセットされた帰航とダイバートの数の閾値又は平均された帰航とダイバートの数である。

以下、ひとつの具体的な実例に基づいて、ステップ９１０の区域Zの捜索がどのように実現されるかを説明する。
本発明の一つの実施例によれば、帰航とダイバートの比率レベルがp _ levelより大きなブロックを捜索し、そしてマークKにより連結されたブロックにマークし、それから、構造体
によりプロック情報を記録し、月と時間帯及びKマークを含む。
入力：
。_中には、
は全てのブロックの帰航とダイバートの比率とし、中には、iは空港のマークである。
出力：構造体
「属性：目的空港
、月
、時間帯
、区域標識(.mark )」、及び区域Zの数
。
９１０.１.初期化のステップ：
９１０.２.帰航とダイバートの比率がp _ levelより大きなのブロック又はブロック内の帰航とダイバートの数が
以上のものを探し、且つKとマークする。具体的に、次のステップを含む。_一番目の
又はブロック内の
_以上の帰航とダイバート飛行機の便の数量
の組合せを探し、且つ構造体の配列である
により記録し、
即ち、
且つ、
とする。

９１０．３.
と連結され、且つ帰航とダイバートの比率が
より大きい又はブロック内の帰航とダイバートの飛行機の便の数が
以上のブロックを探し、且つKとマークする。
A.
,
且つ
_{又はブロックの中の帰航とダイバートの飛行機の便の数量が}
_{以上の場合に、構造体である}
_{により、記録し、}
且つ
、
になり、そうでないと、次のステップへ移される。
B.
、
且つ
_{又はブロックの中の帰航とダイバートの飛行機の便の数量が}
_{以上の場合に、} 構造体の配列である
により、記録し、
且つ、
になり、そうでないと、次のステップへ移される。
C.
、
且つ
_{又はブロック中の帰航とダイバートの飛行機の便の数量が}
_{以上の場合に、構造体の配列である}
_{により、記録し、}
且つ
,
になり、そうでないと、次のステップへ移される。
D. mon=keypoint(m).mon,tim=keypoint(m).tim-1、tim>0且つp(i,mon,tim) > p_{level又はブロック中の帰航とダイバートの飛行機の便の数量が}av_{fhbj以上の場合に、構造体の配列である}keypo intにより記録し、
mon = keypoint(m).mon,tim = keypoint(m).tim-1,keypoint(n).mark = k、且つp(i, mon, tim) = 0 , n = n + 1になり、そうでないと、次のステップへ移される。
９１０.4.^m<^{nの場合に、m = m +1、９１０.3が重複され、そうでないと、次のステップへ移される。}
９１０.5.
^且つ
^{の場合に、}910.2,k=k+1に移され、そうでないと終わりになる。

本発明の一つの実施例によれば、捜索構造体であるkeypointのブロックによって構成されたすべての区域を捜索し、構造体keypo intにより記録する。具体的に、以下の通りである。
入力：構造体keypoint、区域Zの数であるnum_keyzoon、配列であるfhbj(i,mon,tim)、
tt (i, mon, tim)、中には
出力：構造体であるkeyzoon「属性：目的空港(.ap)、月の始まり(.sm)、月の終わり(.em)、開始時間(.st)、終了時間(.et)、帰航とダイバートの飛行機の数(.et)、飛行機の便の総数(.tt)」
９１０.６. mark =1である、
９１０.７. sm, emにより、マークがmarkに等しい全てのブロックのmon属性の最小値と最大値記録する。st,etにより、マークがmarkの全てのブロックのtim属性の最小値と最大値を記録する。
９１０.８.構造体により区域を記録する、
即ち、keyzoon(mark).sm = sm,keyzoon(mark).em = em,keyzoon(mark).st = st,keyzoon(mark).et = et
且つ、属性value_ fhbjにより、区域の帰航とダイバートの飛行機の便の数を記録し、属性value_ttにより、区域の飛行機の便の数量を記録し、属性num _ zにより、この区域の広さを記録し、mark = mark + 1とする。
９１０.９.
の場合に、ステップ９１０.７に移される。
そして、制限
が計算される。_{このステップは制限ステップ９３０の前の何れのステップの中で行うようにしてもよい。}
_{具体的に、以下の通りである。}
入力：
出力：
９１０.１０.
９１０.１１.もし
９１０.１２.もし
９１０.１３.もし
且つ
の時は、ステップ９２０.１１に戻り、そうでないと、
、９２０.１４に移される。
９１０.１４.もし
且つ
の時は、９２０.１１に移される。
９１０.１５. av_fhbj=value_fhbj/帰航とダイバートの飛行機の便が存在するブロックの数、
av_tt=value_{tt/飛行機の便が存在するブロックの数。}

ステップ９１０により、一つの構造体
で表された区域Zを取得し、この構造体は複数の記録を含み、記録ごとに、一つの帰航とダイバートの比率レベルがp _ levelより高い、又はこのブロックの中の帰航とダイバートの数が
よりも大きく又は等しい区域に対応する。
_{ステップ９２０において、捜索モジュールによりステップ９１０から取得された区域Zに対してトラバーサルする。}

構造体である
を入力し、中には、indexは区域Zの番号を表示する。そして、第indexの区域Zをトラバーサルし、且つ毎回のトラバーサルされた区域Sに対して、構造体list1により、関係する情報を記録する。属性
により区域の月の始まりを記録し、属性
により区域Sの月の終わりを記録し、属性min_ tにより区域Sの開始時間を記録し、属性max_ tにより区域Sの終了時間を記録し、属性
により区域Sの帰航とダイバートの飛行機の便の数を記録し、属性
により区域Sの飛行機の便の総数を記録し、属性
により区域Sの区域の広さを記録する。

ステップ９３０において、それぞれのトラバーサルの結果は制限条件を満足するかどうかを判断し、そしてそれぞれ制限条件に満足されたトラバーサルの結果に対して、構造体Listにより記録する。

具体的に、以下の通りである。
９３０.1.それぞれの区域のトラバーサルの結果に対して、三つの最適目標値を求め、そして単独な目標値をソートした上で、更にそれぞれのトラバーサルの三つの最適目標値に対して平均値を求め、この区域の最適値とする最小値のトラバーサルを選択する。
９３０.２. list1の記録に対して制限条件の判断を行い、以下の二つの条件のいずれの一つに満たされた記録に対して、構造体listにより記録する。制限判断の条件は以下の通りである。
９３０.３.全てのトラバーサルの区域の一番目の目標関数を計算し、且つgoa11により記録する。
９３０.４.全てのトラバーサルの区域の第二の目標関数を計算し、且つgoa12により記録する。
９３０.５.、全てのトラバーサルの区域における第三の目標関数を計算し、且つgoa13により記録する。
９３０.６.三つの目標の大きさにより全てのトラバーサルの区域をソートし、最大で１と、その次に２と記録され、それぞれ構造体listの属性
_{により記録する。}

_{ステップ９５０において、総合的な順位を計算する。具体的に、ぞれぞれのトラバーサルの三つの目標の総合的順位を計算することと、且つそれぞれの構造体listの属性}goal _ totalにより記録することを含む。構造体listの第i条の記録の_{総合的順位の計算公式は、}
_である。
_{ステップ９６０において、構造体listの中の属性}goal_{totalの一番小さいトラバーサルの区域を捜索し、月の始まり}
_{、月の終わり}
_{、開始時間帯}
_{、終了時間帯}et_を戻す。

_{上記のステップにより、最後に第}index区域Zの高比率の区域
を出力する。

上記の実施例は、本発明を説明するためのものであり、本発明を制限するものではない。同業者は、本発明の範囲を逸脱することなく各種の変化又は変更を実施できるので、均等の技術案も全て本発明の開示範囲に属するものと理解されるべきである。

Claims

飛行機の行動を予測するように構成された回路を含む予測モジュールであって、
二つ又は二つ以上の飛行行動のデータディメンションに基づいて、データースペースを構成し、且つ捜索条件と制限条件に基づいて、飛行行動の予測モデルを生成するように構成された回路を含むモデル生成単元と、
飛行行動のデータを取得するように構成された回路を含むデータ取得単元と、
前記の飛行行動のデータに基づいて、前記の飛行行動の予測モデルにより、前記のデータースペースにおいて、非正常な飛行行動の高比率の区域を捜索するように構成された回路を含む予測単元と、を更に含む、予測モジュールと、
非正常の飛行行動が発生する可能性を低減させるように前記の飛行機の運行の調整量を指示するように構成された回路を含む指示モジュールと、を含み、
前記の予測単元の捜索は、捜索待ちの区域において行われ、前記の捜索待ちの区域は前記のデータースペースに含まれ、
前記のモデル生成単元の前記の捜索条件は、前記高比率の区域における非正常の飛行行動の比率を最大にし、また、前記高比率の区域の面積を捜索待ちの全区域に近づけることによって最大にし、さらに、前記高比率の区域に含んだ非正常な行動の飛行機の便の数を最大にしており、
前記のモデル生成単元の前記の制限条件は、（ａ）前記高比率の区域における非正常な行動の飛行機の便数が第１の閾値を超えたこと、（ｂ）前記高比率の区域における飛行機の便の総数が第２の閾値を超えたことのうちの少なくとも一つを含む、
飛行の安全性を向上させるシステム。
前記の予測単元は、前記のデータ取得単元又はデーターベースから前記の飛行行動のデータを取得するデーターベースを更に含む、
請求項１に記載のシステム。
前記のモデル生成単元の前記の制限条件は、前記高比率の区域における非正常な飛行行為の比率が第３の閾値を超えることを更に含む、
請求項１に記載のシステム。
前記のデータ取得単元は、初期の飛行行動のデータにより、調整を経て前記のデータディメンションのデータを取得する、
請求項１に記載のシステム。
前記の予測単元は、
前記の捜索待ちの区域に対してトラバーサルする捜索モジュールと、
トラバーサルの結果が前記の制限条件に適合するかどうかを判断する制限解除モジュールと、
条件に適合された全ての前記のトラバーサルの結果を記憶し、且つ総合的にソートして、そして前記の総合的にソートされた結果により、非正常な飛行時間の高比率の区域を出力する記憶及びソートモジュールと、を更に含む、
請求項１に記載のシステム。
前記の捜索モジュールは、全てのデータースペースにおいて前記の捜索待ちの区域を捜索する、
請求項５に記載のシステム。
前記の捜索単元は、非正常な飛行行動の比率レベルが第３閾値より高いブロックを捜索し、且つ連結されたブロックに対して標識付けを行う、
請求項６に記載のシステム。
前記の捜索単元は、前記の非正常な飛行行動の比率レベルが前記第３閾値より高いブロックにより構成された区域を更に捜索する、
請求項７に記載のシステム。
前記の制限解除モジュールは、それぞれの区域のトラバーサルの結果に対して、前記の捜索条件を求め、そして個別な目標値をソートし、この区域の最適値とする最小値のトラバーサルを選択する、
請求項８に記載のシステム。
前記の制限解除モジュールは、前記の最小値のトラバーサルに対して制限条件の判断を行う、
請求項９に記載のシステム。
前記の制限解除モジュールは、前記の最小値のトラバーサルに対して制限条件の判断を行う、
請求項１０に記載のシステム。
前記の記憶及びソートモジュールは、全てのトラバーサルの区域におけるそれぞれの捜索条件の値を計算し、そしてソートを行う、
請求項５に記載のシステム。
前記の記憶及びソートモジュールは、全てのトラバーサルの区域における個々の捜索条件の値に基づいて、全てのトラバーサルブロックの総合順位を計算する、
請求項１２に記載のシステム。
飛行機の行動を予測するステップであって、
二つ又は二つ以上の飛行行動のデータディメンションに基づいて、データースペースを構成し、且つ捜索条件及び制限条件に基づいて、飛行行動の予測モデルを生成するステップと、
飛行行動のデータを取得するステップと、
飛行行動のデータに基づいて、前記の飛行行動の予測モデルにより前記のデータースペースにおいて、非正常な飛行行動の高比率の区域を捜索するステップと、を含む、予測するステップと、
非正常の飛行行動が発生する可能性を低減させるように前記の飛行機の運行の調整量を指示するステップと、を含み、
捜索は捜索待ちの区域において行われ、前記の捜索待ち区域は前記のデータースペースの一部であり、
前記の捜索条件は、前記高比率の区域における非正常な飛行行動の比率を最大にし、また、前記高比率の区域の面積を捜索待ちの全区域に近づけることによって最大にし、さらに、前記高比率の区域に含んだ非正常な行動の飛行機の便の数を最大にしており、
前記の制限条件は、（ａ）前記高比率の区域における非正常な行動の飛行機の便数が第１の閾値を超えたこと、（ｂ）前記高比率の区域における飛行機の便の総数が第２の閾値を超えたことのうちの少なくとも一つを含む、
飛行の安全性を向上させる方法。
前記の制限条件は、前記高比率の区域における非正常な飛行行動の比率がもう第３の閾値を超えることを更に含む、
請求項１４に記載の方法。
初期の飛行行動のデータにより、調整を経て前記のデータディメンションのデータ取得するステップを更に含む、
請求項１４に記載の方法。
前記の捜索待ち区域に対してトラバーサルを行うステップと、
トラバーサルの結果が前記の制限条件に適合するかどうかを判断するステップと、
条件に適合された全ての前記のトラバーサルの結果を記憶し、且つ総合的にソートして、そして前記の総合的にソートされた結果に基づいて、非正常な飛行時間の高比率の区域を出力するステップと、を更に含む、
請求項１４に記載の方法。
全てのデータースペースにおいて、前記の捜索待ち区域を捜索するステップを更に含む、
請求項１７に記載の方法。
非正常な飛行行動の比率レベルが第３閾値より高いブロックを捜索し、且つ連結されたブロックに対して標識付けを行うステップを更に含む、
請求項１８に記載の方法。
前記の非正常な飛行行動の比率レベルが前記第３閾値より高いブロックによって構成された区域を捜索するステップを更に含む、
請求項１９に記載の方法。
それぞれの区域のトラバーサルの結果に対して、前記の捜索条件を求め、そして個別な目標値をソートし、前記の区域の最適値とする最小値のトラバーサルを選択するステップを更に含む、
請求項２０に記載の方法。
前記の最小値のトラバーサルに対して制限条件の判断を行うステップを更に含む、
請求項２１に記載の方法。
全てのトラバーサルの区域におけるそれぞれの捜索条件の値を計算し、そしてソートするステップを更に含む、
請求項１７に記載の方法。
全てのトラバーサルの区域における個々の捜索条件の値に基づいて、全てのトラバーサルブロックの総合的な順位を計算するステップを更に含む、
請求項２３に記載の方法。