JP6258057B2 - 飛行機行動の予測システム及び予測方法 - Google Patents
飛行機行動の予測システム及び予測方法 Download PDFInfo
- Publication number
- JP6258057B2 JP6258057B2 JP2014022895A JP2014022895A JP6258057B2 JP 6258057 B2 JP6258057 B2 JP 6258057B2 JP 2014022895 A JP2014022895 A JP 2014022895A JP 2014022895 A JP2014022895 A JP 2014022895A JP 6258057 B2 JP6258057 B2 JP 6258057B2
- Authority
- JP
- Japan
- Prior art keywords
- area
- search
- data
- traversal
- flight
- 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
- 238000000034 method Methods 0.000 title claims description 24
- 230000010006 flight Effects 0.000 claims description 62
- 230000024703 flight behavior Effects 0.000 claims description 58
- 230000002159 abnormal effect Effects 0.000 claims description 38
- 230000006399 behavior Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 5
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 8
- 238000009826 distribution Methods 0.000 description 7
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 101100369802 Caenorhabditis elegans tim-1 gene Proteins 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- XDLMVUHYZWKMMD-UHFFFAOYSA-N 3-trimethoxysilylpropyl 2-methylprop-2-enoate Chemical compound CO[Si](OC)(OC)CCCOC(=O)C(C)=C XDLMVUHYZWKMMD-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
- G08G5/0039—Modification of a flight plan
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0056—Navigation or guidance aids for a single aircraft in an emergency situation, e.g. hijacking
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Emergency Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Operations Research (AREA)
Description
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。
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。
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SMS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EMS 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STS 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ETSとする、
上記の規則のように、区域Sの面積をSsquare =(EMS‐SMS +1)*(ETS‐STS +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 = Zsquare ‐ 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 avfhbj =valuefhbj /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。
avtt =valuett /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。
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。
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。
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。
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。
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。
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) > plevel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avfhbj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。
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. avfhbj =valuefhbj /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、
avtt =valuett/飛行機の便が存在するブロックの数。
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。
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。
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。
である。
ステップ960において、構造体listの中の属性goaltotal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。
を出力する。
Claims (24)
- 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。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310049949.6 | 2013-02-07 | ||
CN201310049949.6A CN103164617B (zh) | 2013-02-07 | 2013-02-07 | 一种飞机行为预测系统及预测方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2014151912A JP2014151912A (ja) | 2014-08-25 |
JP2014151912A5 JP2014151912A5 (ja) | 2017-02-09 |
JP6258057B2 true JP6258057B2 (ja) | 2018-01-10 |
Family
ID=48587699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014022895A Active JP6258057B2 (ja) | 2013-02-07 | 2014-02-07 | 飛行機行動の予測システム及び予測方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US9412072B2 (ja) |
EP (1) | EP2767878B1 (ja) |
JP (1) | JP6258057B2 (ja) |
KR (1) | KR102002996B1 (ja) |
CN (1) | CN103164617B (ja) |
AU (1) | AU2014200568B2 (ja) |
CA (1) | CA2841779C (ja) |
SG (1) | SG2014009211A (ja) |
TW (1) | TWI642598B (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2932197A1 (en) * | 2012-12-12 | 2015-10-21 | University Of North Dakota | Analyzing flight data using predictive models |
KR20160025664A (ko) * | 2014-08-27 | 2016-03-09 | 삼성에스디에스 주식회사 | 이상 조기 감지 장치 및 방법 |
US9824513B2 (en) | 2016-04-14 | 2017-11-21 | United Airlines, Inc. | Method of detecting elevator tab failure |
WO2018034142A1 (ja) * | 2016-08-18 | 2018-02-22 | 日本電気株式会社 | 航空管制支援システム、航空管制支援方法、及び、記録媒体 |
US10228692B2 (en) | 2017-03-27 | 2019-03-12 | Gulfstream Aerospace Corporation | Aircraft flight envelope protection and recovery autopilot |
JP6903535B2 (ja) * | 2017-09-25 | 2021-07-14 | 株式会社Nttドコモ | 情報処理装置 |
US11587448B2 (en) * | 2019-07-26 | 2023-02-21 | General Electric Company | Systems and methods for manifolds learning of airline network data |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4410709A1 (de) * | 1994-03-28 | 1995-10-05 | Bodenseewerk Geraetetech | Überwachungs-Einrichtung zur Überwachung der Flugsicherheit von Flugzeugen |
JPH08292988A (ja) * | 1995-04-21 | 1996-11-05 | N T T Data Tsushin Kk | 交通流管理装置および交通流管理方法 |
GB2322611B (en) * | 1997-02-26 | 2001-03-21 | British Aerospace | Apparatus for indicating air traffic and terrain collision threat to an aircraft |
US6937924B1 (en) | 2004-05-21 | 2005-08-30 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Identification of atypical flight patterns |
US7769608B1 (en) | 2004-05-27 | 2010-08-03 | Allstate Insurance Company | Systems and methods for optimizing property risk ratings |
US20060155432A1 (en) * | 2005-01-07 | 2006-07-13 | United Technologies Corporation | Methods and systems for monitoring atmospheric conditions, predicting turbulent atmospheric conditions and optimizing flight paths of aircraft |
US8024111B1 (en) | 2008-04-02 | 2011-09-20 | Strategic Design Federation W, Inc. | Travel route system and method |
US8289187B1 (en) * | 2008-07-08 | 2012-10-16 | Nationwide Mutual Insurance Company | Accident prone location notification system and method |
US20100145552A1 (en) * | 2008-12-04 | 2010-06-10 | Lockheed Martin Corporation | Route planning using ground threat prediction |
TW201142339A (en) * | 2010-05-20 | 2011-12-01 | Jiung-Yao Huang | Remote sensing satellite positioning device and method thereof |
CA2823152C (en) * | 2010-12-26 | 2019-08-06 | The Travelers Indemnity Company | Systems and methods for utilization of risk zones |
KR101711025B1 (ko) * | 2011-04-21 | 2017-02-28 | 한국전자통신연구원 | 우선 관제 대상 선정 장치와 방법 및 대상물 관제 장치 |
US11092451B2 (en) * | 2011-07-27 | 2021-08-17 | Appy Risk Technologies Limited | Selective vehicle tracking and vehicle routing |
CN102495949A (zh) * | 2011-11-23 | 2012-06-13 | 西北工业大学 | 一种基于飞行数据的故障预报方法 |
JP5964696B2 (ja) * | 2012-08-23 | 2016-08-03 | 富士重工業株式会社 | 滑走路最適化システム、滑走路最適化方法及び滑走路最適化プログラム |
-
2013
- 2013-02-07 CN CN201310049949.6A patent/CN103164617B/zh active Active
-
2014
- 2014-02-03 AU AU2014200568A patent/AU2014200568B2/en active Active
- 2014-02-04 CA CA2841779A patent/CA2841779C/en active Active
- 2014-02-06 US US14/174,113 patent/US9412072B2/en active Active
- 2014-02-06 EP EP14154164.9A patent/EP2767878B1/en active Active
- 2014-02-06 TW TW103103882A patent/TWI642598B/zh active
- 2014-02-07 SG SG2014009211A patent/SG2014009211A/en unknown
- 2014-02-07 JP JP2014022895A patent/JP6258057B2/ja active Active
- 2014-02-07 KR KR1020140014477A patent/KR102002996B1/ko active IP Right Grant
Also Published As
Publication number | Publication date |
---|---|
CA2841779C (en) | 2018-09-25 |
CN103164617B (zh) | 2016-11-23 |
CN103164617A (zh) | 2013-06-19 |
KR20140100914A (ko) | 2014-08-18 |
EP2767878A3 (en) | 2014-09-10 |
US20140250042A1 (en) | 2014-09-04 |
US9412072B2 (en) | 2016-08-09 |
KR102002996B1 (ko) | 2019-07-23 |
AU2014200568A1 (en) | 2014-08-21 |
CA2841779A1 (en) | 2014-08-07 |
JP2014151912A (ja) | 2014-08-25 |
SG2014009211A (en) | 2014-09-26 |
EP2767878A2 (en) | 2014-08-20 |
EP2767878B1 (en) | 2018-04-11 |
TW201441099A (zh) | 2014-11-01 |
AU2014200568B2 (en) | 2018-05-10 |
TWI642598B (zh) | 2018-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6258057B2 (ja) | 飛行機行動の予測システム及び予測方法 | |
US11024183B2 (en) | Air traffic control support system, air traffic control support method, and recording medium | |
Teodorović et al. | Optimal dispatching strategy on an airline network after a schedule perturbation | |
Chakrabarty | A data mining approach to flight arrival delay prediction for american airlines | |
Nikoleris et al. | Queueing models for trajectory-based aircraft operations | |
Schultz et al. | Boarding on the critical path of the turnaround | |
Hong et al. | Dynamic robust sequencing and scheduling under uncertainty for the point merge system in terminal airspace | |
Terekhov et al. | A concept of forecasting origin-destination air passenger demand between global city pairs using future socio-economic scenarios | |
Jun et al. | Towards a greener Extended-Arrival Manager in air traffic control: A heuristic approach for dynamic speed control using machine-learned delay prediction model | |
CN113222277A (zh) | 基于动态分配算法的城市区域物流无人机需求预测方法 | |
Kammoun et al. | New approach for air traffic management based on control theory | |
CN113408907A (zh) | 空中交通管制系统威胁影响分析方法、系统及设备 | |
Hondet et al. | Airline disruption management with aircraft swapping and reinforcement learning | |
Zillies et al. | Multiobjective 4D optimization of a trajectory-based air traffic management | |
Kang | Degradable airline scheduling: an approach to improve operational robustness and differentiate service quality | |
US20220252401A1 (en) | Method for optimising a flight plan | |
Zeng et al. | Threat impact analysis to air traffic control systems through flight delay modeling | |
Dai et al. | Real-Time Prediction of Runway Occupancy Buffers | |
Wolfe et al. | A method for using historical Ground Delay Programs to inform day-of-operations programs | |
Anderson et al. | Analysis of flight delays in aviation system using different classification algorithms and feature selection methods | |
Hadjaz et al. | Increasing Air Traffic: What is the Problem? | |
Heidt | Uncertainty models for optimal and robust ATM schedules | |
Provan et al. | Tactical airport configuration management | |
Mukherjee et al. | Flight departure delay and rerouting under uncertainty in en route convective weather | |
Mesgarpour | Airport runway optimization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140522 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161221 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20161221 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20161221 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20170223 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170405 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170704 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170905 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171115 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20171127 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20171206 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6258057 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |