KR20140100914A - 항공기행위 예측시스템 및 예측방법 - Google Patents

항공기행위 예측시스템 및 예측방법 Download PDF

Info

Publication number
KR20140100914A
KR20140100914A KR1020140014477A KR20140014477A KR20140100914A KR 20140100914 A KR20140100914 A KR 20140100914A KR 1020140014477 A KR1020140014477 A KR 1020140014477A KR 20140014477 A KR20140014477 A KR 20140014477A KR 20140100914 A KR20140100914 A KR 20140100914A
Authority
KR
South Korea
Prior art keywords
area
search
flight
data
abnormal
Prior art date
Application number
KR1020140014477A
Other languages
English (en)
Other versions
KR102002996B1 (ko
Inventor
홍 츠
바오구앙 쉬
밍리앙 치
닝닝 장
쉬에앤 샤오
민강 구오
비아오 스
시엔츈 탄
Original Assignee
에어 차이나 리미티드
인스티튜트 오브 폴리시 앤드 매니지먼트, 차이니스 아카데미 오브 사이언스
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 에어 차이나 리미티드, 인스티튜트 오브 폴리시 앤드 매니지먼트, 차이니스 아카데미 오브 사이언스 filed Critical 에어 차이나 리미티드
Publication of KR20140100914A publication Critical patent/KR20140100914A/ko
Application granted granted Critical
Publication of KR102002996B1 publication Critical patent/KR102002996B1/ko

Links

Images

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)

Abstract

본 발명은 항공기행위 예측시스템에 관한 것으로, 해당 시스템은 2개 또는 2개 이상의 비행행위 데이터디멘션에 근거하여 데이터공간을 형성하고 검색조건과 제한조건에 근거하여 비행행위 예측모델을 생성하는 모델생성유니트와, 비행행위 데이트를 취득하는 데이터취득유니트와, 상기 비행행위 데이터에 근거하고 상기 비행행위 예측모델을 이용하여 상기 데이터공간에서 비정상 비행행위의 고비중영역을 검색하는 예측유니트를 포함한다.

Description

항공기행위 예측시스템 및 예측방법 {SYSTEM AND METHOD FOR IMPROVING THE FLIGHT SATETY}
본 발명은 항공기 기술에 관한 것이며, 특히 항공기행위 예측시스템 및 예측방법에 관한 것이다.
항공기의 운항에 있어서, 비행안전은 반드시 보장되어야 한다. 비행안전에 영향을 끼칠 수 있는 상황이 발생할 경우, 비행안전을 보장하기 위해 항공기의 정상 비행 행위를 조절하여야 한다. 항공기의 비정상 비행행위로는 항공편취소, 항로 변경, 연착, 귀항 및 대체착륙 등이 있다. 항공기의 비정상 비행행위는 비행안정성을 낮추고 비행안전에 영향을 주는 동시에 탑승객의 편안함과 만족도에 큰 손해를 끼치게 된다. 항공기의 이러한 행위를 될수록 줄이는 방법을 찾기 위해 모든 항공사들은 항공기의 비정상 행위에 대한 연구에 박차를 가하고 있다. 따라서, 항공기의 비정상 비행행위에 대한 적합한 예측은 각 항공사의 중요한 연구과제로 되고 있다. 하지만, 이와 관련된 기술문제는 각 항공사에 있어서 수년간 고민거리가 되고 있으며 현재까지도 해결하지 못하고 있다.
종래기술에서 존재하는 1개 또는 몇 개의 기술문제를 해결하기 위하여, 본 발명의 한 방면에 따르면, 2개 또는 2개 이상의 비행행위 데이터디멘션에 근거하여 데이터공간을 형성하고 검색조건과 제한조건에 근거하여 비행행위 예측모델을 생성하는 모델생성유니트와, 비행행위 데이터를 취득하는 데이터취득유니트와, 상기 비행행위 데이터에 근거하고 상기 비행행위 예측모델을 이용하여 상기 데이터공간에서 비정상 비행행위의 고비중영역을 검색하는 예측유니트를 포함하는 것을 특징으로 하는 항공기행위 예측시스템을 제공한다.
항공기의 항공편이 고비중영역에 나타날 경우, 해당 항공편이 비정상 비행행위가 발생할 가능성이 매우 크다고 예측한다. 따라서, 해당 항공편 시간의 고비중영역이 아닌 영역으로의 조절을 고려한다. 다시 말하면, 본 발명의 예측에 따라 항공편의 운항시간 배정에 있어서 비정상 비행행위의 고비중영역을 될수록 피함으로써 항공기의 비행안전을 확보하고 탑승객의 편안함을 향상시킨다.
본 발명의 다른 한 방면에 따르면, 2개 또는 2개 이상의 비행행위 데이터디멘션에 근거하여 데이터공간을 형성하고 검색조건과 제한조건에 근거하여 비행행위 예측모델을 생성하는 단계와, 비행행위 데이터를 취득하는 단계와, 상기 비행행위 데이터에 근거하고 상기 비행행위 예측모델을 이용하여 상기 데이터공간에서 비정상 비행행위의 고비중영역을 검색하는 단계를 포함하는 것을 특징으로 하는 항공기행위 예측방법을 제공한다. 항공기의 항공편이 고비중영역에 나타날 경우, 해당 항공기의 비정상 비행행위가 발생할 가능성이 매우 크다고 예측한다.
이하 도면을 참조하여 본 발명의 바람직한 실시예에 대하여 진일보로 상세히 설명한다. 도면에 있어서,
도1은 항공기가 귀항 및 대체착륙 단계에 있는 실시예의 예시도이다.
도2는 본 발명의 일실시예에 따른 항공기의 귀항 대체착륙의 예측원리의 예시도이다.
도3은 본 발명의 일실시예에 따른 검색 목표를 나타내는 예시도이다.
도4는 도3의 실시예에 따른 제1검색 목표를 나타내는 예시도이다.
도5는 도3의 실시예에 따른 제2검색 목표를 나타내는 예시도이다.
도6은 도3의 실시예에 따른 제3검색 목표를 나타내는 예시도이다.
도7은 본 발명의 실시예에 따른 항공기행위 예측시스템 구성를 나타내는 예시도이다.
도8은 본 발명의 일실시예에 따른 예측유니트 구성의 예시도이다.
도9는 본 발명의 실시예에 따른 항공기의 비정상 비행행위 예측방법을 나타내는 프로세스도이다.
본 발명의 실시예의 목적, 기술안 및 장점을 더욱 명확히 설명하기 위하여 이하 본 발명의 실시예 도면을 참조하여 본 발명의 실시예 기술안을 명료하게 그리고 완정하게 설명한다. 하지만 이하에서 설명하는 실시예는 본 발명의 전부 실시예가 아니고 일부분 실시예에 속할 뿐이다. 본 발명의 실시예에 기초하에, 본 기술분야의 통상적인 지식을 가진자에 의해 그 어떠한 창조적인 노동을 거치지 않고 얻는 기타 모든 실시예 역시 본 발명이 보호하고자 하는 범위에 속한다.
통상적으로 항공기의 비정상 비행행위를 초래하는 원인은 두 가지 방면으로 구분할수 있다. 한 방면은 항공기 자체원인 예를 들면 정비, 연료 보급, 비행고장 등이다. 다른 한 방면은 항공기 비자체원인 예를 들면 날씨, 장소조건 등이다.
항공기 자체원인으로 인한 비정상 비행행위는 항공기의 정비수준 향상을 통하여 최대한 감소시킬 수 있다. 하지만, 항공기 비자체원인으로 인한 비정상 비행행위는 일정한 객관규율이 존재한다. 데이터 활용 기술을 이용하여 항공기 비자체원인으로 인한 비정상 비행행위의 과거 데이터에 대한 분석을 통해 적절한 수학모델을 만들어 항공기의 상술한 비정상 비행행위에 대하여 합리한 예측을 할 수 있다.
본 발명은 주로 항공기 비자체원인으로 인한 비정상 비행행위에 관한 것이다. 예를 들면, 배경기술에서 기재한 바와 같이, 비정상 비행행위는 항공편취소, 항로변경, 항공편연착, 항공기 귀항 및 대체착륙 등을 포함하며, 또한 이에 제한되지 않는다.
이하, 항공기의 귀항 및 대체착륙을 예로 들어, 본 발명의 기술안을 진일보로 설명한다. 기타 비정상 비행행위도 귀항 및 대체착륙의 실시예와 유사한 방법을 사용하여 예측할 수 있다.
도1은 항공기 귀항 및 대체착륙 단계의 실시예를 나타내는 예시도이다. 도1에 도시된 바와 같이, 항공기는 이륙공항에서 순조롭게 이륙한다. 그후 정상적인 비행과정에서 귀항 및 대체착륙하지 않으면 안 되는 상황이 발생한다. 비행중의 모 위치(도면 중의 별무늬 부호 표시부분)에서 귀항 또는 대체착륙 결정을 내린다. 그후, 항공기는 점선으로 표시된 목적지공항으로 비행하지 않고 귀항하여 이륙공항으로 되돌아오거나 대체착륙할 공항으로 날아간다. 도1에 도시된 바와 같은 귀항과 대체착륙이 본 발명에서 주목하는 비정상 비행행위이다.
어느 한 특정된 목적지공항을 놓고 말하면 장소조건이 고정되어 있다. 따라서, 이와 관련한 모든 귀항 및 대체착륙 상황을 하나의 독립적인 데이터공간으로 설정하고 상기 특정조건하에서 발생하는 귀항 및 대체착륙의 확률에 대한 분석을 통하여 항공기의 귀항 및 대체착륙 행위를 예측할 수 있다.
도2는 본 발명의 일실시예에 따른 항공기의 귀항 및 대체착륙 예측원리를 나타내는 예시도이다. 도2에서 도시된 바와 같이, 월과 시간대는 전부 분산되어 있다. 월과 시간대는 한개의 2차원 평면을 구성할 수 있다. 일년의 12개월과 하루의 24시간의 2차원 평면을 288개의 직사각형으로 구분한다. 1개의 직사각형을 “블록”으로 정의한다. 어느 몇 개월 동안의 연속된 시간대 또는 어느 몇 개 시간대의 연속된 월을 “영역”으로 정의한다. 두 개 또는 두 개 이상의 연속된 블록으로 구성된 비교적 큰 직사각형이 곧 영역이다. 도2에서 1월부터 2월까지와 6:00-7:00시간대로 구성된 블록을 도시한다.
항공편의 과거 데이터에 근거하면, 정상 항공편과 귀항 및 대체착륙한 항공편을 포함한 모든 항공편의 착륙시간이 전부 다 상기 288개의 직사각형 내에 포함되어 있다. 매개 블록에 있어서 해당 블록의 귀항 및 대체착륙의 비중은 해당 블록 내에서 귀항 및 대체착륙한 항공편수와 해당 블록내 총 항공편수의 비율을 말한다. 즉,
귀항 및 대체착륙 비중=귀항 및 대체착륙 항공편수/총 항공편수
마찬가지로, 매개 영역을 놓고 말하면 해당 영역의 귀항 및 대체착륙 비중은 해당 영역 내에서 귀항 및 대체착륙한 항공편수와 해당 영역 내 총 항공편수의 비율을 말한다. 매개 블록의 비중에는 차이가 존재한다. 따라서, 서로 다른 영역의 비중도 동일하지 않다. 따라서, 알고리즘 모델을 통하여, 해당 2차원 평면 내에서 귀항 및 대체착륙 비중이 비교적 높은 영역을 찾아낼 수 있다.
귀항 및 대체착륙 비중이 어느 임계치를 초과하고 해당 영역주변의 다른 영역에 비하여 귀항 및 대체착륙 비중이 더 높은 영역을 고비중영역이라고 한다. 임계치는 실제상황에 근거하여 설정할 수 있다. 예를 들어 귀항 및 대체착륙 비중의 평균치를 임계치로 설정할 수 있다. 다른 임계치 설정에 따라, 귀항 및 대체착륙 고비중영역도 다를 수 있다. 예를 들어, 도2에서의 목적지공항에는 3개의 귀항 및 대체착륙 고비중영역 A, B 및C가 있으며, 이는 서로 다른 월과 시간대에 대응된다. 항공기의 예정착륙시간이 마침 귀항 및 대체착륙 고비중영역에 속할 경우, 항공기의 비정상 귀항 및 대체착륙 행위가 발생할수 있는 확률이 상대적으로 매우 높다고 예측할 수 있다. 상기의 방법을 통해 항공기의 귀항 및 대체착륙 행위에 대한 예측을 상기 2차원 공간에서 특정된 조건을 만족하는 영역을 검색하는 것으로 변환할 수 있다.
적합한 2차원 또는 다차원 데이터공간을 형성하는 것은 어려운 일이다. 데이터공간의 형성이 적합하지 않을 경우 항공기의 특정된 비정상 비행행위의 발생은 집중되지 않고 분산되는 것이다. 이럴 경우 만족스러운 예측결과를 얻을 수 없다. 본 발명의 일실시예에 따르면, 선택할 수 있는 데이터디멘션은 착륙의 시간대, 일자, 월, 음력 일자 또는 월, 거리특정사건을 포함한다. 예를 들어, 절기, 폭우, 큰 바람, 강설 등의 시간 등이다. 도2의 실시예는 하나의 2차원 평면공간의 예를 나타낸다. 2차원을 초과한 다차원 공간의 사용도 가능하다.
본 발명의 일실시예에 따르면, 상기 검색은 전체 데이터공간에서 진행하지 않고 데이터공간의 일부분 공간에서 진행할 수도 있다. 예를 들어, 영역Z에서 진행할 수 있다. 일련의 검색조건을 통하여, 가장 적합한 고비중영역을 검색한다. 예를 들어, 하기와 같은 검색조건을 사용할 수 있다.
1. 해당 영역의 귀항 및 대체착륙 비중이 높으면 높을수록 좋고 될수록 1에 접근한다.
2. 해당 영역의 면적이 크면 클수록 좋고 될수록 전체영역Z에 접근한다.
3. 해당 영역에 포함된 귀항 및 대체착륙 항공편수가 많을수록 좋다.
본 발명의 일실시예에 따르면, 상기 검색의 제한조건으로 해당 영역의 귀항 및 대체착륙 항공편수 또는 총 항공편수가 일정한 수량에 도달하게끔 할 수 있다. 이로하여 검색문제를 다목표 기획문제로 전환할 수 있다. 제한조건은 하기 조건일 수 있다.
4. 해당 영역 귀항 및 대체착륙 항공편수 및/또는 총 항공편수가 일정한 수량에 도달한다.
도3은 본 발명의 일실시예에 따른 검색 목표를 나타내는 예시도이다. 즉, 영역S는 영역Z중 검색조건과 제한조건의 관계를 만족하는 영역이다. 도4는 도3의 실시예에 따른 제1검색 목표를 나타내는 예시도이며, 도5는 도3의 실시예에 따른 제2검색 목표를 나타내는 예시도이다. 도6은 도3의 실시예에 따른 제3검색 목표를 나타내는 예시도이다. 도3~5에 도시된 바와 같이, 본 실시예에서는 도2의 실시예와 같은 시간대와 월을 2차원 평면으로 하는 디멘션을 사용하고 있다. 3개의 검색 목표는 각각 상기의 3개의 검색조건에 대응된다.
이하는 구체적인 검색을 표시한다.
(1) 영역Z의 변수 설정
1.1. 귀항 및 대체착륙이 비교적 집중된 영역을 영역Z로 표시한다.
1.2. 영역Z에 포함된 기본 블록수를
Figure pat00001
로 표시한다.
1.3. 영역Z내에 존재하는 귀항 및 대체착륙 항공편수를
Figure pat00002
로 표시한다.
1.4. 영역Z내에 존재하는 항공편수를
Figure pat00003
로 표시한다.
1.5. 영역Z의 월 디멘션에 있어서 시작월을
Figure pat00004
로 표시한다.
1.6. 영역Z의 월 디멘션에 있어서 종료월을
Figure pat00005
로 표시한다.
1.7. 영역Z의 시간대 디멘션에 있어서 시작시간대를
Figure pat00006
로 표시한다.
1.8. 영역Z의 시간대 디멘션에 있어서 종료시간대를
Figure pat00007
로 표시한다.
상술한 바와 같이, 영역Z의 면적은 하기와 같이 표시할 수 있다.
Figure pat00008
(2) 영역S의 변수 설정
1.1. 검색영역을
Figure pat00009
로 표시한다.
1.2. 영역
Figure pat00010
의 귀항 및 대체착륙 비중의 크기를
Figure pat00011
로 표시한다.
1.3. 영역
Figure pat00012
내에 존재하는 귀항, 착륙항공편의 기본 블록수를
Figure pat00013
로 표시한다.
1.4. 영역
Figure pat00014
에 포함된 기본 블록수를
Figure pat00015
로 표시한다.
1.5. 영역
Figure pat00016
내에 존재하는 귀항 및 대체착륙 항공편수를
Figure pat00017
로 표시한다.
1.6. 영역 에 포함된 항공편수를
Figure pat00019
로 표시한다.
1.7. 영역
Figure pat00020
의 월 디멘션에 있어서 시작월을
Figure pat00021
로 표시한다.
1.8. 영역
Figure pat00022
의 월 디멘션에 있어서 종료월을
Figure pat00023
로 표시한다.
1.9. 영역
Figure pat00024
의 시간대 디멘션에 있어서 시작시간대를
Figure pat00025
로 표시한다.
1.10. 영역
Figure pat00026
의 시간대 디멘션에 있어서 종료시간대를
Figure pat00027
로 표시한다.
상술한 바와 같이, 영역S의 면적은 하기와 같이 표시할 수 있다.
Figure pat00028
(3) 영역
Figure pat00029
의 변수 설정
1.1. 영역Z에서 영역
Figure pat00030
를 제외한 나머지 영역을
Figure pat00031
로 표시한다.
1.2. 영역
Figure pat00032
의 귀항 및 대체착륙 비중의 크기를
Figure pat00033
로 표시한다.
1.3. 영역
Figure pat00034
에 포함된 기본 블록수를
Figure pat00035
로 표시한다.
1.4. 영역
Figure pat00036
에 존재하는 귀항 및 대체착륙 항공편수를
Figure pat00037
로 표시한다.
1.5. 영역
Figure pat00038
에 포함된 항공편수를
Figure pat00039
로 표시한다.
1.6. 영역
Figure pat00040
의 면적은
Figure pat00041
이다.
(4) 결정 변수
결정 변수는 검색 변수의 시간대와 월의 2개 디멘션에 있어서의 접점과 스텝 사이즈를 가리킨다.
1.1. 블록의 월 디멘션에 있어서 시작월을
Figure pat00042
로 표시한다.
1.2. 블록의 월 디멘션에 있어서 종료월을
Figure pat00043
로 표시한다.
1.3. 블록의 시간대 디멘션에 있어서 시작시간대를
Figure pat00044
로 표시한다.
1.4. 블록의 시간대 디멘션에 있어서 종료시간대를
Figure pat00045
로 표시한다.
(5) 목표 함수
목표1: 직사각형 영역 내의 귀항 및 대체착륙 비중을 될수록 1에 접근시키며, 하기와 같이 표시할 수 있다.
Figure pat00046
목표2: 해당 영역에 포함된 귀항 및 대체착륙수의 영역Z에서 차지하는 귀항 및 대체착륙 수가 크면 클수록 좋다. 이를 하기와 같이 표시할 수 있다.
Figure pat00047
목표3: 해당 직사각형 영역이 될수록 전체Z에 접근한다. 즉, 포함된 기본 블록수가 될수록 전체 영역Z의 블록수에 포함된다. 이를 하기와 같이 표시할 수 있다.
Figure pat00048
(6) 제한조건
제한조건1: 영역S에서의 귀항 및 대체착륙 항공편수가 일정한 수량에 도달한다. 이를 하기의 식으로 표시한다.
Figure pat00049
Figure pat00050
귀항 및 대체착륙 항공편이 존재하는 블록수
제한조건2: 영역S내의 항공편수가 일정한 수량에 도달한다. 이를 하기의 식으로 표시한다.
Figure pat00051
Figure pat00052
항공편이 존재하는 블록수
제한조건3: 영역S에서의 귀항 및 대체착륙 비중이 반드시 일정한 수준에 도달한다. 이를 하기의 식으로 표시한다.
(7) 기타 변수 설정
Figure pat00054
는 각각
Figure pat00055
의 우선등급을 표시한다. 수치가 크면 클수록 우선등급이 높음을 나타낸다.
따라서, 전체적인 최적화를 거쳐 검색의 수학적 최적화 모델을 하기와 같이 표시할 수 있다.
Figure pat00056
그 중, 결정 변수는
Figure pat00057
이며,
Figure pat00058
를 결정한다.
도7은 본 발명의 실시예에 따른 항공기행위 예측시스템의 일구성을 나타내는 예시도이다. 도7에 도시된 바와 같이, 항공기행위 예측시스템(700)은 데이터취득유니트(701), 모델생성유니트(702), 데이터베이스(703) 및 예측유니트(704)를 포함한다.
데이터취득유니트(701)는 오리지널 데이터로부터 필요한 디멘션 데이터를 직접 취득하거나 또는 오리지널 데이터를 이용조절하여 필요한 디멘션 데이터를 얻는데 사용된다. 이하 귀항 및 대체착륙 데이터의 취득을 예로 들어, 데이터취득과정에 대해 설명하기로 한다.
항공편 기록 중에서 필드를 추출하는데 “FLT＿ID”는 항공편 번호를, “DEP＿APT”는 이륙공항을, “ARR＿APT”는 목적지공항을, “STD”는 운항 시간표 중의 이륙 시간을, “STA”는 운항 시간표 중의 도착시간을, “OFF＿TIME”는 실제 이륙 시간을, “ON＿TIME”는 실제착륙시간을, “CANCEL＿FLAG”는 항공편 상태를, “MEMO”는 항공편 상태 설명을 표시한다.
통상적으로, 필드 “CANCEL＿FLAG”의 값이 “0”인 경우, 항공편이 정상 상태임을 나타내고, “1”인 경우, 항공편이 취소되었음을 나타내고, “3”인 경우, 대체착륙할 항공편이 대체착륙 단계에 있음을 나타내고, “4”인 경우, 대체착륙할 항공편이 다시 비행단계에 있음을 나타내고, “5”인 경우, 항공편이 귀항 단계에 있음을 나타내고, “6”인 경우, 항공편이 다시 비행단계에 있음을 나타낸다. 필요에 따라 필드 “CANCEL＿FLAG”의 값이 “1”인 기록을 없앨 수 있다.
본 발명의 일실시예에 따르면, “CANCEL＿FLAG”필드 값이 “3”또는 “5”인 기록에 있어서 필드 “MEMO”를 취득하여 매칭하고 필드“MEMO”에 포함된 “비”, “안개”, “구름”, “얼음”, “가시도”, 또는 “날씨”에 관한 기록을 보류한다.
본 발명의 일실시예에 따르면, 필드“CANCEL＿FLAG”의 값을 “3” 또는 “5”를 취할 때 필드“ON＿TIME”를 조절한다. 즉, ON＿TIME＝OFF＿TIME＋(STA―STD). 필드“CANCEL＿FLAG”의 값을 “4” 또는 “6”인 필드의 값을 “0”으로 조절한다.
필드“ON＿TIME”에 대하여 하기와 같이 처리한다. 시간 필드 “ON＿TIME”를 분할하여 년, 월, 일, 시간(시)을 각각 필드“ON＿Y”, “ON＿M”, “ON＿D”, “ON＿T”로 표시하여 보존한다. 예를 들어, “ON＿TIME”가 “2009-10-1 6:05”인 경우 ON＿Y＝2009，ON＿M＝10，ON＿D＝1，ON＿T＝6으로 분할하여 보존한다.
필드“ARR＿APT”에 대하여, 상기 해당 시간대의 귀항 및 대체착륙 항공편 기록의 목적지공항을 어느 시간대의 정상 항공편의 목적지공항으로 조절한다.
구체적으로 말하면, 필드“CANCEL＿FLAG”의 값이 “3” 또는 “5”인 기록의 “ARR＿APT”필드에 대하여 하기와 같은 조절을 진행한다.
1. 필드“CANCEL＿FLAG”의 값이 “3” 또는 “5”인 기록의 “FLT＿ID”-항공편 번호, “DEP＿APT”-목적지공항, “ON＿Y”를 추출하여 각각 FLT＿ID＿FHBJ， DEP＿APT， ON＿Y＿FHBJ， ON＿M＿FHBJ로 표시한다.
2. “CANCEL＿FLAG”의 값이 0， “FLT＿ID”의 값이 FLT＿ID＿FHBJ， “DEP＿APT”의 값이 DEP＿APT， “ON＿Y”의 값이 ON＿Y＿FHBJ인 기록의 필드“ARR＿APT”를 추출하여 AP로 표시한다.
3. AP로 앞기록의 “ARR＿APT”필드 내용을 조절한다.
상기처리를 통하여 목적지공항 데이터의 데이터를 추출할 수 있다. 그중, CANCEL＿FLAG＝0인 기록은 정상 상태의 항공편 기록이고, CANCEL＿FLAG＝3 또는 5인 기록은 귀항 및 대체착륙 항공편 기록이다. 상기 두 가지 기록을 합한 것이 전체 분석의 항공편 기록이다. 매개 기록 중에서 목적지공항의 데이터를 추출하여 분석을 진행한다.
데이터취득유니트(701)는 데이터를 취득한 후 해당 데이터를 데이터베이스(703)에 전송하여 저장하거나 또는 직접 예측유니트(704)에 전송하여 처리한다.
데이터베이스(703)는 항공편의 과거 데이터를 저장하고 예측유니트(704)에 의해 검색되며 해당되는 데이터를 예측유니트(704)에 제공하여 사용하게 하는데 쓰인다. 본 발명의 일실시예에 따르면, 데이터베이스(703)는 모델생성유니트(702)에서 생성된 모델에 근거하여 데이터베이스에 저장된 과거 데이터를 격식 조절하거나 또는 새로운 데이터표를 형성하여 활용하도록 준비한다.
본 발명의 일실시예에 따르면, 전부의 귀항 및 대체착륙 항공편에 대하여 초보적 통계를 진행하여 목적지공항, 실제착륙 시간의 월과 실제착륙 시간대 3개 디멘션에 있어서의 총 항공편수, 귀항 및 대체착륙 총 항공편수와 귀항 및 대체착륙 비중의 분포를 형성하여 각각 하기와 같이 표시한다.
1. 목적지공항, 월 및 시간대 3개 디멘션에 있어서의 총 항공편 수를
Figure pat00059
로 표시한다.
2. 목적지공항, 월과 시간대 3개 디멘션에 있어서의 귀항 및 대체착륙 항공편 수를
Figure pat00060
로 표시한다.
3. 목적지공항, 월과 시간대 3개 디멘션에 있어서의 귀항 및 대체착륙 비중을
Figure pat00061
로 표시한다.
그 중,
Figure pat00062
는 목적지공항번호를 표시하고,
Figure pat00063
는 월을 표시하는데
Figure pat00064
의 값은
Figure pat00065
이며,
Figure pat00066
는
Figure pat00067
이다.
모델생성유니트(702)는 입력된 검색조건과 제한조건에 근거하여 상응한 검색 모델을 생성한다. 모델생성유니트(702)의 기능에 대해서 앞부분에서 이미 상세히 설명하였기에 이 부분에서는 설명을 중복하지 않겠다.
예측유니트(704)는 모델생성유니트(702)의 모델에 근거하여 데이터베이스에서 상응한 데이터를 취득한후 특정된 비정상 비행행위의 고비중영역을 검색하여 특정된 비정상 비행행위의 예측을 실현한다. 본 기술분야의 기술자들은 모델생성유니트(702)에서 생성된 모델이 데이터베이스 또는 항공기행위 예측시스템의 메모리에도 저장될 수 있음을 이해할 수 있을 것이다. 따라서, 매번 예측유니트(704)가 예측을 진행할 때 번번이 모델생성유니트를 이용하여 모델을 생성할 필요가 없는 것이다.
본 문에서 제기한 “유니트”는 특정된 기능을 완성하는 회로일수 있다. 따라서, “유니트”란 용어를 “회로”로 대체할 수도 있다. 본 발명의 일실시예에 따르면, 상기 회로는 프로세서, 디지털신호 프로세서(DSP), 범용 마이크로 프로세서, 전용 집적회로(ASIC), 현장 프로그래머블 게이트 어레이(FPGA) 또는 기타 등가 집적회로 또는 분리 논리회로를 포함한다. 하지만, 이에 한정되는 것은 아니다.
도8는 본 발명의 일실시예에 따른 예측유니트의 구성을 나타내는 예시도이다. 도8에 도시된 실시예는 도7의 실시예중의 예측유니트(704)에 사용될 수 있다. 도8에 도시된 바와 같이, 예측유니트(800)는 통계모듈(801), 검색모듈(802), 제한해제모듈(803)과 저장 및 순서배열 모듈(804)을 포함한다.
통계모듈(801)은 통계기능을 완성한다. 예를 들어, 귀항 및 대체착륙 항공편의 1개월 동안의 분포를 통계하거나 또는 어느 목적지공항의 귀항 및 대체착륙의 1개월 동안의 분포를 통계한다.
본 발명의 일실시예에 따르면, 귀항 및 대체착륙 항공편의 1개월 동안의 분포 통계는 하기와 같은 단계를 포함할 수 있다.
단계1: 년도 설정. 년도는 1년 또는 연속 몇년일 수 있다.
단계2: 월
Figure pat00068
을 각각 1,2,3,4,5,6,7,8,9,10,11,12를 취할 경우, 귀항 및 대체착륙이 목적지공항, 월 및 시간대 3개 디멘션에 있어서의 분포 상황
Figure pat00069
에 근거하여 1개월 동안의 귀항 및 대체착륙의 항공편 수를 계산하고,
Figure pat00070
로 표시한다.
단계3: 월
Figure pat00071
을 각각 1,2,3,4,5,6,7,8,9,10,11,12를 취할 경우, 항공편이 목적지공항, 월 및 시간대 3개 디멘션에 있어서의 분포 상황
Figure pat00072
에 근거하여 1개월 동안의 항공편 수를 계산하고
Figure pat00073
로 표시한다.
단계4: 어느 년도 또는 어느 몇 년동안에 있어서 매개월에 있어서 귀항 및 대체착륙 비중
Figure pat00074
,
Figure pat00075
을 계산한다.
본 발명의 일실시예에 따르면, 어느 목적지공항의 귀항 및 대체착륙의 월의 분포 통계는 하기와 같은 단계를 포함할 수 있다.
단계1: 목적지공항(
Figure pat00076
)설정. 년도는 1년 또는 연속 몇 년일 수 있다.
단계2: 월
Figure pat00077
을 각각 1,2,3,4,5,6,7,8,9,10,11,12를 취할 경우, 귀항 및 대체착륙의 목적지공항, 월 및 시간대 3개 디멘션에 있어서의 분포 상황
Figure pat00078
에 근거하여 목적지공항(
Figure pat00079
)의 매월에 있어서의 귀항 및 대체착륙의 항공편수를 계산하고,
Figure pat00080
로 표시한다.
단계3: 월
Figure pat00081
을 각각 1,2,3,4,5,6,7,8,9,10,11,12를 취할 경우, 항공편의 목적지공항, 월 및 시간대 3개 디멘션에 있어서의 분포 상황
Figure pat00082
에 근거하여 목적지공항(
Figure pat00083
)의 매월에 있어서의 항공편 수를 계산하고
Figure pat00084
로 표시한다.
단계4: 목적지공항(
Figure pat00085
)의 어느 년도 또는 어느 몇 년동안에 있어서의 매월에 있어서의 귀항 및 대체착륙 비중을 계산한다. 계산식은 하기와 같다.
Figure pat00086
검색모듈(802)은 예측유니트의 중요한 구성이다. 본 발명의 일실시예에 따르면, 검색모듈은 데이터베이스의 데이터 및 모델의 요구에 근거하여 전체 데이터공간을 순회(traversal)한다. 그 후, 순회한 결과를 제한해제모듈(803)에 출력한다. 제한해제모듈(803)은 순회결과가 제한조건에 부합되는지를 판단하고 제한조건에 부합되는 순회결과를 저장 및 순서배열 모듈(804)에 출력한다. 저장 및 순서배열 모듈(804)은 조건에 부합되는 모든 순회결과를 저장하고 순회결과에 대하여 종합적 순서배열을 진행한다. 그리고 순서배열 결과에 근거하여 비정상 비행시간의 고비중영역을 출력한다.
본 발명의 일실시예에 따르면, 검색모듈(802)은 데이터공간에서 비정상 비행행위 확률이 임계치를 초과하는 영역Z를 생성한 후 순회를 진행한다.
본 문에서 제기한 “모듈”은 특정된 기능을 완성하는 회로일 수 있다. 따라서, “모듈”이란 용어는 “회로”로 대체할 수 있다. 본 발명의 일실시예에 따르면, 상술한 회로는 프로세서, 디지털신호 프로세서(DSP), 범용 마이크로 프로세서, 전용 집적회로(ASIC), 현장 프로그래머블 게이트 어레이(FPGA) 또는 등가 집적회로 또는 분리 논리회로를 포함한다. 하지만 이에 한정되는 것은 아니다.
도9는 본 발명의 일실시예에 따른 항공기 비정상 비행행위 예측방법의 프로세스도이다. 도9에 도시된 예측방법은 도7과 도8에 도시된 실시예에 사용될 수 있다. 도9의 실시예에 있어서, 항공기의 비정상 비행행위는 귀항 및 대체착륙 행위이며 데이터공간은 시간대와 월으로 구성된 2차원 평면이다.
도9에 도시된 바와 같이, 항공기 비정상 비행행위 예측방법(900)은 단계(910)에서, 검색모듈을 이용하여 영역Z를 형성한다. 영역Z는 몇 개의 서로 연결된 블록을 포함한다. 영역Z의 귀항 및 대체착륙 비중은
Figure pat00087
보다 높거나 또는 해당 블록 내의 귀항 및 대체착륙 항공편수가
Figure pat00088
보다 많거나 또는 동일하다. 그중,
Figure pat00089
는 미리 설정한 귀항 및 대체착륙 비중 임계치 또는 귀항 및 대체착륙 비중의 평균치를 표시하고
Figure pat00090
는 미리 설정한 귀항 및 대체착륙수 임계치 또는 귀항 및 대체착륙수의 평균치를 표시한다.
이하, 하나의 구체적인 실시예를 통해 단계(910)에서의 영역Z에 대한 검색에 대하여 설명한다.
본 발명의 일실시예에 따르면, 귀항 및 대체착륙 비중이
Figure pat00091
보다 큰 블록에 대하여 검색을 진행하고 서로 연결된 블록을
Figure pat00092
로 표기하고 구성체
Figure pat00093
로 블록 정보를 기록한다. 상기 정보는 월, 시간대 및
Figure pat00094
를 포함한다.
입력:
Figure pat00095
을 입력한다. 그중,
Figure pat00096
는 모든 블록의 귀항 및 대체착륙 비중을 표시하고 i는 공항표기이다.
출력: 구성체
Figure pat00097
[속성:공항(
Figure pat00098
), 월(
Figure pat00099
), 시간대(
Figure pat00100
), 영역표기(
Figure pat00101
)] 및 영역Z 수
Figure pat00102
을 출력한다.
910.1. 초기화 단계:
Figure pat00103
910.2. 귀항 및 대체착륙 비중이
Figure pat00104
보다 큰 블록 또는 블록내 귀항 및 대체착륙 항공편수가
Figure pat00105
이상인 블록을 찾아
Figure pat00106
로 표시한다. 구체적으로, 첫번째
Figure pat00107
또는 블록내 귀항 및 대체착륙 항공편 수가
Figure pat00108
이상인
Figure pat00109
조합을 찾아낸 후, 구성체 어레이
Figure pat00110
로 기록한다. 즉,
Figure pat00111
그리고,
Figure pat00112
로 한다.
910.3.
Figure pat00113
과 연결되고 그리고 귀항 및 대체착륙 비중이
Figure pat00114
보다 큰 블록 또는 블록내 귀항 및 대체착륙 항공편수가
Figure pat00115
이상인 블록을 찾아낸 후
Figure pat00116
로 표시한다.
A．
Figure pat00117
그리고
Figure pat00118
일 경우 또는 블록내 귀항 및 대체착륙 항공편수가
Figure pat00119
이상일 경우, 구성체 어레이
Figure pat00120
로 기록한다.
Figure pat00121
그리고
Figure pat00122
이다. 그렇지 않으면 다음 단계에 들어간다.
B.
Figure pat00123
또한
Figure pat00124
또는 블록내 귀항 및 대체착륙 항공편수가
Figure pat00125
이상일 경우, 구성체 어레이
Figure pat00126
로 기록한다.
Figure pat00127
그리고,
Figure pat00128
로 한다. 그렇지 않을 경우, 다음 단계에 들어간다.
C.
Figure pat00129
,
Figure pat00130
그리고
Figure pat00131
또는 블록내 귀항, 착륙항공편수가
Figure pat00132
이상일 경우, 구성체 어레이
Figure pat00133
로 기록한다.
Figure pat00134
그리고,
Figure pat00135
,
Figure pat00136
로 한다. 그렇지 않을 경우, 다음 단계에 들어간다.
D.
Figure pat00137
그리고
Figure pat00138
또는 블록내 귀항 및 대체착륙 항공편수가
Figure pat00139
이상일 경우, 구성체 어레이
Figure pat00140
로 기록한다.
Figure pat00141
그리고,
Figure pat00142
,
Figure pat00143
로 한다. 그렇지 않을 경우, 다음 단계에 들어간다.
910.4.
Figure pat00144
일 경우,
Figure pat00145
이고, 단계910.3을 중복한다. 그렇지 않을 경우 다음 단계에 들어간다.
910.5.
Figure pat00146
그리고
Figure pat00147
일 경우, 단계910.2로 넘어가고 k＝k＋1이다. 그렇지 않을 경우 종결 된다.
본 발명의 일실시예에 따르면, 구성체
Figure pat00148
의 블록으로 구성된 전부영역을 검색하고 구성체
Figure pat00149
로 기록한다. 구체적으로 하기와 같다.
입력: 구성체
Figure pat00150
, 영역
Figure pat00151
의 수
Figure pat00152
, 어레이
Figure pat00153
를 입력한다.
출력: 구성체
Figure pat00154
[속성: 목적지공항
Figure pat00155
, 시작월
Figure pat00156
, 종료월
Figure pat00157
, 시작 시간대
Figure pat00158
, 종료 시간대
Figure pat00159
, 귀항 및 대체착륙 항공편수
Figure pat00160
, 총 항공편수
Figure pat00161
]
910.6.
Figure pat00162
910.7.
Figure pat00163
로 표기된 모든 블록의
Figure pat00164
속성의 최소치와 최대치를 각각
Figure pat00165
로 기록한다.
Figure pat00166
로 표기된 모든 블록의
Figure pat00167
속성의 최소치와 최대치를 각각
Figure pat00168
로 기록한다.
910.8. 구성체
Figure pat00169
로 영역에 대하여 기록을 진행한다. 즉,
Figure pat00170
그리고, 속성
Figure pat00171
로 영역의 귀항 및 대체착륙 항공편수를 기록하고, 속성
Figure pat00172
로 영역의 항공편수를 기록하며, 속성
Figure pat00173
로 해당 영역의 크기를 기록한다.
Figure pat00174
910.9.
Figure pat00175
일 경우, 단계910.7에 들어간다.
그 다음, 제한조건
Figure pat00176
을 계산한다. 본 단계는 제한단계930전의 임의의 단계에서 진행할 수 있다. 구체적으로 하기와 같다.
입력:
Figure pat00177
출력:
Figure pat00178
910.10.
Figure pat00179
910.11.
Figure pat00180
910.12.
Figure pat00181
일 경우,
910.13.
Figure pat00182
그리고
Figure pat00183
일 경우, 단계920.11로 되돌아가고, 그렇지 않을 경우
Figure pat00184
, 단계920.14에 들어간다.
910.14.
Figure pat00185
그리고
Figure pat00186
일 경우, 단계920.11에 되돌아간다.
910.15.
Figure pat00187
Figure pat00188
단계910을 통하여 구성체
Figure pat00189
로 표시한 하나의 영역Z를 얻는다. 상기 구성체는 복수개의 기록을 포함하며 매개의 기록은 하나의 귀항 및 대체착륙 비중이
Figure pat00190
보다 높거나 또는 상기 블록내의 귀항 및 대체착륙 항공편수가
Figure pat00191
보다 크거나 같은 영역에 대응된다.
단계920에서 검색모듈을 이용하여 단계910에서 얻은 영역Z에서 순회한다.
구성체
Figure pat00192
를 입력한다. 그중,
Figure pat00193
는 영역Z의 번호를 표시한다. 그 후, 제
Figure pat00194
영역Z를 순회하며, 매차례의 순회영역
Figure pat00195
에 대하여, 구성체
Figure pat00196
로 관련된 정보를 기록한다. 즉, 속성
Figure pat00197
으로 영역
Figure pat00198
의 시작월을 기록하고 속성
Figure pat00199
으로 영역
Figure pat00200
의 종료월을 기록하고 속성
Figure pat00201
로 영역
Figure pat00202
의 시작 시간대를 기록하고 속성
Figure pat00203
로 영역
Figure pat00204
의 종료 시간대를 기록하고 속성
Figure pat00205
로 영역
Figure pat00206
의 귀항 및 대체착륙 항공편수를 기록하고 속성
Figure pat00207
로 영역
Figure pat00208
의 총 항공편수를 기록하고 속성
Figure pat00209
로 영역
Figure pat00210
의 면적의 크기를 기록한다.
단계930에서, 매개의 순회결과가 제한조건을 만족하는가를 판단하고 매차 제한조건을 만족하는 순회결과를 구성체
Figure pat00211
로 기록한다. 구체적으로 하기와 같다.
930.1. 매개 영역의 순회결과에 대하여, 3개의 최적화 목표치를 구함과 동시에 단일개 목표치의 순서배열을 진행하고, 진일보로 매개 순회의 3개 목표치의 평균치를 구하고 그 중에서 최소치 순회를 선택하여 해당 영역의 최적치로 한다.
930.2.
Figure pat00212
의 기록에 대하여 제한조건을 판단하고, 하기의 2개 조건 중의 1개 조건을 만족하는 기록을 구성체
Figure pat00213
로 기록한다. 제한의 판단조건은 하기와 같다.
Figure pat00214
,
Figure pat00215
930.3. 모든 순회영역의 첫번째 목표 함수의 값을 계산하고 goal1로 기록한다.
930.4. 모든 순회영역의 두번째 목표 함수의 값을 계산하고 goal2로 기록한다.
930.5. 모든 순회영역의 세번째 목표 함수의 값을 계산하고 goal3로 기록한다.
930.6. 모든 순회영역에 대하여 3개 목표의 크기에 따라 순서배열한다. 가장 큰 것을 1로 표기하고, 그 다음 것을 2로 표기하고 각각 구성체
Figure pat00216
의 속성
Figure pat00217
으로 기록한다.
단계950에서, 종합순위를 계산한다. 구체적으로, 매개 순회의 3개 목표의 종합순위를 계산하고 각각 구성체
Figure pat00218
의 속성
Figure pat00219
으로 기록한다. 구성체list의 제ｉ번째 기록의 종합순위의 계산식은 하기와 같다.
Figure pat00220
단계960에서, 구성체중에서 속성
Figure pat00222
이 가장 작은 순회영역을 검색하고 다시 시작월
Figure pat00223
, 종료월
Figure pat00224
, 시작 시간대
Figure pat00225
, 종료 시간대
Figure pat00226
로 되돌아간다.
상기의 단계를 통하여 맨 마지막에 제
Figure pat00227
영역
Figure pat00228
의 고비중영역
Figure pat00229
을 출력한다.
상기 실시예는 단지 본 발명을 설명하기 위한 것을뿐 본 발명은 상기 실시예에 한정되는 것이 아니다. 본 기술분야의 통상지식을 가진자라면 본 발명의 범위를 벗어나지 않는 전제하에서 기타 여러 가지 변경과 변형을 진행할 수 있다. 따라서, 모든 균등한 기술안도 본 발명의 공개범위에 속하는 것이다.

Claims (29)

  1. 2개 또는 2개 이상의 비행행위 데이터디멘션에 근거하여 데이터공간을 형성하고 검색조건과 제한조건에 근거하여 비행행위 예측모델을 생성하는 모델생성유니트와,
    비행행위 데이터를 취득하는 데이터취득유니트와,
    상기 비행행위 데이터에 근거하고 상기 비행행위 예측모델을 이용하여 상기 데이터공간에서 비정상 비행행위의 고비중영역을 검색하는 예측유니트를 포함하는 것을 특징으로 하는 항공기행위 예측시스템.
  2. 제1항에 있어서, 데이터베이스를 진일보로 포함하고, 상기 예측유니트가 상기 데이터취득유니트 또는 상기 데이터베이스로부터 상기 비행행위 데이터를 취득하는 것을 특징으로 하는 항공기행위 예측시스템.
  3. 제1항에 있어서, 상기 예측유니트는 검색이 필요한 영역에서 검색을 진행하고 상기 검색이 필요한 영역은 상기 데이터공간의 일부분인 것을 특징으로 하는 항공기행위 예측시스템.
  4. 제3항에 있어서, 상기 모델생성유니트의 검색조건은
    고비중영역의 비정상 비행행위의 비중이 크면 클수록 좋고 될수록 1에 접근하는 것이고,
    고비중영역의 면적이 크면 클수록 좋고 될수록 전체 검색이 필요한 영역에 접근하는 것이고,
    고비중영역에 포함된 비정상 행위의 항공편수가 될수록 많은 것을 특징으로 하는 항공기행위 예측시스템.
  5. 제4항에 있어서, 상기 모델생성유니트의 제한조건은
    고비중영역의 비정상 행위의 항공편수 및/또는 총 항공편수가 미리 설정한 임계치를 초과하는 것을 특징으로 하는 항공기행위 예측시스템.
  6. 제5항에 있어서, 상기 모델생성유니트의 제한조건은 고비중영역의 비정상 비행행위 비중이 다른 하나의 임계치를 초과하는 것을 진일보로 포함하는 것을 특징으로 하는 항공기행위 예측시스템.
  7. 제1항에 있어서, 상기 데이터취득유니트가 오리지널 비행행위 데이터를 이용하고 조절을 거친후 상기 데이터디멘션의 데이터를 얻는 것을 특징으로 하는 항공기행위 예측시스템.
  8. 제3항에 있어서, 상기 예측유니트는 진일보로
    검색이 필요한 영역에 대하여 순회하는 검색모듈과,
    순회결과가 제한조건에 부합하는지를 판단하는 제한해제모듈과,
    조건에 부합되는 전부의 상기 순회결과를 저장하고 종합적 순서배열을 진행한후 종합적 순서배열결과에 근거하여 비정상 비행시간의 고비중영역을 출력하는 저장 및 순서배열 모듈을 포함하는 것을 특징으로 하는 항공기행위 예측시스템.
  9. 제8항에 있어서, 상기 검색유니트는 전체 데이터공간에서 상기 검색이 필요한 영역을 검색하는 것을 특징으로 하는 항공기행위 예측시스템.
  10. 제9항에 있어서, 상기 검색유니트는 비정상 비행행위의 비중이 제1임계치보다 큰 영역을 검색하고 서로 연결된 블록을 표기하는 것을 특징으로 하는 항공기행위 예측시스템.
  11. 제10항에 있어서, 상기 검색유니트는 진일보로 상기 비정상 비행행위의 비중이 제1임계치 보다 큰 블록으로 구성된 영역을 검색하는 것을 특징으로 하는 항공기행위 예측시스템.
  12. 제11항에 있어서, 상기 제한해제모듈은 매개 영역의 순회결과에 대하여 상기 검색조건을 구하고 단일개 목표치의 순서배열을 진행하여 최소치 순회를 선택하여 해당 영역의 최적치로 하는 것을 특징으로 하는 항공기행위 예측시스템.
  13. 제12항에 있어서, 상기 제한해제모듈은 상기 최소치 순회에 대하여 제한조건 판단을 진행하는 것을 특징으로 하는 항공기행위 예측시스템.
  14. 제8항에 있어서, 상기 저장 및 순서배열 모듈은 모든 순회영역의 매개의 검색조건의 값을 계산하고 순서배열을 진행하는 것을 특징으로 하는 항공기행위 예측시스템.
  15. 제14항에 있어서, 상기 저장 및 순서배열 모듈은 모든 순회영역의 각 검색조건의 값에 근거하여 모든 순회블록의 종합순위를 계산하는 것을 특징으로 하는 항공기행위 예측시스템.
  16. 2개 또는 2개 이상의 비행행위 데이터디멘션에 근거하여 데이터공간을 형성하고 검색조건과 제한조건에 근거하여 비행행위 예측모델을 생성하는 단계와,
    비행행위 데이터를 취득하는 단계와,
    상기 비행행위 데이터에 근거하고 상기 비행행위 예측모델을 이용하여 상기 데이터공간에서 비정상 비행행위의 고비중영역을 검색하는 단계를 포함하는 것을 특징으로 하는 항공기행위 예측방법.
  17. 제16항에 있어서, 검색이 필요한 영역에서 검색을 진행하고 상기 검색이 필요한 영역은 상기 데이터공간의 일부분인 것을 특징으로 하는 항공기행위 예측방법.
  18. 제17항에 있어서, 상기 검색조건은
    고비중영역의 비정상 비행행위의 비중이 크면 클수록 좋고 될수록 1에 접근하는 것이고,
    고비중영역의 면적이 크면 클수록 좋고 될수록 전체 검색이 필요한 영역에 접근하는 것이고,
    고비중영역에 포함된 비정상 행위의 항공편수가 될수록 많은 것을 특징으로 하는 항공기행위 예측방법.
  19. 제18항에 있어서, 제한조건은
    고비중영역의 비정상 행위의 항공편수 및/또는 총 항공편수가 미리 설정한 임계치를 초과하는 것을 특징으로 하는 항공기행위 예측방법.
  20. 제19항에 있어서, 상기 제한조건은 고비중영역의 비정상 비행행위 비중이 다른 하나의 임계치를 초과하는 것을 진일보로 포함하는 것을 특징으로 하는 항공기행위 예측방법.
  21. 제16항에 있어서, 오리지널 비행행위 데이터를 이용하고 조절을 거쳐 상기 데이터디멘션의 데이터를 얻는 것을 진일보로 포함하는 것을 특징으로 하는 항공기행위 예측방법.
  22. 제18항에 있어서, 진일보로
    검색이 필요한 영역을 순회하는 단계와,
    상기 순회결과가 제한조건에 부합하는지를 판단하는 단계와,
    조건에 부합되는 전부의 상기 순회결과를 저장하고 종합적 순서배열을 진행한 후, 상기 종합적 순서배열결과에 근거하여 비정상 비행시간의 고비중영역을 출력하는 것을 특징으로 하는 항공기행위 예측방법.
  23. 제22항에 있어서, 전체 데이터공간에서 상기 검색이 필요한 영역을 검색하는 단계를 진일보를 포함하는 것을 특징으로 하는 항공기행위 예측방법.
  24. 제23항에 있어서, 비정상 비행행위의 비중이 제1임계치보다 큰 영역을 검색하고 서로 연결된 블록을 표기하는 단계를 진일보로 포함하는 것을 특징으로 하는 항공기행위 예측방법.
  25. 제24항에 있어서, 상기 비정상 비행행위의 비중이 제1임계치보다 큰 블록으로 구성된 영역을 검색하는 단계를 진일보로 포함하는 것을 특징으로 하는 항공기행위 예측방법.
  26. 제25항에 있어서, 매개 영역의 순회결과에 대하여 상기 검색조건을 구하고 단일개 목표치의 순서배열을 진행하여 최소치 순회를 선택하여 해당 영역의 최적치로 하는 단계를 진일보로 포함하는 것을 특징으로 하는 항공기행위 예측방법.
  27. 제26항에 있어서, 상기 최소치 순회에 대하여 제한조건 판단을 진행하는 단계를 진일보로 포함하는 것을 특징으로 하는 항공기행위 예측방법.
  28. 제22항에 있어서, 모든 순회영역의 매개 검색조건의 값을 계산하고 순서배열을 진행하는 단계를 진일보로 포함하는 것을 특징으로 하는 항공기행위 예측방법.
  29. 제28항에 있어서, 모든 순회영역의 각 검색조건의 값에 근거하여 모든 순회블록의 종합순위를 계산하는 단계를 진일보로 포함하는 것을 특징으로 하는 항공기행위 예측방법.

KR1020140014477A 2013-02-07 2014-02-07 항공기행위 예측시스템 및 예측방법 KR102002996B1 (ko)

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 (2)

Publication Number Publication Date
KR20140100914A true KR20140100914A (ko) 2014-08-18
KR102002996B1 KR102002996B1 (ko) 2019-07-23

Family

ID=48587699

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140014477A KR102002996B1 (ko) 2013-02-07 2014-02-07 항공기행위 예측시스템 및 예측방법

Country Status (9)

Country Link
US (1) US9412072B2 (ko)
EP (1) EP2767878B1 (ko)
JP (1) JP6258057B2 (ko)
KR (1) KR102002996B1 (ko)
CN (1) CN103164617B (ko)
AU (1) AU2014200568B2 (ko)
CA (1) CA2841779C (ko)
SG (1) SG2014009211A (ko)
TW (1) TWI642598B (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
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

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100145552A1 (en) * 2008-12-04 2010-06-10 Lockheed Martin Corporation Route planning using ground threat prediction
US20120166229A1 (en) * 2010-12-26 2012-06-28 The Travelers Indemnity Company Systems and methods for client-related risk zones
KR20120119423A (ko) * 2011-04-21 2012-10-31 한국전자통신연구원 우선 관제 대상 선정 장치와 방법 및 대상물 관제 장치

Family Cites Families (12)

* Cited by examiner, † Cited by third party
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
TW201142339A (en) * 2010-05-20 2011-12-01 Jiung-Yao Huang Remote sensing satellite positioning device and method thereof
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100145552A1 (en) * 2008-12-04 2010-06-10 Lockheed Martin Corporation Route planning using ground threat prediction
US20120166229A1 (en) * 2010-12-26 2012-06-28 The Travelers Indemnity Company Systems and methods for client-related risk zones
KR20120119423A (ko) * 2011-04-21 2012-10-31 한국전자통신연구원 우선 관제 대상 선정 장치와 방법 및 대상물 관제 장치

Also Published As

Publication number Publication date
CA2841779C (en) 2018-09-25
CN103164617B (zh) 2016-11-23
CN103164617A (zh) 2013-06-19
EP2767878A3 (en) 2014-09-10
US20140250042A1 (en) 2014-09-04
US9412072B2 (en) 2016-08-09
JP6258057B2 (ja) 2018-01-10
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
KR102002996B1 (ko) 항공기행위 예측시스템 및 예측방법
Lovegren et al. Estimation of potential aircraft fuel burn reduction in cruise via speed and altitude optimization strategies
Jensen et al. Commercial airline speed optimization strategies for reduced cruise fuel consumption
US20080004792A1 (en) Air traffic demand prediction
Nikoleris et al. Queueing models for trajectory-based aircraft operations
CN106651088B (zh) 一种基于时态gis的飞行品质监控方法
Zou et al. Optimal 4-D aircraft trajectories in a contrail-sensitive environment
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
CN113706931B (zh) 空域的流控策略推荐方法、装置、电子设备及存储介质
Behere et al. Alternate Departure Procedures for Takeoff Noise Mitigation at Atlanta Hartsfield-Jackson International Airport
Jensen et al. Fuel Efficiency Benefits and Implementation Consideration for Cruise Altitude and Speed Optimization in the National Airspace System
Allignol et al. Optimized flight level allocation at the continental scale
Fricke et al. Reducing Europe’s Aviation Impact on Climate Change using enriched Air traffic Forecasts and improved efficiency benchmarks
US20220252401A1 (en) Method for optimising a flight plan
Matthews et al. Strategic forecasts of TRACON airspace capacity during convective weather impacts
Rosenow et al. Multiple Aircraft in a multi-criteria Trajectory Optimization
Rimjha Urban Air Mobility: Demand Estimation and Feasibility Analysis
Romano et al. A static algorithm to solve the air traffic sequencing problem
Dai et al. Real-Time Prediction of Runway Occupancy Buffers
Grabbe et al. Traffic management advisor flow programs: an atlanta case study
Dhanawade et al. Analyzing factors influencing flight delay prediction
Lehner et al. Evaluating temporal integration of european air transport
Marien Seat Capacity Selection for an Advanced Short-Haul Aircraft Design
Grabbe et al. Traffic flow management impact on delay and fuel consumption: An Atlanta case study
Provan et al. Tactical airport configuration management

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant