CN101923790A - 空中交通管制扇区动态调整***及方法 - Google Patents

Abstract

本发明公开一种空中交通管制扇区动态调整***及方法，主要是为了实现空中交通管制扇区依据空中流量情况动态调整，达到充分利用空管资源的目的而设计。本发明包括：可行扇区组合生成模块，生成可行扇区组合的集合；历史飞行数据分析模块，计算各扇区的历史管制工作负荷系数；实时雷达数据处理模块，计算航班进入各扇区的时间，并预测各扇区的航班流量；当日飞行计划处理模块，计算航班按飞行计划进入各扇区的时间，并预测各扇区的航班流量；以及，扇区动态调整方案制定模块，基于上述各模块的计算结果，计算出各扇区内的管制工作负荷，以及最优扇区组合。本发明能够充分利用空管资源，实现管制工作负荷的均匀分配，进而保证了各航班飞行的安全。

Description

空中交通管制扇区动态调整***及方法

技术领域

本发明涉及一种空中交通管理技术。

背景技术

在空中交通管理中，飞机在整个飞行过程中由机场管制塔台、终端管制中心、区域管制中心三个管制单位分别提供不同飞行阶段的管制服务。空中交通管制扇区，简称扇区，是实施空中交通管理的基本单元。每个扇区由一名管制员或一个管制员小组负责监视扇区内的飞行活动，指挥飞机避免冲突；并按照飞行计划与相邻扇区的管制员进行信息沟通，做好飞机的管制移交工作。一个扇区能够同时容纳的飞机数量受到管制员工作能力和工作负荷的限制，而空域的扇区配置情况直接决定了整个空域可服务的飞机架次和服务质量。

由于空中交通流量随时间不断变化，高峰值和低谷值差距显著，同时其分布具有明显的区域性，不同区域具有不同的变化趋势。在交通繁忙时段，为保证飞行安全，需要开放更多的扇区以增大空域容量；而当空中交通流量较小的时候，可以将一些扇区合并，以避免不必要的空管资源浪费。这种根据空域中流量变化情况调整扇区配置的扇区管理和使用方式有助于充分利用空域资源、保障飞行安全。

目前使用的扇区调整方式主要有两种，一种是根据预先设定的扇区开放方案，在指定时间拆分/合并扇区，但这种方案是静态的，不能随流量变化而实时调整，空域资源利用率不高。另一种是由有经验的管制主任根据流量的实际变化情况，凭借经验做出扇区拆分/合并决策，但基于经验的流量预测存在比较大的误差，且难以全面判断局部扇区调整对整个空域运行的影响，因此往往不能得到全局最优的调整方案。因此，研究基于精确数学模型的根据空中交通需求和空域结构对扇区进行动态调整的方法有很强的现实意义。

扇区动态调整无论在理论研究还是实际应用方面都已经取得一些成果。2001年，FAA技术中心和Mitre公司等机构研究了在不需要空管自动化***全面升级的条件下有限动态扇区重划分(LDR)问题和典型案例，研究了空域重组对空管员的工作负荷、势态感知和沟通能力的影响，并对如何实施提出了具体建议。2002年，Gianazza等在扇区基本单元确定的情况下研究了扇区最优组合分配模型和方法。2008年，侯雷坡、梁荣达研究了基于集合划分模型的扇区动态调整问题。在空中交通管理的实践中，考虑到平衡流量和减少延误的作用，动态调整扇区的方法越来越得到重视，但目前扇区动态调整的操作主要根据管制员的经验设定调整方案，并没有将基于优化模型的精确方法投入使用。

发明内容

针对上述问题，本发明提供一种能够根据空中交通流量情况动态地调整扇区组合的，且能充分利用空管资源，并能保证飞行安全的空中交通管制扇区动态调整***及方法。

为达到上述目的，本发明所述空中交通管制扇区动态调整***，包括：

可行扇区组合生成模块，基于空域数据库中的各扇区数据，生成可供优选的可行扇区组合的集合；

历史飞行数据分析模块，基于雷达历史数据，计算各扇区的历史管制工作负荷系数，并依此系数预测未来各扇区的管制工作负荷系数；

实时雷达数据处理模块，依据雷达实时读入的当前航班位置和飞行状态信息，计算航班进入各扇区的时间，并依此预测各扇区的航班流量；

当日飞行计划处理模块，计算航班按飞行计划进入各扇区的时间，并依此预测各扇区的航班流量；以及，

扇区动态调整方案制定模块，基于上述各模块输入的数据，计算出各扇区内的管制工作负荷，并依此结合已建立的最优扇区组合选择模型计算出所述可行扇区组合的集合中的最优扇区组合。

进一步地，还包括一方案评价与后处理模块，用于更新空域数据库中的扇区数据以及最优扇区组合选择模型。

进一步地，所述的管制工作负荷包括监视工作负荷，冲突工作负荷，一般协调工作负荷以及军民航协调工作负荷。

本发明空中交通管制扇区动态调整方法，包括以下步骤：

(1)基于空域数据库中的各扇区数据，生成可供优选的可行扇区组合的集合；

(2)基于雷达历史数据，计算各扇区的历史管制工作负荷系数；

(3)依据雷达实时读入的当前航班位置和飞行状态信息，计算进入各扇区的航班流量；

(4)依据当日飞行计划，计算进入各扇区的航班流量；

(5)基于上述历史工作负荷系数以及航班的实时流量和计划流量，计算各扇区的管制工作负荷，然后，基于最优扇区组合选择模型计算出所述可行扇区组合的集合中的最优扇区组合。

进一步地，还包括方案评价与后处理，具体实现包括以下步骤：

获得调整后的扇区数据；

更新空域数据库；

计算更新后空域数据库中各扇区的管制工作负荷；

评价调整方案，并更新最优扇区组合选择模型。

进一步地，步骤(1)具体包括步骤a～d：

a、从空域数据库中读出各扇区数据；

b、生成所有的互相连接的扇区组合；

c、判断上述扇区组合是否满足扇区形状的凸约束，满足，将其列入可行扇区组合的集合中；不满足，跳过，进行下一扇区组合的判断；

d、直至所有的扇区组合都判断完毕。

进一步地，步骤(2)具体包括步骤e～f：

e、读出雷达历史数据，并统计各扇区不同时间段航班数和飞行状态变化数；

f、依据上述统计的数据，计算各扇区不同时间段的工作负荷，及工作负荷系数；

g、依据上述的历史工作负荷系数，利用时间序列预测方法预测未来各扇区的工作负荷系数。

进一步地，步骤(3)具体包括步骤h～i：

h、实时读取雷达数据，获得当前航班位置和飞行状态，并利用外推算法计算出某时间段航班进入各扇区的时间；

i、依据上述时间，推算出某时间段进入各扇区的航班流量。

进一步地，步骤(4)具体包括步骤j～k：

j、读取当日飞行计划，利用外推算法计算出某时间段航班按飞行计划进入各扇区的时间；

k、依据上述时间，推算出某时间段进入各扇区的航班流量。

本发明是以预先设定的面积较小的基本扇区为基础，根据空中流量需求的变化随时动态组合这些基本扇区，形成一个管制空域(通常是一个区域管制中心所管辖的空域)的灵活扇区组合配置方案。调整后形成的新的扇区组合中的各扇区不仅满足连通性等几何约束，还满足管制员工作能力约束，同时管制工作量在各个扇区之间尽量均匀分布，以便在保证空中交通安全性的前提下，充分利用空域资源。

本发明的有益效果在于：

(1)本发明能够根据空中交通流量情况动态调整扇区组合，在满足管制员工作能力约束的条件下，尽量减少开放扇区数并使管制工作负荷均衡的扇区调整方法。

(2)本发明能充分利用空管资源，实现管制工作负荷的均匀分配，从而保证飞行安全。

附图说明

图1为本发明所述空中交通管制扇区动态调整***的结构原理图；

图2为本发明所述空中交通管制扇区动态调整***的可行扇区组合生成模块的工作流程图；

图3为本发明所述空中交通管制扇区动态调整***的历史飞行数据分析模块的工作流程图；

图4为本发明所述空中交通管制扇区动态调整***的实时雷达数据处理模块的工作流程图；

图5为本发明所述空中交通管制扇区动态调整***的当日飞行计划处理模块的工作流程图；

图6为本发明所述空中交通管制扇区动态调整***的扇区动态调整方案制定模块的工作流程图；

图7为本发明所述空中交通管制扇区动态调整***的方案评价与后处理模块的工作流程图。

具体实施方式

下面结合说明书附图对本发明的具体实施方式做详细描述。

图1所示空中交通管制扇区动态调整***的结构原理图。核心工作模块是扇区动态调整方案制定模块，它有三个方面的输入：1)若干可供优选的可行扇区组合，由可行扇区组合生成模块提供；2)未来扇区工作负荷的预测值，由历史飞行数据分析模块提供历史工作负荷数据，再经时间序列预测方法预测得到；3)未来飞行流量的预测值，由实时雷达数据处理模块提供当前航班位置和飞行状态信息，以及由当日飞行计划处理模块提供未来航班进出扇区的时间，通过预测算法计算得到。

扇区动态调整方案制定模块依据上述的输入数据，计算出各扇区的管制工作负荷，然后再基于最优扇区组合选择模型从所述可行扇区组合的集合中找出最优扇区组合方案。

由扇区动态调整方案制定模块得出的最优扇区组合模块再经过方案评价与后处理模块的处理，对空域数据库中的扇区数据以及最优扇区组合选择模型进行更新。

图2所示空中交通管制扇区动态调整***的可行扇区组合生成模块的工作流程图。可行扇区组合生成模块，首先，读取空域数据库中的各扇区的数据，从中找出所有相互连接的扇区组合；其主要目的是，便于管制指挥的原则，同一个管制员的工作处于相对集中的空间范围之内，更有利于管制工作的顺利进行，否则会由于管制空间跳跃、分散导致管制员注意力分散。然后，依次检查各扇区组合，并判断扇区组合是否满足扇区形状的凸约束，满足，将其列入可行扇区组合的集合中；不满足，跳过，进行下一扇区组合的判断；直至所有的扇区组合都判断完毕。

图3所示空中交通管制扇区动态调整***的历史飞行数据分析模块的工作流程图。历史飞行数据分析模块，首先，读取空域雷达的历史数据，经雷达数据解读后，获得各扇区不同时间段航班数以及飞行状态变化数的历史数据。然后，对上述历史数据进行分类统计，并依据统计数据计算出各扇区不同时间段的工作负荷，以及工作负荷系数。最后，再根据各扇区历史工作负荷系数，利用时间序列预测方法预测未来的扇区工作负荷系数。

图4所示空中交通管制扇区动态调整***的实时雷达数据处理模块的工作流程图。实时雷达数据处理模块实时的读入雷达数据，并对其数据的正确性进行校验；然后，再对其进行解析获得航班当前位置和飞行状态信息；最后，依据上述数据，用外推算法计算航班进入各扇区的时间，并依此预测各扇区的航班流量。其中，外推算法是利用过去和现在已知其构成规律的动态统计数列向未来延伸的方法。

图5所示空中交通管制扇区动态调整***的当日飞行计划处理模块的工作流程图。当日飞行计划处理模块读取当日的飞行计划数据，并对其进行正确性的校验，校验完成后再对其进行解析获得当日航班的飞行信息，用外推算法计算航班按飞行计划进入各扇区的时间，并依此预测各扇区的航班流量。

图6所示空中交通管制扇区动态调整***的扇区动态调整方案制定模块的工作流程图。扇区动态调整方案制定模块接收来自所述历史飞行数据分析模块，实时雷达数据处理模块以及当日飞行计划处理模块的数据，计算出各扇区内的管制工作负荷，并利用整数规划模型求解器求解最优扇区组合选择模型就可以得出所述可行扇区组合的集合中管制工作负荷最均衡的扇区组合方案。

图7所示空中交通管制扇区动态调整***的方案评价与后处理模块的工作流程图。方案评价与后处理模块获得调整后的扇区数据，将其标准化后，用于更新空域数据库；然后，再用前述计算各扇区的管制工作负荷的方法计算调整后各扇区组合的管制工作负荷；最后，对调整后的方案进行评价，并更新最优扇区组合选择模型。

下面结合具体的实施例对本发明空中交通管制扇区动态调整方法做进一步的说明。

本发明提供的空中交通管制扇区动态调整方法，是根据空中交通流量情况计算各基本扇区的管制工作负荷，从可行的扇区组合的集合中选取管制工作负荷分布最均衡的一种，该方法将按以下步骤和规则进行处理，处理结束后输出扇区的组合方案，作为扇区动态调整方案显示输出。

(1)计算各扇区管制工作负荷

本实施例对各类管制工作负荷影响因素进行了分析，建立管制工作负荷评估模型。管制工作负荷由监视工作负荷W_mo、冲突工作负荷W_cf、一般协调工作负荷W_co和军民航协调工作负荷W_mc组成，即

W_total＝W_mo+W_cf+W_co+W_mc            (1)

经分析，本实施例列出了影响管制工作负荷的主要因素，并依此建立管制工作负荷评估模型。如表1所示。

表1影响管制工作负荷的主要因素

其中，高度调整航班比例被分为为爬升航班比例α_al-up和下降航班比例α_al-down，同样，可以将发生速度调整的航班比例α_sp分为加速航班比例α_sp-up和减速航班比例α_sp-down。

本实施例使用式(2)所示公式计算监视工作负荷，如下：

$W_{\mathrm{mo}}=F\×\stackrel{\‾}{T}\×({\mathrm{\λ}}_{\mathrm{al}}\×{\mathrm{\α}}_{\mathrm{al}}\×\stackrel{\‾}{N_{\mathrm{al}}}+{\mathrm{\λ}}_{\mathrm{sp}}\×{\mathrm{\α}}_{\mathrm{sp}}\×\stackrel{\‾}{N_{\mathrm{sp}}}+{\mathrm{\λ}}_{\mathrm{hd}}\×{\mathrm{\α}}_{\mathrm{hd}}\×\stackrel{\‾}{N_{\mathrm{hd}}}+{\mathrm{\λ}}_{\mathrm{al}-\mathrm{keep}}\×{\∂}_{\mathrm{al}-\mathrm{keep}})---\left(2\right)$

式中，λ_al，λ_sp，λ_hd，λ_al-keep分别是高度调整、速度调整、航向调整以及穿越航班对监视工作负荷的影响系数，其中，穿越航班指的是没有发生爬升下降活动的航班，所以有

本实施例使用式(3)计算冲突管制工作负荷，如下：

$W_{\mathrm{cf}}=F\×\stackrel{\‾}{T}\×[\frac{\min ({\mathrm{\α}}_{\mathrm{al}-\mathrm{up}},{\mathrm{\α}}_{\mathrm{al}-\mathrm{down}},{\mathrm{\α}}_{\mathrm{al}-\mathrm{keep}})}{\max ({\mathrm{\α}}_{\mathrm{al}-\mathrm{up}},{\mathrm{\α}}_{\mathrm{al}-\mathrm{down}},{\mathrm{\α}}_{\mathrm{al}-\mathrm{keep}})}+\frac{\min ({\mathrm{\α}}_{\mathrm{sp}-\mathrm{up}},{\mathrm{\α}}_{\mathrm{sp}-\mathrm{down}},{\mathrm{\α}}_{\mathrm{sp}-\mathrm{keep}})}{\max ({\mathrm{\α}}_{\mathrm{sp}-\mathrm{up}},{\mathrm{\α}}_{\mathrm{sp}-\mathrm{down}},{\mathrm{\α}}_{\mathrm{sp}-\mathrm{keep}})}]$ $\×({\mathrm{\γ}}_{\mathrm{al}}\×{\mathrm{\α}}_{\mathrm{al}}\×\stackrel{\‾}{N_{\mathrm{al}}}+{\mathrm{\γ}}_{\mathrm{sp}}\×{\mathrm{\α}}_{\mathrm{sp}}\×\stackrel{\‾}{N_{\mathrm{sp}}}+{\mathrm{\γ}}_{\mathrm{hd}}\×{\mathrm{\α}}_{\mathrm{hd}}\×\stackrel{\‾}{N_{\mathrm{hd}}}+{\mathrm{\γ}}_{\mathrm{al}-\mathrm{keep}}\×{\∂}_{\mathrm{al}-\mathrm{keep}})---\left(3\right)$

式中，γ_al，γ_sp，γ_hd，γ_{al_keep}分别是高度调整、速度调整、航向调整以及穿越航班对冲突管制工作负荷的影响系数。空中交通活动的混杂程度会直接影响飞行冲突发生的概率，其中，min(α_al-up，α_al-down，α_al-keep)/max(α_al-up，α_al-down，α_al-keep)、min(α_sp-up，α_sp-down，α_sp-keep)/max(α_sp-up，α_sp-down，α_sp-keep)分别表示发生高度调整和发生速度调整的航班的混合程度，如果混合程度越大则发生的冲突可能性越大，冲突工作负荷也就越大。

本实施例使用式(4)计算一般协调工作负荷，如下：

W_co＝β(F_in+F_out)                  (4)

其中，β表示单架航班平均协调管制工作负荷，F_in，F_out分别表示进入和离开某一扇区的航班数量，如果选择的时间段足够长可认为F_in，F_out与航班流量F相等。

而军民航协调工作负荷与军航飞行活动占总飞行活动的比例以及当前空域的结构有着密切关系，为简单起见，本实施例定义军民航协调工作负荷为一般协调工作负荷乘上一个比例系数δ。即

W_mc＝δW_co＝δ·β(F_in+F_out)               (5)

综合以上分析给出管制工作负荷计算公式如式(6)所示。其中，a，b，c是监视、冲突、协调(包括一般协调和军民航协调)管制工作负荷之间的协调系数。

$W_{\mathrm{total}}=W_{\mathrm{mo}}+W_{\mathrm{cf}}+W_{\mathrm{co}}+W_{\mathrm{mc}}$ $=F\×\stackrel{\‾}{T}\×a\×({\mathrm{\λ}}_{\mathrm{al}}\×{\mathrm{\α}}_{\mathrm{al}}\×\stackrel{\‾}{N_{\mathrm{al}}}+{\mathrm{\λ}}_{\mathrm{sp}}\×{\mathrm{\α}}_{\mathrm{sp}}\×\stackrel{\‾}{N_{\mathrm{sp}}}+{\mathrm{\λ}}_{\mathrm{hd}}\×{\mathrm{\α}}_{\mathrm{hd}}\×\stackrel{\‾}{N_{\mathrm{hd}}}+{\mathrm{\λ}}_{\mathrm{al}\_\mathrm{keep}}\×{\∂}_{\mathrm{al}\_\mathrm{keep}})$ $+F\×\stackrel{\‾}{F}\×b\×[\frac{\min ({\mathrm{\α}}_{\mathrm{al}\_\mathrm{up}},{\mathrm{\α}}_{\mathrm{al}\_\mathrm{down}},{\mathrm{\α}}_{\mathrm{al}\_\mathrm{keep}})}{\max ({\mathrm{\α}}_{\mathrm{al}\_\mathrm{up}},{\mathrm{\α}}_{\mathrm{al}\_\mathrm{down}},{\mathrm{\α}}_{\mathrm{al}\_\mathrm{keep}})}+\frac{\min ({\mathrm{\α}}_{\mathrm{sp}\_\mathrm{up}},{\mathrm{\α}}_{\mathrm{sp}\_\mathrm{down}},{\mathrm{\α}}_{\mathrm{sp}\_\mathrm{keep}})}{\max ({\mathrm{\α}}_{\mathrm{sp}\_\mathrm{up}},{\mathrm{\α}}_{\mathrm{sp}\_\mathrm{down}},{\mathrm{\α}}_{\mathrm{sp}\_\mathrm{keep}})}]$ $\×({\mathrm{\γ}}_{\mathrm{al}}\×{\mathrm{\α}}_{\mathrm{al}}\×\stackrel{\‾}{N_{\mathrm{al}}}+{\mathrm{\γ}}_{\mathrm{sp}}\×{\mathrm{\α}}_{\mathrm{sp}}\×\stackrel{\‾}{N_{\mathrm{sp}}}+{\mathrm{\γ}}_{\mathrm{hd}}\×{\mathrm{\α}}_{\mathrm{hd}}\×\stackrel{\‾}{N_{\mathrm{hd}}}+{\mathrm{\γ}}_{\mathrm{al}\_\mathrm{keep}}\×{\∂}_{\mathrm{al}\_\mathrm{keep}})$ $+(1+\mathrm{\δ})\mathrm{\β}\×c\×(F_{\mathrm{in}}+F_{\mathrm{out}})---\left(6\right)$

以一小时为单位评估每个扇区的管制工作负荷，统计可知每架航班平均在单个扇区内的停留时间为12分钟，所以可以认为F_in＝F_out＝F。

(2)求解可行扇区组合

若干个扇区的合并称为扇区组合，其中只有满足扇区结构特征约束的扇区组合才是可行的扇区组合，可行扇区组合可以分配给一个管制席位负责。

扇区的结构特征约束包括扇区连续性约束和扇区形状的凸约束。依据便于管制指挥的原则，同一个管制员的工作处于相对集中的空间范围之内，更有利于管制工作的顺利进行，因此，扇区必须是连续的空域。扇区在形状上的凸性是为了避免同一架飞机在同一次飞行活动中两次进入同一个扇区。在实际情况中有时不能保证每个扇区的几何形状是严格的凸多边形，而是把确保同一架飞机在同一次飞行活动中不会有两次穿越的情况认为扇区已满足凸约束。

为了求取所有的可行扇区组合，本实施例首先以相互连接为条件，找到所有的相互连接的扇区组合，再以扇区的凸形为约束条件找出所有的符合扇区形状凸性约束的扇区组合。筛选满足扇区凸约束的扇区组合主要通过两种方式。一种是通过对历史航班分析来辨别，首先通过对历史雷达数据分析统计每架航班进出每个扇区的时间，然后统计出经过每个扇区组合的所有航班，如果同一航班多次出现并且有前后两次出现时间不连续的情况则可以确定该扇区组合不满足凸约束。另一种方式是通过人工经验的方式，通过对每个扇区组合的具体形状和历史雷达点空间分布的分析可以辨别出其是否符合扇区凸性约束。

(3)最优扇区组合的求解

本实施例通过建立最优扇区组合选择模型，并利用整数规划模型求解器解出管制工作负荷最均衡的扇区组合方案，即最优扇区组合。

1、建立最优扇区组合选择模型

设扇区集合为S，所有可行扇区组合的集合为R，时间段t内采样点的集合为I，则对于时间段t内最优扇区组合问题可描述如公式(7)所示。其中，c_r表示选择扇区组合r的代价系数，变量x_r表示是否选择扇区组合r，目标函数是使所有选择开放的扇区组合的总代价最小。a_sr表示扇区组合r和扇区s的关系，如果扇区s包含在扇区组合r中则a_sr＝1，否则a_sr＝0，第一个约束表明每个扇区必须隶属于且只能隶属于一个开放的扇区组合，第二个约束表明被选中的扇区组合在时间段t内各个采样点的瞬时流量必须在限定的范围之内。

$\min \underset{r\∈R}{\mathrm{\Σ}}{c}_r{x}_r$

$s.t.\underset{r\∈R}{\mathrm{\Σ}}{a}_{\mathrm{sr}}{x}_r=1,\∀s\∈S$

$\begin{array}{cc}{f}_{\mathrm{ri}}{x}_r<f_0,& \&ForAll;r\&Element;R,\&ForAll;i\&Element;I\end{array}$

$x_r\&Element;\left\{\mathrm{0,1}\right\},\&ForAll;r\&Element;R$

$a_{\mathrm{sr}}=\left\{\begin{array}{cc}1& s\&Element;r\\ 0& \mathrm{others}\end{array}\right.---\left(7\right)$

其中，第二个约束中的f_ri如式(8)所示，扇区组合r的瞬时流量等于组成该扇区组合的所有扇区的瞬时流量的累加。

$f_{\mathrm{ri}}=\underset{s\&Element;S}{\mathrm{\&Sigma;}}{a}_{\mathrm{sr}}{f}_{\mathrm{si}}---\left(8\right)$

本实施例定义扇区组合r开放代价c_r如式(9)、(10)所示。

$c_r=a\&CenterDot;C_r^{++}+b\&CenterDot;C_r^{--}+c\&CenterDot;(C_r^{+}+C_r^{-})$

$=a\&CenterDot;{\left(\mathrm{\&Delta;}{W}_r^{++}\right)}^2+b\&CenterDot;{\left(\mathrm{\&Delta;}{W}_r^{--}\right)}^2+c\&CenterDot;(\mathrm{\&Delta;}{W}_r^{+}+\mathrm{\&Delta;}{W}_r^{-})---\left(9\right)$

ΔW_r＝W_r-W₀

$\mathrm{\&Delta;}{W}_r^{+}=\left\{\begin{array}{cc}\mathrm{\&Delta;}{W}_r& 0\&le;\mathrm{\&Delta;}{W}_r\&le;u\\ 0& \mathrm{others}\end{array}\right.$

$\mathrm{\&Delta;}{W}_r^{++}=\left\{\begin{array}{cc}\mathrm{\&Delta;}{W}_r& \mathrm{\&Delta;}{W}_r>u\\ 0& \mathrm{others}\end{array}\right.$

$\mathrm{\&Delta;}{W}_r^{-}=\left\{\begin{array}{cc}\left|\mathrm{\&Delta;}{W}_r\right|& l\&le;\mathrm{\&Delta;}{W}_r\&le;0\\ 0& \mathrm{others}\end{array}\right.$

$\mathrm{\&Delta;}{W}_r^{--}=\left\{\begin{array}{cc}\left|\mathrm{\&Delta;}{W}_r\right|& \mathrm{\&Delta;}{W}_r\&le;l\\ 0& \mathrm{others}\end{array}\right.---\left(10\right)$

其中，ΔW_r表示扇区组合r的管制工作负荷W_r与管制员平均负荷能力W₀的差值。该代价函数的目标是使开放的扇区组合r的管制工作负荷与管制员工作负荷能力尽量接近。

${\mathrm{CI}}_r=\frac{\underset{s\&Element;S}{\mathrm{\&Sigma;}}{a}_{\mathrm{sr}}\&CenterDot;F_s\&CenterDot;{\mathrm{CI}}_s}{\underset{s\&Element;S}{\mathrm{\&Sigma;}}{a}_{\mathrm{sr}}\&CenterDot;F_s}---\left(11\right)$

如式(11)所示，扇区组合r的空域复杂度系数由组成该扇区组合的扇区空域复杂度系数加权得到，加权系数为该扇区在此时间段的航班流量。其中F_s是扇区s在该时间段内的航班流量，CI_s是扇区CI_s在该时间段的空域复杂度系数。

2、解出最优扇区组合

用整数规划模型求解器求解式(7)所定义的最优扇区组合选择模型就可以获得管制工作负荷最均衡的扇区组合方案。

(4)方案评价与后处理

在每个工作单位时间的开始(通常是每个整点时刻)，管制中心依据利用前述方法计算出的最优扇区组合方案去安排管制员资源，同时开始记录雷达数据。

当这个工作单位时间结束时(通常是当前小时结束)，将触发本发明所述空中交通管制扇区动态调整***的方案评价与后处理模块，开始如下的统计和评价工作：

1.记录过去一个单位时间(通常为一小时)内实际开放的扇区组合数和扇区组合方案，更新空域数据库；

2.统计过去一个单位时间内各扇区组合的实际飞行流量，记录所有扇区组合中的最大飞行流量、最小飞行流量，计算各扇区组合的平均飞行流量和标准差；

3.依据步骤2的计算结果，进一步统计过去一个单位时间内各扇区组合的实际管制工作负荷，记录所有扇区组合中的最大管制工作负荷、最小管制工作负荷，计算各扇区组合的平均管制工作负荷和标准差；

4.比较步骤1中记录的扇区组合数和按管制主任经验的静态扇区划分方案而得出的扇区组合数的差值，评价管制资源的节省程度；

5.根据步骤4计算出的差值，评价管制工作负荷的均匀程度；

6.计算公式(12)更新最优扇区组合选择模型中公式(10)所定义的W₀

$W_0^{\&prime;}=\stackrel{\&OverBar;}{W}-\mathrm{\&theta;}---\left(12\right)$

其中W′₀表示更新后的管制员平均负荷能力，

表示第3步实际计算出的平

均管制工作负荷，θ≥0表示管制工作负荷的安全裕量。公式(12)表示了在动态调整管制扇区划分的过程中W₀可根据实际流量的变化情况不断更新。

7.将步骤4，步骤5和步骤6得到的结果存入历史数据库，以备今后在较长的时间段内进行评价。

本发明是通过计算各扇区内的管制工作负荷，确定若干种可行的扇区组合方案，在满足管制员工作能力约束的条件下，从中选择出管制员工作负荷最均衡的一种。本发明实现了空中交通管制扇区依据空中流量情况动态调整，达到了充分利用空管资源的目的。

以上，仅为本发明的较佳实施例，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求所界定的保护范围为准。

Claims (9)

1.一种空中交通管制扇区动态调整***，其特征在于，包括：

可行扇区组合生成模块，基于空域数据库中的各扇区数据，生成可供优选的可行扇区组合的集合；

历史飞行数据分析模块，基于雷达历史数据，计算各扇区的历史管制工作负荷系数，并依此系数预测未来各扇区的管制工作负荷系数；

实时雷达数据处理模块，依据雷达实时读入的当前航班位置和飞行状态信息，计算航班进入各扇区的时间，并依此预测各扇区的航班流量；

当日飞行计划处理模块，计算航班按飞行计划进入各扇区的时间，并依此预测各扇区的航班流量；以及，

扇区动态调整方案制定模块，基于上述各模块输入的数据，计算出各扇区内的管制工作负荷，并依此结合已建立的最优扇区组合选择模型计算出所述可行扇区组合的集合中的最优扇区组合。

2.根据权利要求1所述空中交通管制扇区动态调整***，其特征在于，还包括一方案评价与后处理模块。

3.根据权利要求1所述空中交通管制扇区动态调整***，其特征在于，所述的管制工作负荷包括监视工作负荷，冲突工作负荷，一般协调工作负荷以及军民航协调工作负荷。

4.一种空中交通管制扇区动态调整方法，其特征在于，包括以下步骤：

(1)基于空域数据库中的各扇区数据，生成可供优选的可行扇区组合的集合；

(2)基于雷达历史数据，计算各扇区的历史管制工作负荷系数；

(3)依据雷达实时读入的当前航班位置和飞行状态信息，计算进入各扇区的航班流量；

(4)依据当日飞行计划，计算进入各扇区的航班流量；

(5)基于上述历史工作负荷系数以及航班的实时流量和计划流量，计算各扇区的管制工作负荷，然后，基于最优扇区组合选择模型计算出所述可行扇区组合的集合中的最优扇区组合。

5.根据权利要求4所述空中交通管制扇区动态调整方法，其特征在于，还包括方案评价与后处理，具体实现包括以下步骤：

获得调整后的扇区数据；

更新空域数据库；

计算更新后空域数据库中各扇区的管制工作负荷；

评价调整方案，并更新最优扇区组合选择模型。

6.根据权利要求4所述空中交通管制扇区动态调整方法，其特征在于，步骤(1)具体包括步骤a～d：

a、从空域数据库中读出各扇区数据；

b、生成所有的互相连接的扇区组合；

c、判断上述扇区组合是否满足扇区形状的凸约束，满足，将其列入可行扇区组合的集合中；不满足，跳过，进行下一扇区组合的判断；

d、直至所有的扇区组合都判断完毕。

7.根据权利要求4所述空中交通管制扇区动态调整方法，其特征在于，步骤(2)具体包括步骤e～g：

e、读出雷达历史数据，并统计各扇区不同时间段航班数和飞行状态变化数；

f、依据上述统计的数据，计算各扇区不同时间段的工作负荷，及工作负荷系数；

g、依据上述的历史工作负荷系数，利用时间序列预测方法预测未来各扇区的工作负荷系数。

8.根据权利要求4所述空中交通管制扇区动态调整方法，其特征在于，步骤(3)具体包括步骤h～i：

h、实时读取雷达数据，获得当前航班位置和飞行状态，并利用外推算法计算出某时间段航班进入各扇区的时间；

i、依据上述时间，推算出某时间段进入各扇区的航班流量。

9.根据权利要求4所述空中交通管制扇区动态调整方法，其特征在于，步骤(4)具体包括步骤j～k：

j、读取当日飞行计划，利用外推算法计算出某时间段航班按飞行计划进入各扇区的时间；

k、依据上述时间，推算出某时间段进入各扇区的航班流量。

Images