CN105679102B - 一种全国飞行流量时空分布预测推演***及方法 - Google Patents
一种全国飞行流量时空分布预测推演***及方法 Download PDFInfo
- Publication number
- CN105679102B CN105679102B CN201610122253.5A CN201610122253A CN105679102B CN 105679102 B CN105679102 B CN 105679102B CN 201610122253 A CN201610122253 A CN 201610122253A CN 105679102 B CN105679102 B CN 105679102B
- Authority
- CN
- China
- Prior art keywords
- flight
- airport
- national
- prediction
- spatial
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 50
- 230000002123 temporal effect Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000010006 flight Effects 0.000 claims description 5
- 101710103613 Flightin Proteins 0.000 claims description 3
- 230000003111 delayed effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003780 insertion Methods 0.000 claims description 3
- 230000037431 insertion Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000013277 forecasting method Methods 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000009472 formulation Methods 0.000 abstract 1
- 239000000203 mixture Substances 0.000 abstract 1
- 230000001737 promoting effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 7
- 238000009499 grossing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000000547 structure data Methods 0.000 description 2
- 235000007926 Craterellus fallax Nutrition 0.000 description 1
- 240000007175 Datura inoxia Species 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000000714 time series forecasting Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种全国飞行流量时空分布预测推演***及方法,预测推演***包括空域结构模块、基础数据模块、飞行需求预测模块、飞行流量时空分布推演预测模块以及分析显示模块,前三个模块用于存储与维护全国飞行流量相关数据,后三个模块面向全国飞行流量预测推演的实际分析与应用;该方法在对全国机场对未来飞行需求进行预测的基础上,构建未来典型日全国初始飞行计划,以此为基础实现对全国飞行流量的推演预测,得到各类空域单元在容量限制、空域限制、通航影响等条件下的飞行流量时空分布;切实为我国新改建机场、航路及扇区结构优化以及航班时刻制定等提供决策依据,提升战略飞行流量管理决策的合理性和科学性。
Description
技术领域
本发明涉及空中交通流量管理与规划领域,特别涉及一种全国飞行流量时空分布预测推演技术。
背景技术
随着我国航空运输的快速发展,空域与飞行需求之间的矛盾日益突出,目前空域运行管理模式和流量控制方法难以满足持续增长的飞行流量需要。为提升我国飞行流量管理水平,推进精细化、科学化的飞行流量管理机制,亟需攻克全国飞行流量预测推演技术,一方面能提供全国飞行需求预测数据,有利于从国家层面全局把握我国未来一段时间内的飞行需求,为新改建机场、航路及扇区结构优化调整以及全国航班时刻制定等提供数据支持;另一方面,能对未来全国飞行流量进行时空推演,并能给出现行空域条件下的延误分布,有利于挖掘空中交通运行瓶颈,并能对规划的空域及流量管理方案进行仿真评估。
目前在飞行需求预测方面的理论研究成果较为丰富,但鲜有能运用于我国空中交通实际工程中的技术,国外已逐步建立并完善了飞行需求预测滚动更新机制,但鉴于我国空中交通管理模式特殊,无法照搬国外先进技术;此外,在广空域飞行流量推演方面的理论研究较少,现有研究成果主要集中于短时飞行航迹预测,空中交通流量时空分布推演方面缺少相关技术及***支持。
发明内容
为克服上述现有技术的不足,本发明提供一种将现有飞行需求预测理论更好的运用于实际工程中的方法,提出一种飞行流量两阶段预测推演技术,并提供全国飞行流量预测推演***。
为实现上述目的,本发明采用以下技术方案:
①飞行需求预测阶段:提出一种机场对飞行需求滚动预测方法,给出预测目标年全国飞行需求及其在机场对之间的分布。②飞行流量时空分布预测推演阶段:在飞行需求预测结果的基础上,采用飞行计划航迹预测、机场容量包线预测、扇区容量预测等技术方法,提出全国飞行流量时空分布推演方法,给出全国范围内、不同受限场景下、各类空域单元的预测目标年典型日飞行流量时空分布状况。
本发明提出了一种全国飞行流量时空分布预测推演***,包括空域结构模块、基础数据模块、飞行需求预测模块、飞行流量时空预测推演模块以及结果显示模块,其中:
所述空域结构模块根据更新的《航行资料汇编(AIP)》,存储并维护包括机场、扇区、航路、关键点等空域单元的经纬度以及空域单元关联关系等在内的空域数据及其对应的图形信息;
所述基础数据模块用于融合并管理空中交通流量数据、社会经济数据、其它交通运输方式相关数据等基础数据;
所述飞行需求预测模块接收空域结构模块和基础数据模块提供的相应信息,预测并更新全国飞行需求;
所述飞行流量时空预测推演模块接收飞行需求预测模块的数据结果,并结合基础数据库中当前典型日的飞行计划数据,生成预测年份典型日的初始全国机场飞行计划,采用容量受限下的飞行航迹预测方法,分别得到机场容量受限下、机场容量受限下以及全空域受限下的全国飞行流量时空分布推演结果,也可以根据用户需求,提供空域限制、通航影响等条件下的全国飞行流量时空分布推演结果;
所述结果显示模块根据实际工程目的,结合全国飞行需求预测及飞行流量时空分布预测推演结果,并实现图表结果显示及仿真推演显示。
本发明还提出了一种全国飞行流量时空分布预测推演方法,包含如下步骤:
步骤一,收集历史数据,包括全国机场对飞行流量数据、飞行计划数据、社会经济数据、其它交通工具运行数据等,建立基础数据数据库。
步骤二,提取并融合《航行资料汇编(AIP)》中机场、扇区、航路、关键点等空域单元的经纬度以及空域单元关联关系等数据,搭建空域仿真环境,实现与基础数据数据库的匹配。
步骤三,采用经典的时间序列预测法、计量经济预测法、引力模型预测法对全国机场对未来5-10年飞行需求进行预测。
步骤四,根据全国机场对飞行需求预测结果,采用份额模型及最大时隙优先原则,生成预测年份典型日的机场对初始飞行计划,逐一针对各机场,遍历与该机场相关的机场对初始飞行计划并对其进行累加,即可构建“典型日全国机场初始飞行计划”。具体步骤包括:
①针对机场i,将与机场i通航的机场集记为Ai,依据国际交通领域通用标准,记当前年份中第19位高峰日为当年典型日,机场对(i,j)(j∈Ai)在当前年份t的典型日飞行量记为全年该机场对的飞行总量为因此,采用份额模型计算该机场对在预测年k的典型日飞行需求为其中,为采用步骤三所获得的预测年k机场对(i,j)的飞行需求;②按照进离场分别统计机场i与通航的机场j之间的小时飞行量,记当前年份t典型日24个小时时段内的进场(j→i)、离场(i→j)航班量为[A1,A2,......,A24]和[D1,D2,......,D24],计算预测年k机场对(i,j)飞行需求增幅则机场i到机场j每小时起飞航班增量[αD1,αD2,......,αD24];③在机场i典型日飞行计划基础上以小时为单位依次寻找时间片内的最大空闲时隙***增量的第k架起飞航班,标记统计机场i到机场j的平均飞行时间赋予起飞航班在目的机场的落地时间,标记重复步骤③,直至完成所有增量航班的时刻分配;④根据上述机场i与通航机场j的航班增量方法,遍历与机场i通航的所有机场集Ai,重复执行步骤①、②、③,即可叠加生成机场i在任意预测年k的典型日初始飞行需求;⑤遍历全国机场,重复执行步骤④,即可生成全国所有机场典型日初始飞行需求,即“典型日全国机场初始飞行计划”。
步骤五,结合预测年份典型日的全国初始飞行计划,在搭建的空域仿真环境下,采用机场及(或)扇区容量受限下的飞行航迹预测方法,分别得到机场容量受限下、扇区容量受限下以及全空域受限下的全国飞行流量时空分布推演结果,此外,也可以结合用户需求,对空域限制、通航影响等条件下的全国飞行流量进行时空推演。具体推演方法如下:
以航班为对象创建按照起飞时间排序的初始航班矩阵,同时创建相同规模的优化航班矩阵并置空,在此基础上,以航班为对象进行逐条循环演算,演算完毕后该航班及其相关属性则从初始航班矩阵转移至优化航班矩阵。详细逻辑步骤包括:①判断初始航班矩阵是否为空。若空,则转至⑧,否则转至②;②选取初始航班矩阵中第一行数据,提取创建航班m所飞经空域单元子表;③令n=0;④判断是否完成对空域单元列表的循环,若是,则将航班m及其相关属性从初始航班矩阵转移至优化航班矩阵中,并转至①,否则转至⑤;⑤选择空域单元n,判断航班m是否经过该空域,若是,则转至⑥,否则n=n+1,转至④;⑥计算航班m经过空域单元n的时间片q;⑦判断空域单元n在考虑航班m的情况下,在时间片q内是否超过空域容量Cn,若是,则计算航班m在空域单元n中能***的时隙,计算航班延误并修正航班m飞经各扇区和航路点时间,转至③,否则n=n+1,转至④;⑧推演结束。
步骤六,根据得到的全国机场对飞行需求预测结果及全国范围内各类空域单元(机场、扇区、航路等)飞行流量时空分布推演结果,采用图表等形式显示结果,并实现可视化仿真结果显示。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
(1)提出了“两阶段”全国飞行流量时空分布预测推演框架,明确了飞行需求与飞行流量之间的关联关系,打破了空中交通领域一直存在的需求预测与流量预测之间的壁垒。
(2)提出了全国飞行流量时空分布预测推演技术,以飞行需求预测结果为输入,采用份额模型、基于时隙优先原则的“典型日全国机场初始飞行计划”生成、飞行航迹预测等方法,实现对预测年份全国各类空域单元飞行流量时空分布推演。并且,能够根据用户需求,自定义未来机场容量约束、空域容量约束、恶劣天气下的空域限制,军事活动下的空域限制及通航影响等各种运行场景,推演各类场景下的全国飞行流量时空分布状况。
(3)提出了全国飞行流量时空分布预测推演***,涵盖空域结构模块、基础数据模块、飞行需求预测模块、飞行流量时空推演模块以及结果显示模块等,能够实现可视化的全国飞行流量时空分布预测、仿真推演和结果显示。
附图说明
图1是本发明所述的全国飞行流量时空分布预测推演***的基本流程图;
图2是全国飞行流量时空分布预测推演的技术方法研究路线图;
图3是本***中所采用的全国飞行需求预测流程图;
图4是本***中所采用的全国飞行流量时空分布推演流程图;
图5是本***中所采用的容量受限下的全国飞行流量时空分布推演操作流程图。
具体实施方式
结合图1和图2描述本发明的具体实施方案,主要包括如下步骤:
步骤1、收集民航运输数据、社会经济数据及空域结构数据。民航运输数据主要指机场对年飞行流量、飞行计划数据、雷达数据、开航机场数据等;社会经济数据指与航空运输相关的经济、社会指标,以某机场或城市为统计单元,包括地区生产总值、人口数量、进出口贸易总额、旅游人数、人均可支配收入等,用于反映机场所在城市的旅客与货邮运输需求;空域结构数据主要包括机场、扇区、航路、关键点等空域单元的经纬度以及空域单元关联关系的空域数据。
以上数据主要来源于:《中国统计年鉴》、《中国城市年鉴》、《中国交通年鉴》、《从统计看民航》和《民航空中交通管理业务统计》、《中国航行资料汇编(AIP)》等。
步骤2、飞行需求影响因素分析。以机场对飞行流量为对象,采用相关性分析法提取影响飞行需求的关键因素,包括起促进作用的地区社会经济因素以及高铁等其他运输方式而产生的竞争因素;进而采用主成分分析法,量化关键因素对于民航飞行需求的影响程度,提取变量群中的共性因子,构建飞行需求综合影响因子。
步骤3、机场对飞行需求预测。根据预测时间范围(以未来10年为例)将机场对飞行需求预测划分为机场对飞行需求中期预测和机场对飞行需求长期预测,预测对象分别对应为未来五年机场对飞行需求和未来六至十年机场对飞行需求。
在机场对飞行需求中期预测中,以机场对历年飞行流量数据和步骤2中得到的飞行需求关键影响因素、飞行需求综合影响因子作为输入,采用二次指数平滑、引力模型以及计量经济模型等预测方法,预测未来五年机场对飞行需求:
式(1-3)为二次指数平滑预测模型,其中,为历史年份t机场对(i,j)之间的飞行流量;为未来T年的该机场对飞行需求预测值;为该机场对历史年份t的飞行流量一次指数平滑值;为该机场对历史年份t的飞行流量二次指数平滑值;at、bt是参数变量,且有
式(4)为计量经济预测模型,其中,为未来T年飞行需求综合影响因子的预测值;b0、b1为回归系数,由最小二乘法求得。
式(5)为引力预测模型,其中,K为校准系数;为未来T年机场i飞行需求的关键影响因素的预测值;为未来T年机场j飞行需求的关键影响因素的预测值;为未来T年机场对(i,j)之间的交通阻力函数;α,β,γ为模型参数,外生变量的弹性值。
根据上述三种预测方法得到的预测结果,采用组合预测法,根据拟合优度法确定各种预测模型的权重wi,如公式(6)所示,且满足其中r表示预测模型数量,进而确定未来五年机场对中期飞行需求组合预测结果;
wi=(s-si/s)*(1/T-1),i=1,2,…r (6)
其中,si是第i个预测模型的标准差;s为各预测模型标准差之和,即
如图3所示,将中期预测结果以及机场对历年飞行流量数据作为输入,采用趋势外推、时间序列等预测方法,预测未来6-10年机场对飞行需求,最终得到全国机场对未来十年的飞行需求预测结果。
步骤4、生成机场在预测年份典型日的初始飞行计划。基于历史数据建立典型日识别与份额预测方法,根据机场对飞行需求预测结果,将年飞行需求转化为日飞行需求,进而采用典型日航班计划“克隆”方法,构建“典型日全国机场初始飞行计划”。
依据国际交通领域通用标准,记当前年份中第19位高峰日为当年典型日,机场对(i,j)在当前年份t的典型日飞行量记为全年该机场对的飞行总量为因此,采用份额模型计算该机场对在预测年k的典型日飞行需求为:
根据机场对(i,j)在当前年份t的典型日飞行计划,“克隆”生成该机场对在预测年k的典型日飞行计划。针对机场i,将与机场i通航的机场集记为Ai,按照进离场分别统计与该机场通航的所有机场小时飞行量。以通航机场j(j∈Ai)为例,记当前年份t典型日24个小时时段内的进场(j→i)、离场(i→j)航班量为[A1,A2,......,A24]和[D1,D2,......,D24]。计算预测年k机场对(i,j)飞行需求增幅:
则机场i到机场j每小时起飞航班增量[αD1,αD2,......,αD24]。在机场i典型日飞行计划基础上以小时为单位依次寻找时间片内的最大空闲时隙***增量的第k架起飞航班,标记统计机场i到机场j的平均飞行时间赋予起飞航班在目的机场的落地时间,标记重复上述两个步骤,直至完成所有增量航班的时刻分配。
根据上述机场i与通航机场j的航班增量方法,遍历与机场i通航的所有机场集Ai,即可叠加生成机场i在任意预测年k的典型日初始飞行需求。同理可生成全国所有机场的典型日初始飞行需求,即全国机场典型日初始飞行计划。
步骤5、飞行流量时空推演仿真环境准备。根据步骤1收集的空域单元(机场、扇区、航路、航路点等)的结构数据,采用SurperMap GIS软件构建空域物理环境;根据经典的机场容量包线预测方法以及受限扇区容量预测方法,计算并存储相应空域单元的容量值;根据搭建的空域环境和生成的空域单元容量限制,采用基于大圆航线的航迹预测、基于等角航线的航迹预测以及基于飞行模型的航迹预测等三种航迹预测方法,建立容量受限下的飞行航迹预测模型。由于上述容量预测方法及航迹预测方法均为成熟方法,因此不再累述。
步骤6、全国典型日飞行流量时空分布推演。如图4所示,根据步骤五生成的“全国典型日初始飞行计划”和步骤六搭建的仿真环境,结合用户需求针对多种容量限制情况,对预测年典型日的全国飞行流量进行时空分布推演。
以航班为对象创建按照起飞时间排序的初始航班矩阵,同时创建相同规模的优化航班矩阵并置空。航班矩阵均包括航班号、起飞/目的机场、依次飞经的扇区、航路点、通过各航路点的计划速度、高度等。提取初始航班矩阵中空域单元数据,去重生成空域单元列表。如图5所示,在上述数据结构准备基础上,针对创建的初始航班矩阵以航班为对象进行逐条循环演算,演算完毕后该航班及其相关属性则从初始航班矩阵转移至优化航班矩阵,详细逻辑步骤如下:
Step1:判断初始航班矩阵是否为空。若空,则转至Step8;否则转至Step2。
Step2:选取初始航班矩阵中第一行数据,提取创建航班m所飞经空域单元子表。
Step3:令n=0;
Step4:判断是否完成对空域单元列表的循环,若是,则将航班m及其相关属性从初始航班矩阵转移至优化航班矩阵中,并转至Step1;否则,转至Step5。
Step5:选择空域单元n,判断航班m是否经过该空域,若是,则转至Step6;否则,n=n+1,转至Step4。
Step6:计算航班m经过空域单元n的时间片q;
Step7:判断空域单元n在考虑航班m的情况下,在时间片q内是否超过空域容量Cn,若是,则计算航班m在空域单元n中能***的时隙,计算航班延误并修正航班m飞经各扇区和航路点时间,转至Step3;否则,n=n+1,转至Step4。
Step8:推演结束。
步骤7、全国典型日飞行流量时空分布预测推演仿真及结果显示。全国典型日飞行流量时空分布预测推演结果主要包括两部分,一为飞行需求预测结果,具体包括机场对飞行需求、机场飞行需求、全国飞行需求、机场对典型日飞行需求、机场典型日飞行需求、全国典型日飞行需求等;此外,还能提供典型日飞行流量推演结果,具体包括全国范围内各类空域单元(机场、扇区、航路等)典型日飞行流量时空分布、机场容量限制下的全国典型日飞行流量时空分布、扇区容量限制下的全国典型日飞行流量时空分布、全空域容量限制下的全国典型日飞行流量时空分布以及根据用户需求设置的多场景(恶劣天气、活动演习、通航影响等)容量限制下的全国典型日飞行流量时空分布。采用SuperMap GIS及DevExpress软件进行仿真及相关结果显示。
上述工作原理的说明仅为本发明的一个特例,证明了采用平动方式设计的模态转换装置的可行性。因此凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (6)
1.一种全国飞行流量时空分布预测推演***,其特征在于,所述的***包括空域结构模块、基础数据模块、飞行需求预测模块、飞行流量时空分布推演模块以及结果显示模块,其中:
(1-1)所述空域结构模块存储并维护包括机场、扇区、航路、关键点空域单元的经纬度以及空域单元关联关系在内的空域数据及其对应的图形信息;
(1-2)所述基础数据模块用于融合并管理空中交通流量数据、社会经济数据、其它交通运输方式相关数据基础数据;
(1-3)所述飞行需求预测模块接收空域结构模块和基础数据模块提供的相应信息,预测并更新全国飞行需求;
(1-4)所述飞行流量时空分布预测推演模块接收飞行需求预测模块的数据结果,并结合基础数据库中历史典型日的飞行计划数据,生成预测年份典型日的初始全国机场飞行计划;基于空域容量限制,采用传统飞行航迹预测方法,分别推演得到机场容量受限下、扇区容量受限下全空域受限下的全国飞行流量时空分布;根据用户需求,预测不同空域限制、通航影响场景下的全国飞行流量时空分布结果;
(1-5)所述结果显示模块根据实际工程目的,结合全国飞行需求预测及飞行流量时空分布推演结果,并实现图表结果显示及可视化仿真推演显示。
2.一种全国飞行流量时空分布预测推演方法,其特征在于,该方法包括:
阶段一:提取机场对飞行需求综合影响因子,建立全国机场对飞行需求预测方法,实现全国机场对年飞行需求预测;阶段二:根据机场对飞行流量分布规律,对机场以年飞行需求为基础创建预测年典型日全国机场初始飞行计划,运用基于容量受限的全国飞行流量推演方法,实现全国飞行流量时空分布预测;
对机场以年飞行需求为基础创建预测年典型日全国机场初始飞行计划,具体步骤如下:
(2-2-1-1)针对机场i,将与机场i通航的机场集记为Ai,依据国际交通领域通用标准,记当前年份中第19位高峰日为当年典型日,机场对(i,j)(j∈Ai)在年份t的典型日飞行量记为全年该机场对的飞行总量为因此,采用份额模型计算该机场对在预测年k的典型日飞行需求为其中,为预测年k机场对(i,j)的飞行需求;
(2-2-1-2)按照进离场分别统计机场i与通航的机场j之间的小时飞行量,记当前年份t典型日24个小时时段内的进场(j→i)、离场(i→j)航班量为[A1,A2,......,A24]和[D1,D2,......,D24],计算预测年k机场对(i,j)飞行需求增幅则机场i到机场j每小时起飞航班增量[αD1,αD2,......,αD24];
(2-2-1-3)在机场i典型日飞行计划基础上以小时为单位依次寻找时间片内的最大空闲时隙***增量的第k架起飞航班,标记统计机场i到机场j的平均飞行时间赋予起飞航班在目的机场的落地时间,标记重复(2-2-1-3),直至完成所有增量航班的时刻分配;
(2-2-1-4)根据上述机场i与通航机场j的航班增量方法,遍历与机场i通航的所有机场集Ai,重复执行步骤(2-2-1-1)、(2-2-1-2)、(2-2-1-3),叠加生成机场i在任意预测年k的典型日初始飞行需求;
(2-2-1-5)遍历全国机场,重复执行步骤(2-2-1-4),生成全国所有机场典型日初始飞行需求,即“典型日全国机场初始飞行计划”。
3.根据权利要求2所述的一种全国飞行流量时空分布预测推演方法,其特征在于,
飞行流量时空分布推演仿真环境搭建,具体步骤如下:
(2-2-2-1)收集空域单元的结构数据,采用软件构建空域物理环境;
(2-2-2-2)根据经典的机场容量包线预测方法以及受限扇区容量预测方法,计算并存储相应空域单元的容量值;
(2-2-2-3)根据搭建的空域环境和生成的空域单元容量限制,采用基于大圆航线的航迹预测、基于等角航线的航迹预测以及基于飞行模型的航迹预测三种航迹预测方法,建立容量受限下的飞行航迹预测模型。
4.根据权利要求3所述的一种全国飞行流量时空分布预测推演方法,其特征在于,
根据生成的“全国典型日初始飞行计划”和搭建的仿真环境,结合用户需求针对多种容量限制场景,对预测年全国典型日飞行流量时空分布进行推演,具体步骤如下:
(2-2-3-1)以航班为对象创建按照起飞时间排序的初始航班矩阵,同时创建相同规模的优化航班矩阵并置空;
(2-2-3-2)提取初始航班矩阵中空域单元数据,去重生成空域单元列表;
(2-2-3-3)在所述数据结构准备基础上,针对创建的初始航班矩阵以航班为对象进行逐条循环演算,演算完毕后该航班及其相关属性则从初始航班矩阵转移至优化航班矩阵。
5.根据权利要求4所述的一种全国飞行流量时空分布预测推演方法,其特征在于,针对创建的初始航班矩阵以航班为对象进行逐条循环演算的详细逻辑步骤如下:
Step1:判断初始航班矩阵是否为空;若空,则转至Step8;否则转至Step2;
Step2:选取初始航班矩阵中第一行数据,提取创建航班m所飞经空域单元子表;
Step3:令n=0;
Step4:判断是否完成对空域单元列表的循环,若是,则将航班m及其相关属性从初始航班矩阵转移至优化航班矩阵中,并转至Step1;否则,转至Step5;
Step5:选择空域单元n,判断航班m是否经过该空域,若是,则转至Step6;否则,n=n+1,转至Step4;
Step6:计算航班m经过空域单元n的时间片q;
Step7:判断空域单元n在考虑航班m的情况下,在时间片q内是否超过空域容量Cn,若是,则计算航班m在空域单元n中能***的时隙,计算航班延误并修正航班m飞经各扇区和航路点时间,转至Step3;否则,n=n+1,转至Step4;
Step8:推演结束。
6.根据权利要求4所述的一种全国飞行流量时空分布预测推演方法,其特征在于,所述航班矩阵均包括航班号、起飞和/或目的机场、依次飞经的扇区、航路点、通过各航路点的计划速度、高度信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610122253.5A CN105679102B (zh) | 2016-03-03 | 2016-03-03 | 一种全国飞行流量时空分布预测推演***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610122253.5A CN105679102B (zh) | 2016-03-03 | 2016-03-03 | 一种全国飞行流量时空分布预测推演***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105679102A CN105679102A (zh) | 2016-06-15 |
CN105679102B true CN105679102B (zh) | 2018-03-27 |
Family
ID=56306703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610122253.5A Active CN105679102B (zh) | 2016-03-03 | 2016-03-03 | 一种全国飞行流量时空分布预测推演***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105679102B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023655B (zh) * | 2016-06-30 | 2019-04-05 | 南京航空航天大学 | 一种扇区空中交通拥堵状态监测方法 |
CN106651088B (zh) * | 2016-08-15 | 2020-11-06 | 中国民航科学技术研究院 | 一种基于时态gis的飞行品质监控方法 |
CN107016881B (zh) * | 2017-05-11 | 2019-05-31 | 中国电子科技集团公司第二十八研究所 | 一种多跑道机场进场航班多效能优化排序方法 |
CN107451750A (zh) * | 2017-08-10 | 2017-12-08 | 中国民航信息网络股份有限公司 | 民航需求异常发现方法和装置 |
CN107622699B (zh) * | 2017-09-26 | 2019-07-09 | 中国电子科技集团公司第二十八研究所 | 基于时序的全时段空域冲突探测与解脱方法 |
CN108648510B (zh) * | 2018-04-25 | 2021-03-02 | 中国民用航空华东地区空中交通管理局安徽分局 | 基于航空器监视数据的航班架次统计方法 |
CN109637196A (zh) * | 2019-01-10 | 2019-04-16 | 南京航空航天大学 | 航路扇区交通概率密度预测方法 |
CN111523641B (zh) * | 2020-04-10 | 2023-05-30 | 南京航空航天大学 | 一种基于ConvLSTM-SRU的扇区延误预测方法 |
CN111582738B (zh) * | 2020-05-12 | 2023-05-02 | 南京财经大学 | 一种区域机场群的航空客流需求预测方法 |
CN113223330B (zh) * | 2021-04-09 | 2022-07-08 | 飞友科技有限公司 | 一种基于航班流量限制的航班调减方法和*** |
CN113838310B (zh) * | 2021-09-16 | 2023-09-05 | 民航数据通信有限责任公司 | 一种空域仿真评估的飞行计划增量获取方法及装置 |
CN114038242B (zh) * | 2021-11-18 | 2023-12-12 | 中国航空无线电电子研究所 | 一种基于多智能体的大规模航空器运动仿真方法及装置 |
CN115472043B (zh) * | 2022-08-30 | 2023-09-29 | 南京航空航天大学 | 一种基于p-中值定理的机场群航路飞行时间场景生成方法 |
CN115759386B (zh) * | 2022-11-11 | 2023-07-07 | 中国民航科学技术研究院 | 一种民航航班执飞结果预测方法、装置及电子设备 |
CN117171289B (zh) * | 2023-11-02 | 2024-01-23 | 中航材导航技术(北京)有限公司 | 一种生成结构化航行限制数据的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000331300A (ja) * | 1999-05-24 | 2000-11-30 | Nec Software Kyushu Ltd | 航空交通流管理システム及び航空交通流管理方法 |
CN101527086A (zh) * | 2009-04-24 | 2009-09-09 | 中国民航大学 | 航班时隙分配的实现方法 |
CN101923790A (zh) * | 2010-08-11 | 2010-12-22 | 清华大学 | 空中交通管制扇区动态调整***及方法 |
CN103854518A (zh) * | 2014-03-17 | 2014-06-11 | 南京航空航天大学 | 一种航路网络节点时空流量的计算方法 |
-
2016
- 2016-03-03 CN CN201610122253.5A patent/CN105679102B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000331300A (ja) * | 1999-05-24 | 2000-11-30 | Nec Software Kyushu Ltd | 航空交通流管理システム及び航空交通流管理方法 |
CN101527086A (zh) * | 2009-04-24 | 2009-09-09 | 中国民航大学 | 航班时隙分配的实现方法 |
CN101923790A (zh) * | 2010-08-11 | 2010-12-22 | 清华大学 | 空中交通管制扇区动态调整***及方法 |
CN103854518A (zh) * | 2014-03-17 | 2014-06-11 | 南京航空航天大学 | 一种航路网络节点时空流量的计算方法 |
Non-Patent Citations (1)
Title |
---|
一种航路扇区概率***通需求预测方法;田文等;《交通运输***工程与信息》;20160229;第16卷(第1期);第196-201页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105679102A (zh) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105679102B (zh) | 一种全国飞行流量时空分布预测推演***及方法 | |
CN108196575B (zh) | 一种无人机任务分配及路线规划方法 | |
Patron et al. | Flight trajectories optimization under the influence of winds using genetic algorithms | |
Dai et al. | Quality-aware UAV coverage and path planning in geometrically complex environments | |
CN105070042B (zh) | 一种交通预测的建模方法 | |
CN103994768B (zh) | 动态时变环境下寻求全局时间最优路径的方法及*** | |
JP6018433B2 (ja) | 航空機軌道に沿った気象データ選択 | |
CN112000131B (zh) | 基于人工势场法的无人机集群路径规划方法及*** | |
CN108898838A (zh) | 一种基于lstm模型的机场交通拥堵预测方法及装置 | |
Lawrance et al. | Path planning for autonomous soaring flight in dynamic wind fields | |
CN104183159B (zh) | 一种基于有向元胞自动机空中导航及冲突解脱方法 | |
CN108932876B (zh) | 一种引入黑区的a*和蚁群混合算法的快递无人机航迹规划方法 | |
CN112669651B (zh) | 一种基于飞行动态情报中eet值修正预测过点时间的方法 | |
CN110059863A (zh) | 一种基于所需到达时间的航空器四维航迹优化方法 | |
Jiang et al. | SunChase: Energy-efficient route planning for solar-powered EVs | |
CN109542876A (zh) | 基于Hadoop数据挖掘航空器经验轨迹模型关键因子的提取方法 | |
CN107622699B (zh) | 基于时序的全时段空域冲突探测与解脱方法 | |
Zelinski | A comparison of algorithm generated sectorizations | |
Girardet et al. | Generating optimal aircraft trajectories with respect to weather conditions | |
Zhou et al. | Optimization of arrival and departure routes in terminal maneuvering area | |
Chaimatanan et al. | Aircraft 4D trajectories planning under uncertainties | |
CN103578299A (zh) | 一种模拟航空器飞行过程的方法 | |
CN114812564A (zh) | 基于城市动态时空风险分析的多目标无人机路径规划方法 | |
CN115454132A (zh) | 一种面向山地光伏电站的无人机巡检三维路径规划方法及*** | |
CN110457819A (zh) | 一种根据自然环境识别城市天然风道的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |