CN109544999B - 一种基于云模型的空中交通网络可靠性评价方法 - Google Patents
一种基于云模型的空中交通网络可靠性评价方法 Download PDFInfo
- Publication number
- CN109544999B CN109544999B CN201910032267.1A CN201910032267A CN109544999B CN 109544999 B CN109544999 B CN 109544999B CN 201910032267 A CN201910032267 A CN 201910032267A CN 109544999 B CN109544999 B CN 109544999B
- Authority
- CN
- China
- Prior art keywords
- reliability
- air traffic
- traffic network
- network
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 160
- 238000004891 communication Methods 0.000 claims abstract description 92
- 230000003068 static effect Effects 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims description 40
- 238000012937 correction Methods 0.000 claims description 23
- 230000002441 reversible effect Effects 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 16
- 230000003993 interaction Effects 0.000 claims description 12
- 239000006185 dispersion Substances 0.000 claims description 9
- 230000033001 locomotion Effects 0.000 claims description 9
- 238000013278 delphi method Methods 0.000 claims description 7
- 238000013210 evaluation model Methods 0.000 claims description 7
- 230000009286 beneficial effect Effects 0.000 claims description 4
- 230000010006 flight Effects 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000003111 delayed effect Effects 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 4
- 230000001808 coupling effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
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
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Aviation & Aerospace Engineering (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于云模型的空中交通网络可靠性评价方法,空中交通网络可靠性评价子***包括空中交通网络连通可靠性评价模块、空中交通网络行程时间可靠性评价模块、空中交通网络容量可靠性评价模块和空中交通网络可靠性综合评价模块,上述模块分别实现空中交通网络连通可靠度评价、行程时间可靠度评价、容量可靠度评价和可靠性综合评价。本发明的优点是,将空中交通网络静态结构和动态交通流相结合,基于空中交通网络的连通可靠性、行程时间可靠性与容量可靠性评价结果,基于云模型对上述三类可靠性进行综合评价,以求能够科学、有效的评价空中交通网络可靠性,以便从网络结构和流量管理两个方面采取解决措施,保障飞行安全和提高运输效率。
Description
技术领域
本发明涉及空中交通管理领域,特别涉及一种基于云模型的空中交通网络可靠性评价方法,可靠性评价结果可用于交通规划者的航路网络规划,航空公司的航班计划的制定,以及交通管理者的拥挤疏导策略的制定等。
背景技术
空中交通网络的可靠性严重影响着空中交通运行的安全与效率。随着航空运输业的稳步发展,据国际航空运输协会(IATA)预测,2050年全球航空旅客运输量将超过160亿人次,是2013年的5倍,航空货物运输量将超过4亿吨,是2013年的8倍。在这种环境下,势必会威胁空中交通安全,带来大量航班延误等问题,如何保障空中交通网络的可靠运行,对各国民航业与航空公司的发展而言既是机遇、又是挑战。
目前有关空中交通网络可靠性的研究,大部分都是单纯从空中交通网络结构出发,计算网络节点之间的连通性,用以指导网络布局规划。由于空中交通网络运行是网络结构和空中交通流相互耦合作用的结果,单纯从静态的网络结构进行研究不符合交通运行的实际,评价效果较差,缺乏实用性,因此,同时考虑静态的空中交通网络和动态的空中交通流,对空中交通网络可靠性进行评价,提高评价的有效性和科学性,指导网络结构布局优化和空中交通流量管理,对提高空中交通运行的安全性和运输效率具有重要意义。
目前,虽然也有将网络结构和交通流相结合,来评价交通网络的可靠性,但主要都集中在对地面交通网络的可靠性评价,基于网络结构和交通流相结合的空中交通网络可靠性评价还没有见到,主要针对道路网络的连通可靠性、行程时间可靠性与容量可靠性中的某一种,建立可靠性评价模型,进行评价。
综上所述,目前研究存在两方面问题:1.空中交通网络可靠性评价,主要从网络结构出发,没有考虑网络上交通流对可靠性的影响。2.地面交通有关网络可靠性研究,没有将连通可靠性、行程时间可靠性与容量可靠性结合起来进行综合评价,这不能综合体现网络的可靠性,单一的网络可靠性对实际应用的参考价值有限。
考虑到现有空中交通网络可靠性评价的现状,尚缺少一种能够有效、实用的空中交通网络可靠性评价方法。
发明内容
鉴于现有技术存在的不足,本发明提供一种新的空中交通网络可靠性评价方法,即基于云模型的空中交通网络可靠性评价方法,该方法将空中交通网络静态结构和动态交通流相结合,基于空中交通网络的连通可靠性、行程时间可靠性与容量可靠性来研究空中交通网络的可靠性评价,以求能够科学、有效的评价空中交通网络可靠性,以便从网络结构和流量管理两个方面采取解决措施,保障飞行安全和提高运输效率。
本发明为实现上述目的,所采用的技术方案是:一种基于云模型的空中交通网络可靠性评价方法,通过计算机***辅助实现,所述计算机***主要由客户端/服务器模式构成,计算机***包括网络结构服务器、仿真驱动服务器、第一客户端、第二客户端、第三客户端、第四客户端;
所述网络结构服务器的硬盘中安装空域导航数据库,用于向客户端提供机场、导航台、航路点、航路航线、限制区、危险区、禁区、障碍物、扇区等导航数据服务;
所述仿真驱动服务器的硬盘中安装仿真驱动数据库,用于向客户端提供飞行动力模型和飞行运动模型数据服务;
所述第一客户端的硬盘中安装空中交通网络建模子***,用于建立空中交通网络结构模型;
所述第二客户端的硬盘中安装航班计划子***,用于产生符合一定分布规律的航班计划;
所述第三客户端的硬盘中安装显示与交互子***,用于空中交通网络建模子***中生成的空中交通网络环境,以及空中交通网络可靠性评价子***生成的评价结果的显示与交互;
其特征在于,所述第四客户端的硬盘中安装空中交通网络可靠性评价子***,第四客户端作为空中交通网络可靠性评价方法的实现平台,用于空中交通网络的可靠性综合评价;
首先第一客户端利用网络结构服务器中的空域导航数据,构建要评价的机场网络结构模型;第二客户端编制符合实际航班分布规律的航班计划;第三客户端利用前两个客户端生成的机场网络结构和航班计划,以及仿真驱动服务器中的飞行动力模型和飞行运动模型数据,对机场网络航班运行***进行仿真实现,显示出空中交通网络环境和空中交通网络可靠性评价子***生成的评价结果,同时提供交互功能;第四客户端利用第三客户端的仿真运行数据,对网络运行的可靠性进行综合评价,评价结果输入到第三客户端进行显示与交互;
所述空中交通网络可靠性评价子***包括,空中交通网络连通可靠性评价模块、空中交通网络行程时间可靠性评价模块、空中交通网络容量可靠性评价模块和空中交通网络可靠性综合评价模块;其中:
所述空中交通网络连通可靠性评价模块,是从空中交通网络的拓扑结构出发对空中交通网络的可靠性进行描述,基于静态网络结构,计算任意两节点间最短路径,构建两节点间的连通效率模型,在此基础上,考虑到节点间连通效率的均值及其差异性,构建空中交通网络的连通可靠性评价模型;
令εij为网络中任意节点i和j之间的连通效率,dij为连接节点i和j的最短路径,ND为空中交通网络的节点总数,E为网络效率,σglob为机场节点对连通效率的标准差,μglob为机场节点对连通效率的均值,δglob为网络连通可靠性的修正系数,Rglob为空中交通网络的连通可靠度;
1)基于Floyd算法计算网络中任意两节点间的最短路径;
2)建立节点i和j之间的连通效率模型:
当节点i和j不连通时,dij趋于无穷,就可用εij=0来表征i和j的连通状况;
3)基于所有节点对之间连通效率的平均值来构建整个网络的连通效率模型,其中节点对dij(i≠j)的个数为ND(ND-1)个:
其中0≤E≤1,且当E=1时,网络完全连通,网络的连通度最高;当E=0时,网络中的所有节点不连通,网络的连通性最差;
4)由于机场节点对连通效率的离散程度越大,σglob越大,空中交通流在未来空中交通网络的整体分布越不均衡,空中交通网络的连通可靠度越小,因此,应该考虑节点对连通效率的差异性对网络连通可靠性的影响,需要对E进行修正,基于标准差计算修正系数δglob:
其中,σglob/μglob为变异系数,表征了数据的离散程度;
5)构建空中交通网络的连通可靠度模型:
利用δglob修正网络效率得到空中交通网络的连通可靠性,体现了机场节点对连通效率的差异性影响,空中交通流一般以较短路径方式流动,各个机场节点对的连通效率差异越大,意味着未来空中交通流会更多的分布在最短路径小即连通效率高的机场节点对上,易造成交通拥堵,使网络的可靠度降低;
所述空中交通网络行程时间可靠性评价模块,是从航线交通流行程时间的角度对空中交通网络的可靠性进行描述,基于动态交通流,计算某航线航班行程时间的延误百分比,在此基础上,考虑到各条航线行程时间可靠度的均值及其差异性,构建空中交通网络的行程时间可靠性评价模型;
令T为某航线航班的实际行程时间,tE为某航线航班的期望行程时间,C为平均行程时间延误百分比,n表示单位时间内该航线的航班量,集合N为1至n的整数,ci为第i次航班的行程时间可靠度因子,Ti为单位时间内该航线第i次航班的实际行程时间,ti为第i次航班的期望行程时间,k为行程时间修正系数,RU为单位时间单条航线的行程时间可靠度,m为单位时间数,集合M为1至m的整数,Rj为第j个单位时间单条航线的行程时间可靠度,RM为一定时间段内单条航线的行程时间可靠度,δL为可靠度修正系数,σL为各条航线行程时间可靠度的标准差,μL为各条航线行程时间可靠度的均值,RL为空中交通网络的行程时间可靠度,l为空中交通网络中航线的数量,L为1至l的整数集合;
1)利用延误指标衡量行程时间可靠性,计算不同航线航班的平均行程时间延误百分比:
2)构建单位时间内单条航线的行程时间可靠度模型:
引入修正系数k,是为了保证行程时间可靠度取值在[0,1]之间,也有利于空中交通网络可靠性综合评价指标的归一化,当航班不延误(T≤tE)时,显然航班的行程时间可靠度为1,在定义航班的行程时间可靠度中,修正系数k的确定需要考虑出行者、航空运营部门以及管理者对延误百分比的可接受性,即约束的最大延误水平,实际延误水平大于约束的最大延误水平,则可靠度为0,这里k值取2,即允许的最大延误水平为50%;
3)构建一定时间内单条航线的行程时间可靠度模型:
4)在求解空中交通网络的行程时间可靠度时,为了表征各条航线行程时间可靠度的差异性大小对空中交通网络行程时间可靠度的影响,引入修正系数δL:
5)构建空中交通网络的行程时间可靠度模型:
不同航线行程时间可靠度高低的差异性表现了航线交通流分布的差异性,行程时间可靠度低的航线运行效率低,空中交通拥挤状况更明显,而行程时间可靠度高的航线交通流运行顺畅,交通流密度低,航线行程时间可靠度的离散程度越大,δL越小,各条航线间空中交通流的分布越不均衡,空中交通网络的行程时间可靠度越低;
所述空中交通网络容量可靠性评价模块,是指空中交通网络在一定的服务水平下可以容纳一定的交通需求的能力,它是空中交通网络在一定的服务水平下计划容纳的交通量大于等于一定交通需求的概率,空中交通网络由机场服务点和航线边构成,航班运行的起点和终点都是机场点,机场是空中交通运行的瓶颈,因此从机场的计划运行容量与航班需求的适应水平出发可以反映空中交通网络的容量可靠性,基于机场交通容量和需求计算机场容量可靠度,在此基础上,构建空中交通网络的容量可靠度模型:
令C为空中交通网络的储备容量或计划容量,Q为给定的航班需求量,S为空中交通网络提供的服务水平,s0为可接受的服务水平,Ai为第i个单位时段的超容量,qi为第i个单位时段机场的需求量,ci为第i个单位时段机场的计划运行容量,集合N’为1到n’的整数,n’为单位时间内单位时段的个数,f为机场各单位时段需求量超过计划运行容量之和占各单位时间航班容量的百分比,t0为服务水平s0对应的航班延误,这里取t0=15min,即认为航班实际延误小于等于15min是可以接受的,t为航班实际延误,di为第i个单位时段机场超出服务水平即t>t0的航班量,σcap为各个机场容量可靠度的标准差,μcap为各个机场容量可靠度的均值,δcap为修正系数,h为取定的机场样本数,集合H为1至h的整数,RF为单位时间内、一定服务水平下单个机场的容量可靠度,Rcap为一定时间内、一定服务水平下空中交通网络的容量可靠度,RA为单位时间内、一定服务水平下单个机场的容量可靠度;
1)基于机场第i单位时段的交通需求与容量,计算其超容量百分比:
2)构建单位时间内、一定服务水平下单个机场的容量可靠度模型:
3)为表征机场容量可靠度的差异性对网络可靠度的影响,这里引入修正系数δcap:
其中,σcap/μcap表征了各个机场容量可靠度的离散程度,离散程度越大,δcap越小,机场间空中交通流的分布越不均衡,空中交通网络的容量可靠度越低;
4)构建一定时间内、一定服务水平下空中交通网络的容量可靠度模型:
所述空中交通网络可靠性综合评价模块,是基于空中交通网络连通可靠性评价模块、空中交通网络行程时间可靠性评价模块和空中交通网络容量可靠性评价模块的评价结果,基于云模型理论,建立空中交通网络可靠性综合评价;
构建指标因素集:U={U1,U2,U3},指标元素分别为连通可靠度Rglob、行程时间可靠度RL和容量可靠度Rcap;采用专家咨询的方法,将各个权重因子进行定性描述,建立可靠指标云权重标尺;在确定云权重标尺后,运用德尔菲法得到专家打分结果,并根据逆向云发生器原理,计算得到指标因素的云权重Wi;根据逆向云发生器,计算三种可靠度的云模型;由各个指标因素的实际云模型加权求和得到空中交通网络可靠性的综合评价云模型,进而得到可靠性综合评价结果:
令Ri为各指标因素的实际云模型,Wi为各指标因素的云权重,RC为综合评价云模型,
其中,逆向云发生器的基本原理如下:
输入:云滴样本点xi,i=1,2,…,F
输出:反映定性概念的云特征值(Ex,En,He)
云特征值的计算见(15)~(19)式;
空中交通网络可靠性评价方法,利用空中交通网络连通可靠性评价模块实现连通可靠度评价,利用空中交通网络行程时间可靠性评价模块实现行程时间可靠度评价,利用空中交通网络容量可靠性评价模块实现容量可靠度评价,利用空中交通网络可靠性综合评价模块实现空中交通网络可靠性综合评价的步骤如下:
步骤1,在网络结构服务器中的空域导航数据库中选取所评价空域涉及到的机场、导航台、航路点、航路航线、限制区、危险区、禁区、障碍物、扇区等数据输入到第一客户端的空中交通网络建模子***,建立空中交通网络结构模型;
步骤2,基于所评价空域航班实际运行分布规律,在第二客户端的航班计划子***中编制符合实际分布规律的航班计划;
步骤3,将建立的网络结构模型和航班计划输入到第三客户端的航班显示与交互子***,调用仿真驱动服务器中的仿真驱动数据库里面的飞行运动模型和飞行动力模型,设置仿真时间,进行空中交通运行仿真,并在该***进行显示;
步骤4,通过仿真,统计各进场航班的预计到达时刻和实际到达时刻,各离场航班的预计离开时刻和实际离开时刻信息,统计每天不同时段的机场进离场容量值和流量值,统计各航班行程时间和延误时间,并将这些仿真数据输入到第四客户端空中交通网络可靠性评价子***;
步骤5,在第四客户端空中交通网络可靠性评价子***的空中交通网络连通可靠性评价模块中,根据公式(1)~(4)构建空中交通网络的连通可靠度模型,计算连通可靠度;在空中交通网络行程时间可靠性评价模块中,根据公式(5)~(9)构建空中交通网络的行程时间可靠度模型,计算行程时间可靠度;在空中交通网络容量可靠性评价模块中,根据公式(10)~(13)构建空中交通网络的容量可靠度模型,计算容量可靠度;
步骤6,在第四客户端空中交通网络可靠性评价子***的空中交通网络可靠性综合评价模块中,基于专家咨询法建立连通可靠度、行程时间可靠度、容量可靠度等3个可靠指标的云权重标尺;采用德尔菲法对各指标的重要性进行打分,基于逆向云发生器原理,根据公式(15)~(19)计算各可靠指标的云权重;基于逆向云发生器原理,根据公式(15)~(19),将步骤5得到的各指标值转化为云模型;根据公式(14),由各个指标因素的实际云模型加权求和得到空中交通网络可靠性的综合评价结果;
步骤7,连通可靠度、行程时间可靠度和容量可靠度的评价结果数据在第三客户端显示与交互子***中显示出来,同时,显示空中交通网络可靠性综合评价结果,结果分为可靠、较可靠、不太可靠、不可靠、很不可靠。
本发明的优点是:
1、由于目前对空中交通可靠性评价研究中,主要是对网络结构的连通性进行评价,而空中交通网络运行是网络结构和空中交通流相互耦合作用的结果,单纯从静态的网络结构进行研究不符合交通运行的实际,评价效果较差,缺乏实用性,鉴于此,本申请将空中交通网络静态结构和动态交通流相结合,分别对空中交通网络的连通可靠性、行程时间可靠性和容量可靠性进行评价,从而使得可靠性评价更全面、更符合实际。
2、尽管地面交通领域对路网可靠性的研究较空中交通研究深入,分别对道路网络联通可靠性、行程时间可靠性和容量可靠性进行了评价,但没有基于三者进行综合评价,不能反映网络的整体可靠性。鉴于此,本申请提出将连通可靠性、行程时间可靠性和容量可靠性进行综合评价,从而能构体现反映空中交通网络运行的整体可靠性。
3、考虑到人类思维是以模糊性为本质特征的,空中交通管理者更关心的是网络运行可靠性高不高,而给出一个具体的精确数字往往不能回答这些模糊语言表示的问题,云模型除了期望、熵、超熵外,还可以用更高阶的熵去刻画概念的不确定性,因此,采用云模型理论对上述三类可靠性进行综合评价,以求能够科学、有效的评价空中交通网络可靠性,可以有效的将精确的可靠度转化为模糊的可靠性表达。
应用本方法将可靠性理念应用到空中交通网络运行当中,实现了空中交通网络的可靠性综合评价,利于从网络结构和流量管理两个方面采取解决措施,保障整个空中交通网络的运输效率和减少航班延误。
附图说明
图1是本发明的***连接框图;
图2是本发明的空中交通网络可靠性综合评价方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实例,对本发明进行进一步详细说明,应当理解,此处所描述的具体实例仅仅用以解释本发明,并不用于限定本发明。
如图1、图2所示,一种基于云模型的空中交通网络可靠性评价方法,通过计算机***辅助实现,计算机***主要由客户端/服务器模式构成,计算机***包括网络结构服务器、仿真驱动服务器、第一客户端、第二客户端、第三客户端、第四客户端。
网络结构服务器的硬盘中安装空域导航数据库,用于向客户端提供机场、导航台、航路点、航路航线、限制区、危险区、禁区、障碍物、扇区等导航数据服务。
仿真驱动服务器的硬盘中安装仿真驱动数据库,用于向客户端提供飞行动力模型和飞行运动模型数据服务。
第一客户端的硬盘中安装空中交通网络建模子***,用于建立空中交通网络结构模型。
第二客户端的硬盘中安装航班计划子***,用于产生符合一定分布规律的航班计划。
第三客户端的硬盘中安装显示与交互子***,用于空中交通网络建模子***中生成的空中交通网络环境,以及空中交通网络可靠性评价子***生成的评价结果的显示与交互。
第四客户端的硬盘中安装空中交通网络可靠性评价子***,第四客户端作为空中交通网络可靠性评价方法的实现平台,用于空中交通网络的可靠性综合评价。
首先第一客户端利用网络结构服务器中的空域导航数据,构建要评价的机场网络结构模型;第二客户端编制符合实际航班分布规律的航班计划;第三客户端利用前两个客户端生成的机场网络结构和航班计划,以及仿真驱动服务器中的飞行动力模型和飞行运动模型数据,对机场网络航班运行***进行仿真实现,显示出空中交通网络环境和空中交通网络可靠性评价子***生成的评价结果,同时提供交互功能;第四客户端利用第三客户端的仿真运行数据,对网络运行的可靠性进行综合评价,评价结果输入到第三客户端进行显示与交互;因此,第四客户端的空中交通网络可靠性评价子***是本技术方案的核心内容。
空中交通网络可靠性评价子***包括,空中交通网络连通可靠性评价模块、空中交通网络行程时间可靠性评价模块、空中交通网络容量可靠性评价模块和空中交通网络可靠性综合评价模块。其中:
空中交通网络连通可靠性评价模块,是从空中交通网络的拓扑结构出发对空中交通网络的可靠性进行描述,基于静态网络结构,计算任意两节点间最短路径,构建两节点间的连通效率模型,在此基础上,考虑到节点间连通效率的均值及其差异性,构建空中交通网络的连通可靠性评价模型;
令εij为网络中任意节点i和j之间的连通效率,dij为连接节点i和j的最短路径,ND为空中交通网络的节点总数,E为网络效率,σglob为机场节点对连通效率的标准差,μglob为机场节点对连通效率的均值,δglob为网络连通可靠性的修正系数,Rglob为空中交通网络的连通可靠度;
1)基于Floyd算法计算网络中任意两节点间的最短路径;
2)建立节点i和j之间的连通效率模型:
当节点i和j不连通时,dij趋于无穷,就可用εij=0来表征i和j的连通状况;
3)基于所有节点对之间连通效率的平均值来构建整个网络的连通效率模型,其中节点对dij(i≠j)的个数为ND(ND-1)个:
其中0≤E≤1,且当E=1时,网络完全连通,网络的连通度最高;当E=0时,网络中的所有节点不连通,网络的连通性最差;
4)由于机场节点对连通效率的离散程度越大,σglob越大,空中交通流在未来空中交通网络的整体分布越不均衡,空中交通网络的连通可靠度越小,因此,应该考虑节点对连通效率的差异性对网络连通可靠性的影响,需要对E进行修正,基于标准差计算修正系数δglob:
其中,σglob/μglob为变异系数,表征了数据的离散程度;
5)构建空中交通网络的连通可靠度模型:
利用δglob修正网络效率得到空中交通网络的连通可靠性,体现了机场节点对连通效率的差异性影响,空中交通流一般以较短路径方式流动,各个机场节点对的连通效率差异越大,意味着未来空中交通流会更多的分布在最短路径小即连通效率高的机场节点对上,易造成交通拥堵,使网络的可靠度降低。
空中交通网络行程时间可靠性评价模块,是从航线交通流行程时间的角度对空中交通网络的可靠性进行描述,基于动态交通流,计算某航线航班行程时间的延误百分比,在此基础上,考虑到各条航线行程时间可靠度的均值及其差异性,构建空中交通网络的行程时间可靠性评价模型;
令T为某航线航班的实际行程时间,tE为某航线航班的期望行程时间,C为平均行程时间延误百分比,n表示单位时间内该航线的航班量,集合N为1至n的整数,ci为第i次航班的行程时间可靠度因子,Ti为单位时间内该航线第i次航班的实际行程时间,ti为第i次航班的期望行程时间,k为行程时间修正系数,RU为单位时间单条航线的行程时间可靠度,m为单位时间数,集合M为1至m的整数,Rj为第j个单位时间单条航线的行程时间可靠度,RM为一定时间段内单条航线的行程时间可靠度,δL为可靠度修正系数,σL为各条航线行程时间可靠度的标准差,μL为各条航线行程时间可靠度的均值,RL为空中交通网络的行程时间可靠度,l为空中交通网络中航线的数量,L为1至l的整数集合;
1)利用延误指标衡量行程时间可靠性,计算不同航线航班的平均行程时间延误百分比:
2)构建单位时间内单条航线的行程时间可靠度模型:
引入修正系数k,是为了保证行程时间可靠度取值在[0,1]之间,也有利于空中交通网络可靠性综合评价指标的归一化,当航班不延误(T≤tE)时,显然航班的行程时间可靠度为1,在定义航班的行程时间可靠度中,修正系数k的确定需要考虑出行者、航空运营部门以及管理者对延误百分比的可接受性,即约束的最大延误水平,实际延误水平大于约束的最大延误水平,则可靠度为0,这里k值取2,即允许的最大延误水平为50%;
3)构建一定时间内单条航线的行程时间可靠度模型:
4)在求解空中交通网络的行程时间可靠度时,为了表征各条航线行程时间可靠度的差异性大小对空中交通网络行程时间可靠度的影响,引入修正系数δL:
5)构建空中交通网络的行程时间可靠度模型:
不同航线行程时间可靠度高低的差异性表现了航线交通流分布的差异性,行程时间可靠度低的航线运行效率低,空中交通拥挤状况更明显,而行程时间可靠度高的航线交通流运行顺畅,交通流密度低,航线行程时间可靠度的离散程度越大,δL越小,各条航线间空中交通流的分布越不均衡,空中交通网络的行程时间可靠度越低。
空中交通网络容量可靠性评价模块,是指空中交通网络在一定的服务水平下可以容纳一定的交通需求的能力,它是空中交通网络在一定的服务水平下计划容纳的交通量大于等于一定交通需求的概率,空中交通网络由机场服务点和航线边构成,航班运行的起点和终点都是机场点,机场是空中交通运行的瓶颈,因此从机场的计划运行容量与航班需求的适应水平出发可以反映空中交通网络的容量可靠性,基于机场交通容量和需求计算机场容量可靠度,在此基础上,构建空中交通网络的容量可靠度模型:
令C为空中交通网络的储备容量或计划容量,Q为给定的航班需求量,S为空中交通网络提供的服务水平,s0为可接受的服务水平,Ai为第i个单位时段的超容量,qi为第i个单位时段机场的需求量,ci为第i个单位时段机场的计划运行容量,集合N’为1到n’的整数,n’为单位时间内单位时段的个数,f为机场各单位时段需求量超过计划运行容量之和占各单位时间航班容量的百分比,t0为服务水平s0对应的航班延误,这里取t0=15min,即认为航班实际延误小于等于15min是可以接受的,t为航班实际延误,di为第i个单位时段机场超出服务水平即t>t0的航班量,σcap为各个机场容量可靠度的标准差,μcap为各个机场容量可靠度的均值,δcap为修正系数,m为取定的机场样本数,集合M为1至m的整数,RF为单位时间内、一定服务水平下单个机场的容量可靠度,Rcap为一定时间内、一定服务水平下空中交通网络的容量可靠度,RA为单位时间内、一定服务水平下单个机场的容量可靠度;
1)基于机场第i单位时段的交通需求与容量,计算其超容量百分比:
2)构建单位时间内、一定服务水平下单个机场的容量可靠度模型:
3)为表征机场容量可靠度的差异性对网络可靠度的影响,这里引入修正系数δcap:
其中,σcap/μcap表征了各个机场容量可靠度的离散程度,离散程度越大,δcap越小,机场间空中交通流的分布越不均衡,空中交通网络的容量可靠度越低;
4)构建一定时间内、一定服务水平下空中交通网络的容量可靠度模型:
空中交通网络可靠性综合评价模块,是基于空中交通网络连通可靠性评价模块、空中交通网络行程时间可靠性评价模块和空中交通网络容量可靠性评价模块的评价结果,基于云模型理论,建立空中交通网络可靠性综合评价;
构建指标因素集:U={U1,U2,U3},指标元素分别为连通可靠度Rglob、行程时间可靠度RL和容量可靠度Rcap;采用专家咨询的方法,将各个权重因子进行定性描述,建立可靠指标云权重标尺;在确定云权重标尺后,运用德尔菲法得到专家打分结果,并根据逆向云发生器原理,计算得到指标因素的云权重Wi;根据逆向云发生器,计算三种可靠度的云模型;由各个指标因素的实际云模型加权求和得到空中交通网络可靠性的综合评价云模型,进而得到可靠性综合评价结果:
令Ri为各指标因素的实际云模型,Wi为各指标因素的云权重,RC为综合评价云模型,
其中,逆向云发生器的基本原理如下:
输入:云滴样本点xi,i=1,2,…,F
输出:反映定性概念的云特征值(Ex,En,He)
云特征值的计算见(15)~(19)式;见文献《基于云模型的我国石油海洋运输安全评价研究[D].中国海洋大学,2012.》,
空中交通网络可靠性评价方法,利用空中交通网络连通可靠性评价模块实现连通可靠度评价,利用空中交通网络行程时间可靠性评价模块实现行程时间可靠度评价,利用空中交通网络容量可靠性评价模块实现容量可靠度评价,利用空中交通网络可靠性综合评价模块实现空中交通网络可靠性综合评价的步骤如下:
步骤1,在网络结构服务器中的空域导航数据库中选取所评价空域涉及到的机场、导航台、航路点、航路航线、限制区、危险区、禁区、障碍物、扇区等数据输入到第一客户端的空中交通网络建模子***,建立空中交通网络结构模型;
步骤2,基于所评价空域航班实际运行分布规律,在第二客户端的航班计划子***中编制符合实际分布规律的航班计划;
步骤3,将建立的网络结构模型和航班计划输入到第三客户端的航班显示与交互子***,调用仿真驱动服务器中的仿真驱动数据库里面的飞行运动模型和飞行动力模型,设置仿真时间,进行空中交通运行仿真,并在该***进行显示;
步骤4,通过仿真,统计各进场航班的预计到达时刻和实际到达时刻,各离场航班的预计离开时刻和实际离开时刻信息,统计每天不同时段的机场进离场容量值和流量值,统计各航班行程时间和延误时间,并将这些仿真数据输入到第四客户端空中交通网络可靠性评价子***;
步骤5,在第四客户端空中交通网络可靠性评价子***的空中交通网络连通可靠性评价模块中,根据公式(1)~(4)构建空中交通网络的连通可靠度模型,计算连通可靠度;在空中交通网络行程时间可靠性评价模块中,根据公式(5)~(9)构建空中交通网络的行程时间可靠度模型,计算行程时间可靠度;在空中交通网络容量可靠性评价模块中,根据公式(10)~(13)构建空中交通网络的容量可靠度模型,计算容量可靠度;
步骤6,在第四客户端空中交通网络可靠性评价子***的空中交通网络可靠性综合评价模块中,基于专家咨询法建立连通可靠度、行程时间可靠度、容量可靠度等3个可靠指标的云权重标尺;采用德尔菲法对各指标的重要性进行打分,基于逆向云发生器原理,根据公式(15)~(19)计算各可靠指标的云权重;基于逆向云发生器原理,根据公式(15)~(19),将步骤5得到的各指标值转化为云模型;根据公式(14),由各个指标因素的实际云模型加权求和得到空中交通网络可靠性的综合评价结果;
步骤7,连通可靠度、行程时间可靠度和容量可靠度的评价结果数据在第三客户端显示与交互子***中显示出来,同时,显示空中交通网络可靠性综合评价结果,结果分为可靠、较可靠、不太可靠、不可靠、很不可靠。
现给出实现空中交通网络可靠性综合评价的实例:
假设需要对某空中交通网络(以机场为节点,机场间连线为边)某时段内的可靠性进行综合评价。通过对空中交通网络模型进行多次仿真实验,计算任意两点间的最短路径,进而求得网络的连通可靠度模型;统计各航班的行程时间及延误,进而求得网络的行程时间可靠度模型;统计各机场交通需求与容量,进而求得网络的容量可靠度模型:
空中交通网络连通可靠度:
空中交通网络行程时间可靠度:
空中交通网络容量可靠度:
为了得到可靠性指标的云权重,首先采用德尔菲法对可靠性指标进行打分,打分结果根据逆向云发生器得出三种指标的云权重如表1所示。
表1可靠性指标实际云权重
指标元素 | 云权重 |
连通可靠度 | (0.155,0.046,0.0179) |
行程时间可靠度 | (0.345,0.034,0.0147) |
容量可靠度 | (0.500,0.050,0.0003) |
连通可靠度是对空中交通网络连通可靠性的静态描述,连通可靠度不变,在计算实际云模型时,连通可靠度云模型的熵和超熵为0,因此连通可靠度的云模型为(0.4073,0,0)。行程时间可靠度的逆向云发生器计算过程如下:
由(14)式得到,Ex=0.9199;
由(15)式得到,B=0.0109;
由(16)式得到,En=0.0088;
由(17)式得到,S2=3×10-5;
由(18)式得到,He=0.0049。
由此得到,行程时间可靠度的云模型为(0.9199,0.0109,0.0049)。
同理,得到容量可靠度的云模型为(0.8300,0.0088,0.0103)。
由可靠性指标的实际云模型和云权重,根据式(14),得到综合评价云模型RC。
将最终的综合评价云模型RC与可靠程度评价云标尺(表2)进行相似性比较。
表2空中交通网络可靠程度评价云标尺
可靠程度等级 | 云模型 |
可靠 | 云1(1,0.1031,0.013) |
较可靠 | 云2(0.691,0.064,0.008) |
不太可靠 | 云3(0.5,0.039,0.005) |
不可靠 | 云4(0.309,0.064,0.008) |
很不可靠 | 云5(0,0.1031,0.013) |
由表2,找到最相似的云模型为云2(0.691,0.064,0.008),其对应的评价语言为“较可靠”。因此,该空中交通网络的可靠程度最终定性为“较可靠”。这表明该空中交通网络的可靠性维持在较高水平,网络***的各个部分能很好地协调运营,整体网络运行状况较为理想。另外,该网络的连通可靠性处于较低水平,行程时间可靠性处于高水平,容量可靠性处于较高水平,这反映了该空中交通网络有优化空间,特别是在提升连通可靠性上,这可以通过减小二次中转航线、增加直达航线的方法提高连通可靠度水平。
根据上述说明,结合本领域技术可实现本发明的方案。
Claims (1)
1.一种基于云模型的空中交通网络可靠性评价方法,通过计算机***辅助实现,所述计算机***主要由客户端/服务器模式构成,计算机***包括网络结构服务器、仿真驱动服务器、第一客户端、第二客户端、第三客户端、第四客户端;
所述网络结构服务器的硬盘中安装空域导航数据库,用于向客户端提供机场、导航台、航路点、航路航线、限制区、危险区、禁区、障碍物、扇区导航数据服务;
所述仿真驱动服务器的硬盘中安装仿真驱动数据库,用于向客户端提供飞行动力模型和飞行运动模型数据服务;
所述第一客户端的硬盘中安装空中交通网络建模子***,用于建立空中交通网络结构模型;
所述第二客户端的硬盘中安装航班计划子***,用于产生符合一定分布规律的航班计划;
所述第三客户端的硬盘中安装显示与交互子***,用于空中交通网络建模子***中生成的空中交通网络环境,以及空中交通网络可靠性评价子***生成的评价结果的显示与交互;
其特征在于,所述第四客户端的硬盘中安装空中交通网络可靠性评价子***,第四客户端作为空中交通网络可靠性评价方法的实现平台,用于空中交通网络的可靠性综合评价;
首先第一客户端利用网络结构服务器中的空域导航数据,构建要评价的机场网络结构模型;第二客户端编制符合实际航班分布规律的航班计划;第三客户端利用前两个客户端生成的机场网络结构和航班计划,以及仿真驱动服务器中的飞行动力模型和飞行运动模型数据,对机场网络航班运行***进行仿真实现,显示出空中交通网络环境和空中交通网络可靠性评价子***生成的评价结果,同时提供交互功能;第四客户端利用第三客户端的仿真运行数据,对网络运行的可靠性进行综合评价,评价结果输入到第三客户端进行显示与交互;
所述空中交通网络可靠性评价子***包括,空中交通网络连通可靠性评价模块、空中交通网络行程时间可靠性评价模块、空中交通网络容量可靠性评价模块和空中交通网络可靠性综合评价模块;其中:
所述空中交通网络连通可靠性评价模块,是从空中交通网络的拓扑结构出发对空中交通网络的可靠性进行描述,基于静态网络结构,计算任意两节点间最短路径,构建两节点间的连通效率模型,在此基础上,考虑到节点间连通效率的均值及其差异性,构建空中交通网络的连通可靠性评价模型;
令εij为网络中任意节点i和j之间的连通效率,dij为连接节点i和j的最短路径,ND为空中交通网络的节点总数,E为网络效率,σglob为机场节点对连通效率的标准差,μglob为机场节点对连通效率的均值,δglob为网络连通可靠性的修正系数,Rglob为空中交通网络的连通可靠度;
1)基于Floyd算法计算网络中任意两节点间的最短路径;
2)建立节点i和j之间的连通效率模型:
当节点i和j不连通时,dij趋于无穷,就可用εij=0来表征i和j的连通状况;
3)基于所有节点对之间连通效率的平均值来构建整个网络的连通效率模型,其中节点对dij(i≠j)的个数为ND(ND-1)个:
其中0≤E≤1,且当E=1时,网络完全连通,网络的连通度最高;当E=0时,网络中的所有节点不连通,网络的连通性最差;
4)由于机场节点对连通效率的离散程度越大,σglob越大,空中交通流在未来空中交通网络的整体分布越不均衡,空中交通网络的连通可靠度越小,因此,应该考虑节点对连通效率的差异性对网络连通可靠性的影响,需要对E进行修正,基于标准差计算修正系数δglob:
其中,σglob/μglob为变异系数,表征了数据的离散程度;
5)构建空中交通网络的连通可靠度模型:
利用δglob修正网络效率得到空中交通网络的连通可靠性,体现了机场节点对连通效率的差异性影响,空中交通流一般以较短路径方式流动,各个机场节点对的连通效率差异越大,意味着未来空中交通流会更多的分布在最短路径小即连通效率高的机场节点对上,易造成交通拥堵,使网络的可靠度降低;
所述空中交通网络行程时间可靠性评价模块,是从航线交通流行程时间的角度对空中交通网络的可靠性进行描述,基于动态交通流,计算某航线航班行程时间的延误百分比,在此基础上,考虑到各条航线行程时间可靠度的均值及其差异性,构建空中交通网络的行程时间可靠性评价模型;
令T为某航线航班的实际行程时间,tE为某航线航班的期望行程时间,C为平均行程时间延误百分比,n表示单位时间内该航线的航班量,集合N为1至n的整数,ci为第i次航班的行程时间可靠度因子,Ti为单位时间内该航线第i次航班的实际行程时间,ti为第i次航班的期望行程时间,k为行程时间修正系数,RU为单位时间单条航线的行程时间可靠度,m为单位时间数,集合M为1至m的整数,Rj为第j个单位时间单条航线的行程时间可靠度,RM为一定时间段内单条航线的行程时间可靠度,δL为可靠度修正系数,σL为各条航线行程时间可靠度的标准差,μL为各条航线行程时间可靠度的均值,RL为空中交通网络的行程时间可靠度,l为空中交通网络中航线的数量,L为1至l的整数集合;
1)利用延误指标衡量行程时间可靠性,计算不同航线航班的平均行程时间延误百分比:
2)构建单位时间内单条航线的行程时间可靠度模型:
引入修正系数k,是为了保证行程时间可靠度取值在[0,1]之间,也有利于空中交通网络可靠性综合评价指标的归一化,当航班不延误(T≤tE)时,显然航班的行程时间可靠度为1,在定义航班的行程时间可靠度中,修正系数k的确定需要考虑出行者、航空运营部门以及管理者对延误百分比的可接受性,即约束的最大延误水平,实际延误水平大于约束的最大延误水平,则可靠度为0,这里k值取2,即允许的最大延误水平为50%;
3)构建一定时间内单条航线的行程时间可靠度模型:
4)在求解空中交通网络的行程时间可靠度时,为了表征各条航线行程时间可靠度的差异性大小对空中交通网络行程时间可靠度的影响,引入修正系数δL:
5)构建空中交通网络的行程时间可靠度模型:
不同航线行程时间可靠度高低的差异性表现了航线交通流分布的差异性,行程时间可靠度低的航线运行效率低,空中交通拥挤状况更明显,而行程时间可靠度高的航线交通流运行顺畅,交通流密度低,航线行程时间可靠度的离散程度越大,δL越小,各条航线间空中交通流的分布越不均衡,空中交通网络的行程时间可靠度越低;
所述空中交通网络容量可靠性评价模块,是指空中交通网络在一定的服务水平下可以容纳一定的交通需求的能力,它是空中交通网络在一定的服务水平下计划容纳的交通量大于等于一定交通需求的概率,空中交通网络由机场服务点和航线边构成,航班运行的起点和终点都是机场点,机场是空中交通运行的瓶颈,因此从机场的计划运行容量与航班需求的适应水平出发可以反映空中交通网络的容量可靠性,基于机场交通容量和需求计算机场容量可靠度,在此基础上,构建空中交通网络的容量可靠度模型:
令C为空中交通网络的储备容量或计划容量,Q为给定的航班需求量,S为空中交通网络提供的服务水平,s0为可接受的服务水平,Ai为第i个单位时段的超容量,qi为第i个单位时段机场的需求量,ci为第i个单位时段机场的计划运行容量,集合N’为1到n’的整数,n’为单位时间内单位时段的个数,f为机场各单位时段需求量超过计划运行容量之和占各单位时间航班容量的百分比,t0为服务水平s0对应的航班延误,这里取t0=15min,即认为航班实际延误小于等于15min是可以接受的,t为航班实际延误,di为第i个单位时段机场超出服务水平即t>t0的航班量,σcap为各个机场容量可靠度的标准差,μcap为各个机场容量可靠度的均值,δcap为修正系数,h为取定的机场样本数,集合H为1至h的整数,RF为单位时间内、一定服务水平下单个机场的容量可靠度,Rcap为一定时间内、一定服务水平下空中交通网络的容量可靠度,RA为单位时间内、一定服务水平下单个机场的容量可靠度;
1)基于机场第i单位时段的交通需求与容量,计算其超容量百分比:
2)构建单位时间内、一定服务水平下单个机场的容量可靠度模型:
3)为表征机场容量可靠度的差异性对网络可靠度的影响,这里引入修正系数δcap:
其中,σcap/μcap表征了各个机场容量可靠度的离散程度,离散程度越大,δcap越小,机场间空中交通流的分布越不均衡,空中交通网络的容量可靠度越低;
4)构建一定时间内、一定服务水平下空中交通网络的容量可靠度模型:
所述空中交通网络可靠性综合评价模块,是基于空中交通网络连通可靠性评价模块、空中交通网络行程时间可靠性评价模块和空中交通网络容量可靠性评价模块的评价结果,基于云模型理论,建立空中交通网络可靠性综合评价;
构建指标因素集:U={U1,U2,U3},指标元素分别为连通可靠度Rglob、行程时间可靠度RL和容量可靠度Rcap;采用专家咨询的方法,将各个权重因子进行定性描述,建立可靠指标云权重标尺;在确定云权重标尺后,运用德尔菲法得到专家打分结果,并根据逆向云发生器原理,计算得到指标因素的云权重Wi;根据逆向云发生器,计算三种可靠度的云模型;由各个指标因素的实际云模型加权求和得到空中交通网络可靠性的综合评价云模型,进而得到可靠性综合评价结果:
令Ri为各指标因素的实际云模型,Wi为各指标因素的云权重,RC为综合评价云模型,
其中,逆向云发生器的基本原理如下:
输入:云滴样本点xi,i=1,2,…,F
输出:反映定性概念的云特征值(Ex,En,He)
云特征值的计算见(15)~(19)式;
空中交通网络可靠性评价方法,利用空中交通网络连通可靠性评价模块实现连通可靠度评价,利用空中交通网络行程时间可靠性评价模块实现行程时间可靠度评价,利用空中交通网络容量可靠性评价模块实现容量可靠度评价,利用空中交通网络可靠性综合评价模块实现空中交通网络可靠性综合评价的步骤如下:
步骤1,在网络结构服务器中的空域导航数据库中选取所评价空域涉及到的机场、导航台、航路点、航路航线、限制区、危险区、禁区、障碍物、扇区数据输入到第一客户端的空中交通网络建模子***,建立空中交通网络结构模型;
步骤2,基于所评价空域航班实际运行分布规律,在第二客户端的航班计划子***中编制符合实际分布规律的航班计划;
步骤3,将建立的网络结构模型和航班计划输入到第三客户端的航班显示与交互子***,调用仿真驱动服务器中的仿真驱动数据库里面的飞行运动模型和飞行动力模型,设置仿真时间,进行空中交通运行仿真,并在该***进行显示;
步骤4,通过仿真,统计各进场航班的预计到达时刻和实际到达时刻,各离场航班的预计离开时刻和实际离开时刻信息,统计每天不同时段的机场进离场容量值和流量值,统计各航班行程时间和延误时间,并将这些仿真数据输入到第四客户端空中交通网络可靠性评价子***;
步骤5,在第四客户端空中交通网络可靠性评价子***的空中交通网络连通可靠性评价模块中,根据公式(1)~(4)构建空中交通网络的连通可靠度模型,计算连通可靠度;在空中交通网络行程时间可靠性评价模块中,根据公式(5)~(9)构建空中交通网络的行程时间可靠度模型,计算行程时间可靠度;在空中交通网络容量可靠性评价模块中,根据公式(10)~(13)构建空中交通网络的容量可靠度模型,计算容量可靠度;
步骤6,在第四客户端空中交通网络可靠性评价子***的空中交通网络可靠性综合评价模块中,基于专家咨询法建立连通可靠度、行程时间可靠度、容量可靠度3个可靠指标的云权重标尺;采用德尔菲法对各指标的重要性进行打分,基于逆向云发生器原理,根据公式(15)~(19)计算各可靠指标的云权重;基于逆向云发生器原理,根据公式(15)~(19),将步骤5得到的各指标值转化为云模型;根据公式(14),由各个指标因素的实际云模型加权求和得到空中交通网络可靠性的综合评价结果;
步骤7,连通可靠度、行程时间可靠度和容量可靠度的评价结果数据在第三客户端显示与交互子***中显示出来,同时,显示空中交通网络可靠性综合评价结果,结果分为可靠、较可靠、不太可靠、不可靠、很不可靠。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910032267.1A CN109544999B (zh) | 2019-01-14 | 2019-01-14 | 一种基于云模型的空中交通网络可靠性评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910032267.1A CN109544999B (zh) | 2019-01-14 | 2019-01-14 | 一种基于云模型的空中交通网络可靠性评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109544999A CN109544999A (zh) | 2019-03-29 |
CN109544999B true CN109544999B (zh) | 2021-03-26 |
Family
ID=65835343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910032267.1A Active CN109544999B (zh) | 2019-01-14 | 2019-01-14 | 一种基于云模型的空中交通网络可靠性评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109544999B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264787B (zh) * | 2019-06-17 | 2022-07-15 | 南京航空航天大学 | 一种航班航路飞行时间可靠性评价方法及*** |
CN110880052A (zh) * | 2019-11-22 | 2020-03-13 | 河北轨道运输职业技术学院 | 一种城市轨道交通短期客流动态预测方法 |
CN112184041A (zh) * | 2020-10-09 | 2021-01-05 | 重庆邮电大学 | 一种带成本约束的配送网络容量可靠性评估方法 |
CN113128872B (zh) * | 2021-04-22 | 2022-03-04 | 长安大学 | 一种城市快速路交通安全评价方法 |
CN113505980A (zh) * | 2021-07-02 | 2021-10-15 | 公安部交通管理科学研究所 | 智能交通管理***可靠性评价方法、装置及*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102456158B (zh) * | 2010-10-26 | 2015-11-11 | 中国民航大学 | 基于ann bp模型的空中交通管理atm信息***安全评估方法 |
WO2015032430A1 (en) * | 2013-09-04 | 2015-03-12 | Telefonaktiebolaget L M Ericsson (Publ) | Scheduling of virtual machines |
CN103942623B (zh) * | 2014-04-22 | 2017-01-18 | 中国民航大学 | 一种基于需求与容量不确定性的机场拥挤风险预测方法 |
CN104616106B (zh) * | 2015-02-02 | 2017-11-14 | 哈尔滨工业大学 | 一种定量评估空域配置对空中交通可达性影响的方法 |
CN105678410B (zh) * | 2015-12-31 | 2020-04-14 | 哈尔滨工业大学 | 一种考虑网络连通性时变特征的公交***时空可达性建模方法 |
CN108053651A (zh) * | 2018-01-11 | 2018-05-18 | 深圳森阳环保材料科技有限公司 | 一种管理高效的数据安全管理*** |
-
2019
- 2019-01-14 CN CN201910032267.1A patent/CN109544999B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109544999A (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544999B (zh) | 一种基于云模型的空中交通网络可靠性评价方法 | |
Balac et al. | Demand estimation for aerial vehicles in urban settings | |
Wan et al. | Dynamic queuing network model for flow contingency management | |
Li et al. | Traffic management and resource allocation for UAV-based parcel delivery in low-altitude urban space | |
Choi et al. | Artificial neural network models for airport capacity prediction | |
Cantarella et al. | Dynamics and Stochasticity in Transportation Systems: Tools for Transportation Network Modelling | |
Sun et al. | A dual decomposition method for sector capacity constrained traffic flow optimization | |
Sun et al. | Operational Considerations regarding On‐Demand Air Mobility: A Literature Review and Research Challenges | |
Maheshwari et al. | Identifying and analyzing operations limits for passenger-carrying urban air mobility missions | |
Cao et al. | Link transmission model for air traffic flow management | |
Sridhar et al. | Strategic planning of efficient oceanic flights | |
Zgraggen et al. | A model predictive control scheme for intermodal autonomous mobility-on-demand | |
CN114580751B (zh) | 空港到港旅客疏散时间预测方法、***、存储介质及终端 | |
Musolino et al. | A modelling framework to simulate paths and routes choices of freight vehicles in sub-urban areas | |
Sánchez et al. | On balancing fairness and efficiency in routing of cooperative vehicle fleets | |
Banerjee et al. | An application of extended NSGA-II in interval valued multi-objective scheduling problem of crews | |
Paparella et al. | Electric autonomous mobility-on-demand: Joint optimization of routing and charging infrastructure siting | |
Raballand et al. | DROSERA: A DROne Simulation Environment for Risk Assessment | |
Kotegawa | Analyzing the evolutionary mechanisms of the air transportation system-of-systems using Network Theory and machine learning algorithms | |
Jiang et al. | Air Corridor Evaluation with Purpose-specific Metrics | |
Rimjha | Urban Air Mobility: Demand Estimation and Feasibility Analysis | |
Yang | Entry effect of low-cost carriers on airport-pairs demand model using market concentration approach | |
Tozluoglu et al. | Synthetic Sweden mobility (SySMo) model documentation | |
Niedringhaus | The Jet: Wise model of national air space system evolution | |
Taylor et al. | Defining multi-resolution networks for flow contingency management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |