CN109768894B - 空中交通相依网络脆弱性识别与控制方法及*** - Google Patents
空中交通相依网络脆弱性识别与控制方法及*** Download PDFInfo
- Publication number
- CN109768894B CN109768894B CN201910161165.XA CN201910161165A CN109768894B CN 109768894 B CN109768894 B CN 109768894B CN 201910161165 A CN201910161165 A CN 201910161165A CN 109768894 B CN109768894 B CN 109768894B
- Authority
- CN
- China
- Prior art keywords
- network
- node
- flow
- traffic
- dependent
- 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
- 230000001419 dependent effect Effects 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000008859 change Effects 0.000 claims abstract description 72
- 238000012546 transfer Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000010230 functional analysis Methods 0.000 claims description 5
- 238000012916 structural analysis Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 2
- 238000012038 vulnerability analysis Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了一种空中交通相依网络脆弱性识别与控制方法及***,所述方法及***首先构建由机场网络、航路网络以及管制扇区网络相连接的空中交通相依网络模型,并以随机扰动和蓄意扰动的扰动策略对空中交通相依网络的节点进行扰动,然后计算所述相依网络的结构脆弱性的相关特性指标的变化率和功能脆弱性的相关指标的变化率,并识别所述相依网络的结构脆弱性和功能脆弱性的变化规律,最后根据识别结果,通过对相依网络进行流量协调控制来优化相依网络的脆弱性。本发明结合空中交通相依网络的脆弱性分析结果,对网络的交通流重新进行协调控制,使得空中交通相依网络的交通流趋于有序,以此降低网络的脆弱性。
Description
技术领域
本发明属于空中交通管理技术领域,尤其是涉及一种空中交通相依网络脆弱性识别与控制方法及***。
背景技术
空中交通***在运行时,经常遇到***内部或外部的扰动(如机场时刻不合理造成航班起降排队、恶劣天气或军事活动造成机场航路容量下降等)而造成空中交通航班运输性能效率下降,从而引发***的脆弱性。空中交通***的脆弱性的表现既威胁空中交通***的安全性,同时也破坏***的正常的航班运输功能,因此对空中交通***的脆弱性的识别与控制的研究具有积极的现实意义。
已有相关研究对空中交通***的扇区网络的特性与级联失效进行研究,以及用关键航空网络模型分析民用航空网络的脆弱性。相关空中交通相依网络研究中,已有对多层网络间的故障传播规律与相依网络的脆弱性进行了研究,但对空中交通相依网络的脆弱性的识别与控制鲜有研究。
发明内容
有鉴于此,本发明旨在提出一种空中交通相依网络脆弱性识别与控制方法及***。
为达到上述目的,本发明的技术方案是这样实现的:
空中交通相依网络脆弱性识别与控制方法,包括如下步骤:
S1:构建由机场网络、航路网络以及管制扇区网络相连接的空中交通相依网络模型;
S2:以随机扰动和蓄意扰动的扰动策略对空中交通相依网络的节点进行扰动;
S3:计算所述相依网络的结构脆弱性的相关特性指标的变化率和功能脆弱性的相关指标的变化率;
S4:基于相依网络层网络的结构分析节点失效影响规则、相依网络层网络的功能分析节点失效影响规则以及S3所述的相关特性指标的变化率,识别所述相依网络的结构脆弱性和功能脆弱性的变化规律;
S5:根据S4的识别结果,通过对相依网络进行流量协调控制来优化相依网络的脆弱性。
进一步的,相依网络的结构脆弱性的相关特性指标为网络最大连通度、网络效率和网络结构熵,相依网络的功能脆弱性的相关特性指标为网络流量熵和网络交通流损失比。
进一步的,步骤S5中进行流量协调控制的对象为机场网络。
进一步的,步骤S5包括:
S52:输入G1、G2、G3各网络节点的流量ti。
S53:依据相依网络的构建方式,建立G1、G2、G3层网络间的连接关系,并建立流量相互影响关系;
S54:确定G1的节点流量的约束条件;
S55:在S54的约束条件内,以1为步长,遍历G1节点交通流量的所有情形;
S57:输出遍历所有情形中符合目标函数的G1的网络节点流量;
S58:输出三个层网络流量熵的和的最小值。
进一步的,步骤S54中所述的约束条件为:0.8ti≤t′i≤Ci,式中i为G1中的节点,t′i为i在流量协调控制过程中的流量,Ci为i的容量。
一种空中交通相依网络脆弱性识别与控制***,包括
空中交通相依网络模型构建模块,用于构建空中交通相依网络模型,所述空中交通相依网络模型由机场网络、航路网络以及管制扇区网络相连接组成;
节点扰动模块,通过随机扰动和蓄意扰动的扰动策略对所述相依网络的网络节点进行扰动;
特性指标计算模块,用于计算所述相依网络的结构脆弱性的相关特性指标的变化率和功能脆弱性的相关指标的变化率;
网络脆弱性识别模块,用于识别所述相依网络的结构脆弱性和功能脆弱性的变化规律,该模块功能基于以下内容实现:相依网络层网络的结构分析节点失效影响规则、相依网络层网络的功能分析节点失效影响规则以及所述的相关特性指标的变化率;
流量协调控制模块,用于优化所述相依网络的脆弱性,该模块的功能根据所述网络脆弱性识别模块的识别结果,通过用对相依网络进行流量协调控制实现。
进一步的,所述相依网络的结构脆弱性的相关特性指标为网络最大连通度、网络效率和网络结构熵,功能脆弱性的相关特性指标为网络流量熵和网络交通流损失比。
进一步的,所述流量协调模块进行流量协调控制的对象为机场网络。
进一步的,所述流量协调控制模块包括:
节点流量输入单元,用于输入G1、G2、G3各网络节点的流量ti;
层网络连接单元,用于依据相依网络的构建方式,建立G1、G2、G3层网络间的连接关系,并建立流量相互影响关系;
约束条件输入单元,用于输入G1、G2、G3的节点流量的约束条件;
情形执行单元,用于在约束条件内,以1为步长,遍历G1节点交通流量的所有情形;
节点流量输出单元,用于输出遍历所有情形中符合目标函数的G1的网络节点流量;
网路流量熵输出单元,用于输出三个层网络流量熵的和的最小值。
进一步的,所述约束条件为:0.8ti≤t′i≤Ci,式中i为G1中的节点,t′i为i在流量协调控制过程中的流量,Ci为i的容量。
相对于现有技术,本发明所述的空中交通相依网络脆弱性识别与控制方法及***具有以下优势:本发明结合空中交通相依网络的脆弱性分析结果,考虑空中交通的运行规则与航路、管制扇区的实际情况,建立以机场网络、航路网络与管制扇区网络的流量熵值和最小的目标函数,对算例的机场网络的交通流重新进行的协调控制,使得空中交通相依网络的交通流趋于有序,以此降低网络的脆弱性,提高空中交通相依网络的安全性与高效性。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的空中交通相依网络脆弱性识别与控制方法流程示意图;
图2为本发明实施例所述的空中交通相依网络脆弱性识别与控制***结构示意图;
图3为本发明实施例所述的空中交通相依网络模型示意图;
图4为本发明实施例所述的网络最大联通子图变化率示意图;
图5为本发明实施例所述的网络效率变化率示意图;
图6为本发明实施例所述的网络结构熵变化率示意图;
图7为本发明实施例所述的网络流量熵变化率示意图;
图8为本发明实施例所述的网络交通流损失比变化率示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
本发明提出一种空中交通相依网络脆弱性识别与控制方法:如图1为方法流程图。
结合空中交通***运行的实际过程,如图3所示,空中交通相依网络由机场网络G1′、航路网络G2′、管制扇区网络G3′组成。G1′以机场为点,机场间的备降关系建立边;G2′以导航台为点,航路的航段为边;G3′以管制扇区为点,扇区间航班交接关系为边。G1′与G2′的连接表示飞机的进离场;G1′与G3′的连接表示相应扇区对机场飞机起降的管制;G2′与G3′的连接表示相应扇区对航路飞行的飞机的管制。
本发明结合我国京津冀、山西、内蒙古、山东、河南等地区的相关数据,构建我国华北空中交通相依网络:G1、G2、G3分别代表机场网络、航路网络、管制扇区网络,其中G1共计28个机场,79对备降关系,G2共计41个导航点,90条航段,G3共计20个管制扇区,43条扇区移交关系。
相依网络结构脆弱性识别:
扰动策略为:随机扰动:从研究的网络节点中等概率选择节点进行扰动,蓄意扰动:按内度值大小将网络节点排序,值相同的等概率选择节点进行扰动;
空中交通相依网络层网络的结构分析节点失效影响规则为:
(1)G1节点失效,将失效的节点在网络去除,G1失效节点并不会引起相连的G2和G3节点失效;
(2)G2节点失效,将失效的节点在网络去除,G2失效节点会引起相连的G1节点失效,但不引起G3网络节点失效;
(3)G3节点失效,将失效的节点在网络去除,G3失效节点会引起相连的G1和G2节点失效;
(4)节点失效后,空中交通相依网络若被分为多个连通子图,非最大连通子图内的节点也失效,失效的节点按照上述的规则再次影响网络。
在不同的扰动策略下,计算空中交通相依网络的结构脆弱性的相关特性指标的变化率,分析各层网络使空中交通相依网络结构的失效的阈值,相依网络脆弱性的相关特性指标的变化率的计算公式为:
式中Δφ为网络的相关指标的变化率,φ(q)为q的节点比例时网络的特性指标的值,φ(q-1)为q-1节点比例的网络特性指标的值。
如图4所示,R表示随机扰动,D表示蓄意扰动,G0表示空中交通相依网络,R,Gx,Gy表示对Gx的节点进行随机扰动,Gy的指标变化。x,y∈(0,1,2,3),以下图例中字母含义与上述含义一致。由图4(a),G1节点随机扰动,G1、G0的网络连通度变化率值较小,节点失效达50%仍未达到使G1、G0产生级联失效的阈值;G1节点蓄意扰动,G1在节点扰动比例达25%时,网络连通度的变化率快速增快,G0网络连通度的变化率变化幅度微小,可知G1的节点扰动达25%时,G1开始产生级联失效现象;G2节点随机扰动,G1、G2与G0的网络连通度的变化率变化幅度在-20%~10%内,未使得网络产生级联失效;G2节点蓄意扰动,G0网络连通度的变化率变化幅度较小,但G1与G2的网络连通度的变化率变化幅度在节点失效比例达45%以后快速增大,G1、G2出现了级联失效现象。由图4(b),G3节点随机扰动,节点扰动达25%时,G1、G2、G0的网络连通度的变化率变化幅度快速增大,出现了级联失效现象,则随机扰动G3节点25%时达到使G1、G2、G0出现级联失效现象,G3网络连通度的变化率变化幅度较小,未出现级联失效现象;G3节点蓄意扰动,所有层网络与相依网络的网络连通度的变化率变化幅度较小,未出现网络的级联失效现象。
由图5(a),G1节点随机扰动,G1与G0网络效率的变化率变化幅度较小,未出现级联失效现象;G1节点蓄意扰动,G1节点扰动比例达15%时,G1的效率变化率快速上升至100%,并在节点扰动比例35%整个G1网络全部失效,G1节点扰动比例15%是G1产生级联失效的阈值,G1节点的蓄意扰动G0网络效率变化率值变化幅度较小,不会引发G0出现级联失效现象。扰动G2节点,蓄意扰动G2的20%节点会造成G1产生级联失效现象,蓄意扰动G2的30%节点会造成G2产生级联失效现象,其他情形都未引发网络的级联失效。由图5(b),G3节点随机扰动,G1、G2、G0网络在节点扰动比例达35%时,网络的效率变化值开始快速增大,会造成产生级联失效现象;G3节点的随机扰动并未引发G3网络的级联失效现象;G3节点蓄意扰动,蓄意扰动G3的30%节点会造成G1产生级联失效现象,其他情形都未引发网络的级联失效。
由图6(a),G1节点随机扰动,G1结构熵的变化率波动幅度在节点扰动比例15%后开始增大,此时网络结构处于混乱状态,出现级联失效现象,G0在G1节点随机扰动时结构熵的变化率波动幅度非常小,没有出现级联失效现象;G1节点蓄意扰动,G1的结构熵变化率一直为负值,熵值减少,网络趋于有序,G0在G1节点蓄意扰动时结构熵的变化率波动幅度非常小,没有出现级联失效现象。扰动G2节点,蓄意扰动G2的25%节点会造成G1的结构熵值变化率快速由负变为正,G1产生级联失效现象,其他情形都未引发网络的级联失效。由图6(b),G3节点随机扰动,G1、G3、G0网络在节点扰动比例达30%时,网络的结构熵值快速由负变为正,此时G1、G3、G0网络内部非常混乱,网络节点间相互影响,产生级联失效现象,G3节点的随机扰动并未引发G2网络的级联失效现象;G3节点蓄意扰动,蓄意扰动G3的25%节点会造成G3熵值由负变为正,并快速上升,此时G3产生级联失效现象,其他情形都未引发网络的级联失效。
通过上文的网络脆弱性识别分析,结合图中的指标变化可知网络的结构脆弱性表现有以下规律:
(1)扰动G1、G2、G3都会对G1造成较大影响,G1的相关指标变动非常大,因此G1是空中交通相依网络的脆弱源;
(2)G2在蓄意扰动下,G1、G2会表现出相应的脆弱性,但是在随机扰动下层网络并没有表现出相应的脆弱性,G2抗随机扰动的干扰能力较强;
(3)G3在随机扰动下,G1、G2都会表现脆弱性;在蓄意扰动下,G1、G3也会表现出脆弱性。
相依网络结构脆弱性识别:
扰动策略为:随机扰动:从研究的网络节点中等概率选择节点进行扰动,蓄意扰动:按节点的交通量大小将网络节点排序,流量相同的等概率选择节点进行扰动;
空中交通相依网络层网络的功能分析节点失效影响规则:
1、层网络内的交通流转移规则:
(1).G1节点失效,其失效节点的交通流将被转移至层网络内相邻机场节点;
(2).G2节点失效,其失效节点交通流被转移至相邻航路节点。交通流转移的过程中,受到相连的G3节点容量约束,若转移量超过G3节点的容量,则以G3节点最大裕度作为交通流转移最大量;
(3).G3节点失效,其失效节点交通流被转移至相邻管制扇区节点。交通流转移的过程中,交通流转移受相连的G2节点的容量约束,若转移量超过航路节点的容量,则以航路节点裕度作为交通流转移最大量。
2、层网络间的交通流转移规则:
(1).G1节点失效,相连的G3节点和G2节点不发生交通流转移;
(2).G2节点失效,相连的G1、G3节点发生交通流转移;
(3).G3节点失效,相连的G1、G2节点发生交通流转移。
在不同的扰动策略下,计算空中交通相依网络的功能脆弱性的相关特性指标的变化率:
由图7(a),G1节点随机扰动,G1流量熵的变化率波动幅度较小,蓄意扰动G1节点,G1流量熵的值波动幅度也较小,其他情形也都未引发网络的级联失效。由图7(b),G2节点随机扰动,G1的流量熵在扰动节点为25%熵值有个明显上升,幅度较大,此时G1内部因交通流转移分配而混乱,网络节点间的交通流相互影响,产生级联失效现象,其他情形对造成G2、G3的熵值的波动,但是并未构成熵值持续上升,所以没有引发网络的级联失效。由图7(c),G3节点随机扰动,G1、G2、G3的流量熵都未出现熵增的持续上涨,未引发网络的级联失效;蓄意扰动G3的节点,15%的节点扰动比例造成G1的熵值开始大幅度波动,熵值变化很大,网络的交通流转移分配造成网络内部混乱,引发G1的级联失效,其他情形未引发网络的级联失效。
由图8(a),G1节点随机或蓄意扰动,G1都没有出现级联失效现象。随机扰动G2节点,扰动比例达5%时,G2的交通流损失开始快速增长,损失量迅速达200%,此时G2内部出现级联失效现象,扰动比例达10%,G1的交通流损失达到1000%,网络内出现了级联失效现象。其他情形都未引发网络的级联失效。由图8(b),随机G3节点扰动,G2网络在节点扰动比例达10%时,网络的交通流损失值快速达到107%,此时G2网络产生级联失效现象;G3节点的随机扰动比例达15%时,G1的交通流损失值快速达到184%,此时G1网络产生级联失效现象,其他情形都未引发网络的级联失效。
通过上述的网络脆弱性识别分析,结合图中的指标变化可知网络的功能脆弱性表现有以下规律:(1)扰动G1的交通流,三个层网络并未表现出相应的脆弱性;(2)随机扰动G2、G3的交通流,G1、G2都会表现出脆弱性,但蓄意扰动下各网络并未表现脆弱性。
通过上述分析可知,机场网络G1是在各种干扰下最容易表现网络混乱的层网络,结合空中交通管理的实际,改进空中交通相依网络的脆弱性应从机场网络G1流量进行相应的协调控制,目标是空中交通的三个层网络在分配相应的流量后各层网络流量熵值最小,网络内部交通流更有序。
空中交通相依网络进行流量协调控制的方法为:
S52:输入G1、G2、G3各网络节点的流量ti。
S53:依据相依网络的构建方式,建立G1、G2、G3层网络间的连接关系,并建立流量相互影响关系,与上述交通流转移规则相同;
S54:确定G1的节点流量的约束条件:0.8ti≤t′i≤Ci,式中i为G1中的节点,ti′为i在流量协调控制过程中的流量,Ci为i的容量;
S55:在S54的约束条件内,以1为步长,遍历G1节点交通流量的所有情形;
S57:输出遍历所有情形中符合目标函数的G1的网络节点流量;
S58:输出三个层网络流量熵的最小值。
依据上述步骤,对空中交通相依网络的G1进行交通流量协调控制,在目标函数与约束条件下,机场网络的各节点流量协调控制如下:
G1网络交通流量协调控制中,网络的流量熵值和由协调控制前的8.6027降为协调控制后的8.4562。结合空中交通***的实际运行,对G1的节点的流量在约束范围内进行协调控制,使空中交通相依网络的三个层网络间的流量熵值总和最小,网络趋于有序,在各种干扰下仍能拥有较好的抗扰动能力,机场网络的流量协调控制能降低网络的脆弱性。
本发明还提出一种空中交通相依网络脆弱性识别与控制***:如图2所示,包括:
空中交通相依网络模型构建模块,用于构建空中交通相依网络模型,所述空中交通相依网络模型由机场网络、航路网络以及管制扇区网络相连接组成;
节点扰动模块,通过随机扰动和蓄意扰动的扰动策略对所述相依网络的网络节点进行扰动;
特性指标计算模块,用于计算所述相依网络的结构脆弱性的相关特性指标的变化率和功能脆弱性的相关指标的变化率;
网络脆弱性识别模块,用于识别所述相依网络的结构脆弱性和功能脆弱性的变化规律,该模块功能基于以下内容实现:相依网络层网络的结构分析节点失效影响规则、相依网络层网络的功能分析节点失效影响规则以及所述的相关特性指标的变化率;
流量协调控制模块,用于优化所述相依网络的脆弱性,该模块的功能根据所述网络脆弱性识别模块的识别结果,通过用对相依网络进行流量协调控制实现。
所述相依网络的结构脆弱性的相关特性指标为网络最大连通度、网络效率和网络结构熵,功能脆弱性的相关特性指标为网络流量熵和网络交通流损失比。
所述流量协调模块进行流量协调控制的对象为机场网络。
所述流量协调控制模块包括:
节点流量输入单元,用于输入G1、G2、G3各网络节点的流量ti;
层网络连接单元,用于依据相依网络的构建方式,建立G1、G2、G3层网络间的连接关系,并建立流量相互影响关系;
约束条件确定单元,用于确定G1、G2、G3的节点流量的约束条件,所述约束条件为:0.8ti≤t′i≤Ci,式中i为G1中的节点,t′i为i在流量协调控制过程中的流量,Ci为i的容量。;
情形执行单元,用于在约束条件内,以1为步长,遍历G1节点交通流量的所有情形;
节点流量输出单元,用于输出遍历所有情形中符合目标函数的G1的网络节点流量;
网路流量熵输出单元,用于输出三个层网络流量熵的和的最小值。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.空中交通相依网络脆弱性识别与控制方法,其特征在于:包括如下步骤:
S1:构建由机场网络、航路网络以及管制扇区网络相连接的空中交通相依网络模型;
S2:以随机扰动和蓄意扰动的扰动策略对空中交通相依网络的节点进行扰动;随机扰动:从研究的网络节点中等概率选择节点进行扰动,蓄意扰动:按内度值大小将网络节点排序,值相同的等概率选择节点进行扰动;
S3:计算所述相依网络的结构脆弱性的相关特性指标的变化率和功能脆弱性的相关指标的变化率,其中,相依网络的结构脆弱性的相关特性指标包括网络最大连通度、网络效率、网络结构熵;功能脆弱性的相关指标包括网络流量熵、网络交通流损失比;
S4:基于相依网络层网络的结构分析节点失效影响规则、相依网络层网络的功能分析节点失效影响规则以及S3所述的相关特性指标的变化率,识别所述相依网络的结构脆弱性和功能脆弱性的变化规律;
空中交通相依网络层网络的结构分析节点失效影响规则为:
(1)G1节点失效,将失效的节点在网络去除,G1失效节点并不会引起相连的G2和G3节点失效;
(2)G2节点失效,将失效的节点在网络去除,G2失效节点会引起相连的G1节点失效,但不引起G3网络节点失效;
(3)G3节点失效,将失效的节点在网络去除,G3失效节点会引起相连的G1和G2节点失效;
(4)节点失效后,空中交通相依网络若被分为多个连通子图,非最大连通子图内的节点也失效,失效的节点按照上述的规则再次影响网络;
空中交通相依网络层网络的功能分析节点失效影响规则包括:
1、层网络内的交通流转移规则:
(1)G1节点失效,其失效节点的交通流将被转移至层网络内相邻机场节点;
(2)G2节点失效,其失效节点交通流被转移至相邻航路节点; 交通流转移的过程中,受到相连的G3节点容量约束,若转移量超过G3节点的容量,则以G3节点最大裕度作为交通流转移最大量;
(3)G3节点失效,其失效节点交通流被转移至相邻管制扇区节点; 交通流转移的过程中,交通流转移受相连的G2节点的容量约束,若转移量超过航路节点的容量,则以航路节点裕度作为交通流转移最大量;
2、层网络间的交通流转移规则:
(1)G1节点失效,相连的G3节点和G2节点不发生交通流转移;
(2)G2节点失效,相连的G1、G3节点发生交通流转移;
(3)G3节点失效,相连的G1、G2节点发生交通流转移;
S5:根据S4的识别结果,通过对相依网络进行流量协调控制来优化相依网络的脆弱性;
步骤S5包括:
S52:输入G1、G2、G3各网络节点的流量ti;
S53:依据相依网络的构建方式,建立G1、G2、G3层网络间的连接关系,并建立流量相互影响关系;
S54:确定G1的节点流量的约束条件;
S55:在S54的约束条件内,以1为步长,遍历G1节点交通流量的所有情形;
S57:输出遍历的所有情形中符合目标函数的G1的网络节点流量;
S58:输出三个层网络流量熵的和的最小值。
2.根据权利要求1所述的空中交通相依网络脆弱性识别与控制方法,其特征在于:相依网络的结构脆弱性的相关特性指标为网络最大连通度、网络效率和网络结构熵,相依网络的功能脆弱性的相关特性指标为网络流量熵和网络交通流损失比。
3.根据权利要求1所述的空中交通相依网络脆弱性识别与控制方法,其特征在于:步骤S5中进行流量协调控制的对象为机场网络。
4.根据权利要求1所述的空中交通相依网络脆弱性识别与控制方法,其特征在于:步骤S54中所述的约束条件为:0.8ti≤ti′≤Ci,式中i为G1中的节点,ti′为i在流量协调控制过程中的流量,Ci为i的容量。
5.空中交通相依网络脆弱性识别与控制***,其特征在于:包括
空中交通相依网络模型构建模块,用于构建空中交通相依网络模型,所述空中交通相依网络模型由机场网络、航路网络以及管制扇区网络相连接组成;
节点扰动模块,通过随机扰动和蓄意扰动的扰动策略对所述相依网络的网络节点进行扰动;
特性指标计算模块,用于计算所述相依网络的结构脆弱性的相关特性指标的变化率和功能脆弱性的相关指标的变化率;
网络脆弱性识别模块,用于识别所述相依网络的结构脆弱性和功能脆弱性的变化规律,该模块功能基于以下内容实现:相依网络层网络的结构分析节点失效影响规则、相依网络层网络的功能分析节点失效影响规则以及所述的相关特性指标的变化率;
空中交通相依网络层网络的结构分析节点失效影响规则为:
(1)G1节点失效,将失效的节点在网络去除,G1失效节点并不会引起相连的G2和G3节点失效;
(2)G2节点失效,将失效的节点在网络去除,G2失效节点会引起相连的G1节点失效,但不引起G3网络节点失效;
(3)G3节点失效,将失效的节点在网络去除,G3失效节点会引起相连的G1和G2节点失效;
(4)节点失效后,空中交通相依网络若被分为多个连通子图,非最大连通子图内的节点也失效,失效的节点按照上述的规则再次影响网络;
空中交通相依网络层网络的功能分析节点失效影响规则包括:
1、层网络内的交通流转移规则:
(1)G1节点失效,其失效节点的交通流将被转移至层网络内相邻机场节点;
(2)G2节点失效,其失效节点交通流被转移至相邻航路节点; 交通流转移的过程中,受到相连的G3节点容量约束,若转移量超过G3节点的容量,则以G3节点最大裕度作为交通流转移最大量;
(3)G3节点失效,其失效节点交通流被转移至相邻管制扇区节点; 交通流转移的过程中,交通流转移受相连的G2节点的容量约束,若转移量超过航路节点的容量,则以航路节点裕度作为交通流转移最大量;
2、层网络间的交通流转移规则:
(1)G1节点失效,相连的G3节点和G2节点不发生交通流转移;
(2)G2节点失效,相连的G1、G3节点发生交通流转移;
(3)G3节点失效,相连的G1、G2节点发生交通流转移;
流量协调控制模块,用于优化所述相依网络的脆弱性,该模块的功能根据所述网络脆弱性识别模块的识别结果,通过用对相依网络进行流量协调控制实现;
所述相依网络的结构脆弱性的相关特性指标为网络最大连通度、网络效率和网络结构熵,功能脆弱性的相关特性指标为网络流量熵和网络交通流损失比;
随机扰动:从研究的网络节点中等概率选择节点进行扰动,蓄意扰动:按内度值大小将网络节点排序,值相同的等概率选择节点进行扰动;
所述流量协调控制模块包括:
节点流量输入单元,用于输入G1、G2、G3各网络节点的流量ti;
层网络连接单元,用于依据相依网络的构建方式,建立G1、G2、G3层网络间的连接关系,并建立流量相互影响关系;
约束条件输入单元,用于输入G1、G2、G3的节点流量的约束条件;
情形执行单元,用于在约束条件内,以1为步长,遍历G1节点交通流量的所有情形;
节点流量输出单元,用于输出遍历所有情形中符合目标函数的G1的网络节点流量;
网路流量熵输出单元,用于输出三个层网络流量熵的和的最小值。
6.根据权利要求5所述的空中交通相依网络脆弱性识别与控制***,其特征在于:所述流量协调模块进行流量协调控制的对象为机场网络。
7.根据权利要求5所述的空中交通相依网络脆弱性识别与控制***,其特征在于:所述流量协调控制模块包括:
节点流量输入单元,用于输入G1、G2、G3各网络节点的流量ti;
层网络连接单元,用于依据相依网络的构建方式,建立G1、G2、G3层网络间的连接关系,并建立流量相互影响关系;
约束条件输入单元,用于输入G1、G2、G3的节点流量的约束条件;
情形执行单元,用于在约束条件内,以1为步长,遍历G1节点交通流量的所有情形;
节点流量输出单元,用于输出遍历所有情形中符合目标函数的G1的网络节点流量;
网路流量熵输出单元,用于输出三个层网络流量熵的和的最小值。
8.根据权利要求5所述的空中交通相依网络脆弱性识别与控制***,其特征在于:所述约束条件为:0.8ti≤ti′≤Ci,式中i为G1中的节点,ti′为i在流量协调控制过程中的流量,Ci为i的容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910161165.XA CN109768894B (zh) | 2019-03-04 | 2019-03-04 | 空中交通相依网络脆弱性识别与控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910161165.XA CN109768894B (zh) | 2019-03-04 | 2019-03-04 | 空中交通相依网络脆弱性识别与控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109768894A CN109768894A (zh) | 2019-05-17 |
CN109768894B true CN109768894B (zh) | 2021-10-26 |
Family
ID=66457638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910161165.XA Active CN109768894B (zh) | 2019-03-04 | 2019-03-04 | 空中交通相依网络脆弱性识别与控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109768894B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101474B (zh) * | 2020-09-22 | 2024-02-23 | 中国民航大学 | 一种航空交通网络模体识别方法及子图结构韧性评估方法 |
CN112530206B (zh) * | 2020-11-26 | 2022-03-11 | 南京航空航天大学 | 空中交通网络脆弱性分析方法 |
CN112735188B (zh) * | 2020-11-26 | 2022-03-25 | 南京航空航天大学 | 基于复杂网络理论的空中交通网络脆弱性分析*** |
CN113255979B (zh) * | 2021-05-17 | 2022-04-15 | 上海旷途科技有限公司 | 城市公交线网脆弱点识别方法、装置、计算机设备及存储介质 |
CN113657813B (zh) * | 2021-09-03 | 2022-07-12 | 北京航空航天大学 | 一种恶劣天气下机场网络风险评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101707788A (zh) * | 2009-10-27 | 2010-05-12 | 北京邮电大学 | 基于差异化定价策略的多层网络业务动态规划方法 |
CN105389629A (zh) * | 2015-11-10 | 2016-03-09 | 国网四川省电力公司经济技术研究院 | 一种结合电网结构脆弱性的电网规划方法 |
CN105933145A (zh) * | 2016-04-13 | 2016-09-07 | 哈尔滨理工大学 | 基于邻接矩阵的相依网络***及其脆弱性检测方法 |
CN109034654A (zh) * | 2018-08-20 | 2018-12-18 | 中国民航大学 | 空中交通相依网络脆弱性的度量方法 |
-
2019
- 2019-03-04 CN CN201910161165.XA patent/CN109768894B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101707788A (zh) * | 2009-10-27 | 2010-05-12 | 北京邮电大学 | 基于差异化定价策略的多层网络业务动态规划方法 |
CN105389629A (zh) * | 2015-11-10 | 2016-03-09 | 国网四川省电力公司经济技术研究院 | 一种结合电网结构脆弱性的电网规划方法 |
CN105933145A (zh) * | 2016-04-13 | 2016-09-07 | 哈尔滨理工大学 | 基于邻接矩阵的相依网络***及其脆弱性检测方法 |
CN109034654A (zh) * | 2018-08-20 | 2018-12-18 | 中国民航大学 | 空中交通相依网络脆弱性的度量方法 |
Non-Patent Citations (1)
Title |
---|
相依局域网络的结构脆弱性分析及网络可控性优化研究;武雅芳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20181015;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109768894A (zh) | 2019-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109768894B (zh) | 空中交通相依网络脆弱性识别与控制方法及*** | |
CN109034654B (zh) | 空中交通相依网络脆弱性的度量方法 | |
CN108683448B (zh) | 适用于航空网络的影响力节点识别方法及*** | |
CN108156114A (zh) | 电力信息物理***网络攻击图的关键节点确定方法及装置 | |
CN112735188B (zh) | 基于复杂网络理论的空中交通网络脆弱性分析*** | |
CN110991913B (zh) | 繁忙机场高峰时间拥堵风险分析方法 | |
CN105301602B (zh) | 一种基于灰色关联度导航卫星完好性关键点综合识别方法 | |
CN114199255A (zh) | 一种用于城区物流无人机终端配送航路网络的规划方法 | |
CN112530206A (zh) | 空中交通网络脆弱性分析方法 | |
CN110706520B (zh) | 一种基于概率容量的航路与机场时隙鲁棒分配双层规划方法 | |
Huang et al. | Research on Real‐Time Anomaly Detection of Fishing Vessels in a Marine Edge Computing Environment | |
CN112101474B (zh) | 一种航空交通网络模体识别方法及子图结构韧性评估方法 | |
CN114399226A (zh) | 一种基于语义认知的无人机区域侦察价值评估方法 | |
Dong et al. | A survey on the network models applied in the industrial network optimization | |
CN107122586A (zh) | 基于单一模拟量和报警延迟器的报警***优化方法及装置 | |
CN112199747A (zh) | 基于排队网络的室内人员疏散方法和疏散*** | |
CN116468193A (zh) | 一种基于bim模型的消防智能定位逃生导航方法及*** | |
Cai et al. | Optimization of the crossing waypoints in air route network | |
CN115358496A (zh) | 一种联合投送网络构建方法及*** | |
Wu et al. | Conflict resolution strategy based on flight conflict network optimal dominating set | |
CN106656797A (zh) | 一种考虑风险均衡的afdx网络路径优化的方法 | |
CN111080110B (zh) | 机场拥堵风险分析*** | |
Wang et al. | Robust collaborative mesh networking with large-scale distributed wireless heterogeneous terminals in industrial cyber-physical systems | |
Fang et al. | Evaluation of air route network congestion based on node importance | |
Wang et al. | Signal sub-control-area division of traffic complex network based on nodes importance assessment |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190517 Assignee: Zero Gravity Aircraft Industry (Hefei) Co.,Ltd. Assignor: CIVIL AVIATION University OF CHINA Contract record no.: X2024980000706 Denomination of invention: Identification and Control Methods and Systems for Vulnerability of Air Traffic Dependent Networks Granted publication date: 20211026 License type: Common License Record date: 20240112 |