CN110991913A - 繁忙机场高峰时间拥堵风险分析方法 - Google Patents

繁忙机场高峰时间拥堵风险分析方法 Download PDF

Info

Publication number
CN110991913A
CN110991913A CN201911247724.5A CN201911247724A CN110991913A CN 110991913 A CN110991913 A CN 110991913A CN 201911247724 A CN201911247724 A CN 201911247724A CN 110991913 A CN110991913 A CN 110991913A
Authority
CN
China
Prior art keywords
congestion
network
index
lcp
busy airport
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.)
Granted
Application number
CN201911247724.5A
Other languages
English (en)
Other versions
CN110991913B (zh
Inventor
田文
张颖
尹嘉男
胡明华
张洪海
刘皞
杨磊
羊钊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201911247724.5A priority Critical patent/CN110991913B/zh
Publication of CN110991913A publication Critical patent/CN110991913A/zh
Application granted granted Critical
Publication of CN110991913B publication Critical patent/CN110991913B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种繁忙机场高峰时间拥堵风险分析方法。包括：建立繁忙机场终端区空域网络拓扑结构模型；依据航段拥堵性能指标LCP计算繁忙机场终端区空域网络拓扑结构模型中的拥堵航段；对拥堵航段所连接的航路点进行结构特征分析，构建包括度值、介数、聚类系数的网络拓扑结构的三个参数；依据度值、介数、聚类系数计算航路点的结构脆弱性指标TVI；依据航段拥堵性能指标LCP以及结构脆弱性指标TVI分析繁忙机场终端区空域网络拓扑结构模型中各个航路点的拥堵风险。结合当今繁忙机场终端空域的网络特点，更加科学合理地对繁忙机场终端区域的拥堵风险进行识别预测，找出机场空域网络结构建设的薄弱之处，对以后航线网络的优化规划有一定的指导意义。

Description

繁忙机场高峰时间拥堵风险分析方法
技术领域
本发明涉及航空领域，具体涉及一种繁忙机场高峰时间拥堵风险分析方法。
背景技术
近年来，随着我国居民航空出行需求的飞速增长，我国的航空运输业发展迅猛。然后发展背后的问题也日益突出。我国千万级以上的机场承担了全国绝大部分的航空运输量，导致繁忙机场在流量高峰时刻极易拥堵，航班延误频繁发生，极大地增加了机场和管制员的负担。
空中交通拥堵分析是预防及管理空中交通拥堵的基础和前提，通过对繁忙机场高峰时间拥堵风险分析方法进行讨论探究，研究成果将促进国内繁忙机场空中交通拥挤管理***的优化，提升预测效率和预测准确性，通过识别***及时有效识别预测流量高峰时段的空中交通拥堵状态，尽量避免繁忙机场流量高峰时段拥堵的经常发生，从而减小巨大流量带给管制部门的压力，提高繁忙机场区域航路运行的安全性和流通性，增大流量峰值时的进离场运行效率，减小航空公司运营成本，也尽量避免容量与需求的矛盾成为千万级机场发展的短板。
如何丰富了现有的拥堵风险分析方法在网络角度研究方面的短板是目前亟待解决的。
发明内容
本发明的目的是提供一种繁忙机场高峰时间拥堵风险分析方法。
为了解决上述技术问题，本发明提供了一种繁忙机场高峰时间拥堵风险分析方法，包括：
建立繁忙机场终端区空域网络拓扑结构模型；
依据航段拥堵性能指标LCP计算繁忙机场终端区空域网络拓扑结构模型中的拥堵航段；
对拥堵航段所连接的航路点进行结构特征分析，构建包括度值、介数、聚类系数的网络拓扑结构的三个参数；
依据度值、介数、聚类系数计算航路点的结构脆弱性指标TVI；
依据航段拥堵性能指标LCP以及结构脆弱性指标TVI分析繁忙机场终端区空域网络拓扑结构模型中各个航路点的拥堵风险。
进一步的，所述建立繁忙机场终端区空域网络拓扑结构模型的方法，即
采用复杂网络理论，描述某个繁忙机场的终端区空域网络，每个航路点用节点表示，两个航路点间的航路用边表示，若航路没有规定方向，则为无向边，否则为定向边，从而将机场终端区空域抽象成包含节点和边的复杂网络结构，即繁忙机场终端区空域网络拓扑结构模型。
进一步的，所述依据航段拥堵性能指标LCP计算繁忙机场终端区空域网络拓扑结构模型中的拥堵航段中的航段拥堵性能指标LCP，计算公式为：
Figure BDA0002308157350000021
其中，i和j分别为路段的起始点节点；TCIij为路段ij的交通拥堵指数；Vij为通过路段ij的服务交通量；Cij为路段ij的道路通行能力。
进一步的，所述依据度值、介数、聚类系数计算航路点的结构脆弱性指标TVI的方法包括：
航路点的结构脆弱性指标TVI计算公式为：
Figure BDA0002308157350000022
其中，ki为节点i的度值；bi为节点i的介数；Ci为节点i的聚类系数；N为网络中的节点数；aij为邻接矩阵中对应值；Dkj(i)为经过节点i的最短路径数；Dkj为节点k和j的最短路径数；Ei为与节点i相连的Ki个节点之间实际存在的边数。
进一步的，所述依据航段拥堵性能指标LCP以及结构脆弱性指标TVI分析繁忙机场终端区空域网络拓扑结构模型中各个航路点的拥堵风险的方法包括：
获取网络拥堵风险计算公式；
将航段拥堵性能指标LCP以及结构脆弱性指标TVI代入网络拥堵风险计算公式中，从而获取航路点拥堵风险计算公式。
进一步的，所述网络拥堵风险计算公式为：
Wa＝λ1×qa+λ2×Ca；
其中，Wa为航路点a的整体拥堵风险；λ1和λ2分别为交通运行状况指标qa和网络结构指标Ca的权重。
进一步的，所述将航段拥堵性能指标LCP以及结构脆弱性指标TVI代入网络拥堵风险计算公式中，从而获取航路点拥堵风险计算公式的方法，即
选取航段拥堵性能指标LCP作为交通运行指标，选取航路点拓扑结构脆弱性指标TVI作为网络结构指标，代入网络拥堵风险计算公式，最终得到航路点整体拥堵风险评价公式：
Wa＝λ1×LCP+λ2×TVI。
进一步的，取交通运行状况指标的权重λ1为0.6，网络结构指标的权重λ2为0.4，整合航路点的结构脆弱性指标TVI计算公式以及航段拥堵性能指标LCP计算公式并代入航路点整体拥堵风险评价公式Wa＝λ1×LCP+λ2×TVI，从而得出最终的航路点整体拥堵风险评价公式为：
Figure BDA0002308157350000031
本发明的有益效果是，本发明提供了一种繁忙机场高峰时间拥堵风险分析方法。包括：建立繁忙机场终端区空域网络拓扑结构模型；依据航段拥堵性能指标LCP计算繁忙机场终端区空域网络拓扑结构模型中的拥堵航段；对拥堵航段所连接的航路点进行结构特征分析，构建包括度值、介数、聚类系数的网络拓扑结构的三个参数；依据度值、介数、聚类系数计算航路点的结构脆弱性指标TVI；依据航段拥堵性能指标LCP以及结构脆弱性指标TVI分析繁忙机场终端区空域网络拓扑结构模型中各个航路点的拥堵风险。结合当今繁忙机场终端空域的网络特点，可以更加科学合理地对繁忙机场终端区域的拥堵风险进行识别预测，同时可以找出机场空域网络结构建设的薄弱之处，对以后航线网络的优化规划有一定的指导意义。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明所提供的繁忙机场高峰时间拥堵风险分析方法的流程示意图。
图2是本发明所提供的繁忙机场终端区空域网络拓扑结构模型的结构示意图。
图3是实施例2所提供的某机场终端区空域网络结构示意图。
图4是TransCAD航段数据输入界面。
图5是质心点选择示意图。
图6是出行分布矩阵。
图7是流量分布图。
图8是节点和航段数据导入示意图。
图9是关键航路点结构图。
图10是道路拥堵状况与航段拥堵状况指数对应关系图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
实施例1
如图1所示，本实施例1提供了一种繁忙机场高峰时间拥堵风险分析方法。结合当今繁忙机场终端空域的网络特点，可以更加科学合理地对繁忙机场终端区域的拥堵风险进行识别预测，同时可以找出机场空域网络结构建设的薄弱之处，对以后航线网络的优化规划有一定的指导意义。其中，繁忙机场高峰时间拥堵风险分析方法包括：
S110：建立繁忙机场终端区空域网络拓扑结构模型；
S120：依据航段拥堵性能指标LCP计算繁忙机场终端区空域网络拓扑结构模型中的拥堵航段；
S130：对拥堵航段所连接的航路点进行结构特征分析，构建包括度值、介数、聚类系数的网络拓扑结构的三个参数；
S140：依据度值、介数、聚类系数计算航路点的结构脆弱性指标TVI；
S150：依据航段拥堵性能指标LCP以及结构脆弱性指标TVI分析繁忙机场终端区空域网络拓扑结构模型中各个航路点的拥堵风险。
在本实施例中，繁忙机场终端区空域网络包含航路点和航线两个基本要素，在该机场终端区范围内，一条航线经过若干航路点，这些航路点可能是不同性质的导航台、报告点、航路交叉点等。步骤S110：建立繁忙机场终端区空域网络拓扑结构模型的方法，即
采用复杂网络理论，描述某个繁忙机场的终端区空域网络，每个航路点用节点表示，两个航路点间的航路用边表示，若航路没有规定方向，则为无向边，否则为定向边，从而将机场终端区空域抽象成包含节点和边的复杂网络结构，即繁忙机场终端区空域网络拓扑结构模型。繁忙机场终端区空域网络拓扑结构模型如图2所示。
在本实施例中，步骤S120包括：
航路的运行状态只与航路通行能力C和需求流量V这两个变量相关，用Z表示航路通行能力，那么Z＝C-V。由于航路运行的不稳定性，当航路单元通行能力小于0时，可以看作为失效。所以，航路单元是否可靠，可通过以下3种情况进行描述：
Figure BDA0002308157350000061
根据级联失效模型，当终端区空域路网中节点和边上的流量负载超过其容量时，即V/C大于1时，说明此航段发生了交通拥堵，从而其便处于“失效状态”，与周边航路的交通联系也随之断开。考虑到航路通行能力的差异，在选择网络拥堵的评价指标时，本实施例使用仿真软件实现模拟繁忙机场高峰小时整个终端区空域网络的简单交通分配，以便从运行状态的角度评估机场终端区空域网络的拥堵风险，并在仿真结果中使用绘图功能，画出整个网络的流量布局和航路的交通量和容量的比值V/C结果图，来评估整个机场终端区空域网络的运行状况。挑出拥堵状况比较严重的航路进行单独的航路拥堵指标计算，计算公式为：
Figure BDA0002308157350000062
其中，i和j分别为路段的起始点节点；TCIij为路段ij的交通拥堵指数；Vij为通过路段ij的服务交通量；Cij为路段ij的道路通行能力。
在本实施例中，步骤S130包括：
由于航路点在航空运输的安全保障中关系重大，其失效会对整个繁忙机场终端区空域网络运行带来极大的破坏。同时，在高峰时段通过航路点的交通量巨大。因此，不仅需要从拥堵状态脆弱性方面，还需结合航路网拓扑结构脆弱性从两方面评价繁忙机场终端区空域网络的拥堵风险，这样才客观全面。本实施例将使用Gephi软件对拥堵航段所连接的航路点进行结构特征分析，构建包括度值、介数、聚类系数的网络拓扑结构的三个参数。三者的值都与节点在网络中的重要性成正比，也就说明值越大，该节点失效后对网络功能的打击程度越大，即该节点一旦失效，网络发生拥堵的概率上升，所造成的后果也越严重。但又从不同的方面反映出了网络拓扑结构脆弱性，所以采用这三个特征参数来构建拥堵风险评价公式。
在本实施例中，步骤S140：依据度值、介数、聚类系数计算航路点的结构脆弱性指标TVI中的航路点的结构脆弱性指标TVI计算公式为：
Figure BDA0002308157350000071
其中，ki为节点i的度值；bi为节点i的介数；Ci为节点i的聚类系数；N为网络中的节点数；aij为邻接矩阵中对应值；Dkj(i)为经过节点i的最短路径数；Dkj为节点k和j的最短路径数；Ei为与节点i相连的Ki个节点之间实际存在的边数。
在本实施例中，步骤S150包括：
获取网络拥堵风险计算公式；
将航段拥堵性能指标LCP以及结构脆弱性指标TVI代入网络拥堵风险计算公式中，从而获取航路点拥堵风险计算公式。
其中，所述网络拥堵风险计算公式为：
Wa＝λ1×qa+λ2×Ca；
其中，Wa为航路点a的整体拥堵风险；λ1和λ2分别为交通运行状况指标qa和网络结构指标Ca的权重。
选取航段拥堵性能指标LCP作为交通运行指标，选取航路点拓扑结构脆弱性指标TVI作为网络结构指标，代入网络拥堵风险计算公式，最终得到航路点整体拥堵风险评价公式：
Wa＝λ1×LCP+λ2×TVI。
取交通运行状况指标的权重λ1为0.6，网络结构指标的权重λ2为0.4，整合航路点的结构脆弱性指标TVI计算公式以及航段拥堵性能指标LCP计算公式并代入航路点整体拥堵风险评价公式Wa＝λ1×LCP+λ2×TVI，从而得出最终的航路点整体拥堵风险评价公式为：
Figure BDA0002308157350000081
实施例2
本实施例2依据实施例1提供的繁忙机场高峰时间拥堵风险分析方法对某机场进行研究。
具体的，根据2019年最新的某机场的进近区域的航路图，将航路点抽象为节点，航路抽象成边，在TransCAD软件上将其构建成以下所示网络拓扑结构，即形成了有37个节点，58条无向边，1条有向边的某机场终端区空域网络，如图3所示。
在TransCAD软件中输入各种信息用于交通分配，包括航段的长度，航空器的速度和航路通行能力。航段长度根据航图比例尺可以得出，而航空器速度和航路通行能力在现实中根本无法量化成一个准确的数值。因为现实情况的不确定性因素非常之多。航空器种类和速度无法统一，安全间隔根据不同情况也不尽相同。由于时间和能力有限，为了简化模型，实施例选择大概率的数据来设置。将机场附近区域的航空器速度设置为250-500km/h，间隔设置为10-20km，其余区域设置为600-900km/h，间隔设置为20km。以此根据公式求得航路通行能力，并且某机场高峰时间为10-11点、14-16点、18-21点，高峰小时容量为45架次，所以航路通行能力不高于45架次每小时。航路通行能力公式为：
Figure BDA0002308157350000091
其中：t0为机头最小时距(s)，l0为机头最小间距(m)，v为飞机速度(km/h)。具体航段数据输入入图4所示。
随后根据航线走向标出质心点，作为流量的来源。因为分析的前提是以某机场作为起降机场，所以流量来源包括不同方向的航路点还有某机场本身。质心点选择示意图如图5所示。
然后根据上一步建立的小区质心点建立出行OD矩阵，并进行矩阵反推，得到出行分布矩阵。出行分布矩阵如图6所示。
最后在TransCAD上进行简单的交通分配，得到流量分布图如图7所示。
根据流量分布图，可以直观地看到某机场终端区空域网络拥堵情况的分布。大部分航路运行状况通畅，一般分布于节点稀疏处。少部分航路拥堵严重，一般分布于节点密集处。这说明了网络中节点密集的地方交通流量大，发生拥堵的可能性较大，一旦发生意外情况极易发生交通拥堵，并且拥堵容易传播到相邻节点，发生拥堵蔓延。
有五段航路拥堵比较严重，分别是：航段31，V/C值为0.76；航段5，V/C值为1.14；航段27，V/C值为0.76，航段19，V/C值为0.93；航段28，V/C值为0.75。其中一段航路因为V/C比大于1，已经处于失效状态。航段拥堵指数TCI分别为4，4，4，5，4，道路拥堵状况与航段拥堵状况指数对应关系如图10所示。
最后计算LCP值：
Figure BDA0002308157350000101
Figure BDA0002308157350000102
Figure BDA0002308157350000103
Figure BDA0002308157350000104
Figure BDA0002308157350000105
在分析基于拓扑结构脆弱性的拥堵风险中，首先将某机场终端区空域网络拓扑结构的节点数据和边数据导入Gephi软件，生成复杂网络图，并计算网络特征参数，节点和航段数据导入如图8所示。
根据Gephi软件计算得出，网络整体特征参数，平均度为3.189，平均聚类系数为0.241，平均路径长度为3.458。平均每个节点会跟3条边连接，表明整个网络连接相对稀疏，航路有一定的可替代性，当某航路发生拥堵时，可以将此航路上的流量转移到其他航路，但可以承担的交通量不多。网络平均路径长度比较大，所以网络性能和网络效率比较低，航路的畅通性容易受到影响。平均聚类系数比较低，可访问性不高，航路的通达性不高，网络结构略显单一。总体来说，作为繁忙机场，某机场网络的性能比较差，所以结构脆弱性较高，在高峰时间发生拥堵的概率比较大并且一旦发生拥堵后果比较严重。因为高峰时间流量巨大，机场空域网络结构一旦不能很好和高效率地中转传输，就十分容易发生拥堵，并且拥堵耗散时间长，后果就比较严重，所以风险指数比较高。建议丰富网络结构，增加枢纽节点承担流量传输工作。关键航路点如图9所示。
分析完网络运行拥堵状况和整体结构拥堵风险后，再针对局部关键航路点进行分析。提取出拥堵比较严重的航段两端的节点，在软件运行结果上找出它们各自的网络结构特征数值，包括节点度，介数中心度和聚类系数。如下表所示。
拥堵航段节点特征值
Figure BDA0002308157350000111
最后根据数据计算：
Figure BDA0002308157350000112
Figure BDA0002308157350000113
Figure BDA0002308157350000114
Figure BDA0002308157350000115
Figure BDA0002308157350000116
Figure BDA0002308157350000117
获取关键点的航路点整体拥堵风险：
W21＝0.6×LCP31+0.4×TVI21＝0.6×3.04+0.4×45.61＝20.068
Figure BDA0002308157350000118
Figure BDA0002308157350000119
W6＝0.6×LCP5+0.4×TVI6＝0.6×1.14+0.4×51.24＝21.18
Figure BDA0002308157350000121
W16＝0.6×LCP19+0.4×TVI16＝0.6×0.93+0.4×21.1＝9
节点5和节点6即UGAGO航路点和桐庐航路点对机场终端区空域网络的影响最大，与整个网络的关联度较大，可以称之为枢纽航路点，因此脆弱性较高，在高峰时间拥堵风险较高。一旦此航路点失效，对整个网络的打击会是巨大的。没有了枢纽航路点对高峰流量中转和疏散，网络发生拥堵的概率上升，并且拥堵很难疏散，疏散时间长也就导致损失和后果较严重。节点21和23即笕桥和党山航路点对网络影响度居其次，它们因为靠近机场，所以对机场高峰时间进离港航班运行的安全效率影响最大，拥堵风险也比较大，其发生失效的后果是显而易见的，机场高峰时间发生拥堵的概率上升，而一旦拥堵，航班进离港将大面积延误，甚至导致一些航班被迫备降，这样的话将给机场和相关航空公司带来巨额经济损失。所以机场方面应该对此类航路点多加关注和管理，保障导航台的稳定运转，这对网络运行的通畅性有着十分积极的作用。
综上所述，本发明提供了一种繁忙机场高峰时间拥堵风险分析方法。包括：建立繁忙机场终端区空域网络拓扑结构模型；依据航段拥堵性能指标LCP计算繁忙机场终端区空域网络拓扑结构模型中的拥堵航段；对拥堵航段所连接的航路点进行结构特征分析，构建包括度值、介数、聚类系数的网络拓扑结构的三个参数；依据度值、介数、聚类系数计算航路点的结构脆弱性指标TVI；依据航段拥堵性能指标LCP以及结构脆弱性指标TVI分析繁忙机场终端区空域网络拓扑结构模型中各个航路点的拥堵风险。结合当今繁忙机场终端空域的网络特点，可以更加科学合理地对繁忙机场终端区域的拥堵风险进行识别预测，同时可以找出机场空域网络结构建设的薄弱之处，对以后航线网络的优化规划有一定的指导意义。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (8)

1.一种繁忙机场高峰时间拥堵风险分析方法，其特征在于，包括：
建立繁忙机场终端区空域网络拓扑结构模型；
依据航段拥堵性能指标LCP计算繁忙机场终端区空域网络拓扑结构模型中的拥堵航段；
对拥堵航段所连接的航路点进行结构特征分析，构建包括度值、介数、聚类系数的网络拓扑结构的三个参数；
依据度值、介数、聚类系数计算航路点的结构脆弱性指标TVI；
依据航段拥堵性能指标LCP以及结构脆弱性指标TVI分析繁忙机场终端区空域网络拓扑结构模型中各个航路点的拥堵风险。
2.如权利要求1所述的繁忙机场高峰时间拥堵风险分析方法，其特征在于，所述建立繁忙机场终端区空域网络拓扑结构模型的方法，即
采用复杂网络理论，描述某个繁忙机场的终端区空域网络，每个航路点用节点表示，两个航路点间的航路用边表示，若航路没有规定方向，则为无向边，否则为定向边，从而将机场终端区空域抽象成包含节点和边的复杂网络结构，即繁忙机场终端区空域网络拓扑结构模型。
3.如权利要求2所述的繁忙机场高峰时间拥堵风险分析方法，其特征在于，
所述依据航段拥堵性能指标LCP计算繁忙机场终端区空域网络拓扑结构模型中的拥堵航段中的航段拥堵性能指标LCP，计算公式为：
Figure FDA0002308157340000011
其中，i和j分别为路段的起始点节点；TCIij为路段ij的交通拥堵指数；Vij为通过路段ij的服务交通量；Cij为路段ij的道路通行能力。
4.如权利要求3所述的繁忙机场高峰时间拥堵风险分析方法，其特征在于，所述依据度值、介数、聚类系数计算航路点的结构脆弱性指标TVI的方法包括：
航路点的结构脆弱性指标TVI计算公式为：
Figure FDA0002308157340000021
其中，ki为节点i的度值；bi为节点i的介数；Ci为节点i的聚类系数；N为网络中的节点数；aij为邻接矩阵中对应值；Dkj(i)为经过节点i的最短路径数；Dkj为节点k和j的最短路径数；Ei为与节点i相连的Ki个节点之间实际存在的边数。
5.如权利要求4所述的繁忙机场高峰时间拥堵风险分析方法，其特征在于，所述依据航段拥堵性能指标LCP以及结构脆弱性指标TVI分析繁忙机场终端区空域网络拓扑结构模型中各个航路点的拥堵风险的方法包括：
获取网络拥堵风险计算公式；
将航段拥堵性能指标LCP以及结构脆弱性指标TVI代入网络拥堵风险计算公式中，从而获取航路点拥堵风险计算公式。
6.如权利要求5所述的繁忙机场高峰时间拥堵风险分析方法，其特征在于，所述网络拥堵风险计算公式为：
Wa＝λ1×qa+λ2×Ca；
其中，Wa为航路点a的整体拥堵风险；λ1和λ2分别为交通运行状况指标qa和网络结构指标Ca的权重。
7.如权利要求6所述的繁忙机场高峰时间拥堵风险分析方法，其特征在于，
所述将航段拥堵性能指标LCP以及结构脆弱性指标TVI代入网络拥堵风险计算公式中，从而获取航路点拥堵风险计算公式的方法，即
选取航段拥堵性能指标LCP作为交通运行指标，选取航路点拓扑结构脆弱性指标TVI作为网络结构指标，代入网络拥堵风险计算公式，最终得到航路点整体拥堵风险评价公式：
Wa＝λ1×LCP+λ2×TVI。
8.如权利要求7所述的繁忙机场高峰时间拥堵风险分析方法，其特征在于，
取交通运行状况指标的权重λ1为0.6，网络结构指标的权重λ2为0.4，整合航路点的结构脆弱性指标TVI计算公式以及航段拥堵性能指标LCP计算公式并代入航路点整体拥堵风险评价公式Wa＝λ1×LCP+λ2×TVI，从而得出最终的航路点整体拥堵风险评价公式为：
Figure FDA0002308157340000031
CN201911247724.5A 2019-12-09 2019-12-09 繁忙机场高峰时间拥堵风险分析方法 Active CN110991913B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911247724.5A CN110991913B (zh) 2019-12-09 2019-12-09 繁忙机场高峰时间拥堵风险分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911247724.5A CN110991913B (zh) 2019-12-09 2019-12-09 繁忙机场高峰时间拥堵风险分析方法

Publications (2)

Publication Number Publication Date
CN110991913A true CN110991913A (zh) 2020-04-10
CN110991913B CN110991913B (zh) 2023-04-07

Family

ID=70091261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911247724.5A Active CN110991913B (zh) 2019-12-09 2019-12-09 繁忙机场高峰时间拥堵风险分析方法

Country Status (1)

Country Link
CN (1) CN110991913B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598408A (zh) * 2020-04-23 2020-08-28 成都数之联科技有限公司 一种贸易信息风险预警模型的构建方法及应用
CN112101474A (zh) * 2020-09-22 2020-12-18 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
CN113837582A (zh) * 2021-09-17 2021-12-24 武汉理工大学 城市道路交通安全关键风险识别方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030041155A1 (en) * 1999-05-14 2003-02-27 Nelson Eric A. Aircraft data communications services for users
CN106251707A (zh) * 2016-08-16 2016-12-21 南京航空航天大学 机场场面拥堵等级动态划分方法
CN108683448A (zh) * 2018-04-24 2018-10-19 中国民航大学 适用于航空网络的影响力节点识别方法及***
CN108898838A (zh) * 2018-08-03 2018-11-27 首都经济贸易大学 一种基于lstm模型的机场交通拥堵预测方法及装置
CN110188974A (zh) * 2019-04-01 2019-08-30 浙江交通职业技术学院 一种地铁交通网络脆弱性评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030041155A1 (en) * 1999-05-14 2003-02-27 Nelson Eric A. Aircraft data communications services for users
CN106251707A (zh) * 2016-08-16 2016-12-21 南京航空航天大学 机场场面拥堵等级动态划分方法
CN108683448A (zh) * 2018-04-24 2018-10-19 中国民航大学 适用于航空网络的影响力节点识别方法及***
CN108898838A (zh) * 2018-08-03 2018-11-27 首都经济贸易大学 一种基于lstm模型的机场交通拥堵预测方法及装置
CN110188974A (zh) * 2019-04-01 2019-08-30 浙江交通职业技术学院 一种地铁交通网络脆弱性评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张颖，胡明华，彭瑛: "多元受限空中交通流量管理决策支持***", 《交通运输工程学报》 *
杜婧涵，胡明华，张魏宁，尹嘉男: "基于度量学习的机场交通态势弱监督评估", 《北京航空航天大学学报》 *
田文，胡明华: "空域拥挤风险管理时间决策模型与方法", 《南京航空航天大学学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598408A (zh) * 2020-04-23 2020-08-28 成都数之联科技有限公司 一种贸易信息风险预警模型的构建方法及应用
CN111598408B (zh) * 2020-04-23 2023-04-18 成都数之联科技股份有限公司 一种贸易信息风险预警模型的构建方法及应用
CN112101474A (zh) * 2020-09-22 2020-12-18 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
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
CN113837582A (zh) * 2021-09-17 2021-12-24 武汉理工大学 城市道路交通安全关键风险识别方法、装置及电子设备

Also Published As

Publication number Publication date
CN110991913B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN110991913B (zh) 繁忙机场高峰时间拥堵风险分析方法
US20210133370A1 (en) Optimizing Aircraft Flows at Airports Using Data Driven Predicted Capabilities
Chandran et al. A dynamic programming algorithm for robust runway scheduling
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
US11922817B2 (en) 4-dimensional trajectory regulatory decision-making method for air traffic
Wang et al. Modeling air traffic situation complexity with a dynamic weighted network approach
Zhang et al. Conflict‐free time‐based trajectory planning for aircraft taxi automation with refined taxiway modeling
CN113408907B (zh) 空中交通管制***威胁影响分析方法、***及设备
CN115966107A (zh) 一种基于图神经网络的机场交通流预测方法
CN109445462B (zh) 一种非确定环境下的无人机鲁棒路径规划方法
CN111080110B (zh) 机场拥堵风险分析***
Jiang et al. Research on method of trajectory prediction in aircraft flight based on aircraft performance and historical track data
Vitali et al. Statistical Regularities in ATM: network properties, trajectory deviations and delays
Liu Terminal airspace capacity evaluation model under weather condition from perspective of a controller
Wang et al. A high-precision method of flight arrival time estimation based on xgboost
Cai et al. Optimization of the crossing waypoints in air route network
CN104616106B (zh) 一种定量评估空域配置对空中交通可达性影响的方法
CN109686127B (zh) 一种判断航空器在航段内拥堵位置和拥堵程度的方法
Wang et al. Multi-flight rerouting optimisation based on typical flight paths under convective weather in the terminal area
Fang et al. Evaluation of air route network congestion based on node importance
Zhang et al. A novel rerouting planning model for the terminal arrival routes under the influence of convective weather
Chen et al. A multi-objective crossing waypoints location optimization in air route network
CN108960533B (zh) 一种空中航路网优化方法
Lin et al. Combinatorial optimization for the Guangzhou, China, bus rapid transit system: multiple bus substops and docking bays
Chen et al. Optimized ST‐Moran’s I Model for Characterizing the Dynamic Evolution of Terminal Airspace Congestion

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