管制扇区优化划分的方法及计算机实现技术

扇区划分是空中交通管理的一项重要工作，它直接影响空域的容量和安全性。分析、确定了管制空域结构拓扑描述的数学模型、管制员的管制工作负荷统计方法、工作负荷计算的数学模型等扇区优化设计工作的理论基础，建立扇区划分的数学方法，并编制了基于管制员工作负荷的扇区优化应用软件，实际算例的计算结果验证了扇区优化数学理论基础和应用软件的正确性。     

基于不均衡度的空中交通运行状态评价

针对多航路扇区空中交通运行状态的复杂性及其规律性,综合考虑管制员和航空器在空中交通运行中的重要角色和影响,提出一种以管制员和空中交通流为核心的空中交通运行状态评价方法。将空中交通运行状态划分为健康状态、亚健康状态和不健康状态3种,基于管制员工作负荷和航空器在扇区内分布的不均衡程度,建立空中交通运行状态评价指标体系,采用熵权法、层次分析法和集对分析理论识别空中交通运行状态,实现进一步把控空中交通管制运行风险的目的。选取厦门1号扇区的实际运行数据作为研究实例,验证了评价模型的有效性与实用性。     

������������»��ڹ���Ա�������ɵ�������������

空中交通容量评估是有效实施空中交通流量管理策略的基本依据和关键技术,对保障飞行安全和航班延误起着至关重要的作用。随着空域流量的增加,管制员工作负荷日益增大,已成为限制空域容量的主要因素之一。本文从理论和实际应用两个方面研究了基于管制员工作负荷的容量评估问题。文章首先给出管制员工作负荷的定义,讨论了管制员工作负荷产生的原因,并以此为基础建立了基于航路流量统计的管制员工作负荷模型;然后通过新的模型研究了扇区容量评估方法;最后以兰州区域的实际扇区为背景,使用建立的模型,采用回归分析方法,分别计算了在成熟管制员和新手情况下兰州区域的扇区容量。计算结果符合实际运行情况,验证了所提模型和方法的可行性。     

���ڽ�ͨ�ṹ�Ŀ��н�ͨ�����Խ�ģ

为改进航空器计量方法在评估交通态势复杂度时的局限性,本文建立了一种空中交通复杂性评估模型.基于空中交通的结构因素,模型构建了距离因子和冲突因子,能够反映航空器之间的相对距离与航迹交叉作用对于复杂性的影响.针对广州区域扇区进行的交通复杂性指标评估结果表明：航空器数量的变化会引起目标空域交通复杂性的变化,但后者对前者的响应并非完全同步;两者的变化程度不完全相同,且变化趋势可能相反.对相应交通态势的回溯和分析表明,相比基于航空器数量的评估方法,交通复杂性指标能够更加客观地反映空域状态的变化特征.     

基于FCM-粗糙集的多扇区交通拥挤识别方法研究

通过分析管制扇区交通时空拥挤特征,基于雷达航迹数据建立了多扇区交通拥挤识别模型.建立当量交通量、接近度、饱和度、交通密度4个多扇区拥挤特征指标,采用FCM(模糊C均值聚类算法)和粗糙集理论,对扇区拥挤程度进行划分和识别,并以中南地区区域管制扇区数据进行了实例验证.实验结果表明,扇区的拥挤态势受扇区多种宏观和微观特征的共同影响,且拥挤识别模型计算可行、识别效率较高.多扇区交通拥挤识别对空域规划、空管辅助决策、空中交通流量管理具有一定的应用价值.     

基于复杂性的多扇区移交策略优化

现有多扇区移交间隔管理研究往往忽视扇区复杂性，可能出现扇区局部复杂性不均衡等问题，对空域造成一定安全隐患。本文充分考虑多个管制扇区复杂程度，提出一种新的管制移交间隔优化方法。首先，基于扇区之间复杂性的相互影响关系，建立大型区域管制中心多扇区网络模型。其次，提出航空器进入多扇区边界时刻调整，航空器进入各个扇区时刻调整以及航空器高度层重新配备等3种策略，建立以多扇区复杂性的均值、均衡程度和航空器总延误为目标的移交策略优化模型，并采用多目标遗传算法进行求解。最后，基于北京区域管制中心(ZBAAAR)的实际运行数据进行仿真分析。结果表明：3种策略可使复杂性均值分别降低2.2%,2.8%,6.0%，可使复杂性均衡程度分别提高1.76%,1.83%,1.38%，基于航空器进入时刻控制的两种策略导致航班平均延误时间分别为-295 s和-214 s，验证了模型及算法的有效性。     

基于航空器自主运行的空中交通复杂性建模

针对航空器自主运行模式的空中交通运行态势评估问题，本文重构了基于分布式空中交通管理系统的空中交通复杂性评价方法，并仿真验证了该方法在航空器冲突探测和自主航迹规划中的应用。首先，基于自由航路空域和航空器自主运行模式定义了空中交通复杂性，在通过三维空域栅格模型量化航空器时空位置的基础上，构建复杂度计算模型以反映航空器位置、航向、 航速对空域各栅格的实时复杂性影响；其次，基于实际管制扇区(ZSSSAR01)及高度层，分别模拟自由航路与固定航路运行模式，对比两者空中交通复杂度时空分布差异；并结合自由航路运行模式，在空中交通复杂性与航空器冲突指标(冲突率、冲突比例)相关性分析的基础上，研究空域复杂度阈值确定方法；最后，初步探究基于空域复杂度阈值进行航空器自主航迹调整的方法，评估其运行效果。仿真实验结果表明：自由航路运行模式相对固定航路运行模式可显著降低空域最大复杂度值(平均降幅119%)；模型计算得到，空中交通复杂度与空域中航空器冲突指标有强相关性 (相关系数大于0.90)；基于复杂度和复杂度阈值的航迹调整策略具备一定可行性。     

空域扇区概率交通需求预测模型

为预测空域扇区在未来一定时段内的交通需求及其变化规律,基于简化的空域运行网络结构,从不确定性角度分析了航空器飞行时间对空域扇区交通需求预测的影响,针对航空器进入、离开扇区和在扇区内飞行过程的随机性,给出了相应概率分布函数.在此基础上,建立了空域扇区概率交通需求预测模型,设计了启发式算法.对实际航班数据的仿真结果表明:本文模型和算法预测时段10:00~11:00扇区发生拥挤,比传统的确定性方法预测的拥挤时段减少了30 min,避免了在时段9:30~10:00采取不必要的流量管理措施,降低了该时段管制员的工作负荷.     

管制员工作负荷及扇区容量评估问题研究

本文从理论和实际应用两个方面比较深入的研究了管制员工作负荷的评估和基于管制员工作负荷的容量评估问题，论文首先介绍了管制员工作负荷的定义，提出了管制员工作负荷的分类方法，并以此为基础建立了管制员工作负荷评估的理论模型，提出了评估工作负荷的具体方法和过程，然后研究探讨了基于管制员工作负荷的容量评估方法，最后以广州地区的实际空域为背景，使用建立的模型和评估方法评估了某扇区的管制员工作负荷和相应扇区的客量，验证了所提管制工作负荷评估和容量评估方法的正确性。     

������ع�-BP ������Ĺ��ƹ�������Ԥ�ⷽ��

基于空中交通复杂程度刻画管制工作负荷是当前空中交通管理领域的研究热点。本文采集了厦门空管站的雷达数据,计算得出10个空中交通复杂性评价指标数值,通过共线性诊断发现复杂性指标间存在较强的多重共线性。在利用岭迹图对复杂性评价指标进行筛选的基础上,建立岭回归—BP神经网络组合模型对管制员工作负荷进行预测,并通过实测陆空通话数据进行验证。结果表明,本文提出的岭回归—BP神经网络组合模型收敛速度快、训练时间少;组合模型的均方误差、均方根误差、平均绝对误差、平均绝对相对误差等4项性能指标都相对较小,预测精度较高。     

基于指标体系的扇区复杂性评估方法

为了全面分析扇区复杂性,将其分解为结构复杂性和运行复杂性.借鉴已有的研究成果,围绕结构特征和运行特征,分别建立了多维指标体系.利用主成分分析方法提炼指标信息,评估扇区的结构复杂性和运行复杂性.最后采用k-means 聚类算法对多个扇区进行聚类分析,选取Dunn 指标评价聚类质量,实现了对扇区复杂程度的最佳等级划分,同时对复杂性指标分析结果进行了验证.实例表明,复杂性计算结果能够较好地体现多个指标的综合影响,区分不同扇区的复杂程度,聚类结果与实际情况相符.该结论可以为空域规划和管理提供参考意见.     

考虑周期性波动因素的中长期空中交通流量预测

为准确把握空域单元交通流量的变化趋势和周期性波动规律,综合考虑气候、季节、交通需求等因素,通过分析中长期历史流量数据,在线性增长模型的基础上,建立了考虑周期性波动因素的空中交通流量动态线性改进模型,采用贝叶斯状态估计和预测方法对模型进行求解,提出了一种根据空域单元流量时序数据预测中长期流量及其变化趋势的预测方法.利用国内典型空域单元实际流量数据,对比分析了上述两种模型的预测性能.实例研究表明:与线性增长模型的预测结果相比,本文模型的流量预测结果更符合我国的实际情况,反映了流量周期性波动特点,年流量预测结果的平均绝对误差从3.14%下降到了1.71%,预测误差的标准差从2.01%下降到了0.02%.      

复杂低空混合飞行态势安全特性研究

为揭示复杂低空混合飞行态势中蕴含的安全特性,本文从复杂低空环境特点、航空器个体异质行为特征出发,构建了低空飞行行为模型;运用Agent技术,NetLogo平台构建了复杂低空混合飞行态势仿真环境,仿真分析了飞行量、平均速度、飞行冲突等特性参数之间的相互关系及其影响规律.研究结果表明：飞行冲突随飞行量增加呈先缓慢增加,后急剧增加的趋势,随平均速度急速递增趋势,当飞行量达到80架次、平均速度约300km/h时,低空飞行态势安全性和效率均较高;通航活动的混合比例和冲突探测距离对复杂低空飞行态势安全性具有明显影响,当混合比为3:2:4:1,冲突探测距离为4km时,可显著提高飞行态势的安全性和稳定性.     

基于贝叶斯估计的短时空域扇区交通流量预测

为准确把握空域扇区流量分布态势及未来变化趋势,提出了一种基于贝叶斯估计的短时空域扇区交通流量预测方法.首先,通过解析空域系统内航空器原始雷达数据,提取各扇区历史运行信息,建立了多扇区聚合交通流模型;其次,采用贝叶斯估计理论对模型参数进行最优估计和动态更新,预测了空域扇区交通流量的未来演变趋势及其不确定范围;最后,选取国内5个典型繁忙扇区为例,以5 min为时间段,以未来1 h为预测范围,对所提预测方法进行了验证.研究结果表明:85%以上时段交通流量预测结果的绝对误差在3架以内,平均绝对误差均在2架次以内,预测结果的稳定性较好,可充分反映各空域扇区之间短时交通流的动态性和不确定性,符合空中交通的实际情况.      

基于加速遗传算法的多层次灰色评价方法的空域安全分析

随着我国航空业的迅猛发展,空域结构及其使用方式日趋复杂化,出现了多种多样的安全问题,所以,对空域安全评估方法的研究显得尤为重要。本文从空域系统角度出发,参考Reason模型的主要思想,建立了影响空域安全评估的指标体系,然后,采用加速遗传算法的多层次灰色评价法（AGA-GAHP）对空域安全系统进行分析,使用加速遗传算法的层次分析法计算指标权重,逐级计算灰数,确定所属灰类,得出西北某空域的安全评估结果。实际计算表明,该方法可行。     

基于管制员负荷的空域容量评估新方法

构建一种基于管制员负荷的空域容量评估模型,以实现对空域容量的有效评估.在以往研究的基础上重新界定了管制员负荷的标准,提出了指挥余度、必要指令点、指令周期等概念.根据容量评估的基本流程,以管制员的工作负荷作为空域容量的限制,构建出新的空域容量评估框架.以西安进近空域为例进行空域容量评估,取得与实际非常接近的结果,证明方法的有效性.     

面向eVTOL航空器的城市空中运输交通管理综述

回顾了城市空中运输(UAM)的起源与发展演变, 定义了UAM交通管理基本概念, 分析了催生UAM的社会和技术因素, 提出了面向近未来时期国家层面UAM交通管理的基础架构, 将基于电推进垂直起降航空器的UAM交通管理问题划分为3个方面进行讨论(空域规划、地面基础设施、交通规则与运行控制), 并对近年来UAM交通管理相关文献所提出的代表性观点进行了梳理, 总结了UAM近未来时期所需解决的关键问题, 展望了UAM交通管理未来的发展趋势。研究结果表明: 空域规划方面, UAM需要对现有低空非管制空域进行更精细化的规划管理, 结构化的空域划设方式应该在UAM交通管理初期被应用, 高度层空域结构能较好地平衡运行安全和空域容量之间的矛盾; 地面基础设施方面, 需通过城市OD数据预测UAM的交通需求来进行地面垂直起降站点选址, 选址管理工作将直接影响空中航线网络结构和所需的地面通信导航监视台站的布设; 交通规则与运行控制方面, UAM将直接面对更为复杂的有人机、无人机融合运行场景, UAM交通规则需要革新并对现有的运输航空交通规则保持兼容, 高带宽的通信技术会促使UAM运行控制向空地协同决策和自动驾驶方向发生转变, 未来交通管理中如何处理人与系统的关系至关重要。总的来说, UAM交通管理将可能会和现有无人机交通管理体系产生交集并逐渐融合, 面对这一新型运输方式, 国家将更可能采用集中管理、试点运行、有序放开的交通管理发展路线。      

Forecasting Technology of National-Wide Civil Aviation Traffic

The long-term forecasting of national-wide civil aviation traffic provides basis for the airspace project planning. A gray combination forecasting model is put forward based on the GM (1, 1) forecast model and least squares principle. With the historical data analysis of the national-wide air traffic from the year 1985 to 2008, the forecasting applicability is examined with three different methods, such as the time series forecasting, regression forecasting and neural-network forecasting. After analyzing the characteristics of Chinese national-wide civil aviation traffic data and contrasting forecasting result, the gray combined forecasting model produces the best effect among these forecasting models.