基于累积Logistic回归模型的管制员应激程度预测

分析并筛选出影响管制员应激行为的7个显著相关指标,并将管制员应激程度进行有序多分类后,建立了基于累积Logistic的管制员应激程度预测模型,并对模型预测效果进行平行性检验。利用某空管局实际采集数据中的另外74名管制员的定量测量数据进行分析,验证预测模型的可行性。结果表明:该模型的拟合优度判定系数(Pearsonχ~2统计量和Deviance统计量)的显著水平分别为0.076,0.690,远大于0.05;对实测数据的预测准确率达到75.67%,该模型对管制员应激程度的预测较为精确。     

基于中介真值程度度量的航班起飞风险评估方法

航班起飞风险评估能够对影响航班起飞安全的因素进行有效的识别、分析与评估,是保障航班起飞安全的重要手段与方法。本文研究了基于中介真值程度度量的模糊综合评估方法,对不同风险指标的真值程度度量过程与参数设置方法进行了设计,并基于中介真值程度度量值构造了模糊评判矩阵。文章最后采用国内某机场航班运行历史数据对所提出方法进行了验证,结果表明,基于中介真值程度度量的模糊综合评估方法能够较准确地评估航班起飞风险值,评估结果能够为航班起飞风险管控提供辅助决策支持。     

基于密度峰值的终端区航迹聚类与异常识别

为有效解决高流量终端区内标准飞行模式、非标准飞行模式和异常飞行模式难以自动分离的问题，采用广泛记录的广播式自动相关监视(ADS-B)数据，构建了基于稳健深度自编码器(RDAE)和快速搜索并寻找密度峰值的聚类(CFSFDP)算法的航迹聚类模型; 使用RDAE降维提取终端区内航迹集的非线性特征，利用多种正则化手段约束内部低维流形，以重建更紧密的航迹并将其作为CFSFDP算法的输入，利用轮廓系数选取不同密度飞行模式的聚类中心，并调节边缘密度参数识别出异常航迹; 选取主成分分析(PCA)结合有噪声的空间密度聚类(DBSCAN)算法、动态时间规整(DTW)结合DBSCAN的2种常用航迹聚类模型作为对比项，分别在广州白云机场1 d的少量数据和45 d的大量数据上进行试验。分析结果表明:DTW与CFSFDP的结合模型在少量数据集上具有最优的航迹聚类性能，轮廓系数比对比项分别提升了62%和28%，且可以自动识别出遵循区域导航标准飞行模式的航班和特定环境下遵循管制偏好的非标准飞行模式的航班，识别异常航迹的精确度也分别提高了57%和10%;大量数据下，提出的RDAE结合CFSFDP模型的聚类性能比经典的PCA结合DBSCAN算法提升了13%，且具备可接受的时间复杂度。由此可见，建立的终端区飞行模式区分模型可为空域级交通流性能评估和航班级航迹预测与优化提供数据提取平台。