排序方式: 共有9条查询结果,搜索用时 46 毫秒
1
1.
2.
3.
4.
为了预测机场进离场交通的拥挤态势,本文从机场网络的角度进行研究.首先针对交通拥挤形成的动态过程,建立了基于出入流率的交通拥挤的定义及其度量;接着,引入多维标度法对机场之间的交通相关性进行定量分析,划分机场子区,以降低网络分析的复杂度及解空间维数;然后,构建了基于Elman神经网络实现机场子区内多个相关机场的交通拥挤传播预测方法;最后,基于美国机场的实际航班数据对机场网络拥挤传播预测方法进行验证.验证结果表明,预测结果的平均绝对百分比误差和平均绝对偏差较小,明显优于对比算法. 相似文献
5.
6.
不确定强对流天气下动态改航路径规划 总被引:5,自引:0,他引:5
为了解决对流云团状态不确定条件下的改航路径规划问题,利用云团预测状态的不确定性测度和外推位置随机误差建立多雷暴云团的状态转移矩阵,用于预测改航路径规划网络的时变阻滞状态.以期望改航代价最小为优化目标,以航段连续性和最大穿越风险代价为约束条件,建立了动态改航路径规划模型.针对确定性和不确定性两种天气场景的16种初始状态,采用遗传算法对模型进行求解,结果表明,通过预测云团状态的不确定变化,改航路径能策略性地选择穿越初始状态不可航云团或绕飞初始状态可航云团.与确定性改航策略相比,绕飞距离减少了40%,穿越云团次数减少了30.8%,改航路径的安全性和经济性均得到有效改善. 相似文献
7.
8.
为了减轻空管人员对交叉航路拥挤态势的认知负荷,针对现有空中交通拥挤识别方法的局限,根据交通拥挤的形成过程,提出了基于飞入、飞出交通量的交叉航路拥挤定义;在此基础上,提出了交叉航路拥挤度量指标,即滞留度指标、汇聚度指标和当量交通量指标,建立了交叉航路汇聚度模型,以及基于灰色聚类的交叉航路拥挤识别方法.交叉航路仿真运行数据的验证结果表明:交叉航路拥挤态势是其宏观动态特征和微观复杂特征相互作用的结果,本文方法识别的准确率达到90%,且计算过程简单可行. 相似文献
9.
为了获得机场交通需求的概率分布及其变化规律,量化机场交通需求预测的不确定性,从需求不确定性角度分析了航空器进离港时刻对机场交通需求预测的影响,基于多个时段交通需求相互转化的不确定性,建立了多时段机场进离港交通需求概率分布模型.在此基础上,将进离港交通需求与进离港容量曲线相匹配,建立了机场拥挤风险预测模型,给出了具体求解过程与方法.亚特兰大机场实际航班运行数据的验证结果表明,机场概率需求预测值比确定型需求预测值更接近实际进离港交通需求值;与确定型拥塞预测方法的准确度60.0%相比,本文模型将拥挤预测提高到80%;用旧金山机场实际航班数据验证了本文方法的有效性,准确性达到87.5%,为机场拥挤管理提供了依据. 相似文献
1