基于3种可视图的进场航班流量波动特性适应性评估

在空域资源优化配置、运行效率提升、飞行安全保障等方面, 掌握空中交通流量波动规律发挥着先导性、基础性和关键性作用。为评估可视图、水平可视图、有限穿越可视图这3种图对航班流量波动特性及其演化的刻画能力, 针对同1个进场航班流的多尺度流量时间序列构建复杂网络, 分别从网络的整体结构和局部结构开展了适用性评估分析。针对网络整体结构特点, 提出了基于网络结构从属阵特点的网络细节损失率定义, 再通过k-core聚类分析考察了k阶核量化流量波动强度的适用性; 针对网络局部结构特点, 利用motif方法计算波动模式转移概率, 分析了不同长度序模体刻画波动演化的适应性水平。分析结果表明: ①当有限穿越可视图网络N值与节点数量占比在0.48%~1.442%区间时, N值的选择能够保证从属阵细节损失率在0.5范围内; ②可视图与有限穿越可视图(N=1~3)均能有效刻画航班流量时间序列的波动强度, 对时间序列波动的适应性评估值分别为2.665、4.810、6.973和9.883;③motifs序列长度过短, 将导致motifs类型数量少、不同motifs类型之间的转移概率趋于相同, 而在交通流混沌特性的影响下motifs序列过长对于预测没有意义, 因此, 可视图及N=1~3的有限穿越可视图motifs序列长度推荐使用选择4~7个节点长度。综上所述, 运用k-core聚类与motifs方法能有效分析整体网络与局部网络下波动模式的转移特征, 准确揭示空中交通时间维度的演变规律, 相关分析结果可以为航班延误预测提供依据, 能在航班实际运行管理中发挥先导性作用。      

基于有限穿越可视图的进场航班流量波动特性研究

研究空中交通流量的波动特性是设计高效流量管理措施和控制策略的基础，掌握空中交通流量波动特性有利于空域资源配置与流量运行需求之间的均衡匹配。在3种时间粒度上，针对进场航班流量时间序列，一方面从复杂网络整体维度出发，采用有限穿越可视图对时间序列进行建网，利用k-core算法探究航班流量波动特性；另一方面从复杂网络局部维度出发，引入序模体方法，构造有限穿越可视图序模体，利用多元序模体类型转换规律来刻画流量的动态转移模式，进而掌握航班流量波动动态演化规律，为波动模式的预测提供了有效工具。研究结果表明：在有限穿越可视图方法映射得到的网络中，节点所属核阶数可以有效刻画流量波动强度，且与波动强度成正相关关系，即节点所属核阶数越大，波动强度越大，天津机场进场航班流量数据的强波动时 段为16:50-17:30；序模体越长，波动特性刻画能力越强，但鉴于受到空中交通混沌特性影响，序模体过长对于流量预测意义不大，推荐使用5节点序模体；波动模式状态转移图在有效刻画流量波动动态演化的同时，也可以计算波动模式的转移概率，3种时间粒度下转移概率分别为12.315%、 13.131%和10.638%，为波动模式的预测提供了有效工具。