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.     

空中交通复杂性指标体系精炼方法研究

为了准确评估空中交通复杂性,需要构建多维复杂性指标体系并对指标进行精炼.借鉴已有的研究成果,构建指标体系,使用K-means聚类方法对指标进行聚类分析,与初始指标分类相互验证,最后使用主成分分析方法提炼指标内涵.以广州地区16扇区的航班数据为例,发现聚类结果不仅与经验结果一致,还可以对指标进行更精细的划分;指标经提炼后保留了98%的信息,表达维度大大降低,从而验证了指标精炼方法的实用性和有效性.     

������ָ����ϵ�Ĺ��������������о�

近年来,空中交通复杂性的研究蓬勃发展,如何选取指标分析复杂性成为一个关键技术.本文在对以往复杂性研究进行简单回顾的基础上,明确了指标选取对于复杂性研究的重要意义.结合已有成果,选取定义明确、可定量分析的指标构建了复杂性指标体系.针对指标体系维数多、信息量大等特点,选取灰色关联聚类方法挖掘指标数值的分布规律,实现对指标的提取精炼,从而在运用指标体系分析空中交通复杂性时,既能全面描述问题,又能降低指标维度.根据广州地区16扇区雷达数据,对一类指标进行了计算和聚类分析,验证了该方法的准确性.