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.

区域管制扇区复杂性指标构建及分析

运用协方差矩阵和系统聚类法对区域管制扇区复杂性指标间关系进行研究。基于对区域管制扇区结构和流量分布特征的分析,构建7个复杂性指标。以国内37个区域管制扇区数据为样本,结合可视化协方差矩阵阐明复杂性指标相关性。研究表明,区域各扇区面积相差悬殊(变异系数194.75%),但流量在不同路径的分布均匀程度比较一致(变异系数9.02%);扇区范围越大,往往流量在各路径上的分布越均匀(相关系数0.54~0.59),但扇区流量反而越低(相关系数-0.06^-0.13);以并类距离0.70为界,扇区复杂性指标分为静态和动态两类,且静态指标共性强于动态指标。

基于DEMATEL的空域扇区复杂性影响因素研究

空域扇区复杂性直接影响着空域结构的合理性、管制员工作负荷的均衡性、交通运行的科学性以及空域规划的客观性,是保障航路运行安全,提高空域运行效率的主要方式。针对空域扇区复杂性影响因子较多的特点,首先构建影响空域扇区复杂性的因子体系,其次利用DEMATEL方法对影响空域扇区复杂性的因子进行量化,分析各因素与复杂性的关系及各因素间的关系,最后筛选出关键影响因素,并提出优化空域扇区复杂性的一些建议。

基于蚁群聚类算法的扇区复杂性分析

为了准确评价扇区的复杂程度,提高空域精细化管理能力,针对传统K-means算法易产生局部最优解的缺陷,研究了基于蚁群聚类算法的扇区复杂性分类方法。首先选择进近管制扇区作为分析对象,构建可定量分析的复杂性指标体系,利用主成分分析法精简指标;然后通过蚁群聚类算法对多个扇区进行聚类分析,选择Silhouette指标评估聚类质量,最终得到扇区的复杂程度分类。以西安和杭州进近扇区为例,综合复杂程度将扇区分为3类,通过仿真软件验证了聚类结果和蚁群聚类算法的有效性和可靠性。该结果及方法可以为空域规划和管理起到辅助决策支撑作用。

基于扇区复杂性因素的管制员工作负荷分析

管制员工作负荷已成为制约航空运输进一步发展的关键因素之一,有效的管理管制员工作负荷对确保空中交通安全意义重大。考虑单纯使用扇区流量评价管制员工作负荷的不足,以扇区复杂性因素作为管制员工作负荷的测评指标;通过设计并实施管制运行仿真实验,获取相关运行参数数据;分别构建基于扇区复杂性因素及单纯扇区流量的管制员工作负荷评估模型并予以对比分析。分析结果显示,较之单纯使用扇区流量,基于扇区复杂性因素的评估模型其评估效度优势明显。

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。

基于管制复杂性的扇区容量评估分析

本文首先阐述了空中交通运输现状,重申了复杂性研究的重要性。为了正确评估管制能力、预测扇区容量,需要采取与管制复杂性相结合的工作负荷评估方法。本文以乌鲁木齐进近01、02号扇区为例,研究了在扇区复杂性相似的情况下,由于交通流差异造成的管制复杂性差异对管制员工作负荷权值以及扇区容量的影响。

终端区扇区管制员工作负荷预测研究

为有效、准确、快速预测出管制员的工作负荷,提出一种基于扇区复杂性指标评估的方法.提炼出9个动态与7个静态复杂性指标,随后通过管制模拟实验采集武汉进近扇与南京进近扇各160组数据,其中武汉扇区正常管制情况下120组采用BP神经网络算法进行建模,非正常管制情况下40组数据用于验证.最后使用南京进近扇区数据验证模型的准确性与通用性.验证结果表明,模型具有较好的准确性与通用性.