基于机器学习的空域受限制单元识别方法

根据航班延误研究现状,提出一种基于机器学习的空域受限单元识别方法,旨在识别航班运行中受到限制空域单元及受限起止时间。研究基于现行空域内大量航班历史飞行数据,筛选可利用数据并对数据归类排列,采取升采样的数据处理方法,依据时间序列的分析方法,将数据按不同的时间粒度进行划分;而后计算目标机场之间的累计延误架次和平均延误时间,基于K means++聚类算法结合空域结构数据构建空域单元受限识别模型。选择2017年8月1日北京首都国际机场、上海浦东国际机场、广州白云国际机场和成都双流国际机场之间的往返航班数据进行实例分析,识别结果表明,成都双流国际机场是当天典型的受限空域单元。

恶劣天气下的多扇区动态容量评估方法

针对当前容量评估技术考虑不够全面的问题,提出了多扇区动态容量评估方法。通过分析扇区容量影响因素,加入扇区耦合性的概念,建立了多扇区管制员工作负荷模型;通过量化空域单元阻塞程度,得到恶劣天气下的多扇区可用率;最后选取典型多扇区空域进行算例仿真,评估空域系统的动态容量,多扇区在恶劣天气下的动态容量为17架次/15 min,评估结果验证了该方法的有效性和灵活性。

舰机协同防空中的冲突检测

在当今防空作战情况下中,舰机协同作战成为了当前防空作战的主要方式,但是舰机协同作战中作战空域会出现各类冲突。为保障作战单位的安全,有效对冲突进行探测,获得冲突信息,论文利用网格法对舰机协同作战中的空域进行分割,形成空域单元,研究了各类作战平台对空域的使用情况,提出了基于网格法的冲突探测方法。