终端区战术(流量)管制辅助决策系统

终端区战术管制辅助决策系统是通过科学的算法对空中交通流量进行合理控制的方法,它的最大好处是帮助管制员避免飞行冲突,减少航班延误国内外现状近年来,伴随着民航运输业的飞速发展,空中交通流量的增长很快。现有的空域结构、航线、航路的网络布局、通信导航设备等管制条件难以适应空中交通流量的快速增长,导致在我国的某些机场、终端区及航路交叉点出现了较为频繁的飞行冲突,管制员的工作也变得十分紧张、繁重。特别在北京、广州、上海机场和进近区域这种情况尤为突出。 终端区战术（流量）管制是指在终端区内空域同时存在多个航班…     

终端区进场交通流广义跟驰行为与复杂相变分析

空中交通流特性分析是空中交通流理论研究的重要内容,是空中交通管理的重要依据。基于终端区交通流混杂动力特征,采用模糊逻辑方法提出了航空器动态期望间隔控制策略,运用"刺激-反射"跟驰理论和局域先到先服务(FCFS)的原则建立了终端区交通流广义跟驰模型,并基于NetLogo构建了终端区交通流多智能体仿真平台,结合广州白云机场(ZGGG)02R跑道进场实例,演析了终端区进场交通系统涌现行为,揭示了交通流的速度、密度和流量3个基本参数之间的相互关系,发掘了空中交通蕴含的自由态、畅行态、亚稳态、伪拥塞态和同步态等5个演变相态,剖析了不同交通组织、间隔标准和流控策略下交通流的相变规律。研究成果可为丰富完善空中交通流理论奠定部分基础,为科学管控空中交通提供重要基础支撑。     

浅谈我国空域仿真评估

近几年来,随着航空运输的快速发展,我国的空中交通面临越来越严重的空域拥挤问题,特别是在繁忙的终端区和航路上,并因此导致了较大的经济损失和事故隐患。空中交通网络的拥挤,其原因主要是机场、终端区、航路交叉点的容量限制造     

基于遗传算法的起降航班动态排序模型的研究

讨论了空中交通流量管理中终端区航班的排序规划问题。目的是在终端区空中交通繁忙的情况下有效地为到达航班安排合理的着陆次序，并在不违反飞机间隔要求的情况下给出各飞机经过优化的着陆时间，提高机场跑道的利用率。引入离场起飞的航班问题，建立了航班排序的动态模型和基于遗传算法的终端区动态排序算法。并对一个算例采用冬文方法进行验证计算，结果表明，所提出的方法计算效率高，实用可行。     

基于管制员负荷的西安终端区扇区优化

若扇区的工作负荷差别较大,会限制空域容量,给飞行安全和空域的利用造成不利影响.为了提高空域容量,缓解空中交通压力,构建基于管制员负荷的西安终端区扇区优化方法.通过对西安终端区近期雷达数据进行统计分析、量化管制负荷,得到符合西安终端区的管制员负荷综合值;对该终端区进行剖分得到Voronoi图,依据均衡扇区管制负荷的原则,加入实际约束条件,采用遗传算法对扇区进行优化.结果表明:通过扇区优化,提升了西安终端区的容量,均衡了各扇区的管制负荷,取得了较好的优化效果.     

基于Rough Set 和综合评判的进场航班排序

终端区资源的高效利用对空中交通流量管理效率的提高具有重要作用,进场航班排序是终端区资源利用的关键环节,所以需要研究终端区进场航班的排序问题。利用模糊综合评判方法,考虑排序过程中的多种影响因素建立综合评判指标体系,根据粗糙集理论客观地确定各评判指标权重。利用算例对基于粗糙集理论的模糊综合评判方法进行了验证,表明方法在终端区排序问题中的可行性和有效性。     

基于灰色关联聚类的空中交通复杂度评估方法

为了准确评价空中交通态势的复杂程度,进行有效的空中交通管理,提出了一种空中交通复杂度评估方法。在已有的理论研究成果及实际运行经验的基础上,归纳了定义明确、可定量分析的基础空中交通指标集,使用灰色关联聚类方法对指标集进行聚类分析,利用信息熵理论对聚类指标求解权重,加权求和获得空中交通复杂度。方法弥补了目前使用单一维度指标描述空中交通运行态势的弊端,能更好地体现空中交通复杂度。     

基于Multi—Agent的空中交通流量仿真研究

针对传统空中交通流量仿真过程中灵活性和智能性的不足，将分布式人工智能Multi—Agent的理论和方法应用到空中交通流量管理领域中，提出了基于Muhi-Agent的空中交通流量仿真方法。介绍了空中流量管理的体系结构和流量管理的具体措施，详细设计了与流量仿真相关的重要Agent，包括航班Agent、航路Agent、机场终端区Agent和区域流量管理Agent等，探讨了各Agent的内部运行机制和在流量管理中的职能，构建了基于Multi．Agent的空中交通流量仿真子系统的整体框架．为实际空中交通流量管理系统的建设提供重要的指导和拳者。     

ATM中的ADS—SSR数据融合模型和算法

民航空中交通管理系统的核心是信息处理，根据民航用空中交通管理系统与军方用空中交通管理系统的不同特点，通过对一个可能的ＡＤＳ－ＳＳＲ数据融合模型的探讨，给出了此模型的具体算法。本算法综合了两者的优点，可实现整个飞行过程的无间断的可靠的监视，并且在高密度终端区提供必要的数据精度     

基于卷积神经网络的终端空域交通复杂度辨识

辨识终端空域交通复杂度对空中交通管理的安全和效率起着关键作用。利用交通态势的瞬时图像,基于深度学习研究终端空域交通复杂度的辨识方法。构建交通态势图像,并通过对复杂性指标进行聚类实现数据标记。提出了基于卷积神经网络分类的交通复杂度辨识方法。以广州终端空域的进离场运行为研究案例实施验证。结果表明,一方面,包括飞机经度、纬度、高度和速度信息在内的图像可以充分代表空中交通的复杂性;另一方面,所提出的模型可以有效识别终端空域空中交通复杂性。     

空中交通复杂性研究进展

空中交通复杂性是空中交通态势的本质属性，是空中交通管制工作负荷的主要驱动因素。空中交通复杂性的科学评价是实现空中交通精细化管理的关键，也是当前空管领域研究热点。本文介绍了国内外空中交通复杂性的研究团队，梳理了空中交通复杂性与工作负荷、安全水平等相互之间的区别和联系，并详细分析了现有研究的具体研究路线。在分析新一代空中交通管理系统特征的基础上，对空中交通复杂性的未来研究趋势和方向进行了展望。     

基于NetLogo的终端区交通流仿真

空中交通流仿真可用于分析空中交通流特性及其要素之间的相互关系,以揭示空中交通流随时间和空间的变化规律,阐明空中交通现象及其机理。采用多智能体仿真工具NetLogo建立终端区进场交通流仿真模型,并实例化描述了工具在空中交通实验中的建模和实验过程。结果表明,基于智能体的仿真建模工具可用于空中交通仿真实验,较好地再现真实世界的交通流特性。NetLogo是一个方便实用的空中交通仿真建模研究工具。     

Measuring air traffic complexity based on small samples

Air traffic complexity is an objective metric for evaluating the operational condition of the airspace.It has several applications,such as airspace design and traffic flow management.Therefore,identifying a reliable method to accurately measure traffic complexity is important.Considering that many factors correlate with traffic complexity in complicated nonlinear ways,researchers have proposed several complexity evaluation methods based on machine learning models which were trained with large samples.However,the high cost of sample collection usually results in limited training set.In this paper,an ensemble learning model is proposed for measuring air traffic complexity within a sector based on small samples.To exploit the classification information within each factor,multiple diverse factor subsets (FSSs) are generated under guidance from factor noise and independence analysis.Then,a base complexity evaluator is built corresponding to each FSS.The final complexity evaluation result is obtained by integrating all results from the base evaluators.Experimental studies using real-world air traffic operation data demonstrate the advantages of our model for small-sample-based traffic complexity evaluation over other stateof-the-art methods.     

基于CTM的终端区交通流参数关系研究

为研究终端区空中交通流宏观时空特性及演变规律,利用时间离散的差分方程方法建立终端区进场交通流元胞传输模型,分析推导了交通流基本特性参数间的数理关系;借助NetLogo系统仿真平台对终端区进场交通流进行数据仿真与模拟推演,统计验证了交通流基本特性参数及其间相互关系,并利用真实雷达数据验证了仿真数据的可靠性;比较分析管制间隔对终端区空中交通流特性参数的影响规律。研究结果表明,进场交通流的速度与密度、速度与流量、流量与密度之间存在明显的相互影响关系,且管制临界密度与管制临界流量直接影响关系曲线拐点位置。     

基于复杂性的六边形扇区驶入问题研究

为解决飞机穿越扇区边界飞行时存在局部复杂性上升的问题，在未来航空统一化管理的前提下，使用六边形的扇区理想化模型，并针对六边形扇区的几何特性及驶入飞机与扇区内飞机的相对位置、速度关系，提出了飞机在驶入六边形扇区时的空中交通复杂性模型。根据构建的空中交通复杂性模型，进行了复杂性分布图的计算，为飞机选择驶入扇区的位置、航向提供了参考依据。     

基于Netlogo的终端区进场交通流建模与仿真

终端区进场交通流特性参数研究对于解决复杂空域结构下航空器拥堵、航班延误具有重要的实际意义。基于元胞传输模型将进场航线划分元胞,并且在数理推导的基础上,基于Netlogo仿真建模平台搭建进场交通流元胞传输模型仿真环境,对进场交通流的宏观涌现行为进行仿真模拟,得到交通流基本参数速度、流量、密度之间演变趋势。研究结果表明,终端区进场交通流三大基本参数之间存在明显的数量关系,关系曲线相对应分为自由流、拥挤流和阻塞流三种状态,并且受到管制间隔、飞行程序、管制策略的影响。利用相关研究成果,可通过改变管制策略、调整管制间隔、优化飞行程序的方法使得交通流特性向着可预知的方向演变,因此对终端区交通态势的判断具有应用价值。     

基于核主成分分析的空域复杂度无监督评估

空域复杂度评估作为衡量空域运行态势、管制员工作压力的关键手段，是运行调控的基础。由于影响因素众多，不同因素间耦合关联复杂，且标定样本很难获取，空域复杂度的准确评估被公认为航空领域的一个挑战性问题。提出了一种空域复杂度的无监督评估方法。首先通过核主成分分析挖掘原始样本各维度的非线性耦合关系，准确提取能够最大化复杂度评估信息量的主成分，进一步设计了可按需定制的主成分聚类方法，实现了无监督条件下空域复杂度的准确评估，为空域划分、流量管理提供了有效的技术支撑。     

基于SPSS的终端区交通流态势评估

空中交通管理工作的实施必须以准确掌握各航线运行状况及其发展趋势为基础和前提。对终端区交通流的运行态势进行评估，即是对交通流实时运行状态及发展趋势进行分析。对终端区空中交通流进行现状评估，确定各个交通流参数的时序分布，评价终端区交通流运行状态。借助SPSS统计软件，剖析参数变量之间存在的关系，以线性回归模型为基础模型，了解变量之间如何相互影响，获取终端区流量出现拥塞的时段，反映终端区交通流特性。