[发明专利]一种基于时序仿真的空地联合容量计算方法

权利要求书

1.一种基于时序仿真的空地联合容量计算方法，其特征在于，包括以下步骤：

步骤1，搜集指定评估对象的范围以及选取典型日的航班计划，得到原始航班计划集合Fs，集合中包含有当天每一个航班的信息；

步骤2，根据容量评估需求，对所选原始航班计划集合Fs进行加量，得到仿真航班计划集合；

步骤3，根据仿真航班计划集合，模拟仿真航班计划在评估对象内的运行情况；

步骤4，根据仿真计算结果，进行容量计算；

步骤1得到的仿真航班计划集合Fs＝{Fs₁,Fs₂,…,Fs_i}，Fs_i表示航班集合Fs中第i个航班的信息，Fs_i具体包括如下信息：

表示在推演时刻第i个航班的航空器的状态；

第i个航班的航空器的预计开始飞行时间

当前航段第i个航班的航空器进入飞行状态的时刻；

第i个航班的航空器预计到达下一目标点的时刻；

第i个航班的航空器的过点序列，并且以过点顺序存储；

第i个航班的航空器的过点高度序列，与长度相同，且取值一一对应；

第i个航班的航空器的过点时间序列，取值为相对于0时的秒数，与长度相同，且取值一一对应；

第i个航班的航空器的过点时间序列，与长度相同，且取值一一对应，单位为分钟；

第i个航班的航空器的起飞机场；

第i个航班的航空器的降落机场；

步骤2中，每次对所选原始航班计划集合Fs加量均会根据设置的加量阈值IncrePer大小进行加量类型判断，加量阈值IncrePer取值范围为(-100,200]，若IncrePer∈(100,200]，则对原始航班计划集合Fs进行倍数加量，执行步骤2-1；若IncrePer∈(0,100]，则对原始航班计划集合Fs进行概率加量，执行步骤2-2；若IncrePer∈[-100,0)，则对原始航班计划集合Fs进行概率减量，执行步骤2-3；

步骤2-1，按照等概率原则遍历航班集合Fs，将所有航班复制k次，其中

若则表示倍数加量完成，合并Fs中的所有元素，形成倍数加量航班集合Fs_*＝{Fs_1*,Fs_2*,…,Fs_i*}，Fs_i*表示倍数加量航班集合Fs_*中第i个航班的信息，将IncrePer对100进行取余运算IncrePer％100，若余数为0，则表明本次加量只有倍数加量，加量结束，执行步骤2-4；否则还需要进行概率加量，加量阈值更新为IncrePer对100进行取余运算后的余数，即IncrePer＝IncrePer％100，执行步骤2-2；

若表示Fs中尚有未遍历航班，存在Fs_i∈Fs，则需要复制航班Fs_i为Fs_im，复制原航班的信息包括计算生成复制航班的预计启动时间针对航班计划集合Fs每个航班Fs_i复制k次生成倍数加量航班集合Fs_*＝{Fs_i1,Fs_i2,…Fs_ik}，满足以下约束：

Fs_ik表示倍数加量航班集合Fs_*中第k个航班的信息，表示第m个复制航班的过点序列，表示第m个复制航班的过点高度序列，表示第m个复制航班的起飞机场，表示第m个复制航班的目的机场，表示第m个复制航班的预计启动时间，表示需要进行复制加量航班的原航班的预计启动时间；

步骤2-2，采用随机数Random，Random满足概率密度函数f(Random)：

同时需要遍历原始航班计划集合Fs，对每个Fs_i∈Fs进行加量判别：

若则表示概率加量结束，执行步骤2-4；

若表示Fs中尚有未遍历航班，存在Fs_i∈Fs，则需要对Fs_i进行概率加量判别，设置随机数范围为[0,100]，根据[0,100]的均匀概率密度函数产生减量随机数Random，若Random≤IncrePer，表示Fs_i需要进行加量，复制Fs_i为Fs_i*，Fs_i*即为加量生成的航班，复制的信息包括计算生成Fs_i*满足约束条件：

其中表示复制生成航班的预计启动时间，同时将Fs_i*加入概率加量集合BFs中；

若Random＞IncrePer，表示Fs_i不需要进行加量，继续向后遍历原始航班计划集合，直至原始航班计划集合中所有的航班均被遍历了一遍；

步骤2-3，对原始航班计划集合Fs进行概率减量，采用等概率密度函数生成随机数Random，Random满足概率密度函数f(Random)：

同时遍历原始航班计划集合Fs，对每个Fs_i∈Fs进行减量判别：

若则表示概率减量结束，执行步骤2-4；

若表示Fs中尚有未遍历航班，存在Fs_i∈Fs，则需要对Fs_i进行概率减量判别，设置随机数范围为[0,100]，根据[0,100]的均匀概率密度函数产生减量随机数Random，若Random≤abs(IncrePer)，表示Fs_i需要进行减量，从原始航班计划集合Fs中删除Fs_i；若Random＞abs(IncrePer)，表示Fs_i不需要进行减量，继续向后遍历原始航班计划集合，直至原始航班计划集合中所有的航班均被遍历了一遍；其中IncrePer表示减量阈值，abs(IncrePer)表示减量阈值的绝对值；

步骤2-4，进行航班流合并：

加量情况下，若存在倍数加量，则需要考虑倍数加量集合Fs_*；若存在概率加量，则需要考虑概率加量集合BFs，将原始航班计划集合Fs与Fs_*、BFs进行合并生成仿真输入航班计划集合RFs，并按集合中的预计开始飞行时间进行升序排序；

减量情况下，由于在减量判别过程中，就将该删除的航班从原始航班计划集合Fs中删除，则Fs即为仿真输入航班计划集合RFs；

步骤4包括：

步骤4-1，对集合RFs中每一个航班信息进行分时统计平均延误以及流量，得到平均延误流量对，平均延误流量对中的最大平均延误记为Delay_max，设置可接受延误delayl，若delayl≤Delay_max，执行步骤4-2；否则执行步骤4-3；

步骤4-2，进行插值容量计算；

步骤4-3，进行预测容量计算；

步骤4-1包括：

步骤4-1-1，分时时段长度设置为60分钟，以自然整小时为统计单元，计算仿真输入航班计划集合中的航班RFs_i从机场到仿真区域边界的飞行延误其中validlist表示的是有效过点序列，即RFs_i从机场到仿真区域边界的过点序列，表示过各个点的延误时间；

步骤4-1-2，若在RFs_i的过点序列nlist中，索引为k的点为所要评估的机场，则RFs_i的有效飞行延误归入的时段索引为其中表示航班RFs_i经过第k个点的过点时间；

步骤4-1-3，对于所有RFs_i∈RFs，执行完步骤4-1-1和步骤4-1-2两个步骤后会形成24个分时集合，满足

步骤4-1-4，计算各个时段的流量以及平均延误：

其中Flow_tindex表示第tindex时段的流量，Delay_tindex表示第tindex时段的平均延误，表示第tindex时段航班的总延误时间，size表示第tindex时段的航班个数；

将计算结果加入集合Pair＝{(Delay-Flow)₁,…,(Delay-Flow)_n}中，每个元素(Delay-Flow)_n表示一个时段的平均延误和流量配对；

步骤4-1-5，对Pair中的数据进行集约平均整理，对于所有平均延误相等的元素即Delay_i＝Delay_j，i和j均为Pair中元素索引，并且满足i≠j，计算指定延误下的流量其中Flow_i表示Pair中第i个元素中的流量数据，根据平均延误对平均延误流量对进行升序排序，形成集约后的平均延误流量对样本集合CenPair＝{(Delay-Flow)₁,…,(Delay-Flow)_n}，此时CenPair的每一个平均延误流量对中的Delay均是唯一的，(Delay-Flow)_n表示CenPair中第n个平均延误流量对，平均延误流量对中的最大平均延误记为Delay_max；设置可接受延误delayl，若delayl≤Delay_max，执行步骤4-2；否则执行步骤4-3；

步骤4-2包括：

步骤4-2-1，遍历CenPair，筛选两个平均延误流量对(d₁,f₁)、(d₂,f₂)，其中d₁,d₂表示分别两个平均延误流量对中的延误数据，f₁,f₂分别表示两个平均延误流量对中的流量数据，d₁,d₂满足以下约束条件：

步骤4-2-2，根据(d₁,f₁)，(d₂,f₂)，计算delayl附近的流量延误斜率

步骤4-2-3，计算延误为delayl下的容量值Capacity＝slope*(delayl-d₁)+f₁；

步骤4-3包括：

步骤4-3-1，筛选CenPair中平均延误最大的10个平均延误流量对SelectPair＝{(Delay-Flow)₁,…,(Delay-Flow)₁₀}，(Delay-Flow)₁₀表示筛选出的第10个平均延误流量对；

步骤4-3-2，逐个遍历SelectPair中元素，依次计算对应斜率，形成斜率集合slpoes，其中第i个平均延误流量对的斜率slopes_i计算公式如下：

其中Flow_i表示第i个平均延误流量对中的流量数据，Delay_i示第i个平均延误流量对中的延误数据；

步骤4-3-3，分别统计slpoes中小于斜率阈值的斜率个数dslpoesnum以及不小于斜率阈值的斜率个数uslpoesnum；若dslpoesnumuslpoesnum，则表明根据已有数据样本，尚未趋近评估空域的运行极限，需要进行增量预测，执行步骤4-2；若dslpoesnum＞uslpoesnum，则表明根据已有数据样本，已趋近评估空域的运行极限，需要进行非增量预测，即延误为delayl下的容量值Capacity为：

其中size(CenPair)表示CenPair中元素个数。