[发明专利]一种面向交通状态的时变性扇区动态分类方法

说明书

本发明公开了一种面向交通状态的时变性扇区动态分类方法，步骤如下：采集扇区历史运行数据，计算动态运行特征变量数据并进行数据预处理，获取聚类输入特征向量；扇区交通运行状态聚类分析；构建基于多层感知器的神经网络的时变性扇区动态分类模型；开展面向扇区交通运行状态的时变性扇区动态分类。本发明的方法根据扇区不同时段的交通状态，进行航路航线流量分布的优化，充分利用空中交通管制资源，有助于打造资源动态互用、容量弹性可调、运行自主高效的强性能的民航空域系统。

技术领域

本发明属于空中交通管理与空域规划领域，具体涉及一种面向交通状态的时变性扇区动态分类方法。

背景技术

随着我国航空运输的快速发展，飞行需求日益增加，空域环境越发复杂，空域使用方式呈现多样化、复杂化、灵活化。现有扇区分类基本是基于空域固有结构和功能上的分类，分成区域扇区、进近扇区等，该分类方法是根据航空器的飞行过程进行的物理分类，只是适用于管制过程的基本扇区分类，缺乏对扇区结构特征和交通流特性的综合考虑，不能满足流量管理、空域管理的需求。

从国内外有关扇区分类的专利和研究文献来看，基于扇区运行特征进行扇区分类的研究较少。同时，基于运行特征对扇区进行整体分类有利于宏观上了解扇区，并执行相应的管理措施。但是，扇区分类研究同样应该考虑扇区中具有时变性交通流赋予扇区的动态运行状态即动态类别。过往的扇区分类研究中通过历史数据进行分析挖掘，为扇区的每个时段给定一个固定的类别，似乎是不够灵活和客观的。当某个时段因为天气的影响和流量控制策略导致交通流变化，有可能会使得这个时段对应的类别与给定的固定类别不符。因此，这样的扇区分类研究成果在预战术层级上对空中交通的管理者的决策帮助意义较小。此外，国内外学者基于扇区复杂性和容量方面的扇区分类研究，在聚类算法上多采用硬聚类(如系统聚类法，K-means等)的方式，分类的结果和聚类的可解释性都存在一定程度的不合理性。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种面向交通状态的时变性扇区动态分类方法，以解决现有技术中扇区给定固定的类别，无法体现扇区交通运行的动态特征和辅助管制员在预战术层级制定管制策略，以及传统分类中硬聚类算法在类别方面划分不合理的问题；本发明的方法根据扇区不同时段的交通状态，进行航路航线流量分布的优化，充分利用空中交通管制资源，有助于打造资源动态互用、容量弹性可调、运行自主高效的强性能的民航空域系统。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种面向交通状态的时变性扇区动态分类方法，步骤如下：

1)采集扇区历史运行数据，计算动态运行特征变量数据并进行数据预处理，获取聚类输入特征向量；

2)扇区交通运行状态聚类分析；采用GA-KFCM聚类算法，对步骤1)中获得的聚类输入特征向量进行扇区交通运行状态的聚类划分，通过划分结果获取扇区各类交通运行状态的数据集，将其作为相应的交通运行状态度量标准；

3)构建基于多层感知器的神经网络的时变性扇区动态分类模型；

4)开展面向扇区交通运行状态的时变性扇区动态分类。

进一步地，所述步骤1)具体包括：

11)以15分钟为一个时间样本分析真实ASDB雷达航迹数据及AirTop计算机仿真得到的扇区历史运行数据，获取与扇区交通运行状态相关的时变性状态表征指标数据作为基础数据集，包括扇区的静态结构因素以及动态交通因素；

12)采用Z-Score规范化样本数据，经过归一化处理的数据的均值为0，标准差为1；对指标进行相关性分析，进而对数据通过PCA分析进行规约处理，获取聚类输入特征向量。

进一步地，所述步骤2)具体包括：