[发明专利]一种基于模糊推理的空域运行态势评估分类方法

说明书

本发明公开了一种基于模糊推理的空域运行态势评估分类方法，属于空域态势评估分类技术领域。包括如下步骤：步骤一：收集待处理扇区的空域运行态势样本；步骤二：基于待处理扇区的空域运行态势样本建立初步模糊推理系统；步骤三：基于多目标种群自适应免疫算法优化模糊推理系统的可解释性与准确性。通过利用本发明所提供的的方法，可以针对大规模、高维度的扇区运行数据，围绕空域运行态势评估准确性和可解释性，使用多目标免疫优化算法，优化了空域态势评估的准确性，另外在实现免疫算法时避免了处理高维数据时模糊矩阵规模呈指数增长的情况，大大减少了算法所需的时间复杂度与空间复杂度，提高了收敛精度。

技术领域

本发明属于空域态势评估分类技术领域，具体涉及一种基于模糊推理的空域运行态势评估分类方法。

背景技术

随着我国航空运输业的快速发展，航空业务量与日俱增，航班逐年增加，空域运行态势越发复杂。这些情况使得空中交通管制员工作负荷与航班运行风险不断增加，并由此成为航班延误、管制事故发生的重要原因。

在当前空中交通管理系统中，扇区是管制员对航空器进行指挥的空域基本单元。扇区的空域运行态势复杂程度的高低与空中交通管制员的工作负荷大小有着密切联系。过于复杂的空域态势将提高空中交通管制员错误操作的可能性，造成事故；而较低的复杂度则使得管理系统效率低下，资源浪费。为确保空域运行情况良好，保证空中交通管制员处于适当的工作负荷下，应当及时的对空域结构、飞行流量进行调整。为了实施有效的空域管理举措，空域态势评估成为空管领域中重要的研究课题和亟需解决的问题。

由于扇区的空域运行态势与扇区的数十种动、静态状态特征相关，因此，现有方法普遍使用机器学习、模糊推理系统针对具有多种态势特征的样本，建立分类模型得到总体态势指标。基于大批量数据样本的机器学习方法往往将精准性指标作为首要的评判标准，而对模型的可解释性较为忽略。另一方面，模糊推理系统通过建立知识表达形式和推理机制，使建立的模型具有较明显的物理意义，但现有的具有良好可解释性的模糊推理系统多建立在专家知识的基础上，而基于数据的模糊推理系统往往在精确性有所提升，但可解释性上有所欠缺。

发明内容

本发明的目的在于提供一种基于模糊推理的空域运行态势评估分类方法，在扇区的空域运行态势样本具有大规模、高维度性质的情况下，本发明建立了同时具备可解释性与精确性的分类模型，弥补现有扇区态势评估模型无法兼顾上述两者的不足。

本发明提供的基于模糊推理的空域运行态势评估分类方法，具体包括如下步骤：

步骤一：收集待处理扇区的空域运行态势样本；

获取待处理扇区的空域运行态势样本，形成空域运行态势样本集(简称为样本集)，所述样本集中共k条样本，其中每条样本包含待处理扇区在某一单位时间内的n个空域运行态势特征值(简称为特征)，并且每条样本被标定有一个态势分类标签(简称标签)，表示不同的空域运行态势等级，共有m个不同类的标签。其中，k、n、m均为从1开始的正整数。

所述的特征，是指能够反映空域运行态势的航班航迹分布、空域航路结构、空管运行规则等方面的属性因素，一般用连续或离散数值表示。

步骤二：基于待处理扇区的空域运行态势样本建立初步模糊推理系统；

具体如下：

步骤2.1、哑编码：对m个不同类的标签进行哑编码，即建立m个m维单位正交向量：第j个m维单位正交向量的第j维为1，其余均为0(1≤j≤m)。将进行哑编码后的标签作为以后的标签表达方式；