[发明专利]一种基于运行特征的民航管制扇区分类方法

说明书

本发明公开了一种基于运行特征的民航管制扇区分类方法，收集历史数据，并进行预处理；结合SQL和Python软件从历史数据中提取出所需要的特定扇区范围ADS‑B航迹数据，获取扇区分类指标；提出基于遗传算法改进的核模糊C‑均值聚类算法，获得较优的聚类效果；设置聚类有效性指标，确定扇区分类类别数量；将提取出的关键分类因子作为算法输入，输出扇区聚类结果；根据聚类结果明确所选样本的分类特性，结合样本的数值分布分析验证不同类型扇区的交通运行的多维属性。本发明实现了从宏观的总体运行特征对扇区进行分类，有助于了解不同类别扇区的运行特性，为管制运行管理提供优化依据，同时可为扇区分类专项管理、动态配置及远程管制等创新发展提供理论支撑。

技术领域

本发明属于空中交通管理与规划领域，具体涉及一种基于运行特征的民航管制扇区分类方法。

背景技术

航班量的不断增长，随之而来的民航空域资源供给不足，所引起的航班正常性问题日益凸显，重新设计扇区使其变得更小，从而减少每个扇区中管制员的工作负荷的做法不太符合成本效益，它需要增加更多的管制员管理扇区运行，更多的设备显示扇区信息，增加了飞机和空管之间的协调以及管制员之间的协调。对扇区分类，从不同扇区的结构、流量、复杂性等多个维度分析扇区间的异同，深入把握扇区运行特性，找出当前制约我国空管体系发展，效能提升的瓶颈问题，是深挖内部潜力，提升管制运行绩效水平，识别瓶颈突破途径的重要科学手段。对分类后的扇区建立若干宏观管制员工作负荷模型，可以提高空域评估的效率，可以用于对新增扇区相似性的快速参考。深入研究分析扇区运行状态，准确把握扇区运行的时空特性，充分利用空中交通管制资源。对进一步优化扇区结构和交通流，提高空域容量，提高空中交通管理的效率有着重大意义。这也是未来扇区运行优化和人力资源高效配置的大势所趋。

目前大多数有关于扇区分类方面的研究主要从扇区的运行模式、交通流结构和复杂性指标等方面出发；研究选取的扇区样本较少，因此，为增加样本数量，一般从时段的复杂态势考虑，对扇区整体运行特征的研究分析相对较少。同时，过往的研究中多采用硬聚类算法对扇区进行类别或者繁忙时段和等级的划分，划分结果存在一定程度的不合理性。

发明内容

发明目的：为克服上述现有技术的不足，本发明提供一种基于运行特征的民航管制扇区分类方法，针对关键指标对管制扇区采用基于遗传算法改进的核模糊C-均值聚类算法进行分类，揭示不同种类的管制扇区运行特性和复杂特征；对分类后的扇区，从扇区运行角度入手，分析不同种类扇区复杂特性和运行特征，提升空中交通管制资源的利用率，提高空中交通管理效率。

技术方案：本发明所述的一种基于运行特征的民航管制扇区分类方法，包括以下步骤：

(1)收集多地区、多对象、多种类的历史数据，并对历史数据进行预处理；

(2)通过射线法，结合SQL和Python软件从历史数据中提取出所需要的特定扇区范围ADS-B航迹数据，计算选取后的ADS-B数据，获取扇区分类指标；

(3)提出基于遗传算法改进的核模糊C-均值聚类算法，获得较优的聚类效果；

(4)通过对实测雷达数据计算得出的空中交通复杂性评价指标数据值，进行标准化处理后分析指标之间的相关性，对指标体系进行精简降维，提取适合作为算法输入的聚类因子；设置聚类有效性指标，衡量聚类结果是否最优，确定扇区分类类别数量；将提取出的关键分类因子作为算法输入，经过机器学习聚类算法输出扇区聚类结果；根据聚类结果明确所选样本的分类特性，进而结合样本的数值分布分析验证不同类型扇区的交通运行的多维属性。

进一步地，步骤(2)所述的扇区分类指标包括管制飞行时长、航空器进入架次、航空器占据架次、运行态势统计改变统计及交叉汇聚点。

进一步地，所述步骤(2)包括以下步骤：