[发明专利]一种基于蒙特卡洛算法的滑行路径优化指标求解方法

权利要求书

1.一种用蒙特卡洛算法解决滑行路径优化指标的求解方法，其特征在于：所述的蒙特卡洛算法解决滑行路径优化指标的方法包括按顺序进行的下列步骤：

1)生成采集样本：对某国内大型机场提供的数据进行预处理，将连续时间分割为离散的时间单元t，采用合理的推算方法从获得的数据中提取各时刻的位置状态信息生成采集样本，同时设定预测所需要的最大样本数量N；

2)得到k时刻的先验概率分布：利用步骤1)中采集到的各时刻的位置状态信息通过状态转移方程递归估计k时刻的状态变量x_k，z_k表示状态空间中第k个观测数值，然后根据Chapman-Kolmogorov方程，用k-1时刻先验概率密度分布p(x_k-1|z_1:k-1)通过递推过程得到k时刻的先验概率分布p(x_k|z_1:k-1)；

3)得到后验概率分布：根据当前时刻的观测值z_k和贝叶斯公式通过修正步骤2)中递推出的先验概率分布表达式得到后验概率分布表达式；

4)筛选符合路径最优的数据信息：将步骤3)得到的后验概率分布表达式采用经验概率分布表达式近似表示，来弥补贝叶斯滤波数学推算过程中计算困难的弊端，同时结合对模型设定的约束控制条件筛选符合路径最优的数据信息；

5)用估计的后验概率分布函数利用蒙特卡洛算法对元胞进行位置状态信息重采样：对步骤4)中得到的近似表示的后验概率分布，利用序列重要性采样的采样方法进行独立采样，最后获得估计后的后验概率分布，用估计的后验概率分布函数利用蒙特卡洛算法对元胞进行位置状态信息重采样，直到满足步骤1)中设定的样本最大值N，最后在多次迭代后得到获取机场元胞模型的性能评估的估计量；

6)仿真处理：利用步骤5)中获取机场元胞模型的性能评估的估计量，对机场进离港流量进行分析，完成仿真过程，得到最优的滑行路径。

2.根据权利要求1所述的蒙特卡洛算法解决滑行路径优化指标的求解方法，其特征在于：在步骤1)中，所述的对某国内大型机场提供的数据进行预处理，将连续时间分割为离散的时间单元t，采用合理的推算方法从获得的数据中提取各时刻的位置状态信息生成采集样本。同时设定预测所需要的最大样本数量N的方法是：用于实验分析的数据来源于国内某大型枢纽机场的场面运行数据库，并选取了该机场在2017年1月-3月的生产数据的滑行、起飞等相关数据，对所需预测航班，在确定该航班所处的时段后，规定以每15分钟的时间间隔为一个时隙，从该时段的航班离港数据中提取出滑行路径、推出时间、经过测量位置的时间在内的影响离港滑行时间的关键数据，经过计算转换成各时刻的滑行距离、滑行速度等位置状态信息。对收集到的数据采用乘同余法的方法进行初步处理。根据蒙特卡洛算法的要求，为便于计算取伪随机数序列为ξ_i小于等于1的数值，即在每次仿真时根据公式将模数M取为每组数据的最大值。在数据计算时，同时令采样的最大值N_threshold＝N，即采样值为所需时段航班总架次。