[发明专利]尾随间隔流量控制方案合理性评估方法

摘要

本发明涉及尾随间隔流控方案合理性评估方法，包括：采用无尾随间隔限制情况下的数据源，来评估需求预测与容量预测准确性，以排除MIT因素的干扰，建立了需求预测与容量预测准确性概率计算方法与过程；基于不同需求与容量预测准确性，建立了在实施尾随间隔流量控制措施情况下评估MIT的合理性的过程；确定不同天气对容量影响率f(CER_X^t)的过程；不同预测条件下是否采取MIT的后果与可能的原因分析的过程，本评估方法改变了目前MIT流量控制措施合理性无法评估的现状，为提升和改善尾随间隔控制方案奠定基础，实现对各个空域管制单位的有效监管，使空中交通效率和管理水平的提高，杜绝空域资源浪费，提高航班正点率，减少延误。

主权项

尾随间隔流控方案合理性评估方法，其特征在于，包括：在无尾随间隔流量控制措施情况下评估预测的准确性的过程；在实施尾随间隔流量控制措施情况下评估MIT的合理性的过程；确定不同天气对容量影响率f(CER_X^t)的过程；不同预测条件下是否采取MIT的后果与可能的原因分析的过程；    所述在无尾随间隔流量控制措施情况下，评估预测的准确性的过程包括如下步骤 ：步骤1：评估时段的划分与选取：将一天24小时按15分钟一个时段，划分为96个时段，选取8:00‑16:00的32个时段中未实施尾随间隔流量控制措施情况下的航班保障需求与容量的预测数据，与实际观测数据作为评估数据源；步骤2：针对每个选取的样本时间段 (t_i,t_i+1)确定4个参数，分别是：预计的需求dem_p、预计的容量cap_p、实际的需求dem_r、实际的容量cap_r，4个参数的确定方法为：)预计的需求dem_p的确定：根据领航计划报FPL和各个航班从起飞机场到达评估空域的飞行预计时间，计算在时间段(t_i,t_i+1)计划到达评估空域的航班数量PARR_num，作为预计到达评估空域的需求，dem_p=PARR_num；)预计的容量cap_p的确定:晴天以评估公布的容量cap_declare为准，在无公布的容量时，以监控警告参数（Monitor Alert Parameter,简称ＭＡＰ）为准，有天气影响的时段cap_p= f(CER_X^t)* cap_declare，其中：  CER_X^t代表在观测时点或预报时点t积雨云对空域的影响指数（CB effect rate），t∈(t_i,t_i+1)； f(CER_X^t)是CER_X^t指数转换为影响百分比的函数关系式，通过线性拟合确定；）实际的需求dem_r的确定：根据起飞报DEP和各个航班从起飞机场到达评估空域的飞行预计时间，计算确定在时间段(t_i,t_i+1)到达评估空域的航班数量RARR_num，作为实际到达评估空域的需求，dem_r=RARR_num；）实际的容量cap_r的确定：cap_r=f(CER_X^t)*cap_p，cap_p是指由步骤2的（b）中确定下来预计的容量；步骤3：判断预测是否准确，判据如下：如果初始条件中dem_p>cap_p,运算结果为dem_r >cap_r,  则预测准确；若为其他结果，则预测不准确；如果初始条件中dem_p= cap_p,运算结果为dem_r =cap_r, 则预测准确；若为其他后果，则预测不准确；如果初始条件中dem_p< cap_p,运算结果为dem_r <cap_r, 则预测准确；若为其他后果，则预测不准确；步骤4:无MIT限制下需求预测与容量预测准确性概率计算：管制员的管制周期是15分钟，以15分钟作为一个观测时段，一天有96个时段，选取8:00‑16:00的32个时段中无MIT限制的数据；假定共有∑⁹_i=1m_i个观测时段没采取MIT限制，在m_i(i=1…9)个时段内的航班架次为f_i(i=1…9)，预测与实际相符的情况标记YES，预测与实际不相符的情况标记NO，需求预测与容量预测准确性评估数据如表1所示： 表1、 无MIT限制下需求预测与容量预测准确性评估数据需求预测值与容量预测值大小比较的准确性用参数POD（Probability of Detection）来衡量：POD=[YES(dem_p> cap_p)+ YES(dem_p= cap_p) + YES(dem_p< cap_p)]/ YES_all+NO_all ‑‑‑‑‑‑‑(1)式中YES_all+NO_all=∑⁹_i=1m_i;YES(dem_p> cap_p= m₁;YES(dem_p= cap_p= m₅;YES(dem_p<cap_p= m₉POD最小值为0，最大值为1；POD越大，准确性越高，最佳值为1；公式（1）可以进一步表达为：POD=(T₁ +T₅ +T₉)/ ∑⁹_i=1T_i=(m₁+ m₅+ m₉)/∑⁹_i=1m_{i       ‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑}   (2)用f_pod来表示需求预测与容量预测准确情况下的航班数量，占总观测时间内所有航班数量的比率，表达式如下：f_pod=(f₁ +f₅ +f₉)/ ∑⁹_i=1f_i  ‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑         (3)f_pod越高，表明需求预测与容量预测准确情况下的航班数量占总航班数量的比率越高，可控性越高，反之，可控性减少；f_pod最小值为0，最高为1，最佳值为1；需要注意的是参数f1_pod ，表达式如下：f1_pod =（f₁）/∑⁹_i=1f_i  ‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑      (4) f1_pod 表示预测需求大于容量依然不采用MIT，最终结果也是实际需求大于容量的非理性情况下的航班数量，反映在流量控制人员不作为情况下航班数量与观测样本所有时段航班数量之比；f1_pod 最佳值为0，理论最小值为0，最大值1；f1_pod值越大，空中等待的可能性越大；用fT_pod 来表示在总观测时间需求预测与容量预测准确情况下的单位时间航班数量，表达式如下：fT_pod=(f₁ +f₅ +f₉)/ ∑⁹_i=1T_i    ‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑   (5)fT_pod 越大越好，越大表示在总的观测时间内航空器运行都在需求与容量预测准确情况下运行，可控性高，fT_pod 的最大值为∑⁹_i=1f_i /∑⁹_i=1T_i ，最小值为0；正常情况下fT_pod 接近最小值；用C₁、C₂、C₃分别表示在dem_p>cap_p、 dem_p=cap_p 和dem_p<cap_p 三种情况下，单位每小时预测准确航班数量与单位每小时受预测不准确影响的航班数量比值，表达式如下：C₁=K₁(T₂+T₃)/(f₂+f₃)                                                (6)C₂=K₅(T₄+T₆)/(f₄+f₆)                                                (7)C₃=K₉(T₇+T₈)/(f₇+f₈)                                                (8)正常情况下，希望C₁ 、C₂ 、C₃越高越好，表明在预测准确时段内的每小时航空器数量多于预测不准确时段内的每小时航空器数量，容易控制；在无MIT时，希望C₁越低越好，C₁越高，空中等待的可能性越大，流控人员不作为的嫌疑也增大，预测需求大于容量的准确性概率大，但是一种消极的、没有采取行动的“准确预测”，应该避免，在无MIT限制时最佳值应该为0；所述在实施尾随间隔流量控制措施情况下评估MIT的合理性的过程包括如下步骤 ：步骤1:  评估时段划分与选取，将一日按15分钟一个时段，划分为96个时段，选取8:00‑16:00的32个时段中实施尾随间隔流量控制措施情况下的需求与容量的预测数据，与实际观测数据作为评估数据源；步骤2：针对每个选取的样本时间段(t_i,t_i+1)，确定4个参数，分别是：预计的需求dem_p、预计的容量cap_p、实际的需求dem_r、实际的容量cap_r；4个参数的确定方法与所述在无尾随间隔流量控制措施干扰情况下，评估预测的准确性的过程的步骤2所述方法相同；步骤3：判断MIT是否合理；判据如下：如果初始条件中dem_p>cap_p,运算结果为dem_r >cap_r,  则预测准确；若为其他结果，则预测不准确；)如果初始条件中dem_p>cap_p,实施了MIT，得到的运算结果为dem_r =cap_r,  则采用的MIT合理；若为其他结果，则MIT不合理；b)如果初始条件中dem_p=cap_p,实施了MIT，得到的运算结果为dem_r =cap_r,  则采用的MIT合理，同时说明预测不准确，实际应该是dem_p>cap_p；若为其他结果，则MIT不合理；c)如果初始条件中dem_p<cap_p,实施了MIT，得到的运算结果为dem_r =cap_r,  则采用的MIT合理同时说明预测不准确，实际应该是dem_p>cap_p；若为其他结果，则MIT不合理；步骤4:实施MIT合理性概率计算实施尾随间隔限制的目的是控制交通需求，使其不超过特定空域的容量；假定共有∑_i=1⁹n_i个观测时段采取了MIT限制，在不同预测结果情况下实施MIT的不同结果及对实施MIT合理性是否认可在表2中标记，标记 “YES”表示实施MIT是合理的，标记“NO” 表示实施MIT不合理——即限制不足或限制过大；表2 在不同预测结果情况下实施MIT的不同后果及对实施MIT合理性是否认可(1)在完全不考虑预测准确性的情况下，实施MIT合理性概率用下式计算：POD_MIT=YES_all/( YES_all+NO_all)=(n₂+n₅+n₈)/∑_i=1⁹n_i                        (9)POD_MIT 最小值为0，最大值为1，值越高表明总体实施MIT合理性高；POD_MIT 值偏低表明，MIT实施方案有待进一步优化，包括改善需求与容量预测准确性，以及改善MIT控制参数两个方面；(2)在预测准确的情况下，只有dem_p>cap_p，即预测为p₁时才会实施MIT，在p₁情况下采取MIT的后果有r₁、r₂、r₃三种，采取MIT的后果r₂表示实施MIT是合理的，用以下公式计算实施MIT的实力技术水平：POD_p1r2= YES_r2/( YES_r2+NO_r1+NO_r3)= n₂/( n₂+n₂+n₃)                    (10)POD_p1r2最小值为0，最大值为1，值越高表明在预测准确实施MIT的实力技术水平越高；(3)在预测完全不准确的情况下，即预测dem_p=cap_p，状态变量为p₂，而实际需求高于容量，采取了MIT的后果r₅表示实施MIT是合理的；预测dem_p<cap_p，状态变量为p₃，而实际需求高于容量，采取了MIT的后果r₈表示实施MIT是合理的；实施MIT的后果r₄、r₅、r₇、r₈表明预测必然不准确，用以下公式计算实施MIT侥幸合理值：POD_lucky1=(YES_r5+ YES_r8)/(YES_r5+ YES_r8+No_r4+No_r7)=  (n₄+ n₈)/(∑_i=4⁹ n_i‑ n₆‑ n₉)                                (11)POD_lucky1最小值为0，最大值为1，值越高表明在预测完全不准确的情况下实施MIT侥幸合理的水平越高，虽然实施MIT的结果表现合理，但反映了预测的不准确性和实际工作中实施MIT的无逻辑性；(4)在预测准确性不确定的情况下，从实施MIT的后果r₁、r₂、r₃、r₆、r₉不能推定预测准确或不准确；实施MIT的后果r₂表示实施MIT是合理的；用以下公式计算实施MIT侥幸合理值：POD_lucky2= YES_r2/( No_r1+ YES_r2+ No_r3+ No_r6+ No_r9)= n₂/(n₁+n₂+n₃+n₆+n₉)  (12)在p₁预测状态下后果r₂达到了理想状态(dem_r=cap_r)，有可能是dem_p预测过高和MIT限制恰好让dem_r=cap_r，这并不能反映流量控制人员的MIT控制水平；因此，p₁r₂组合下，后果r₂依然有可能是预测p₁造成的；所述天气对容量影响率f(CER_X^t)的确定过程，包括如下步骤 ： CER（CB effect rate）指数是积雨云影响率指数，CER主要反映积雨云的特征参数对空域扇区的影响，所述特征参数包括：强度、位置、覆盖范围、高度、持续时间，以厦门为例，厦门区域由区调北扇（CAN）、区调南扇（ACS）两个扇区组成；进近区域由进近高扇（APH）进近低扇（APL）组成；步骤１:网格化处理将所研究的某个扇区按1 km×1km，划分成n×m个网格，n行m列，其中某个网格用A_ij表示；步骤２、天气所在位置区分:为了反映天气在不同位置对空域通行能力影响的区别，将不同位置设置不同的影响权重：重要枢纽的权重为4；航路的权重为3；盘旋区的权重为2；其他的权重为1；根据各个权重区域位置绘制“ACS扇区不同重要度等级区域分布图”；通过“ACS扇区不同重要度等级区域分布图”直观反映天气在不同位置对空域通行能力的影响；位置权重用pos_ij表达；步骤３：天气所在高度区分根据管制员建议在进近低扇（APL）不同重要度等级区域绘制“APL扇区不同重要度等级区域分布图”，将“ACS扇区不同重要度等级区域分布图”与“APL扇区不同重要度等级区域分布图”比较，发现多出2块为权重4区域，这些区域是机场进离场比较繁忙空域；区调（CAN、ACS）、进近高扇（APH）、进近低扇（APL）分别有不同的管辖高度，在计算天气对不同高度扇区的影响时，分别采用对应高度雷达扫描到的数据，厦门区域6个入口主要采用的高度层如表3所示，因为高度层6300、6900、7500占了绝大部分，在处理雷达扫描数据的时候，使用这三个高度扫描到的回波强度的最大值，代表整个区域扇区内一个格点的天气强度；Echo_ij=max(Echo_ij⁶³⁰⁰, Echo_ij⁶⁹⁰⁰, Echo_ij⁷⁵⁰⁰)                                    (13)表3 厦门区域共有6个入口主用高度层步骤４:天气强度区分：回波强度Echo小于30DBZ，权重为0；Echo介于[30DBZ，40DBZ)，权重为1；Echo介于[40DBZ，50DBZ)，权重为2；Echo介于[50DBZ，∞)，权重为3；天气强度权重用W_ij^Echo表达，步骤５:天气时间点区分对于特定的某个网格点A_ij，以A_ij^tΔ15(Echo)作为当前时间点t，或未来时间点，在A_ij位置的当前观测值，或预测值；A_ij^tΔ15(Echo)=max[A_ij^t‑15(Echo), A_ij^t‑10(Echo), A_ij^t‑5(Echo) ]               (14)步骤６:指数表达式CER_X^t=∑_i=1ⁿ∑_j=1^m[W_ij^{AijtΔ15(Echo)}*pos_ij]/nm                                 (15)其中x表示区调北扇（CAN）、区调南扇（ACS）、进近高扇（APH）、进近低扇（APL），或这些扇区中不同颜色区域，t是观测报告时点，是中格点的行数，是中格点的列数：步骤７:天气对容量影响率f(CER_X^t)的确定假定实际交通容量cap_r与CER_X^t存在以下关系：cap_r= f(CER_X^t)* cap_declare，其中f(CER_X^t)* cap_declare是公布的容量，或者是；通过实际观测到的容量cap_r晴和晴天容量cap_p线性拟合得到；在CER_X^t是预计的天气影响时，在f(CER_X^t)确定的基础上，预计的容量cap_p= f(CER_X^t)* cap_declare所述不同预测条件下是否采取MIT的后果与可能的原因分析的过程，包括：不同条件下采取不同行动的后果与可能的原因如表4所示；表4不同预测条件下是否采取MIT的后果与可能的原因。