專利名稱：基于空中交通特征的空域扇區(qū)動態(tài)劃分方法
技術(shù)領(lǐng)域：
本發(fā)明屬于空中交通管理技術(shù)領(lǐng)域，涉及一種利用空域交通信息提取交通特征并基于交通特征對空域扇區(qū)結(jié)構(gòu)進行劃分調(diào)整的方法。
背景技術(shù)：
當(dāng)前空中交通管制中的重要手段是將空域劃分成若干個扇區(qū)，每個扇區(qū)分別由一個或多個管制員進行管制?？沼蛏葏^(qū)劃分直接決定了各個管制員的工作負(fù)荷，合理的扇區(qū)劃分是保證交通安全和效率的關(guān)鍵?？沼蛏葏^(qū)劃分就是在確保管制安全和飛行安全的基礎(chǔ)上，將空域劃分為若干管制區(qū)，均衡分配各扇區(qū)管制員的工作負(fù)荷，保證每個扇區(qū)的工作負(fù)荷在合理的閾值內(nèi)?？沼騽討B(tài)劃分是基于不同時段內(nèi)空中交通的變化采用不同的、與之相適應(yīng)的扇區(qū)劃分，以提高空域資源的利用率、增加空域容量和優(yōu)化人員配置。當(dāng)前，主要的扇區(qū)劃分方法是由有經(jīng)驗的管制人員根據(jù)經(jīng)驗，基于交通流量的實際變化，對扇區(qū)結(jié)構(gòu)進行調(diào)整，做出扇區(qū)劃分和扇區(qū)合并、拆分決策。但是由于這種方法與管制人員的素質(zhì)密切相關(guān)，主 觀性太強，不能保證得到最優(yōu)的扇區(qū)劃分方案。因此，基于空域信息，將數(shù)學(xué)模型結(jié)合優(yōu)化算法的空域扇區(qū)動態(tài)劃分方法有很重要的實際意義。目前,空域扇區(qū)動態(tài)劃分方法已經(jīng)取得一些研究成果。2004年Yousefi等人基于網(wǎng)格模型，將扇區(qū)規(guī)劃分問題轉(zhuǎn)換為整數(shù)規(guī)劃問題。2009年Xue等人基于VOTonoi圖模型劃分扇區(qū)，先利用遺傳算法優(yōu)化中心點位置，然后利用VOTonoi圖算法直接生成扇區(qū)邊界。2009年Basu等人基于航跡，得到帶有時間標(biāo)識的動態(tài)航跡段，據(jù)此進行扇區(qū)劃分。2010年Li等人將加權(quán)圖模型與譜二分法相結(jié)合，確定扇區(qū)邊界。2012年Tang等人仿真對比以上幾種模型(除航跡模型)，并提出一種基于元胞的改進模型。將該模型與遺傳算法相結(jié)合，形成完整的扇區(qū)劃分方法。上述方法普遍存在問題是，沒有充分利用空中交通信息，尤其是空域的動態(tài)交通特征。在大多數(shù)扇區(qū)劃分方法中，基于空域靜態(tài)信息建立空域模型，而空域動態(tài)信息僅用于量化管制員工作負(fù)荷。同時扇區(qū)約束條件及管制的安全性考慮不夠充分，部分研究中扇區(qū)劃分結(jié)果存在鋸齒形邊界，或者航路在某個扇區(qū)內(nèi)穿越時間過短等問題。

發(fā)明內(nèi)容
針對上述問題，本發(fā)明提出一種基于空中交通特征的動態(tài)扇區(qū)劃分方法，在保證管制安全的前提下，能夠根據(jù)空中交通的變換情況確定與之相適應(yīng)的扇區(qū)劃分。為了達到上述目的，本空域扇區(qū)動態(tài)劃分方法包括以下四部分:空域靜態(tài)結(jié)構(gòu)信息提取。基于機場、航路點、沖突點等關(guān)鍵點位置和航路拓?fù)浣Y(jié)構(gòu)，建立關(guān)鍵點坐標(biāo)數(shù)據(jù)庫、航路拓?fù)浣Y(jié)構(gòu)數(shù)據(jù)庫等能反映重要空域結(jié)構(gòu)特征的數(shù)據(jù)庫。空域動態(tài)信息分析處理。該部分主要包括以下四個方面:(I)歷史飛行計劃處理。統(tǒng)計全天航班的飛行信息，預(yù)測空域的交通流量分布情況和變化情況。
(2)雷達數(shù)據(jù)統(tǒng)計。以雷達數(shù)據(jù)的更新時間為采樣周期，統(tǒng)計每個采樣時刻雷達點跡的位置，修正(I)中預(yù)測的交通特征，得到空域?qū)嶋H的交通流量分布情況和變化情況。(3)飛行狀態(tài)統(tǒng)計。以航段為統(tǒng)計單位，根據(jù)管制員與飛行員的交互信息，統(tǒng)計每個采樣時刻各架飛機的飛行狀態(tài)。(4)管制員工作負(fù)荷計算。以飛機數(shù)量化管制員工作負(fù)荷。空域模型建立。該部分主要包括以下三個方面:(I)基于空域靜態(tài)結(jié)構(gòu)信息建立復(fù)雜網(wǎng)絡(luò)；(2)基于空域動態(tài)信息建立加權(quán)復(fù)雜網(wǎng)絡(luò)；
(3)利用基于加權(quán)復(fù)雜網(wǎng)絡(luò)的K-Means聚類算法建立空域凸胞模型?？沼蛏葏^(qū)優(yōu)化劃分。該部分主要包括以下兩個方面:(I)扇區(qū)劃分?；谡麛?shù)編碼遺傳算法確定扇區(qū)的初始邊界；(2)扇區(qū)邊界優(yōu)化?；诟↑c數(shù)編碼遺傳算法調(diào)整扇區(qū)邊界，使得扇區(qū)負(fù)荷更加均衡。本發(fā)明的空域扇區(qū)劃分方法包括以下步驟:步驟一，提取空域靜態(tài)結(jié)構(gòu)信息，方法如下:( I)根據(jù)空域中關(guān)鍵點(機場、航路點、沖突點)的位置信息，建立關(guān)鍵點坐標(biāo)數(shù)據(jù)庫；(2)根據(jù)關(guān)鍵點間的航路連接情況，建立航路拓?fù)浣Y(jié)構(gòu)數(shù)據(jù)庫。步驟二，基于歷史飛行計劃，預(yù)測空域交通流量分布情況和變化情況，方法如下:(I)根據(jù)歷史飛行計劃，得到每架航班進出目標(biāo)管制空域的時間；(2)根據(jù)歷史飛行計劃，得到每架航班在目標(biāo)管制空域內(nèi)的飛行路徑，從而得到途經(jīng)的航路點及對應(yīng)的時間；(3)根據(jù)歷史飛行計劃和步驟二(I)、(2)，規(guī)定采樣時刻，計算出每個采樣時刻各架航班在目標(biāo)管制空域中的坐標(biāo)位置，建立航班航跡預(yù)測數(shù)據(jù)庫；(4)基于航班航跡預(yù)測數(shù)據(jù)庫和空域拓?fù)浣Y(jié)構(gòu)圖，預(yù)測空域交通流量的分布情況和變化情況。步驟三，基于雷達數(shù)據(jù)，得到實際的交通流量分布情況和變化情況，方法如下:(I)以雷達監(jiān)測設(shè)備數(shù)據(jù)更新的間隔時間作為采樣時間，統(tǒng)計每個采樣時刻各航班雷達點跡的位置坐標(biāo)，建立雷達點跡數(shù)據(jù)庫；(2)根據(jù)雷達點跡數(shù)據(jù)庫修正補充航班航跡預(yù)測數(shù)據(jù)庫，建立航班航跡數(shù)據(jù)庫；(3)根據(jù)航班航跡數(shù)據(jù)庫，得到空域交通流量的分布情況和變化情況。步驟四，根據(jù)管制員與飛行員的交互信息，得到每個采樣時刻各架飛機的飛行狀態(tài)，方法如下:(I)根據(jù)每架次航班在目標(biāo)管制空域內(nèi)飛行過程中，管制員與飛行員的信息交流，得到每架航班的飛行狀態(tài)改變情況；(2)基于步驟四(1)，得到每個采樣時刻各架航班的飛行狀態(tài)，建立飛行狀態(tài)數(shù)據(jù)庫。步驟五，基于飛機數(shù)量化管制員工作負(fù)荷，計算出監(jiān)視負(fù)荷、協(xié)作負(fù)荷以及沖突解決負(fù)荷，建立監(jiān)視負(fù)荷數(shù)據(jù)庫、沖突解決負(fù)荷數(shù)據(jù)庫和協(xié)作負(fù)荷數(shù)據(jù)庫。
步驟六，基于步驟一 五中得到的數(shù)據(jù)庫，建立空域加權(quán)復(fù)雜網(wǎng)絡(luò)模型，方法如下:(I)將關(guān)鍵點作為頂點，航路作為邊，根據(jù)關(guān)鍵點坐標(biāo)數(shù)據(jù)庫和航路拓?fù)浣Y(jié)構(gòu)數(shù)據(jù)庫建立空域復(fù)雜網(wǎng)絡(luò)模型；(2)提取反映主要交通特征的指標(biāo)，結(jié)合飛行狀態(tài)數(shù)據(jù)庫，建立各關(guān)鍵點的復(fù)雜性因子向量；(3)基于復(fù)雜性因子向量計算相似度，以相似度作為權(quán)值，建立加權(quán)復(fù)雜網(wǎng)絡(luò)。步驟七，基于加權(quán)復(fù)雜網(wǎng)絡(luò)的K-Means聚類算法建立空域凸胞模型。步驟八，進行扇區(qū)劃分，方法如下:(I)基于空域凸胞模型，將每個凸胞當(dāng)做虛擬點，凸胞 間連接的航路為邊。以量化后的管制員工作負(fù)荷為權(quán)值，建立空域加權(quán)圖模型；(2)基于加權(quán)圖模型進行整數(shù)編碼并初始化種群；(3)進行遺傳算法迭代操作，得到最優(yōu)子種群；(4)對最優(yōu)子種群進行解碼，得到扇區(qū)劃分。以跨越兩個扇區(qū)的航路的中點作為邊界點，確定初始扇區(qū)邊界。步驟九，進行扇區(qū)邊界優(yōu)化，方法如下:(I)將步驟八中得到的最優(yōu)子種群作為該部分遺傳算法的輸入，采用浮點數(shù)編碼，初始化種群；(2)進行遺傳算法迭代操作，調(diào)整邊界點位置，得到最優(yōu)個體；(3)對最優(yōu)個體進行解碼，得到最終的扇區(qū)邊界。本發(fā)明的空域扇區(qū)動態(tài)劃分方法普遍適用于實際空域。發(fā)明中對空域交通特征進行了充分的分析提取，基于這些空域交通特征建立的空域凸胞模型更加準(zhǔn)確全面地描述了空中交通特征。扇區(qū)邊界優(yōu)化使得劃分后的扇區(qū)負(fù)荷更加均衡。通過本發(fā)明中的扇區(qū)劃分方法得到的扇區(qū)劃分可滿足各扇區(qū)工作負(fù)荷基本均衡并在合理的閾值之內(nèi)，滿足扇區(qū)約束條件，且劃分后的扇區(qū)邊界平滑，保證管制安全。本發(fā)明的有益效果在于:(I)通過本發(fā)明中扇區(qū)劃分方法得到的扇區(qū)劃分可實現(xiàn)扇區(qū)內(nèi)管制員負(fù)荷的均衡，并盡可能減少由于扇區(qū)劃分而產(chǎn)生的協(xié)作負(fù)荷。增加了空域容量，提高了空域資源的利用率。(2)通過本發(fā)明對空域扇區(qū)結(jié)構(gòu)進行規(guī)劃，得到的扇區(qū)劃分結(jié)果滿足空域管制的安全性要求，保證了管制安全和飛行安全。


圖1為空域扇區(qū)劃分方法流程圖；圖2為提取空域靜態(tài)結(jié)構(gòu)信息流程圖；圖3為提取空域動態(tài)信息流程圖；圖4為建立空域加權(quán)復(fù)雜網(wǎng)絡(luò)模型流程圖；圖5為建立空域加權(quán)圖模型流程圖；圖6為基于整數(shù)編碼遺傳算法的扇區(qū)劃分流程圖7為整數(shù)編碼方式示意圖；圖8為基于浮點數(shù)編碼遺傳算法的扇區(qū)邊界優(yōu)化流程圖；圖9為浮點數(shù)編碼方式示意圖；圖10為應(yīng)用本發(fā)明對某日北京管制區(qū)的扇區(qū)劃分結(jié)果；圖11為應(yīng)用實例扇區(qū)內(nèi)飛機數(shù)的概率分布圖。
具體實施例方式圖1是空域扇區(qū)劃分方法流程圖，具體實施方式
如下:步驟一，提取空域靜態(tài)結(jié)構(gòu)信息，方法如下:( I)根據(jù)空域中關(guān)鍵點(機場、航路點、沖突點)的位置信息，建立關(guān)鍵點坐標(biāo)數(shù)據(jù) 庫。圖2是建立空域靜態(tài)結(jié)構(gòu)信息流程圖，圖2中關(guān)鍵點坐標(biāo)數(shù)據(jù)庫中包含關(guān)鍵點編號及其對應(yīng)的坐標(biāo)，數(shù)據(jù)庫中的坐標(biāo)是將實際的經(jīng)緯度坐標(biāo)轉(zhuǎn)換成的直角坐標(biāo)。(2)根據(jù)關(guān)鍵點間的航路連接情況，建立航路拓?fù)浣Y(jié)構(gòu)數(shù)據(jù)庫。圖2中航路連接情況可描述為兩個關(guān)鍵點之間是否有航路連接，若有，則航路拓?fù)渚仃囍袑?yīng)元素為1，反之為O。圖3為建立空域動態(tài)信息流程圖，動態(tài)信息的提取由步驟二 四完成。步驟二，基于歷史飛行計劃，預(yù)測空域交通流量分布情況和變化情況，方法如下:(I)根據(jù)歷史飛行計劃，得到每架航班進入管制空域的時間以及離開管制空域(或降落在管制空域內(nèi))的時間。(2)根據(jù)歷史飛行計劃中航班飛行途經(jīng)的關(guān)鍵點及其途經(jīng)時間，由關(guān)鍵點確定其對應(yīng)連接的航段，從而得到飛行路徑。(3)與步驟三保持一致的采樣時刻，基于已知的信息，預(yù)測每個采樣時刻各航班的位置坐標(biāo)信息，將這些坐標(biāo)信息匯總，建立航班航跡預(yù)測數(shù)據(jù)庫。(4)基于航班航跡預(yù)測數(shù)據(jù)庫和空域拓?fù)浣Y(jié)構(gòu)圖，預(yù)測空域交通流量的分布情況和變化情況。步驟三，基于雷達數(shù)據(jù)，得到實際的交通流量，方法如下:( I)以雷達監(jiān)測設(shè)備數(shù)據(jù)更新的間隔時間(一般每兩分鐘更新一次雷達顯示)作為采樣時間，記錄顯示的雷達點跡坐標(biāo)位置，得到實際的飛行航跡數(shù)據(jù)，據(jù)此建立雷達點跡數(shù)據(jù)庫。(2)根據(jù)雷達點跡數(shù)據(jù)庫修正補充航班航跡預(yù)測數(shù)據(jù)庫，建立航班航跡數(shù)據(jù)庫。實際的空中交通管理中可能出現(xiàn)航班取消、增加臨時航班、航班延誤等情況，雷達監(jiān)視反映了實時的交通情況。(3)根據(jù)航班航跡數(shù)據(jù)庫，得到空域交通流量的分布情況和變化情況。步驟四，根據(jù)管制員與飛行員的交互信息，得到每個采樣時刻各架飛機的飛行狀態(tài)，方法如下:(I)根據(jù)每架次航班在目標(biāo)管制空域內(nèi)飛行過程中管制員與飛行員的信息交流，得到每架航班的飛行狀態(tài)改變情況。管制員與飛行員的信息交流包括飛行員報告飛機位置和飛行狀態(tài)信息，管制員發(fā)出改變飛行狀態(tài)或解決沖突的指令等，由此可以得到航班在飛行過程中速度改變、航向改變等信息，并且可以得到每次飛行狀態(tài)改變對應(yīng)的時間、位置信息。(2)基于步驟四(1)，得到每個采樣時刻各架航班的飛行狀態(tài)，建立飛行狀態(tài)數(shù)據(jù)庫。步驟五，基于飛機數(shù)量化管制員工作負(fù)荷，計算出監(jiān)視負(fù)荷、協(xié)作負(fù)荷以及沖突解決負(fù)荷，建立監(jiān)視負(fù)荷數(shù)據(jù)庫、沖突解決負(fù)荷數(shù)據(jù)庫和協(xié)作負(fù)荷數(shù)據(jù)庫。步驟六，基于步驟一 五得到的數(shù)據(jù)庫，建立空域加權(quán)復(fù)雜網(wǎng)絡(luò)模型，方法如圖4所示，具體方法如下:(I)將關(guān)鍵點作為頂點，航路作為邊，根據(jù)關(guān)鍵點坐標(biāo)數(shù)據(jù)庫和航路拓?fù)浣Y(jié)構(gòu)數(shù)據(jù)庫建立空域復(fù)雜網(wǎng)絡(luò)模型。(2)提取反映主要交通特征的指標(biāo)，結(jié)合飛行狀態(tài)數(shù)據(jù)庫，建立各關(guān)鍵點的復(fù)雜性因子向量。本發(fā)明基于空域復(fù)雜性分析空中交通特征。通過主成分分析選出的代表扇區(qū)85%復(fù)雜性的五個指標(biāo):航空器平均通過時間，總的沖突數(shù)量，航空器平均速度，航空器數(shù)量，爬升的航空器比例。定義兩個主成分，分別為“密度因子”(主成分一)和“飛行態(tài)勢因子”(主成分二)。通過主成分分析法得到指標(biāo)的得分函數(shù)如下:密度因子=0.247 X平均通過時間+0.348 X總沖突次數(shù)-0.383 X平均速度-0.0llX爬升航空器比例+ 0.413X航空器數(shù)量飛行態(tài)勢因子=-0.685X平均通過時間-0.024X總沖突次數(shù)+0.141 X平均速度+0.465 X爬升航空器比例-0.153 X航空器數(shù)量采用向量空間法將關(guān)鍵點i周圍的交通特征表示成復(fù)雜性因子向量di，對于關(guān)鍵點i有:(Ii = (tn, t2i)其中，tji表示主成分j在關(guān)鍵點i周圍的值。(3)根據(jù)圖4所示的流程，基于復(fù)雜性因子向量計算相似度，以相似度作為權(quán)值，建立加權(quán)復(fù)雜網(wǎng)絡(luò)。步驟七，基于加權(quán)復(fù)雜網(wǎng)絡(luò)的K-Means聚類算法建立空域凸胞模型，方法如下:(I)根據(jù)原始數(shù)據(jù)集計算相似度，得到相似度矩陣。(2)根據(jù)相似度矩陣建立加權(quán)復(fù)雜網(wǎng)絡(luò):以數(shù)據(jù)為節(jié)點、相似度作為數(shù)據(jù)之間連邊的權(quán)值表示數(shù)據(jù)之間的連接強度。(3)計算各個節(jié)點的加權(quán)復(fù)雜網(wǎng)絡(luò)綜合特征值。(4)對各節(jié)點的加權(quán)復(fù)雜網(wǎng)絡(luò)綜合特征值進行排序，形成由大到小的隊列。(5)從隊列中依次選取K個加權(quán)網(wǎng)絡(luò)綜合特征值高、與已被選作初始聚類中心的節(jié)點之間沒有連邊的節(jié)點作為初始聚類中心。(6)以所選的k個節(jié)點作為初始聚類中心,采用K-means算法,根據(jù)相似度矩陣對數(shù)據(jù)集進行劃分迭代，形成聚類。通過上述算法將關(guān)鍵點聚成若干類，將每類最外層的點相連，形成凸胞。整個空域范圍內(nèi)即建立凸胞模型。 步驟八，進行扇區(qū)劃分，扇區(qū)劃分部分遺傳算法的迭代過程如圖6所示，方法如下:(I)基于空域凸胞模型，將每個凸胞當(dāng)做虛擬點，凸胞間連接的航路為邊。以量化后的管制員工作負(fù)荷為權(quán)值，建立空域加權(quán)圖模型，方法如圖5所示。(2)基于加權(quán)圖模型進行整數(shù)編碼并初始化種群。為了保證扇區(qū)的管制安全性，扇區(qū)包含以下幾點約束條件:凸約束、連通性約束、最小距離約束、最短穿越時間約束，在遺傳算法的設(shè)計中將充分考慮扇區(qū)約束。所以，初始化種群中所有的個體都應(yīng)滿足連通性約束。圖7為采取的整數(shù)編碼方式。(3)進行遺傳算法迭代操作，得到最優(yōu)子種群。扇區(qū)劃分有以下目標(biāo):均衡扇區(qū)內(nèi)負(fù)荷(fb)、優(yōu)化扇區(qū)間協(xié)作負(fù)荷(f。)和最大化扇區(qū)飛行時間(ft)。將扇區(qū)劃分的目標(biāo)作為適應(yīng)度函數(shù)f，描述如下:f = aifb+a2fc-a3ft其中，fb、fc和ft的表達式分別為:
權(quán)利要求
1.一種基于空中交通特征的空域扇區(qū)動態(tài)劃分方法，其特征在于包括以下步驟: 步驟一，提取空域靜態(tài)結(jié)構(gòu)信息，方法如下: (1)根據(jù)空域中關(guān)鍵點(機場、航路點、沖突點)的位置信息，建立關(guān)鍵點坐標(biāo)數(shù)據(jù)庫； (2)根據(jù)關(guān)鍵點間的航路連接情況，建立航路拓?fù)浣Y(jié)構(gòu)數(shù)據(jù)庫； 步驟二，基于歷史飛行計劃，預(yù)測空域交通流量分布情況和變化情況，方法如下: (1)根據(jù)歷史飛行計劃，得到每架航班進出目標(biāo)管制空域的時間； (2)根據(jù)歷史飛行計劃，得到每架航班在目標(biāo)管制空域內(nèi)的飛行路徑，從而得到途經(jīng)的航路點及對應(yīng)的時間； (3)根據(jù)歷史飛行計劃和步驟二(I)、(2)，規(guī)定采樣時刻，計算出每個采樣時刻各架航班在目標(biāo)管制空域中的坐標(biāo)位置，建立航班航跡預(yù)測數(shù)據(jù)庫； (4)基于航班航跡預(yù)測數(shù)據(jù)庫和空域拓?fù)浣Y(jié)構(gòu)圖，預(yù)測空域交通流量的分布情況和變化情況； 步驟三，基于雷達數(shù)據(jù)，得到實際的交通流量分布情況和變化情況，方法如下: (1)以雷達監(jiān)測設(shè)備數(shù)據(jù)更新的間隔時間作為采樣時間，統(tǒng)計每個采樣時刻各航班雷達點跡的位置坐標(biāo)，建立雷達點跡數(shù)據(jù)庫； (2)根據(jù)雷達點跡數(shù)據(jù)庫修正補充航班航跡預(yù)測數(shù)據(jù)庫，建立航班航跡數(shù)據(jù)庫； (3)根據(jù)航班航跡數(shù)據(jù)庫，得到空域交通流量的分布情況和變化情況； 步驟四，根據(jù)管制員與飛行員的交互信息，得到每個采樣時刻各架飛機的飛行狀態(tài)，方法如下: (1)根據(jù)每架次航班在目標(biāo)管制空域內(nèi)飛行過程中，管制員與飛行員的信息交流，得到每架航班的飛行狀態(tài)改變情況； (2)基于步驟四(1)，得到每個采樣時刻各架航班的飛行狀態(tài)，建立飛行狀態(tài)數(shù)據(jù)庫； 步驟五，基于飛機數(shù)量化管制員工作負(fù)荷，計算出監(jiān)視負(fù)荷、協(xié)作負(fù)荷以及沖突解決負(fù)荷，建立監(jiān)視負(fù)荷數(shù)據(jù)庫、沖突解決負(fù)荷數(shù)據(jù)庫和協(xié)作負(fù)荷數(shù)據(jù)庫； 步驟六，基于步驟一 五中得到的數(shù)據(jù)庫，建立空域加權(quán)復(fù)雜網(wǎng)絡(luò)模型，方法如下: (1)將關(guān)鍵點作為頂點，航路作為邊，根據(jù)關(guān)鍵點坐標(biāo)數(shù)據(jù)庫和航路拓?fù)浣Y(jié)構(gòu)數(shù)據(jù)庫建立空域復(fù)雜網(wǎng)絡(luò)模型； (2)提取反映主要交通特征的指標(biāo)，結(jié)合飛行狀態(tài)數(shù)據(jù)庫，建立各關(guān)鍵點的復(fù)雜性因子向量; (3)基于復(fù)雜性因子向量計算相似度，以相似度作為權(quán)值，建立加權(quán)復(fù)雜網(wǎng)絡(luò)； 步驟七，基于加權(quán)復(fù)雜網(wǎng)絡(luò)的K-Means聚類算法建立空域凸胞模型； 步驟八，進行扇區(qū)劃分，方法如下: (1)基于空域凸胞模型，將每個凸胞當(dāng)做虛擬點，凸胞間連接的航路為邊，以量化后的管制員工作負(fù)荷為權(quán)值，建立空域加權(quán)圖模型； (2)基于加權(quán)圖模型進行整數(shù)編碼并初始化種群； (3)進行遺傳算法迭代操作，得到最優(yōu)子種群； (4)對最優(yōu)子種群進行解碼，得到扇區(qū)劃分；以跨越兩個扇區(qū)的航路的中點作為邊界點，確定初始扇區(qū)邊界； 步驟九，進行扇區(qū)邊界優(yōu)化，方法如下:(1)將步驟八中得到的最優(yōu)子種群作為該部分遺傳算法的輸入，采用浮點數(shù)編碼，初始化種群； (2)進行遺傳算法迭代操作，調(diào)整邊界點位置，得到最優(yōu)個體； (3)對最優(yōu)個體進行解碼，得到最終的扇區(qū)邊界。
2.根據(jù)權(quán)利要求1所述的一種基于空中交通特征的空域扇區(qū)動態(tài)劃分方法，其特征在于，步驟七中建立空域凸胞模型的方法是:根據(jù)K-Means聚類算法將關(guān)鍵點聚成若干類，將每類最外層的點相連，形成凸 胞，整個空域范圍內(nèi)即建立凸胞模型。
全文摘要
本發(fā)明屬于空中交通管理領(lǐng)域，公布了一種基于空域交通特征的扇區(qū)動態(tài)劃分方法，其目標(biāo)在于根據(jù)管制空域中交通情況的變化確定與之相適應(yīng)的扇區(qū)劃分，以達到優(yōu)化利用空域資源目的。該方法包括空域信息提取、空域建模和扇區(qū)優(yōu)化劃分算法設(shè)計三個方面。首先，基于空域靜態(tài)結(jié)構(gòu)信息和空域動態(tài)信息建立空域拓?fù)浣Y(jié)構(gòu)等數(shù)據(jù)庫；然后將關(guān)鍵點作為節(jié)點，航路作為邊，用復(fù)雜網(wǎng)絡(luò)模型描述空域結(jié)構(gòu)；再由空域動態(tài)信息計算復(fù)雜網(wǎng)絡(luò)模型中相關(guān)聯(lián)節(jié)點的相似度，建立加權(quán)復(fù)雜網(wǎng)絡(luò)，利用基于加權(quán)復(fù)雜網(wǎng)絡(luò)的K-Means聚類算法建立空域凸胞模型；最后，將空域凸胞模型與混合編碼遺傳算法相結(jié)合，得到最終的扇區(qū)劃分結(jié)果。本發(fā)明普遍適用于實際空域。
文檔編號G06F17/30GK103226899SQ201310086530
公開日2013年7月31日 申請日期2013年3月19日 優(yōu)先權(quán)日2013年3月19日
發(fā)明者陳陽舟, 畢虹, 張德夫, 宋卓希 申請人:北京工業(yè)大學(xué)