文摘
民航的快速发展,空中交通流量的增加扩张带来了严峻的挑战,目前的空域系统的服务能力,使控制部门的操作越来越复杂。准确的量化部门情境复杂性是提高空域的服务能力的基础系统。现有的研究忽略了弹性空中交通系统的复杂性的航班变化,不能完全描述空中交通情况下的动态特性。由于这个原因,一个新的空中交通复杂度评估算法提出了基于系统的弹性。首先,空中交通状况建立了基于机上的网络交互。然后整个行业复杂性指数基于网络效率、平均网络故障率和平均回收率是建立网络。然后,复杂性指数验证了分析的雷达数量ZSSSAR01(上海)1扇区。通过建立部门优化模型复杂性,部门空中交通的复杂性及其波动可以大大减少通过改变一些航班的起飞时间。最后,通过优化领域的复杂性,减少控制器的工作负载,和空中交通操作的安全性和效率提高。
1。介绍
随着全球经济的稳定发展,空中交通的需求和流动不断增加。然而,它由空域拥堵,遇到延迟飞行,和工作负载增加的控制器。此外,航空行业的运行情况,为基本空间单元,变得更加复杂。空中交通运行情况的复杂性是控制器工作负载的核心影响因素。因此,研究空中交通复杂度的评估和控制策略部门将大大有助于减少控制器的工作量和提高运营安全性和效率。
现有的研究普遍认为,空气操作应该集力避免空中交通的互动。在此基础上,提出了很多方法来减少空中交通互动的复杂性。为了避免空中交通互动,现有研究空中交通复杂度的评估重点是飞机密度,动态密度,交通流干扰,和复杂性度量基于机上关系。例如,王等人认为潜在的相互作用作为一个有影响力的因素的发生飞行冲突和建立一个空中交通复杂度模型与动态加权网络通过考虑空域和交通流的影响(1,2]。根据机上朗达等人分析了空中交通复杂度的关系基于飞行路径,以避免机上互动(3- - - - - -5]。减少终端的冲突地区,东和温分析终端交通组织的复杂性关系使用非线性力学理论和近似熵(6]。控制过度的相互作用在飞机的方法,王等人研究了接近飞机和冲突分离指数的影响,建立了一个复杂的计算模型部门机上的影响关系,并提出了算法的复杂性和单一的飞机扰动下的部门分配的复杂性7]。Hirabayashi等人提出了一个“困难指数”衡量空域空中交通管制的复杂性,根据实际数据进行模拟和可视化的飞行计划,和企图未来应用程序基于跟踪运动(8]。习空中交通的复杂性提出了半监督学习模型评估。实验结果表明,该模型能有效利用未标记样本中包含的复杂性评价信息,并实现更好的性能比传统的监督评估者当牺牲等量的标签样本9]。华和陈提出了一个基于航路空域复杂性测量方法构造约束和一个“飞机对”模型,修改一个空域复杂耦合模型(10]。实际空域运动实验数据验证,该模型可以反映空间耦合情况和空域复杂性之间的飞机。然而,上述研究中使用的指标不能完全描述空中交通复杂度和过分关注行业的当前空中交通形势的复杂性而忽略了空中交通行业的复杂性在战略阶段。其他研究人员已经研究了复杂性从空中交通密度和动态密度的角度。Prandini等人提出了一种新的基于空中交通复杂度测量方法实况转播的交通密度(11),但这种方法只适用于独立分离为未来的运动控制飞机。朱等人提出了一个small-sample-based集成学习模型来测量空中交通行业的复杂性(12]。这些研究关注空中交通复杂度的探索,但很少评估未来空中交通行业的复杂性因为航班的战略阶段。复杂网络理论是一个主要的工具研究复杂系统科学和复杂性。塞巴斯蒂安等人系统地评价交通网络的鲁棒性利用社区结构和分离两种有效和可伸缩的网络分解算法提出的社区,同时考虑交通网络节点删除和边缘切除。结果提供了一个可伸缩的网络拆除的方法,阐明共同性的重要角色节点/边对鲁棒性改善,和深化我们对交通网络的模块化的理解(13]。然后,我们等人提出了一个新颖的视角来解决网络拆除问题。网络小说的疗效方法拆除提供了一个优秀的进攻质量之间的平衡和可伸缩性(14]。特别是,复杂网络理论引入研究空中交通控制系统和空中交通的复杂性。小王和歌曲用复杂网络来研究气道网络和路由网络在中国15]。之后,基于复杂网络的社区结构,他们描述了空中交通的结构情况下,建立了飞机聚类模型,并提出基于深度优先遍历的飞机发现集群算法[16]。总的来说,现有的研究过于关注战术作战,但忽略了战略控制的空中交通行业的复杂性。此外,空中交通的动态和弹性变化情况的不断变化下的飞行路径将被忽略。与此同时,其他研究没有考虑基于轨迹的概念要求的操作在未来空中交通管理系统。在这项研究中基于系统恢复力的想法,空中交通复杂度的评价指标设计行业应对基于轨迹的操作需求在空中交通管理系统。空中交通复杂度在行业战略阶段是评估和优化减少控制器的工作负载,提高空中交通管制系统的运作效率,因为控制器的工作负载的影响因素,如空中交通流,空域结构,空中交通管制设备质量差异、个体差异、认知策略。空中交通复杂度是研究空中交通流量和空域特征评估的复杂性控制部门。因此,通过优化减少空中交通的复杂性将减少控制器的工作负载在一定程度上,从而提高空中交通运行的效率在一定程度上。
2。空中交通网络分析
2.1。描述的问题
空中交通管制部门的运行情况由来自不同机场的航班(图1)。本研究的目的是预测目标的空中交通复杂度部门在航班起飞之前。基于系统弹性理论,评价指标来衡量目标行业的空中交通复杂度会被识别,和空中交通的复杂性在部门合理控制。本文研究的问题是基于以下假设:trajectory-based操作(31)的概念是正确的,轨迹预测精度高,以及特殊天气和军事活动的影响轨迹不考虑。本文研究了三个问题。第一个是空中交通复杂度的评估,第二个是验证空中交通复杂度评价模型在本文提出的优化问题是第三部门空中交通的复杂性。
2.2。机上的交互
基于上述假设,本文提出了一种新的方法来测量机上交互。
在起飞之前,一个中转飞行计划通常是交付给控制领域。该计划涵盖了航班号,起飞机场,机场目标,计划起飞时间,和一个中转的锚点。通过检查航班的中转地点目标相关的部门,它是有价值的发现所有航班进入目标行业的未来。
首先,基于历史数据的飞行,飞行时间和飞行高度的出发点为飞行路径点计算的决心。平均值和标准偏差的飞行时间和高度的计算在每一个路标的数据样本。然后,进一步计算95%置信区间的飞行时间和高度样本。这个区间作为一系列的飞行时间和高度可用于后续的研究,这将提高数据的有效性模型建设。最后,交互的程度是可视化的形式图(图2)。
图2显示了如何确定飞行时间和高度的相互作用之间的相互作用的两个航班。飞行和飞行从不同的机场起飞,表示和 。和这两个航班和飞行飞在同一路径,表示 。关注航班的集合,通过相同的路径, ,确定交互的程度。
如果预测相会点时间范围的航班和满足的方程(1),相会点两个航班的时间范围是“互动”,和纵向相互作用两个航班, ,重叠的时间的比例是较小的两个航班的飞行时间的价值。 否则 。
如果预测相会点高度范围的航班和满足的方程(3),两个航班的相会点高度范围视为“相交”,和垂直互动两个航班, 的比率是重叠的海拔高度的较小值范围的两个航班。 否则 。
纵向的和交互和垂直交互的两个航班确定方程(5)。
2.3。空中交通情况下网络的建设
图3演示了一个部门的空中交通网络模型。根据复杂网络理论,通过路标的航班是节点。如果纵向交互或垂直交互发生在两个航班,这两个节点共享一个边缘,边缘的重量是两个航班的互动价值。节点之间的连接关系由一个相邻矩阵表示 。
接下来,空中交通情况的行业网络模型的基础上模拟飞行数据将被建立。表1列出了套航班预计通过路标点LJG,行业,FQG。根据机上交互方法判断,邻近的机上交互矩阵(表决定2)。
2.4。空中交通状况评价的复杂性
空中交通状况复杂的行业本质上是一个空中交通系统的所有元素之间的交互(15]。网络模型的上述部门空中交通状况显然代表组成的网络情况下航班之间的相互作用,以及空中交通情况变得更加复杂当部门涉及更多的航班之间的相互作用。
Latora和Marchiori研究复杂网络的小世界特性,提出了一个整体网络有效性指数来衡量网络破坏电阻(17]。该指数衡量网络中节点之间的最短路径长度。在方程(6),总体网络有效性和吗节点的距离。当没有连接两个节点的路径和 , 是 。
这个指数反映了网络效率仅从结构特性的角度,但空中交通情况的部门是一个加权网络,航班视为节点,边机上交互,交互的值作为权重。因此,不适合这个网络的平均距离,所有边的权值网络中必须考虑。空中交通网络效率的情况下, ,在一个部门计算如下:
在上面的方程中,节点之间的重量吗和 。的价值决定从方程(1)- (5)。空中交通网络效率的部门反映了情况航班预计进入部门之间的交互。因为空中交通行业的复杂性本质上是航班之间的交互的部门,网络效率可以作为指标来衡量这个领域的空中交通复杂度。更大的,潜在的航班在部门之间的相互作用,以及更复杂的空中交通部门。
然而,网络的使用效率本身是不足以反映这个领域的空中交通复杂度。两种空中交通情况的网络效率值都是8,但是空中交通复杂性反映在这两种情况下(图是不同的4)和空中交通的变化情况部署后的航班也是不同的。空中交通情况动态变化与飞行调整反映了系统的弹性。因此,空中交通情况的元素之间的交互网络是衡量系统弹性的概念。后的系统性能改变不同干扰(图5)。之前,系统初始状态下受扰动影响。扰动发生后,随着时间的推移系统性能开始下降,但是该系统可能会在三个不同的路线。途中,破坏性事件的负面影响消散时,系统性能将逐渐恢复在没有外部干预的情况下,直到它返回原来的稳定状态。途中B,系统最终达到一个新的稳定的状态。途中C,破坏程度超过系统的容许极限,所以该系统完全崩溃。南和Sansavini提出一个系统弹性定量评价方法和验证其有效性在电力系统18]。崔等人建立了一个指挥信息系统supernetwork模型,提出了指挥信息系统supernetwork弹性测量方法基于概率攻击和弹性策略。然后在防空指挥信息系统的某些地区,他们测量了系统可塑性,以应对不同的攻击方法和恢复策略(19]。王等人建立了一个机场网络模型和分析空中交通系统的操作性能和韧性基于网络拓扑结构和动态属性(20.]。小王和苗族建立了中国大陆航空部门网络模型和指数领域网络弹性和比较这指数在不同恢复策略21]。此外,子图结构韧性提出了描述网络拓扑结构的动态演变规律。发现子图结构弹性和网络宏观结构变化非常一致的(22]。
在空中交通情况下网络,干扰是指调整轨迹的空中交通管制员。在战略阶段,一些飞行冲突可以解决通过调整预计起飞时间和飞行高度等参数。调整后,航班之间的交互变化,intrasectoral形势的复杂性和intrasectoral空中交通情况下网络的结构也发生了变化。假设扰动越小的飞行轨迹的调整,但损害越大空中交通态势的结构网络,建议大量潜在的航班之间的交互可以削弱了少数飞行跟踪调整。它反映了原始情境减少复杂性网络。换句话说,一个更大的复杂性在最初的空中交通态势需要大量的飞行轨迹进行调整,以有效地减少潜在交互航班之间的关系。因此,它是有价值的,反映了交通的复杂性动态强度的部门通过系统的弹性。
当控制器调整相关航班在空中交通情况的网络领域,空中交通网络情况可能改变沿着三个方向。在第一个方向,空中交通的效率情况下网络行业正逐渐减弱,但随着时间慢慢扩大,与路由图一致5。在第二方向,这基本上是与第一方向一致,网络是更严重的破坏,和变化趋势基本上是一致的路线在图5。在第三方向,当控制器调整飞行轨迹时,空中交通网络逐渐破坏情况,最终崩溃。
当系统采用弹性反映空中交通情况的复杂程度,网络效率不能全面衡量空中交通复杂度。南和Sansavini提出了一个定量评价方法的系统弹性(18),系统破坏率被定义为的速度性能损失后系统受到外部干扰的影响。系统在扰动破坏率可以被定义为平均系统的破坏率:
在上面的方程中,平均系统损坏率;是在破坏阶段的行数;的系统性能 - - - - - -线。
灵感来自使用弹性表达平均系统的破坏率,我们提出了平均网络破坏速度 :
在上面的方程中,是规范航班总数;和总机上交互的部门之前和之后的航班调整,分别;代表了 - - - - - -航班调整。
如果控制器调整只有几个航班,机上的交互变化小,空中交通行业形势的复杂性较低。如果控制器调整许多航班,机上的交互变化概率,空中交通行业形势的复杂性高。因此,当在一个更大的平均网络破坏率,空中交通行业形势的复杂性较低。当速度较小的平均网络破坏,复杂性高。
回收率是指当系统干扰性能恢复率最低的性能水平:
在上面的方程中,平均系统回收率,在经济复苏阶段的行数。灵感来自于系统回收率,我们提出了平均网络回收率 :
在上面的方程中,是恢复航班总数;代表了 - - - - - -th随机恢复飞行; 代表机上的和交互的部门飞行后恢复;代表机上的和交互的部门飞行之前恢复。
根据元素在空中交通情况下的网络部门,一个交互相关飞行复苏是随机选择的。然后为每个飞行,独立相关的相互作用是恢复,最后值平均平均网络回收率。航班调整后,空中交通复杂度的部门可以降低到一定的水平。然而,随机因素,如天气可能导致增加的数量在目标机上交互领域。出于这个原因,介绍了随机回收率平均网络测量空中交通复杂度的变化。一个更大的平均网络随机回收率指示目标的空中交通部门更为复杂,反之亦然。
根据上述评价指标的部门空中交通的复杂性,一个整体复杂性指数提出了基于综合考虑:
在上面的方程中,代表整个空中交通形势的复杂性。代表的网络效率部门的空中交通网络。代表了最大的网络效率下可用的网络。代表平均网络中断率。代表网络的平均回收率。
3所示。验证与模拟
3.1。例子
本研究将给一个例子来说明各种指标的计算测量空中交通情况的复杂性。给出一个简单的场景,在该场景中,有三个锚点,计算过程是解释在空中交通状况的三个部门在三个阶段(图6)。三个时期的飞行仿真数据如表所示3。
在第一个时期,有四个航班。建立了空中交通网络情况根据方程(1)- (5),然后根据方程(网络效率计算7)。平均网络破坏率和平均随机回收率可以(表计算4)。
在计算平均损伤率和平均随机回收率,空中交通网络分为15例。破坏率和恢复率在不同程度的网络损伤和不同程度的恢复。这项研究是基于假设网络受损后,恢复像以前一样大网络损坏。在现实的空中交通管制中,飞行轨迹的调整可能会影响到大气条件下,飞机性能和重量,航空公司所使用的效率标准和控制器的看法,导致不同的网络损伤率和随机复苏的水平。这里,平均网络损伤率和网络平均回收率在不同条件下,最后,平均网络损伤率和平均随机回收率(表5)。
4所示。与实际数据验证
验证新的复杂性度量,本节将从上海01部门使用真实的历史数据。由于华东地区空中交通容量相对较大的新年每年1月左右,在这项研究中使用的数据是上海的飞行数据部门01从1月1日到1月7日,2019年。图7显示ZSSSAR01的空间结构。
数据显示7天,航班飞行时间和飞行高度从全国各个机场到上海部门计算01路点数据8和9)。数据作为样本来估计该航班飞行时间和飞行高度飞行的飞行范围传递的真实情况。计算平均值和标准偏差从每个机场部门中的每个路标的样本,并进一步计算出相应的样本的95%置信区间的范围从相应的机场飞行时间和飞行高度对应的路标。然后得到飞行时间范围和point-passing高度范围在每一个路标在每个机场的部门。
数据10和11演示飞行时间和飞行高度,从ZSSS ZSPD, ZSNB, ZSHX, ZSNJ,广州,或者ZGSZ路标点ABVIL或ELNEX ZSSSAR01。显然,每个机场的飞行时间和飞行高度路径点在该行业变化稳定的范围内,和飞行时间呈正相关的距离起飞指向这个领域。
上述统计分析数据表明通过飞行时间和飞行高度相同的路径在一定范围内变化。然后分析了这种变化的原因。在基于性能的导航(PBN),整个系统错误会导致真正的从校准偏差路线,导致飞行一段时间偏差通过锚点。起飞时间的不确定性也会影响飞行的通行时间。由于高空风的影响,飞行迅速变化,导致一个变化点通过飞行的时间。飞行飞行高度的变化受到很多因素的影响,如空气状态,飞机性能和重量,航空公司所使用的效率标准和要求控制器。
根据历史数据,最低飞行持续时间、最大飞行持续时间、最低point-passing高度,最大point-passing高度在每个路标在每个机场ZSSSAR01进行了统计分析。每一部分从20:59喂饲,有关飞机的部门构成了空中交通网络。空中交通复杂度在每次段从喂饲20:59计算。飞机传递这个领域的数量在每一个段数,和网络连接密度在空中交通情况下网络构成了在每个分段计算。由于空中交通网络是一个加权网络,网络连接密度表示网络中节点之间的连接,但不能反映节点之间连接的重要性。网络效率不仅能反映连接情况也连接的重要性。
网络连接密度在每一段不显著相关的复杂性或飞机数量,但复杂性和飞机数量明显(图一致12)。因此,网络连接密度并不能反映了空中交通行业的复杂性,但是它所提出的整体复杂性指数可以揭示空中交通的复杂性。然而,飞机数量的持续时间08:00-08:59 09:00-09:59一样,但是复杂性是不同的。那么这些差异原因解释。
如数据所示13和14绿点的总面积,路标代表总数的交互相关的飞行路径。09:00-09:59,路标点ABVIL之间的交互的价值,托尔,MULOV,行业MOLGU大于08:00-08:59。例如,有水平的相互作用在4航班和垂直互动5航班路标MULOV 08:00-08:59。在09:00-09:59,有水平的交互8航班和垂直互动9航班。没有水平的交互或垂直交互在路标MOLGU 08:00-08:59,但是有3航班和垂直水平相互作用相互作用在09:00-09:59 6的航班。这些结果表明整个行业复杂性可以更准确地反映空中交通行业的复杂性。
5。空中交通复杂的优化
5.1。描述的问题
由于空中交通复杂度,预计抵达时间目标部门可以控制和机上的相互作用可以减少通过改变预计开航时间,这将降低空中交通复杂度。基于数学模型提出的五个假设。(1)确定的需求。航班的总数。(2)没有无线广播的等待。因为无线广播的等待将提高燃料成本和安全成本,成本的实况转播的等待是高于地面延误。(3)没有航班取消。航班取消可能由于天气、流量控制、机械故障、或其他原因。为简化数学模型,这里不考虑航班取消。它是假定没有航班会取消飞行计划。(4)某些先进的航班数量。这里的控制变量是航班的起飞时间变更。考虑某些航班数量可以进一步减轻空中交通复杂度的目标行业。(5)其他领域的能力通过飞行路线和空中交通复杂度的其它行业不考虑。
5.2。建模
有航班 ,一套飞行 ,和路点 在目标领域。航班的起飞时间是 ,起飞时间变化 ,最低飞行时间传递路径是 ,最大飞行时间 ,最低飞行高度 ,最大飞行高度 。期间08:00-20:59分为13段,每持续一个小时, 。
决策变量。起飞时间变化量每个航班的决策变量。
优化目标1:让空中交通复杂度的和从13段部门是最小的。空中交通的复杂性在段时间可以从方程计算(1)- (5),(7),(9),(11)和(12)。
优化目标2:让航班起飞时间变化的总和最小。
优化目标3:让调整航班总数最小值。
如果航班的起飞时间改变是0,这个航班是不调整;如果起飞时间变化不是0,这个航班调整。
约束条件是起飞时间变化的范围。根据民航总局的规定,延迟15分钟内被认为是一个正常的飞行。因此,调整是有限的时间15分钟。
空中交通复杂度的优化是一个多目标问题,和不同的目标是相互关联。优化目标的多目标优化问题是非常困难的。出于这个原因,与不同的权重分配的目标是,通过线性加权多目标问题转化成简略优化问题可以解决。然而,由于缺乏共同的衡量标准在不同的目标,目标的重要度不能量化,很难达到最终目标的满意度。此外,不同目标的权重系数应该由重复实验,花很多时间。
Messac提出物理编程算法来解决多目标优化设计问题(23)不需要权重的确定,为解决多目标优化问题提供一个新的线索。在物理编程,一个无量纲的偏好函数反映了在每个目标是设计的偏好。然后偏好函数合成为一个全面的偏好函数,这被认为是最终的物理编程的优化目标。
在物理编程中,四种类型的指数可以根据不同的偏好:(1)小指标对应于更好的偏好,(2)指数在特定的值对应于最优偏好,(3)更大的指标对应于更好的偏好,和(4)指数在一定范围内对应于最优的偏好。本研究只关注第一类型和阐释的意义与第一类物理编程示例(图15)。(1)备受期待的领域 预期的目标价值是在这个范围;(2)将域 在这个范围内预期目标值;(3)可接受域 在这个范围内可接受的目标价值;(4)意想不到的领域 出人意料的目标值是在这个范围内;(5)多意想不到的领域 多意想不到的目标价值是在这个范围。
这样设计偏好功能结合指标具有不同的物理含义相同的数量级,便于计算和比较。优化基于物理编程经历三个步骤。首先,偏好结构设计,和偏好函数确定的边界值。第二,偏好函数解决,并根据其边界值,每个偏好函数的参数是解决。第三,目标函数,从而给出了reverse-calculated偏好函数值。之后,整体偏好物理编程问题的澄清,并进一步优化的算法。根据这三个目标函数的特点,偏好函数设置为分段函数值在[0,1]。偏好函数表示如下:
在上面的方程中,目标价值, 范围和边界点的偏好吗是首选值在每个边界点。这里是指以下方程
这样,偏好函数构造,并对任何目标价值,相应的价值偏好函数可以确定从方程(18)。3目标,让是 - - - - - -客观的。然后整体偏好物理编程或即优化目标函数可以确定从方程(19)。在这一刻,简略优化问题的多目标优化问题转换。
5.3。算法
由于线性算法缺乏全局搜索能力和无法找到优化问题的最优解,利用智能算法。遗传算法是一种模拟生物进化和智能算法广泛应用于组合优化、机器学习、机器学习、信号处理。在这项研究中可以解决组合优化问题的遗传算法。遗传算法经过六个步骤(24]。(1)初始化种群。每个个体的染色体随机分配,设置的值在给定的范围内根据约束。(2)计算的健康。适应度函数要求函数值应大于或等于0。首选项的值函数以下是大于或等于0,这满足了上述要求。最大遗传算法获得的健康就是最优值。(3)选择操作。选择的个体是轮盘赌方法。选择操作是一个“适者生存”的过程以健身为标准。选择个体的概率正比于它的健康。(4)交叉操作。从人口个体是随机选择的,一个随机数生成每一对交叉操作之前的个人。随机数时小于交叉概率,基因的起始和结束点的一个片段了是随机生成的,和两个人的片段交换跨越,形成两个新的个体。(5)变异操作。生成一个随机数,而突变概率。如果随机数是较小的,两个不同基因点是随机选择和交换他们的位置,一个变异操作。例如,基因1和4点网站之前和之后随机突变 和 ,分别。(6)确定最优染色体和最优函数值的偏好。基于综合考虑,遗传算法的参数设置为:人口数量80,基因一代400的数量,交叉概率为0.9,和变异概率为0.8。
5.4。优化结果与分析
复杂性20:00-20:59的持续时间进行了优化。随着迭代次数增加,空中交通的复杂性领域越来越接近最优值(图16),从而表明该算法具有较高的收敛。
每个周期是过滤的复杂性。当超过阈值的复杂性,周期是优化。优化结果如图17。阈值取决于工作负载的宽容的控制器。本文阈值设置为最大值的80%历史的复杂性。通过遗传算法优化后,所有四个高峰时期的复杂性降低,低于平均水平。的航班,通过调整四个高峰时期,平均复杂度降低了从0.71到0.66。这表明优化是有效的和有意义的。
从数据18- - - - - -20.,它是发现,在postoptimization时期, , ,和 ,优化后这三个指标变化明显。优化后, 已经比以前下降更明显的优化。优化后的平均网络破坏率显著增加比以前的优化。随机平均回收率显著降低优化后比以前的优化。这三个组合在一起的效果下,空中交通的复杂性也显著降低。
复杂变化的标准差较小的振幅优化后(图21)。优化后的复杂性在每个周期波动较小的水平比以前优化,并且不会引起严重的波动的工作负载控制器和控制器的工作是有利的。
图22显示了调整飞机飞机体积,体积,和调整飞机的比例。优化期间调整飞机的比例从18%到23%不等。起飞时间每航段的变化范围从40到55分钟,平均变化起飞时间从3.6到6.3分钟飞行(图23)。根据航班延误的定义和分析的结果,可以看出,小成本调整航班起飞时间不会导致大量延迟飞行,同时,它将带来较大的复杂性减少部门的空中交通,减少控制器的工作负载一定的积极意义。
6。结论
一个新的空中交通复杂度评估算法提出了基于系统的弹性。首先,空中交通状况建立了基于机上的网络交互。然后整个行业复杂性指数基于网络效率、平均网络故障率和平均回收率是建立网络。然后验证复杂度指数通过分析真正的雷达数量ZSSSAR01(上海)1扇区。通过建立部门优化模型复杂性,部门空中交通的复杂性及其波动可以大大减少通过改变一些航班的起飞时间。因此,它有一定的积极意义为减少控制器的工作负载,提高空中交通的运行效率。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者在合理的请求。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作是支持的关键项目(没有天津科技计划。21 jczdjc00840)和中国国家自然科学基金(没有。U1833103)。