进场交通流预测装置制造方法及图纸

本发明专利技术涉及一种进场交通流预测装置，其包括：模型集合构造模块，适于建立长短期记忆网络为基础的进场交通流预测模型，根据不同的参数构造模型集合；最优模型获取模块，适于选取模型集合中的最优模型，并将所选取最优模型在实际测试集上验证；拥堵等级预测模块，适于将最优模型的参数固定，并对交通拥堵等级进行预测。通过建立长短期记忆网络为基础的进场交通流预测模型来获取进场态势，便于管理人员客观、准确的度量终端区的交通运行态势。

Approach Traffic Flow Prediction Device

【技术实现步骤摘要】
进场交通流预测装置
本专利技术涉及航空领域，具体涉及一种进场交通流预测装置。
技术介绍
随着经济的增长，以及人们活动范围的增加，使得航班量增加，导致终端区拥堵问题日益突出。客观、准确的度量终端区的交通运行态势，分析其规律性动态变化特征，是辅助管制人员采取合适的流量调配措施必要支持手段。目前国内对于空域交通态势仍基本停留在态势仿真、感知与显示的层面，尚未形成有效的评价体系与方法。关于空域交通态势的研究现状如下：尚未将交通态势从基本的直观感知，抽象为具体的数据信息；尚未建立完整的扇区态势评价指标集合与体系，已有的指标集中与某一方面，且指标粒度细化程度较低。除航路态势评价鲜有研究之外，对管制扇区/终端区的态势综合评价尚处于空白，对空域管理与流量管理缺乏支持。因此对于终端区进场交通态势进行准确的预测可以弥补上述的空白区域，从而为终端区管制员做出正确决策提供重要依据。如何解决上述问题，是目前亟待解决的。
技术实现思路
本专利技术的目的是提供一种进场交通流预测装置。为了解决上述技术问题，本专利技术提供了一种进场交通流预测装置，包括：模型集合构造模块，适于建立长短期记忆网络为基础的进场交通流预测模型，根据不同的参数构造模型集合；最优模型获取模块，适于选取模型集合中的最优模型，并将所选取最优模型在实际测试集上验证；拥堵等级预测模块，适于将最优模型的参数固定，并对交通拥堵等级进行预测。本专利技术的有益效果是，本专利技术提供了一种进场交通流预测装置，其包括：模型集合构造模块，适于建立长短期记忆网络为基础的进场交通流预测模型，根据不同的参数构造模型集合；最优模型获取模块，适于选取模型集合中的最优模型，并将所选取最优模型在实际测试集上验证；拥堵等级预测模块，适于将最优模型的参数固定，并对交通拥堵等级进行预测。通过建立长短期记忆网络为基础的进场交通流预测模型来获取进场态势，便于管理人员客观、准确的度量终端区的交通运行态势。附图说明下面结合附图和实施例对本专利技术进一步说明。图1是本专利技术所提供的进场交通流预测装置的智能终端的方框示意图。图2是本专利技术所提供的进场交通流预测装置的原理框图。图3是本专利技术所提供的额外飞行距离与相对飞行速度散点图。图4是本专利技术所提供的航迹吻合度与相对飞行速度散点图。图5是本专利技术所提供的LSTM单元内部结构图。图6是本专利技术所提供的预测模型概念图。具体实施方式现在结合附图对本专利技术作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本专利技术的基本结构，因此其仅显示与本专利技术有关的构成。请参阅图1，是本专利技术实施例提供的进场交通流预测装置的智能终端300的方框示意图。可以包括进场交通流预测装置200、存储器210、存储控制器220、处理器230、外设接口250、显示触摸屏240。存储器210、存储控制器220、处理器230、外设接口250、显示触摸屏240各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可以通过一条或多条通讯总线或信号线实现电性连接。进场交通流预测装置200可以包括至少一个可以软件或固件的形式存储于存储器210中或固化在智能终端300的操作系统中的软件模块，例如手进场交通流预测装置200所包括的软件功能模块及计算机程序等。其中，存储器210可以是，但不限于，随机存取存储器(RandomAccessMemory，RAM)，只读存储器(ReadOnlyMemory，ROM)，可编程只读存储器(ProgrammableRead-OnlyMemory，PROM)，可擦除只读存储器(ErasableProgrammableRead-OnlyMemory，EPROM)，电可擦除只读存储器(ElectricErasableProgrammableRead-OnlyMemory，EEPROM)等。其中，存储器210用于存储程序，处理器230在接收到执行指令后，执行所述程序。处理器230以及其他可能的组件对存储器210的访问可以在存储控制器220的控制下进行。处理器230可能是一种集成电路芯片，具有信号的处理能力。上述的处理器230可以是通用处理器，包括中央处理器(CentralProcessingUnit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本专利技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。外设接口250将各种输入/输出装置耦合至处理器230以及存储器210.在一些实施例中，外设接口250、处理器230以及存储控制器220可以在单个芯片中实现，在其他一些实施例中，他们可以分别由独立的芯片实现。显示触摸屏240用于接收外部的触摸操作，并将外部操作发送给处理器230处理，从而将外部表的操作转化为手势轨迹。可以理解，图1所示的结构仅为示意，智能终端300还可以包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或者其组合实现。下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例如图2所示，本实施例提供了一种进场交通流预测装置。进场交通流预测装置通过建立长短期记忆网络为基础的进场交通流预测模型来获取进场态势，便于管理人员客观、准确的度量终端区的交通运行态势。包括：模型集合构造模块，适于建立长短期记忆网络为基础的进场交通流预测模型，根据不同的参数构造模型集合；最优模型获取模块，适于选取模型集合中的最优模型，并将所选取最优模型在实际测试集上验证；拥堵等级预测模块，适于将最优模型的参数固定，并对交通拥堵等级进行预测。其中，模型集合构造模块包括：数据获取单元，适于获取进场交通流数据；交通流样本获取单元，适于依据进场交通流数据获取进场交通流样本集D＝{x1，x2，...，xm}进场交通特征定义单元，适于定义的进场交通特征；拥挤等级分类计算单元，适于计算拥挤等级分类；训练集与测试机构建单元，适于对数据进行清洗与预处理，依据交通流特征与等级分类结果构建训练集与测试机；模型集合设置单元，适于建立进场交通流态势等级预测模型，并设置模型集合。在本实施例中，由于机场航班具有高度的汇聚性，可将其视为一个整体的以机场为汇聚点的汇聚流，所述进场交通特征包括：额外飞行时间Ad_Tk，指在统计时间片k内终端区中进场航空的飞行时间超出其对应的参考航迹参考时间的平均时长，即：其中m为终端区的进场交通流数量，Nj为第j进场流在时间片k内航迹数量，tij为进场流j中第i个航迹的飞行时长，为进场流j的参考航迹时长；额外飞行距离Ad_Dk，本文档来自技高网...

【技术保护点】
1.一种进场交通流预测装置，其特征在于，包括：模型集合构造模块，适于建立长短期记忆网络为基础的进场交通流预测模型，根据不同的参数构造模型集合；最优模型获取模块，适于选取模型集合中的最优模型，并将所选取最优模型在实际测试集上验证；拥堵等级预测模块，适于将最优模型的参数固定，并对交通拥堵等级进行预测。

【技术特征摘要】
1.一种进场交通流预测装置，其特征在于，包括：模型集合构造模块，适于建立长短期记忆网络为基础的进场交通流预测模型，根据不同的参数构造模型集合；最优模型获取模块，适于选取模型集合中的最优模型，并将所选取最优模型在实际测试集上验证；拥堵等级预测模块，适于将最优模型的参数固定，并对交通拥堵等级进行预测。2.如权利要求1所述的进场交通流预测装置，其特征在于，所述模型集合构造模块包括：数据获取单元，适于获取进场交通流数据；交通流样本获取单元，适于依据进场交通流数据获取进场交通流样本集D＝{x1，x2，...，xm}进场交通特征定义单元，适于定义的进场交通特征；拥挤等级分类计算单元，适于计算拥挤等级分类；训练集与测试机构建单元，适于对数据进行清洗与预处理，依据交通流特征与等级分类结果构建训练集与测试机；模型集合设置单元，适于建立进场交通流态势等级预测模型，并设置模型集合。3.如权利要求2所述的进场交通流预测装置，其特征在于，所述进场交通特征包括：额外飞行时间Ad_Tk，指在统计时间片k内终端区中进场航空的飞行时间超出其对应的参考航迹参考时间的平均时长，即：其中m为终端区的进场交通流数量，Nj为第j进场流在时间片k内航迹数量，tij为进场流j中第i个航迹的飞行时长，为进场流j的参考航迹时长；额外飞行距离Ad_Dk，指在统计时间片k内终端区中进场航空的飞行距离超出其对应的参考航迹长度的平均距离，即：其中dij为进场流j中第i个航迹的飞行时长，为进场流j的参考航迹距离；相对速度Av_Vkr，是指统计时间片k内，终端区进场航空器所对应的参考航迹长度与实际飞行时间比值的平均水平，即：其中为进场流j中第i个航空器的相对飞行速度；航迹吻合度Av_Ck，是指统计时间片k，所有航空器飞行轨迹与定位点对应参考航迹间差异性的平均水平，距离计算方式采用欧式距离，c′ij是转换后的吻合度，航迹吻合度，即：交汇排队数量Av_Wk，是指统计时间片k内进入终端区的航空器，自进入终端区到落地时间范围内前序航班数量的平均水平，即：其中，wij为进场流j中第i个航空器的排队数；平均下降率Av_Hk，是指统计时间片k内，进场航空器进入终端区垂直下降速率的平均水平，其中hij为进场流j中第i个航空器的平均下降速率，平均下降率，即：总飞行时间是指统计时间片k内，各进场流各航空器总的飞行时间；总飞行距离是指统计时间片k内，各进场流各航空器总的飞行距离。4.如权利要求3所述的进场交通流预测装置，其特征在于，所述拥挤等级分类计算单元适于利用聚类算法得到拥挤等级分类，即聚类簇之间距离度量函数d采用豪斯多夫的平均距离，即：将聚类数k设置为3，聚类过程如下：设置当前聚类簇个数：q＝m；Whileq＞kdo找出距离最近的两个聚类簇Cj*和Cj*；合并Ci*与Cj*：Ci*＝Ci*∪Cj*；Forj＝j*+1，j*+2，…，qdo将聚类Cj重新编号为Cj-1；Endfor删除距离矩阵M的第j*行与第j*列；输出簇划分C＝{C1，C2，C3}，得到三种进场交通流态势类别，分别对应畅通态、过渡态、拥堵态。5.如权利要求4所述的进场交通流预测装置，其特征在于，所述训练集与测试机构建单元适于对数据进行清洗与预处理，依据交通流特征与等级分类结果构建训练集与测试机，即：依据等级分类结果对进场交通流数据进行embedding处理，得到one-hot矩阵；依据分类结果以及one-hot矩阵得出训练和测试用数据集D′＝{(Xi，Ci)}，Xi＝(xi1，xi2，…，xid)，Ci＝(c0，c1，c2)；对数据集依据公式进行归一化处理，其...

【专利技术属性】
技术研发人员：袁立罡，陈海燕，郑洪峰，谢华，胡明华，何巍巍，张颖，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32