一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法技术

本发明专利技术公开了一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法，包括步骤1、通过构建航班宏观时空网络拓补模型，分析并获得影响繁忙机场航空器离港滑行时间的时间、空间和环境维度的特征因素，基于所得出的特征因素与离港滑行时间的相关性进行特征因素筛选，然后分别构建时间维度特征集、空间维度特征集和环境维度特征集；步骤2、时间维度特征集、空间维度特征集和环境维度特征集构成繁忙机场航空器离港滑行时间预测模型特征集，用于繁忙机场航空器离港滑行时间预测。本发明专利技术准确识别和构建了表征航空器离港滑行时间关键因素的特征变量集合，提高了航空器离港滑行时间预测模型的精度。模型的精度。模型的精度。

A construction method of feature set of aircraft departure taxi time prediction model in busy airports

【技术实现步骤摘要】
一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法


[0001]本专利技术属于机场场面运行优化领域，具体涉及一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法。

技术介绍

[0002]2017年8月，民航局发布《关于进一步统筹推进机场协同决策(A
‑
CDM)建设的通知》(Airport Collaborative Decision Making，A
‑
CDM)，要求年旅客吞吐量三千万人次及一千万人次以上的机场分别要在2018年和2019年年底前完成A
‑
CDM建设，进一步明确了在全行业推进A
‑
CDM系统建设的时间节点。
[0003]A
‑
CDM系统通过集成空管、航空公司、机场三个独立的子系统搭建出一个信息交互、数据共享的航空运输一体化平台，旨在保障安全的前提下，运用智能化信息系统提高飞机放行效率，从而达到提升机场运行品质的效果。实践表明A
‑
CDM系统在减少航班总体延误、扩大机场容量等方面起到了积极作用。
[0004]然而在A
‑
CDM系统中对于离港航班推出时刻(Calculated Off
‑
Block Time，COBT)的计算，是将每个离港航班的计算起飞时间(Calculated Take
‑
Off Time，CTOT)减去历史平均滑行时间。但航班离港滑行的过程具有较大的不确定性，仅凭经验预测滑行时间的传统管理模式已不能满足A
‑
CDM系统的要求。
[0005]为使A
‑
CDM系统充分发挥协同决策的优势，研究机场运行特点、挖掘表征场面运行的关键特征，并设计合适的算法来提高离港滑行时间预测的准确性，对优化场面运行、提高A
‑
CDM机制下起飞时刻的执行率具有重要价值。
[0006]飞机滑行时间预测模型的特征构建研究现状：由于不同机场的场面构型不同，其运行方式和运行规则也存在较大差异，因此航空器在不同机场的离港滑行时间影响因素也有所区别。
[0007]近年来，无阻碍滑行时间作为评价机场拥挤程度和滑行效率的指标在美国和欧洲机场率先得到应用并证实了这一指标的适用性，但国内机场目前尚未建立起统一的指标，只是规定了各大型机场的平均滑行时间，这种粗放式的估计显然不适用于场面运行效率的评估。
[0008]以往的研究中对于离港滑行时间预测模型的特征构建主要围绕场面流量展开，并着重论述了流量因素对离港滑行时间的重要影响，但仅引入场面流量的特征变量构建还不够全面，诸如航站楼构型、机位间的相互影响等在实际运行中尤为关键的影响因素在以往的研究中鲜有涉及，预测模型的准确度存在较大的进步空间。

技术实现思路

[0009]本专利技术所要解决的技术问题是针对上述现有技术的不足，提供一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法。
[0010]为实现上述技术目的，本专利技术采取的技术方案为：
[0011]一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法，包括：
[0012]步骤1、通过构建航班宏观时空网络拓补模型，分析并获得影响繁忙机场航空器离港滑行时间的时间、空间和环境维度的特征因素，基于所得出的特征因素与离港滑行时间的相关性进行特征因素筛选，然后分别构建时间维度特征集、空间维度特征集和环境维度特征集；
[0013]步骤2、时间维度特征集、空间维度特征集和环境维度特征集构成繁忙机场航空器离港滑行时间预测模型特征集，用于繁忙机场航空器离港滑行时间预测。
[0014]为优化上述技术方案，采取的具体措施还包括：
[0015]上述的步骤1分析得出时间维度的特征因素包括机场场面流量、机场容量、无阻碍滑行时间、运行时间段和相邻时段航班离港滑行时间；
[0016]空间维度的特征因素包括滑行距离、航站楼构型、机位影响指数和离港跑道；
[0017]环境维度的特征因素包括机型和航空公司类别。
[0018]上述的步骤1通过构建航班宏观时空网络拓补模型标注进离场航班的时空衔接节点，根据航班时空网络拓补模型中进离港航班的衔接关系，关注离港航班撤轮挡时间和起飞时间、进港航班的落地时间和上轮挡时间，依据时间节点产生的先后顺序，将不同时间区间内的进离港航班进行划分，并定义构建相互独立的使用同跑道进离港的航班流量特征；
[0019]将航班流量的统计范围由同跑道流量拓展至整个场面的数据，得出整场的离港流量特征和进港流量特征，共构建出n个与航班流量相关的特征变量，分别计算n个特征变量与离港滑行时间的相关性；
[0020]将具有相同时间跨度的航班流量与离港滑行时间的相关系数进行纵向对比，得出机场整场的拥堵程度对离港滑行时间的影响要大于使用同跑道起降航班的相互影响；将进港流量和离港流量进行同维度横向对比，得出相比于进港流量，离港航班的数量对出港滑行时间的影响更大；
[0021]根据上述分析，将相关系数为负数的变量剔除后，筛选得到用于构建时间维度特征集的场面流量特征。
[0022]上述的步骤1根据机场容量的定义与计算公式，对样本航班进行统计，得出机场的平均离港滑行时间为x，则得到用于构建时间维度特征集的机场容量特征为航班预计起飞前n内起降的飞机总数；
[0023]步骤1首先基于APO(FAA Aviation Policy and Planning Office，APO)方法进行改进，构建进、离港飞机数与实际滑行时间的多元线性回归模型来计算无阻碍滑行时间，然后分析无阻碍滑行时间与离港滑行时间的相关性，根据相关系数，判断无阻碍滑行时间是否可用于构建时间维度特征集；
[0024]步骤1对样本数据的平均延误时长和场面航空器数量进行分段分析，采用K
‑
means聚类算法将运行时段按小时进行划分，得出用于构建时间维度特征集的运行时间段；
[0025]步骤1将滑行时间离散化处理为每15min一个单位，计算航班i推出前15min内使用同跑道离港的其他航班的平均滑行时间t
dep
，分析t
dep
与航班离港滑行时间T
out
的相关性分析，结合相关系数，判断相邻时段航班离港滑行时间是否可用于构建时间维度特征集。
[0026]上述的步骤1通过机场地面管制部门提供的场面运行规则和路径，依据机场CAD底
图量取每个机位至跑道口的滑行距离，将数据进行归一化处理后得到离港滑行时间和滑行距离的关系模型，对该模型进行准确度、可决系数和相关系数计算，判断滑行距离是否可用于构建空间维度特征集。
[0027]上述的步骤1通过分析各机位组所属的航站楼构型，所述航站楼构型包括直线型航站楼构型和卫星型航站楼构型；
[0028]以平均离港滑行时间为度量，在各个机位分组的基础上将离港航空器所在的机位组和离港跑道一一匹配，对所有“机位组
‑
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法，其特征在于，包括：步骤1、通过构建航班宏观时空网络拓补模型，分析并获得影响繁忙机场航空器离港滑行时间的时间、空间和环境维度的特征因素，基于所得出的特征因素与离港滑行时间的相关性进行特征因素筛选，然后分别构建时间维度特征集、空间维度特征集和环境维度特征集；步骤2、时间维度特征集、空间维度特征集和环境维度特征集构成繁忙机场航空器离港滑行时间预测模型特征集，用于繁忙机场航空器离港滑行时间预测。2.根据权利要求1所述的一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法，其特征在于，步骤1分析得出时间维度的特征因素包括机场场面流量、机场容量、无阻碍滑行时间、运行时间段和相邻时段航班离港滑行时间；空间维度的特征因素包括滑行距离、航站楼构型、机位影响指数和离港跑道；环境维度的特征因素包括机型和航空公司类别。3.根据权利要求2所述的一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法，其特征在于，步骤1通过构建航班宏观时空网络拓补模型标注进离场航班的时空衔接节点，根据航班时空网络拓补模型中进离港航班的衔接关系，关注离港航班撤轮挡时间和起飞时间、进港航班的落地时间和上轮挡时间，依据时间节点产生的先后顺序，将不同时间区间内的进离港航班进行划分，并定义构建相互独立的使用同跑道进离港的航班流量特征；将航班流量的统计范围由同跑道流量拓展至整个场面的数据，得出整场的离港流量特征和进港流量特征，共构建出n个与航班流量相关的特征变量，分别计算n个特征变量与离港滑行时间的相关性；将具有相同时间跨度的航班流量与离港滑行时间的相关系数进行纵向对比，得出机场整场的拥堵程度对离港滑行时间的影响要大于使用同跑道起降航班的相互影响；将进港流量和离港流量进行同维度横向对比，得出相比于进港流量，离港航班的数量对出港滑行时间的影响更大；根据上述分析，将相关系数为负数的变量剔除后，筛选得到用于构建时间维度特征集的场面流量特征。4.根据权利要求2所述的一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法，其特征在于，步骤1根据机场容量的定义与计算公式，对样本航班进行统计，得出机场的平均离港滑行时间为x，则得到用于构建时间维度特征集的机场容量特征为航班预计起飞前n内起降的飞机总数；步骤1首先基于APO方法进行改进，构建进、离港飞机数与实际滑行时间的多元线性回归模型来计算无阻碍滑行时间，然后分析无阻碍滑行时间与离港滑行时间的相关性，根据相关系数，判断无阻碍滑行时间是否可用于构建时间维度特征集；步骤1对样本数据的平均延误时长和场面航空器数量进行分段分析，采用K
‑
means聚类算法将运行时段按小时进行划分，得出用于构建时间维度特征集的运行时间段；步骤1将滑行时间离...

【专利技术属性】
技术研发人员：唐小卫，陈祯，张生润，任思豫，丁叶，吴佳琦，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：