[发明专利]一种基于需求与容量不确定性的机场拥挤风险预测方法

权利要求书

1.一种基于需求与容量不确定性的机场拥挤风险预测方法，通过计算机系统辅助实现，所述计算机系统主要由客户端/服务器（C/S）模式构成，计算机系统包括空域导航数据库、仿真驱动子系统、机场网络建模子系统、航班计划子系统和显示与交互子系统，其特征在于，计算机系统中还包括一个运行在客户端的机场拥挤风险预测子系统，所述机场拥挤风险预测子系统用作机场拥挤风险预测方法的实现平台；

机场拥挤风险预测子系统包括机场需求的不确定性预测模块；机场容量的不确定性预测模块和机场拥挤的不确定性预测模块；其中：

机场需求的不确定性预测模块是根据多个时段的航班实际到达或离开机场的时刻与计划到达或离开机场的时刻，建立航班到达或离开机场的概率密度函数，进而建立进港或离港交通的概率需求预测模型；

令T为时间间隔，为航空器f_i实际进场的时刻，为航空器f_i预计进场的时刻，为航空器f_i进场的延误时段，则；为航空器f_i实际离场的时刻，为航空器f_i预计离场的时刻，为航空器f_i离场的延误时段，则；x为任意给定的航空器f_i进场的延误时段，y表示任意给定的航空器f_i离场的延误时段；n为“航空器f_i进场”的总次数，n’为“航空器f_i离场”的总次数，n(x)为“”发生的次数，为“”发生的次数，为“”发生的次数；为航空器f_i在时刻t进场的概率；n_i为预计在间隔i到达的航班量；p_ij为预计在i间隔到达的航班实际在j间隔到达的概率；P_M[m]为某时间段内机场中有m架航空器进场的概率，M为机场中该时间段内可能存在的进场的航空器总数量；

由伯努利大数定理，建立航班进场和离场延误时间的概率密度模型：

；

假设预计在i间隔到达的航班实际在j间隔到达的概率相同，且服从二项分布，建立j间隔实际交通需求为k的概率密度函数：

      （1）

建立第j间隔内实际发生m架航空器进场（离场）的概率需求预测模型： 

  （2）

机场容量的不确定性预测模块是基于不同时间段的进港和离港容量，建立机场容量样本，然后采用主成分分析与K均值聚类的方法对容量样本进行聚类，得到典型容量样本，建立基于典型容量样本的进港（或离港）交通的概率容量预测模型；

（1）建立机场进离场容量样本；

（2）计算样本空间W={x₁,x₂,…,x_m}的样本协方差矩阵S的特征值λ₁＞=λ₂＞=…＞=λ_m ，与之对应的m个单位特征向量组成的矩阵为U=(u₁,u₂,…,u_m)∈R^m*m；

（3）根据主成分的累计贡献率是否大于或等于阈值β₀来确定主成分个数p’，令U_p为由U的p’个列组成的m*p’矩阵，其中，a_i∈R^1*p’,i=1,2,…,p’表示矩阵U_p’的第i行；

（4）从约减后的样本空间，随机选择k个数据，分别代表k个类的初始中心，令迭代次数l=1，J_c(0)=M，M为比较大的正数，J_c(0)为误差平方和准则初始值；

（5）对W’中每个数据，计算其与各个类中心的欧几里德距离，然后将它分给距离最短的类；欧几里德距离计算公式如下：

                                                   （3）

其中，x_i=(x_i1,x_i2,…,x_in)，x_i∈W’；c_k=(c_k1,c_k2,…,c_kn)表示第k个分类的中心；

（6）采用求平均值的方法重新计算每个类的中心：

                                                            （4）

其中，表示第k分类样本集合；m_k表示中的样本数目；

（7）采用误差平方和法确定聚类收敛准则：

                                                 （5）

如果∣J_c(I)-J_c(I-1)∣＜ε，ε为指定的较小的正数，则聚类收敛，算法停止；否则l=l+1，重新进行迭代计算，直至达到最大迭代次数为止；

（8）通过统计不同类中所对应样本的个数，将其与总样本数相除，来得到某时间段具有各典型容量样本所对应容量值的概率：

                 ，其中s_i为第i类包含的样本个数；          （6）

机场拥挤的不确定性预测模块是基于机场需求的不确定性预测模块的预测结果和机场容量的不确定性预测模块的预测结果，将需求与容量预测值相比较，进而建立机场拥挤的不确定性预测模型；

分别计算进场（或离场）的交通需求小于交通容量的概率之和，分别得到进场（或离场）交通在第j时段发生拥挤的风险：

    （7）

然后将进场拥挤风险和离场拥挤风险相比较，选风险值较大者作为机场拥挤风险；

所述机场拥挤风险预测方法，其特征在于，利用所述机场需求的不确定性预测模块实现机场需求的不确定性预测，利用所述机场容量的不确定性预测模块实现机场容量的不确定性预测，利用所述机场拥挤的不确定性预测模块实现机场拥挤的不确定性预测的步骤；

步骤1：在机场网络建模子系统中输入机场网络结构数据、航路航线数据，在航班计划子系统中编制航班计划数据，设置仿真时间，调用仿真驱动子系统，统计各进场航班的预计到达时刻和实际到达时刻，各离场航班的预计离开时刻和实际离开时刻信息；统计每天不同时段的机场进离场容量值；

步骤2：在机场拥挤风险预测子系统的机场需求不确定性预测模块中分别建立三种模型：

基于不同进场或离场航班到达或离开的实际时间以及与其相对应的预计时间，统计该航班的进场或离场延误时间，基于伯努利大数定理，根据公式（1）建立该航班进场或离场到达或离开的延误时间概率密度函数模型；

步骤3：根据预测时间段及其前后各2个相邻时间段的航班数据库表，并判断是否有新添加的或取消的航班信息，其中，相邻时间段是指在一个时间序列中，与所研究时间段相邻的时间段；根据公式（2）基于数据库表中各航班的延误时间概率密度函数建立预测时间段进场或离场交通的概率需求预测模型，计算预测时间段的不同进场或离场交通需求值及其所对应的概率分布p_m,(m=1,2,…,M)，表示需求为m时的概率，在机场拥挤风险预测子系统的机场容量不确定性预测模块中，基于容量样本的相似性，采用模糊聚类即主成分分析方法与K-means方法相结合的方法，实现对机场容量的不确定性预测，其中，容量样本是指将每一天的某个时间区间，按照某一时间间隔划分为若干个时间段，每一个时间段对应着一个容量值，这样构成的一条容量时间序列，其具体步骤如下：

a、基于机场进场容量和离场容量建立机场容量样本模型U，该容量样本的前半部分为一天中各时间段进场交通容量的时间序列，后半部分为一天中各时间段离场交通容量的时间序列，从而将进场容量和离场容量相组合构成一个容量样本模型；

b、采用主成分分析方法对机场容量样本进行降维处理，得到降维后的容量样本矩阵U_l；

c、基于K-means方法对U_l进行聚类，并采用误差平方和J_c验证聚类的收敛准则，其中聚类数目可以取不同的值，然后选取聚类效果最好的所对应的聚类数目作为最终的聚类数目K，并得到K个典型容量样本；

d、基于典型容量样本，建立概率容量预测模型，计算预测时间段的典型容量值，及其各自的取值概率q_i(i=1,2,…,K)；

步骤4：在机场拥挤风险预测子系统的机场拥挤不确定性预测模块中，建立机场拥挤的概率预测模型，计算机场拥挤的风险值，其中，p_m对应的需求大于等于q_i对应的容量；

步骤5：机场拥挤的风险预测结果在显示与交互子系统中显示出来。