[发明专利]基于随机Petri网的不正常航班衍生事件链式效应预测方法

摘要

本发明公开了一种基于随机Petri网的不正常航班衍生事件链式效应预测方法，步骤为：对不正常航班事件中的不确定性因素进行分析；建立不确定性因素的形式化表达方法；构建不确定性因素扰动下不正常航班事件的结构模型；建立基于航班执行过程解析的不正常航班波及模型；建立不正常航班衍生事件链的层次结构模型；建立不正常航班衍生事件链式效应解析模型，建立不正常航班衍生事件链式演化系统；构建不正常航班衍生事件演化的随机事件链Petri网模型；基于马尔科夫链标识转移概率预测不正常航班衍生事件链式效应。本发明能够提升不正常航班的预测预警精度及其引发衍生事件应急处置和航班恢复的合理性和可靠性，具有广泛的推广应用前景。

主权项

1.一种基于随机Petri网的不正常航班衍生事件链式效应预测方法，其特征在于：包括以下步骤：步骤a，对不正常航班事件中的不确定性因素进行分析；具体步骤为：根据不确定性因素的影响范围，将不确定性因素分为飞机自身不确定性因素、机场及航空公司内部不确定性因素、航线网络不确定性因素；步骤b，在步骤a的不确定性因素分析的基础上，对不确定性因素扰动下不正常航班事件进行共性分析与事件描述，建立不确定性因素的形式化表达方法；具体步骤为：将不正常航班事件的共性特征描述为不正常航班事件的作用过程导致航班正常运行秩序的破坏，采用危险供体、危险受体和映射方式对不正常航班事件进行定义：危险供体在映射方式的作用下，最终导致危险受体遭到破坏的过程；将不正常航班事件E抽象为危险供体D、危险受体R和映射方式M三个要素，进而将不正常航班事件E＝<D,R,M>表示为：D＝(d₁,d₂,…,d_i)，R＝(r₁,r₂,…,r_j)，M＝(m₁,m₂,…,m_k)，其中，D表示危险供体d_i的集合，其中，i＝1,2,…，即各种不确定性因素；R表示危险受体r_j的集合，其中，j＝1,2,…，即受到不确定性因素影响的航班、旅客；M表示映射方式m_k的集合，其中，k＝1,2,…，即延误、取消、返航、碰撞、冲突；用相关物理量表达危险供体与危险受体之间的映射关系，其中，同一个映射方式能够用不同的参数进行描述，参数数值反映了不正常航班的映射程度，由导致航班不正常的不确定性因素和航班状态决定，不同的参数之间通过相互推导，能够确定不正常航班事件中危险供体和危险受体之间的映射规律；步骤c，分析不正常航班事件的结构特征，构建不确定性因素扰动下不正常航班事件的结构模型；具体步骤为：首先，将不正常航班事件中危险供体属性集Φ、危险受体属性集Ψ和映射集Ξ表示为：Φ＝{Φ_i|i＝1,2,…}Ψ＝{Ψ_j|j＝1,2,…}Ξ＝{m_k|k＝1,2,…}其中，Φ_i代表不正常航班事件危险供体的属性，Ψ_j代表不正常航班事件危险受体的属性，m_k代表不正常航班事件的映射方式；Φ包含不正常航班事件危险供体的全部属性，Ψ包含不正常航班事件危险受体的全部属性，Ξ包含不正常航班事件的全部映射方式；其次，对不正常航班事件E的危险供体集合D和危险受体集合R建立属性函数和ψ(X)，则不正常航班事件E＝<D,R,M>有：其中，表示不正常航班事件E中危险供体D的属性，ψ(R)表示不正常航班事件E中危险受体R的属性；危险供体D和危险受体R的属性决定了其是否能产生映射，进而为不正常航班事件的映射方式m构建属性映射判定函数γ_m(P,Q):其中，P为不正常航班事件中危险供体的属性集，Q为不正常航班事件中危险受体的属性集；γ_m＝1时说明包含属性集P的不确定性因素能够和包含属性集Q的航班产生映射m；γ_m＝0时说明不确定性因素和航班不能产生映射m；相应的，对任意不正常航班事件的映射集M＝{m_k|k＝1,2,…}构建属性映射判定函数γ_M(P,Q):其中，γ_M(P,Q)表示，若具有P属性集的危险供体D能够在映射集M中m的映射下与具有Q属性集的危险受体R发生相互作用，则称危险供体D与危险受体R产生映射M；最终将不确定性因素扰动下的不正常航班事件结构模型描述为：E＝<D,R,M>步骤d，考虑航班之间的关联性，将不确定性因素融入不正常航班波及过程中，根据不确定性因素的触发时机对航班执行过程进行细分，建立基于航班执行过程解析的不正常航班波及模型；具体步骤为：根据各种不确定因素对不正常航班带来的连锁反应，考虑不确定性因素的触发时机和不正常航班在时间轴上的波及规律，将航班执行过程细分为滑出阶段、爬升阶段、巡航阶段、下降阶段、滑入阶段和服务保障阶段，计算实际关舱门、起飞、着陆、开舱门、过站服务保障时间与计划时间的差值，精确定位航班延误的发生阶段，所述航班延误的发生阶段包括关舱门延误DT^b、起飞延误DT^d、滑出延误DT^to、爬升延误DT^cl、巡航延误DT^cr、下降延误DT^la、开舱门延误DTo、滑入延误DT^ti、过站服务保障时间TS，根据不正常航班演化过程，推导出如下不正常航班波及模型：N次不正常航班波及的数学形式：由此可推导出整条航班链中最后一个航班的关舱门延误时间步骤e，分析不正常航班执行过程中可能引发的衍生事件，根据衍生事件的演化模式，分析不正常航班衍生事件的链式波及效应，建立不正常航班衍生事件链的层次结构模型，描述不正常航班衍生事件之间的逻辑关系；具体步骤为：将不正常航班事件的波及描述为产生了不正常航班衍生事件，根据航班不正常的发生阶段，分析不正常航班衍生事件的表现形式及特征，抽象出不正常航班衍生事件的演化方式，即直链式演化、发散式演化和集中式演化和循环式演化；对不正常航班衍生事件进行层次结构划分，根据不正常航班事件E＝<D,R,M>，其衍生事件为E^S，将不正常航班可能引发的全部衍生事件集表示为：上式中，当i＝1时，说明先前事件只能引发一个衍生事件E^S，先前事件E与衍生事件E^S形式一种最基本的事件链单元，描述如下：L(E→E^S)当不正常航班衍生事件形成一种多层直链式结构时，则将上一层事件E_i与其衍生事件E_i+1的链式关系描述为：当不正常航班事件同时诱发多个衍生事件时，形成一种发散式演化结构，则将这种情况下的航班延误衍生事件链式关系结构描述为：在不正常航班衍生事件演化过程中，当多种不同的事件同时诱发了相同的衍生事件时，将源事件集表示为：O_E＝{E|E_i→E^S,i＝1,2,…,n}，将多个源事件导致相同衍生事件发生的链式关系结构描述为：L(E_i→E^S),i＝2,…,n步骤f，挖掘衍生事件的各种作用形式及作用过程，探究衍生事件发展演化机理，建立不正常航班衍生事件链式效应解析模型，推演不正常航班引发的各种衍生事件，建立不正常航班衍生事件链式演化系统；具体步骤为：将可能引发的各种不正常航班事件E，记作E₁,E₂,…,E_n，在不确定性因素的作用下，任意两个不正常航班事件或衍生事件E_i和E_j之间关系表示为：由上式建立能够描述存在于不正常航班事件中的衍生关系的布尔型矩阵：根据布尔运算法则，将不正常航班事件的n级衍生关系矩阵表示为其中，a’_ij＝(a_i1∩a_1j)∪(a_i2∩a_2j)∪…∪(a_ik∩a_kj),k＝1,2,…,n；a’_ij代表不正常航班事件之间的二级衍生关系，进而根据逻辑和运算，得到最终的不正常航班事件衍生关系矩阵U：其中，衍生关系矩阵U中的元素u_ij代表航班延误事件E_i能否经过很多次的衍生后引发另一事件E_j；针对不正常航班事件发生后可能引发的n个事件E₁,E₂,…,E_n，构建事件状态转移矩阵E＝[e₁,e₂,…,e_n]，矩阵中元素e_i含义如下：不正常航班事件发生后，必然会相继引发各种衍生事件，则事件状态转移矩阵E＝[e₁,e₂,…,e_n]将随时间而变化；t时刻的事件状态转移矩阵由该时刻的不正常航班事件状态决定，结合可能发生的n个不正常航班事件的衍生关系矩阵A，推演出不正常航班事件中可能引发的各级衍生事件：其中，矩阵中的每个元素代表由t时刻的不正常航班事件推演出的k级衍生事件，其中，i＝1,2,…,n；同理得到任何时刻不正常航班事件的衍生趋势；根据上述不正常航班衍生趋势的推演，梳理不正常航班及其波及导致的下游航班或下游机场航班不正常的一系列衍生事件链，形成一种多级、多层次的不正常航班链式关系，分析衍生事件之间相互耦合作用，构建不正常航班衍生事件链式演化系统；步骤g，引入随机Petri网模型，利用随机Petri网离散事件动态表达和并行计算方法，构建不正常航班衍生事件演化的随机事件链Petri网模型；步骤h，根据随机Petri网与马尔科夫链的同构关系，将不正常航班衍生事件演化的随机事件链Petri网模型转化为马尔科夫链，基于马尔科夫链标识转移概率预测不正常航班衍生事件链式效应。