交通流模式識(shí)別技術(shù)在流量管理中的應(yīng)用-

1、專業(yè)探索為解決實(shí)時(shí)運(yùn)行中對(duì)管制扇區(qū)容量的動(dòng)態(tài)評(píng)估,本文對(duì)預(yù)測扇區(qū)容量提出了一個(gè)新的方法,該方法中,交通復(fù)雜度由交通流模式?jīng)Q定。量化交通流特征的可預(yù)測性,并用來描述交通流模式。將扇區(qū)容量視作交通流模式的一個(gè)函數(shù)為預(yù)測扇區(qū)容量提供了一個(gè)很好的方法。對(duì)于每一種交通流模式,基于觀測到的系統(tǒng)性能,我們得到了扇區(qū)容量,避免了直接度量管制員的工作負(fù)荷和預(yù)先定義工作負(fù)荷閾值。一、研究背景將模式識(shí)別技術(shù)應(yīng)用于扇區(qū)容量預(yù)測,進(jìn)而為流量管理人員提供決策支持。在美國的國家空域系統(tǒng)(NAS中,流量管理用于平衡空中交通需求與空域容量之間的矛盾,來確?？罩薪煌鞯陌踩焖佟５?空域容量的預(yù)測是有一定困難的。在當(dāng)今的NAS

2、中并沒有定義扇區(qū)容量的評(píng)估指標(biāo),因此沒有預(yù)測扇區(qū)容量的自動(dòng)化工具。從目前掌握的資料來看,增強(qiáng)的交通管理系統(tǒng)(ETMS提供了一項(xiàng)擁堵告警功能:將一分鐘內(nèi)飛機(jī)數(shù)量的峰值(監(jiān)視/告警參數(shù),MAP視為一個(gè)扇區(qū)擁堵報(bào)警的判據(jù)。但這個(gè)峰值并不是扇區(qū)容量,而只是一個(gè)經(jīng)驗(yàn)值,當(dāng)預(yù)測的交通流量需求超過該經(jīng)驗(yàn)值時(shí),就會(huì)提醒流量管理人員關(guān)注潛在的擁堵扇區(qū)。一個(gè)扇區(qū)的實(shí)際容量依賴于其內(nèi)交通流的復(fù)雜度,以及惡劣天氣存在與否。在不引起管制員超負(fù)荷工作的前提下,扇區(qū)容量可以根據(jù)在給定的時(shí)間段內(nèi)進(jìn)入扇區(qū)的飛機(jī)的數(shù)量來定義,即管制員可以安全指揮的航空器數(shù)量的最大值?；谔囟〞r(shí)期的管制員工作負(fù)荷,歐控實(shí)驗(yàn)中心(EEC建立了一個(gè)數(shù)

3、學(xué)模型來估計(jì)扇區(qū)容量。圖1將管制員工作負(fù)荷看做是飛機(jī)數(shù)量的函數(shù)。我們可以看到:相同數(shù)量的飛機(jī)可以產(chǎn)生不同的工作負(fù)荷。CAPAN(容量分析工具利用一個(gè)拋物線來描述管制員工作負(fù)荷,并用該曲線和預(yù)先定義的工作負(fù)荷閾值交點(diǎn)的橫坐標(biāo)來計(jì)算扇區(qū)容量。進(jìn)一步考慮,由于管制員工作負(fù)荷不僅是飛機(jī)數(shù)量的函數(shù),同時(shí)也是交通復(fù)雜度的函數(shù),所以扇區(qū)容量作為管制員工作負(fù)荷的一個(gè)指標(biāo),對(duì)于具有不同復(fù)雜度的不同交通流模式是不同的。動(dòng)態(tài)密度(Dynamic Density概念嘗試在空域中將與管制有關(guān)的工作負(fù)荷看作是飛機(jī)數(shù)量和交通復(fù)雜度的函數(shù)。在MITRE對(duì)動(dòng)態(tài)密度度量的可預(yù)測性研究中,在給定的提前預(yù)測時(shí)間內(nèi),計(jì)算了一個(gè)動(dòng)態(tài)密度

4、度量的預(yù)測值和真實(shí)值之間的相關(guān)程度。在這個(gè)研究中,假設(shè)在一個(gè)已知的提前預(yù)測時(shí)間內(nèi),如果相關(guān)系數(shù)低于0.3,則認(rèn)為這個(gè)度量的預(yù)測不夠精確。通過研究發(fā)現(xiàn),在流量管理的時(shí)間區(qū)間內(nèi)交通流模式識(shí)別技術(shù)在流量管理中的應(yīng)用Application of technology of traffic flow modeidentification in traffic flow management民航局空管局仲鋒惟李泉圖1扇區(qū)容量評(píng)估專題/FOCUS6空中交通管理2009年第7期(30-120分鐘,預(yù)測性比較好的度量是那些描述集群信息的,而不是僅考慮單個(gè)飛機(jī)或者飛機(jī)對(duì)之間相互影響的度量。因此本文從交通流的角度切

5、入到流量管理的研究,而不是傳統(tǒng)方法的從單個(gè)飛機(jī)考慮。二、交通流和流的特征飛機(jī)流是指在通過一片空域時(shí)表現(xiàn)出相似特征的一群飛機(jī)。飛機(jī)可以由不同的目的劃分成不同的流。由于描述扇區(qū)交通流模式的目的是表示扇區(qū)的交通復(fù)雜度,我們通過定義流來反映扇區(qū)管制員的控制策略。由于管制員的主要工作是將飛機(jī)在他們所管制的扇區(qū)內(nèi)從前一個(gè)扇區(qū)安全有效地移到下一個(gè)扇區(qū),所以可以在一個(gè)扇區(qū)內(nèi)定義有相同進(jìn)入扇區(qū)和相同到達(dá)扇區(qū)的一群飛機(jī)為一個(gè)流。因此,對(duì)于一個(gè)給定的扇區(qū),扇區(qū)內(nèi)的每一個(gè)流是由一個(gè)三元數(shù)組來標(biāo)識(shí)的:上一扇區(qū)當(dāng)前扇區(qū)下一扇區(qū)。通過對(duì)實(shí)際飛行的初步觀察表明:在大多數(shù)扇區(qū)中三元數(shù)組可以區(qū)分不同的流。當(dāng)然在有些情況下,三元數(shù)

6、組并不足以識(shí)別所有的流。對(duì)于這些情況,附加第四扇區(qū)或高度參數(shù),可能對(duì)唯一標(biāo)識(shí)一個(gè)流有所幫助。根據(jù)分析,我們定義流是一個(gè)三元數(shù)組,并且該三元數(shù)組至少含有兩架飛機(jī)。我們用下面流的特征來描述交通流模式,并且表明交通復(fù)雜程度:(1主要流:包含飛機(jī)數(shù)目最多的流;(2主要流大小:主要流所含的飛機(jī)的數(shù)目;(3流的數(shù)量:至少含有兩架飛機(jī)的三元數(shù)組的數(shù)量;(4合并流的數(shù)量:若兩個(gè)流含有相同的下一扇區(qū),那么這兩個(gè)流是合并的;(5上升流的數(shù)量:若平均出口高度至少在平均進(jìn)口高度以上300米處,則稱該流為爬升流;(6下降流的數(shù)量:若平均出口高度至少在平均進(jìn)口高度以下300米處,則稱該流為下降流;(7穿越流的數(shù)量:模型建

7、立過程中,每一個(gè)流看作是連接進(jìn)口點(diǎn)和出口點(diǎn)之間的線段;如果兩條線段之間的最短距離小于5海里,我們稱其為穿越流。三、交通流特征的可預(yù)測性對(duì)于給定扇區(qū)的交通流模式,我們可以通過不同的方法來得到其對(duì)應(yīng)的容量,如基于外部仿真工具的方法、基于算法的方法或者兼顧二者的混合方法,因此為了能夠準(zhǔn)確預(yù)測扇區(qū)容量,交通流模式必須是可預(yù)測的,或者說有著比較好的預(yù)測性。因此,用來描述交通流模式的交通流特征的可預(yù)測性非常重要。我們用MITRE在動(dòng)態(tài)密度度量預(yù)測的研究中所提出的方法來研究流特征的預(yù)測性。圖2給出了2004年1月18號(hào)華盛頓某扇區(qū)(ZDC16的交通流特征的可預(yù)測性。如圖2所示,分鐘航班數(shù)峰值的預(yù)測值與實(shí)際值

8、之間相關(guān)程度最高。一般情況下,提前預(yù)測的時(shí)間越長,預(yù)測值與實(shí)際值之間的相關(guān)程度就越低。對(duì)于同一扇區(qū)的不同日期,交通流特征的預(yù)測結(jié)果不同,但有相似的變化趨勢。圖3給出在2004年1月21號(hào)的扇區(qū)ZDC16預(yù)測結(jié)果。如圖3所示,主要流和流的數(shù)量較其他的交通流特征有較好的預(yù)測性,對(duì)于爬升流數(shù)量的預(yù)測值與真實(shí)值之間沒有線性聯(lián)系。容易想到,對(duì)于不同扇區(qū),交圖22004年1月18日扇區(qū)ZDC16交通流特征的預(yù)測圖32004年1月21日扇區(qū)ZDC16交通流特征的預(yù)測圖42004年1月19日ZID66交通流特征的預(yù)測專題:空管新技術(shù)研究與應(yīng)用7Air Traffic Management/2009(7專業(yè)探索

9、通流特征的可預(yù)測性是不同的,這是因?yàn)樯葏^(qū)的位置、形狀、航班類型和航路結(jié)構(gòu)是不同的。圖4給出了2004年1月19日扇區(qū)ZID66的交通流特征的預(yù)測結(jié)果。將圖2與圖3和圖4進(jìn)行比較,在ZID66中流特征的整體可預(yù)測性比ZDC16低。僅有流的數(shù)量、下降流的數(shù)量和合并流的數(shù)量在未來2個(gè)小時(shí)內(nèi)是可預(yù)測的。對(duì)于上升流的數(shù)量和主要流的最長有效預(yù)測時(shí)間是一個(gè)小時(shí)。綜上所述,交通流特征在流量管理的時(shí)間區(qū)間內(nèi)具有比較好的可預(yù)測性。集群信息減少了在預(yù)測結(jié)果在均值周圍波動(dòng)的振幅,吸收了部分不確定性。四、用模式識(shí)別的方法辨識(shí)交通流模式自組織映射(Self-Organizing Map,簡寫SOM是神經(jīng)網(wǎng)絡(luò)方向的一項(xiàng)技術(shù)

10、,多用于聚類分析,這里我們將其應(yīng)用于識(shí)別歷史交通流模式,并進(jìn)行分類。假設(shè)現(xiàn)在我們已經(jīng)知道了可預(yù)測的交通流特征,我們將可預(yù)測的交通流的特征使其包含在SOM的輸入特征矩陣中。例如,在扇區(qū)ZDC16中,流的數(shù)量、主要流和下降流的數(shù)量的預(yù)測性比較好,所以,用這三個(gè)交通流特征包含在流特征矩陣內(nèi)作為SOM的輸入數(shù)據(jù)。我們用歸一化距離矩陣來顯示歷史交通流模式的簇。圖5是由SOM給出的扇區(qū)ZDC16的交通流模式的U-矩陣,這是SOM通過分析5個(gè)月內(nèi)每15分鐘的交通流模式得到的一種可視化結(jié)果。在交通流模式的基本集和它們所對(duì)應(yīng)的扇區(qū)容量已經(jīng)確定的前提下,對(duì)于由預(yù)測的交通流特征所得到的交通流的模式,未來的扇區(qū)容量可

11、以通過模式識(shí)別獲得。若主要的交通流模式與扇區(qū)ZDC16和ZID66中的交通流一樣簡單,那么模式識(shí)別可以通過簡單的規(guī)則匹配來實(shí)現(xiàn)。否則,通過尋找SOM上的U-矩陣的最佳單元,甚至可預(yù)測的交通流模式與任何歷史交通流模式都不相同,模式識(shí)別可以通過如SOM來實(shí)現(xiàn)。結(jié)論交通復(fù)雜度,交通流模式,管制員工作負(fù)荷和扇區(qū)容量之間的關(guān)系可以由圖6表示出來。在已知有相同數(shù)目的飛機(jī)下,交通模式越復(fù)雜,管制員的工作負(fù)荷就越高。換句話說,交通模式越復(fù)雜,在確定的時(shí)間段內(nèi)管制員可以處理的飛機(jī)的數(shù)量越少,也就是說,扇區(qū)容量越小。本文提出了一個(gè)將扇區(qū)容量看作是交通流模式函數(shù)的模型,并且通過模式識(shí)別來預(yù)測扇區(qū)容量,進(jìn)而為流量管理

12、人員提供決策支持?；舅枷朐趫D7中給出。首先,通過簇分析得到交通流模式的基本集合。在一個(gè)已知的扇區(qū)內(nèi),交通流模式有不同的復(fù)雜度。對(duì)于在圖7中所給出的例子,圖的上部給出了三個(gè)主要的交通流模式。由于左邊的交通流較右邊的交通流有更多的合并流和穿越流,所以左邊的流模式要比右邊的復(fù)雜。因此,左邊(18所對(duì)應(yīng)的扇區(qū)容量要比右邊(22所對(duì)應(yīng)的容量低。只要交通流模式的基本集合和對(duì)應(yīng)的扇區(qū)容量被確定了,通過尋找基本集合與預(yù)測的交通流模式之間的最佳匹配,未來的扇區(qū)容量可以由模式識(shí)別來預(yù)測。在流量管理中,平衡扇區(qū)需求和容量的挑戰(zhàn)是在交通流的結(jié)構(gòu)變化時(shí),準(zhǔn)確地預(yù)測扇區(qū)容量。針對(duì)流量管理,本文提出了一個(gè)預(yù)測扇區(qū)容量的新方法。將扇區(qū)容量看作交通流模式的函數(shù),其中交通流模式是由可預(yù)測的交通流特征來描述。對(duì)于一個(gè)給定的交通流模式,可以通過外部仿真工具的支持