一种航路扇区概率性交通需求预测方法

交通运输系统工程与信息 ›› 2016, Vol. 16 ›› Issue (1): 196-201.

一种航路扇区概率性交通需求预测方法

田文*，张颖，代晓旭，胡彬

南京航空航天大学国家空管飞行流量管理技术重点实验室，南京211106

收稿日期:2015-07-07 修回日期:2015-08-17 出版日期:2016-02-25 发布日期:2016-02-25
作者简介:田文（1981-），女，山东青岛人，讲师.
基金资助:
国家自然科学基金/National Natural Science Foundation of China（71301074）；国家自然科学基金委员会与中国民用航空局联合资助项目/Joint Funds of the National Natural Science Foundation of China（U1333202）；中央高校基本科研业务费专项资金资助/Fundamental Research Funds for the Central Universities（NJ20150029）.

An En-route Sector Probability Traffic Demand Prediction Method

TIANWen，ZHANG Ying，DAI Xiao-xu，HU Bin

National Key Laboratory of Air Traffic Flow Management, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China

Received:2015-07-07 Revised:2015-08-17 Online:2016-02-25 Published:2016-02-25

摘要/Abstract

摘要：

空中交通拥堵逐渐从终端区向高空航路网络蔓延，准确预测航路扇区交通需求概率性变化成为科学实施拥堵管理的重要前提，而国外已有方法较难适用我国空管实际数据条件.为解决该问题，本文基于空管现有航空器过点时间数据，设计了基于预测误差分布特性的统计方法，提出了航路扇区概率性交通需求预测方法.结合中南地区典型运行数据，提取并验证了各扇区过点时间的预测误差分布规律，获得了各扇区交通需求值及其概率分布，发现所得概率性交通需求预测结果较之传统确定性交通需求预测方法更准确，适合为我国高空航路拥堵管理研究提供需求预测依据.

关键词: 航空运输, 交通需求预测, 统计预测误差, 航路扇区, 概率性预测

Abstract:

With air traffic congestion spreading from terminal areas to upper en- route network, accurate prediction of the probabilistic en- route sector traffic demand changes is important for airspace congestion management, since the existing methods aren’t suitable for our actual air traffic control data. To solve this problem, based on the existing air traffic data of aircraft passing point time, the data statistics method based on prediction error distribution characteristics is designed, and an en-route sector probability traffic demand prediction method is proposed. Combined with the typical operation data of south- middle area, the prediction error distribution of passing- point time in sectors is abstracted and verified, the sector traffic demand and its probabilistic distribution is obtained. It is founded that the accuracy of probability traffic demand prediction is improved comparing to classic methods. Thus, this method is more suitable to provide traffic demand prediction results for our upper en-route congestion management research.

Key words: air transportation, traffic demand prediction, prediction error statistics, en-route sector, probability prediction

中图分类号:

V355

田文，张颖，代晓旭，胡彬. 一种航路扇区概率性交通需求预测方法[J]. 交通运输系统工程与信息, 2016, 16(1): 196-201.

TIANWen，ZHANG Ying，DAI Xiao-xu，HU Bin. An En-route Sector Probability Traffic Demand Prediction Method[J]. Journal of Transportation Systems Engineering and Information Technology, 2016, 16(1): 196-201.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19153.shtml

http://www.tseit.org.cn/CN/Y2016/V16/I1/196

参考文献

[1] Larry M. Probabilistic methods for air traffic demand forecasting[C]. AIAA, The AIAA Guidance, Navigation, and Control Conference and Exhibit, Monterey: AIAA, 2002.

[2] Roy S, Sridhar B, Verghese G C. An aggregate dynamicstochastic model for air traffic control[C]. FAA& Eurocontrol, The 5th USA/Europe ATM 2003 R&D Seminar. Budapest: FAA & Eurocontrol, 2004.

[3] Wanke C, Callaham M, Greenbaum D, et a1. Measuring uncertainty in airspace demand predictions for traffic flow management applications[C]. AIAA, The AIAA Guidance, Navigation, and Control Conference and Exhibit, Austin: AIAA, 2003.

[4] Wanke C, Mulgund S, Greenbaum D, et a1. Modeling traffic prediction uncertainty for traffic management decision support[C]. AIAA, The AIAA Guidance, Navigation, and Control Conference and Exhibit, Providence: AIAA, 2004.

[5] Gilbo E P, Smith S B. New method for probabilistic traffic demand predictions for en route sectors based on uncertain predictions of individual flight events[C]. FAA& Eurocontrol, The 9th USA/Europe ATM2011 R&D Seminar, Berlin: FAA& Eurocontrol, 2011.

[6] 李善梅，徐肖豪，王飞. 基于需求不确定性的机场拥挤风险预测模型与方法[J]. 西南交通大学学报， 2013，48(1)：154-159. [LI S M, XU X H, WANG F. Risk prediction model and methodology of airport congestion based on probabilistic demand[J]. Journal of Southwest Jiaotong University, 2013, 48(1):154-159.]

[7] 田文，胡明华. 空域扇区概率交通需求预测模型[J]. 西南交通大学学报，2011，46(2)：340-346. [TIAN W, HU M H. Research on airspace sector probabilistic traffic demand prediction model[J]. Journal of Southwest Jiaotong University, 2011, 46(2): 340-346.]

[8] 许炎，张洪海，杨磊，等. 基于实测数据的终端区空中交通流特性分析[J]. 交通运输系统工程与信息，2015， 15(1)：205-211. [XU Y, ZHANG H H, YANG L, et al. Analysis of air traffic flow characteristics in airport terminal area based on observed data[J]. Journal of Transportation Systems Engineering and Information Technology, 2015, 15(1): 205-211.]

[9] 刘欢，胡明华，瞿英俊. 程序管制条件下基于管制员工作负荷的扇区容量评估[J]. 交通运输系统工程与信息，2009，9(1)：122-127. [LIU H, HU M H, QU Y J. Sector capacity assessment based on the workload of ATC under the procedural control [J]. Journal of Transportation Systems Engineering and Information Technology, 2009, 9(1):122-127.]

[1]	张培文, 杜福民, 汪瑜. 基于链路预测的中小机场连接机制研究[J]. 交通运输系统工程与信息, 2022, 22(2): 298-304.
[2]	王红勇, 郭宇鹏. 基于航空器自主运行的空中交通复杂性建模[J]. 交通运输系统工程与信息, 2022, 22(2): 305-312.
[3]	张洪海, 张连东, 刘皞, 钟罡. 城市低空物流无人机航迹规划模型研究[J]. 交通运输系统工程与信息, 2022, 22(1): 256-264.
[4]	张魏宁, 胡明华, 杜婧涵, 尹嘉男. 基于条件生成对抗网络的扇区复杂度评估[J]. 交通运输系统工程与信息, 2021, 21(6): 226-233.
[5]	胡荣, 王德芸, 冯慧琳, 刘志昊, 张军峰. 碳达峰视角下的机场航空器碳排放预测[J]. 交通运输系统工程与信息, 2021, 21(6): 257-263.
[6]	李杰, 杨好天, 王兵, 周晓宁, 孙若飞. 民航飞机起飞推力对油耗和排放的影响分析[J]. 交通运输系统工程与信息, 2021, 21(6): 283-288.
[7]	胡荣, 冯慧琳, 刘博文, 张军峰, 王德芸. 点汇聚系统的航空器污染物减排效应与机理[J]. 交通运输系统工程与信息, 2021, 21(5): 165-173.
[8]	钟鸣, 董一鸣, 汉特·道格拉斯, 孙江涛, 马晓凤, 刘少博, 吴宁宁. 面向新城的土地利用-交通整体规划建模方法[J]. 交通运输系统工程与信息, 2021, 21(3): 13-25.
[9]	曹炜威，李政，冯项楠. 2000—2018年全国民航网络结构特征及演化[J]. 交通运输系统工程与信息, 2021, 21(3): 26-33.
[10]	魏保立，郭成超，邓苗毅. 基于数据驱动的机场水泥混凝土道面性能退化预测[J]. 交通运输系统工程与信息, 2021, 21(3): 247-253.
[11]	姜雨，童楚，刘振宇，胡志韬，徐成，张洪海. 基于时间富余度控制的滑行道调度优化模型[J]. 交通运输系统工程与信息, 2021, 21(1): 207-213.
[12]	张洪海，李翰，刘皞，许卫卫，邹依原. 城市区域物流无人机路径规划[J]. 交通运输系统工程与信息, 2020, 20(6): 22-29.
[13]	盛寅，陈欣，毛亿. 不确定条件下机场群系统均衡配流模型研究[J]. 交通运输系统工程与信息, 2020, 20(6): 212-218.
[14]	郭野晨风，胡明华，张颖，谢华. 改进的协同航路分配优化模型及算法研究[J]. 交通运输系统工程与信息, 2020, 20(6): 226-232.
[15]	姜雨，胡志韬，童楚，刘振宇，陈丽丽，张洪海. 面向航班延误的停机位实时指派优化模型[J]. 交通运输系统工程与信息, 2020, 20(5): 185-190.