考虑航段相关性的航路拥挤态势多模型 融合动态预测方法

交通运输系统工程与信息 ›› 2018, Vol. 18 ›› Issue (1): 215-222.

考虑航段相关性的航路拥挤态势多模型融合动态预测方法

李桂毅*，胡明华

南京航空航天大学民航学院，南京 211106

收稿日期:2017-08-30 修回日期:2017-11-29 出版日期:2018-02-25 发布日期:2018-02-26
作者简介:李桂毅(1982-)，男，湖北黄冈人，讲师，博士生.
基金资助:
国家自然科学基金/National Natural Science Foundation of China(61573181，U1333202)；中央高校基本科研业务经费专项资金/Fundamental Research Funds for the Central Universities(NJ20140016).

Multi-model Fusion Dynamic Prediction Method of Enroute Congestion Situation with Considering the Correlation of Air Route Segment

LI Gui-yi, HU Ming-hua

College of Civil Aviation, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China

Received:2017-08-30 Revised:2017-11-29 Online:2018-02-25 Published:2018-02-26

摘要/Abstract

摘要：

研究航路交通拥挤状态动态实时预测问题，可为缓解航路交通拥挤，优化拥挤管控策略提供科学的依据.首先，采用神经网络理论建立考虑航段相关性的交通流参数预测模型，预测航段流量和航段密度参数；然后，运用多模型融合预测算法提高预测精度，基于模糊C均值聚类算法和航段历史及预测交通流参数预测航段交通拥挤态势；最后，采用雷达实测航迹数据验证模型的有效性.研究结果表明，本文建立的预测模型同时考虑了时间和空间因素，对航路拥挤状态预测准确率达到82.29%，预测方法符合实际且对航路交通态势的预测具有应用价值；同时考虑航段相关性影响和采用多模型融合预测算法能够明显提高预测精度.

关键词: 航空运输, 航路拥挤预测, 神经网络预测, 模糊C均值聚类, 融合预测

Abstract:

This paper studies the dynamic real- time prediction of air route traffic congestion, which aims at providing scientific basis to alleviate air route traffic congestion and optimize control strategies. First, based on the theory of neural network, a traffic flow parameter prediction model is established, taking the correlation of air route segment into consideration. Then a multi-model fusion prediction algorithm is adopted to improve forecast accuracy, and air route segment congestion situation is predicted based on fuzzy C-means clustering algorithm and previous and predicted traffic flow parameters of air route segment. Finally, the model is verified by ATC radar data. The results demonstrate that this model takes into account the factors of both space and time, and the prediction accuracy of air route congestion is 82.29%. The model corresponds to reality and is feasible for air route traffic states prediction. Meanwhile, consideration of the correlation effects of air route segments and prediction using multi-model fusion algorithm can significantly improve forecast accuracy.

Key words: air transportation, air route congestion prediction, neural network prediction, FCM, fusion prediction

中图分类号:

U268.6

李桂毅，胡明华. 考虑航段相关性的航路拥挤态势多模型融合动态预测方法[J]. 交通运输系统工程与信息, 2018, 18(1): 215-222.

LI Gui-yi, HU Ming-hua. Multi-model Fusion Dynamic Prediction Method of Enroute Congestion Situation with Considering the Correlation of Air Route Segment[J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18(1): 215-222.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19578.shtml

http://www.tseit.org.cn/CN/Y2018/V18/I1/215

参考文献

[1] KONG X J, XU Z, SHEN G, et al. Urban traffic congestion estimation and prediction based on floating car trajectory data[J]. Future Generation Computer Systems, 2016, 61(C): 97-107.

[2] 任其亮. 时空路网交通拥堵预测与疏导决策方法研究[D]. 成都: 西南交通大学, 2007. [REN Q L. Research on method for traffic jam forecasting and leading-decision[D]. Chengdu: Southwest Jiaotong University, 2007.]

[3] 姚智胜, 邵春福, 熊志华, 等. 基于主成分分析和支持向量机的道路网短时交通流量预测[J]. 吉林大学学报(工学版), 2008, 38(1): 48-52. [YAO Z S, SHAO C F, XIONG Z H, et al. Short- term traffic volumes forecasting of road network based on principal component analysis and support vector machine[J]. Journal of Jilin University (Engineering and Technology Edition), 2008, 38(1): 48-52.]

[4] 董春娇, 邵春福, 周雪梅, 等. 基于交通流参数相关的阻塞流短时预测卡尔曼滤波算法[J]. 东南大学学报( 自然科学版), 2014, 44(2): 413- 419. [DONG C J, SHAO C F, ZHOU X M, et al. Kalman filter algorithm for short- term jam traffic prediction based on traffic parameter correlation[J]. Journal of Southeast University(Natural Science Edition), 2014, 44(2): 413-419.]

[5] 徐肖豪, 任杰, 李楠. 基于FCM的终端区交通态势识别[J]. 航空计算技术, 2014, 44(1): 1-8. [XU X H, REN J, LI N. Identification of terminal area traffic situation based on FCM[J]. Aeronautical Computing Technique, 2014, 44(1): 1-8.]

[6] 张洪海, 许炎, 张哲铭, 等. 终端区空中交通流参数模型与仿真[J]. 交通运输系统工程与信息, 2014, 14(6): 58-64. [ZHANG H H, XU Y, ZHANG Z M, et al. Air traffic flow parameter model and simulation for airport terminal area[J]. Journal of Transportation Systems Engineering and Information Technology, 2014, 14(6): 58-64.]

[7] 李善梅, 徐肖豪, 王超, 等. 基于灰色聚类的交叉航路拥挤识别方法[J]. 西南交通大学学报, 2015, 50(1): 189-197. [LI S M, XU X H, WANG C, et al. Congestion identification of crossing air routes based on gray clustering method[J]. Journal of Southwest Jiaotong University, 2015, 50(1): 189-197.]

[8] 杨磊, 胡明华, 尹苏皖, 等. 大型繁忙机场场面离场交通流拥堵特征分析[J]. 航空学报, 2016, 37(6): 1921- 1930. [YANG L, HU M H, YIN S W, et al. Characteristic analysis of departure traffic flow congestion in mega-airport suface[J]. Acta Aeronautics et Astronautica Sinica, 2016, 37(6):1921-1930.]

[9] 姜桂艳. 道路交通状态判别技术与应用[M]. 北京: 人民交通出版社, 2004. [JIANG G Y. Technology and applications of the identification of road traffic condition[M]. Beijing: China Communications Press, 2004.]

[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]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	强生杰，黄青霞. 新型客机座舱环境下的旅客登机效率研究[J]. 交通运输系统工程与信息, 2020, 20(4): 209-215.