徐肖豪*,李善梅

中國民航大學(xué) 空中交通管理學(xué)院,天津 300300

空中交通擁擠是指在某一時(shí)段內(nèi),由于某空中交通單元(機(jī)場、航路、終端區(qū)、區(qū)域)的交通需求與其交通容量發(fā)生矛盾而引起的交通滯留現(xiàn)象或滯留態(tài)勢[1]。

隨著航空運(yùn)輸業(yè)務(wù)的迅猛發(fā)展,在相對有限的空域資源條件下,交通擁擠現(xiàn)象日益嚴(yán)重,嚴(yán)重影響著空中交通運(yùn)行的安全與效率。要緩解空中交通擁擠,首先需要確定交通擁擠發(fā)展態(tài)勢,以便采取相應(yīng)的交通管理措施。因此,空中交通擁擠態(tài)勢的識(shí)別與預(yù)測(本文簡稱為空中交通擁擠的識(shí)別與預(yù)測)作為有效實(shí)施擁擠管理的基礎(chǔ)和前提,成為國際民航學(xué)術(shù)界的一個(gè)重要研究內(nèi)容。

本文通過歸納國內(nèi)外該領(lǐng)域已有的主要研究成果,從4個(gè)方面對空中交通擁擠的識(shí)別與預(yù)測方法的研究狀況進(jìn)行了綜述:首先介紹了空中交通擁擠概念的研究狀況；接著介紹了空中交通擁擠識(shí)別研究中采用的主要方法；然后介紹了空中交通擁擠預(yù)測研究中采用的主要方法；最后指出近年的有關(guān)研究熱點(diǎn),并展望未來的研究方向。

1 空中交通擁擠概念的研究

空中交通擁擠概念的研究,是隨著航空運(yùn)輸業(yè)的不斷發(fā)展而逐步深入的。20世紀(jì)六、七十年代,由于空中交通量的不斷增加,流量問題逐漸出現(xiàn),人們就此開始研究空中交通流量管理。在流量管理研究中發(fā)現(xiàn),當(dāng)交通容量與流量不匹配時(shí),常常導(dǎo)致交通擁擠發(fā)生。因此,開始了對空中交通擁擠概念及其相關(guān)問題的研究。隨著航路航線的不斷增多,惡劣天氣的頻繁出現(xiàn),空中交通運(yùn)行的復(fù)雜性逐步加大,嚴(yán)重影響著空中交通的有序高效運(yùn)行,人們進(jìn)一步結(jié)合交通運(yùn)行復(fù)雜性的研究對擁擠概念進(jìn)行了研究。隨著研究的不斷深入,人們發(fā)現(xiàn)空中交通擁擠常常引發(fā)航班延誤增多和管制員負(fù)荷增加兩大重要后果,于是便開始從航班延誤和管制員負(fù)荷增加的角度來研究空中交通擁擠概念及其相關(guān)問題。

可見,從形成因素和導(dǎo)致后果的不同角度,就形成了2個(gè)方面對擁擠概念的研究。其中,有關(guān)形成因素的擁擠概念研究包括:結(jié)合容流匹配因素的擁擠概念研究和結(jié)合運(yùn)行復(fù)雜性的擁擠概念研究；有關(guān)導(dǎo)致后果的擁擠概念研究包括:結(jié)合航班延誤的擁擠概念研究和結(jié)合管制員負(fù)荷增加的擁擠概念研究。

1)結(jié)合容流匹配因素的擁擠概念研究

流量管理研究中發(fā)現(xiàn),導(dǎo)致?lián)頂D的重要因素是空中交通需求與交通容量的不匹配。因此,文獻(xiàn)[2]給出的結(jié)合容流匹配因素的擁擠概念為:某交通單元在某時(shí)段內(nèi),空中交通需求與交通容量不平衡的交通運(yùn)行狀態(tài)。

2002年,美國在研制增強(qiáng)型流量管理系統(tǒng)(Enhanced Traffic Management System,ETMS)的過程中,應(yīng)用了基于上述因素的擁擠概念,將扇區(qū)、定位點(diǎn)和機(jī)場的交通需求與容量門限值(Monitor Alert Parameter,MAP)相比較,從而判定并得到空中交通的擁擠狀況[3]。2005年,美國麥特公司(MITRE)的Wanke等同樣采取此類概念來研究空中交通擁擠,并且基于需求與容量的不確定性提出了“擁擠風(fēng)險(xiǎn)”的概念[2]。2010年,美國的Rehwald和Hecker進(jìn)一步將該概念應(yīng)用于機(jī)場的擁擠概念研究,將進(jìn)離場交通需求與容量的不平衡作為機(jī)場交通擁擠狀態(tài)的概念[4]。2011年,田文和胡明華將該概念應(yīng)用于扇區(qū)擁擠研究,將扇區(qū)交通需求與容量的不平衡作為扇區(qū)擁擠狀態(tài)的概念[5]。

2)結(jié)合運(yùn)行復(fù)雜性的擁擠概念研究

空域運(yùn)行的復(fù)雜性因素可以分為顯性因素和隱性因素。顯性因素主要指在交通運(yùn)行過程中,可以直觀顯示、度量或應(yīng)用的空中交通擁擠狀況的參數(shù)或指標(biāo),如交通密度、飛行沖突率、匯聚度等。隱性因素是指采用有關(guān)理論方法,通過對顯性參數(shù)的計(jì)算,提煉出表征擁擠狀況的非直觀性參數(shù)或指標(biāo),如分形維數(shù)、拓?fù)潇氐?。人們對結(jié)合復(fù)雜性運(yùn)行的擁擠概念研究,主要是通過對顯性復(fù)雜性和隱性復(fù)雜性2方面指標(biāo)參數(shù)的研究而展開。

(1)顯性復(fù)雜性指標(biāo)參數(shù)的研究

2000年,法國的Delahaye和Puechmorel從航空器的幾何位置出發(fā),提出并建立了交通密度、匯聚性、分散性和靈敏性4個(gè)復(fù)雜性顯性指標(biāo)[6]。2001年,美國NASA的Chatterji和Sridhar提出了交通流量、爬升飛機(jī)數(shù)量、下降飛機(jī)數(shù)量等16項(xiàng)復(fù)雜性指標(biāo),并分析了指標(biāo)之間的非線性關(guān)系[7]。2002年,美國MITRE的Holly等采用相關(guān)性分析方法,從41項(xiàng)相關(guān)指標(biāo)中確定出12項(xiàng)復(fù)雜性指標(biāo)[8]。2007年,何毅建立了基于飛機(jī)機(jī)型混合的程度、軍機(jī)的數(shù)量、復(fù)雜飛機(jī)航線的數(shù)量等復(fù)雜性顯性因素的動(dòng)態(tài)密度模型[9]。2009年,美國NASA的Kopardekar等使用克利夫蘭空中航路交通控制中心的真實(shí)運(yùn)行數(shù)據(jù),建立了更為精確的復(fù)雜性指標(biāo)體系[10]。

(2)隱性復(fù)雜性指標(biāo)參數(shù)的研究

2001年,美國的Mondoloni和Liang以宏觀交通流為研究對象,通過研究沖突率對數(shù)與分形維數(shù)之間的線性關(guān)系,提出將分形維數(shù)作為交通復(fù)雜性指標(biāo)[11]。2005年,Delahaye等從航空器的內(nèi)稟屬性出發(fā),對飛行航跡進(jìn)行非線性動(dòng)態(tài)系統(tǒng)建模,通過計(jì)算系統(tǒng)的拓?fù)潇氐玫娇罩薪煌ǖ膹?fù)雜態(tài)勢[12]。2009年,法國的Lee等進(jìn)一步考慮飛行航跡的不確定性,建立了空域的向量場模型,并在此模型的基礎(chǔ)上,提出了基于特征值和李雅普諾夫的復(fù)雜性指標(biāo)[13]。2010年,張進(jìn)等考慮單航空器對之間的關(guān)系,提出了基于綜合迫近、幾率和連攜因素的復(fù)雜性指標(biāo)[14]。2010年,張晨等進(jìn)一步考慮多航空器對之間的耦合關(guān)系,提出了基于連攜效應(yīng)的復(fù)雜性指標(biāo)[15]。

3)結(jié)合航班延誤的擁擠概念研究

空中交通擁擠帶來的嚴(yán)重后果就是航班延誤,如航班排隊(duì)長度增大、延誤時(shí)間增長、取消航班數(shù)量增多等。因此,結(jié)合航班延誤的擁擠概念研究常常通過對延誤指標(biāo)的研究展開。

2002年,美國MITRE的Wang等提出將機(jī)場進(jìn)離港航班延誤時(shí)間作為機(jī)場延誤指標(biāo),并對排隊(duì)延誤時(shí)間的傳播現(xiàn)象進(jìn)行了研究[16]。2008年,李俊生和丁建立同樣將進(jìn)離港航班延誤時(shí)間作為機(jī)場延誤指標(biāo),建立了基于貝葉斯網(wǎng)絡(luò)的航班延誤傳播模型[17]。2009年,美國馬里蘭大學(xué)的Mukherjee等提出了將航班排隊(duì)延誤和航班取消數(shù)量作為空中交通延誤指標(biāo)[18]。2009年,徐濤等采用離港航班延誤率作為機(jī)場交通延誤指標(biāo)[19]。

4)結(jié)合管制員負(fù)荷增加的擁擠概念研究

空中交通擁擠帶來的另一個(gè)嚴(yán)重后果就是管制員工作負(fù)荷的大幅增加,如指令次數(shù)增多、調(diào)配難度加大等。因此,結(jié)合管制員負(fù)荷增加的擁擠概念研究主要通過對管制員負(fù)荷指標(biāo)的研究展開。

2007年,美國航空航天大學(xué)的Lee等在研究一架飛機(jī)進(jìn)入扇區(qū)時(shí),將管制員作出水平機(jī)動(dòng)指令的次數(shù)作為管制員工作負(fù)荷的度量指標(biāo)[20]。2009年,他們通過進(jìn)一步研究,將航空器避讓沖突的最小航向改變量作為工作負(fù)荷度量指標(biāo)[21]。2010年,荷蘭代爾夫特理工大學(xué)的van Paassen等將不同速度、不同航向入侵的航空器帶來的沖突解脫空間的大小作為工作負(fù)荷評估指標(biāo)[22]。

與空中交通擁擠概念的研究不同的是,空中交通擁擠識(shí)別與預(yù)測的研究主要集中在有關(guān)識(shí)別和預(yù)測方法上,沒有致力于對其概念的研究。因此,目前學(xué)術(shù)界并沒有對空中交通擁擠識(shí)別與預(yù)測的概念給出明確、統(tǒng)一的提法。本文作者在文獻(xiàn)[23]中,提出空中交通擁擠識(shí)別與預(yù)測的概念為:通過當(dāng)前與歷史時(shí)段某空域單元的交通擁擠指標(biāo)信息,利用擁擠識(shí)別與預(yù)測方法判定此空域單元內(nèi)當(dāng)前與未來時(shí)段的擁擠狀態(tài)。

2 空中交通擁擠識(shí)別方法的研究狀況

空中交通擁擠的識(shí)別方法可以根據(jù)不同的角度進(jìn)行不同分類,如識(shí)別對象、識(shí)別時(shí)間、數(shù)據(jù)來源、應(yīng)用方法等。但各種方法都具有一個(gè)共同的特點(diǎn),就是都需要對當(dāng)前或歷史的交通數(shù)據(jù)進(jìn)行處理,從而得到擁擠識(shí)別結(jié)果。而交通數(shù)據(jù)可根據(jù)時(shí)間尺度的不同,分為短期數(shù)據(jù)、長期數(shù)據(jù)或長短期混合數(shù)據(jù)。因此,空中交通擁擠識(shí)別方法依據(jù)數(shù)據(jù)來源的時(shí)間尺度,可分為:基于短期數(shù)據(jù)的閾值判別方法、基于長期數(shù)據(jù)的聚類識(shí)別方法以及基于混合數(shù)據(jù)的綜合評價(jià)識(shí)別方法。

2.1 基于短期數(shù)據(jù)的閾值判別方法

早期的流量管理研究主要是針對短期實(shí)時(shí)交通管理展開,因而出現(xiàn)了基于短期數(shù)據(jù)的閾值判別方法。

閾值又叫臨界值,是指一個(gè)效應(yīng)能夠產(chǎn)生的最低值或最高值。基于閾值判別的擁擠識(shí)別方法,就是將交通容量(即MAP值)作為閾值,然后將交通需求與該閾值進(jìn)行比較,如果需求大于容量,則判定交通狀態(tài)為擁擠。

2004年,美國AIAA的Dorado-Usero等就是將通過模擬仿真得到的扇區(qū)MAP值作為閾值,然后將扇區(qū)需求與該值比較,識(shí)別出擁擠狀態(tài)[24]。2008年,美國加利福尼亞大學(xué)的Sun通過建立歐拉-拉格朗日交通流模型,得到交通需求,然后將其與閾值(扇區(qū)容量)比較,識(shí)別扇區(qū)擁擠情況[25]。2009年,美國MITRE的Zobell等在前人研究的基礎(chǔ)上,進(jìn)一步考慮到航跡的不確定性,采用閾值判別方法對扇區(qū)擁擠進(jìn)行概率識(shí)別[26]。2009年,趙嶷飛等提出當(dāng)量流量的概念,并通過將當(dāng)量流量與容量相比較的方法對扇區(qū)擁擠進(jìn)行識(shí)別[27]。

2.2 基于長期數(shù)據(jù)的聚類識(shí)別方法

由于長期的交通數(shù)據(jù)能夠反映空中交通運(yùn)行的規(guī)律性以及相似性,因而出現(xiàn)了基于長期數(shù)據(jù)的聚類識(shí)別方法。

聚類就是將物理或抽象對象的集合分成由類似的對象組成的多個(gè)類的過程。擁擠狀態(tài)的聚類識(shí)別方法就是基于擁擠指標(biāo)向量的相似性,將相似性較高的指標(biāo)向量歸為一類,不同類代表不同等級的擁擠狀態(tài)。

2002年,美國的Hoffman等采用決策樹和K-均值聚類的方法,對每天的擁擠指標(biāo)特征向量進(jìn)行聚類,識(shí)別出每類中的典型日代表一類交通擁擠狀態(tài)[28]。2005年,美國NASA的Bilimoria和Lee提出了通過對航空器相對距離進(jìn)行聚類,識(shí)別出擁擠區(qū)域[29]。2005年,美國的Penny等同樣采用聚類方法得到9種交通擁擠類型,并給出每種類型下的主要擁擠指標(biāo)[30]。2014年,美國NASA的Grabbe等進(jìn)一步考慮到天氣因素,基于天氣因素和交通流特征參數(shù)進(jìn)行聚類,得到不同的擁擠類型[31]。

2.3 基于混合數(shù)據(jù)的綜合評價(jià)識(shí)別方法

由于空中交通擁擠同時(shí)具有長期和短期交通特征,為了能夠充分利用長短期數(shù)據(jù),考慮更多的相關(guān)因素,出現(xiàn)了基于混合數(shù)據(jù)的綜合評價(jià)識(shí)別方法。

綜合評價(jià)就是運(yùn)用多個(gè)指標(biāo)對多個(gè)待評價(jià)對象進(jìn)行評價(jià),稱為多變量綜合評價(jià)?；诨旌蠑?shù)據(jù)的綜合評價(jià)識(shí)別方法就是通過應(yīng)用多個(gè)指標(biāo)對長短期數(shù)據(jù)進(jìn)行處理,從而獲得對某單元擁擠狀態(tài)的綜合評價(jià)結(jié)果。

2006年,歐洲的Eurocontrol建立了擁擠評價(jià)指標(biāo)體系,擁擠指標(biāo)主要包括:不同區(qū)域的流量與容量、不同飛行階段的延誤、航班正常率等[32]。2008年,姚玲分別從擁擠原因、擁擠后果、擁擠現(xiàn)象描述和擁擠成本幾個(gè)方面建立了中國的空中交通擁擠指標(biāo)體系,然后采用動(dòng)態(tài)綜合評價(jià)的方法對交通擁擠進(jìn)行識(shí)別[33]。2010年,趙嶷飛和陳凱分別建立了機(jī)場、航路、終端區(qū)和扇區(qū)的擁擠指標(biāo),如:飽和度、排隊(duì)架次、延誤等,并基于證據(jù)理論對上述指標(biāo)進(jìn)行綜合評價(jià),得到了擁擠識(shí)別結(jié)果[34]。2015年,李善梅等建立了交叉航路的擁擠指標(biāo),如:匯聚度、滯留度、當(dāng)量交通量等,并建立了基于灰色聚類的交叉航路擁擠識(shí)別方法[35]。

3 空中交通擁擠預(yù)測方法的研究狀況

空中交通擁擠的預(yù)測方法根據(jù)所基于的有關(guān)數(shù)據(jù)或數(shù)學(xué)模型,主要分為基于數(shù)理算法的擁擠預(yù)測方法和基于計(jì)算機(jī)仿真技術(shù)的擁擠預(yù)測方法。其中,基于數(shù)理算法的預(yù)測方法可分為:基于數(shù)理統(tǒng)計(jì)的預(yù)測方法、基于交通流模型的預(yù)測方法和基于智能算法的預(yù)測方法。

3.1 基于數(shù)理統(tǒng)計(jì)的預(yù)測方法

由于空中交通具有自身的規(guī)律性,采用數(shù)理統(tǒng)計(jì)算法可以挖掘交通數(shù)據(jù)蘊(yùn)含的變化規(guī)律,從而基于此規(guī)律可實(shí)現(xiàn)對未來交通擁擠狀態(tài)的預(yù)測,因此出現(xiàn)了基于數(shù)理統(tǒng)計(jì)的擁擠預(yù)測方法。根據(jù)影響未來交通狀況的單變量或多變量變化規(guī)律,擁擠預(yù)測方法可主要分為:基于單變量的概率統(tǒng)計(jì)預(yù)測方法和基于多變量的回歸預(yù)測方法。

基于單變量的概率統(tǒng)計(jì)預(yù)測方法,就是研究單個(gè)交通參數(shù)(如交通需求)的變化規(guī)律,并根據(jù)此規(guī)律對參數(shù)值進(jìn)行預(yù)測,從而得到擁擠預(yù)測結(jié)果。2002年,美國NASA的Larry利用概率論知識(shí)從不確定性的角度建立航空器通過某空中交通單元的概率分布函數(shù),通過對交通需求進(jìn)行概率預(yù)測,然后與交通容量進(jìn)行比較,進(jìn)而得到擁擠預(yù)測結(jié)果[36]。2004年,美國NASA的Chatterji等通過建立航空器起飛延誤的高斯分布模型,對扇區(qū)交通需求進(jìn)行預(yù)測,進(jìn)而通過閾值判別方法得到擁擠預(yù)測結(jié)果[37]。2006年,Hunter和Ramamoorthy進(jìn)一步考慮天氣對交通需求影響,建立交通需求的概率預(yù)測模型,通過與容量比較,實(shí)現(xiàn)對未來時(shí)刻擁擠狀態(tài)的預(yù)測[38-39]。2013年,李善梅等基于機(jī)場進(jìn)離場交通需求的隨機(jī)性變化規(guī)律建立了機(jī)場擁擠風(fēng)險(xiǎn)預(yù)測模型[40]。

基于多變量的回歸預(yù)測方法就是建立擁擠指標(biāo)(如交通需求、延誤等)與其他變量(如天氣因素等)之間的回歸關(guān)系式,通過輸入其他變量值,來求得擁擠指標(biāo)的預(yù)測值,然后將這些預(yù)測值與擁擠閾值相比較,得出擁擠預(yù)測結(jié)果。2005年,美國NASA的Chatterji和Sridhar建立了天氣影響延誤的交通指標(biāo)(Weather Impacted Traffic Index,WITI)的線性回歸模型,實(shí)現(xiàn)了從天氣的角度對延誤進(jìn)行預(yù)測,然后與延誤閾值相比較,得到未來擁擠狀態(tài)[41]。2007年,美國國家運(yùn)輸系統(tǒng)中心的Gilbo和Smith建立了基于連續(xù)3個(gè)時(shí)間段交通需求的線性回歸預(yù)測模型,通過將需求預(yù)測值與容量相比較,得到擁擠預(yù)測結(jié)果[42]。2010年,張靜等建立了機(jī)場日均延誤關(guān)于日均需求數(shù)量、日均取消數(shù)量、日均能見度和日最大風(fēng)速的模糊線性回歸模型,然后將延誤預(yù)測值與其閾值相比較,得到擁擠預(yù)測結(jié)果[43]。2011年,美國國家運(yùn)輸系統(tǒng)中心的Bilbo和Smith建立了相鄰時(shí)間間隔交通需求的線性回歸模型,通過與容量比較,得到擁擠預(yù)測結(jié)果[44]。

3.2 基于交通流模型的預(yù)測方法

由于基于數(shù)理統(tǒng)計(jì)的預(yù)測方法并不能清晰地詮釋空中交通擁擠的物理意義,而交通流動(dòng)力學(xué)模型可以較好地描述擁擠發(fā)生、發(fā)展的變化過程,因而出現(xiàn)了基于交通流模型的擁擠預(yù)測方法。

基于交通流模型的擁擠預(yù)測方法就是通過研究空中交通流的運(yùn)行規(guī)律,建立空中交通流各參數(shù)之間的關(guān)系模型(如排隊(duì)論模型、歐拉模型等),并利用此模型對擁擠指標(biāo)進(jìn)行預(yù)測。

2003年,美國的Menon等基于歐拉模型建立空中匯聚交通流模型,用來對交通需求進(jìn)行預(yù)測,然后將其與容量相比較,得到擁擠預(yù)測結(jié)果[45]。2005年,美國馬爾蘭大學(xué)的 Mukherjee等通過建立航班排隊(duì)模型,并向其輸入容量樣本,來預(yù)測未來時(shí)段的航班延誤,進(jìn)而判斷未來的擁擠態(tài)勢[46]。2006年,美國的Wieland驗(yàn)證了排隊(duì)論模型應(yīng)用于機(jī)場擁擠的合理性,并指出M/D/1模型要優(yōu)于M/M/1模型[47]。2012年,張靜建立了機(jī)場到達(dá)瞬時(shí)排隊(duì)模型M(t)/Ek(t)/1,利用該模型預(yù)測航班到達(dá)延誤,進(jìn)而得到未來擁擠態(tài)勢[48]。

3.3 基于智能算法的預(yù)測方法

由于交通運(yùn)行環(huán)境日益復(fù)雜,各參數(shù)之間存在著復(fù)雜的非線性關(guān)系,很難建立精確的數(shù)學(xué)模型對其進(jìn)行描述,而智能算法能模擬人腦的智力過程,為解決復(fù)雜問題提供了新的手段,因而出現(xiàn)了基于智能算法的擁擠預(yù)測方法。

基于智能算法的擁擠預(yù)測就是利用人工智能算法對擁擠指標(biāo)進(jìn)行預(yù)測,然后將指標(biāo)預(yù)測值輸入到擁擠識(shí)別方法,實(shí)現(xiàn)對未來交通擁擠狀態(tài)的預(yù)測。2010年,演克武建立了基于支持向量機(jī)的航線交通需求預(yù)測模型,然后基于閾值判別方法得到擁擠預(yù)測結(jié)果[49]。2013年,李善梅等利用實(shí)測數(shù)據(jù),建立了基于模糊神經(jīng)網(wǎng)絡(luò)的機(jī)場擁擠等級預(yù)測方法[50]。2015年,德國的 Milbredt和Grunewald建立了基于神經(jīng)網(wǎng)絡(luò)的機(jī)場到達(dá)排隊(duì)長度的預(yù)測方法[51]。2015年,程華等結(jié)合航班數(shù)據(jù)的特點(diǎn)構(gòu)建了基于C4.5決策樹的航班延誤預(yù)測模型,從而實(shí)現(xiàn)對未來擁擠態(tài)勢的預(yù)測[52]。

3.4 基于計(jì)算機(jī)仿真技術(shù)的預(yù)測方法

基于數(shù)理統(tǒng)計(jì)和智能算法的預(yù)測方法需要大量的歷史數(shù)據(jù)作支撐,而基于交通流模型的預(yù)測方法需要一定的假設(shè)條件,所建立的模型往往過于理想,可能與實(shí)際情況差距較大。計(jì)算機(jī)仿真可以直接、較真實(shí)地模擬交通運(yùn)行狀況,從而得到對未來交通擁擠的預(yù)測結(jié)果。因此,基于計(jì)算機(jī)仿真技術(shù)的預(yù)測方法成為交通擁擠預(yù)測的重要研究方向。

基于計(jì)算機(jī)仿真技術(shù)的預(yù)測方法就是將實(shí)際交通運(yùn)行條件輸入到計(jì)算機(jī)仿真模型,進(jìn)行仿真計(jì)算和運(yùn)行,從而得到未來時(shí)刻擁擠指標(biāo)的模擬值,即擁擠預(yù)測結(jié)果。根據(jù)仿真過程中有無人參與運(yùn)行,該方法可分為:基于軟件運(yùn)行仿真的預(yù)測方法和基于模擬機(jī)操作仿真的預(yù)測方法。

1)基于軟件運(yùn)行仿真的預(yù)測方法

目前,空中交通仿真軟件主要有SIMMOD和TAAM,它們分別由美國FAA和澳大利亞民用航空局研制開發(fā)。2013年,溫媛媛和戴福青利用TAAM仿真軟件,對某機(jī)場終端區(qū)在隨機(jī)性因素影響下的運(yùn)行情況進(jìn)行模擬仿真,并基于仿真得到的運(yùn)行架次和延誤情況對擁擠態(tài)勢進(jìn)行分析[53]。2014年,荷蘭的Mota等利用SIMIOD仿真軟件對Lelystad機(jī)場不同天氣條件及跑道構(gòu)型下的交通運(yùn)行情況進(jìn)行仿真模擬,輸出擁擠狀態(tài)預(yù)測結(jié)果[54]。2014年,Zhang等建立了機(jī)場終端區(qū)的元胞傳輸模型,并在Net Logo平臺(tái)上進(jìn)行仿真實(shí)驗(yàn),輸出擁擠預(yù)測結(jié)果[55]。

2)基于模擬機(jī)操作仿真的預(yù)測方法

2004年,黃宇華采用雷達(dá)仿真模擬機(jī)對扇區(qū)交通運(yùn)行狀況進(jìn)行模擬仿真,給出了容量和交通狀況的評估結(jié)果[56]。2005年,徐肖豪等應(yīng)用自主開發(fā)的空管自動(dòng)化應(yīng)用模擬系統(tǒng),對西安扇區(qū)的交通運(yùn)行進(jìn)行模擬,實(shí)現(xiàn)對扇區(qū)未來擁擠態(tài)勢的預(yù)測[57]。2012年,Li等采用雷達(dá)模擬機(jī)對終端區(qū)運(yùn)行狀況進(jìn)行仿真,并分析交通擁擠與潛在沖突量的關(guān)系[58]。

4 近年研究熱點(diǎn)和未來研究方向

4.1 近年研究熱點(diǎn)

隨著全球一體化的發(fā)展,空中交通領(lǐng)域出現(xiàn)了新的矛盾和問題,從而在擁擠研究中產(chǎn)生了新的研究熱點(diǎn)。下面介紹其中3方面的研究熱點(diǎn)。

1)空中交通網(wǎng)絡(luò)擁擠的識(shí)別與預(yù)測研究

當(dāng)今空中交通正在快速呈現(xiàn)出網(wǎng)絡(luò)化的趨勢,“單一天空”、空管一體化等計(jì)劃正在逐步推進(jìn)。單純針對局部小區(qū)域進(jìn)行擁擠識(shí)別與預(yù)測,并不能適應(yīng)當(dāng)前發(fā)展需要,越來越需要從網(wǎng)絡(luò)化的角度出發(fā),分析網(wǎng)絡(luò)中各區(qū)域之間的相互影響關(guān)系,從而對擁擠進(jìn)行識(shí)別與預(yù)測才更加科學(xué)合理。因此,空中交通網(wǎng)絡(luò)的擁擠識(shí)別與預(yù)測問題已經(jīng)成為一個(gè)研究熱點(diǎn)。

2011年,國內(nèi)的Hu等采用最大排隊(duì)長度和平均排隊(duì)長度來評估空中交通網(wǎng)絡(luò)的擁擠狀態(tài),并通過仿真模擬分析2個(gè)擁擠指標(biāo)的變化規(guī)律[59]。2013年,美國的Bai和 Menon針對終端區(qū)域進(jìn)離場網(wǎng)絡(luò),建立了歐拉交通流模型,并采用交通流率分析網(wǎng)絡(luò)擁擠態(tài)勢[60]。2014年,美國劍橋的Khadilkar和Balakrishnan建立了機(jī)場場面交通網(wǎng)絡(luò)及其排隊(duì)模型,通過計(jì)算網(wǎng)絡(luò)的平均滑行時(shí)間,來評估擁擠態(tài)勢[61]。2014年,西班牙的Fleurquin等通過建立機(jī)場網(wǎng)絡(luò)研究航班延誤在網(wǎng)絡(luò)中的傳播現(xiàn)象,對航班延誤進(jìn)行統(tǒng)計(jì)分類,得到了不同的網(wǎng)絡(luò)擁擠模式[62]。

當(dāng)前有關(guān)空中交通網(wǎng)絡(luò)擁擠的識(shí)別與預(yù)測研究,雖然是從網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行研究的,但并沒有將空中交通網(wǎng)絡(luò)的結(jié)構(gòu)特征與功能特征相結(jié)合,沒有深入研究在不同的網(wǎng)絡(luò)結(jié)構(gòu)、不同的交通分布條件下,交通擁擠在網(wǎng)絡(luò)上發(fā)生、發(fā)展的本質(zhì)特征及其變化規(guī)律。

2)突發(fā)事件下空中交通擁擠的識(shí)別與預(yù)測

隨著空中交通運(yùn)輸量的持續(xù)增長,空域結(jié)構(gòu)的日益復(fù)雜,使得由于惡劣天氣、自然災(zāi)害、戰(zhàn)爭等突發(fā)事件造成的交通擁擠后果日益嚴(yán)重。因此,對于突發(fā)事件下的交通擁擠識(shí)別與預(yù)測問題也成為近年的研究熱點(diǎn)。

目前該方面的研究主要集中在惡劣天氣下的擁擠識(shí)別與預(yù)測。2010年,美國Prete和Krozel采用Raycast Metric方法,研究惡劣天氣與過度空域容量的關(guān)系,從而通過預(yù)測天氣來預(yù)測交通擁擠狀況[63]。2013年,美國 MITRE的Tien等采用譜聚類方法,對雷暴天氣影響的扇區(qū)進(jìn)行聚類,用于識(shí)別不同程度的擁擠區(qū)域[64]。2013年,美國華盛頓州立大學(xué)的Dhal等通過建立天氣影響因子和機(jī)場到達(dá)率之間的回歸預(yù)測模型,識(shí)別到場交通的擁擠狀況[65]。2013年,美國MIT的Campbell和DeLaura采用概率統(tǒng)計(jì)的方法預(yù)測對流天氣對終端區(qū)交通的覆蓋率,進(jìn)而對未來擁擠趨勢進(jìn)行預(yù)測[66]。

以上研究雖然針對惡劣天氣這一類突發(fā)事件造成的擁擠進(jìn)行了研究,但并沒有分析突發(fā)事件的特點(diǎn),沒有對突發(fā)事件下交通擁擠的致因分析及其時(shí)空分布規(guī)律進(jìn)行深入研究,同時(shí)也缺乏進(jìn)行突發(fā)事件下管制員服務(wù)行為對交通擁擠影響的研究。

3)空中交通擁擠瓶頸的識(shí)別研究

在空中交通運(yùn)行中,空中交通擁擠往往發(fā)生在某些關(guān)鍵區(qū)域,即稱之為交通瓶頸?？罩薪煌ㄆ款i是空中交通擁擠的易發(fā)區(qū)域,該區(qū)域產(chǎn)生的擁擠若不及時(shí)處理,很容易在整個(gè)交通網(wǎng)絡(luò)上進(jìn)行擴(kuò)散,形成難以控制的大范圍交通擁擠。因此,空中交通擁擠瓶頸識(shí)別的研究成為近年的一個(gè)研究熱點(diǎn)。

2013年,美國佐治亞理工學(xué)院的Kim和Clarke通過研究發(fā)現(xiàn),進(jìn)離場定位點(diǎn)是終端區(qū)交通運(yùn)行的一個(gè)重要瓶頸[67]。2013年,美國FAA的Bola?os和 Murphy通過對歷史數(shù)據(jù)進(jìn)行研究,發(fā)現(xiàn)紐約的三大國際機(jī)場是美國整個(gè)空中交通運(yùn)行的瓶頸[68]。2014年,Kim等又提出跑道作為重要的交通瓶頸,其多跑道交通分配策略,嚴(yán)重影響著空中交通擁擠狀態(tài)[69]。2014年,李善梅研究了基于拓?fù)浣Y(jié)構(gòu)特征和交通流特征的瓶頸機(jī)場識(shí)別方法[23]。

以上的研究都是針對固定瓶頸問題而開展的。由于空中交通瓶頸可能隨著空中交通擁擠狀態(tài)的變化而實(shí)時(shí)變化,交通瓶頸區(qū)域有可能會(huì)發(fā)生轉(zhuǎn)移,因此,需要進(jìn)一步從動(dòng)態(tài)的角度,研究提取擁擠瓶頸識(shí)別信息,分析其變化規(guī)律,以及時(shí)識(shí)別和預(yù)測出動(dòng)態(tài)運(yùn)行中的交通瓶頸。

4.2 未來研究方向

隨著航空運(yùn)輸業(yè)的發(fā)展,空中交通擁擠現(xiàn)象正在變得越來越復(fù)雜,更準(zhǔn)確及時(shí)地對其進(jìn)行識(shí)別和預(yù)測成為了更具挑戰(zhàn)性的研究領(lǐng)域。國內(nèi)外各種新理論、新方法、新技術(shù)的出現(xiàn),為從新角度、新方向研究擁擠識(shí)別與預(yù)測問題提供了支持。下面給出未來有可能的幾個(gè)主要研究方向。

1)結(jié)合知識(shí)經(jīng)驗(yàn)的擁擠智能識(shí)別與預(yù)測方法研究

目前對空中交通擁擠識(shí)別與預(yù)測方法的研究,主要利用各種數(shù)理統(tǒng)計(jì)方法及智能算法進(jìn)行研究。在復(fù)雜的交通環(huán)境下,人的知識(shí)經(jīng)驗(yàn)往往更加可靠,特別在應(yīng)急態(tài)勢下,人的知識(shí)經(jīng)驗(yàn)?zāi)軌虬l(fā)揮更大的作用。結(jié)合空管人員的知識(shí)經(jīng)驗(yàn),可以使擁擠識(shí)別與預(yù)測方法體現(xiàn)人的智能特征,實(shí)現(xiàn)對智能服務(wù)過程和行為的模擬實(shí)現(xiàn),更有效地解決問題。由于該方法與人們的工作習(xí)慣相吻合,更容易得到空管部門的認(rèn)可和應(yīng)用。因此,結(jié)合知識(shí)經(jīng)驗(yàn)的擁擠智能識(shí)別與預(yù)測方法將成為一個(gè)新的重要研究方向。

2)空地聯(lián)合的擁擠識(shí)別與預(yù)測方法研究

以往的空中交通擁擠識(shí)別與預(yù)測研究,大多將空中交通和地面交通隔開,分別進(jìn)行研究。但空中交通和地面交通是一個(gè)有機(jī)整體,二者之間相互影響,密不可分,應(yīng)該將空中交通和地面交通聯(lián)合起來進(jìn)行研究。這樣識(shí)別與預(yù)測出來的交通擁擠,對后續(xù)的擁擠解決策略的制定將更具指導(dǎo)意義。因此,空地聯(lián)合網(wǎng)絡(luò)的擁擠識(shí)別與預(yù)測是未來的一個(gè)重要研究方向。

3)基于復(fù)雜系統(tǒng)理論的擁擠機(jī)理研究

復(fù)雜系統(tǒng)理論主要用于揭示復(fù)雜系統(tǒng)的一些難以用現(xiàn)有科學(xué)方法解釋的動(dòng)力學(xué)行為。與傳統(tǒng)的還原論方法不同,該理論強(qiáng)調(diào)用整體論和還原論相結(jié)合的方法去分析系統(tǒng)。

空中交通系統(tǒng)是一個(gè)“人-機(jī)-環(huán)”組成的復(fù)雜巨系統(tǒng)?？罩薪煌〒頂D是各種因素相互耦合作用形成的,所呈現(xiàn)出的交通擁擠行為,并非各個(gè)交通單元運(yùn)行情況的簡單疊加[70]。應(yīng)該從復(fù)雜系統(tǒng)的角度對空中交通擁擠行為進(jìn)行分析,挖掘擁擠現(xiàn)象背后的形成機(jī)理及其時(shí)間、空間演化規(guī)律。由于復(fù)雜系統(tǒng)理論近年的重大發(fā)展,及其在地面交通、Internet網(wǎng)絡(luò)和社會(huì)網(wǎng)絡(luò)等方面的成功應(yīng)用,為其在空中交通擁擠方面的研究提供了借鑒。因此,基于復(fù)雜系統(tǒng)理論的擁擠機(jī)理研究是一個(gè)今后需要加強(qiáng)的研究方向。

5 結(jié) 論

隨著航空運(yùn)輸業(yè)的迅速發(fā)展,空中交通擁擠問題愈發(fā)凸顯,空中交通擁擠的識(shí)別與預(yù)測研究將繼續(xù)成為空中交通管理領(lǐng)域的研究熱點(diǎn)。針對不同區(qū)域、不同性質(zhì)的交通流所呈現(xiàn)出的交通運(yùn)行特征,進(jìn)一步深入開展空中交通擁擠識(shí)別與預(yù)測研究,提高擁擠識(shí)別與預(yù)測的準(zhǔn)確性和實(shí)時(shí)性,將為有效實(shí)施擁擠解決策略提供科學(xué)的理論基礎(chǔ)和有力的前提保障。

[1] Pei Y L,Lang Y S.Study of dynamic traffic assignment applied in urban traffic congestion analysis and control[J].Journal of Huazhong University of Science&Technology,2002,19(3):95-98(in Chinese).裴玉龍,郎益順.基于動(dòng)態(tài)交通分配的擁擠機(jī)理分析與對策研究[J].華中科技大學(xué)學(xué)報(bào),2002,19(3):95-98.

[2] Wanke C,Song L,Zobell S,et al.Probabilistic congestion management[C]//6th USA/Europe Seminar of Air Traffic Management R&D,2005:27-30.

[3] Volpe National Transportation Systems Center.Enhanced traffic management system(ETMS)functional description[S].Cambridge,MA:U.S.Department of Transportation,2002.

[4] Rehwald E,Hecker P.Airport centered flow management[C]//AIAA Aviation Technology,Integration,and Operations(ATIO)Conference.Reston:AIAA,2010:1-6.

[5] Tian W,Hu M H.Time decision making model and methodology for airspace congestion risk management[J].Journal of Nanjing University of Aeronautics&Astronautics,2011,43(4):565-571(in Chinese).田文,胡明華.空域擁擠風(fēng)險(xiǎn)管理時(shí)間決策模型與方法[J].南京航空航天大學(xué)學(xué)報(bào),2011,43(4):565-571.

[6] Delahaye D,Puechmorel S.Air traffic complexity:towards intrinsic metrics[C]//3rd USA/Europe Air Traffic Management R&D Seminar,2000:1-11.

[7] Chatterji G B,Sridhar B.Measures for air traffic controller workload prediction[C]//AIAA Aircraft Technology,Integration and Operations Forum.Reston:AIAA,2001:1-14.

[8] Holly K,Cabeza Y,Callaham M,et al.Feasibility of using air traffic complexity metrics for TFM decision support[R].Mclean:MITRE Corporation,2002.

[9] He Y.Research on indicators model of air traffic complexity[D].Shanghai:Tongji University,2007(in Chinese).何毅.空中交通復(fù)雜度參數(shù)模型的研究[D].上海:同濟(jì)大學(xué),2007.

[10] Kopardekar P,Schwartz A,Magyarits S,et al.Airspace complexity measurement:An air traffic control simulation analysis[J].International Journal of Industrial Engineering:Theory,Applications and Practice,2009,16(1):61-70.

[11] Mondoloni S,Liang D.Airspace fractal dimensions and applications[C]//4rd USA/Europe Air Traffic Complexity:towards Intrinsic Metrics R&D Seminar,2001:1-7.

[12] Delahaye D,Puechmorel S,Hansman J,et al.Air traffic complexity map based on nonlinear dynamical systems[C]//4th Eurocontrol Innovative Research Workshop&Exhibition,2005:284-303.

[13] Lee L,Delahaye D,Puechmorel S.Describing air traffic flows using stochastic programming[C]//AIAA Guidance,Navigation,and Control Conference.Reston:AIAA,2009:6198-6212.

[14] Zhang J,Hu M H,Zhang C,et al.Airspace complexity modeling[J].Journal of Nanjing University of Aeronautics&Astronautics,2010,42(4):454-460(in Chinese).張進(jìn),胡明華,張晨,等.空域復(fù)雜性建模[J].南京航空航天大學(xué)學(xué)報(bào),2010,42(4):454-460.

[15] Zhang C,Hu M H,Zhang J,et al.Sector asset management based on air traffic complexity[J].Journal of Nanjing University of Aeronautics&Astronautics,2010,42(5):607-613(in Chinese).張晨,胡明華,張進(jìn),等.基于交通復(fù)雜性的扇區(qū)資源管理[J].南京航空航天大學(xué)學(xué)報(bào),2010,42(5):607-613.

[16] Wang P T R,Tene N,Wojcik L.Relationship between airport congestion and at-gate delay[C]//Digital Avionics Systems Conference,2002:2D5-1-10.

[17] Li J S,Ding J L.Analysis of flight delay propagation using Bayesian networks[J].Acta Aeronautica et Astronautica Sinica,2008,29(6):1598-1604(in Chinese).李俊生,丁建立.基于貝葉斯網(wǎng)絡(luò)的航班延誤傳播分析[J].航空學(xué)報(bào),2008,29(6):1598-1604.

[18] Mukherjee A,Lovell D J,Ball M O,et al.Using optimization and queuing models to estimate long-term average flight delays and cancellation rates[EB/OL].[2009-08-16].http://transpor2.epfl.ch/tristan/FullPapers/164Ball.pdf.

[19] Xu T,Ding J L,Gu B,et al.Forecast warning level of flight delays based on incremental ranking support vector machine[J].Acta Aeronautica et Astronautica Sinica,2009,30(7):1256-1262(in Chinese).徐濤,丁建立,顧彬,等.基于增量式排列支持向量機(jī)的機(jī)場航班延誤預(yù)警[J].航空學(xué)報(bào),2009,30(7):1256-1262.

[20] Lee K,Feron E,Pritchett A.Air traffic complexity:an input-output approach[C]//American Control Conference.Piscataway,NJ:IEEE Press,2007:474-479.

[21] Lee K,Feron E,Pritchett A.Describing airspace complexity:Airspace response to disturbances[J].Journal of Guidance,Control,and Dynamics,2009,32(1):210-222.

[22] van Paassen M M,d’Engelbronner J G,Mulder M.Towards an air traffic control complexity metric based on workspace constraints[C]//Systems Man and Cybernetics(SMC).Piscataway,NJ:IEEE Press,2010:654-660.

[23] Li S M.Research on identification and prediction methods of air traffic congestion[D].Tianjin:Tianjin University,2014(in Chinese).李善梅.空中交通擁擠的識(shí)別與預(yù)測方法研究[D].天津:天津大學(xué),2014.

[24] Dorado-Usero M,Guerrero J,Schwartza A,et al.Capability assessment of various fast-time simulation models and tools with analysis concerns[R].Denver:FAA/Eurocontrol Cooperative R&D,2004.

[25] Sun D F.A multicommodity eulerian-lagrangian large-capacity cell transmission model for enroute traffic[J].Journal of Guidance,Control,and Dynamics,2008,31(3):616-628.

[26] Zobell S,Wanke C,Song L.Continual,probabilistic airspace congestion management[C]//AIAA Guidance,Navigation,and Control Conference.Reston:AIAA,2009:1-13.

[27] Zhao Y F,Chen K,Liu G,et al.A new flow alert index for sector congestion and its application[J].China Safety Science Jounal,2009,19(3):103-107(in Chinese).趙嶷飛,陳凱,劉剛,等.一種新的扇區(qū)擁擠告警指標(biāo)及應(yīng)用[J].中國安全科學(xué)學(xué)報(bào),2009,19(3):103-107.

[28] Krozel J,Hoffman B,Penny S,et al.Selection of datasets for nas-wide simulation validations[R].Herndon:Metron Aviation,2002.

[29] Bilimoria K D,Lee H Q.Analysis of aircraft clusters to measure sector-independent airspace congestion[C]//5th Aviation,Technology,Integration,and Operations Conference,2005.

[30] Penny S,Hoffman B,Krozel J A,et al.Classification of days in the national airspace system using cluster analysis[J].Air Traffic Control Quarterly,2005,13(1):29-54.

[31] Grabbe S,Sridhar B,Mukherjee A.Clustering days with similar airport weather conditions[C]//14th AIAA Aviation Technology,Integration,and Operations Conference.Reston:AIAA,2014:1-16.

[32] Performance Review Commission.An assessment of air traffic management in europe during the calendar year 2006[R].Brussels:Eurocontrol,2007.

[33] Yao L.Research on methods of air traffic congestion measures[D].Tianjin:Civil Aviation University of China,2008(in Chinese).姚玲.空中交通擁擠評價(jià)方法研究[D].天津:中國民航大學(xué),2008.

[34] Zhao Y F,Chen K.Application of evidence theory in air traffic congestion assessment[J].Journal of Transportation Information and Safety,2010(1):47-50(in Chinese).趙嶷飛,陳凱.證據(jù)理論在空中交通擁擠評估中的應(yīng)用[J].交通信息與安全,2010(1):47-50.

[35] 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(in Chinese).李善梅,徐肖豪,王超,等.基于灰色聚類的交叉航路擁擠識(shí)別方法[J].西南交通大學(xué)學(xué)報(bào),2015,50(1):189-197.

[36] Larry M.Probabilistic methods for air traffic demand forecasting[C]//AIAA Guidance,Navigation,and Control Conference and Exhibit.Reston:AIAA,2002:5-8.

[37] Chatterji G B,Sridhar B,Sheth K,et al.Methods for establishing confidence bounds on sector demand forecasts[C]//AIAA Guidance,Navigation,and Control Conference and Exhibit.Reston:AIAA,2004:16-19.

[38] Hunter G,Ramamoorthy K.A trajectory-based probabilistic TFM evaluation tool and experiment[C]//ICNS Conference,2006:1-7.

[39] Ramamoorthy K,Boisvert B,Hunter G.A real-time probabilistic traffic flow management evaluation tool[C]//25th Digital Avionics Systems Conference,2006:1-8.

[40] 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(in Chinese).李善梅,徐肖豪,王飛.基于需求不確定性的機(jī)場擁擠風(fēng)險(xiǎn)預(yù)測模型與方法[J].西南交通大學(xué)學(xué)報(bào),2013,48(1):154-159.

[41] Chatterji G B,Sridhar B.National airspace system delay estimation using weather weighted traffic counts[C]//AIAA Guidance,Navigation,and Control Conference.Reston:AIAA,2005:1-17.

[42] Gilbo E,Smith S.A new model to improve aggregate air traffic demand predictions[C]//AIAA Guidance,Navigation,and Control Conference.Reston:AIAA,2007,6450:1-11.

[43] Zhang J,Xu X H,Wang F.Airport delay performance evaluation based on fuzzy linear regression model[J].Journal of Traffic and Transportation Engineering,2010,10(4):109-114(in Chinese).張靜,徐肖豪,王飛.基于模糊線性回歸的終端區(qū)延誤性能評估[J].交通運(yùn)輸工程學(xué)報(bào),2010,10(4):109-114.

[44] Bilbo 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]//Ninth USA/Europe Air Traffic Management Research and Development Seminar,2011:14-17.

[45] Menon P K,Sweriduk G D,Bilimoria K D.New approach for modeling,analysis and control of air traffic flow[J].Journal of Guidance,Control,and Dynamics,2003,27(5):737-744.

[46] Mukherjee A,Lovell D J,Ball M O,et al.Modeling delays and cancellation probabilities to support strategic simulations[C]//Sixth USA/Europe Air Traffic Management Research and Development Seminar,2005:1-10.

[47] Wieland F.Investigating the volume-delay relationship at congested airports[C]//AIAA Aviation Technology,Integration,and Operations Conference,2006:450-456.

[48] Zhang J.Research on airport capacity and delay assessment affected by the weather[D].Nanjing:Nanjing University of Aeronautics and Astronautics,2012(in Chinese).張靜.天氣影響的機(jī)場容量與延誤評估研究[D].南京:南京航空航天大學(xué),2012.

[49] Yan K W.The research of the fleet assignment and aircraft evaluation based on market demand forecast[D].Nanjing:Nanjing University of Aeronautics and Astronautics,2010(in Chinese).演克武.基于需求預(yù)測的機(jī)型指派和評價(jià)研究[D].南京:南京航空航天大學(xué),2010.

[50] Li S M,Xu X H,Meng L H.Forecasting of airport congestion level based on cluster and neural network algorithms[J].Computer Engineering and Applications,2013,49(17):254-257(in Chinese).李善梅,徐肖豪,孟令航.基于聚類神經(jīng)網(wǎng)絡(luò)的機(jī)場擁擠等級預(yù)測[J].計(jì)算機(jī)工程與應(yīng)用,2013,49(17):254-257.

[51] Milbredt O,Grunewald E.A neural network approach to airport management[C]//AIAA Infotech@Aerospace Conference.Reston:AIAA,2015:1-10.

[52] Cheng H,Li Y M,Luo Q,et al.Study on flight delay with C4.5 decision tree based prediction method[J].Systems Engineering-Theory&Practice,2015,34(S1):239-247(in Chinese).程華,李艷梅,羅謙,等.基于C4.5決策樹方法的到港航班延誤預(yù)測問題研究[J].系統(tǒng)工程理論與實(shí)踐,2015,34(S1):239-247.

[53] Wen Y Y,Dai F Q.Terminal area capacity assessment based on TAAM[J].Journal of Civil Aviation Flight University of China,2013,24(6):9-14(in Chinese).溫媛媛,戴福青.基于TAAM機(jī)場終端區(qū)容量評估方法研究[J].中國民航學(xué)院學(xué)報(bào),2013,24(6):9-14.

[54] Mota M M,Scala P,Boosten G.Simulation-based capacity analysis for a future airport[C]//Computer Aided System Engineering(APCASE),2014:97-101.

[55] Zhang H,Xu Y,Yang L,et al.Macroscopic model and simulation analysis of air traffic flow in airport terminal area[J].Discrete Dynamics in Nature and Society,2014,14(6):1-15.

[56] Huang Y H.The research on the method of airspace evaluation and system design[D].Nanjing:Nanjing University of Aeronautics and Astronautics,2004(in Chinese).黃宇華.空域評估方法研究及其系統(tǒng)設(shè)計(jì)[D].南京:南京航空航天大學(xué),2004.

[57] Xu X H,Han F,Dai F Q.Design and implementation of air traffic flow statistics and prediction system[J].Journal of Civil Aviation University of China,2005,23(4):1-5(in Chinese).徐肖豪,韓峰,戴福青.空中交通流量統(tǒng)計(jì)和預(yù)測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].中國民航學(xué)院學(xué)報(bào),2005,23(4):1-5.

[58] Li S M,Xu X H,Meng L H.Flight conflict forecastingbased on chaotic time series[J].Transactions of Nanjing University of Aeronautics&Astronautics,2012,29(4):388-394.

[59] Hu J,Li Q,Hu Y.The method of active queue management based on air traffic network[C]//Communication Software and Networks,2011:238-241.

[60] Bai X,Menon P K.Optimal terminal area flow control using eulerian traffic flow model[C]//AIAA Guidance,Navigation,and Control Conference,2013:1-16.

[61] Khadilkar H,Balakrishnan H.Network congestion control of airport surface operations[J].Journal of Guidance,Control,and Dynamics,2014,37(3):933-940.

[62] Fleurquin P,Ramasco J J,Eguíluz V M.Characterization of delay propagation in the US air-transportation network[J].Transportation Journal,2014,53(3):330-344.

[63] Prete J,Krozel J.Benefit of a raycast weather severity metric for estimating transition airspace capacity[C]//AIAA Aviation Technology,Integration,and Operations Conference.Reston:AIAA,2010.

[64] Tien S L,Taylor C,Wanke C.Identifying representative weather-impact scenarios for flow contingency management[C]//AIAA Aircraft Technology,Integration,and Operations Conference.Reston:AIAA,2013:1-13.

[65] Dhal R,Roy S,Taylor C,et al.Forecasting weather-impacted airport capacities for flow contingency management:advanced methods and integration[C]//Aviation Technology,Integration,and Operations Conference,2013:1-12.

[66] Campbell S,DeLaura R.Convective weather impact forecasting in the terminal area[C]//AIAA Aviation Technology,Integration,and Operations Conference.Reston:AIAA,2013.

[67] Kim B,Clarke J P.Modeling and optimization of terminal area utilization by assigning arrival and departure fixes[C]//AIAA Guidance,Navigation,and Control Conference.Reston:AIAA,2013.

[68] Bola?os M E,Murphy D.How much delay does New York inject into the national airspace system?A graph theory analysis[C]//AIAA Aviation Technology,Integration,and Operations Conference,2013:1-11.

[69] Kim B,Li L,Clarke J P.Runway assignments that minimize terminal airspace and airport surface emissions[J].Journal of Guidance,Control,and Dynamics,2014,37(3):789-798.

[70] Du W B.Research on complex network and network dynamics for air transportation systems[D].Hefei:University of Science and Technology of China,2010(in Chinese).杜文博.面向航空交通系統(tǒng)的復(fù)雜網(wǎng)絡(luò)與網(wǎng)絡(luò)動(dòng)力學(xué)研究[D].合肥:中國科學(xué)技術(shù)大學(xué),2010.