一种基于交通量的空中管型高速航路网络布局方法与流程

本发明涉及一种管型航路网络布局方法，尤其涉及一种基于城市对间飞行班次交通量的管型航路网络布局方法，属于空中交通管理航路网络规划领域。

背景技术：

随着我国空中交通量持续增长，空域拥堵、航班延误问题日益严重。我国航空运输系统正面临巨大压力和严峻挑战，如何在现行容量日趋饱和的情况下，提升空中交通运行效率，减小延误，布设高效率的航路网络也是国际关注的热点问题。

管型航路是一种面向未来空中航行系统的新型空域，是由多股平行、近距航道构成的一种高空、高速“管道型”动态航路(类似于“全封闭”空中高速路)，可容纳高密度交通流，并具有占据空域少，柔性可变和动态激活/关闭等新特征。航空器采用基于数据链的通信(cpdlc)、基于性能的导航(pbn)和广播式自动相关监视(ads-b)等先进技术，在航路中实施基于航迹的运行(tbo)和自主间隔管理(self-separationmanagement)，可在对传统空域影响较小的情况下，极大提升现有空域容量，降低空中交通复杂性，减少空中交通拥堵。

当前对管型航路网络的布局技术主要为针对现有交通流数据，通过机场对间的直接相连和机场聚类等方法，此类技术侧重于从管型航路网络覆盖大量航班和机场为切入点，过于关注管型航路的大容量特征。但是，对于管型航路网络的效率，复杂性等方面未过多考虑，导致生成的航路网络复杂性高，利用率较低，并未对繁忙的航路段进行识别，生成了较大规模的管型航路网络，对现行传统空域结构产生了一定的负面影响。且都为对历史数据的统计分析，缺乏一定的科学性。因此，亟需一种高效的管型航路网络布局方法，作为辅助性空域结构，为应对未来民航业的迅猛发展提供有效的解决方案，在保障飞行安全的前提下极大提升现有空域容量，缓解空域拥堵与航班延误等问题。

技术实现要素：

为了克服现有技术的不足，本发明提出一种基于城市对间交通量的管型航路网络布局方法，可显著提升现有空域容量，降低管型航路网络复杂性，有效提升管型航路网络的利用率，为应对未来民航运输业的迅速发展问题中的管型航路网络布局提供参考依据。

本发明采用如下技术方案：一种基于交通量的空中管型高速航路网络布局方法，所述方法包括如下步骤：

步骤一：对历史航班时刻数据进行统计分析，提取各个城市对间年飞行班次，并基于指数平滑法，对未来几年时间内的城市对间年飞行班次进行预测，具体实施步骤如下：

(1.1)根据中国民用航空管理局颁布的《从统计看民航》数据，统计起飞、着陆机场均为大陆的城市对间年飞行班次，并不区分飞行方向，对其进行降序排列；

(1.2)以2010-2017年历史统计数据，基于指数平滑法预测模型，对未来5年各城市对间的飞行班次进行预测。

步骤二：确定城市对间日均飞行班次阈值，作为基于城市的网络布局方法中的输入参数，高于此设定阈值，则考虑在两城市间搭建管型航路，直接影响到最终管型航路网络规模，具体实施步骤如下：

(2.1)统计选定不同阈值情况下，所需构建管型航路数目以及该网络所能服务的航班飞行班次，及覆盖的交通量，并绘制城市对间飞行班次阈值分布直方图；

(2.2)以管型航路数目，覆盖交通量为权衡指标，对不同区间分布的阈值进行分析，确定有效的阈值分布范围。

步骤三：对步骤二中确定阈值后，满足条件的城市对进行距离约束筛选，剔除起飞-目的飞行距离较近的城市对对所筛选的城市对加以距离约束。因为管型航路为针对远程航班所涉及的，且需爬升至较高高度层，以及进/出管型航路产生的额外距离，因此巡航距离过短则不能体现管型航路的特性；

步骤四：设定距离环，合并临近机场；民用航空器一般从滑行开始，需要20-30分钟左右可爬升至巡航高度，爬升/下降阶段飞行距离约为150km，可选取一个150km为半径的距离环，将步骤二中确定的起始机场作为圆心，以150km为半径，对周边机场进行聚类为机场群，如广州白云机场和深圳宝安机场，上海浦东机场和上海虹桥机场，以及北京首都机场和北京南苑机场、天津滨海机场，诸类机场均可通进出口加入管型航路进行飞行，以提高飞行效率，并极大提升了管型航路网络的覆盖量。

步骤五：管型航路共线调整，如昆明-北京和重庆-北京几乎位于同一条直线上，这就造成不同航路重叠或间隔太小，降低了安全性，且各个管型航路间产生了过多的交叉，在一定程度上增加了空域的复杂性，可通过共线调整，即设置昆明-重庆和重庆-北京两条航路，并在重庆设置管型航路进出口；

步骤六：节点调整。在步骤五优化后的管型航路网络基础上，通过设置关键节点，进一步简化网络，提高管型航路网络的利用率，并更利于实施飞行管控。以航空运行成本最低为目标，建立节点位置的优化模型，基于遗传算法对目标函数求解，得到对应优化方案下的决策变量值，即为最终的管型航路网络布局。

本发明的有益效果为：本发明提出的基于城市对间飞行班次的管型航路网络布局方法，对复杂的网络进行优化调整，以较小规模的管型航路网络服务大量的航班，在一定程度上降低了空域复杂性，极大提升了管型航路网络的利用率和运行安全性，有效解决了未来民航运输业迅猛发展带来的空中拥堵，延误以及航路网络容量饱和等问题。

附图说明

图1为基于城市对间飞行班次的管型航路网络布局方法核心原理图；

图2为基于指数平滑法预测的部分城市对间2020年的年飞行班次；

图3不同区间的阈值设定对应的机场对数量和航班飞行班次直方图；

图4阈值为40时的初步管型航路网络；

图5合并机场后的管型航路网络布局；

图6航路共线调整优化后的管型航路网络布局；

图7关键节点调整优化后的管型航路网络布局。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚，一下结合多个附图和计算实例，对本发明进行进一步的详细说明，应当理解，此处所描述的实例仅用于解释本发明的核心原理，但是并不用于限定本发明。图1为基于城市对间飞行班次的管型航路网络布局方法的核心原理图，对管型航路网络的执行流程进行了总体描述。

步骤一：根据历史航班飞行数据，本实例采用中国民用航空管理局颁布的2010-2017年的《从统计看民航》历史数据，统计起飞、着陆机场均为大陆的机场，不区分飞行方向，归类不同机场对间年飞行班次，并进行降序排列；(采用定量预测方法对未来几年的飞行班次进行预测，方法有历史趋势法，指数平滑法，自回归综合华东平均模型，神经网络模型等)基于指数平滑法预测模型，对未来3年各城市对间的飞行班次进行预测。指数平滑法的基本公式为：st＝α·yt+(1-α)·st-1，其中st为时间t的预测值，yt为时间t的实际值，α为平滑系数，考虑到未来民航运输业的发展呈非线性递增趋势，取α为0.3，设一次、二次指数平滑的初始值为2010-2012三年数据的平均值，根据指数平滑值计算公式以此计算一次、二次、三次平滑值，结合非线性预测模型，预测出2020年各城市对间飞行班次，图二为基于指数平滑法预测的部分城市对间2020的年飞行班次。

步骤二：确定城市对间日均飞行班次阈值，作为基于城市的网络布局方法中的输入参数，高于此设定阈值，则考虑在两城市间搭建管型航路。图3为不同区间的阈值设定，对应的机场对数量和航班飞行班次，当阈值取5-30时，可服务航班量较大，但满足此参数的机场对数量较多，所需构建的管型航路数目较多；当阈值取60以上时，虽然可显著减少符合条件的城市对数量，但可服务的航班量过少，因此阈值应设置在30-60间可相对实现管型航路数目与覆盖交通量间的平衡。本实例选择阈值为40，可通过构建24条管型航路，直接服务14个机场，覆盖交通量达10.47％，生成管型航路网络见图4。

步骤三：因为管型航路为针对远程航班所涉及的，且需爬升至较高高度层，以及进/出管型航路产生的额外距离，因此巡航距离过短的城市对间不适合构建管型航路。对步骤二中确定阈值后，满足条件的城市对进行距离约束筛选，本实例选择距离约束为500km，剔除距离小于500km的城市对间管型航路，如步骤二中的西双版纳嘎洒机场-昆明长水机场，广州白云机场-海口美兰机场。

步骤四：设定距离环，合并临近机场；选取合理的距离作为合并机场的距离限制，计算航空器平均从起飞到巡航阶段的飞行距离，民用航空器一般从滑行开始，需要20-30分钟左右可爬升至巡航高度，爬升/下降阶段飞行距离约为150km，本实例可选取一个150km为半径的距离环，将步骤二中确定的起始机场作为圆心，以150km为半径，对周边机场进行聚类为机场群，将上海浦东机场、无锡硕放机场、南通兴东机场合并至虹桥机场，将深圳安宝机场和珠海金湾机场合并至广州白云机场，北京南苑机场、天津滨海机场合并至北京首都机场，绵阳南郊机场合并至成都双流机场，宁波栎社机场和义乌机场合并至杭州萧山机场，合肥骆岗机场和常州奔牛机场合并至南京禄口机场。诸类机场均可通过相应入口可加入管型航路进行飞行，由最初的服务14个机场扩展至22个机场，进一步提升了管型航路网络的覆盖量。

步骤五：由管型航路共线调整。图5可看出，部分航路几乎位于同一条直线上，这就造成不同航路重叠或间隔太小，降低了安全性，且各个管型航路间产生了过多的交叉，在一定程度上增加了空域的复杂性，应对重叠航路进行如下适当调整：成都-北京和西安-北京，昆明-北京和重庆-北京，广州-上海和广州-杭州，成都-广州和重庆-广州均基本重叠，可选择剔除较短航程的航路，并在成都-北京，昆明-北京，广州-上海和成都-广州航路上合适位置设置进出口，以使被剔除航路段的航空器正常使用管型航路，是的航路网络结构得以简化，见图6。

步骤六：由图6可明显看出，所生成的管型航路网络，城市节点北京和广州市连接南北航路的重要节点，其地理位置很重要，多条航路通达北京和广州，可分别在南北设置中间节点p1和p2进行优化，有助于提高航路利用率，网络优化设计的首要问题是对关键节点的位置优化，以考虑航空运行成本为移动节点优化模型的目标函数，该问题抽象为单目标约束优化问题，目标函数为航空运行成本，约束是移动节点的可搜索空间，具体实施如下：

约束条件为：

其中，fi为第i个航路段上航空器流量，xp1，yp1分别为节点p1的坐标，xi，yi分别为与p1节点即本发明中与北京相连的机场坐标，目标函数中前一部分表示与移动节点p1相关的航段(共n段)的运行成本总和，后一部分表述与移动节点p2相关的航段(共m段)的运行成本总合。约束条件包括两移动节点的位置取值范围，且通过设置节点后的网络总额外飞行距离不能超过之前航路网络长度的5％。基于遗传算法求解该目标函数，得到p1，p2对应优化方案下的决策变量值。移动节点优化处理后的枢纽网络布局如图7。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以做出若干改进，这些改进也应视为本发明的保护范围。