1.一种交通需求预测方法,其特征在于,包括:
对航空器在相应时间段内经过扇区边界点时间的预测误差进行归类统计;以及
根据归类统计概率性预测航路扇区交通需求值。
2.根据权利要求1所述的交通需求预测方法,其特征在于,
对航空器在相应时间段内经过扇区边界点时间的预测误差进行归类统计的方法包括:
创建航空器的航路网络模型,确定预测误差的影响因素。
3.根据权利要求2所述的交通需求预测方法,其特征在于,
创建航空器的航路网络模型的方法包括:
将航路网络简化为空域、航路、航路扇区和扇区边界点四类要素,同时将整个空域被划分为目标和非目标空域两类;其中
目标空域是指属于预测空间范围内的航路扇区所组成的空域;以及
不属于本次预测空间范围的航路扇区构成了非目标空域;
设在预测目标时间段T内,有若干架航空器经过某一航路扇区,其中第i架航空器的起飞时间设为经过扇区边界点的预测时间,即航空器过点时间的预测值设为
经过扇区边界点的实际时间,即航空器过点时间的实际值设为
以及航空器经过扇区边界点的时间预测误差,即航空器过点时间的预测误差Δti定义为
将航空器过点时间的预测误差样本分为两个子集,即
前m天为子集I,第m+1天到第M天为子集II;其中
子集I用于统计预测误差的分布特性,子集II用于验证统计规律的有效性。
4.根据权利要求3所述的交通需求预测方法,其特征在于,
确定预测误差的影响因素的方法包括:
所述影响因素包括:典型运行日内不同时段的繁忙程度和预测时间尺度;且
采用二维概率分布f(Tk,Pj)描述预测误差的分布特性随时段的变化规律,其中
Tk表示时段分区,以反映典型运行日不同时段的繁忙程度,即将航空器的典型运行日全天以一定步长划分为若干个时段分区;k表示误差统计时段点号,k=1,2,...,K,K表示进行误差统计的总时段数;以及
Pj是描述航空器过点时间的特征量。
5.根据权利要求4所述的交通需求预测方法,其特征在于,
对所述预测误差进行归类统计,即对预测误差进行分布特性统计,其方法包括:
将第Tk时段内的预测误差样本按预测误差的大小及其个数的均匀分布进行二重划分。
6.根据权利要求5所述的交通需求预测方法,其特征在于,
将第Tk时段内的预测误差样本按预测误差的大小及其个数的均匀分布进行二重划分的方法包括:
首先,将第Tk时段的预测误差样本按预测误差值的大小进行第一次划分,即
建立第一次划分的坐标系,其横坐标为Tk+i且i=0,2,...,59,表示预测误差值所对应的时段点数,纵坐标为预测误差值,设定分类尺度,对过扇区边界点时间的预测误差进行等间隔划分;
设置预测误差样本数量参考区间[l-δ,l+δ],l表示合适的样本个数,δ为波动范围,从预测值两侧向中间方向对初步划分的等间隔区间进行合并;
通过上述操作后,对应于第Tk时段得到共W层分区,设每个分区为Lk,w(w=1,2,...,W),且第Lk,w个分区中含有Rk,w个样本;并且沿时间轴拓展分别从横向、纵向角度对历史样本数据进行归纳分类。
7.根据权利要求6所述的交通需求预测方法,其特征在于,
对预测误差进行分布特性统计的方法还包括:
逐一计算第Lk,w,且k=1,2,...,K;w=1,2,...,W层的预测误差样本vr,且r=1,2,...,Rk,w,以预测误差百分比为横坐标,选取合适的误差步长作为区域间隔宽度,根据所求得的vr值,将样本点集中到相应的区隔内;
经统计以得到每个预测误差区域间隔内的样本个数分别为ms,其中s=1,2,...,S,且并且根据预测误差区域间隔内的样本个数得到fs=ms/Rk,w;
当Rk,w充分大时,即可将fs视为第Tk时段的第Lk,w层分区的预测误差的离散确切概率分布;
对全体历史数据遍历,以得到MW个预测误差的离散确切概率分布函数,即误差统计表。
8.根据权利要求7所述的交通需求预测方法,其特征在于,
根据归类统计概率性预测航路扇区交通需求值的方法包括:
若在预测目标时间区间[tk,tk+14]内,共有若干架航空器经过一航路扇区,则当前航空器经过该扇区边界点并进入该扇区的预测时间误差的概率密度
对应概率分布函数为
以及航空器经过该扇区边界点并离开该扇区的预测时间误差
的概率密度
对应概率分布函数为
由于第i架航空器进入该航路扇区的预测时间为其中
为按照航空器起飞时刻、飞行路径长度和飞行性能得到的准确过点时间,并且
与
的分布规律一致,则在[tk,tk+14]内该航空器进入该航路扇区的概率为:
以及在[tk,tk+14]时段内该航空器离开航路扇区的概率为:
有公式(1)(2)可知,在[tk,tk+14]时段内该航空器位于航路扇区内的概率为:
以及
若未来某日[tk,tk+14]时段内某航路扇区确定性需求预测结果为M架次,则
可能有M架航空器经过,则该时段内扇区中存在m架航空器的概率为:PM[m](0≤m≤M),通过伪程序表示法,得出其结果。