管制扇区交通指标的混沌特性分析

中国民航大学学报

管制扇区交通指标的混沌特性分析

冯程¹，刘姝含²，巩倩³

（1. 中国电子科技集团公司第二十八研究所，南京 210007；2. 江苏省产业技术研究院，南京 210000；3. 中国民用航空江苏空管分局，南京 211113）

收稿日期:2017-12-08 修回日期:2018-01-03 出版日期:2018-08-25 发布日期:2018-10-25
作者简介:冯程（1987—），黑龙江齐齐哈尔人，工程师，硕士，研究方向为机场场面运行规划与管理.

Chaotic characteristic analysis of control sector traffic indices

FENG Cheng¹, LIU Shuhan², GONG Qian³

(1. 28th Research Institute, China Electronics Technology Group Corporation, Nanjing 210007, China;2. Jiangsu Industrial Technology Research Institute, Nanjing 210000, China; 3. Jiangsu Branch, CAAC, Nanjing 211113, China)

Received:2017-12-08 Revised:2018-01-03 Online:2018-08-25 Published:2018-10-25

摘要/Abstract

摘要： 为了深入分析空中交通系统的非线性特征，对管制扇区交通运行特征的混沌特性进行了检验。借鉴混沌理论及相关分析方法，利用互信息法和伪最近邻点法分别得到时间延迟和嵌入维数，确定重构时间序列相空间的重要参数，并计算最大Lyapunov 指数。选取国内某区域管制中心多个扇区样本作为分析对象，利用多个指标反映扇区交通特征，历史数据计算结果表明：航空器数量、平均管制里程、平均管制时间、平飞航空器数量及垂直最小间隔等交通特征中存在着较为普遍的混沌现象。

关键词: 管制扇区, 指标, 混沌, 最大Lyapunov 指数

Abstract: In order to deeply analyze the nonlinear characteristics of air traffic system, the chaotic characteristics of control sector are validated. Chaos theory and correlation analysis method are used for reference. Firstly, the mutual information method and pseudo nearest neighbor method are used to determine the time delay and embedding dimension, important parameters of phase space of the reconstructed time series are confirmed and then the largest Lyapunov index is calculated. Multiple sector samples of a control center are taken as objects, multiple indices are used to reflect the sector's traffic characteristics. Practical data calculating results show that there exists a general phenomenon of chaos in the following indices including number of aircrafts, average length of control, average control time, the number of flat flying aircrafts and minimum vertical spacing.

Key words: control sector, index, chaos, largest Lyapunov exponent

中图分类号:

V350

冯程，刘姝含，巩倩. 管制扇区交通指标的混沌特性分析[J]. 中国民航大学学报.

FENG Cheng, LIU Shuhan, GONG Qian. Chaotic characteristic analysis of control sector traffic indices[J]. .

参考文献

[1] 郭敏, 蓝金辉, 肖翔, 等. 基于混沌理论对北京二环路进行短时交通流量预测的研究[J]. 交通运输系统工程与信息, 2010, 10(2):106-111.
[2] 廖荣华, 兰时勇, 刘正熙. 基于混沌时间序列局域法的短时交通流预测[J]. 计算机技术与发展, 2015, 25(1):1-5.
[3] 张宏立, 李瑞国, 范文慧. 基于相空间重构的Bernstein 神经网络混沌序列预测[J]. 系统仿真学报, 2016, 28(4):880-889.
[4] 罗婷. 模拟退火混沌粒子群算法在短时交通流预测中的应用[D].成都: 西南交通大学, 2016.
[5] LI SHANMEI, XU XIAOHAO, MENG LINGHANG. Flight conflict forecasting based on chaotic time series[J]. Transactions of Nanjing University of Aeronautics & Astronautics, 2012, 29(4): 388-394.
[6] 韩敏. 混沌时间序列预测理论与方法[M]. 北京:中国水利水电出版社, 2007.
[7] 陈铿, 韩伯棠. 混沌时间序列分析中的相空间重构技术综述[J].计算机科学, 2005, 32(4): 67-70.
[8] 杨志安, 王光瑞, 陈式刚. 用等间距分格子法计算互信息函数确定延迟时间[J]. 计算物理, 1995, 12(4): 442-448.
[9] 赵鸿, 柴路, 王浩, 等. 互信息在时间序列分析中的应用[J].应用科学学报, 1996, 14(1): 48-52.
[10] 王海燕, 盛昭瀚. 混沌时间序列相空间重构参数的选取方法[J]. 东南大学学报(自然科学版), 2000, 30(5): 113-117.
[11] KENNEL M B, BROWN R, ABARBANEL H D I. Determining embedding dimension for phase space reconstruction using a geometrical reconstruction[J]. Phys Rev A, 1992, 45(6): 3403-3411.
[12] WOLF A, SWIFT J B, SWINNEY H L, et al. Determining Lyapunov exponents from a time series[J]. Physica D: Nonlinear Phenomena, 1985,16(3): 285- 317.
[13] BARNA G, TSUDA I. A new method for computing lyapunov exponents[J]. Phys Lett A, 1993, 175(6): 421- 427.
[14] ROSENSTEIN M T, COLLINS J J, DE LUCAC J. A practical method for calculatinglargest Lyapunovexponentsfromsmall data[J]. Physica Nonlinea Phenomena, 1993, 65(1-2): 117-134.
[15] 杨永锋, 仵敏娟, 高喆, 等. 小数据量法计算最大Lyapunov 指数的参数选择[J]. 振动、测试与诊断, 2012, 32(3): 371-374.
[16] CONG WEI, HU MINGHUA. Chaotic characteristic analysis of air traffic system[J]. Transactions of Nanjing University of Aeronautics & Astronautics, 2014, 31(6): 636-642.