基于机器学习的管型航路柔性化方法研究

With the continuous rapid development of the aviation transportation industry, the tension of civil aviation airspace has appeared from the point to the area of the development trend. All countries are actively exploring new concepts, new ideas and new methods for the upgrading and transformation of air traffic control systems. Under the background of the maturation of new navigation technology, European and U.S. aviation developed countries have pioneered the concept of tubular route operation with new characteristics such as "large capacity, autonomous spacing and flexibility" flow corridors, and the air traffic control unit can dynamically activate/close the flow corridors and flexibly change the spatial position and configuration to increase/decrease the airspace capacity according to the actual demand, Improve the efficiency of airspace operation and avoid dangerous areas. At present, many achievements have been made in the study of flow corridors, but there are still many difficulties in combining theory with practice, especially to meet the problems of safety and timeliness in the actual operation of civil aviation. Machine learning is a multi-domain crossover method that has emerged in recent years, which has been proved to have outstanding real-time reasoning, analysis and prediction ability, and is very suitable for solving the application problems in civil aviation field. At present, machine learning in the field of civil aviation is still in the beginning and exploration stage, the first to introduce machine learning into the application of flow corridors, will certainly promote the deep integration of flow corridors theory and practice, research has important theoretical value and practical significance.

随着航空运输业持续高速发展，民航空域紧张的局面已然呈现由点到面的发展趋势。各国都在积极探索空管系统升级和变革的新概念、新思路和新方法。在新航行技术日臻成熟的背景下，欧美航空发达国家率先提出了具备“大容量、自主间隔和柔性化”等崭新特点的管型航路运行概念，管制单位可以动态的激活/关闭管型航路，灵活改变管型航路的空间位置和构型，以根据实际需求增/减空域容量、提高空域运行效率和避让危险区域。现阶段，管型航路研究已取得不少成果，但在理论与实践相结合方面还存在诸多困难，特别是难以满足民航实际运行中对安全性和时效性兼顾的问题。机器学习是近年来兴起的一门多领域交叉方法，被证明具有出众地实时推理、分析和预测能力，非常适应解决民航领域应用难题。现阶段，机器学习在民航领域尚处在起步和和探索阶段，率先将机器学习引入管型航路的应用研究中，必将推进管型航路理论与实践地深度融合，研究具有重要的理论价值和现实意义。

我国正处在多领域民航强国建设的新阶段，然而，由于关键空域资源不足，民航空管的基础设施保障能力仍面临容量和效率的双瓶颈，如何推动空域结构优化调整，提高空域资源使用效率，已成为推进我国民航空管质量变革、效率变革和动力变革的焦点。本项目的研究对象“管型航路”是一种面向未来航行系统的新型空域概念，采用可容纳多层、多股平行交通流的单向管道型空域结构，占用空域资源少，类似于地面交通中“全封闭”高速路，突破传统基于扇区的管制方式，且能够与传统空域顺畅衔接，在占用较少空域资源的情况下同时提升空域容量和效率，其运行概念非常适合我国空域结构的升级和变革。现阶段，虽然“管型航路”的运行概念具备诸多优良特性，但是在应用层面还缺乏足够的理论、方法和技术支撑，特别是在柔性化配置方面还存在理论不足，限制了其在短期内走向实际应用。本项目旨在以民航实际运行环境为背景，提出一种系统性的“管型航路”柔性化配置方法，缩短“管型航路”理论与实际应用之间的距离。.项目团队采用数据驱动和仿真建模相结合的方法，从航路网络拓扑结构和历史运行态势分析入手，实现对不同空域单元航班延误态势的准确预测；从宏观设计和微观运行建模分析入手，获取管型航路的内禀属性；聚焦于设计适合的运行数据特征，构建出机器学习模型以实现管型航路柔性化配置模型，探索灵活改变管型航路的空间位置和构型，动态的激活/关闭管型航路的理论方法；将管型航路概念与一线管制运行环境结合，设计了面向民航华东地区的新型管型航路原型概念，包括：人员职责、设施设备、管理流程、物理结构、运行模式、空间布局和动态使用等，邀请民航一线管制员加入了项目验证过程，汲取了诸多宝贵的经验和建议。项目对空管基础设施保障能力存在的容量和效率双瓶颈问题提供新思路和新方法，研究兼具良好的理论意义和重要的应用前景。

内容获取失败，请点击重试