基于复杂网络的飞行区运行冲突关键点识别方法

技术领域

本发明属于复杂网络的关键节点技术领域，尤其是涉及一种基于复杂网络的飞行区运行冲突关键点识别方法。

背景技术

国际民用航空组织(ICAO)在《空中交通管理》(Doc.4444)中对机场飞行区冲突关键点定义为：“机场活动区内曾经或可能发生碰撞或侵入跑道风险的位置或区域，驾驶员和司机须对此提高警觉。”准确地识别出冲突关键点，能够大幅减少或及时解决机场飞行区内的冲突，以保障航空器的良好运行，提高机场运行效率和安全质量。识别飞行区运行冲突关键点，首先需对飞行区内的冲突活动目标进行识别，而由于飞行区可视作一复杂网络模型，故其冲突关键点识别问题可基于“复杂网络的关键节点识别问题”进行深入研究。

复杂网络的关键节点识别，一直深受国内外学者关注。然后现有技术中大多是基于复杂网络理论而针对航路网络来开展，对机场飞行区冲突的研究又普遍侧重于减少现有滑行路径冲突这一层面，而对整个飞行区内活动目标间冲突的研究有待深入。

发明内容

有鉴于此，本发明提出了一种基于复杂网络的飞行区运行冲突关键点识别方法，能够识别飞行区内的运行冲突关键点，有助于相关人员提前发现并解决冲突，避免航空器、车辆或人员等出现剐蹭、碰撞而造成不良后果，从而保障机场飞行区的安全高效运行为达到上述目的，本发明的技术方案是这样实现的：

基于复杂网络的飞行区运行冲突关键点识别方法，包括如下步骤：

步骤1：基于复杂网络理论，将航空器与车辆分别作为飞机节点与车辆节点，并对可能存在冲突的两点之间进行连边，构建飞行区复杂网络模型；

步骤2：选取度中心、介数中心度、接近中心度和特征向量中心度4个参数作为冲突节点的评价指标进行分析；

步骤3：基于冲突节点的评价指标分别利用改进熵权和灰色关联度分析两种方法对飞行区复杂网络模型中的运行冲突关键点进行识别。

进一步的，所述飞行区复杂网络模型中，将具有N个节点(记为)和M条边(记为)的飞行区复杂网络记为G＝(V，E)，用w

进一步的，所述步骤2中度中心定义如下：

节点v

节点v

在飞行区复杂网络中，节点的度中心数值越大，表明其所代表的活动目标存在的潜在冲突越多，其位置所在区域为冲突关键点的可能性就越大。

进一步的，所述步骤2中度中心定义如下：

节点v

式中，n

归一化处理后，有：

在飞行区复杂网络中，节点的介数中心度数值越大，表明其代表的活动目标在潜在冲突中的相对地位越高，其位置所在区域可能为冲突关键点。

进一步的，所述步骤2中接近中心度定义如下：

节点v

节点v

式中，d

在飞行区复杂网络中，节点的接近中心度数值越大，表明其代表的活动目标的相关冲突在整个网络中的冲突程度越严重，其位置所在区域可能为冲突关键点。

进一步的，所述步骤2中特征向量中心度定义如下：

现有某一网络的邻接矩阵为A，A＝{a

λ

则节点v

E

式中，x

在飞行区复杂网络中，节点的特征向量中心度数值越大，则表明一旦该节点代表的活动目标脱离此刻的冲突关系网络，则该区域位置乃至整个飞行区网络中的潜在冲突数量都将会有所减少。

进一步的，所述步骤3中，改进熵权对飞行区复杂网络模型中的运行冲突关键点进行识别具体包括：

首先，由节点的评价指标得到初始决策矩阵X＝(x

式中，x

其次，为使矩阵X中的元素数值大小与所选单位无关，故对x

如下：

式中，x

于是得到将决策矩阵X标准化处理后的矩阵Y为：

进而，定义以下公式来计算y

式中，μ是调整系数，μ＝1/ln(m)；

得到熵值H(Z

式中0≤w

于是得到指标的熵权矩阵W如下：

W＝[w

最后，定义节点v

I

式中，I

在此基础上，定义区域的综合熵权为：将第j区域内所含全部k个节点的综合熵权之和取均值，用I

综上，在得到各区域综合熵权后，比较得出数值最大的区域为飞行区运行冲突关键点。

进一步的，所述步骤3中，灰色关联度分析法对飞行区复杂网络模型中的运行冲突关键点进行识别具体包括：

首先确定各节点的评价指标。由每个指标构成一个比较序列x

其次，由x

计算灰色关联度系数ξ

式中，|y(k)-x

计算x

再将灰色关联度r

再做如下定义：将第k个节点的关联度系数ξ

先求得未做归一化处理的R

再将R

节点的综合关联度R

最后，将第j运行区域综合属性与其在飞行区复杂网络中冲突程度的综合关联度定义为：该区域内所含全部k个节点综合关联度R

综上，在得到各区域综合关联度后，比较得出数值最大的区域为飞行区运行冲突关键点。相对于现有技术，本发明所述的基于复杂网络的飞行区运行冲突关键点识别方法具有以下优势：

本发明的方法进一步扩大了机场飞行区运行冲突的研究范围，并基于复杂网络理论建立了飞行区复杂网络模型，利用改进熵权与灰色关联度分析两种方法对相关指标进行分析，更大范围地识别出飞行区内可能存在的运行冲突，并得到冲突关键点，以帮助相关人员提前预测或及早发现冲突情况，从而妥善解决冲突，保障机场飞行区的运行安全、高效。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明的飞行区复杂网络模型示意图；

图2为本发明的活动目标间冲突的动态变化示意图；

图3为本发明的西安机场北侧部分飞行区场面区域划分示意图；

图4为本发明的西安机场部分飞行区场面区域在某一时刻下的实际运行情况作为一飞行区网络模型示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。

下面将参考附图并结合实施例来详细说明本发明。

本发明提供了一种基于复杂网络的飞行区运行冲突关键点识别方法，具体包括如下内容：

1、构建飞行区复杂网络模型

机场飞行区内的活动目标种类多、数量大，活动状态多变，因此可以看作是一个由多单元构成且整体结构特征复杂多变的网络系统，兼有随机网络、小世界网络、无标度网络等常用复杂网络模型的特征。本发明基于复杂网络理论，并结合机场飞行区实际运行情况，将飞行区内的主要活动目标：航空器与车辆，分别作为飞机节点与车辆节点，并对可能存在冲突的两点之间进行连边，从而建立了飞行区复杂网络模型，如图1所示，并做出如下定义：

1)将具有N个节点(记为V)和M条边(记为E)的飞行区复杂网络记为G＝(V，E)。用w

2)用邻接矩阵A＝{a

同时，为方便研究，此处做出如下假设条件和规定：

1)研究范围

将冲突的研究范围划定为包括停机坪、廊桥附近、滑行道、跑道在内的可供航空器以及必要车辆活动和使用的场地。同时，将整个飞行区网络划分成多个运行区域，以便于识别出冲突关键点的所在。

2)研究目标

研究目标为机场飞行区内正在发生移动且会对网络产生影响的航空器和车辆，对于静止不动的航空器与车辆、以及已起飞或未着陆的航空器均不予考虑。

3)冲突认定与连边

在做冲突分析时，不能忽略活动目标本身的尺寸，单纯视其为质点显然不合理，而应视其为可移动柱体，于柱体外合理划设圆形安全区，以表示安全间隔。当两活动目标的安全区范围出现重叠时，表示二者距离已低于安全间隔，认为二者之间存在冲突。由于机场在大流量下十分拥挤和繁忙，为保证运行效率，在确保安全的情况下，对冲突的认定不宜太广，即安全区的划设范围应尽量小。一般情况下，航空器的翼展大多为30-60m，大型车辆如摆渡车等其车长一般不超过15m，同时考虑到航空器的滑出、转弯等速度较小，且航空器滑行速度与车辆行驶速度在该种情况下因相应的规定限制而同样普遍不大(一般航空器滑行速度为10-25km/h，最高不超过50km/h；车辆行驶速度最高不超过40km/h)，再综合管制员发现情况后下达管制指令的时间、驾驶员反应与操作时间、应避让操作的时间等因素，现对安全区划设范围规定为：以飞机节点为中心，100m为半径作圆；以车辆节点为中心，80m为半径作圆，形成二者各自的安全区。若出现两圆区域相交(相切除外)，则认为在该时刻下，两活动目标节点可能存在冲突(如图2a所示)，故对其进行冲突连边。其中，两节点间冲突连边权重w

式中，d

然而，飞行区内可能存在的各种冲突关系并非一成不变。随着活动目标的移动，可能不断出现旧的潜在冲突消失、新的潜在冲突出现。因此这些潜在的冲突关系始终是处于一个动态变化的状态(如图2b所示)。

2、飞行区复杂网络的统计性指标

为充分反映出飞行区复杂网络的拓扑结构，进一步对其做出针对性分析，现定义以下4种特征指标：度中心、介数中心度、接近中心度、特征向量中心度。

1)度中心(Degree Centrality)

节点v

节点v

在飞行区复杂网络中，节点的度中心数值越大，表明其所代表的活动目标存在的潜在冲突越多，即冲突风险越高，其位置所在区域为冲突关键点的可能性就越大。

2)介数中心度(Betweenness Centrality)

节点v

式中，n

归一化处理(令结果<1)后，有：

在飞行区复杂网络中，节点的介数中心度数值越大，表明其代表的活动目标在潜在冲突中的相对地位越高，其位置所在区域可能为冲突关键点。

3)接近中心度(Closeness Centrality)

节点v

节点v

式中，d

在飞行区复杂网络中，节点的接近中心度数值越大，表明其代表的活动目标的相关冲突在整个网络中的冲突程度越严重，其位置所在区域可能为冲突关键点。

4)特征向量中心度(Eigenvector Centrality)

节点v

现有某一网络的邻接矩阵为A，A＝{a

于是有：

λ

则节点v

E

式中，x

在飞行区复杂网络中，节点的特征向量中心度数值越大，则表明一旦该节点代表的活动目标脱离此刻的冲突关系网络，则该区域位置乃至整个飞行区网络中的潜在冲突数量都将会有所减少，从而提高运行安全性。故应着重关注并解决该目标位置的冲突问题，努力引导其尽早脱离相应的冲突关系网。

3、飞行区运行冲突关键点识别

3.1、改进熵权法下的关键点识别

熵权法可通过各指标所含信息量大小来计算权重，从而选出更有评估效力的评价指标，即若某一指标的熵值越小，则其熵权越大，该指标也就越具备对冲突关系的评估效力。

然而，常用的熵权法在得出指标权重后进一步对其进行综合评价时，很可能会出现一些极端情况(如权重为0或负数的点、异常数据点等)，且飞行区内的活动目标节点均为网络中实际存在而不能随意移除，因此这将会影响判别飞行区中各目标间冲突关系的准确性，从而无法准确识别出冲突关键点。本发明为减少极端情况出现而造成影响对方法进行了改进，具体如下：

1)首先由节点的评价指标得到初始决策矩阵X＝(x

式中，x

2)其次，为使矩阵X中的元素数值大小与所选单位无关，故对x

式中，x

于是得到将决策矩阵X标准化处理后的矩阵Y为：

3)进而，定义以下公式来计算y

式中，μ是调整系数，μ＝1/ln(m)。

得到熵值H(Z

式中0≤w

于是得到指标的熵权矩阵W如下：

W＝[w

4)最后，定义节点v

I

式中，I

在此基础上，定义区域的综合熵权(IEWR)为：将第j区域内所含全部k个节点的综合熵权之和取均值，用I

综上，在得到各区域综合熵权后，比较得出数值上较大的区域，即可识别其为飞行区运行冲突关键点。

2.2灰色关联度分析法下的关键点识别

首先确定各节点的评价指标。由每个指标构成一个比较序列x

2)其次，由x

3)计算灰色关联度系数ξ

式中，|y(k)-x

4)计算x

再将灰色关联度r

通过权重可以更客观地表示出各比较序列x

5)再做如下定义：将第k个节点的关联度系数ξ

先求得未做归一化处理的R

再将R

节点的综合关联度R

6)最后，将第j运行区域综合属性与其在飞行区复杂网络中冲突程度的综合关联度定义为：该区域内所含全部k个节点综合关联度R

综上，在得到各区域综合关联度后，比较得出数值上较大的区域，即可识别其为飞行区运行冲突关键点。

下面通过具体的实例对本发明的方法进行分析。

本发明以西安咸阳国际机场飞行区的实际运行为背景，建立其飞行区复杂网络模型，选取了北侧(跑道长为3000m)部分的飞行区场面进行区域划分(如图3所示)，考虑到航空器滑行、车辆运行等，并结合机场图、跑道实际长度、所选飞行区内实际运行情况等因素，对该飞行区网络每600m划定为一个运行区域，共划分了21个运行区域，在此基础上进行冲突关键点识别。同时规定：对于穿越不同区域的活动目标，令其所属为其体积占比较大的区域，以避免两区域交界位置存在冲突而无法识别的情况出现。

现选取西安机场部分飞行区场面区域在某一时刻下的实际运行情况作为一飞行区网络模型(如图4)进行实例分析。在图4中，有第8、9、15、16四个运行区域；有1、5、6、10、13、14六个车辆节点；2、3、4、7、8、9、11、12、15、16十个飞机节点，各节点间冲突关系如图4所示。

通过计算可得出图4中各节点的相关指标数值(如表1所示),分析表中数据可得出：

①在该网络中，节点4的多数指标数值均为最优，故该位置可能存在的冲突程度最大；

②节点2指标数值优劣仅次于节点4，故推断其位置冲突程度排在第二位，而紧随其后的为节点7；③如节点3、5、8；节点10、11、13、15；节点6、12、16等各指标数值均分别相同，故它们的相对冲突程度大小暂时无法得出确切结论。

表1

可见，单纯计算节点各指标数值未能确定出全部节点的冲突程度，无法识别出此时的冲突关键点所在，故而利用改进熵权与灰色关联度分析两方法对此做进一步研究。

3.2基于改进熵权的识别分析

现仍以图4的飞行区网络为参考，说明改进熵权法的识别效用如下：

由式(9)、(10)、(11)可得到标准化处理后的决策矩阵

Y为：

故由式(12)、(13)、(14)可得到指标的熵权矩阵W为：

W＝[0.0390,0.5608,0.0989,0.3013]

指标的权重越大，证明其对各节点间冲突关系的识别效力越高。于是可得出在图4网络中，节点指标的识别效力由高到低依次为：BC、EC、CC、DC，可见节点的介数中心度BC对于识别重要节点具有最优的评估效力。但由于有部分节点的BC数值相同，单纯比较BC无法对节点相对冲突程度进行排序，故而再由式(15)进一步计算得出各节点的综合熵权(IEWC)为(如表2所示)：

表2

由此可得出图4中各节点的相对冲突程度：节点4位置处的冲突程度最严重，排在首位；其后顺序依次为：节点2、7、14；节点3、5、8；节点10、11、13、15；节点9；节点6、12、16；最后为冲突程度最小的节点1位置。最后由式(16)可得到图4中各运行区域的综合熵权(IEWR)(如表3所示)。

表3

由此可得结论：在图4这一飞行区网络中，第9运行区域的综合熵权数值最大，故识别该区域为冲突关键点。

3.3基于灰色关联度的识别分析

仍以图4网络为参考，说明灰色关联度分析法的识别作用如下：由式(23)可得比较序列，并定义参考序列，构成初始评估列表(如表4所示)，进而由式(17)可得各指标的灰色关联度系数(如表5所示),再由式(18)、(19)可得各指标与参考序列的关联度及其权重(如表6所示)。

表4

表5

/>

表6

由此可得出指标的关联序为:

DC>EC>CC>BC，也即各指标的评估效力顺序。再由式(20)、(21)可得各节点综合属性与其所在位置冲突程度的综合关联度(如表7所示)，由此可知，节点4的综合关联度最高，其所在位置可能存在的冲突最大。最后，由式(22)可得各运行区域综合属性与其在整个网络中冲突程度的综合关联度(如表8所示)。

表7

表8

由此可得结论：在图4这一飞行区网络中，第9区域为运行冲突关键点。其后的冲突程度顺序依次为，第8区域、第16区域、第15区域。

综上所述，改进熵权与灰色关联度分析两方法均可有效识别出飞行区复杂网络的运行冲突关键点，从而帮助相关人员及早做出应对措施，保证飞行区运行安全、高效。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。