本文選題：空中交通管制　切入點(diǎn)：短時(shí)流量預(yù)測(cè)　出處：《西南交通大學(xué)學(xué)報(bào)》2016年04期

【摘要】：為準(zhǔn)確把握空域扇區(qū)流量分布態(tài)勢(shì)及未來變化趨勢(shì),提出了一種基于貝葉斯估計(jì)的短時(shí)空域扇區(qū)交通流量預(yù)測(cè)方法.首先,通過解析空域系統(tǒng)內(nèi)航空器原始雷達(dá)數(shù)據(jù),提取各扇區(qū)歷史運(yùn)行信息,建立了多扇區(qū)聚合交通流模型;其次,采用貝葉斯估計(jì)理論對(duì)模型參數(shù)進(jìn)行最優(yōu)估計(jì)和動(dòng)態(tài)更新,預(yù)測(cè)了空域扇區(qū)交通流量的未來演變趨勢(shì)及其不確定范圍;最后,選取國內(nèi)5個(gè)典型繁忙扇區(qū)為例,以5 min為時(shí)間段,以未來1 h為預(yù)測(cè)范圍,對(duì)所提預(yù)測(cè)方法進(jìn)行了驗(yàn)證.研究結(jié)果表明:85%以上時(shí)段交通流量預(yù)測(cè)結(jié)果的絕對(duì)誤差在3架以內(nèi),平均絕對(duì)誤差均在2架次以內(nèi),預(yù)測(cè)結(jié)果的穩(wěn)定性較好,可充分反映各空域扇區(qū)之間短時(shí)交通流的動(dòng)態(tài)性和不確定性,符合空中交通的實(shí)際情況.
[Abstract]:In order to accurately understand the spatial sector traffic distribution situation and future trends, a short-term spatial sector traffic flow prediction method based on Bayesian estimation is proposed.Firstly, by analyzing the original radar data of aircraft in the airspace system, extracting the historical operation information of each sector, the multi-sector aggregate traffic flow model is established. Secondly, the Bayesian estimation theory is used to estimate and dynamically update the parameters of the model.The future evolution trend and uncertain range of traffic flow in airspace sector are predicted. Finally, five typical busy sectors in China are selected as examples, 5 min as time period and 1 hour as prediction range to verify the proposed prediction method.The results show that the absolute error of the traffic flow forecast results is less than 3 vehicles and the average absolute error is less than 2 vehicles during the period of more than 85%, and the stability of the forecast results is good.It can fully reflect the dynamics and uncertainty of short-term traffic flow between different spatial sectors, which is in line with the actual situation of air traffic.
【作者單位】： 南京航空航天大學(xué)民航學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(U1333202) 國家科技重大支撐計(jì)劃資助項(xiàng)目(2011BAH24B08) 江蘇省普通高校研究生科研創(chuàng)新計(jì)劃資助項(xiàng)目(KYLX_0290)
【分類號(hào)】：V355

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王成斌;;定量特爾斐預(yù)測(cè)的經(jīng)驗(yàn)貝葉斯估計(jì)法[J];北方交通大學(xué)學(xué)報(bào);1991年02期

2 陳琦;胡錫健;;基于近似貝葉斯計(jì)算的HMM隱狀態(tài)估計(jì)[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

3 陳家清;劉次華;;線性指數(shù)分布參數(shù)的經(jīng)驗(yàn)貝葉斯估計(jì)[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年10期

4 張新育,孫甫照,楊松華;組合預(yù)測(cè)的貝葉斯估計(jì)方法[J];鄭州大學(xué)學(xué)報(bào)(工學(xué)版);2002年04期

5 李耀武，，田金文;關(guān)于線性貝葉斯估計(jì)[J];西安交通大學(xué)學(xué)報(bào);1995年04期

6 姚春燕,郁文賢,莊釗文;態(tài)勢(shì)估計(jì)中一種基于貝葉斯估計(jì)的統(tǒng)計(jì)時(shí)間推理方法[J];火力與指揮控制;1999年01期

7 鄢偉安;宋保維;段桂林;樂黃勇;;威布爾部件的經(jīng)驗(yàn)貝葉斯評(píng)估[J];系統(tǒng)工程理論與實(shí)踐;2013年11期

8 張霞;于宏毅;楊白薇;;基于貝葉斯估計(jì)的無線傳感器網(wǎng)絡(luò)鏈路選擇算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

9 張世英,劉金塘;小樣本參數(shù)的貝葉斯估計(jì)方法[J];天津大學(xué)學(xué)報(bào);1989年03期

10 高會(huì)生;趙建立;吳杰;熊華;;系統(tǒng)MTBF和MTTR的一種求解方法[J];華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

相關(guān)碩士學(xué)位論文 前10條

1 王韜;基于貝葉斯網(wǎng)絡(luò)的###動(dòng)車組牽引傳動(dòng)系統(tǒng)可靠性分析[D];西南交通大學(xué);2015年

2 胡斌;基于壓縮感知的DOA估計(jì)[D];哈爾濱工業(yè)大學(xué);2015年

3 周名鋒;基于MCMC的進(jìn)展多狀態(tài)模型的貝葉斯估計(jì)[D];大連理工大學(xué);2015年

4 張博;基于貝葉斯壓縮感知理論與技術(shù)研究[D];電子科技大學(xué);2015年

5 盧麗;基于非參數(shù)檢驗(yàn)和貝葉斯估計(jì)的TWA檢測(cè)算法研究[D];東北大學(xué);2013年

6 袁德璋;基于貝葉斯網(wǎng)絡(luò)人體摔倒預(yù)測(cè)的研究[D];哈爾濱工業(yè)大學(xué);2014年

7 段仁青;基于遞歸算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)[D];西安電子科技大學(xué);2014年

8 崔歡歡;基于量子貝葉斯網(wǎng)絡(luò)的電力變壓器故障診斷方法研究[D];華北電力大學(xué);2015年

9 楊帆;廣義Logistic模型的貝葉斯參數(shù)估計(jì)[D];吉林大學(xué);2016年

10 李小華;結(jié)構(gòu)參數(shù)識(shí)別的貝葉斯估計(jì)方法及應(yīng)用研究[D];中國地震局工程力學(xué)研究所;2009年

本文編號(hào)：1715712