通過粗放式預(yù)估離場(chǎng)航空器滑行時(shí)間來決策推出時(shí)刻的放行方式,會(huì)導(dǎo)致場(chǎng)面運(yùn)行不暢和跑道利用率降低,因此亟待提出一種精確的滑行時(shí)間預(yù)測(cè)方法。離場(chǎng)航空器的滑行時(shí)間受到多種外部因素的影響,傳統(tǒng)的預(yù)測(cè)方法在數(shù)據(jù)量不斷增加的大環(huán)境下已經(jīng)不再適用�；跈C(jī)器學(xué)習(xí)的方法能從歷史數(shù)據(jù)中挖掘規(guī)律并預(yù)測(cè)場(chǎng)面未來一段時(shí)間的運(yùn)行情況,精確地預(yù)測(cè)出離場(chǎng)航空器的滑行時(shí)間,最終為推出時(shí)刻的決策提供技術(shù)支持。論文的主要研究內(nèi)容及成果如下:（1）基于K近鄰法構(gòu)建了滑行路徑預(yù)測(cè)模型;為了提高搜索效率,提出了一種基于KD樹的搜索改進(jìn)算法,在此基礎(chǔ)上設(shè)計(jì)了基于搜索改進(jìn)K近鄰的航空器滑行路徑預(yù)測(cè)算法;采用浦東機(jī)場(chǎng)的實(shí)例數(shù)據(jù)進(jìn)行了驗(yàn)證,結(jié)果表明:分類預(yù)測(cè)準(zhǔn)確率可達(dá)97.87%;最后,通過預(yù)測(cè)出的滑行路徑得到了每個(gè)航班的滑行距離。（2）針對(duì)傳統(tǒng)樸素貝葉斯分類器因?qū)傩蚤g獨(dú)立性假設(shè)而造成預(yù)測(cè)不準(zhǔn)確的問題,引入核密度估計(jì)方法,設(shè)計(jì)了一種基于聯(lián)合概率密度函數(shù)估計(jì)的非樸素貝葉斯分類器;基于構(gòu)建的特征變量集,建立了基于非樸素貝葉斯分類器的短時(shí)起飛航班數(shù)量預(yù)測(cè)模型;實(shí)驗(yàn)驗(yàn)證結(jié)果表明:誤差范圍?4架以內(nèi)的預(yù)測(cè)準(zhǔn)確率可達(dá)94.21%。（3）根據(jù)挖掘出的所... 

【文章來源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：97 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

交叉口簡(jiǎn)化過程圖

圖 3.3 浦東機(jī)場(chǎng)結(jié)構(gòu)簡(jiǎn)化圖為了完成航空器場(chǎng)面滑行路徑的預(yù)測(cè)，需要對(duì)機(jī)場(chǎng)場(chǎng)面結(jié)構(gòu)信息進(jìn)行預(yù)處理。校準(zhǔn)場(chǎng)監(jiān)雷達(dá)數(shù)據(jù)的坐標(biāo)中心，使它與機(jī)場(chǎng)場(chǎng)面 CAD 圖形的坐標(biāo)中心一致，完成機(jī)場(chǎng)數(shù)字拓?fù)鋽?shù)據(jù)和航空器坐標(biāo)數(shù)據(jù)的基準(zhǔn)點(diǎn)匹配。通過提取坐標(biāo)，將場(chǎng)面 CAD 文件數(shù)據(jù)轉(zhuǎn)換成節(jié)點(diǎn)坐標(biāo)信息，然后輸入到 Matlab 矩陣數(shù)據(jù)，為之后的預(yù)測(cè)作鋪墊。2、組件編碼在此基礎(chǔ)上，對(duì)機(jī)場(chǎng)數(shù)據(jù)拓?fù)鋱D上的各個(gè)關(guān)鍵組件進(jìn)行編碼，并提取各個(gè)組件上的節(jié)點(diǎn)。本文為了提高 KNN 算法的分類精度，均勻在各組件內(nèi)部提取節(jié)點(diǎn)坐標(biāo)數(shù)據(jù)，保證每個(gè)組件提取的節(jié)點(diǎn)個(gè)數(shù)不少于 100 個(gè)，并歸為一類組件的坐標(biāo)信息，完成機(jī)場(chǎng)場(chǎng)面各組件的坐標(biāo)提取�？紤]到組件交叉口分類精度可能會(huì)下降，本文增加組件交叉口節(jié)點(diǎn)坐標(biāo)的提取數(shù)量來保證分類準(zhǔn)確率。機(jī)場(chǎng)場(chǎng)面組件編碼流程圖如圖 3.4 所示。

（a）k 近鄰法原理圖 （b）特征空間的劃分圖 3.5 K 近鄰法示意圖根據(jù)上述原理，可以提出 K 近鄰算法，具體如下：輸入：訓(xùn)練數(shù)據(jù)集，即場(chǎng)面上各組件的坐標(biāo)值信息和標(biāo)簽信息，如下式（3-2）所示。 1 1 2 2, , , , , ,N NT x y x y x y（3-2）式中，nix R為實(shí)例的特征向量，即組件上所取點(diǎn)的 X ， Y 坐標(biāo)值信息， 1 2, , ,i Ky c c c為實(shí)例的類別，即各組件的標(biāo)簽值， i 1,2, ,N；輸出：實(shí)例 x所屬的類別 y ，即待測(cè)航班航跡坐標(biāo)點(diǎn)的標(biāo)簽值。（1）基于給出的度量標(biāo)準(zhǔn)（距離），在訓(xùn)練集 T 中找出與 x最鄰近的k 個(gè)點(diǎn)，涵蓋這k 個(gè)點(diǎn)的 x的鄰域記作 kN x ；（2）在 kN x 中根據(jù)分類決策規(guī)則決定 x 所屬的類 y ，如下式（3-3）所示。 arg max , 1,2, ; 1,2, ,ji ki jcx N xy I y c i N j K （3-3）式（3-3）中，I 表示指示函數(shù)，當(dāng)y c時(shí) I 等于 1，否則 I 等于 0。

【參考文獻(xiàn)】：
期刊論文
[1]基于排隊(duì)論的航班滑出時(shí)間預(yù)測(cè)[J]. 馮霞,孟金雙.  南京航空航天大學(xué)學(xué)報(bào). 2016(05)
[2]繁忙機(jī)場(chǎng)機(jī)位分配的混合集合規(guī)劃方法[J]. 王巖華,朱金福,朱博,唐小衛(wèi).  武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版). 2015(04)
[3]基于協(xié)同決策的多航站樓停機(jī)位實(shí)時(shí)分配算法[J]. 劉君強(qiáng),張馬蘭,陳鵬超,謝吉偉,左洪福.  南京航空航天大學(xué)學(xué)報(bào). 2015(01)
[4]基于K最近鄰算法的高速公路短時(shí)行程時(shí)間預(yù)測(cè)[J]. 王翔,陳小鴻,楊祥妹.  中國公路學(xué)報(bào). 2015(01)
[5]貝葉斯機(jī)器學(xué)習(xí)前沿進(jìn)展綜述[J]. 朱軍,胡文波.  計(jì)算機(jī)研究與發(fā)展. 2015(01)
[6]基于詞頻信息的改進(jìn)信息增益文本特征選擇算法[J]. 石慧,賈代平,苗培.  計(jì)算機(jī)應(yīng)用. 2014(11)
[7]基于旅客步行距離的停機(jī)位均衡優(yōu)化指派建模[J]. 曾琳燕,姜雨,羅宇驍.  武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版). 2014(04)
[8]基于滾動(dòng)時(shí)域算法的航班滑行路徑優(yōu)化模型[J]. 馮程,胡明華,叢瑋.  航空計(jì)算技術(shù). 2014(04)
[9]機(jī)場(chǎng)停機(jī)位實(shí)時(shí)分配研究[J]. 樂美龍,檀財(cái)茂.  科學(xué)技術(shù)與工程. 2014(13)
[10]航空器推出決策的優(yōu)化研究[J]. 楊雙雙,朱華慶.  武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版). 2014(01)

博士論文
[1]基于核密度估計(jì)的光譜數(shù)據(jù)分類與回歸方法研究[D]. 何玉林.河北大學(xué) 2014

碩士論文
[1]高速路口收費(fèi)站短時(shí)車流量預(yù)測(cè)研究[D]. 趙倩蕓.華南理工大學(xué) 2018
[2]基于監(jiān)視數(shù)據(jù)的航空器場(chǎng)面滑行分析及預(yù)測(cè)研究[D]. 呂弘哲.中國民航大學(xué) 2016



本文編號(hào)：3493274