一种基于传递熵的航路拥堵传播路径溯源方法

本发明涉及空中交通航段拥堵识别及传播溯源分析领域，具体涉及一种基于传递熵的航路拥堵传播路径溯源方法。

背景技术：

1、随着我国经济的快速发展，航空运输需求不断增长，空中交通流量激增。空中交通拥堵不仅会造成航班延误，影响空中交通运行的效率，还会导致航空器间隔减小，增加飞行员和管制员的工作负担，影响整个空中交通运行的安全性。因此，研究空中交通航路拥堵问题具有很强的实际意义和重要性。

2、当前国内外对空中交通拥堵态势的相关研究主要集中在扇区层面，对于航段拥堵精细化管理的相关研究较少，其次，已有研究方向多在态势识别及态势预测上，鲜少从机理分析的角度剖析拥堵问题，挖掘现象背后的成因。传递熵是分析非线性系统中因果关系的重要工具，目前已广泛应用于神经科学、气象和金融领域，也有学者将其引入道路交通并证明其实用性。因此，借助传递熵理论分析航路网络的拥堵传播路径对空中交通管理而言十分重要。

技术实现思路

1、根据本发明的一个方面，提供了一种基于传递熵的航路拥堵传播路径溯源方法，充分考虑高空航路拥堵的表现症状，实现了对高空航路拥堵指数的判断及拥堵时空传播路径溯源，实用性较好，能够满足高空航路态势识别及特征分析的需求和要求。

2、为了实现上述目的，本发明提供了一种基于传递熵的航路拥堵传播路径溯源方法，包括：

3、步骤1，获取相关数据，建立基础信息数据库；

4、步骤2，提取研究空域内的航迹数据，对航迹进行预处理，并与标准航路进行匹配；

5、步骤3，计算研究空域内各航段的拥堵指数；

6、步骤4，计算各时段内相邻航段间拥堵信息的传递熵大小；

7、步骤5，依据相邻航段间传递熵差值大小，判断空域内航段拥堵的传递方向和大小；

8、步骤6，采用广度优先算法对空域内航段拥堵传播的路径进行溯源。

9、步骤1包括如下步骤：

10、步骤1.1：建立静态数据库

11、静态数据库包括空域内航路数据和空域内航路点数据；空域内航路数据包括航段编码、所属航路、长度和航路类型等特征，空域内航路点数据包括航路点识别码、经纬度、所属扇区等特征。

12、步骤1.2：建立动态数据库

13、动态数据库包括ads-b飞行轨迹数据，ads-b飞行轨迹数据包括航班号、起飞时间、高度、速度、经纬度和时间等特征。

14、步骤2包括如下步骤：

15、步骤2.1：对空域内ads-b飞行轨迹数据进行预处理

16、通常来说，ads-b飞行轨迹数据的刷新间隔为10s，但数据在接收及处理过程中，由于软件或硬件问题，可能存在部分丢失或出现异常值的情况。为了节约算力，对于时间上的数据缺失，采用线性插值法对数据进行补充，得到空域内各航班间隔为10s的航迹点数据；对于速度和高度上的异常，检测航迹是否出现断崖式的增(降)速或陡升(降)，若存在此类情况，取时间序列中异常点前后的正常航迹点进行均值填充，速度异常标准：|a|＞4.9m/s2，高度异常标准：roc/rod＞500ft/min，其中a为航空器加速度，roc为航空器爬升率，rod为下降率。

17、步骤2.2：通过转弯点识别进行航迹简化

18、根据航迹点特征航向角hdg大小的变化识别航迹转弯点，即：

19、记某条航迹的航向角时间序列为{hdg1,hdg2,hdg3…,hdgn}，对于航迹点i(i＜n)，若hdgi-hdgi-1|＞30，则判断i点为航迹转弯点，将所有转弯点作为航迹关键点保留，删除非航迹关键点，从而实现航迹简化。

20、步骤2.3：将简化航迹中的航迹段和标准航路一一匹配

21、将航迹段和航路的垂直距离和水平距离作为相似性度量标准，寻找航迹段的唯一最优匹配航路。

22、记简化后航迹点集合为{p1,p2,p3,…,pm}，对于每两个相邻航迹点pk、pk+1组成的航迹段sk，建立递归模型寻找航迹段和标准航路间的最大相似性，从而判定航迹段与标准航路之间的整体唯一匹配。

23、步骤3包括如下步骤：

24、步骤3.1：确定各航段各时间片段下的拥堵特征值

25、以15min为一个时间片段，计算各航段拥堵特征值，建立拥堵样本特征集，包括以下特征：

26、1)航段交通流量：单位时间内，通过某航段截面的航空器数量，反应宏观上航段的交通负荷。

27、2)航段交通密度：单位时间内，航段单位长度内包含的航空器平均数量，反应宏观上航段内航空器密集程度。

28、3)航段交通汇聚复杂度：某一时刻，航段中所有航空器的汇聚复杂度，计算公式为：

29、

30、其中，cij为航空器i和航空器j的汇聚度，具体计算公式为：

31、

32、其中，bij为航空器i和航空器j的汇聚水平，αc为权重系数，dij为两航空器间的空间距离；和是航空器i相对于航空器j的相对位置矢量和相对速度矢量；a为最小水平间隔，h为最小垂直间隔，在高空航路运行中，通常取值为a＝5nm，h＝1000ft。

33、步骤3.2：通过模糊c均值聚类算法获取航段拥堵指数

34、依据步骤3.1得到的数据集，采用模糊c均值聚类方法进行聚类，聚类簇数为4，对应交通拥堵研究中常用的{拥堵态、稳定态、畅通态和少交通量态}，并分别打上拥堵指数标签{0,1,2,3}。

35、步骤4包括以下步骤：

36、步骤4.1：依据3.2中得到的航段拥堵指数，迭代计算相邻航段间不同时刻的传递熵，由于传递熵是基于系统间信息传递的不对称性检验信息流动方向，需要计算双向的信息熵。

37、记两航段为x、y，其分别对应的拥堵指数序列为{x1,x2,…,xn}、{y1,y2,…,yn}，y到x传递的信息量ty→x公式为：

38、

39、式中，ty→x表示航段y到航段x传递的信息量，考虑到航段间信息传递可能存在时滞，且时滞长度不确定，xi+τ表示航段x在i+τ时刻的取值，τ∈n*为系统时滞，为航段x在i-k+1时刻至i时刻的取值，为航段y在i-k+1时刻至i时刻的取值。

40、步骤5包括以下步骤：

41、步骤5.1：迭代计算相邻航段间不同时刻的传递熵差值

42、信息不对称性是传递熵检验因果关系的原理，因此设置传递熵差值c检验拥堵在航段间的传播方向和大小，航段x到航段y传递熵差值cxy的公式为：

43、cxy＝tx→y-ty→x

44、

45、步骤5.2：设置传递熵差值阈值，建立各时间片段的传递熵矩阵

46、考虑到噪音、偶然时间对信息传递的干扰，采用蒙特卡洛显著性检验确定传递熵阈值ε，若|cxy|＞ε，则认为航段x和y间存在显著因果关系，反之，不存在显著因果关系。

47、具体判断过程如下：

48、首先通过随机抽样获取子序列x'、y'：

49、x'＝[xi,xi+1,…,xi+k-1]

50、y'＝[yj,yj+1,…,yj+k-1]

51、式中，k为新序列长度，式中，k为新序列长度，i、j分别为抽取子序列的初始时刻。为保障抽取的子序列间因果性足够小，能够满足显著性检验要求，要求i和j的差值足够大，远大于时延，基于此计算得到的传递熵差值不受概率分布和时间延迟影响，仅为噪声或干扰造成的因果性存在。然后，不断改变i、j的取值，得到n个子时间序列对，计算其传递熵差值序列，求得序列均值μc和方差σc，按照3σ准则计算传递熵阈值ε：

52、ε＝μc+3σc

53、按照公式对cxy进行修正：

54、

55、统计t时间片段对应的所有航段间传递熵差值，建立矩阵

56、不相邻航段间cij＝0，不存在显著因果关系的相邻航段间cij＝0，对角线上所有cii＝0

57、步骤6包括以下步骤：

58、步骤6.1：采用广度优先算法进行拥堵溯源，对于一条拥堵航段，检查航段与相邻航段在下一时间片段ti+1内的传递熵差值，若确定两航段具有拥堵传播关系，重复该步骤，直到相邻航段都被遍历结束，得到拥堵传播路径。

59、本发明的有益效果是，本发明具有如下技术效果：

60、1、基于实测的ads-b轨迹数据和全面的拥堵特征选取，可以真实反映高空航路拥堵态势。

61、2、提出了一种基于传递熵的航段拥堵传播识别方法，可以对高空航路中相邻航段的拥堵传播进行定量、定向的表达，可以为空中交通管制提供理论指导。

62、3、提供了一种航段拥堵传播路径溯源方法，可以对大范围空域尺度内的航段拥堵进行时空溯源分析，识别关键航段和拥堵高峰时间，为空中交通管理、航路划设和空域规划提供了依据和参考。