中国民用航空华北地区空中交通管理局 北京 100621
摘要：当前空中交通管制工作急需解决的问题是，改变目前以人工计算和管制经验发布流量管制策略的方式，通过信息集成度高、智能化、适应复杂航空运行环境的系统工具分析海量航空运行数据，提出最符合实际运行情况的流量管制调整方案。
关键词：大数据技术；民航空管；战术流量；系统应用
1战术流量管理系统的构建
战术流量管理要遵循发现问题-分析问题-解决问题的科学思路，首先从时间和空间上对已经或即将出现的容量与流量的不平衡问题进行定位，然后对产生问题的原因进行分析从而制定和实施相应的流量管理策略和措施。在实施过程中要根据环境变化和各方的反馈进行不断的调整，管理过程结束后还要进行适当的数据分析与总结。因此，空管战术流量管理系统应具备以下功能：
1.1结合大数据技术，预测未来一定条件下的空域流量
预测空域流量是流量管理系统的核心难点，必须综合考量各项影响航班飞行轨迹、速度、高度的因素，如航班计划航路、航行情报、气象、各管制单位发布的航路限制等。这些因素有的是可以通过固定算法进行计算，有些则无法预知确切影响范围和数值，只能通过大量的数据经验积累及数据挖掘算法得出最有可能接近实际量的预测数值，而这些预测数值对于战术流量管制工作至关重要。
1.2能够给出解决冲突的调整策略
战术流量管理主要分为起飞前管理方法和飞行中管理方法，本文研究的系统主要是进行起飞前管理，其主要管理手段为：地面延误程序、改变计划航路、地面停止、用户取消和代替航班。
在得到精确未来空域流量之后，系统就能准确地评估出空域流量与容量是否冲突，做出合理的战术调整如改变计划航路、取消航班等，并准确地给出地面航班的预计起飞时间。同时，明确地面航班起飞时间，减少航班关舱门等待时间。同时对于在预测计算中超长时间延误的航班，给予相关航空公司取消或调换航班的建议。
如此，在解决空域冲突的同时，也给予航空公司和旅客明确的航班计划安排。航空公司可以提前进行航班内部调整并及时与旅客沟通，旅客也能获得最真实可靠的航班信息调整自己的出行安排。因此，系统在提高空管管制效率的同时，也能提高民航其他单位的工作效率，提高旅客的出行满意度，最终达到多赢的运行效果。
1.3通过大数据积累与挖掘，不断自学习优化调整方案系统给出的战术流量调整方案不应该是一成不变的，而是能够在长期运行中不断积累数据，通过人工和自动的数据统计分析自学习得到的一套根据外部条件变化而变化的调整方案，是理论联系实际的充分体现。管制人员通过系统，定期总结各项方案在不同运行条件下产生的运行效果，提高方案细节。为之后复杂运行条件，提供多样性的方案模板及调整措施。系统应为管制人员提供强有力的管制工具箱，极大程度改变以往流量管制工作依靠管制经验和人脑计算的传统模式。以精密的系统计算，减少传统模式中可能存在的“错、忘、漏”现象，在提高流量管理工作生产效率的同时增加安全性和可靠性。
经过以上分析，本文所研究系统应具备以下模块：
（1）数据引接、处理、融合
预测空域流量所需要的业务数据包括航班计划、雷达、预计航路、航行情报、气象、空域基础数据等信息。这些从不同系统引接得到的不同格式的业务数据需要经过有效的数据解析、数据清洗、数据融合才能更加高效地加入空域预测计算中。
（2）战术流量策略调整
首先应建立航班飞行经验数据库，通过海量的数据积累，存储和总结出航班飞行经验数据库，以航班机型、航线走向、飞行高度、不同季节、航行情报等多维度精确区分飞行器在各种外界条件下的飞行数据，以此在复杂条件下获得准确的航班飞行轨迹与飞行时间预测。
扇区流量预测模块通过已有航班业务数据结合航班飞行经验数据库得到精确的未来扇区流量预测，可精确预测到每架航班进出扇区的时间。
扇区流量监控界面，可以直观地向用户展示未来一段时间关注战区的扇区流量及航班列表。
扇区容量告警模块，基于预测的扇区流量数据与用户设置的扇区容量门限阀值，当外界影响因素诸如气象、航路、外区流量限制变化而产生扇区流量变化时，可能会产生预测流量大于扇区预设容量的情况，而此时系统应及时提醒管制员进行必要的策略调整。
（3）战术流量策略管理
用户可以使用灵活的战术策略调整未来一段时间内的预期空域流量，以达到空域流量小于容量的运行效果，并将这些准确的航班生命周期时间传送给民航各管制单位。这些战术策略可以市系統计算推荐的，也可以是管制员手工修正的。
系统的具体功能结构图如图1所示。
.png)
图1系统功能结构图
2数据挖掘技术的应用（Applicationofdataminingtechnology）
数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取正确的、有用的、未知的、综合的，以及用户感兴趣的知识，并用这些知识建立用于决策支持的模型，提供预测性决策支持的方法、工具和过程；是利用各种分析工具在海量数据中发现可以被企业用来进行预测、分析风险的模型的过程[7]。
系统的数据挖掘模型如图2所示，首先我们采集海量的航班运行相关数据，在统一的数据平台上进行数据的整合，将这些杂乱无章的航班运行相关数据围绕航班生命周期重新排列、组合，提高数据的关联性可挖掘性。其次建立并存储主题库和各种经验数据库，这些数据库的建立可以有效提高数据挖掘的运算效率。最后，经过数据清洗、分类、聚合、归纳后，产生计算模型库和知识库，为系统应用层提供数据支撑。
系统应用层包含统计分析、实时监控、策略管理、流量预测等模块，为了提高这些运行模块的计算高效性和系统操作响应，我们也根据每一个系统模块定制了数据的存储、关联、计算及展现形式。如扇区流量监控等实时类数据，系统着重在当前时间至24小时内进行数据的计算、关联及存储，用户的操作响应可以在毫秒级。策略管理模块则是采集了海量运行数据进行关联、挖掘计算，这是为了给决策者提供多维度、多角度的参考信息。
.png)
图2系统的数据挖掘模型
结束语
本文研究的战术流量管理系统，通过对多维度航班运行数据进行数据挖掘、分析计算，预测在未来一段时期内可能的扇区流量情况，并给出建议的流量管理策略，用户可以在此基础上进行微调来达到满意的流量管理调控效果。该系统自2016年在华东空管流量管理室运行至今，取得了令人满意的运行效果也在一定程度上提升了空管流量管制的服务质量。在与航空公司、机场等民航单位协同工作下，实现信息共享、提高航班放行的准确度，取得了节能减排及提升旅客出行满意度的社会效应。
参考文献：
[1]张晨，凌帆.美国空管大数据应用研究[J].创新科技，2017（6）：94-96.
[2]石静静，王书真，王艳佩.基于大数据的数据挖掘技术探讨[J].数字技术与应用，2016（03）：247.