基于复杂网络的飞行区冲突关键栅格区识别.pdf

第 卷 第 期 年 月 中 国 安 全 生 产 科 学 技 术 收稿日期：基金项目：国家自然科学基金项目（，）作者简介：王兴隆，硕士，研究员，主要研究方向为飞行区运行安全与风险识别。通信作者：周督异，硕士研究生，主要研究方向为飞行区冲突风险识别。：基于复杂网络的飞行区冲突关键栅格区识别王兴隆，周督异（中国民航大学 民航飞联网重点实验室，天津 ）摘要：为及时、精准监视机场飞行区活动目标间的冲突情况，提出 种基于复杂网络的飞行区冲突关键栅格区识别方法。首先，基于复杂网络理论建立飞行区冲突态势网络，选定 个指标评价网络节点和 个指标评价网络整体；然后，通过改进型 飞行区网格对飞行区进行栅格化表征，进而建立灰色综合分析体系，对特征指标、活动目标、运行栅格区、关键栅格区识别、栅格区移除、网络状态、关键栅格区验证等步骤依次分析；最后，以某机场为实例，证明识别结果准确性及该研究体系有效性。研究结果表明：所提灰色综合分析体系可通过对比综合关联度大小有效识别出冲突关键栅格区，并能自行完成结果验证。研究结果可及时、准确监视冲突情况并预防冲突发生，对保障机场飞行区安全、高效运行具有一定参考意义。关键词：复杂网络；灰色综合分析；飞行区栅格化；冲突关键栅格区识别中图分类号：文献标志码：文章编号：（），（，）：，：；引言在机场飞行区内普遍存在较多航空器、车辆等活动目标，其活动具有一定随机性与不确定性。随着活动目标数量不断增加，飞行区内冲突也随之增多，进而引发不安全事件概率增大。因此，及时、准确识别飞行区内冲突关键区域，对监测冲突、预防事故发生、保障机场运行效率和安全质量具有重要意义。复杂网络理论对指导航空领域内相关问题研究具有重要作用。等 利用复杂网络理论分析中国航线网络的拓扑结构；等 提出 种改进熵权法（，）以识别航路网络中更具影响力的节点；吴明功等 提出 种基于复杂网络理论和层次分析 熵权法的关键冲突飞机识别方法；程明等 基于复杂网络对终端区飞行冲突开展研究；等 提出种深度强化学习算法，以解决高求解效率的多机飞行冲突问题；等 提出 种自适应决策框架以解决路由网络中无人机间的冲突。上述研究大多侧重于对航路复杂网络进行冲突分析，而机场飞行区因系统结构复杂、活动目标多样且状态多变，因此可将其抽象化为复杂网络模型进行冲突研究。赵贤利等 构建飞行区风险演化模型来识别关键冲突节点；王小磊等 提出 种基于遗传算法的混合整数规划模型来研究飞行区冲突问题；等 提出 种用于 检 测 及 解 决 飞 行 区 冲 突 的 决 策 方 法；潘 卫 军等 提出机场热点三选法、矩阵法及模糊聚类分析法来识别冲突热点；等 提出 种具有稳定解脱冲突性能的优化系统，实 现 冲 突 自 动 化 解 决；诸 葛 晶 昌等 提出 种改进的循证实践方法，并制定飞行区冲突热点的循证实践决策模式；等 提出 种基于滑动窗口方法（，）的闭环反馈框架，以减少飞行区场面冲突；等 构建时空图卷积神经网络模型，以预测飞行区内活动目标移动轨迹，并进行冲突识别与安全评估；等 提出 种多策略粒子群和蚁群混合优化算法，以减少滑行道冲突。由此可见，上述研究主要存在以下问题：）多数研究侧重于识别部分滑行路径上的冲突，未从整个飞行区范围考虑；）被研究活动目标较为单一；）多数研究针对活动目标节点，较少从区域角度考虑；）在确定指标权重及冲突评估过程中存在一定主观性，且整体分析综合性也有待深入。因此，本文在上述研究基础上，综合考虑整个飞行区范围内多种活动目标间的冲突情况，建立飞行区冲突态势网络模型，并提出飞行区的栅格化表征，利用灰色综合分析体系客观计算出各指标权重、各节点数据，进而得到各运行栅格区的综合关联度，数值较大的栅格区即可识别为冲突关键栅格区，最后通过栅格区移除完成结论验证。研究结果可及时、准确监测冲突情况，对保障机场飞行区安全、高效运行具有一定参考意义。飞行区冲突态势网络模型 模型建立以飞行区内主要活动目标（航空器和车辆）作为节点，以节点为圆心，一定长度为半径，合理划定圆形安全区，以表示安全间隔。当 类活动目标的安全区发生重叠时，表示二者距离已低于安全间隔，认为二者间存在冲突，然后对其进行冲突连边，建立飞行区冲突态势网络模型。该模型可以表征冲突态势变化，表明在，个不同时刻的冲突情况，进而有针对性地对不同时刻的冲突关键栅格区进行识别，如图 所示。图 飞行区冲突态势网络模型 本文研究目标为飞行区内正在移动且会对网络产生影响的航空器和车辆，对已起飞或未着陆的航空器及静止目标均不予考虑；研究区域范围为供航空器和必要车辆正常使用的场地，包括停机坪、廊桥、滑行道、跑道等在内。同时，考虑到民用航空器滑行速度一般不超过 ；车辆行驶速度一般不超过 ，且民用航空器翼展一般为 ，飞行区内大型车辆车长一般不超过 ，再综合管制员下达指令时间、驾驶员反应与操作时间、航空器及车辆运行避让时间等因素，将安全区划设为：以航空器节点为中心，为半径作圆；以车辆节点为中心，为半径作圆，形成二者各自的安全区。若 个圆形安全区相交（相切除外），则表示该时刻下，类活动目标存在冲突。网络的特征指标本文研究由以下 种特征指标来表征飞行区活动网络：）度中心节点 的度中心定义为：节点 的度与其最大可能相连边数的比值，如式（）所示。（）（），（）式中：（）为节点 的度中心；（）为节点 第 期 中 国 安 全 生 产 科 学 技 术的度，即与节点 实际相连的边数；为第 个节点；为节点序号；为节点数量。）介数中心度节点 的介数中心度定义为：某 个节点之间穿越节点 的最短路径数与该 个节点之间全部最短路径数之比的总和，如式（）所示。（）（）（）（），（）式中：（）为节点 的介数中心度；（）为节点 和 之间穿越节点 的最短路径数；为节点 和 之间的最短路径数；，均为节点序号。）接近中心度节点 的接近中心度定义为：与节点 相连的所有其他节点到节点 的平均最短距离之和的倒数，如式（）所示。（），（）式中：（）为节点 的接近中心度；为节点 与 之间的最短路径距离；为可与节点 相连通的节点个数。）特征向量中心度设某 网 络 的 邻 接 矩 阵 为 ，其 中 ，节点 与 相连，节点 与 不相连，若 的最大特征值为 ，相应的特征向量为 ，且满足一定关系，如式（）所示：（）式中：为邻接矩阵；为 的最大特征值，为对应 的特征向量。根据上述关系得到节点 的特征向量中心度，如式（）所示：（）（）式中：（）为节点 的特征向量中心度；为 中的第 个元素的绝对值。）聚类系数节点 的聚类系数定义为：节点 的 个邻居节点的实际连边数 与 个邻居节点间最大连边数之比，如式（）所示。（）（）（）（）式中：（）为节点 的聚类系数；为节点 的 个邻居节点的实际连边数；为节点 的邻居节点数量。）节点核心将本文网络中具有某度值的节点依次剥离网络，得到 个最小度值为 的子网络，称其为 度核。若节点属于 度核但不属于 度核，则节点 的节点核心（）即为 。）偏心率节点 的偏心率定义为：节点 与其所在网络中其余节点间的最大路径长度，偏心率 （）越小，表明该节点影响力越大。冲突关键栅格区识别 改进 网格的飞行区栅格化 网格是全球经纬度剖分网格，可根据地理坐标拓展经纬度，对全球网格实现度、分、秒整数型划分，但由于其网格剖分层级较多，且部分层级不适于飞行区栅格划设，故需在 网格基础上，设计面向飞行区的改进型 剖分层级方案，以适配飞行区的栅格 化 表 征。同 时，飞 行 区 栅 格 化 应 遵 循 以 下 个原则：）涵盖目标原则飞行区栅格化应针对有目标活动的运行区域进行，不对无目标活动区进行划设，且划设网格区域内不宜包含航站楼、卫星厅等建筑物。）精度适配原则不同精度对应不同剖分层级，层级选取过高可能导致所划设网格的范围过大，使冲突识别的对比度与准确性降低，因此应结合飞行区实际情况合理确定层级。）最少网格原则在满足精度要求的前提下，网格数量应尽量少，过多的网格划分可能导致冲突识别的工作量激增且影响冲突解决，因此应合理控制网格数量。基于上述原则，结合多数机场飞行区实际情况，选定 ，作为 个网格剖分层级，构成改进型 飞行区网格，如表 所示。表 中网格尺寸是根据本文研究机场地理空间上的经纬度拓展得出，如 拓展为 。不同机场可根据其飞行区占地面积及其实际运行等情况合理选择不同层级。表 改进型 飞行区网格 剖分层级网格边长尺寸 （）实际边长 灰色综合分析体系本文研究以识别冲突关键栅格区为目标，将运行栅格区及其内部的活动目标节点作为分析对象，选取上文种特征指标对各节点进行评价分析，本文灰色综合分中 国 安 全 生 产 科 学 技 术第 卷析体系如图 所示。图 灰色综合分析体系 识别步骤基于上文灰色综合分析体系，进行目标识别，识别流程如图 所示，具体步骤如下：图 目标识别流程 ）确定活动目标之间的冲突情况并将其作为输入数据。）计算各节点各项指标值，得到比较序列，并规定 个参考序列 ，对上述 个序列进行无量纲化处理。）计算灰色关联度系数，如式（）所示：（）（）（），（）式中：（）为第 列指标值在第 节点的灰色关联度系数；为参考序列 与比较序列 的 级最小差绝对值；为参考序列 与比较序列 的 级最大差绝对值；为第 列比较序列；为参考序列；（）为比较序列 在第 节点的值；（）为参考序列 在第 节点的值；为灰色分辨系数（，一般取 ）；为指标个数；为比较序列 的序列数；为指标值序列的序列数。进而计算灰色关联度及灰色关联度权重分别如式（）、式（）所示：（），（），（）式中：为第 列指标序列的灰色关联度；为第 列指标序列的灰色关联度权重。）计算节点综合属性评价，即节点综合关联度，如式（）所示：（），（）式中：为第 节点的综合关联度；（）为第 节点的关联度系数矩阵；为关联度权重矩阵。）计算运行栅格区的综合属性评价，即栅格区综合关联度较大的区域，该区域可被识别为冲突关键栅格区，如式（）所示：，（）式中：为栅格区 的综合关联度；为该栅格区内所含节点数。）依次移除各栅格区，计算网络的特征路径长度（）与网络质量（）个用来评价网络整体的指标，对识别结果进行有效性验证。其中，特征路径长度定义为网络中所有相连节点对之间最短路径长度的平均值，表征飞行区网络的冲突复杂度，值越大，整个飞行区网络的冲突越严重；网络质量通过计算移除节点后网络中任意 个节点对之间最短路径长度得到，同样表征飞行区网络的冲突复杂度，值越大，表明网络冲突越严重。网络特征路径 长 度 和 网 络 质 量 计 算 分 别 如 式第 期 中 国 安 全 生 产 科 学 技 术（）和式（）所示：，（，）（）（）（）（）式中：为网络特征路径长度；（，）为网络中所有相连节点对之间最短路径长度；为网络质量。）若此后冲突情况改变，则重新开始识别，即更新活动目标并返回步骤 ）。实例分析本文基于某枢纽机场某日的正常实际运行情况，得到某一繁忙时刻下其场面监视数据，通过适当处理后得到数据样例，如表 所示。表 监视数据样例 时刻活动目标代号纬度坐标（北纬）经度坐标（东经）民航 民航 首先，采用改进型 飞行区网格对所选飞行区场面进行栅格化表征，依据该机场相关运行手册及规章，结合其飞行区布局及场面目标活动情况等实际因素，选取第 层级（）划设运行栅格区，进而根据目标运行情况建立飞行区冲突态势网络模型，如图 所示；同时，对于跨越不同栅格区的活动目标，规定其所属为其体积占比相对较大的栅格区，如占比相同则视该活动目标为多个栅格区所共有。由图 可知，该网络包含 个以 （）为编号的运行栅格区（，）、个以 （）为编号的航空器节点（，）及 个以 （）为编号的车辆节点（，）。图 某个繁忙时刻下，飞行区冲突态势网络 采用灰色综合分析法进行研究，计算得出各节点的各项指标值，如表 所示；计算出各指标的灰色关联度及其权重，如表 所示；对各指标关联度及其权重进行对比，如图 所示。关联度权重大小可用于表征多指标间的相对评估效力大小，因此由图 得到各指标相对评表 各节点指标数值 节点指标（）（）（）（）（）（）（）估效力从大到小顺序为：（）（）（）（）（）（）（）。根据上文计算得出各运行栅格区及其内各节点的灰色综合关联度数值，如表 所示。由表 可知，运行栅格区 的综合关联度数值为所有栅格区中最大，因此可识别其为冲突关键栅格区。为进一步对所得冲突关键栅格区的识别结论进行验证，将各运行栅格区依次从网络中移除，通过计算移除后网络的特征路径长度 与网络质量 ，从而得到移除各栅格区后两指标的数据对比，如图 所示。由图 可知，与移除栅格区 ，相比，移除运行栅格区 后，网络的特征路径长度 与网络质量 数值均为最小，表明移除运行栅格区 后，可使该时刻该飞行区网络整体的冲突复杂程度最小。上述结中 国 安 全 生 产 科 学 技 术第 卷表 各指标关联度系数、关联度及其权重 （），表征参数指标（）（）（）（）（）（）（）（）图 各指标关联度及权重对比 表 各栅格区节点灰色综合关联度 运行栅格区节点 表 （续）运行栅格区节点 图 移除各栅格区后网络的 与 果从侧面验证了运行栅格区 内原有冲突相比其他运行栅格区更严重，确为该网络中的冲突关键栅格区。结论）飞行区冲突态势网络能够良好地表征出机场飞行区内航空器与航空器之间、航空器与车辆之间以及车辆与车辆之间的冲突情况，从而较为全面地反映出飞行区内的总体冲突特征。）飞行区冲突态势网络对飞行区进行栅格化表征，能够在宏观检测飞行区的同时，进一步细化场面冲突，进而准确识别出冲突关键栅格区。）灰色综合分析体系属于闭环式逻辑结构，可正向有效识别出冲突关键栅格区，再反向对结论完成自行验第 期 中 国 安 全 生 产 科 学 技 术证，在一定程度上可增加冲突识别的效率与准确性。参考文献 ，（）：，（）：吴明功，王泽坤，甘旭升，等 基于复杂网络理论的关键飞行冲突点识别 西北工业大学学报，（）：，（）：程明，李忆轩 终端区飞行冲突事件情景演变网络构 建 研 究 中国安全生产科学技术，（）：，（）：，（）：，：，：赵贤利，罗帆 基于复杂网络理论的机场飞行区风险演化模型研究 电子科技大学学报（社科版），（）：，（），（）：王小磊，罗喜伶 基于遗传算法的机场场面目标冲突解脱方法 太赫兹科学与电子信息学报，（）：，（）：，（）：潘卫军，熊锋，邱文彬，等 基于航空器滑行特征的机场热点识别算法研究 自动化技术与应用，（）：，（）：，：，：诸葛晶昌，杨新宇，胡宽博 基于改进循证实践法的飞机滑行冲突热点研究 航空计算技术，（）：，（）：，：，：，：，：，：（责任编辑：陈玲）中 国 安 全 生 产 科 学 技 术第 卷