[0034] 进一步的,所述步骤(3)具体包括,利用公式(9)的公式检验空中交通系统Hurst指数的显著性,
[0035]
[0036] 式中:E(RS(n))为求航班延误或航班取消的对应极差与标准差之比RS(n)的数学期望,取不同的n(2≤n≤N)值,得到不同的E(RS(n)),假设:
[0037] E(RS(n))=bnE(H) (10)
[0038] 式中,b为常数,对式(10)两边取对数,可得:
[0039] lg(E(RS(n)))=lgb+E(H)lgn (11)
[0040] 空中交通系统Hurst指数显著性检验公式为:
[0041]
[0042] 对于显著性水平α=0.1,若|I|<1.645,空中交通系统Hurst指数是不显著的,即系统的航班延误或航班取消的时间序列是不相关的,该状态下系统航班延误或航班取消的时间序列具有随机性;
[0043] 若|I|>1.645,空中交通系统的Hurst指数是显著的,航班延误或航班取消的时间序列具有长程相关性。
[0044] 相对于现有技术,本发明所述的一种空中交通系统自组织临界特性的辨识方法具有以下优势:
[0045] (1)本发明分析了空中交通系统呈现耗散结构,空中交通系统在空间分形上具有规模—频度幂律特性,在时间上存在长程相关性,因此,空中交通系统是一个自组织系统,存在自组织临界性;
[0046] (2)本发明分析了我国空中交通系统航班延误与航班取消的规模—频度在双对数坐标下表现出幂律特,拟合直线的航班延误斜率小于航班取消斜率,表明我国空中交通系统对航班延误的管理优于对航班取消的管理;
[0047] (3)本发明对航空公司的经营管理水平从公司的航班延误规模—频度幂律特性拟合直线的斜率进行对比分析,斜率更小的航空公司经营管理水平更佳;
[0048] (4)本发明通过Hurst指数分析可知,国内空中交通系统的航班延误倾向于负向变化,航班取消倾向于正向变化。据此,采取提高备份运力、主动变更机型、提前制定应急预案等措施,减少航班延误和取消的影响和损失。
附图说明
[0049] 构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性
实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
[0050] 图1为本发明实施例所述的空中交通系统的航班拟合示意图;
[0051] 图2为本发明实施例所述的航空公司航班延误拟合示意图。
具体实施方式
[0052] 需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
[0053] 下面将参考附图并结合实施例来详细说明本发明。
[0054] 以空中交通系统为研究对象,按天统计中国大陆航班延误与航班取消的数据,分析其在空间、时间尺度上的行为特征。对统计数据在双对数坐标下,采用分形理论分析其规模—频度幂律特性,并判断其是否呈现自组织临界性;由系统的规模—频度幂律特性曲线斜率,分析国内空中交通系统对航班延误、航班取消的管理水平;应用R/S方法,处理全国航班延误、航班取消的序列数据,计算其Hurst指数,对其相关性方向做出判断,并对相关性程度进行了量度。综合以上结果,可以分析未来一段时间内航班延误、航班取消的变动趋势。
[0055] 1空中交通系统自组织临界性辨识方法
[0056] 空中交通系统自组织是指系统依靠机场、航路和管制扇区的相互作用达到空中交通流在空间、时间或功能维度有序演化的过程。而空中交通系统的临界性是指系统达到了某种状态,在该状态下机场、航路或管制扇区内发生微小干扰即可大大增加系统产生航班延误、航班取消的概率;空中交通系统自组织临界性是系统产生航班延误、航班取消的内在因素,广延耗散性、空间幂律特性以及时间序列相关性是其自组织临界性的表现。
[0057] 1.1空中交通系统的广延耗散性
[0058] 空中交通系统开放性、远离平衡态、要素作用非线性和涨落现象是系统广延耗散性的必要条件。
[0059] (1)空中交通系统开放性。系统要与外界环境进行物质、
能量和信息交换。在实际运行中,空中交通系统与天气系统存在信息交互、与电力系统存在依存关系,且越来越多的航空器进入空中交通系统中,这些系统间的关联或交互体现了系统的开放性。
[0060] (2)空中交通系统远离平衡态。系统远离平衡态指空中交通系统内部各个区域的物质与能量分布
不平衡。空中交通网络中交通流分布以及交通流的产生都不均衡,如北京、上海、广州三个城市的大型枢纽机场起降架次在2016年间占中国大陆的22%,且繁忙扇区、繁忙
航路点的航班交通流日益增加,使得各
空域单元的交通流量差异增大。
[0061] (3)空中交通系统的非线性作用。空中交通系统的机场、航路与管制扇区之间相互作用不是
叠加关系,而是非线性的。机场、航路和管制扇区逻辑与功能上紧密耦合,任一子系统的变动对本身以及整个空中交通系统产生的影响均不一致;整个空中交通系统的变动对各子系统的影响也不相同。
[0062] (4)空中交通系统的涨落现象。涨落既可对处于平衡状态的系统进行破坏,也会使失效系统快速恢复到平衡状态,是系统从一个状态演化到另一个状态的原动力。实际中,航空公司倾向于向空中交通系统放行更多航空器以增加利润,而空管部
门为了减少航班冲突
风险常常实施流量管制。
[0063] 综上分析可知,空中交通系统具有开放性、远离平衡态和非线性的特征,并存在涨落现象,是典型的广延耗散性结构。
[0064] 1.2空中交通系统的幂律特性
[0065] 规模—频度幂律特性是空中交通系统自组织临界性存在的证据之一。采用分形理论分析空中交通系统在空间上的自组织临界态。若客体标度与标度之上的频度存在式(1)关系,即可认为客体具有分形结构,服从幂律分布。
[0066] N(S)=CS-D (1)
[0067] 式中:S为特征线度,在空中交通系统中表现为航班延误时间、延误架次以及取消架次;N(S)为与S有关的物体数目,具体为不同延误时间的航班架次、不同航班延误或航班取消架次的累计次数;C为待定常数;D为分维,也称为幂律值。对式(1)两边进行取对数处理,可得到:
[0068] lgN(S)=C-DlgS (2)
[0069] 空中交通系统自组织临界态的规模—频度幂律特性在双对数坐标下表现为拟合的直线。
[0070] 1.3空中交通系统的时间序列相关性
[0071] 若空中交通系统的时间序列自相关函数是以幂律曲线为渐进线衰减的,则可认为该时间序列在长时间尺度上具有相关性。基于R/S的Hurst指数可判断空中交通系统的时间序列是否长程相关。
[0072] (1)R/S方法
[0073] 设空中交通系统航班延误或航班取消的离散时间序列X={Xt:t=1,2,...,N},其中N为采集的航班延误或航班取消的样本总天数,将其平均分为m个区间,m为正整数。每个子区间n个航班延误或航班取消的数据,求m个区间的航班延误或航班取消的均值P(n)和标准差S(n)。
[0074]
[0075]
[0076] 式中:n(2≤n≤N)为n天的航班延误或者航班取消的数据。
[0077] 计算m个区间航班延误或航班取消对应的累积离差X(t,i)和极差R(n):
[0078]
[0079]
[0080] 求出m个区间航班延误或航班取消对应极差与标准差之比:
[0081]
[0082] 取不同的n(2≤n≤N)值,求得不同区间长度n上的RS(n),按下列式子计算空中交通系统的Hurst指数:
[0083] lg(RS(n))=lga+Hlgn (8)
[0084] 式中:a为常数;H为R/S方法中空中交通系统的Hurst指数。
[0085] Hurst指数可用于衡量时间序列的长程相关性和自相似性,长程相关性是时间序列的重要特征,反映某一时间间隔上两个数据的统计相关性;自相似性表明时间序列可从不同尺度进行度量,体现其波动的相似程度。由上述方法计算的Hurst指数含义如下:
[0086] 1)H=0.5,表明空中交通系统时间序列不具有长程相关性,航班延误或航班取消趋势列不可预测。
[0087] 2)0.5
[0088] 3)0
[0089] (3)空中交通系统Hurst指数的检验方法
[0090] 为检验空中交通系统Hurst指数的显著性,按照下面的检验公式计算:
[0091]
[0092] 式中:E(RS(n))为求航班延误或航班取消的对应极差与标准差之比RS(n)的数学期望。取不同的n(2≤n≤N)值,得到不同的E(RS(n)),假设:
[0093] E(RS(n))=bnE(H) (10)
[0094] 式中,b为常数。对式(10)两边取对数,可得:
[0095] lg(E(RS(n)))=lgb+E(H)lgn (11)
[0096] 空中交通系统Hurst指数显著性检验公式为:
[0097]
[0098] 对于显著性水平α=0.1,若|I|<1.645,空中交通系统Hurst指数是不显著的,即系统的航班延误或航班取消的时间序列是不相关的,该状态下系统航班延误或航班取消的时间序列具有随机性;若|I|>1.645,空中交通系统的Hurst指数是显著的,航班延误或航班取消的时间序列具有长程相关性。
[0099] 2实证分析
[0100] 2.1空中交通系统的幂律特性
[0101] 统计分析中国内地航班延误以及航班取消的规模—频度幂律特性,基于航空公司视角分析航班延误的规模—频度幂律特性,过程如下。
[0102] (1)采集中国内地空中交通系统每天航班延误以及航班取消的架次(数据来源:飞常准系统),数据范围为2017年10月26日至2018年10月26日,共366天,以航班架次为区间分段,统计结果如表1所示。
[0103] 表1中国内地空中交通系统航班统计
[0104]
[0105] 根据式(2),对表1数据在双对数坐标下作图,如图1所示。
[0106] 图1中航班延误与航班取消的拟合直线方程分别为:lgN(S)=6.5-1.37lgS、lgN(S)=13.04-3.64lgS,相关系数分别为-0.9805、-0.9205,本次计算对应的相关系数显著性检验表R0.001=0.872,|R|>0.001,则空中交通系统的航班延误与航班取消的规模—频度相关性非常显著,具有幂律特性,其中航班延误的斜率小于航班取消的斜率,说明我国空中交通系统对航班延误的管理优于对航班取消的管理。
[0107] (2)航空公司航班延误分析。对国内两个航空公司近3个月的航班运行数据进行统计,以延误时间为区间分段,统计结果如表2所示。
[0108] 表2航空公司航班延误统计
[0109]
[0110] 根据式(2),对表2数据在双对数坐标下作图,如图2所示。
[0111] 图中A、B两个航空公司航班延误的拟合直线方程分别为:lgN(S)=6.44-2.08lgS、lgN(S)=6.39-1.78lgS,相关系数分别为-0.9864、-0.9816,本次计算对应的相关系数显著性检验表R0.001=0.872,|R|>R0.001,则两个航空公司航班延误的规模—频度相关性非常显著,具有幂律特性。其中A公司航班延误的斜率小于B公司航班延误的斜率,说明A公司对航班延误的管理优于B公司对航班延误的管理;
[0112] 结合空中交通系统的航班延误、航班取消以及航空公司航班延误的规模—频度幂律特性分析,可知研究的规模—频度幂律特性显著。结合广延耗散结构与规模—频度幂律特性,可判断空中交通系统为自组织系统,存在自组织临界性。
[0113] 2.2空中交通系统的时间序列相关性
[0114] 1)空中交通系统的航班延误Hurst指数分析
[0115] 由式(3)~(8)计算全国空中交通系统航班延误的Hurst指数,系统航班延误Hurst指数的H值为0.4161,由公式(9)~(12)计算系统的Hurst指数显著性检验指标I为-4.2001,其绝对值大于1.645,说明该Hurst指数合理有效。航班延误Hurst指数的H值小于0.5,说明航班延误在空中交通系统中呈长程负相关性,即航班延误呈负向演化规律。具体而言某时刻航班延误减少,下一时刻航班延误将会向延误增加的方向变化,而某一时刻的航班延误若向增加的方向变动,则下一时刻的航班延误将会减少。这既是系统远离平衡态与涨落现象的表现,也是航空公司追求利润与空中交通管理部门追求安全与效率的矛盾与统一的表现。
[0116] 2)空中交通系统的航班取消Hurst指数分析
[0117] 由公式(3~8)计算全国空中交通系统航班取消的Hurst指数,系统的航班取消Hurst指数H值0.5049,由公式(9~12)计算系统的Hurst指数显著性检验指标I为-3.0776,其绝对值大于1.645,说明该Hurst指数是合理有效的。由空中交通系统的航班取消的Hurst指数H值大于0.5,说明航班取消在空中交通系统中呈长程正相关性,即航班取消呈正向演化规律。具体而言,某时刻航班取消减少,下一时刻航班取消将会向航班取消减少的方向变化,而某一时刻的航班取消若向增加的方向变动,则下一时刻的航班取消仍增加。这既是系统非线性的表现,也是航空公司航班联程与空中交通管理部门保持空中交通系统安全高效的表现。
[0118] 3结论
[0119] (1)空中交通系统呈现耗散结构,在空间分形上具有规模—频度幂律特性,在时间上存在长程相关性,因此,空中交通系统是一个自组织系统,存在自组织临界性。
[0120] (2)我国空中交通系统航班延误与航班取消的规模—频度在双对数坐标下表现出幂律特性。拟合直线的航班延误斜率小于航班取消斜率,说明我国空中交通系统对航班延误的管理优于对航班取消的管理。
[0121] (3)航空公司的经营管理水平可以从公司的航班延误规模—频度幂律特性拟合直线的斜率进行对比分析,斜率更小的航空公司经营管理水平更佳。
[0122] (4)通过Hurst指数分析可知,国内空中交通系统的航班延误倾向于负向变化,航班取消倾向于正向变化。据此,采取提高备份运力、主动变更机型、提前制定应急预案等措施,减少航班延误和取消的影响和损失。
[0123] 以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何
修改、等同替换、改进等,均应包含在本发明的保护范围之内。