论文部分内容阅读
摘 要：随着空中交通运输需求的不断加大，空中交通安全性要求的提升与空间利用率较低的矛盾逐渐显现，使空中交通管理的难度的不断加大，继续沿用传统的空中交通管理方法和设备已经无法满足现代空中交通管理的实际需要，所以智能算法在空中交通管理中的应用越来越受到关注，本文为对空中交通管理产生更加全面的认识，提升现代空中交通管理的水平，以迁徙智能算法为例，对其在空中交通管理中的应用展开研究。
关键词：迁徙智能算法；空中交通管理；应用
前言：空中交通管理即为了保证和提升空中交通安全、维护空中交通秩序，保持空中交通运行畅通的主要管理活动的总称，如空中交通服务、空中交通流量管理、空域管理等活动均属于空中交通管理，随着现代交通运输对空中交通的需求和依赖性不断提升，空中交通管理越来越受到关注。
一、迁徙智能算法
在上个世纪80年代，人们逐渐认识到鸟群、鱼群、蜜蜂等看似结构简单的低智商群体，可通过复杂的相互合作表现出较高的智能，人们称其为群集智能，并在此基础上提出BP神经网络、人工免疫系统、蚁群算法、模拟退火算法等智能算法，并在其改进的基础上提出迁徙智能算法，由于其在全局优化问题求解、寻优能力、收敛效率等方面具有优越性，所以得到较广泛的应用，迁徙智能算法主要模仿了动物群体从当前位置迁移到新位置和动物群体迁移过程中的移动行动两方面[1]。现阶段动物迁徙算法全局搜索部分的公式可以表示为Xi，G+1=Xi，G+rand×（Xbest，G-Xi，G）+rand×（Xr2，G-Xi，G）， G代表后代计数器具体值；Xi代表随机初始化种群，利用迁徙智能算法可以通过邻居循环更新个体，根据适应度函数更新学习样本，通过速度位移公式更新最优点[2]。
二、迁徙智能算法在空中交通管理中的应用
空中交通管理的主要工作的各项内容之间既要区别又存在密切的关系，例如空中交通管制主要依靠程序、雷达、ADS自动相关监视等实现，其均以本质存在差异的航空器实时位置识别为基础；空中交通流量管理在先期、飞行前、实时等不同阶段的管理方式存在差异，而空域管理要针对空域流量、静态空域、动态空域、平战空域、边境空域等不同的类型进行具体管理方法的选择，在空中交通管理中重要的工作是解脱飞行冲突，使航空器在同一高度水平间隔在安全值以上，其通常通过高度调配、时间调配、侧向调配的单独或组合形式实现[3]。在空中交通管理中应用迁徙智能算法以数据库建模为基本前提，此数据库不仅能够结合雷达信号和空中交通管理报警信号提出有利于解脱飞行冲突的方案，而且要结合飞行计划、现实空域状况等信息，为空中交通管理提供空域容量扩充计划、短期航班时刻表、飞行中空中流量控制方案等，所以给数据库的建设要包括的信息具有多样化的特征，如空域信息、空管规则、冲突类型、雷达数据、飞行计划。实时空中交通流量数据等，而且其要结合空域管理的不同类型配置相应的管理模块，以此满足实际的要求。在知识库建立的过程中应用迁徙智能算法可以确定航空器的优先级，其以航班信息数据库、空管规则库和空域结构数据库为基础，对冲突的类型进行确定，然后结合公式Priorty=a1×Type+a2×Airway+a3×Airport+a4×Planetype，可以对航空器最优级进行确定，其中Type代表机型最优级；Airway代表航路最优级；Airport代表机场优先级；Planetype代表航班类型的优先级，a1、a2、a3、a4分别代表权重。飞行冲突解脱应用智能算法设计模型是空中交通管理的核心，而空中交通飞行冲突解脱是计算系统以航空器运行速度、方向等参数，对某区域未来中存在的某時刻可能发生的飞行冲突进行计算，并在此基础上结合知识库和智能算法避免飞行冲突发生，并通过制定的方案确保飞行安全的有效途径，在其应用的过程中要利用产生式规则，在此基础上结合迁徙智能算法在组合优化等方面的优势，通过迁徙智能算法获取收敛到近似最优解的值，以此实现空中交通自由飞行[4]。现阶段在空中交通管理中考虑到空中交通的安全性，对航空器间隔、航空器优先级别、方向等因素进行了明确的要求，使空中交通管理的难度较大，要获取相关因素的优化结果，需要建立在影响因素分别独立优化、建模的基础上，换言之通过符合因素应用智能算法确定简化模型，此时将迁徙智能算法的模型可以表示为tij（n+1）=（1-r）？tij（n）Q/f，其中p代表挥发因子，其通常在0.1至0.5之间，而Q代表常数；f代表目标函数；tij代表迁徙过程中在J位选择第i个节点的概率，将迁徙智能算法应用于空中交通管理过程中，首先在初始化参数的过程中对循环次数N进行限制，然后将相关的 ，m、a、p等设定为固定的常数，此时间获取大量的初始染色体，在众多获取的染色体中确定较好的，将其信息素摘取并保留，然后将迁徙群体中的部分设定在初始位置，将迁徙中每个动物在i节点上的选择概率进行确定，并假设其均完成n个位置的迁徙过程，然后结合约束条件对迁移个体产生的解的可行性进行判断，当确定迁徙行为可行的前提下，对目标函数进行计算，如果判定迁徙行为不可行，则重新进行节点的设定，在计算完成后结合获取的最小目标函数对函数进行针对性的修改，使其循环次数在原有的程度上加1，当以上计算均得到满足的前提下，循环条件可以停止，获取的染色体为最优染色体，可以将其直接输出；如果此过程难以满足最有要求，则需要重新确定在最优位置的迁移个体数量。
例如某机场管制中心具有1套雷达旁路线路分配器、2套多路线路适配器、2台通信处理机、2台监视和飞行数据处理服务器、4台管制员席通用工作站、1台技术监控工作站、2套手写显示输入设备、另外，时间同步系统、记录重演系统、双冗余网络系统、模拟话音通信系统、综合语音通信系统各1套，另外软件环境包括RDS、MIDD、COMP、CCWS等，还具有一台PC机，在系统技术指标和硬件和软件平台配置确定的前提下，该空中交通管制中心可以利用相关设备和二次雷达信号获取对应空域航空器编号、运行高度和速度等实施数据，通过真实的管制中心飞行冲突获取的检测数据，如果在飞行冲突预警时不同的航空器处于相同的二维空间中，其在预警后通常仍会以匀速直线运动为主，在获取航空器运行的具体路程后，可以结合迁徙智能算法，对解脱飞行冲突的最优路径进行判断，可见将迁徙智能算法应用于空中交通管理过程中对提升空中交通的安全性具有重要的作用。
结论：通过上述分析可以发现，现代空中交通管理人员已经认识到将迁徙智能算法应用于空中交通管理对提升空域利用率，改善空中交通运行状况等方面的重要性，而且在实践中有意识的通过数据库建设，为迁徙智能算法的应用创造条件，这是现代空中交通管理水平提升的具体体现，但仍需要进一步的完善和深化。
参考文献：
[1]徐鹏.智能算法在空中交通管理中的应用[D].长春：长春工业大学，2013.
[2]何黎敏.智能算法在空中交通管理中的应用[A].中国武汉决策信息开发中心、决策与信息杂志社、清华大学经济管理学院.决策论坛——科学制定有效决策理论学术研讨会论文集（下）[C].中国武汉决策信息开发中心、决策与信息杂志社、清华大学经济管理学院，2015：1.
[3]吕罡.人工智能技术在空中交通管理中的应用[J].科技风，2015，No.26103：123.
[4]张晨.空中交通管理中的交通行为复杂性研究[D].南京：南京航空航天大学，2012.
关键词：迁徙智能算法；空中交通管理；应用
前言：空中交通管理即为了保证和提升空中交通安全、维护空中交通秩序，保持空中交通运行畅通的主要管理活动的总称，如空中交通服务、空中交通流量管理、空域管理等活动均属于空中交通管理，随着现代交通运输对空中交通的需求和依赖性不断提升，空中交通管理越来越受到关注。
一、迁徙智能算法
在上个世纪80年代，人们逐渐认识到鸟群、鱼群、蜜蜂等看似结构简单的低智商群体，可通过复杂的相互合作表现出较高的智能，人们称其为群集智能，并在此基础上提出BP神经网络、人工免疫系统、蚁群算法、模拟退火算法等智能算法，并在其改进的基础上提出迁徙智能算法，由于其在全局优化问题求解、寻优能力、收敛效率等方面具有优越性，所以得到较广泛的应用，迁徙智能算法主要模仿了动物群体从当前位置迁移到新位置和动物群体迁移过程中的移动行动两方面[1]。现阶段动物迁徙算法全局搜索部分的公式可以表示为Xi，G+1=Xi，G+rand×（Xbest，G-Xi，G）+rand×（Xr2，G-Xi，G）， G代表后代计数器具体值；Xi代表随机初始化种群，利用迁徙智能算法可以通过邻居循环更新个体，根据适应度函数更新学习样本，通过速度位移公式更新最优点[2]。
二、迁徙智能算法在空中交通管理中的应用
空中交通管理的主要工作的各项内容之间既要区别又存在密切的关系，例如空中交通管制主要依靠程序、雷达、ADS自动相关监视等实现，其均以本质存在差异的航空器实时位置识别为基础；空中交通流量管理在先期、飞行前、实时等不同阶段的管理方式存在差异，而空域管理要针对空域流量、静态空域、动态空域、平战空域、边境空域等不同的类型进行具体管理方法的选择，在空中交通管理中重要的工作是解脱飞行冲突，使航空器在同一高度水平间隔在安全值以上，其通常通过高度调配、时间调配、侧向调配的单独或组合形式实现[3]。在空中交通管理中应用迁徙智能算法以数据库建模为基本前提，此数据库不仅能够结合雷达信号和空中交通管理报警信号提出有利于解脱飞行冲突的方案，而且要结合飞行计划、现实空域状况等信息，为空中交通管理提供空域容量扩充计划、短期航班时刻表、飞行中空中流量控制方案等，所以给数据库的建设要包括的信息具有多样化的特征，如空域信息、空管规则、冲突类型、雷达数据、飞行计划。实时空中交通流量数据等，而且其要结合空域管理的不同类型配置相应的管理模块，以此满足实际的要求。在知识库建立的过程中应用迁徙智能算法可以确定航空器的优先级，其以航班信息数据库、空管规则库和空域结构数据库为基础，对冲突的类型进行确定，然后结合公式Priorty=a1×Type+a2×Airway+a3×Airport+a4×Planetype，可以对航空器最优级进行确定，其中Type代表机型最优级；Airway代表航路最优级；Airport代表机场优先级；Planetype代表航班类型的优先级，a1、a2、a3、a4分别代表权重。飞行冲突解脱应用智能算法设计模型是空中交通管理的核心，而空中交通飞行冲突解脱是计算系统以航空器运行速度、方向等参数，对某区域未来中存在的某時刻可能发生的飞行冲突进行计算，并在此基础上结合知识库和智能算法避免飞行冲突发生，并通过制定的方案确保飞行安全的有效途径，在其应用的过程中要利用产生式规则，在此基础上结合迁徙智能算法在组合优化等方面的优势，通过迁徙智能算法获取收敛到近似最优解的值，以此实现空中交通自由飞行[4]。现阶段在空中交通管理中考虑到空中交通的安全性，对航空器间隔、航空器优先级别、方向等因素进行了明确的要求，使空中交通管理的难度较大，要获取相关因素的优化结果，需要建立在影响因素分别独立优化、建模的基础上，换言之通过符合因素应用智能算法确定简化模型，此时将迁徙智能算法的模型可以表示为tij（n+1）=（1-r）？tij（n）Q/f，其中p代表挥发因子，其通常在0.1至0.5之间，而Q代表常数；f代表目标函数；tij代表迁徙过程中在J位选择第i个节点的概率，将迁徙智能算法应用于空中交通管理过程中，首先在初始化参数的过程中对循环次数N进行限制，然后将相关的 ，m、a、p等设定为固定的常数，此时间获取大量的初始染色体，在众多获取的染色体中确定较好的，将其信息素摘取并保留，然后将迁徙群体中的部分设定在初始位置，将迁徙中每个动物在i节点上的选择概率进行确定，并假设其均完成n个位置的迁徙过程，然后结合约束条件对迁移个体产生的解的可行性进行判断，当确定迁徙行为可行的前提下，对目标函数进行计算，如果判定迁徙行为不可行，则重新进行节点的设定，在计算完成后结合获取的最小目标函数对函数进行针对性的修改，使其循环次数在原有的程度上加1，当以上计算均得到满足的前提下，循环条件可以停止，获取的染色体为最优染色体，可以将其直接输出；如果此过程难以满足最有要求，则需要重新确定在最优位置的迁移个体数量。
例如某机场管制中心具有1套雷达旁路线路分配器、2套多路线路适配器、2台通信处理机、2台监视和飞行数据处理服务器、4台管制员席通用工作站、1台技术监控工作站、2套手写显示输入设备、另外，时间同步系统、记录重演系统、双冗余网络系统、模拟话音通信系统、综合语音通信系统各1套，另外软件环境包括RDS、MIDD、COMP、CCWS等，还具有一台PC机，在系统技术指标和硬件和软件平台配置确定的前提下，该空中交通管制中心可以利用相关设备和二次雷达信号获取对应空域航空器编号、运行高度和速度等实施数据，通过真实的管制中心飞行冲突获取的检测数据，如果在飞行冲突预警时不同的航空器处于相同的二维空间中，其在预警后通常仍会以匀速直线运动为主，在获取航空器运行的具体路程后，可以结合迁徙智能算法，对解脱飞行冲突的最优路径进行判断，可见将迁徙智能算法应用于空中交通管理过程中对提升空中交通的安全性具有重要的作用。
结论：通过上述分析可以发现，现代空中交通管理人员已经认识到将迁徙智能算法应用于空中交通管理对提升空域利用率，改善空中交通运行状况等方面的重要性，而且在实践中有意识的通过数据库建设，为迁徙智能算法的应用创造条件，这是现代空中交通管理水平提升的具体体现，但仍需要进一步的完善和深化。
参考文献：
[1]徐鹏.智能算法在空中交通管理中的应用[D].长春：长春工业大学，2013.
[2]何黎敏.智能算法在空中交通管理中的应用[A].中国武汉决策信息开发中心、决策与信息杂志社、清华大学经济管理学院.决策论坛——科学制定有效决策理论学术研讨会论文集（下）[C].中国武汉决策信息开发中心、决策与信息杂志社、清华大学经济管理学院，2015：1.
[3]吕罡.人工智能技术在空中交通管理中的应用[J].科技风，2015，No.26103：123.
[4]张晨.空中交通管理中的交通行为复杂性研究[D].南京：南京航空航天大学，2012.