航空公司運行控制虛擬仿真多元信息可視化融合方法研究

羅鳳娥，劉 安

(中國民用航空飛行學院 空中交通管理學院，四川 廣漢 618307)

航空公司運行控制虛擬仿真多元信息可視化融合方法研究

羅鳳娥，劉 安

(中國民用航空飛行學院 空中交通管理學院，四川 廣漢 618307)

伴隨著我國航空事業的持續擴大,航空業之間的競爭日漸激烈；外部和內部環境的變化將會帶來突發事件,如不能及時處理的話都會影響航空公司的日常經營,嚴重的話甚至會導致破產；通過構建航空公司運行控制應急管理的功能模型和結構模型，提出了基于資源層、狀態層、決策層和操作層的四層結構應急管理可視化多元信息仿真模型，并給出了多元信息可視化表示方法示例；重點分析了運行控制中應急管理數據的海量、多元、可信度不同、時間敏感和難以共享等特征，并通過多元信息融合的方法構建出航空公司運行控制虛擬仿真模型；有助于運行控制人員研究應對不安全事故的策略，提高運行控制人員理論與實踐學習相結合的能力，增強在應急事件發生時運行控制人員的情景意識，保障公司安全高效運行。

虛擬仿真；運行控制；可視化；多元融合

0 引言

民航業的迅速發展為人民生活帶來便利，推動社會、經濟的發展的同時，也因應急突發事件的多發令人擔憂。民航突發應急事件的處置往往比較復雜，其中一個原因就是應急事件出現后會隨著時間和空間的改變而發生變化甚至是惡化。普通民航突發應急事件有時在特定條件下會誘發演化產生比事件本身破壞性強、危害性大的衍生次生事件[1]。隨著航空業的不斷發展，我國航班量每年不斷的增加，航空公司的規模在不斷的擴大，各航空公司的運行控制手段日趨完善合理，但各類突發不安全事件也明顯增加，如臺灣復興航空空難事件、4U9525 德國之翼空難、迪拜航空FZ981墜毀事件、埃及航空MS181班機遭劫持等不安全事件[2]。航空公司在努力做到保證航班安全的同時如何及時做出應對不安全事故的策略成為航空公司安全運行中不得不考慮的關鍵問題。本文針對航空公司在航班運行過程中出現信息的海量、時變、難以共享、可信度不同和時間敏感等特征，通過多元信息融合的方法構建航班運行中多元信息仿真再現模型，有助于運控人員及時掌握航班運行過程中關鍵有效的信息，及時做出應對不正常航班的策略。

1 航班運行多元數據的可視化處理

可視化(Visualization)，是一種數據分析計算方法，它將數據或者符號轉變成為更為直觀的立體或幾何圖形，使數據的理解更加直觀化，并且能夠把復雜、時變、多維數據以可視化圖像的方式展現的工具。

傳統的數據可視化方法一般都是基于笛卡爾坐標系或矢量坐標系的數據映射轉換方法，其映射的數據集對象往往都具有明顯的二維或三維物理空間特征，如柱狀圖和條狀圖、分布圖和直方圖、折線圖、樹形圖、地圖可視化等。

分布圖(也稱散點圖)和直方圖其實是一種特殊的柱形圖，它們顯示了離散和連續字段值的比例。分布圖能夠展示非數字類型的、離散的字段值在數據集中存在的比例及數目。分布圖其中一個非常典型的用途就是可以反映數據的不平衡性。直方圖，也被稱作為頻率圖，是用圖表的方式去展示不同的數值在數據集中所占的百分比，也能夠用來揭示數據的不平衡性[5]。

折線(曲線)圖也是基于柱形圖的一種拓展，主要用于在二維的X-Y坐標系上表示兩個連續數據維的交叉點的值，不同的交叉點采用折線或曲線連接起來[6]。通常用于描繪基于時間維度的數據變化。樹形圖以樹的形式表達數據集，每一層的樹的分支都是基于不同的屬性值，這些屬性在數據集內具有層次結構。

除了傳統的柱狀圖、折線圖等這些簡單的二維三維映射方法之外，還有一些在以上方法以及數據可視化基本元素的基礎上發展起來的更為復雜的數據可視化方法，此類方法根據其不同的可視化映射基本原理可以分為基于層次的技術、基于圖標的技術、面向像素技術、基于幾何的技術和基于圖形的技術等。

本文采用了可以實現多變量可視化的雷達圖分析法來進行多元數據可視化的處理。多元變量數據的可視化一直是人們關注和研究的熱點,從多年來各研究者的研究成果來看，其研究成果的主要表現形式分為兩類:一類是能夠讓在多維空間的數據點與平面上某種特定的幾何圖形相互對應,該幾何圖形也能夠反應多維數據的一些主要的特征或者數據與數據之間的聯系[8];另外一類是對于多維、易變的數據進行降維、簡化處理,在盡量保留原始信息的同時將多維數據降低為一維數據,進而使多維數據能夠在平面坐標系下進行呈現于處理。雷達圖數據可視化就是一種可實現多變量數據可視化的一種方法，其主要是將多維數據與雷達圖進行一一對應，使多維數據實現可視化。也被稱為星形圖。

2 航班運行多元信息數據融合及模型的建立

2.1 多元數據的來源及處理

航空公司的運控中心在公司正常生產的運作的過程中具有非常重要的作用，對于整個公司而言相當于公司的大腦，在運控中心里面需要匯集各種各樣的信息，其中包括氣象信息、航行通告、機場信息、飛行數據、管制信息等。尤其是在應急事件發生時，運控中心需要及時收集處理所有的信息，并將有效、重要得信息進行發布、傳遞，并根據收集到的信息及時做出決策，如何處理如此多元、龐大的數據成為航空公司亟待解決的問題。

天氣對航空公司的航班正常運行具有非常大的影響，由于天氣原因導致航空公司航班備降是在航空公司經常發生的應急問題，如何在目的地機場及備降機場著陸天氣標準不符合降落標準的時候快速選擇出該航班的備降機場，需要航空公司運控中心及時而有效的做出決策，以免因航班的燃油不足而導致更多的事故發生[11]。本文就針對航班備降過程中所需氣象數據進行可視化、融合處理，使運控中心能夠對航班備降所需數據的掌握更加簡單、高效，有助于及時做備降決策。

2.2 多元數據可視化表示

數據多元圖表示是多元數據分析的一種非常重要的方法，其在數據可視化分析過程中具有非常廣泛的應用，特別是在多元、多維數據可視化分析方面具有很大的優越性。多元圖的表示方法具有很多種，研究中經常用到的有雷達圖、散點圖、平行坐標圖等。不同的多元圖表示方法具有不同特征，但其數據可視化表示的共性是一樣的，都是通過歲數據的降維處理將多維數據映射到二維空間中。本文采用了雷達圖數據可視化方法來實現多維數據的表示，給出了針對多元、多維的天氣數據采用雷達圖的方法實現可視化表示的示例。從這些雷達圖中可以清楚看出各個方面的數據，更加直觀的顯示出不同元、不同層次的數據量，這種應急管理多維數據雷達圖可視化表示方法給出了航空公司運行控制中氣象狀態直觀的信息，極大地方便了航空公司的運控決策。見圖1～圖7。

圖1 風速圖

圖2 云量圖

圖3 重要天氣圖

圖4 跑道視程圖

圖5 能見度圖

圖6 云高圖

圖7 風向圖

2.3 數據標準化處理與融合

在數據融合處理過程中，首先是通過氣象網站接收數據，對數據進行輸入，根據民航相關的規章標準進行篩選。其次是將篩選好的數據再次進行分類，根據數據的性質，將數據分為主要數據和次要數據，其中主要數據主要是一些對飛機著陸過程中起決定性的數據，次要數據主要是對飛機著陸過程標準具有一定的影響作用的數據。在數據優化過程中，首先是日通過主要數據源對影響航班的各個因素進行最優化篩選及組合，得到一個可行域。然后在通過次要數據對可行域進一步優化，從而得到最終的結果。數據融合過程如圖8所示。

圖8 數據融合流程圖

主數據源數據優化，從各數據源中選出對航班著陸具有直接影響的因素能見度、跑道視程、云底高三個因素。由于該三個因素的數據在一定程度上是相互獨立的，滿足現行規劃的條件，因此在優化過程中選擇單純形法來對數據進行優化。記：能見度為x1，跑道視程為x2，云底高為x3，目標值為z取目標函數為：MAXz=x1+x2+x3。根據計算結果對機場進行簡單的排序。

次要數據源的優化，從各數據源中選出對航班著陸具有間接影響的因素風速、風向、重要天氣及云量。通過次要數據源在對上述結果進行輔助優化，由于次要數據源對航班的影響水平不同，本文在確定指標權重的過程中采用了模糊層次分析法(FAHP)[12]，在分析的過程中首先確定各因素指標的權重，然后通過模糊綜合評判法對總體指標實現綜合評價。

具體步驟如下：

第一步：建立影響飛機著陸因素的層次指標體系，如圖9所示。

圖9 航班延誤預警指標體系

第二步：在進行模糊層次分析法進行分析的過程中,將不同因素作兩兩對比分析，而且對因素的重要程度做量化分析,可以得到模糊層次分析法的模糊判斷矩陣N=(Nij)n×n,并對矩陣的性質進行判斷，是否具有如下性質:

a)Nii=0.5,i=1,2,…,n;

b)Nij+Nji=1,i,j=1,2,…,n;

由此獲取的判斷矩陣稱為模糊互補判斷矩陣。為了定量描述計算過程中的意兩個方案關于某一特定的準則得出的相對的重要程度,本文通過如下表所示的0.1～0.9標度法給出數量標度。

若Nij∈[0.1,0.5),則表示因素mj要比因素mi重要;Nii=0.5表示兩個因素相比較同等重要;若Nij∈(0.5,0.9],則表示因素mi要比因素mj重要。依據上面的數字標度,因素N1,N2,…,Nn進行相互比較,則得到如下模糊

表1 0.1～0.9數量標度

互補判斷矩陣:

(1)

第三步：計算各層次指標的權重w。

本文采用了通用公式確定權重,該公式包含了模糊一致性判斷矩陣的判斷信息及其優良特性,便于計算機編程實現且計算量小并,極大的減小了實際應用過程中的復雜程度。求解模糊互補判斷矩陣權重公式如下:

(2)

為判斷式(2)得到的權重值是否合理,還應該對比較判斷矩陣的一致性進行檢驗。當一致性檢驗得到的數值偏移過大時,說明最終的決策依據由得到的權向量計算結果來代替是非常不可靠的。因此本文為了進一步檢驗該判斷矩陣的一致性原則，對模糊判斷矩陣的相容性來進行進一步計算。

定義1:設矩陣N=(Nij)n×n及(Bij)n×n同是模糊判斷矩陣,稱:

(3)

式(3)為N、B的相容性指標計算公式。

(4)

式(4)的結果為特征矩陣N稱為決策者態度的判斷矩陣。當N的相容性指標I(N,W)≤N時,則判定該矩陣為滿意一致性的。策者所要求的模糊判斷矩陣的一致性越高則N越小,一般取?=0.1。對于現實中的實際問題,一般是通過M個專家給出同一因素集X上進行兩兩比較來判斷矩陣Nk=(Nij(k))(k=1,2,...,m),可以分別確定權重集的集合W(k)1W(k)=(W(k)1,W(k)2,…,W(k)3(k=1,2,…,m)對判斷矩陣進行一致性檢驗:

專家A權重模糊互判矩陣為：

得權重向量為W1=(0.381 0.303 0.316)

根據式(4),N1計算結果為:

根據式(3),N1和W1*的相容性指標為:I(N1,W1*)<0.1,故認為模糊判斷矩陣N1是滿意一致的,因此W1的分配合理。

專家B權重模糊互判矩陣：

計算的權重向量為W1=(0.383 0.267 0.350)

N1的特征矩陣計算結果為:

N1與W1*的相容性指標為:I(N1,W1*)<0.1,故認為模糊判斷矩陣N2是滿意一致的,因此W2的分配合理。

綜合兩個專家的意見后,權重向量可表示為:

W=(0.383 0.284 0.333)

依次按風速、重要天氣、風向、云高、云量、跑道視程和能見度,對備選方案建立模糊判斷矩陣。專家通過對各因素進行兩兩比較進行判斷并根據表1進行打分,進而得到模糊矩陣R。為了便于論述,本文在論述的過程中僅提供了一個專家的評判矩陣。對于有多個專家進行參于的評判案例,就需要用同樣的方法進行模糊判斷矩陣及判斷矩陣間的滿意相容性和滿意一致性進行檢驗。

第四步：計算綜合評判結果：B=W·R，其中B=[b1,b2,…,bn]，是系統總體性能對應評價集，W是權重向量，R是主數據源因素評價權重。根據最終評判集B對各個機場對航班的綜合影響指數進行評定，得出最終的優化排序結果，并將結果進行可視化處理。

考慮到各種數據源的數量級不同，因此本文在數據標準化處理的過程中以百分比的形式進行表示，通過對航空公司近幾年來的氣象數據匯總，并根據民航相應的規章與標準找出各種氣象數據的參考值，根據參考值對新獲得的數據進行百分比量化處理。將量化后的數據進行可視化融合處理，得到機場天氣數據信息圖，如圖10所示。在圖10中，B實線表示目前該機場實時氣象數據或者最新的氣象數據，A實線表示該氣象影響因素的標準值，該標準值是通過航空法規、標準中的規定以及通過航空公司近幾年的氣象數據積累得到的。通過A和B數據線的對比，使這種進行數據融合后的氣象數據雷達圖可以清楚的看出機場的天氣狀況是否超出標準，非常有利于運行控制人員及時有效的做出決策。

圖10 機場天氣數據信息圖

2.4 模型的建立

根據本章2.3節中所論述的多元數據雷達圖可視化表示方法，可以實現對航空公司在進行運行控制應急管理中所涉及到的多元、多維應急數據進行可視化處理，從而可以簡化數據的復雜程度，便于運控人員的決策。圖 11 為航空公司運行控制多元數據可視化融合及應急決策模型示意圖。從模型中可以看出，這是一個實現多元信息數據融合可視化處理的系統模型。系統由信息數據輸入層、雷達圖信息融合層和結果呈現層三個層次組成。在數據處理的過程中，需要對多元數據進行降維、歸一化處理，再通過多級數據融合處理將數據映射到結果呈現層，并在雷達圖中展現數據處理后的數據點，將多維數據按照一定的規則轉換成輸出定量數據，而輸出的信息變量就可以給出這個系統處在哪種工作模式，并給出表示系統模式的特征信息。該模型能夠采用多個層次對原始的多元數據進行逐步降維、抽象處理，既能夠有效地降低原始信息的數據量，減小計算的復雜程度，又可以最大限度地減少信息的失真，并且使多源數據間的相關聯系更加容易的呈現。

圖11 航空運行數據可視化融合和應急決策模型示意圖

3 結論

本文通過構建航空公司運行控制應急管理的功能模型和結構模型，提出了基于資源層、狀態層、決策層和操作層的四層結構應急管理可視化多元信息仿真模型，并給出了多元信息可視化表示方法示例。重點分析了運行控制中應急管理數據的海量、多元、時間敏感、可信度不同和難以共享等特征，并通過多元信息融合的方法構建出航空公司運行控制虛擬仿真模型。給出面向航空公司運行控制在應急管理過程中涉及道德多維、多元數據通過信息融合方法來實現可視化表示的示例。文中所設計的方法和模型對于進一步研究航空公司運行控制中非常規突發事件應急管理信息系統建設，特別是對非常規突發事件多元信息的可視化處理具有很好的借鑒意義。

[1] 張建寧. 雷達圖在360度績效評價中應用研究[J]. 財會通訊,2011,29:53-54.

[2] 崔金棟,李凡生,潘文豐. 數據管道技術在MIS開發中的應用[J]. 東北電力學院學報,2004,06:66-70.

[3] 王開軍. 多維數據的聚類結果可視化技術綜述[J]. 福建師范大學學報(自然科學版),2012,04:115-124.

[4] 于 洋. 數據挖掘可視化技術的研究與應用[D].長春：吉林大學,2008.

[5] 譚朝陽.航空公司飛行安全風險評價研究[D].廣漢：中國民用航空飛行學院,2012.

[6] 胡 俊.數據挖掘可視化模型及其應用研究[D].北京：北京交通大學,2009.

[7] 任東懷,胡 俊.多維數據可視化技術綜述[J]. 工程地質計算機應用,2006,04:4-9，34.

[8] 周冉冉.大數據時代門戶網站數據新聞可視化探究[D].濟南：山東師范大學,2015.

[9] 劉 芳.信息可視化技術及應用研究[D].杭州：浙江大學,2013.

[10] 胡小妹.信息可視化設計與公共行為研究[D].中央美術學院,2014.

[11] 譚章祿,方毅芳,呂 明,等.信息可視化的理論發展與框架體系構建[J].情報理論與實踐,2013,36:16-19，32.

[12] 韓吉勝.論航空公司簽派放行[J].山西經濟管理干部學院學報,2013,21:80-83.

[13] 張金磊,張寶輝,劉永貴.數據可視化技術在教學中的應用探究[J].現代遠程教育研究,2013,12606:98-104，111.

[14] 洪文學,王金甲.可視化和可視化分析學[J].燕山大學學報,2010,3402:95-99，105.

[15] 王巖韜,李 蕊.邊緣天氣下的簽派放行[J].科教文匯(上旬刊),2010,13606:203-204.

[16] 李大利.航空公司簽派放行風險評估研究[D].廣漢：中國民用航空飛行學院,2015.

[17] 張 禹.航空公司運行控制的發展與研究[J].硅谷,2012,11216:5-6，11.

[18] 曹 勃.S航空公司飛行簽派放行體系研究[D].濟南：山東大學,2012.

[19] 金 迪.航空公司運行不安全事件安全風險管理方法研究[D].上海：上海交通大學,2013.

[20] 李明星.航空公司運行品質評價研究[D].廣漢：中國民用航空飛行學院,2015.

[21] 王春林.基于灰色理論的非正常航班運行管理研究[D].廣漢：中國民用航空飛行學院,2013.

[22] Song W J, Chen W, Chen H D, et al. Visualizing diffusion tensor fields on streamsurfaces with merging ellipsoids[J]. Applied Mathematics:A Journal of Chinese Universities(Series B),2014(4):399-409.

[23] Ahn J Y, Park S J. Visualizing health data using linked micromap plots[A]. Advanced Science and Industry Research Center.Proceedings of 2014 International Conference on Communication Technology and Application(CTA2014)[C].Advanced Science and Industry Research Center,2014.

Multi Information Fusion and Visualization Simulation Method of Airlines Operating Control

Luo Fenge, Liu An

(College of Air Traffic Management, Civil Aviation Flight University of China, Guanghan 618307, China)

With the continuous expansion of China's aviation industry, the competition between the aviation industry increasingly fierce. Changes in external and internal environment will bring unexpected events, if they don’t deal with the case properly, it will affect the daily operation of the airline, the worst case may even lead the airline to bankruptcy. This paper by constructing airline operations control and structural model of emergency management proposed based on the resource level, state level, decision-making and operational level four-layer structure of emergency management information visualization multivariate simulation model, and gives a visual representation of information pluralism examples of methods. Focuses on the massive operation control of the emergency management of data, multiple, time-varying, time-sensitive, difficult to share and credibility of different characteristics, and build a virtual airline operations control simulation model by multivariate information fusion. Help studied operational control to deal with unsafe incidents strategy to enhance the capacity of operational control personnel learning combining theory and practice,enhanced in an emergency event occurs control personnel situational awareness to ensure safe and efficient operation of the company.

virtual simulation; operational control; visualization; multi-amalgamation

2016-04-07；

2016-06-21。

中國民用航空飛行學院科研基金學生科技活動基金(X2015-35)；民航局安全能力項目(14014J0260004)。

羅鳳娥(1972-)，女，碩士生導師，教授，主要從事航空運行方向的研究。

1671-4598(2017)02-0181-05

10.16526/j.cnki.11-4762/tp.2017.02.050

TP18

A