基于BP神經(jīng)網(wǎng)絡(luò)的扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子預(yù)測(cè)

岳仁田，劉敬軒，趙嶷飛，肖瞳瞳，韓亞雄

(中國(guó)民航大學(xué)空中交通管理學(xué)院，天津 300300)

近年來(lái)，我國(guó)航空運(yùn)輸業(yè)呈現(xiàn)出高速發(fā)展的態(tài)勢(shì)，隨著交通需求的增長(zhǎng)，空管系統(tǒng)經(jīng)常以超負(fù)荷狀態(tài)運(yùn)行，雖然沒(méi)有導(dǎo)致事故的發(fā)生，但不代表其狀態(tài)是完全健康的。超負(fù)荷運(yùn)行的空管系統(tǒng)實(shí)際上處于波動(dòng)的亞健康狀態(tài)，此時(shí)它的抗干擾能力和處理突發(fā)狀況的能力下降，逐漸積累的安全隱患最終會(huì)導(dǎo)致事故的發(fā)生。因此，研究對(duì)空管運(yùn)行亞健康狀態(tài)進(jìn)行科學(xué)評(píng)估的方法，從而采取預(yù)防亞健康狀態(tài)向故障態(tài)轉(zhuǎn)變的措施，對(duì)避免不安全事件的發(fā)生具有十分重要的意義，而空管運(yùn)行亞健康狀態(tài)評(píng)估和預(yù)測(cè)的首要一步是對(duì)空管運(yùn)行亞健康關(guān)聯(lián)因子進(jìn)行預(yù)測(cè)。

目前，對(duì)空管運(yùn)行狀態(tài)安全風(fēng)險(xiǎn)的研究主要集中在空中交通流、空域容量參數(shù)以及空管運(yùn)行安全風(fēng)險(xiǎn)評(píng)價(jià)體系等方面。如：2000年，Delahaye等[1]根據(jù)構(gòu)建的扇區(qū)內(nèi)交通流狀態(tài)指標(biāo)從幾何學(xué)角度對(duì)空域擁擠狀況進(jìn)行了描述；2006年，Mulgund等[2]基于空中交通需求與空域容量的定量關(guān)系定義了“擁擠風(fēng)險(xiǎn)”的概念；2007年，Stamatelatos[3]利用貝葉斯定理，通過(guò)故障樹建模和不確定分析對(duì)空管運(yùn)行狀態(tài)安全風(fēng)險(xiǎn)進(jìn)行了評(píng)價(jià)和預(yù)測(cè)；2011年，Vismari等[4]運(yùn)用流體隨機(jī)Petri網(wǎng)對(duì)空中交通安全狀態(tài)進(jìn)行了評(píng)價(jià)；2013年，梁曼等[5]在分析空管人為因素時(shí)將組織因素納入SHELL模型，組成SHELLO模型，并利用貝葉斯網(wǎng)絡(luò)構(gòu)建了事故的致因關(guān)系；2013年，張建平等[6]基于BP網(wǎng)絡(luò)模型給出空管運(yùn)行品質(zhì)分類評(píng)價(jià)的人工智能方法，通過(guò)與主成分分析法的對(duì)比，說(shuō)明了BP網(wǎng)絡(luò)評(píng)價(jià)方法的評(píng)價(jià)效果相對(duì)更好；2014年，趙嶷飛等[7]通過(guò)建立占有因子、溢出因子、飽和因子三個(gè)描述性指標(biāo)，對(duì)扇區(qū)空管運(yùn)行狀態(tài)進(jìn)行了評(píng)估；2015年，Donald[8]采用內(nèi)容分析、聚類分析和多元邏輯回歸分析等方法，對(duì)影響空管安全的因素進(jìn)行了研究；2015年，張兆寧等[9]運(yùn)用耗散結(jié)構(gòu)中的熵值理論研究了進(jìn)近管制系統(tǒng)的風(fēng)險(xiǎn)性，證明了灰色關(guān)聯(lián)熵能夠揭示進(jìn)近管制系統(tǒng)風(fēng)險(xiǎn)性增減變化的規(guī)律；2016年，張?jiān)ハ璧萚10]在模糊層次分析法的基礎(chǔ)上結(jié)合云模型對(duì)空管迫降風(fēng)險(xiǎn)進(jìn)行了評(píng)估；2018年，張亮[11]建立了管制扇區(qū)運(yùn)行風(fēng)險(xiǎn)的博弈論集對(duì)(GT-SPA)耦合評(píng)價(jià)模型，對(duì)樣本扇區(qū)安全運(yùn)行風(fēng)險(xiǎn)等級(jí)進(jìn)行了評(píng)估，提高了空管安全系統(tǒng)風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性。

總體來(lái)說(shuō)，國(guó)內(nèi)外學(xué)者在空管運(yùn)行狀態(tài)安全風(fēng)險(xiǎn)評(píng)估方面進(jìn)行了嘗試并取得了階段性的成果，但是由于空管系統(tǒng)的復(fù)雜性，目前的研究缺少對(duì)扇區(qū)空管運(yùn)行狀態(tài)的細(xì)致描述，未能有效結(jié)合空管運(yùn)行過(guò)程中的關(guān)聯(lián)因子，不能夠體現(xiàn)事故征候前的臨界時(shí)期。因此，本文根據(jù)空管運(yùn)行狀態(tài)影響因素的相互關(guān)系，構(gòu)建了扇區(qū)繁忙時(shí)段BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，對(duì)扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子進(jìn)行預(yù)測(cè)，并通過(guò)結(jié)果分析來(lái)判定扇區(qū)空管運(yùn)行的狀態(tài)。

1 扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子的提出及分類

空管系統(tǒng)運(yùn)行由空中交通流、空中交通管制和外部資源環(huán)境等組成[12]，而扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子是與扇區(qū)空管運(yùn)行狀態(tài)轉(zhuǎn)變有關(guān)的最基本要素。與安全風(fēng)險(xiǎn)因子相同，扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子從“人機(jī)環(huán)管”角度進(jìn)行分類，可以反映扇區(qū)空管運(yùn)行的狀態(tài)，但是安全風(fēng)險(xiǎn)因子主要用來(lái)評(píng)估事故征候及事故發(fā)生時(shí)系統(tǒng)運(yùn)行的狀態(tài)，此時(shí)系統(tǒng)的故障程度已經(jīng)較嚴(yán)重，而利用亞健康關(guān)聯(lián)因子可以提早預(yù)測(cè)出系統(tǒng)發(fā)生故障的趨勢(shì)，從而可以進(jìn)行相應(yīng)的調(diào)整，避免事故征候的發(fā)生。

扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子依托于空管運(yùn)行大數(shù)據(jù)，包含交通流的空間時(shí)間分布、間隔狀況、管制員工作負(fù)荷等具有內(nèi)在關(guān)聯(lián)性的指標(biāo)，它們是通過(guò)提取區(qū)域管制的大量雷達(dá)數(shù)據(jù)，經(jīng)計(jì)算得出的能夠直觀反映扇區(qū)空管運(yùn)行狀態(tài)的全新診斷指標(biāo)，利用這些指標(biāo)可以對(duì)扇區(qū)空管運(yùn)行安全風(fēng)險(xiǎn)臨界狀態(tài)進(jìn)行定性和定量研究。此外，針對(duì)表面單一風(fēng)險(xiǎn)因素致因事件，通過(guò)深層剖析亞健康關(guān)聯(lián)因子間的相互關(guān)聯(lián)性，可以準(zhǔn)確預(yù)測(cè)風(fēng)險(xiǎn)。亞健康關(guān)聯(lián)因子指標(biāo)的選取是BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的基礎(chǔ)，根據(jù)它們的類型可做如下分類：

空中交通流層面：航線交通量、航線交通特性(空間、時(shí)間分布不均衡度)、交通繁忙時(shí)段、交通流密度、航空器在扇區(qū)內(nèi)的平均飛行時(shí)間……

空中交通管制層面：管制技能水平情況、工作負(fù)荷情況、管制間隔大小情況、與相鄰管制單位移交協(xié)調(diào)情況……

外部資源環(huán)境層面：扇區(qū)形狀、扇區(qū)結(jié)構(gòu)、航路長(zhǎng)度、地形及障礙物、導(dǎo)航設(shè)施工作狀態(tài)、惡劣天氣、軍航活動(dòng)……

由于亞健康關(guān)聯(lián)因子分屬反映扇區(qū)空管運(yùn)行狀態(tài)的不同層面，都具有一定的獨(dú)立性，為了進(jìn)行BP神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用，本文選取了部分有內(nèi)在關(guān)聯(lián)性的主要因素進(jìn)行算例演示。

2 扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子指標(biāo)選取及設(shè)計(jì)

2. 1 關(guān)聯(lián)因子指標(biāo)選取

短期內(nèi)，扇區(qū)空中交通流在各航段分布的模式是保持不變的，其空間分布會(huì)直接影響到扇區(qū)空管運(yùn)行的狀態(tài)，而空中交通管制員是空管系統(tǒng)運(yùn)行的核心，那么可以從空中交通流的空間分布和管制員工作兩方面提取合適的指標(biāo)，來(lái)進(jìn)行扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子的計(jì)算。管制員工作負(fù)荷是扇區(qū)空管運(yùn)行狀態(tài)人為影響因素中的關(guān)鍵組成部分，可以作為扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子預(yù)測(cè)的指標(biāo)，而扇區(qū)內(nèi)管制員的工作負(fù)荷受交通量空間、時(shí)間分布的直接影響，亞健康關(guān)聯(lián)因子中衡量交通量空間、時(shí)間分布且具有內(nèi)在關(guān)聯(lián)性的主要指標(biāo)有航空器平均飛行時(shí)間、交通流超容比、交通流空間分布不均衡度、交通流瞬時(shí)超容率，它們?cè)谘芯繒r(shí)段內(nèi)變化大、易于統(tǒng)計(jì)和計(jì)算，因此可以選擇這些亞鍵康關(guān)聯(lián)因子指標(biāo)對(duì)管制員工作負(fù)荷進(jìn)行預(yù)測(cè)。

2. 2 關(guān)聯(lián)因子指標(biāo)設(shè)計(jì)

2.2.1 交通流超容比

空中交通流在扇區(qū)內(nèi)的繁忙情況可以通過(guò)計(jì)算超容比來(lái)定義。超容比能夠反映交通流在時(shí)間片內(nèi)的變化，它是指扇區(qū)內(nèi)超過(guò)其運(yùn)行容量的航班服務(wù)架次占運(yùn)行容量的比率[13]，其計(jì)算公式如下：

(1)

式中:R為交通流超容比(無(wú)量綱);Q為扇區(qū)的航班服務(wù)架次(架)；P為扇區(qū)運(yùn)行容量(架)。

2.2.2 交通流空間分布不均衡度

扇區(qū)空中交通流的空間分布均勻程度直接影響空管系統(tǒng)運(yùn)行的品質(zhì)，因此交通流空間分布不均衡度能夠作為扇區(qū)亞健康關(guān)聯(lián)因子預(yù)測(cè)研究的重要指標(biāo)，它是指單位時(shí)間內(nèi)不同航段個(gè)體之間所服務(wù)航班架次的差異，可以利用基尼系數(shù)進(jìn)行定量表示[13]。基尼系數(shù)是判斷分配平等程度的指標(biāo)，該指標(biāo)由洛倫茨曲線(見(jiàn)圖1)可以推導(dǎo)得到，其計(jì)算公式如下：

(2)

式中：G為基尼系數(shù)；A為洛倫茨曲線和絕對(duì)平均線(45°線)之間的區(qū)域面積；B為洛倫茨曲線以下的區(qū)域面積。

圖1 洛倫茨曲線Fig.1 Lorentz curves

圖1中，若A為0，則基尼系數(shù)為0，表示交通流空間分布完全均衡；若B為0，則基尼系數(shù)為1，表示交通流空間分布絕對(duì)不均衡，即完全失調(diào)。交通流空間分布越是趨向均衡，洛倫茨曲線的弧度越小，基尼系數(shù)也越小；反之，交通流空間分布越是趨向失調(diào)，洛倫茨曲線的弧度越大，基尼系數(shù)也越大。本文以扇區(qū)內(nèi)航班服務(wù)架次累計(jì)百分比作為縱坐標(biāo)，以航路里程累計(jì)百分比作為橫坐標(biāo)，運(yùn)用Matlab軟件計(jì)算各時(shí)間片內(nèi)的基尼系數(shù)。

2.2.3 交通流瞬時(shí)超容率

扇區(qū)空中交通流的微觀特性可以通過(guò)計(jì)算其瞬時(shí)超容比來(lái)進(jìn)行定量分析，它能夠?qū)崟r(shí)地反映單位時(shí)間內(nèi)扇區(qū)空管運(yùn)行的狀態(tài)：若交通流瞬時(shí)超容比的值大于0，則單位時(shí)間內(nèi)的扇區(qū)流量超容。本文以15 min作為一個(gè)時(shí)間片進(jìn)行研究，交通流瞬時(shí)超容比大于0的分鐘數(shù)占研究區(qū)間的比例越大，即瞬時(shí)超容率越大，說(shuō)明扇區(qū)空管運(yùn)行狀態(tài)越差。交通流瞬時(shí)超容率指標(biāo)的計(jì)算公式如下：

(3)

(4)

式中:Si為第imin的瞬時(shí)超容比(無(wú)量綱)，i=1,2,…,15;Qi為第imin航班服務(wù)架次(架)，i=1,2,…,15;QMAP為與監(jiān)控警告參數(shù)MAP數(shù)值相等的扇區(qū)容量(架)；l為交通流瞬時(shí)超容率(無(wú)量綱)；j為交通流瞬時(shí)超容比大于0的分鐘數(shù)(min)。

其中，監(jiān)控警告參數(shù)(MAP)的計(jì)算公式如下：

(5)

式中:T為航空器扇區(qū)平均飛行時(shí)間(min);τ為單位時(shí)間管制員工作負(fù)荷(min),本文暫取人為因素專家制定的數(shù)值，即0.6 min。

2.2.4 管制員工作負(fù)荷

管制員工作負(fù)荷是扇區(qū)空管運(yùn)行呈亞健康狀態(tài)的主要致因成分，因此可以作為扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子預(yù)測(cè)的指標(biāo)。管制員工作負(fù)荷分為看得見(jiàn)的負(fù)荷和看不見(jiàn)的負(fù)荷，在此主要研究看得見(jiàn)的負(fù)荷。本文將管制員工作負(fù)荷定義為管制通話時(shí)間和設(shè)備操作時(shí)間的總和[14]。此外，本文選取相關(guān)研究建立完成的廈門1號(hào)扇區(qū)的管制員工作負(fù)荷模型進(jìn)行管制員工作負(fù)荷指標(biāo)運(yùn)算[15]，其計(jì)算公式如下：

W=0.057Q3-2.604Q2+53.73Q-52.76

(6)

式中:W為管制員工作負(fù)荷(s)；Q為時(shí)間片內(nèi)扇區(qū)航班服務(wù)架次(架)。

時(shí)間片內(nèi)每架航空器平均管制工作負(fù)荷計(jì)算公式如下：

(7)

3 扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型構(gòu)建

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)和儲(chǔ)存大量輸入-輸出模式映射關(guān)系，且不需要事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程，因此根據(jù)扇區(qū)特點(diǎn)及空管運(yùn)行情況，在分析扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子之間關(guān)系的基礎(chǔ)上，通過(guò)建立完整的BP神經(jīng)網(wǎng)絡(luò)，可以進(jìn)行較高精度的預(yù)測(cè)研究。扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的構(gòu)建主要包括以下6個(gè)步驟[16]：

(1) 樣本數(shù)據(jù)歸一化處理。扇區(qū)空管亞健康關(guān)聯(lián)因子各指標(biāo)具有不同的量綱和單位，會(huì)導(dǎo)致BP神經(jīng)網(wǎng)絡(luò)收斂速度慢，訓(xùn)練時(shí)間延長(zhǎng)，從而影響數(shù)據(jù)分析的結(jié)果。為了解決數(shù)據(jù)指標(biāo)之間的可比性，需要對(duì)所有樣本數(shù)據(jù)進(jìn)行歸一化處理。通常采用最大-最小標(biāo)準(zhǔn)化算法將數(shù)據(jù)進(jìn)行歸一化處理，把原始值映射到特定區(qū)間內(nèi)，其計(jì)算公式如下：

(8)

(2) 網(wǎng)絡(luò)初始化。選取指標(biāo)作為網(wǎng)絡(luò)結(jié)構(gòu)的輸入與輸出，若有n個(gè)輸入指標(biāo)、m個(gè)輸出指標(biāo)，則輸入層神經(jīng)元節(jié)點(diǎn)數(shù)為n、輸出層神經(jīng)元節(jié)點(diǎn)數(shù)為m。隱含層神經(jīng)元節(jié)點(diǎn)數(shù)根據(jù)以下常用的經(jīng)驗(yàn)公式得到：

(9)

式中:n為輸入層神經(jīng)元節(jié)點(diǎn)數(shù)；m為輸出層神經(jīng)元節(jié)點(diǎn)數(shù);p為隱含層神經(jīng)元節(jié)點(diǎn)數(shù);a為[1,10]之間的常數(shù)。

(3) 訓(xùn)練參數(shù)的設(shè)定。為了提高BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度，需要設(shè)置合適的訓(xùn)練參數(shù)，常用的訓(xùn)練參數(shù)有最大迭代次數(shù)、學(xué)習(xí)速率、訓(xùn)練要求精度、動(dòng)量系數(shù)、動(dòng)態(tài)參數(shù)等。

(4) 隱含層傳遞函數(shù)的選擇。BP神經(jīng)網(wǎng)絡(luò)一般使用Sigmoid函數(shù)或線性函數(shù)作為傳遞函數(shù)，Sigmoid函數(shù)根據(jù)輸出值的取值范圍分為對(duì)數(shù)S型函數(shù)(Log-sigmoid)和雙曲正切S型函數(shù)(Tan-sigmoid)，它們分別可由如下公式確定：

(10)

(11)

(5) 網(wǎng)絡(luò)訓(xùn)練。對(duì)歸一化后的輸入樣本矢量集、目標(biāo)樣本矢量集進(jìn)行網(wǎng)絡(luò)訓(xùn)練。

(6) 網(wǎng)絡(luò)仿真。將需要預(yù)測(cè)的目標(biāo)數(shù)據(jù)放入到訓(xùn)練成功的神經(jīng)網(wǎng)絡(luò)中，輸出預(yù)測(cè)結(jié)果。

4 實(shí)例驗(yàn)證與分析

4. 1 數(shù)據(jù)來(lái)源

為了直觀地展現(xiàn)扇區(qū)亞健康關(guān)聯(lián)因子的預(yù)測(cè)過(guò)程，本文利用廈門1號(hào)扇區(qū)2013年10月1日08∶00—13∶00時(shí)段的實(shí)際運(yùn)行雷達(dá)數(shù)據(jù)進(jìn)行相關(guān)運(yùn)算，已知廈門1號(hào)扇區(qū)公布的運(yùn)行容量為11架次/15 min，同時(shí)為了精確統(tǒng)計(jì)扇區(qū)航班服務(wù)架次、航空器扇區(qū)平均飛行時(shí)間，所以將15 min作為一個(gè)時(shí)間片進(jìn)行研究。在2013年10月1日11∶15—11∶30時(shí)間片內(nèi)，航班流量為6架/15 min，未達(dá)到運(yùn)行容量，為保證計(jì)算精度，剔除這一時(shí)段數(shù)據(jù)，對(duì)剩余19個(gè)時(shí)間片進(jìn)行研究，見(jiàn)表1。

表1 廈門1號(hào)扇區(qū)部分統(tǒng)計(jì)數(shù)據(jù)

4. 2 扇區(qū)關(guān)聯(lián)因子指標(biāo)計(jì)算

本文利用表1中廈門1號(hào)扇區(qū)的數(shù)據(jù)，根據(jù)公式(1)～(7)計(jì)算各時(shí)間片內(nèi)該扇區(qū)亞健康關(guān)聯(lián)因子指標(biāo)的數(shù)值，即交通流超容比、交通流空間分布不均衡度、交通流瞬時(shí)超容率、每架航空器平均管制工作負(fù)荷，其計(jì)算結(jié)果見(jiàn)表2。

表2 各時(shí)間片內(nèi)廈門1號(hào)扇區(qū)亞健康關(guān)聯(lián)因子指標(biāo) 計(jì)算結(jié)果

4.3 基于BP神經(jīng)網(wǎng)絡(luò)模型的扇區(qū)亞健康關(guān)聯(lián)因子預(yù)測(cè)

4.3.1 數(shù)據(jù)歸一化處理

本文將表2中的廈門1號(hào)扇區(qū)相關(guān)指標(biāo)的計(jì)算結(jié)果采用最大-最小標(biāo)準(zhǔn)化算法進(jìn)行歸一化處理，以08∶15—08∶30時(shí)間片中的航空器扇區(qū)平行飛行時(shí)間(T=7 min)為例，所有時(shí)間片中10∶15—10∶30的航空器扇區(qū)平均飛行時(shí)間數(shù)值最大，時(shí)間片12∶00—12∶15的數(shù)值最小，即Tmax=9 min，Tmin=4 min，而T=7 min，那么T′=(7-4)/(9-4)=0.6。所有時(shí)間片該扇區(qū)相關(guān)指標(biāo)的歸一化處理結(jié)果見(jiàn)表3。

表3 各時(shí)間片內(nèi)廈門1號(hào)扇區(qū)亞健康關(guān)聯(lián)因子指標(biāo) 歸一化處理結(jié)果

4.3.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

本文將表3中的廈門1號(hào)扇區(qū)相關(guān)指標(biāo)歸一化處理結(jié)果作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入數(shù)據(jù)。以每架航空器平均管制工作負(fù)荷作為果變量y，航空器扇區(qū)平均飛行時(shí)間、交通流超容比、交通流空間分布不均衡度、交通流瞬時(shí)超容率構(gòu)成因變量集合{x1,x2,x3,x4}，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子預(yù)測(cè)。因變量集合中有4個(gè)指標(biāo)，則輸入層神經(jīng)元節(jié)點(diǎn)數(shù)為4；果變量只有一個(gè)指標(biāo)，則輸出層神經(jīng)元節(jié)點(diǎn)數(shù)為1；由公式(9)計(jì)算得出隱含層神經(jīng)元節(jié)點(diǎn)數(shù)在4至13之間，最終由實(shí)驗(yàn)法選擇最佳隱含層神經(jīng)元節(jié)點(diǎn)數(shù)為7。以三隱含層BP神經(jīng)網(wǎng)絡(luò)進(jìn)行扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子預(yù)測(cè)模型的構(gòu)建，得到三隱含層4×7×1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)預(yù)測(cè)模型，見(jiàn)圖2。

圖2 三隱含層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)預(yù)測(cè)模型Fig.2 Prediction model of BP neural network with three hidden layers

將表3中前15組的歸一化后數(shù)據(jù)輸入BP神經(jīng)網(wǎng)絡(luò)，訓(xùn)練形成穩(wěn)定的模型結(jié)構(gòu)，并設(shè)定網(wǎng)絡(luò)隱含層激勵(lì)函數(shù)為雙曲正切S型函數(shù)(Tan-sigmoid)，輸出層激勵(lì)函數(shù)為線性函數(shù)，網(wǎng)絡(luò)訓(xùn)練函數(shù)為traingdx，網(wǎng)絡(luò)性能函數(shù)為mse。設(shè)置網(wǎng)絡(luò)參數(shù)：網(wǎng)絡(luò)迭代次數(shù)epochs為5 000次，期望誤差goal為0.000 01，學(xué)習(xí)速率lr為0.01。

從表3中選取第16至18組的歸一化后數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)，分析BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果的誤差精度，并利用Matlab程序?qū)τ?xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分析計(jì)算，將得到的三個(gè)時(shí)間片的預(yù)測(cè)結(jié)果進(jìn)行反歸一化，其結(jié)果見(jiàn)表4。

表4 BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果和預(yù)測(cè)誤差

由表4可知，BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)值與實(shí)際值的相對(duì)誤差低于3%，說(shuō)明該BP神經(jīng)網(wǎng)絡(luò)模型可以滿足扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子預(yù)測(cè)的應(yīng)用要求。

對(duì)表3中最后一組數(shù)據(jù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)模擬仿真，其網(wǎng)絡(luò)訓(xùn)練誤差結(jié)果見(jiàn)圖3。

圖3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差結(jié)果圖Fig.3 Training error result of the BP neural network

由圖3可見(jiàn)，BP神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)約133步的訓(xùn)練模擬達(dá)到設(shè)定的精度要求0.000 01，說(shuō)明該網(wǎng)絡(luò)收斂速度較快。

4.3.3 結(jié)果分析與討論

BP神經(jīng)網(wǎng)絡(luò)模擬的輸出結(jié)果顯示第19組數(shù)據(jù)12∶45—13∶00時(shí)間片的預(yù)測(cè)值為0.48，反歸一化得到預(yù)測(cè)值為24.32，即每架航空器平均管制工作負(fù)荷是24.32 s。相關(guān)研究表明，基于管制員工作負(fù)荷的容量評(píng)估中負(fù)荷閾值的取值范圍為60%～80%，超過(guò)該范圍，空域碰撞風(fēng)險(xiǎn)水平急劇上升[15]，所以每架航空器平均管制工作負(fù)荷必須小于最高負(fù)荷的80%。管制負(fù)荷百分比的計(jì)算公式如下：

(12)

式中:ω為管制負(fù)荷百分比(%)；Wmax為管制員最高工作負(fù)荷(s)。

經(jīng)過(guò)多位專家分析評(píng)定，管制負(fù)荷百分比在55%以下時(shí)，管制員工作壓力較小而感到輕松；管制負(fù)荷百分比在55%～65%時(shí)，管制員感受到壓力但能保持常態(tài)化工作狀態(tài)；當(dāng)大量航班進(jìn)入扇區(qū)，管制員感到較大壓力，管制負(fù)荷百分比在65%～75%時(shí)，此時(shí)若還存在交叉、匯聚趨勢(shì)的特殊運(yùn)行航班，管制員的緊張度增加；管制負(fù)荷百分比在75%以上時(shí)，管制員高度緊張，事故征侯發(fā)生。因此，根據(jù)管制負(fù)荷百分比的數(shù)值可將扇區(qū)空管運(yùn)行狀態(tài)預(yù)警等級(jí)設(shè)定為4級(jí)，見(jiàn)表5。

表5 扇區(qū)空管運(yùn)行狀態(tài)預(yù)警等級(jí)

已知在12∶59—13∶00時(shí)間片中扇區(qū)航班服務(wù)數(shù)量為7架次，是第19組時(shí)間片內(nèi)的最大值，此時(shí)管制員工作負(fù)荷最高，由公式(6)計(jì)算得出管制員最高工作負(fù)荷為215.31 s。因此，預(yù)測(cè)得到的每架航空器平均管制工作負(fù)荷占管制員最高負(fù)荷的百分比由公式(12)計(jì)算得到結(jié)果為11.30%，在55%以下，認(rèn)為這一時(shí)間段內(nèi)扇區(qū)空管運(yùn)行處于健康狀態(tài)，不需要采取措施進(jìn)行干預(yù)。扇區(qū)空管運(yùn)行狀態(tài)在預(yù)警等級(jí)Ⅱ時(shí)，也可以不采取預(yù)控措施，但應(yīng)引起注意，防止亞健康狀態(tài)向故障態(tài)變化。當(dāng)扇區(qū)空管運(yùn)行狀態(tài)在預(yù)警等級(jí)Ⅲ、Ⅳ時(shí)，應(yīng)采取相應(yīng)的措施，如：發(fā)布流量控制通知，限制其他航班進(jìn)入扇區(qū)；進(jìn)行換崗，嚴(yán)格調(diào)整執(zhí)勤人數(shù)和時(shí)間；當(dāng)有惡劣天氣等特殊情況出現(xiàn)，應(yīng)請(qǐng)求帶班主任的幫助。

5 結(jié) 論

本文從各層面考慮了各類型的扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子，從中選取有內(nèi)在聯(lián)系的客觀性指標(biāo)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)，消除了主觀賦值的誤差。對(duì)廈門1號(hào)扇區(qū)空中交通流實(shí)際運(yùn)行雷達(dá)數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理，消除了指標(biāo)間的量綱影響，有助于提高BP神經(jīng)網(wǎng)絡(luò)運(yùn)算的準(zhǔn)確性。構(gòu)建的三隱含層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)預(yù)測(cè)模型經(jīng)實(shí)例檢驗(yàn)?zāi)軌蛘鎸?shí)地反映扇區(qū)的運(yùn)行狀態(tài)，表明該模型在實(shí)際應(yīng)用中具有可行性。

扇區(qū)空管運(yùn)行亞健康關(guān)聯(lián)因子的預(yù)測(cè)能夠針對(duì)空中交通流的微觀特性、管制員工作負(fù)荷等方面進(jìn)行定性和定量的研究，為扇區(qū)空管運(yùn)行狀態(tài)的預(yù)估奠定了基礎(chǔ)，有利于將亞健康理論應(yīng)用到空管安全管理中，實(shí)現(xiàn)由事后調(diào)查處理向事前預(yù)警防范的轉(zhuǎn)變。