[發(fā)明專利]一種基于蒙特卡洛算法的滑行路徑優(yōu)化指標(biāo)求解方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011291085.5
• 申請(qǐng)日: 2020-11-18
• 公開(kāi)（公告）號(hào): CN112287561A
• 公開(kāi)（公告）日: 2021-01-29
• 發(fā)明（設(shè)計(jì)）人: 楊媛媛
• 申請(qǐng)（專利權(quán)）人: 楊媛媛
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20;G06Q10/04;G06Q10/06;G06F111/04;G06F111/08
• 代理公司: 天津盛理知識(shí)產(chǎn)權(quán)代理有限公司 12209
• 代理人: 劉玲

1.一種用蒙特卡洛算法解決滑行路徑優(yōu)化指標(biāo)的求解方法，其特征在于：所述的蒙特卡洛算法解決滑行路徑優(yōu)化指標(biāo)的方法包括按順序進(jìn)行的下列步驟：

1)生成采集樣本：對(duì)某國(guó)內(nèi)大型機(jī)場(chǎng)提供的數(shù)據(jù)進(jìn)行預(yù)處理，將連續(xù)時(shí)間分割為離散的時(shí)間單元t，采用合理的推算方法從獲得的數(shù)據(jù)中提取各時(shí)刻的位置狀態(tài)信息生成采集樣本，同時(shí)設(shè)定預(yù)測(cè)所需要的最大樣本數(shù)量N；

2)得到k時(shí)刻的先驗(yàn)概率分布：利用步驟1)中采集到的各時(shí)刻的位置狀態(tài)信息通過(guò)狀態(tài)轉(zhuǎn)移方程遞歸估計(jì)k時(shí)刻的狀態(tài)變量x_k，z_k表示狀態(tài)空間中第k個(gè)觀測(cè)數(shù)值，然后根據(jù)Chapman-Kolmogorov方程，用k-1時(shí)刻先驗(yàn)概率密度分布p(x_k-1|z_1:k-1)通過(guò)遞推過(guò)程得到k時(shí)刻的先驗(yàn)概率分布p(x_k|z_1:k-1)；

3)得到后驗(yàn)概率分布：根據(jù)當(dāng)前時(shí)刻的觀測(cè)值z(mì)_k和貝葉斯公式通過(guò)修正步驟2)中遞推出的先驗(yàn)概率分布表達(dá)式得到后驗(yàn)概率分布表達(dá)式；

4)篩選符合路徑最優(yōu)的數(shù)據(jù)信息：將步驟3)得到的后驗(yàn)概率分布表達(dá)式采用經(jīng)驗(yàn)概率分布表達(dá)式近似表示，來(lái)彌補(bǔ)貝葉斯濾波數(shù)學(xué)推算過(guò)程中計(jì)算困難的弊端，同時(shí)結(jié)合對(duì)模型設(shè)定的約束控制條件篩選符合路徑最優(yōu)的數(shù)據(jù)信息；

5)用估計(jì)的后驗(yàn)概率分布函數(shù)利用蒙特卡洛算法對(duì)元胞進(jìn)行位置狀態(tài)信息重采樣：對(duì)步驟4)中得到的近似表示的后驗(yàn)概率分布，利用序列重要性采樣的采樣方法進(jìn)行獨(dú)立采樣，最后獲得估計(jì)后的后驗(yàn)概率分布，用估計(jì)的后驗(yàn)概率分布函數(shù)利用蒙特卡洛算法對(duì)元胞進(jìn)行位置狀態(tài)信息重采樣，直到滿足步驟1)中設(shè)定的樣本最大值N，最后在多次迭代后得到獲取機(jī)場(chǎng)元胞模型的性能評(píng)估的估計(jì)量；

6)仿真處理：利用步驟5)中獲取機(jī)場(chǎng)元胞模型的性能評(píng)估的估計(jì)量，對(duì)機(jī)場(chǎng)進(jìn)離港流量進(jìn)行分析，完成仿真過(guò)程，得到最優(yōu)的滑行路徑。

2.根據(jù)權(quán)利要求1所述的蒙特卡洛算法解決滑行路徑優(yōu)化指標(biāo)的求解方法，其特征在于：在步驟1)中，所述的對(duì)某國(guó)內(nèi)大型機(jī)場(chǎng)提供的數(shù)據(jù)進(jìn)行預(yù)處理，將連續(xù)時(shí)間分割為離散的時(shí)間單元t，采用合理的推算方法從獲得的數(shù)據(jù)中提取各時(shí)刻的位置狀態(tài)信息生成采集樣本。同時(shí)設(shè)定預(yù)測(cè)所需要的最大樣本數(shù)量N的方法是：用于實(shí)驗(yàn)分析的數(shù)據(jù)來(lái)源于國(guó)內(nèi)某大型樞紐機(jī)場(chǎng)的場(chǎng)面運(yùn)行數(shù)據(jù)庫(kù)，并選取了該機(jī)場(chǎng)在2017年1月-3月的生產(chǎn)數(shù)據(jù)的滑行、起飛等相關(guān)數(shù)據(jù)，對(duì)所需預(yù)測(cè)航班，在確定該航班所處的時(shí)段后，規(guī)定以每15分鐘的時(shí)間間隔為一個(gè)時(shí)隙，從該時(shí)段的航班離港數(shù)據(jù)中提取出滑行路徑、推出時(shí)間、經(jīng)過(guò)測(cè)量位置的時(shí)間在內(nèi)的影響離港滑行時(shí)間的關(guān)鍵數(shù)據(jù)，經(jīng)過(guò)計(jì)算轉(zhuǎn)換成各時(shí)刻的滑行距離、滑行速度等位置狀態(tài)信息。對(duì)收集到的數(shù)據(jù)采用乘同余法的方法進(jìn)行初步處理。根據(jù)蒙特卡洛算法的要求，為便于計(jì)算取偽隨機(jī)數(shù)序列為ξ_i小于等于1的數(shù)值，即在每次仿真時(shí)根據(jù)公式將模數(shù)M取為每組數(shù)據(jù)的最大值。在數(shù)據(jù)計(jì)算時(shí)，同時(shí)令采樣的最大值N_threshold＝N，即采樣值為所需時(shí)段航班總架次。