一种空域运行仿真中飞行流引擎的实现系统及方法，包括：航班流分布特征分析模块，用于确定航班流的要素信息，分析各要素的分布特征，确定相应的数据概率模型；航班流统计模块，用于根据航班流分布特征分析模块提供的航班流要素数据概率模型统计现行航班计划中各要素的取值情况，确定分布参数；航班流要素建模模块，用于根据航班流统计模块提供的数据分别建立现行航班计划中各要素的概率分布模型，并综合形成航班流建模模型；仿真求解航班流模块，用于在航班流要素建模基础上依据用户输入的仿真流流量等要求，仿真生成飞行流。本发明可提高飞行流数据生成的合理性和有效性，为保证仿真飞行评估结果的可靠性、提高仿真评估结果可信度创造条件。
1.一种空域运行仿真中飞行流引擎的实现系统，其特征在于：该系统包括：航班流分布特征分析模块，用于：
确定航班流分布要素，通过分析航班流属性信息，最终确定包括机型、飞机起飞时间、起飞机场、到达机场在内的航班流要素；
分析航班流分布特征，包括分析空域航班流是否存在交通信号的周期因素干扰、交通密度是否拥挤以及是否存在很大的随机性；
依据航班流特征确定各要素分布特征数据的概率模型，包括基于离散分布描述机型分布、基于泊松分布描述起飞时间分布、基于离散分布描述到达机场分布；
航班流统计模块，用于根据航班流分布特征分析模块提供的航班流要素数据概率模型统计现行航班计划中各要素的取值情况，确定分布参数，具体是：通过人机界面接口，接收用户输入的仿真流参数，包括：仿真流量、观察间隔、采样次数、航班仿真结果起始时间、航班仿真结果结束时间；
通过数据库访问接口查询航班计划中所有起飞机场信息，对起飞机场的航班流分布进行统计，依据起飞机场四字代码，查询现行航班计划数据表，以统计该起飞机场的现行航班计划中各要素的分布情况；
航班流要素建模模块，用于利用航班流统计模块提供的数据，分别根据起飞机场的机型统计数据，以离散分布为基础，建立起飞机场的机型分布模型；
根据起飞机场的起飞时间统计数据，以泊松分布为基础，建立起飞机场的起飞时间分布模型；
根据起飞机场所对应的到达机场统计数据，以离散分布为基础，建立起飞机场所对应的到达机场分布模型；
仿真求解航班流模块，用于在航班流要素建模模型基础上利用起飞机场机型分布模型，随机生成一个机型记录，利用起飞机场起飞时间分布模型，随机生成一个起飞时间记录，利用起飞机场所对应的到达机场分布模型，随机生成一个到达机场记录，然后汇集上述机型信息、起飞时间信息、到达机场信息，形成一条仿真的航班计划存入数据库。
2.根据权利要求1所述的空域运行仿真中飞行流引擎的实现系统，其特征在于：所述的航班流分布特征分析模块包括：航班流要素确定单元，用于确定航班流要素；
航班流要素分析单元，用于根据航班流要素确定单元提供的数据分析航班流各要素的分布特征，确定相应的数据概率模型。
3.根据权利要求1所述的空域运行仿真中飞行流引擎的实现系统，其特征在于：所述的航班流统计模块包括：起降机场分布统计单元，用于统计现行航班计划中各机场起飞航班的目的地分布情况；
航班时刻分布统计单元，用于统计现行航班计划中各机场起飞航班的起飞时间分布情况；
机型配比分布统计单元，用于统计现行航班计划中的各机型配比的分布情况；
统计综合单元，用于对上述三个单元的统计结果进行整理、建立关联，形成航班流分布整体特征统计数据。
4.根据权利要求3所述的空域运行仿真中飞行流引擎的实现系统，其特征在于：所述的航班流要素建模模块包括：航班时刻建模单元，用于以泊松分布为基础，确定航班时刻分布的特性参数值，建立航班起飞时间的概率分布模型；
起降机场建模单元，用于以离散分布为基础，建立起降机场的概率分布模型，起降机场包括现行航班计划中的国内航班、入境航班、出境航班以及飞跃航班中出现的所有国内外机场；
机型配比建模单元，用于以离散分布为基础，分析机型分布特征，建立机型配比概率分布模型；
航班流建模单元，用于综合上述三个单元建立的模型，形成航班流建模模型。
5.根据权利要求4所述的空域运行仿真中飞行流引擎的实现系统，其特征在于：所述的仿真求解航班流模块包括：起降机场分布仿真求解单元，用于求解生成仿真飞行流的起降机场；
航班时刻分布仿真求解单元，用于求解生成仿真飞行流的起飞时间；
机型配比分布仿真求解单元，用于求解生成仿真飞行流的机型，模拟各航班的飞行包线、爬升性能、转弯半径、速度与加速度性能数据；
仿真拟合检验模块，用于对上述三个单元生成的起降机场、起飞时间、机型信息汇总形成的模拟航班流进行拟合校验。
6.一种空域运行仿真中飞行流引擎的实现方法，其特征在于：该方法包含下述内容：一、确定航班流的要素信息，分析各要素的分布特征，确定相应的数据概率模型，包含下述内容：确定航班流分布要素，通过分析航班流属性信息，最终确定包括机型、飞机起飞时间、起飞机场、到达机场在内的航班流要素；
分析航班流分布特征，包括分析空域航班流是否存在交通信号的周期因素干扰、交通密度是否拥挤以及是否存在很大的随机性；
依据航班流特征确定各要素模型，包括基于离散分布描述机型分布、基于泊松分布描述起飞时间分布、基于离散分布描述到达机场分布；
二、根据航班流要素数据概率模型统计现行航班计划中各要素的取值情况，确定分布参数，包含下述内容：通过人机界面接口，接收用户输入的仿真流参数，包括：仿真流量、观察间隔、采样次数、航班仿真结果起始时间、航班仿真结果结束时间；
通过数据库访问接口查询航班计划中所有起飞机场信息；依次对每个起飞机场的航班流分布进行统计，分别依据各起飞机场四字代码，查询现行航班计划数据表，以统计该起飞机场的现行航班计划中各要素的分布情况；
三、根据统计得到的数据分别建立现行航班计划中各要素的概率分布模型；包含下述内容：分别根据各起飞机场的机型统计数据，以离散分布为基础，建立各起飞机场的机型分布模型；
分别根据各起飞机场的起飞时间统计数据，以泊松分布为基础，建立各起飞机场的起飞时间分布模型；
分别根据各起飞机场所对应的到达机场统计数据，以离散分布为基础，建立各起飞机场所对应的到达机场分布模型；
四、对各机场在航班流要素建模模型基础上依据用户输入的引擎条件求解，只要仿真的航班计划数目小于用户需求，即进行下述操作：利用该起飞机场机型分布模型，随机生成一个机型记录，利用该起飞机场起飞时间分布模型，随机生成一个起飞时间记录，利用该起飞机场所对应的到达机场分布模型，随机生成一个到达机场记录，然后汇集上述机型信息、起飞时间信息、到达机场信息，形成一条仿真的航班计划存入数据库，直至仿真的航班计划数目大于用户需求。
7.根据权利要求6所述的空域运行仿真中飞行流引擎的实现方法，其特征在于：在第三步建立现行航班计划中各要素的概率分布模型时，包含下述内容以泊松分布为基础，确定航班时刻分布的特性参数值，建立航班起飞时间的概率分布模型；
以离散分布为基础，建立起降机场的概率分布模型，起降机场包括现行航班计划中的国内航班、入境航班、出境航班以及飞跃航班中出现的所有国内外机场；
以离散分布为基础，分析机型分布特征，建立机型配比概率分布模型；
并综合上述三个单元建立的模型，形成航班流建模模型。
8.根据权利要求7所述的空域运行仿真中飞行流引擎的实现方法，其特征在于：在第四步依据用户输入的引擎条件求解，随机生成符合用户需求的航班流的过程中，包含下述内容：以泊松分布为基础，求解生成仿真飞行流的起飞时间；
以离散分布为基础，求解生成仿真飞行流的机型，模拟各航班的包括飞行包线、爬升性能、转弯半径、速度与加速度在内的性能数据；
将上述求解得到的起飞时间、起降机场、机型信息汇总形成的模拟航班流进行拟合校验。
9.根据权利要求8所述的空域运行仿真中飞行流引擎的实现方法，其特征在于：所述2
10.根据权利要求6所述的空域运行仿真中飞行流引擎的实现方法，其特征在于：包含下述步骤：步骤a1：确定航班流分布要素，通过分析航班流属性信息，最终确定航班流要素包括：机型、飞机起飞时间、起飞机场、到达机场，并进下步；
步骤a2：分析航班流分布特征，包括分析空域航班流是否存在交通信号周期因素干扰、交通密度是否拥挤以及是否存在很大的随机性，并进下步；
步骤a3：依据航班流特征确定各要素模型，包括基于离散分布描述机型分布、基于泊松分布描述起飞时间分布、基于离散分布描述到达机场分布，并进下步；
步骤a4：通过人机界面接口，接收用户输入的仿真流参数，包括：仿真流量、观察间隔、采样次数、航班仿真结果起始时间、航班仿真结果结束时间，并进下步；
步骤a5：通过数据库访问接口查询航班计划中所有起飞机场信息，进下步；
步骤a6：开始依次对每个起飞机场的航班流分布进行统计，首先依次取起飞机场的信息，并进下步；
步骤a8：依据起飞机场四字代码，查询现行航班计划数据表，以统计该起飞机场的现行航班计划中各要素的分布情况，然后下转并行执行步骤a9、步骤a10和步骤a11；
步骤a9：根据该起飞机场的机型统计数据，以离散分布为基础，建立该起飞机场的机型分布模型；
步骤a10：根据该起飞机场的起飞时间统计数据，以泊松分布为基础，建立该起飞机场的起飞时间分布模型；
步骤a11：根据该起飞机场所对应的到达机场统计数据，以离散分布为基础，建立该起飞机场所对应的到达机场分布模型；
当步骤a9、步骤a10和步骤a11均执行完毕后，进入步骤a12：步骤a12：初始化仿真航班的数目＝0；
步骤a13：判断仿真航班数目是否小于用户需求，如果仿真航班数目已大于等于用户需求，则转步骤20；否则下转并行执行步骤a14、a15、a16；
步骤a14：采用步骤a9建立的该起飞机场机型分布模型，随机生成一个机型记录，然后进步骤a17；
步骤a15：采用步骤a10建立的该起飞机场起飞时间分布模型，随机生成一个起飞时间记录，然后进步骤a17；
步骤a16：采用步骤a11建立的该起飞机场所对应的到达机场分布模型，随机生成一个到达机场记录，然后进步骤a17；
步骤a17：汇集步骤a14生成的机型信息、步骤a15生成的起飞时间信息、步骤a16生成的到达机场信息，形成一条航班计划记录，并进下步；
步骤a18：将仿真的航班计划存入数据库，并进下步；
步骤a19：仿真航班的数目加1；并进入步骤a13；
步骤a20：此起飞机场仿真完毕；并进入步骤a21；
步骤a21：判断所有起飞机场仿真完毕，如果还存在未处理的起飞机场，则进行步骤a7的后继处理；如不存在未处理的起飞机场则执行步骤a22；
一种空域运行仿真中飞行流引擎的实现系统及方法
技术领域
[0001] 本发明属航空飞行技术领域，涉及一种交通流引擎仿真方法，特别是一种符合航班飞行流分布特征的引擎仿真系统及方法。
背景技术
[0002] 一个国家的空域管理包括空域的设计、分配等诸多内容。由于必须协调好不断增长的空域使用需要和几乎保持不变的空域容量，研究如何在保证安全性的同时，高效利用现有空域成为一个焦点问题。
[0003] 空域设计和空域规划的优化模型必须在全局至少是较大的范围内使用才能看出效果，开展空域运行仿真评估是进行空域结构优化的一个有效手段。空域评估主要是对一个国家的空域进行评价和预估，通过建立空域模型对空域运行管理进行仿真评估，模拟全国或某一区域的空域运行情况，可定量计算空域资源使用的瓶颈，测试空域规划的结果，或检验对飞行矛盾解决情况。
[0004] 在以解决控制交通问题、有效利用空域资源为目标的智能交通系统建立之前，可通过有效验证和模拟程序的大规模使用，对该系统进行仿真分析，全面地对系统性能、决策合理性做出正确评估与有效预测，由此交通仿真技术应运而生。空中交通仿真是一项复现空中交通流时空变化的交通分析技术，能对交通的各种状况进行预测与评估。
[0005] 空域评估一方面要评价现有空管系统是否能够安全、高效的使用；另一方面又要对未来的空域系统做出预测，以确保该系统在未来一定时间内的可用性。为了评估空管系统在未来一定时间内的可用性，需仿真模拟未来一定时间内的航班飞行流，以符合航班日益增长的现状，实现针对空管系统目前运行情况及未来可承受交通能力的全面评估。飞行流生成的合理性和有效性将对仿真结果产生直接影响，其必须以现行飞行流为基础，符合航班编排的基本规则，且不引入大量冲突，保证仿真飞行评估结果的可靠性，提高仿真评估结果的可信度。
[0006] 仿真飞行流除能仿真模拟未来全局流量增加的航班飞行流外，还应能模拟如奥运等事件引发的局部流量增加的航班飞行流，实现对空管系统应对突发事件能力的科学评估，为空域应急预案的制定提供数据支持。因此，飞行流引擎系统的实现应具有较强的灵活性，以满足用户不同场景下的需求。
[0007] 我国在空域运行管理仿真与评估方面的研究起步较晚，尚未建立起相关的评估系统来辅助决策，仍然采用定性分析和以统计数据为主的评估手段。美国拥有全世界最大的航空领域仿真投资计划，已经开发生产了大量的仿真模拟器和分析工具，以波音/普雷斯顿集团的Total Airspace and AirportModeler(TAAM)和NASA开发的Future ATM Concepts Evaluation Tool(FACET)为典型代表。
[0008] 为提高我国空域规划科学决策能力，高效利有现有的空域，有效增大空域容量，必须采用更为科学有效的评估手段。飞行流仿真引擎是空域评估的基础，也是关键之所在，而对飞行流仿真过程中随机因素的充分考虑和较为完善的空中交通管理逻辑才可使仿真更贴近实际，提高仿真评估结果的可信度。
发明内容
[0009] 本发明的目的是针对空域仿真在空域规划决策中日益重要的现状，提供了一种空域运行仿真中飞行流引擎的实现系统及方法，该系统及方法可提高飞行流数据生成的合理性和有效性，为保证仿真飞行评估结果可靠性、提高仿真评估结果可信度创造条件。
[0010] 飞行流引擎是仿真模拟的起始点，引擎模块的作用实际上就是将飞行流的输入部分，作用于被模拟空域的航路起始点或者进近区点，它依靠随机数技术产生符合已给定概率分布的飞机的状态属性以及飞行流参数，以此向系统提供初值，产生合理随机事件的能力是飞行流模拟的最重要的特征之一。飞行流引擎模型包括两部分信息：飞机信息和飞机流信息。其实质反映了系统初始化的两个随机性，即飞机个体的随机性和飞机起始点时刻的随机性。在模拟过程中，选用机型、飞机起飞时距、速度和目的地作为表征动态飞行流的随机变量。
[0011] 为了实现本发明目的，本发明空域运行仿真中飞行流引擎的实现系统包括：
[0012] 航班流分布特征分析模块，用于确定航班流的要素信息，分析各要素的分布特征，确定相应的数据概率模型；
[0013] 航班流统计模块，用于根据航班流分布特征分析模块提供的航班流要素数据概率模型统计现行航班计划中各要素的取值情况，确定分布参数；
[0014] 航班流要素建模模块，用于根据航班流统计模块提供的数据分别建立现行航班计划中各要素的概率分布模型，并综合形成航班流建模模型；
[0015] 仿真求解航班流模块，用于在航班流要素建模基础上依据用户输入的仿真流流量等要求，仿真生成飞行流。
[0016] 所述的航班流分布特征分析模块包括：
[0017] 航班流要素确定单元，用于确定航班流信息所包括的主要要素；
[0018] 航班流要素分析单元，用于根据航班流要素确定单元提供的数据分析航班流各要素的分布特征，确定相应的数据概率模型。
[0019] 所述的航班流统计模块包括：
[0020] 起降机场分布统计单元，用于统计现行航班计划中各机场起飞航班的目的地分布情况；
[0021] 航班时刻分布统计单元，用于统计现行航班计划中各机场起飞航班的起飞时间分布情况；
[0022] 机型配比分布统计单元，用于统计现行航班计划中的各机型配比的分布情况；
[0023] 统计综合单元，用于对上述三个单元的统计结果进行整理、建立关联，形成航班流分布整体特征统计数据。
[0024] 所述的航班流要素建模模块包括：
[0025] 航班时刻建模单元，用于以泊松分布为基础，确定航班时刻分布的特性参数值，建立航班起飞时间的概率分布模型；
[0026] 起降机场建模单元，用于以离散分布为基础，建立起降机场的概率分布模型，起降机场包括现行航班计划中的国内航班、入境航班、出境航班以及飞跃航班中出现的所有国内外机场；
[0027] 机型配比建模单元，用于以离散分布为基础，分析机型分布特征，建立机型配比概率分布模型；
[0028] 航班流建模单元，用于综合上述三个单元建立的模型，形成航班流建模模型。
[0029] 所述的仿真求解航班流模块包括：
[0030] 起降机场分布仿真求解单元，用于求解生成仿真飞行流的起降机场；
[0031] 航班时刻分布仿真求解单元，用于求解生成仿真飞行流的起飞时间；
[0032] 机型配比分布仿真求解单元，用于求解生成仿真飞行流的机型，模拟各航班的飞行包线、爬升性能、转弯半径、速度与加速度等性能数据；
[0033] 仿真拟合检验模块，用于对上述三个单元生成的起降机场、起飞时间、机型等信息汇总形成的模拟航班流进行拟合校验。
[0034] 本发明空域运行仿真中飞行流引擎的实现方法包括下述内容：
[0035] 一、确定航班流的要素信息，分析各要素的分布特征，确定相应的数据概率模型；
[0036] 二、根据航班流要素数据概率模型统计现行航班计划中各要素的取值情况，确定分布参数；
[0037] 三、根据统计得到的数据分别建立现行航班计划中各要素的概率分布模型；并综合形成航班流建模模型。
[0038] 四、在航班流要素建模模型基础上依据用户输入的仿真流流量等引擎条件，随机生成符合用户需求的航班流。
[0039] 本发明在概率论、数理统计以及计算机软件技术的基础上，结合民航飞行航班编排规律，拟合历史飞行流数据，充分考虑仿真飞行流的应用场景，建立现行航班计划中各要素的概率分布模型，只需改变表达式的参数就可适用于不同的交通情况，具有良好的通用性，可为任意的空中交通仿真模型提供单一的航班流模块，实现模拟编排任意流量的航班计划，为空域仿真评估提供了航班数据源，为空管规章的合理制订、空域的科学规划提供辅助手段。
[0040] 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0041] 图1为本发明实施例主要功能模块结构示意图；
[0042] 图2为本发明实施例航班流分布特征分析模块结构示意图；
[0043] 图3为本发明实施例航班流统计模块结构示意图；
[0044] 图4为本发明实施例航班流要素建模模块结构示意图；
[0045] 图5为本发明实施例航班流引擎求解模块结构示意图；
[0046] 图6为本发明实施例实施方法流程图；
[0047] 图7为本发明实施例航班流分布特征分析模块工作流程图；
[0048] 图8为本发明实施例航班流统计模块工作流程图；
[0049] 图9为离散分布随机变量求解过程流程图；
[0050] 图10为泊松分布的生成过程流程图；
[0051] 图11为飞机间隔时间的推理求解流程图；
具体实施方式
[0052] 图1为本发明空域仿真飞行引擎系统主要功能模块结构示意图。如图1所示，本系统包括：
[0053] 航班流分布特征分析模块1，用于确定航班流的要素信息，分析各要素的分布特征；确定相应的数据概率模型；
[0054] 航班流统计模块2，用于根据航班流分布特征分析模块提供的航班流要素数据概率模型统计现行航班计划中各要素的取值情况，确定分布参数；
[0055] 航班流要素建模模块3，用于根据航班流统计模块提供的数据分别建立现行航班计划中各要素的概率分布模型，并综合形成航班流建模模型；
[0056] 仿真求解航班流模块4，用于在航班流要素建模基础上依据用户输入的仿真流流量等要求，仿真生成飞行流。
[0057] 上述空域仿真飞行引擎系统在分析航班流分布特征的基础上，确定了航班流要素，并针对现行航班计划分别统计各要素的分布特性，以此建立航班流各要素模型，再依照用户接口输入的引擎流条件，随机生成符合用户需求的航班流。
[0058] 该系统充分考虑了飞行航班编排规律，遵循交通流理论概率理论模型，实现了模拟编排任意流量的航班计划，为空域管理规划提供了辅助手段。
[0059] 图2是本例航班流分布特征分析模块结1构示意图，该模块包括：
[0060] 航班流要素确定单元11，用于确定航班流信息所包括的主要要素；
[0061] 航班流要素分析单元12，用于根据航班流要素确定单元提供的数据分析航班流各要素的分布特征，确定相应的数据概率模型。
[0062] 图3为本发明空域仿真飞行引擎系统航班流统计模块2结构示意图，该模块包括起降机场分布统计单元21、航班时刻分布统计单元22、机型配比分布统计单元23和统计综合单元24。
[0063] 起降机场分布统计模块21通过数据库访问接口查询起降机场信息并汇总统计；
[0064] 航班时刻分布统计模块22通过数据库访问接口查询航班时刻信息并汇总统计；
[0065] 机型配比分布统计模块23通过数据库访问接口查询机型配比信息并汇总统计；
[0066] 以上3个单元的统计结果由统计综合单元24负责整理、建立关联，最终形成航班流分布整体特征统计数据。
[0067] 图4为本发明空域仿真飞行引擎系统航班流要素建模模块3结构示意图。该模块包括航班时刻建模单元31、起降机场建模单元32、机型配比建模模块33和航班流建模单元34。
[0068] 航班时刻建模模块31以泊松分布为基础，确定航班时刻分布的特性参数值，输出航班起飞时间的概率分布模型，起降机场包括现行航班计划中的国内航班、入境航班、出境航班以及飞跃航班中出现的所有国内外机场；
[0069] 起降机场建模单元32以离散分布为基础，输出航班起降机场的概率分布模型；
[0070] 机型配比建模单元33以离散分布为基础，输出机型配比概率分布模型；
[0071] 航班流建模单元34综合航班时刻建模单元31、起降机场建模单元32机型配比建模单元33所建立的模型，形成航班流建模模型。
[0072] 图5为本发明空域仿真飞行引擎系统航班流引擎求解模块4结构示意图。航班流引擎求解模块4包括航班时刻分布仿真求解单元41、起降机场分布仿真求解单元42、机型配比分布仿真求解单元43和仿真拟合检验单元44。
[0073] 航班时刻分布仿真求解单元41，用于求解输出仿真飞行流的起降机场；
[0074] 起降机场分布仿真求解单元42，用于求解输出仿真飞行流的起飞时间；
[0075] 机型配比分布仿真求解单元43，用于求解输出仿真飞行流的机型，模拟各航班的飞行包线、爬升性能、转弯半径、速度与加速度等性能数据；
[0076] 仿真拟合检验单元44，对飞行流的起降机场、起飞时间、机型等信息汇总形成的模拟航班流进行拟合校验。
[0077] 图6是本例空域仿真飞行引擎系统实施方法流程图：
[0078] 步骤a1：确定航班流分布要素，通过分析航班流属性信息，最终确定航班流要素包括：机型、飞机起飞时间、起飞机场、到达机场，进下步；
[0079] 步骤a2：分析航班流分布特征，包括分析空域航班流是否存在交通信号等周期因素干扰、交通密度是否拥挤以及是否存在很大的随机性，进下步；
[0080] 步骤a3：依据航班流特征确定各要素模型，包括基于离散分布描述机型分布、基于泊松分布描述起飞时间分布、基于离散分布描述目的机场分布，进下步；
[0081] 步骤a4：通过人机界面接口，接收用户输入的仿真流参数，包括：仿真流量、观察间隔、采样次数、航班仿真结果起始时间、航班仿真结果结束时间等，进下步；
[0082] 步骤a5：通过数据库访问接口查询航班计划中所有起飞机场信息，进下步；
[0083] 步骤a6：开始依次对每个机场的航班流分布进行统计，首先依次取机场的信息，进下步；
[0084] 步骤a7：取该机场的四字代码，进下步；
[0085] 步骤a8：依据机场四字代码，查询现行航班计划数据表，以统计该机场的现行航班计划中各要素的分布情况，然后下转并行执行步骤a9、步骤a10和步骤a11；
[0086] 步骤a9：根据该机场的机型统计数据，以离散分布为基础，建立该机场的机型分布模型；
[0087] 步骤a10：根据该机场的起飞时间统计数据，以泊松分布为基础，建立该机场的起飞时间分布模型；
[0088] 步骤a11：根据该机场的到达机场统计数据，以离散分布为基础，建立该机场的到达机场分布模型；
[0089] 当步骤a9、步骤a10和步骤a11均执行完毕后，进入步骤a12：
[0090] 步骤a12：初始化仿真航班的数目＝0；
[0091] 步骤a13：判断仿真航班数目是否小于用户需求，如果仿真航班数目已大于等于用户需求，则转步骤20；否则下转并行执行步骤a14、a15、a16；
[0092] 步骤a14：采用步骤a9建立的该机场机型分布模型，随机生成一个机型记录，然后进步骤a17；
[0093] 步骤a15：采用步骤a10建立的该机场起飞时间分布模型，随机生成一个起飞时间记录，然后进步骤a17；
[0094] 步骤a16：采用步骤a11建立的该机场到达机场分布模型，随机生成一个到达机场记录，然后进步骤a17；
[0095] 步骤a17：汇集步骤a14生成的机型信息、步骤a15生成的起飞时间信息、步骤a16生成的到达机场信息，形成一条航班计划记录，进下步；
[0096] 步骤a18：将仿真的航班计划存入数据库，进下步；
[0097] 步骤a19：仿真航班的数目加1；并进入步骤a13；
[0098] 步骤a20：此机场仿真完毕；并进入步骤a21；
[0099] 步骤a21：判断所有机场仿真完毕，如果还存在未处理的机场，则进行步骤a7的后继处理；如不存在未处理的机场则执行步骤a22；
[0100] 步骤a22：全部仿真结束。
[0101] 上述a1-a3步骤是由航班流分布特征分析模块1完成的，a4-a8步骤是由航班流统计模块2完成的，a9-a11步骤是由航班流要素建模模块3完成的，a12-a19步骤是由仿真求解航班流模块4完成的。
[0102] 图7是航班流分布特征分析模块1的详细工作流程：
[0103] 步骤a11：分析航班流表征要素，进下步；
[0104] 步骤a12：确定航班流要素，采用的航空器要素包括机型、飞机起飞时间、起飞机场、到达机场，进下步；
[0105] 步骤a21：分析航班流基本特征——飞行航班流不存在交通信号等周期因素干扰、航班流交通密度并不太拥挤以及具有较大的随机性，然后并行进a22、a23、a24步；
[0106] 步骤a22：分析航班流机型分布规律，确定其随机性特征；执行完成后，进入步骤a31；
[0107] 步骤a23：分析机场分布规律，确定其随机性特征；执行完成后，进入[0108] 步骤a24：分析航班进入空域的特点，确定其无后效性、平稳性、普通型的特征；执行完成后，进入步骤a33；
[0109] 步骤a31：在步骤a22的基础上，依据机型分布的随机离散特征，确定采用离散分布描述机型分布；
[0110] 步骤a32：在步骤a23的基础上，依据机场分布的随机离散特征，确定采用离散分布描述目的机场分布；
[0111] 步骤a33：在步骤a24的基础上，依据起飞时间分布的随机特征，确定采用泊松分布描述起飞时间分布。
[0112] 图8是航班流统计模块2的详细工作流程：
[0113] 步骤b1：初始化数据库连接，进下步；
[0114] 步骤b2：查询数据库中的机场表，获取所有的机场列表，包括国内机场以及国外机场，进下步；
[0115] 步骤b3：依次取机场信息记录，并开始该机场相关数据的处理；
[0116] 步骤b4：查询数据库航班计划数据表，获取该机场出发航班的所有目的机场列表；执行完成后，进入步骤b7；
[0117] 步骤b5：查询数据库航班计划数据表，获取该机场出发航班的所有机型列表；执行完成后，进入步骤b8；
[0118] 步骤b6：查询数据库航班计划数据表，获取该机场出发航班的所有起飞时间列表；执行完成后，进入步骤b9；
[0119] 步骤b4、步骤b5以及步骤b6同时进行；
[0120] 步骤b7：在步骤b4的基础上，对该机场出发航班的所有目的机场逐一统计到达的航班数目；
[0121] 步骤b8：在步骤b5的基础上，对该机场出发航班的各机型逐一统计其航班数目；
[0122] 步骤b9：在步骤b6的基础上，统计各观察间隔起飞的航班数目；
[0123] 步骤b10：在步骤b7的基础上，计算各降落机场的比重；
[0124] 步骤b11：在步骤b8的基础上，计算各机型的比重；
[0125] 步骤b12：在步骤b9的基础上，计算平均每时间间隔的航班数目；
[0126] 步骤b10、步骤b11和步骤b12执行完成后，进入步骤b13：
[0127] 步骤b13：将该机场的统计结果保存至数据库中，进入b14；
[0128] 步骤b14：判断是否还存在未统计的机场，若还存在未统计的机场，则进入步骤b3继续处理；否则结束航班流统计流程。
[0129] 机型配比建模模块33中，由于到达某机场的飞机机型是随机分配的，采用离散概率分布建模。为简化叙述，将飞机机型简单分为大型机、中型机、小型机三类。
[0130] 现用大型机、中型机、小型机占所有航班计划的百分比表示该类型飞机到达的概率，设飞机流中大型机、中型机、小型机所占百分比分别为p1，p2，p3，且假设：
[0131] p1＜p2＜p3，p1+p2+p3＝1。
[0132] 下面用随机变量X表示飞行流中大、中、小型飞机的出现情况。X＝0表示出现的机型是大型机，X＝1表示出现的机型是中型机，X＝2表示出现的机型是小型机，于是随机变量X的概率密度函数为：
[0133]
[0134] 随机变量X的概率分布函数F(x)分别为：
[0135]
[0136] 采用逆变法计算此离散随机变量X，其逆变公式如下：
[0137]
[0138] 如图9所示离散随机变量X的求解过程为：
[0139] 步骤c1：随机生成一个(0，1]范围内的随机数u；
[0140] 步骤c2：判断u是否大于0且小于等于p1；若0＜u＜＝p1，则直接进入步骤c6处理；否则继续执行步骤c3的下一步处理；
[0141] 步骤c3：判断u是否大于p1且小于等于(p1+p2)；若p1＜u＜＝p1+p2，则直接进入步骤c4处理；否则进入步骤c5；
[0142] 步骤c4：求得X＝1；
[0143] 步骤c5：求得X＝2；
[0144] 步骤c6：求得X＝0。
[0145] 本发明空域仿真飞行流引擎系统的机型配比建模模块33和机型配比分布仿真求解模块43实现原理同上述过程。
[0146] 分析飞行流起降机场要素的分布特征，确定目的地为随机分布，满足离散分布特性。指定目的地机场航班数占总航班计划数的百分比为离散分布的概率。起降机场建模模块32与起降机场分布仿真求解模块42的实现过程与空域仿真飞行流引擎系统的机型配比建模模块33和机型配比分布仿真求解模块43类似。
[0147] 根据飞机进入仿真区域本身的特点，从理论上应满足下列条件：
[0148] (1)在不相重迭的时间区间内飞机的产生是互相独立的，即无后效性；
[0149] (2)对充分小的Δt，在时间区间[t，t+Δt]内有一架飞机产生的概率与t无关，而与区间长度Δt成正比，即飞机的产生具有平稳性；
[0150] (3)对于充分小的Δt，在时间区间[t，t+Δt]内一条航道上有2架或2架以上飞机产生的概率极小，即具有普通性。
[0151] 根据以上特点，选用泊松分布来表示飞行流的分布情况。由于泊松分布的变异系数为D(x)/E(x)＝1，则根据变异系数定义，该分布的概率曲线集中度比较均匀，能体现均匀分布。则有公式：
[0152]
[0153] n为飞机数；λ为参数。
[0154] 根据实验采集数据方式得：公式(1)中的参数有相应的物理意义，λ表示在采样时间内的飞机数。
[0155] 如图10所示，泊松分布的生成过程为：
[0156] 步骤d1：生成[0，1]之间的随机数R；
[0157] 步骤d2：初始化I＝0；
[0158] 步骤d3：计算
[0159] 步骤d4：判断P(X)是否大于等于R；若P(X)＜R，则进入步骤d6继续处理；否则继续进入步骤d5；
[0160] 步骤d5：将相应的X值取作随机变量，即飞机起飞数，结束泊松分布建模；
[0161] 步骤d6：I加1。
[0162] 当参数λ确定后，根据公式(1)可产生服从泊松分布的随机数。但仿真模型所需的是两架飞机到达之间的相隔时间，而非此随机数代表的在固定采样间隔里的飞机数目。经推理，若采用泊松分布来表示飞行流，则飞机产生的时间间隔t服从负指数分布。假定飞行流泊松分布满足
[0163]
[0164] 如图11所示，飞机间隔时间的推理求解为：
[0165] 步骤e1：令λ＝αt*，α则表示飞机平均到达率(veh/s)，则
[0166]
[0167] 此公式物理意义是：在时间区段t*内有n架飞机进入仿真区域的可能性为Pn(t*)；
[0168] 步骤e2：令n＝1，得到P1(λ)＝λe-λ λ＞0；
[0169] 步骤e3：对上式两边积分，得到λ的分布函数
[0170] F(λ)＝(-λ-1)e-λ+1 λ＞0
[0171] 经证明，F(λ)是单值递增函数。且0≤F(λ)≤1；
[0172] 步骤e4：随机生成(0，1]之间的一个随机数u；
[0173] 步骤e5：令F(λ)＝u，求得λ；
[0174] 步骤e6：求得间隔时间t＝λ/α。
[0175] 本例仿真拟合检验单元44在对飞行流的起降机场、起飞时间、机型等信息汇总形2
成的模拟航班流进行拟合校验时，使用X 检验法来检验一定显著水平a下(一般取0.05)，飞行流流量的泊松分布拟合现实总体分布的情况。假设飞机的到达数满足泊松分布、巡航速度满足正态分布，而现实空域运行的状况由于受到空域区别于普通陆路交通的特征、空中交通管制规则和突发事件的影响，实际飞行流的分布情况与理想的分布可能产生较大的出入，因此需要比照真实分布和理想分布情况，对真实分布的拟合情况进行评估，使得真实分布与理想分布的偏差在用户允许的容差范围以内，否则拒绝假设的理想分布情况。
[0176] 本例采用X2检验法验证飞行流时间间隔是否满足泊松分布，以及巡航速度是否满足正态分布。此方法可以在总体的分布为未知时，根据样本x1，x2，…，xn来检验关于总体分布的拟合情况，判断总体x的分布函数是否为指定的分布函数F(x)。假设：
[0177] H0：总体x的分布函数为F(x)，
[0178] H1：总体x的分布函数不是F(x)。
[0179] X2检验法的基本思想为：将随机试验全体结果Ω分为k个互不相容集合A1，A2，…， 于是在假设H0下，我们可以计算pi＝P(Ai)，i＝1，2，…，k。在n次试验中，事件Ai出现的频率fi/n与pi往往有差异，但一般来说，若H0为真，且试验的次数又甚多时，则这种差异不应该很大。基于这种想法，皮尔逊使用：
[0180]
[0181] 作为检验假设H0的统计量，并证明了以下定理。
[0182] 定理若n充分大(n≥50)，则当H0为真时(不论H0中的分布属什么分布)，统计2 2
量χ 总是近似地服从自由度为k-r-1的χ 分布，其中，r是被估计的参数的个数。
[0183] 于是，若在假设H0下算得有：
[0184]
[0185] 则在显著性水平a下拒绝H0，否则就接受H0.
[0186] 在假设检验之前需要使用矩估计法或极大似然估计法估计分布函数F(x)的参数；使用时必须注意n要足够大，以及npi不太小。根据实践，要求样本容量n不小于50，以及每一个npi都不小于5，而且npi最好是在5以上。否则应适当地合并Ai，以满足这个要求。
[0187] 最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。
