基于BP网络的空中交通管制运行品质框架思路

黄晓华

摘 要 空中交通管理信息系统是以航空通信、导航以及监视为基础，并通过数据链和网络将自动化系统设备连接起来，是保障航空交通安全运输的一项重要技术，文章主要针对基于BP网络的空中交通管制运行品质框架思路进行了简要分析与探讨。

关键词 BP网络；空中交通管制；运行品质；框架思路

中图分类号：TP309 文献标识码：A 文章编号：1671-7597（2014）02-0011-01

空中交通管制运行作为我国航空带来发展中的一项重要工作内容，直接影响到我国航空事业的国际化程度。因此，对基于BP网络的空中交通管制运行品质框架思路的探讨有其必要性。

1 研究背景

随着现代科学技术的发展，空中交通管理制度也发生了很大的变化，尤其是随着现代科学技术手段的不断引进与应用，如计算机技术、网络技术、人工智能技术等多种技术和科学知识的应用，使得当前空中交通管制结构化决策问题发生了很大的扭转，通过先进技术的应用，明确具体问题，采用列举可能方案、修正完善模型等方式，以做出正确的决策，建立起适应于现代交通管理发展需要的人机交互系统。

2 系统设计

航空交通管理系统是一个复杂的综合应用平台，而人工神经网络技术是解决复杂关系的一种重要技术。伴随着人工神经网络技术的发展与应用，这为空中交通管制运行开辟了新途径，不仅解决了传统系统中知识获取的困难，而且提高了决策支持系统的科学性和可靠性，以下针对空中交通管制系统运行结构设计进行具体的分析。

2.1 系统结构

该系统是由多种功能共同配合协调的集成化系统，其主要的基本结构有方法库子系统、数据库子系统、知识库子系统、模型库子系统、会话子系统，是以支持决策过程为目标的决策支持系统，具体结构示意图如图1所示。

图1 系统结构示意图

根据图示分析，通过5个子系统的协助运行，从而达到科学管理与决策的目的。其中，数据库管理系统通过方法库、模型库以及人机接口的连接，对各种数据进行有效调动，负责系统所需要的内部与外部数据，方法库系统则主要用于存放各种方法的一个子系统，通过模型的建立以及形成问题，选择不同的解决路径；会话子系统主要是在方法库系统、数据库系统、模型库系统之间建立有效通信，为决策者提供相关的问题识别、信息收集、计算分析等功能，知识子系统则主要负责知识的查询、学习、添加、编辑和调用。

2.2 功能模块实现

基于BP网络的空中交通管制运行系统的建立主要是以神经网络技术来实现的内部决策，必在实际应用时，必须要考虑到系统的实时性，一般而言，一个空中事故的发生往往发生在几分钟内，具有很强的突发性，为此，对系统的实时性提出了较高的要求，而本系统正是立足于这个理念，将数据库、方法库、模型库以及人机接口有效的连接起来，采用神经网络，充分调动各种数据，确定具体的网络权值，负责系统所需要的内部与外部数据，同时，还采用BP学习算法，建立一个具体的数学计算模型，对形成问题进行分析，按照随机方式进行初始化处理，选择不同的方法和解决路径，方便于决策者进行问题识别、信息收集、计算分析以及知识的查询、学习、添加、编辑和调用，并对每个样本值与网络输出误差进行分析，将网络权值进行轮流修改，从而达到规定的条件，具体的程序设计如下。

#include <存储抽象经验规则>

#include<模糊语言变量>

uchar t；

while（ms--）

for（t=0；t<123；t++）；

}

void main（）

{

P1=0xff；

delay（500）；

temp=0xfe； //功能函数

for（j=0；j<4；j++）

{

P1=temp；

delay（500）；

temp=_crol_（状态识别）；

}

P1=0xff；

while（1）；

}

3 仿真分析

空中交通管制运行是处于空域状态识别模块中，其主要功能和作用就是通过分析其流量是否超过空域容量进行流量的预测，并且运用模糊神经网络技术，进行空中交通的随机性与复杂性进行分析，在这里首先建立数据仿真模型，采用模糊控制技术，建立方法库系统、数据库系统、模型库系统，通过通信技术的应用，以适应复杂的过程，在模糊预测中，预测量作为系统的输出、预测依据作为系统输入，通过输入与输出的知识、信息，对系统的预测模型进行系统归纳，其整个模糊化的过程，由多种功能共同配合协调的集成化系统，并根据前后空中交通需求情况，对得到的相关程序最高者进行统计分析，这个过程简单来讲，就是将输入值进行精确化处理，经过逆模糊化作用，按照相关的规则进行转化，运用加权平均法，以实现空中交通流量仿真预测。

4 结果分析

人工神经网络技术在空中交通管制运行中的应用，开辟了新途径，不仅解决了传统系统中知识获取的困难，能够指导飞机保持高度盘旋，改变飞行路径，根据实际情况改变飞机的高度层，而且可以给予管理人员以提醒，提高了决策支持系统的科学性和可靠性，另外，神经网络技术还可以采用与空域状态识别模块相同的方法，进行误差计算，以适应神经网络要求。

5 结束语

总而言之，人工神经网络技术具有较强的容错能力，在解决问题时不需要精确的数据，尤其适应于非线性和不确定性的问题，可以获得满意的效果，大大满足了空中交通管制实时性要求。

参考文献

[1]张建平，胡明华，吴振亚，张瑞平.基于BP网络的空中交通管制运行品质评价[J].西南交通大学学报，2013（03）：553-558.

[2]张建平，胡明华，刘卫东.终端区空中交通管制运行品质综合评价[J].西南交通大学学报，2012（02）：341-347.

[3]张建平，鱼海洋，邹国良.终端区空中交通管制运行品质评价因子研究[J].中国民航大学学报，2012（03）：18-21.

[4]张建平，胡明华，吴振亚，张瑞平.基于BP网络的空中交通管制运行品质评价[J].西南交通大学学报，2013（25）：245-246.endprint