航空公司运行控制虚拟仿真多元信息可视化融合方法研究

罗凤娥，刘 安

(中国民用航空飞行学院 空中交通管理学院，四川 广汉 618307)

航空公司运行控制虚拟仿真多元信息可视化融合方法研究

罗凤娥，刘 安

(中国民用航空飞行学院 空中交通管理学院，四川 广汉 618307)

伴随着我国航空事业的持续扩大,航空业之间的竞争日渐激烈；外部和内部环境的变化将会带来突发事件,如不能及时处理的话都会影响航空公司的日常经营,严重的话甚至会导致破产；通过构建航空公司运行控制应急管理的功能模型和结构模型，提出了基于资源层、状态层、决策层和操作层的四层结构应急管理可视化多元信息仿真模型，并给出了多元信息可视化表示方法示例；重点分析了运行控制中应急管理数据的海量、多元、可信度不同、时间敏感和难以共享等特征，并通过多元信息融合的方法构建出航空公司运行控制虚拟仿真模型；有助于运行控制人员研究应对不安全事故的策略，提高运行控制人员理论与实践学习相结合的能力，增强在应急事件发生时运行控制人员的情景意识，保障公司安全高效运行。

虚拟仿真；运行控制；可视化；多元融合

0 引言

民航业的迅速发展为人民生活带来便利，推动社会、经济的发展的同时，也因应急突发事件的多发令人担忧。民航突发应急事件的处置往往比较复杂，其中一个原因就是应急事件出现后会随着时间和空间的改变而发生变化甚至是恶化。普通民航突发应急事件有时在特定条件下会诱发演化产生比事件本身破坏性强、危害性大的衍生次生事件[1]。随着航空业的不断发展，我国航班量每年不断的增加，航空公司的规模在不断的扩大，各航空公司的运行控制手段日趋完善合理，但各类突发不安全事件也明显增加，如台湾复兴航空空难事件、4U9525 德国之翼空难、迪拜航空FZ981坠毁事件、埃及航空MS181班机遭劫持等不安全事件[2]。航空公司在努力做到保证航班安全的同时如何及时做出应对不安全事故的策略成为航空公司安全运行中不得不考虑的关键问题。本文针对航空公司在航班运行过程中出现信息的海量、时变、难以共享、可信度不同和时间敏感等特征，通过多元信息融合的方法构建航班运行中多元信息仿真再现模型，有助于运控人员及时掌握航班运行过程中关键有效的信息，及时做出应对不正常航班的策略。

1 航班运行多元数据的可视化处理

可视化(Visualization)，是一种数据分析计算方法，它将数据或者符号转变成为更为直观的立体或几何图形，使数据的理解更加直观化，并且能够把复杂、时变、多维数据以可视化图像的方式展现的工具。

传统的数据可视化方法一般都是基于笛卡尔坐标系或矢量坐标系的数据映射转换方法，其映射的数据集对象往往都具有明显的二维或三维物理空间特征，如柱状图和条状图、分布图和直方图、折线图、树形图、地图可视化等。

分布图(也称散点图)和直方图其实是一种特殊的柱形图，它们显示了离散和连续字段值的比例。分布图能够展示非数字类型的、离散的字段值在数据集中存在的比例及数目。分布图其中一个非常典型的用途就是可以反映数据的不平衡性。直方图，也被称作为频率图，是用图表的方式去展示不同的数值在数据集中所占的百分比，也能够用来揭示数据的不平衡性[5]。

折线(曲线)图也是基于柱形图的一种拓展，主要用于在二维的X-Y坐标系上表示两个连续数据维的交叉点的值，不同的交叉点采用折线或曲线连接起来[6]。通常用于描绘基于时间维度的数据变化。树形图以树的形式表达数据集，每一层的树的分支都是基于不同的属性值，这些属性在数据集内具有层次结构。

除了传统的柱状图、折线图等这些简单的二维三维映射方法之外，还有一些在以上方法以及数据可视化基本元素的基础上发展起来的更为复杂的数据可视化方法，此类方法根据其不同的可视化映射基本原理可以分为基于层次的技术、基于图标的技术、面向像素技术、基于几何的技术和基于图形的技术等。

本文采用了可以实现多变量可视化的雷达图分析法来进行多元数据可视化的处理。多元变量数据的可视化一直是人们关注和研究的热点,从多年来各研究者的研究成果来看，其研究成果的主要表现形式分为两类:一类是能够让在多维空间的数据点与平面上某种特定的几何图形相互对应,该几何图形也能够反应多维数据的一些主要的特征或者数据与数据之间的联系[8];另外一类是对于多维、易变的数据进行降维、简化处理,在尽量保留原始信息的同时将多维数据降低为一维数据,进而使多维数据能够在平面坐标系下进行呈现于处理。雷达图数据可视化就是一种可实现多变量数据可视化的一种方法，其主要是将多维数据与雷达图进行一一对应，使多维数据实现可视化。也被称为星形图。

2 航班运行多元信息数据融合及模型的建立

2.1 多元数据的来源及处理

航空公司的运控中心在公司正常生产的运作的过程中具有非常重要的作用，对于整个公司而言相当于公司的大脑，在运控中心里面需要汇集各种各样的信息，其中包括气象信息、航行通告、机场信息、飞行数据、管制信息等。尤其是在应急事件发生时，运控中心需要及时收集处理所有的信息，并将有效、重要得信息进行发布、传递，并根据收集到的信息及时做出决策，如何处理如此多元、庞大的数据成为航空公司亟待解决的问题。

天气对航空公司的航班正常运行具有非常大的影响，由于天气原因导致航空公司航班备降是在航空公司经常发生的应急问题，如何在目的地机场及备降机场着陆天气标准不符合降落标准的时候快速选择出该航班的备降机场，需要航空公司运控中心及时而有效的做出决策，以免因航班的燃油不足而导致更多的事故发生[11]。本文就针对航班备降过程中所需气象数据进行可视化、融合处理，使运控中心能够对航班备降所需数据的掌握更加简单、高效，有助于及时做备降决策。

2.2 多元数据可视化表示

数据多元图表示是多元数据分析的一种非常重要的方法，其在数据可视化分析过程中具有非常广泛的应用，特别是在多元、多维数据可视化分析方面具有很大的优越性。多元图的表示方法具有很多种，研究中经常用到的有雷达图、散点图、平行坐标图等。不同的多元图表示方法具有不同特征，但其数据可视化表示的共性是一样的，都是通过岁数据的降维处理将多维数据映射到二维空间中。本文采用了雷达图数据可视化方法来实现多维数据的表示，给出了针对多元、多维的天气数据采用雷达图的方法实现可视化表示的示例。从这些雷达图中可以清楚看出各个方面的数据，更加直观的显示出不同元、不同层次的数据量，这种应急管理多维数据雷达图可视化表示方法给出了航空公司运行控制中气象状态直观的信息，极大地方便了航空公司的运控决策。见图1～图7。

图1 风速图

图2 云量图

图3 重要天气图

图4 跑道视程图

图5 能见度图

图6 云高图

图7 风向图

2.3 数据标准化处理与融合

在数据融合处理过程中，首先是通过气象网站接收数据，对数据进行输入，根据民航相关的规章标准进行筛选。其次是将筛选好的数据再次进行分类，根据数据的性质，将数据分为主要数据和次要数据，其中主要数据主要是一些对飞机着陆过程中起决定性的数据，次要数据主要是对飞机着陆过程标准具有一定的影响作用的数据。在数据优化过程中，首先是日通过主要数据源对影响航班的各个因素进行最优化筛选及组合，得到一个可行域。然后在通过次要数据对可行域进一步优化，从而得到最终的结果。数据融合过程如图8所示。

图8 数据融合流程图

主数据源数据优化，从各数据源中选出对航班着陆具有直接影响的因素能见度、跑道视程、云底高三个因素。由于该三个因素的数据在一定程度上是相互独立的，满足现行规划的条件，因此在优化过程中选择单纯形法来对数据进行优化。记：能见度为x1，跑道视程为x2，云底高为x3，目标值为z取目标函数为：MAXz=x1+x2+x3。根据计算结果对机场进行简单的排序。

次要数据源的优化，从各数据源中选出对航班着陆具有间接影响的因素风速、风向、重要天气及云量。通过次要数据源在对上述结果进行辅助优化，由于次要数据源对航班的影响水平不同，本文在确定指标权重的过程中采用了模糊层次分析法(FAHP)[12]，在分析的过程中首先确定各因素指标的权重，然后通过模糊综合评判法对总体指标实现综合评价。

具体步骤如下：

第一步：建立影响飞机着陆因素的层次指标体系，如图9所示。

图9 航班延误预警指标体系

第二步：在进行模糊层次分析法进行分析的过程中,将不同因素作两两对比分析，而且对因素的重要程度做量化分析,可以得到模糊层次分析法的模糊判断矩阵N=(Nij)n×n,并对矩阵的性质进行判断，是否具有如下性质:

a)Nii=0.5,i=1,2,…,n;

b)Nij+Nji=1,i,j=1,2,…,n;

由此获取的判断矩阵称为模糊互补判断矩阵。为了定量描述计算过程中的意两个方案关于某一特定的准则得出的相对的重要程度,本文通过如下表所示的0.1～0.9标度法给出数量标度。

若Nij∈[0.1,0.5),则表示因素mj要比因素mi重要;Nii=0.5表示两个因素相比较同等重要;若Nij∈(0.5,0.9],则表示因素mi要比因素mj重要。依据上面的数字标度,因素N1,N2,…,Nn进行相互比较,则得到如下模糊

表1 0.1～0.9数量标度

互补判断矩阵:

(1)

第三步：计算各层次指标的权重w。

本文采用了通用公式确定权重,该公式包含了模糊一致性判断矩阵的判断信息及其优良特性,便于计算机编程实现且计算量小并,极大的减小了实际应用过程中的复杂程度。求解模糊互补判断矩阵权重公式如下:

(2)

为判断式(2)得到的权重值是否合理,还应该对比较判断矩阵的一致性进行检验。当一致性检验得到的数值偏移过大时,说明最终的决策依据由得到的权向量计算结果来代替是非常不可靠的。因此本文为了进一步检验该判断矩阵的一致性原则，对模糊判断矩阵的相容性来进行进一步计算。

定义1:设矩阵N=(Nij)n×n及(Bij)n×n同是模糊判断矩阵,称:

(3)

式(3)为N、B的相容性指标计算公式。

(4)

式(4)的结果为特征矩阵N称为决策者态度的判断矩阵。当N的相容性指标I(N,W)≤N时,则判定该矩阵为满意一致性的。策者所要求的模糊判断矩阵的一致性越高则N越小,一般取∂=0.1。对于现实中的实际问题,一般是通过M个专家给出同一因素集X上进行两两比较来判断矩阵Nk=(Nij(k))(k=1,2,...,m),可以分别确定权重集的集合W(k)1W(k)=(W(k)1,W(k)2,…,W(k)3(k=1,2,…,m)对判断矩阵进行一致性检验:

专家A权重模糊互判矩阵为：

得权重向量为W1=(0.381 0.303 0.316)

根据式(4),N1计算结果为:

根据式(3),N1和W1*的相容性指标为:I(N1,W1*)<0.1,故认为模糊判断矩阵N1是满意一致的,因此W1的分配合理。

专家B权重模糊互判矩阵：

计算的权重向量为W1=(0.383 0.267 0.350)

N1的特征矩阵计算结果为:

N1与W1*的相容性指标为:I(N1,W1*)<0.1,故认为模糊判断矩阵N2是满意一致的,因此W2的分配合理。

综合两个专家的意见后,权重向量可表示为:

W=(0.383 0.284 0.333)

依次按风速、重要天气、风向、云高、云量、跑道视程和能见度,对备选方案建立模糊判断矩阵。专家通过对各因素进行两两比较进行判断并根据表1进行打分,进而得到模糊矩阵R。为了便于论述,本文在论述的过程中仅提供了一个专家的评判矩阵。对于有多个专家进行参于的评判案例,就需要用同样的方法进行模糊判断矩阵及判断矩阵间的满意相容性和满意一致性进行检验。

第四步：计算综合评判结果：B=W·R，其中B=[b1,b2,…,bn]，是系统总体性能对应评价集，W是权重向量，R是主数据源因素评价权重。根据最终评判集B对各个机场对航班的综合影响指数进行评定，得出最终的优化排序结果，并将结果进行可视化处理。

考虑到各种数据源的数量级不同，因此本文在数据标准化处理的过程中以百分比的形式进行表示，通过对航空公司近几年来的气象数据汇总，并根据民航相应的规章与标准找出各种气象数据的参考值，根据参考值对新获得的数据进行百分比量化处理。将量化后的数据进行可视化融合处理，得到机场天气数据信息图，如图10所示。在图10中，B实线表示目前该机场实时气象数据或者最新的气象数据，A实线表示该气象影响因素的标准值，该标准值是通过航空法规、标准中的规定以及通过航空公司近几年的气象数据积累得到的。通过A和B数据线的对比，使这种进行数据融合后的气象数据雷达图可以清楚的看出机场的天气状况是否超出标准，非常有利于运行控制人员及时有效的做出决策。

图10 机场天气数据信息图

2.4 模型的建立

根据本章2.3节中所论述的多元数据雷达图可视化表示方法，可以实现对航空公司在进行运行控制应急管理中所涉及到的多元、多维应急数据进行可视化处理，从而可以简化数据的复杂程度，便于运控人员的决策。图 11 为航空公司运行控制多元数据可视化融合及应急决策模型示意图。从模型中可以看出，这是一个实现多元信息数据融合可视化处理的系统模型。系统由信息数据输入层、雷达图信息融合层和结果呈现层三个层次组成。在数据处理的过程中，需要对多元数据进行降维、归一化处理，再通过多级数据融合处理将数据映射到结果呈现层，并在雷达图中展现数据处理后的数据点，将多维数据按照一定的规则转换成输出定量数据，而输出的信息变量就可以给出这个系统处在哪种工作模式，并给出表示系统模式的特征信息。该模型能够采用多个层次对原始的多元数据进行逐步降维、抽象处理，既能够有效地降低原始信息的数据量，减小计算的复杂程度，又可以最大限度地减少信息的失真，并且使多源数据间的相关联系更加容易的呈现。

图11 航空运行数据可视化融合和应急决策模型示意图

3 结论

本文通过构建航空公司运行控制应急管理的功能模型和结构模型，提出了基于资源层、状态层、决策层和操作层的四层结构应急管理可视化多元信息仿真模型，并给出了多元信息可视化表示方法示例。重点分析了运行控制中应急管理数据的海量、多元、时间敏感、可信度不同和难以共享等特征，并通过多元信息融合的方法构建出航空公司运行控制虚拟仿真模型。给出面向航空公司运行控制在应急管理过程中涉及道德多维、多元数据通过信息融合方法来实现可视化表示的示例。文中所设计的方法和模型对于进一步研究航空公司运行控制中非常规突发事件应急管理信息系统建设，特别是对非常规突发事件多元信息的可视化处理具有很好的借鉴意义。

[1] 张建宁. 雷达图在360度绩效评价中应用研究[J]. 财会通讯,2011,29:53-54.

[2] 崔金栋,李凡生,潘文丰. 数据管道技术在MIS开发中的应用[J]. 东北电力学院学报,2004,06:66-70.

[3] 王开军. 多维数据的聚类结果可视化技术综述[J]. 福建师范大学学报(自然科学版),2012,04:115-124.

[4] 于 洋. 数据挖掘可视化技术的研究与应用[D].长春：吉林大学,2008.

[5] 谭朝阳.航空公司飞行安全风险评价研究[D].广汉：中国民用航空飞行学院,2012.

[6] 胡 俊.数据挖掘可视化模型及其应用研究[D].北京：北京交通大学,2009.

[7] 任东怀,胡 俊.多维数据可视化技术综述[J]. 工程地质计算机应用,2006,04:4-9，34.

[8] 周冉冉.大数据时代门户网站数据新闻可视化探究[D].济南：山东师范大学,2015.

[9] 刘 芳.信息可视化技术及应用研究[D].杭州：浙江大学,2013.

[10] 胡小妹.信息可视化设计与公共行为研究[D].中央美术学院,2014.

[11] 谭章禄,方毅芳,吕 明,等.信息可视化的理论发展与框架体系构建[J].情报理论与实践,2013,36:16-19，32.

[12] 韩吉胜.论航空公司签派放行[J].山西经济管理干部学院学报,2013,21:80-83.

[13] 张金磊,张宝辉,刘永贵.数据可视化技术在教学中的应用探究[J].现代远程教育研究,2013,12606:98-104，111.

[14] 洪文学,王金甲.可视化和可视化分析学[J].燕山大学学报,2010,3402:95-99，105.

[15] 王岩韬,李 蕊.边缘天气下的签派放行[J].科教文汇(上旬刊),2010,13606:203-204.

[16] 李大利.航空公司签派放行风险评估研究[D].广汉：中国民用航空飞行学院,2015.

[17] 张 禹.航空公司运行控制的发展与研究[J].硅谷,2012,11216:5-6，11.

[18] 曹 勃.S航空公司飞行签派放行体系研究[D].济南：山东大学,2012.

[19] 金 迪.航空公司运行不安全事件安全风险管理方法研究[D].上海：上海交通大学,2013.

[20] 李明星.航空公司运行品质评价研究[D].广汉：中国民用航空飞行学院,2015.

[21] 王春林.基于灰色理论的非正常航班运行管理研究[D].广汉：中国民用航空飞行学院,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。

中国民用航空飞行学院科研基金学生科技活动基金(X2015-35)；民航局安全能力项目(14014J0260004)。

罗凤娥(1972-)，女，硕士生导师，教授，主要从事航空运行方向的研究。

1671-4598(2017)02-0181-05

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

TP18

A