一种飞行器航迹数据驱动的终端区空域时空相关分析方法

1.一种飞行器航迹数据驱动的终端区空域时空相关分析方法，其特征在于，所述分析方法首先根据部分历史航空器航迹数据进行空间维度聚类，再根据聚类结果对所有航迹数据进行分类，得到终端区内每个机场的全部飞行流模式，最终从飞行流模式相关性的角度分析终端区空域的时空运行模式；所述分析方法具体包括以下步骤：S1：输入30天内终端区内所有航空器的航迹数据；S2：根据终端区空间范围剪裁航迹数据；S3：选取7天的航迹数据进行空间维度聚类得到轨迹模式；S4：将剩余航迹数据按照聚类得到的轨迹模式进行分类，将一个月内的所有航迹进行分类得到终端区的飞行流模式，所有航迹分类后取中间线；S5：计算所有飞行流模式彼此之间的时空相关性；S6：根据时空相关性数值识别关键终端区空域运行模式；所述S2具体如下：根据终端区的水平边界，对原始的航迹数据进行剪裁，保留从终端区进出点至机场的航迹数据集合T，根据航迹数据序列的高度值，区分进场航迹T_in和离场航迹T_out，所述S3具体包括：S31：分别从T_in和T_out集合中，选择7天航迹作为空间聚类的输入；S32：基于密度的轨迹空间聚类算法得到终端区内每个机场的轨迹模式集合 其中X表示机场集合，Y表示某机场的进场轨迹模式集合，Z表示某机场的离场轨迹模式集合；S321：面向非均匀采样的航迹密度聚类算法，输入T_in(T_out同理)，最小集合MinT，边界距离eps；S322：计算T_in内所有航迹之间的Fréchet距离；S323：对于尚未处理过的航迹p∈T_in，根据eps计算其Fréchet距离意义下的eps临域N_F；S324：若N_F包含的航迹数量小于MinT，则将p标识为噪音；S3251：否则，创建一个新的轨迹模式C^IN_X_y，将p加入C^IN_X_y；S3252：对于每个尚未处理过的航迹p’∈N_F，根据eps计算其Fréchet距离意义下的eps临域N’_F；S3253：如果N’_F包含的航迹数量大于MinT，则N_F＝N_F+N’_F；S3254：如果p’还未加入任何轨迹模式，则将p’加入C^IN_X_y，C^IN_X_y表示的是一种新的轨迹模式，该轨迹模式为进场航迹IN的集合，具体包含的数据有机场集合X，机场集合X种所有的进场轨迹模式集合y；所述S4具体如下：剩余的轨迹，根据聚类得到的轨迹模式，计算每个航迹与轨迹模式之间的eps距离，将一个月内的所有航迹均进行分类；分别得到每个机场进港、离港的飞行流模式矩阵W X,Z ，W X,Y ，n*p，n表示终端区共有n种轨迹模式，p表示一天分为p个时段，其中W i*j 为一个向量，包含了j时段第i种轨迹模式的航迹编号；所述S5中计算飞行流模式的时空相关性具体如下：选择CCF作为飞行流时空相关分析的度量指标，作为一个局部度量指标，通过计算CCF，从每个飞行流模式的角度描述不同时间延迟下与其他飞行流模式之间关于流量特征的相关关系，从而反映Metroplex空域内飞行流时空相关性的局部异质性，在计算CCF之前，对于每个飞行流模式，统计每10min间隔内的航班数量，即流量；构建每个飞行流模式的流量特征时间序列，对于两个流量特征时间序列X和Y，在时间延迟s下，X和Y的相关函数CCF计算公式为：式中：ρ k 为X T 和Y T+k 这两个时间序列时间的相关程度，即从终端区所有的的飞行流中选择的两个飞行流，T为统计时间段；k为时间延迟，x t 为x模式在时间段t内的航班数；y t+k 为y模式在时间段t+k内的航班数， 为x模式在实际用到的T-k个时间段内航班数的平均值； 为y模式在实际用到的T-k个时间段内航班数的平均值；通过计算CCF，能够量化表示飞行流彼此之间的相关性数值，进而能够发现终端区内飞行流的整体相关关系。