1.一种基于客观交通特性的扇区动态管理决策方法，其特征在于，包括：构建区域扇区运行的特征指标；对特征指标进行筛选；根据筛选后的特征指标获取管制决策规则；以及根据筛选后的特征指标和管制决策规则获取扇区实际决策；所述对特征指标进行筛选的方法包括：其中，S为特征子集；c为类别标签；x i 为特征子集中的第i个特征；D为特征子集和类别标签间的相关性；根据最小冗余度剔除冗余特征：maxΦ(D,R),Φ＝D-R；其中，R为特征子集中特征之间的冗余度；x j 为特征子集中的第j个特征；已经选择得到特征子集S m-1 ,在剩余特征集合中选择第m个特征：获取最大相关最小冗余的最优特征子集以及特征指标重要性排序；根据特征指标进行谱分解，构建邻接矩阵W以及度矩阵D，然后计算拉普拉斯矩阵L：L＝D-W；按照特征指标对样本分布的影响输出特征指标重要性排序；根据两种方法获取的特征指标重要性排序进行加权确定最优特征子集，以获取筛选后的特征指标；对特征子集分别设置权重：将两种特征选择结果进行加权，按照权重值从高到低选取前五，从而得到最优特征子集；所述根据筛选后的特征指标获取管制决策规则的方法包括：构建决策树，即有K个类，样本属于第k类的概率为p k ，则概率分布的基尼指数为：样本集合D的基尼指数为：其中，C k 为样本集合D中属于第k类的样本子集；样本集合D根据特征A在取值a上进行分割，得到D 1 、D 2 两部分后，那么在特征A下集合D的基尼系数为：其中，Gini(D,A)表示经过特征A在取值a上进行分割后样本集合D的不确定性，基尼系数越小，样本纯度越高；当样本集合D的基尼系数小于预定阈值时，结束对样本集合D的分割，完成决策树的构建；将筛选后的特征指标输入决策树，提取管制决策规则。
2.如权利要求1所述的基于客观交通特性的扇区动态管理决策方法，其特征在于，所述构建区域扇区运行的特征指标的方法包括：根据扇区的历史运行数据，构建区域扇区运行的特征指标；所述特征指标包括：密度类别、复杂性类别和特殊性类别；所述密度类别的特征指标包括：扇区流量、扇区交通密度、飞行距离、飞行时间、进场流量和离场流量；所述复杂性类别的特征指标包括：飞行动态次数、飞行动态时间、混合状态次数、混合状态时间、交通混合系数和进扇航向方差所述特殊性类别的特征指标包括：落地中国 香港流量。
3.如权利要求2所述的基于客观交通特性的扇区动态管理决策方法，其特征在于，所述根据筛选后的特征指标和管制决策规则获取扇区实际决策的方法包括：将筛选后的特征指标输入决策树，提取管制决策规则，并根据现场运行的管制排班限制以及连续性时间约束获取扇区实际决策。
4.一种采用如权利要求1所述基于客观交通特性的扇区动态管理决策方法的基于客观交通特性的扇区动态管理决策服务器，其特征在于，包括：特征指标构建模块，构建区域扇区运行的特征指标；筛选模块，对特征指标进行筛选；管制决策规则获取模块，根据筛选后的特征指标获取管制决策规则；以及扇区实际决策获取模块，根据筛选后的特征指标和管制决策规则获取扇区实际决策。
5.一种采用如权利要求1所述基于客观交通特性的扇区动态管理决策方法的基于客观交通特性的扇区动态管理决策系统，其特征在于，包括：上位机和服务器；所述上位机适于获取扇区的运行数据；所述服务器适于存储扇区的运行数据，并且所述服务器适于获取扇区实际决策。
