航空數據統計分析平臺開發與應用

　　摘要：當前我國空管系統缺少航空數據統計分析平臺，對航班架次、正常性、延誤情況無法統計，難以科學宏觀的了解空管工作效率和階段性工作成果，無法制作統計報表，對高峰時段航班量也無法預測。因此需要建立航空數據平臺，通過各類數據整合和梳理，對大數據進行挖掘和分析，為空管電子服務平臺提供精細化數據支撐。本平臺以珠海空管站為例，運用數據庫軟件編程建立珠海空管站本地航空數據平臺，運用按方向、正常性統計的方法對航班架次，延誤性正常性進行統計，開發網站建立珠海空管站本地電子信息平臺窗口(電子公告欄)。基于航空數據對航班高峰架次進行預測。

　　關鍵詞：平臺開發;C/S;B/S混合模式;空管數據

　　1.系統設計

　　1.1系統功能需求

　　AFTN報文是供空中交通管制部門使用的航空報文，其中包含航空器及其相關航班任務所具有的全部信息，系統需要從AFTN報文中的FPL(領航計劃報)，DEP(離場報)，ARR(著陸報)中提取航班編號，起落時間等相關信息存入數據庫中，并對航班架次，航班正常性進行統計，對高峰時段航班量進行預測。并且需要開發網頁，即建立電子公告欄，讓用戶可以在網頁上獲取需要的信息。

　　1.2系統層次架構設計

　　本系統開發目的是為了更高效的解讀AFTN報，利用解析后的數據完成一定的統計預測工作，為用戶提供可視化數據，滿足用戶的需求，因此系統自上而下分為5層，分別是數據源層、解析層、數據層、分析層、界面層。原始數據通過解析層處理后存入數據層后，分析層利用數據層的數據進行分析處理，最后在界面層呈現給用戶。

　　1.3 系統設計流程分析

　　航空情報數據分析系統由報文解析及提取模塊，開發接口模塊，數據庫存儲模塊，平臺交互模塊，統計預測模塊五個模塊組成。其中報文解析與提取模塊匹配報文中的關鍵信息并將其提取出來，再通過開發接口模塊建立數據庫與服務器之間的鏈接，通過socket通信將解析之后的報文發送至數據庫端，數據庫存儲

　　模塊分析數據格式，通過數據庫匹配編寫程序通過sql語句存儲數據，然后通過ASP.NET，技術，C#語言的網頁開發，建立航空信息查詢系統，使得用戶能在網頁上查詢所需信息。最后統計預測模塊實現統計預測功能。

　　1.3.1 報文解析及提取模塊

　　解析報文的目的在于提取其中有用信息存入數據庫，為數據分析和統計預測提供原始數據。VB.NET是面向對象編程，擁有豐富的類庫，可以減少編程難度，故本模塊采用VB.NET編程，主要運用正則式的有關知識，從諸多報文中分揀出FPL、DEP與ARR報，并從中提取出 目標信息。為了銜接下一階段的數據庫部分，方便數據庫的識別存儲，報文解析之后，要將提取的有用信息按固定格式來輸出，以滿足統計分析工作的需要。

　　1.3.2開發接口模塊

　　數據中心與數據源的接口是指將解析后的報文發送到數據庫端的程序，由客戶端和服務器組成。客戶端是發送端，服務器是接收端。它們之間用socket通信進行發送和接收。

　　首先啟動服務器，開始監聽，再啟動客戶端與服務器建立連接。客戶端從報文解析時生成的txt文件中讀取，若打不開文件則返回文件打開失敗信息，否則每讀完一行就通過socket將該行的內容發送給服務器，服務器每收到一條消息就將它分類處理并存入數據庫中，如圖四所示。圖4 數據中心與數據源接口

　　1.3.3 數據庫存儲模塊

　　數據庫存儲模塊主要完成服務器程序數據與數據庫的交互，從而完成數據的存儲或更新。服務器每接收到客戶端的一條報文，就將接收到的報文數據進行識別和分割，獲得每個數據項表達式，并將得到的每個表達式用正則式進行匹配，獲得一條消息中每個屬性的值，再根據得到的source值判斷報文類型，對不同類型的報文(FPL、DEP、ARR)分別處理，構造相應的SQL語句，進行對數據庫的操作，從而完成數據庫的實時更新。

　　1.3.4平臺交互模塊

　　平臺交互模塊主要完成網頁的開發、布局設計和數據綁定，建立前端與后臺數據庫的連接，實現與用戶的交互，根據不同的規則，使用戶能夠按照不同條件對數據進行篩選和統計，并可根據用戶要求將查詢結果導出到excel中，供分析預測使用。開發中將需要統計的數據分類寫入xml文件，實現程序和數據分離，方便項目用戶對統計條件的添加和功能擴展。

　　1.3.5統計預測模塊

　　由于珠海機場日航班量較小，基于改進的灰色模型預測方法并不適用，計算波動值過大，故我們選擇采用統計平均與指數平滑預測的相結合的方法對后續 1h 每 30min 的實時進出港航班量進行預測。該方法將統計平均與一次指數平滑結合，更加貼切進出港航班量符合航班時刻表的實際情況，且隨著該系統運行時間的增加、數據量的提升，預測結果將更為準確。

　　一次指數平滑：

　　(1)

　　一次指數平滑只能延伸至實際序列的后一項(30min)，為了使得指數平滑預測可以延伸至實際序列后兩項(1h)，我們選取了兩種數據采樣間隔，分別為 30min 與 1h(即每天按30min 分為 48 個時間段)，平滑系數為 0.8。使用單日已知的數據序列可以計算出已知序列預測值與后兩位的預測數值，即 30min 間隔數據預測值以及 1h 間隔數據預測值與 30min 間隔數據預測值之差，計算方法如下圖。

　　2.研究成果

　　航空數據統計分析平臺包括報文解析與提取模塊，開發通信接口模塊，數據庫存儲模塊，平臺交互模塊，統計預測模塊。實現了解析原始航班數據，提取航班編號、起落時間等相關信息發送給服務器;服務器程序對接收到的航班信息進行分析和存入數據庫;按不同需要對航班架次，航班正常性等進行統計，并實現對高峰時段航班量進行預測;實現網頁開發，即建立電子公告欄，讓用戶可以在網頁上獲取需要的信息。研究的成果主要有將原始航班數據解析為自己設定格式的數據報;將數據報進行分析并轉化為sql語言實現與數據庫交互;實現對航班數據按不同標準進行統計并綁定網頁;對高峰時段航班量進行預測。

　　3.結語

　　針對當前空管系統運行中出現的問題，即空管工作人員，統計部門無法對航空數據進行統計，預測，無法了解空管工作效率和當前航班相關信息，該平臺基于B/S，C/S混合架構，使用ASP.NET，VS.NET等技術和開發工具，實現了讀取報文，存儲數據，開發網頁，進行航班高峰架次戰術預測等目標，具有可靠性，簡潔性，安全性，可管理性等特點，對航班數據進行整合和處理，使航班數據更為公開，從而為空管專業人士排班、航班預測等提供更有效快捷的信息支持。

　　參考文獻

　　[1]張文哲.基于安卓系統的教學管理平臺開發[J].江蘇科技信息，2018，35(34)：50-52.

　　[2]王東新，李歡歡.基于JSP的教育信息化平臺開發[J].電子設計工程，2018，26(20)：27-32.

　　[3]廖加澤.基于三明市統計信息共享平臺設計與開發[J].網絡安全技術與應用，2014(12)：171-172.

　　[4]沈宏偉. 航空公司航班數據統計管理系統設計與實現[D].電子科技大學，2013.

　　[5]胡皓月. 航班延誤預測的大數據方法研究[D].南京航空航天大學，2017.

　　推薦閱讀：《西安航空學院學報》是陜西省教育廳主管、西安航空學院主辦的學術性刊物，國內外公開發行，雙月刊(單月20日出版)。

轉載請注明來自發表學術論文網：http://www.zpfmc.com/jzlw/19110.html